基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度

为了实现园区综合能源系统(PIES)的低碳化经济运行和多能源互补,解决碳捕集装置耗电与捕碳需求之间的矛盾,以及不确定性源荷实时响应的问题,提出了基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度方法。该方法通过在PIES中添加碳捕集装置,解决了碳捕集装置耗电和捕碳需求之间的矛盾,进而实现了PIES的低碳化运行;通过采用近端策略优化算法对PIES进行动态调度,解决了源荷的不确定性,平衡了各种能源的供给需求,进而降低了系统的运行成本。实验结果表明:该方法实现了不确定性源荷的实时响应,并相比于DDPG(deep deterministic policy gradient)和DQN(deep Q network)方法在低碳化经济运行方面具有有效性及先进性。

基于改进SVM的电力工程造价预测

针对支持向量机求解速度较慢且用于预测电力工程造价的性能不理想等问题,提出了一种基于改进SVM的电力工程造价预测模型。该模型全面考虑了电力工程成本的组成要素并进行参数归一化处理,利用最小二乘估计改进SVM模型,同时采用遗传算法求解LSSVM的参数最优值,并通过优化后的GA-LSSVM模型实现对电力工程成本的预测。基于MATLAB仿真平台的仿真实验结果表明,模型预测的工程成本与实际值较为接近,归一化均方误差与平均绝对百分比误差分别为18.34万元和3.58%,且预测时间仅为256 ms,证明了其整体性能优于其他对比模型。

基于改进连通域检测算法的电力工程图纸识别技术

针对电力工程图纸识别中存在无法整体标记粘连字符以及标记效率较低的问题,提出了基于数学形态膨胀处理及简化决策树的连通域标记算法。利用可灵活设定的结构元素对输入图像进行膨胀处理,实现了对粘连字符的整体标记;通过分析相邻像素的各种可能性,设计了一种基于简化决策树的高效连通域标记算法,进而提升了电力工程图纸的识别效率。仿真结果表明,与传统方法相比,所提算法在实现整体标记粘连字符的同时,显著提高了算法的执行效率,其执行时间约为传统方法的1/2。

基于VMD和时空网络变分自编码器的负荷聚类

为了解决用户用电负荷曲线数据维度高、特征提取困难以及序列存在信号模态混叠的问题,提出了使用变分模态分解(variational modal decomposition,VMD)和改进基于时空网络的变分自编码器(variational auto-encoder,VAE)对电力负荷曲线进行特征提取。通过模态分解得到信号的固有模态,对模态重构得到时序特征较明显的序列信号。再通过长短期记忆网络(long short-term memory network,LSTM)和卷积网络(convolutional neural network,CNN)组成的时空变分自编码器进行潜在特征提取,并构建网络分类器来联合损失优化自编码器模型。最后使用Minibatchkmeans算法聚类并计算聚类中心。使用UCI数据集中葡萄牙居民用电量作为实验数据,通过实验结果表明经模态分解后通过降维再聚类的算法在戴维斯丁堡指数(Davies-Bouldin index,DBI)和轮廓系数(silhouette coefficient,SC)上表现出较好效果。

基于图表映射融合技术的大电网运行业务平台化人机交互设计

为更好满足大电网运行业务中高效感知电网状态的需求,开展了软件前后端数据组织和接口设计方面的研究。在融合海量人机交互技术关键要素的基础上,提出一种大电网分析模型图模一体化与多关系表数据映射与融合的平台化技术方案,并通过2669个厂站大电网案例验证方法的有效性。结果表明,所提方法在实现诸多功能需求基础上具备较高的模型检索效率与优秀的前端渲染性能,可为大电网运行业务人机交互设计提供参考。

