基于大数据技术的网络安全防御架构设计研究

改革开放以来,我国综合国力显著增强,经济发展水平明显提高,电网规模迅速扩大,在用电数量以及用电量方面逐年递增,能源危机问题逐渐显露。目前,政府十分重视新能源发电技术,逐步开始进行风力发电、水力发电以及太阳能等清洁能源发电的开发设计工作,并从国家战略层面提出了西电东送等关键性项目。文章针对网络安全防御工作中大数据技术所具有的应用优势进行分析,对以大数据技术为基础构建的网络安全防御架构加以研究。对于当前的电力行业而言,切实应用大数据技术,实现高质量的安全防护极为关键。只有保证电力数据具有良好的安全性,才能进一步促进我国经济的腾飞。

基于径向基函数的电网IT资产安全漏洞监测方法

文章基于神经网络的非线性映射优势,引入径向基函数而提出了一种高效的电网IT资产安全漏洞监测方法。借助径向基函数能够更加准确地对目标区域内的资产分布进行了解,进而提高漏洞风险评估以及其影响涉及范围确定的可靠性和精度。

基于改进SSD模型的变电站设备识别技术

为了保证电力系统的正常运行,提高电站变压器裂纹图像的识别精度,提升巡检质量,本文提出基于改进SSD网络模型的变电站设备图像识别模型。通过使用残差单元构成的ResNet50网络替换原有的VGG16网络,提高图像特征表征能力从而提高模型识别精度。最后通过网络训练和图像识别验证,证明了此优化方法可用于变电站设备的识别,有效提高了识别精度。

一种新型防窃电技术的研究与应用

介绍某供电局针对大用户窃电或计量故障而进行的一种创新技术的研究与应用,该技术通过高压无线采集器实现严格意义上的高压测量,并与用电信息采集系统有机集成,通过采集对比变压器一、二次侧用电信息来实时发现计量异常,对治理窃电、保障人身安全、防止国有资产流失具有重要意义,能够有效维护电网安全、构建一个和谐的供用电环境。

信号注入比幅法在电网单相接地故障诊断中的应用

从研究单相接地故障的特点出发,分析了以往各种诊断方案的利弊,提出了信号注入比幅法诊断小电流接地电网单相接地故障的完整有效方案。

基于EMD-ELM-LSTM的短期风电功率预测

风电出力的波动性和随机性较强,给电网功率调度带来了极大的困难.如何准确预测风电功率对电网的功率供需平衡和安全稳定运行具有重要的意义.本文提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)、极限学习机(Extreme Learning Machine,ELM)和长短期记忆网络(Long Short-Term Memory,LSTM)的风电功率预测组合模型.首先,对数据集进行预处理,识别并处理数据集中的异常数据,并对数据进行归一化处理以降低不同数据之间的差异性;其次对风电功率进行EMD分解以得到有限分量;然后将所有数据输入ELM-LSTM模型,并根据风电功率分量的特征选择ELM或LSTM对分量进行预测;最后叠加各子序列得到风电功率的最终预测结果.为验证所提模型的有效性和先进性,利用传统的BP神经网络、LSTM网络、CNN-LSTM网络、ELM以及本文所提模型,分别对我国西南某风电场的实测数据进行预测.测试结果表明,所提EMD-ELM-LSTM组合预测模型可以有效提高风电功率预测精度.