基于深度学习的线损异常诊断系统研究

为了降低台区线损、加快台区线损治理的数字化、智能化转型,应当对供电过程中可能出现的线损异常进行及时监测并诊断。本文研究了基于深度学习的线损异常诊断技术,从用电采集系统中获取海量的电力运行数据,通过算法构建窃电分析模型。基于该模型,对台区关口计量装置故障、窃电、用户计量装置异常、户变关系异常等问题进行诊断。该系统可以减少台区线损异常分析的时间,提高台区线损分析的准确率及效率,是实现低压台区线损管理智能化的重要举措。

基于数字孪生技术的营销设备精细化管理系统研究

随着电力行业不断探索高效、环保、降本、增效的可持续化发展道路,传统的业务模式已经难以满足当前电网企业发展的需要,有效运用数据探索全新的业务形态和业务模式,有助于电网企业突破传统业务模式的限制。依托数字孪生技术,加强数字孪生技术在电网营销设备管理的应用,可为现场工作提供更多场景化支撑服务。研究数字孪生技术,完成电网营销现场模型的构建、数字孪生社区的电网数据传输以及营销设备精细化管理系统的总体设计,最终实现电网企业营销现场设备的精细化、可视化、全局化管理,为提升电网设备管理,推进营销专业的数字化、智能化转型奠定了坚实基础。