基于物联网的箱式变电站远程监控系统的设计

箱式变电站是电力系统中的关键环节,承担着用户侧降压和电力分配工作。为保证变电站可靠稳定运行的同时降低人工运营成本,以STM32单片机为核心控制单元,结合温湿度传感器、烟雾浓度传感器、人体红外感应传感器和电压电流功率计传感器等设计了一套远程监控系统。采集影响箱式变电站安全运行的环境信息数据如温度、湿度、输出电压电流值和烟雾浓度等,并通过WiFi模块将采集的数据实时与手机APP进行通信。同时在手机端可以设置可预知的危险阈值范围来判断预警信息,并且可以通过ESP32CAM摄像头模块视频监控变电站现场,方便后台运维人员进行安全管控。通过模拟实物的制作并进行测试,运行结果表明,该系统能够实时监测箱式变电站运行环境信息,拥有简单易操作、稳定可靠、成本低等优点,具有一定的实用性。

基于注意力机制和CNN-GRU组合网络的海底电缆运行状态预测方法

海底电缆作为各类海上平台能源供给的生命线,一旦发生故障将产生巨大的经济及战略影响,准确预测海底电缆运行状态有助于提前把握其运行风险,从而实现预防性维护。在充分挖掘海底电缆运维数据中的动、静态特征的基础上,提出了一种基于注意力机制和卷积神经网络-门控循环神经网络(convolutional neural networks-gated recurrent unit, CNN-GRU)海底电缆运行状态预测方法。首先,考虑在线监测、巡检指标、静态试验三类关键影响因素,建立海底电缆运行状态评估指标体系;然后,基于改进层次分析法及多层次变权评估思想构建海底电缆运行状态评估模型;最后,建立基于注意力机制和CNN-GRU组合神经网络模型,将历史运行参数及状态量化结果作为输入特征参量,实现海底电缆运行状态的演化趋势预测。算例分析表明,所提方法可有效预测海底电缆的运行状态,平均百分数误差低至1.04%,与全连接神经网络、CNN、CNN-长短期记忆神经网络(long short term memory, LSTM)等算法相比均具备更优的预测精度。

基于Faster R-CNN算法的变电站设备识别与缺陷检测技术研究

变电站作为电力运输的中转站,是城市运转、人民生活的重要基础设施。变电站在运行过程中,经常发生因位置偏僻,不支持机器人或无人机直接进行探测而造成的设备运作温度检测不及时的问题。传统的变电站设备缺陷识别算法是基于机器的学习算法,精确度较低,只适合单个设备类别的缺陷检测,易受环境的影响。基于此,文中提出一种识别变电站设备红外缺陷的方法。首先,基于Faster R-CNN算法的设备识别,对6种类型的变电站设备包括套管、绝缘体、电线、电压互感器、避雷针和断路器进行目标识别,以实现设备的精确定位;然后,基于稀疏表示分类(SRC)的算法获得输入样本的实际标签;最后,基于温度阈值判别式算法,在设备区域中识别设备温度的异常缺陷。文中的方法实现了在红外线图像下的设备识别和缺陷检测,运用文中设计的方法对6类设备的红外图像进行检测,准确率达到91.58%,不同类型设备缺陷的平均识别准确率为91.62%,整体缺陷图像的识别准确率达到87.62%。实验结果表明了该方法的有效性和准确性。

发电厂信息系统网络设备的优化配置

发电厂信息系统包括厂级监控信息系统(SIS)和管理信息系统(MIS)。常规设计方案中,SIS和MIS两个系统按软硬件独立设置,各自组网,网络利用率不高。为解决此问题,对发电厂信息系统的交换机、存储设备、服务器、隔离装置等网络硬件配置进行优化,构建了一种发电厂信息系统新型网络架构,消除了常规独立组网设计方案存在的信息瓶颈,而且SIS和MIS由同一硬件平台统一管理,为智能电站建设创造有利条件。

基于增强优化预训练语言模型的电力数据实体识别方法

知识图谱可有效整合电力系统中的多源数据,提升电网的知识管理水平。针对电力文本数据集稀缺、实体类型多样、专业性强的特点,提出1种基于增强优化预训练语言模型的电力数据实体识别方法。该方法使用实体词袋替换的数据增强技术扩大原始数据集,采用增强优化预训练语言模型(RoBERTa)进行动态语义编码,利用双向长短期记忆网络(BiLSTM)和条件随机场(CRF)提取特征并优化标签。实验结果表明,该实体识别方法比传统基于深度学习的实体识别方法的平均数指标F1分数高2.17%,证实其对构建电力数据知识图谱的识别效果。

