基于改进局部异常因子算法的拓扑辨识技术

针对电网中的拓扑错误和不良遥测信息严重影响电网的安全运行的现象,提出了基于改进局部异常因子算法的拓扑辨识方法.该方法利用统计理论对开关及刀闸的状态信息和电网的遥测信息进行评估,同时考虑到遥测及遥信信息对拓扑错误辨识的影响不同,采用相对熵对其数据进行加权处理,并在异常拓扑状态检测过程中,通过网格来屏蔽那些非异常的对象,提升算法效率.实验结果表明,该算法能够快速识别电网中的拓扑错误,发现其中的不良遥测信息.

智能电网监控运行大数据分析系统的数据规范和数据处理

为了支撑设备监控与运维的数据分析与决策,智能电网监控运行大数据分析系统要求能便捷抽取各级调控主站及厂站数据,同时为了应对实时、复杂变化的电网运行环境,系统需要满足实时分析决策的要求。在系统建设过程中,主要面临两方面问题:一方面是多源、高维、先验、异构的电力数据源,数据难以高效汇集;另一方面是数据传输协议不一致、业务数据多样性和数据计算效率不能满足分析业务。针对以上问题,研究了数据规范、通用服务协议、数据标签、数据集及混合计算技术,提出监控大数据分析系统的整体解决方案。通过示范工程的试点运行表明,所提出的解决方案可用于数据规范和数据全过程处理。

面向调控云的可视化电网设计及应用

为了实现大电网中具有复杂时空关系、多源异构数据的可视化展示,提出了适用于调控云的电网可视化架构设计,采用电网图、厂站图、一次设备图、二次设备图4层视图架构,分别从全景可视化、全态可视化和全息可视化3个方面详细阐述了可视化电网的实现,以不同可视化形式呈现从设备个体到电网全景的场面、从历史到未来全生命周期的状态、从要素到主题的全面信息,从而实现全景、全态、全息展示电力系统特征、运行轨迹和实时信息。在此基础上,研究了实现可视化电网的关键技术,基于电气关系和对象化模型的关联关系,自动构建可视化关联图谱,从场景、时态及信息各层面,全面展示电网的构成及运行,从而实现对电网实时运行、运行效率分析、设备故障和设备检修分析等应用场景的支撑。

基于人工智能技术的电力信息系统访问自动控制模型

针对传统基于角色的访问控制模型效率低、控制性能差、访问控制困难的问题,设计了一种基于人工智能技术的电力信息系统访问控制模型。给出电力信息系统访问控制模型总体结构。通过人工智能技术,结合人工神经网络与人工免疫算法设计检测器,为检查访问请求模块提供依据。通过检查访问请求模块找出是否有和访问请求匹配的检测器,以判断访问请求是否合法。经验证,设计模型可有效支持合法用户的访问与修改,防止非法用户访问,控制精度高。