深度相机技术及其在电力系统中的应用前景

深度相机技术因其技术优势已经被应用到越来越多的领域中,目前,已有研究者开始尝试将深度相机技术应用在电力系统中。为此,有必要介绍一下深度相机技术并探究其在电力系统中的应用前景。首先介绍了深度相机技术的发展情况,接着将深度相机技术的特点与电力系统中潜在功能需求结合起来,探讨了深度相机技术在电力系统中的典型应用场景。在此基础上,从智能电网和本质安全2个方面阐述了深度相机技术在电力系统中的应用前景,以期为深度相机技术在电力系统中的应用研究提供参考。

电力物联网边缘智能:概念、架构、技术及应用

近年来,随着传感器、采集装置、感知终端的规模化部署,以及人工智能、5G、北斗等新技术的融合应用,智能巡检、在线监测、需求响应等电力物联网应用产生海量感知数据,数据上传至云端服务器会占用大量通信带宽,为网络通道和云端资源带来巨大压力,处理分析的实时性与时效性也不满足应用要求。为解决上述问题,考虑将边缘计算和人工智能赋予电力物联网,电力物联网边缘智能技术应运而生。电力物联网边缘智能通过在边缘侧嵌入人工智能算法,在靠近数据产生源处对数据进行预处理、本地计算、推理研判,从而减少上传到云端的通信带宽需求,降低传输时延和传输功耗,为上述问题的解决提供一种有效技术路径。首先,阐释电力物联网边缘智能的概念与演进,提出电力物联网边缘智能体系架构;其次,从边缘侧芯片、边缘计算操作系统、边缘计算框架3个层次分析电力物联网边缘智能软硬件基础,同时从云边协同、模型压缩、模型加速、群体智能、联邦学习5个方面讨论电力物联网边缘智能关键技术;然后,从“发输变配用”5个环节探讨电力物联网边缘智能应用场景;最后,分析电力物联网边缘智能应用的机遇和挑战。

基于北斗卫星通信导航的电力应急抢修指挥系统设计

电力系统运行环境复杂,受高电压、不均衡负载等因素的影响,导致应急抢修指挥过程中故障定位精度较差,抢修耗时长。为此,提出一种基于北斗卫星通信导航的电力应急抢修指挥系统。系统硬件以北斗卫星通信导航平台作为核心,设计北斗卫星通信导航平台的监测模块、故障提取与转发模块、路径规划模块、调度中心模块。根据模块化的设计理念,设计故障定位与最佳路径规划的软件程序,通过信息熵算法与决策树得到应急状态的划分,通过不同等级安排相应的抢修策略,完成电力应急抢修的指挥。实验结果表明,所提方法的抢修时间短、故障定位效果好、失负荷量小。

动态拓扑下基于终端数据挖掘的配电网异常节点检测

异常节点检测用于发现由窃电、设备故障等现象导致的功率、电压等电气参数的量测值与实际值不同的节点,是配电网态势感知、运行和管理的基础。为此,提出一种基于终端数据挖掘的异常检测方法。首先,通过挖掘节点电压、功率间的潮流约束关系,构建了一种潮流映射框架下的异常检测体系,将不符合约束关系的节点判断为异常。其次,构建对冲反向传播-残差神经网络拟合潮流约束关系,在配电网拓扑和参数信息缺失的情况下实现快速准确的电压计算。再次,针对配电网拓扑变动导致方法失效问题,引入模型回溯概念和生成树算法进行识别,将变动信息反馈给主模型,实现检测方法在动态拓扑下的应用。最后,结合实际案例与仿真实验验证了所提方法的有效性。

基于深度学习算法的恶意攻击检测系统设计与实现

为有效提高电网软件恶意攻击的检测效率,使用自动编码器进行异常恶意攻击检测的无监督深度学习方法,同时采用低采样和高采样的混合采样策略来平衡数据集,并对深度学习算法的检测性能及数据丢包率进行分析。实验结果表明,基于深度学习算法在检测电网运营平台恶意攻击时,准确率高达98.84%,真正例率和耗时均比较低(2.1%、11.28 ms),且深度学习算法的召回率高达99.2%;进一步表明基于深度学习所建立的自动编码器可以有效检测到电网运营平台恶意攻击,且检测综合性能优于支持向量机等其他机器学习算法。丢包率随着样本数的增加而降低,当样本数增加到40000个时,丢包率最小约为3%。

基于深度学习的变电设备铭牌文本提取算法

变电设备铭牌数据管理对电力系统运行至关重要。在巡检设备中使用图像文本提取技术可以提高铭牌信息采集效率。然而,变电设备铭牌图像中存在多种文本提取难点,如文本多样性、背景多样性、图片质量多样性、形变多样性和排版多样性等。本文提出了一种端到端的图像文本提取算法,使用RoIRotate模块将文本检测和文本识别合并为一个任务。此外,本文为中文场景设计了一套训练流程并创建了端到端标注的变电设备铭牌文本数据集(RSEN)。实验结果表明,本文使用方法在该领域的文本检测精度达到88.89%,查全率为87.67%,文本识别精度为90.68%。这表明本文提出的文本提取方法具有鲁棒性,同时也验证了本文提出的数据集和训练方法的可靠性和有效性。

基于分时电价测算的电力市场交易运营研究

为了解决大型水电站电力交易中存在的分时价值量化难的问题,提出一种基于分时电价测算的电力市场交易运营方法。采用弗雷歇距离对多时间尺度交易分时价格逼近分析,获得水电站分时电力交易的特征;建立双边交易与集中交易规则,采用Stackelberg博弈模型求解最优的电力交易报价,在此基础上进行电力市场交易。在某河流域水电站应用所提方法,其电力交易价格准确率为96.6%。所提方法能有效提高电力市场交易价格预测的准确性,提升水电站的电力市场交易运营水平。

基于SM3算法的智能配电网报文安全认证方法

电网智能化的不断提升,使智能配电网的信息报文传输安全重要性不断提高,如何减少信息报文在整个电力系统流通时被网络攻击一直在广泛研究。首先介绍了智能配电网信息报文传输安全的背景,再讲述配电网遭受网络攻击的过程,指出了在传输过程中报文存在篡改的风险,并针对风险环节引入了国密算法SM3。介绍了SM3算法在配电网报文中具体的安全认证方式,通过对比发送方和接收方所得的摘要是否一致来判断报文是否安全。最后将SM3算法移植入Dev C++软件上进行实例测试,验证了算法的完整性校验和时效性,表明满足报文安全性要求。

人工智能技术与电力系统融合发展研究

与人工智能的深度融合将是新型电力系统的主要特征。梳理了人工智能的关键技术体系,人工智能在电力系统中应用的重点技术领域、主要业务场景,以及人工智能与电力系统融合的典型应用范式,分析了人工智能研究成果与电力系统实际工程应用之间的差距,明确了企业经营、安全生产、客户服务、基础支撑四方面人工智能与电力系统融合的具体发展目标,提出了包括感知智能深化应用、认知智能发展实现、创造智能三阶段的人工智能与电力系统融合发展战略规划。

考虑谐波影响的闪变检测方法研究

电能质量在线监测装置多采用数字化的监测方法,在对IEC给出的闪变测量各滤波环节模拟传递函数数字化转换的过程中,考虑到人眼能够察觉的频率范围为0.05~35 Hz,为减轻闪变测量时CPU的负担,多进行抽样,采样频率不会设置太高。电网电压信号中一旦包含超过采样频率1/2的谐波,谐波信号经采样后就会失真,造成频谱混叠现象,影响闪变测量的准确度。为解决上述问题,提出一种考虑谐波的闪变检测方法,即平方解调前先进行一阶数字低通滤波,滤除谐波分量,再进行抽样,降低采样频率,对抽样后的数据再利用IEC推荐的测量方法进行闪变计算。此方法无须改变硬件电路,只增加较小的计算量,方便实现,通过MATLAB进行了仿真分析,并应用于电能质量在线监测装置,通过了检验机构的闪变准确度测试。