电力工程数据自动分类提取与分析技术研究

为解决目前电力工程数据处理过程中的数据种类复杂、规模庞大以及分析处理困难等问题,提出了一种基于改进K-means聚类算法和长短期记忆(LSTM)神经网络的电力工程数据自动分类提取与分析技术。针对传统K-means聚类算法存在K值选取不确定性强、电力数据与簇中心点的空间距离特性相关性较弱的缺陷,采用了一种基于阈值判定的K值选取及属性加权方法,对空间距离算法进行改进。同时,通过麻雀搜索算法(SSA)对LSTM加以优化,解决了传统网络在进行超参数选择时因存在不确定性而导致预测精度不足的问题。在公开电力工程数据集上的测试结果表明,该技术分类的准确率、容错率分别为92%和98%,对造价数据的预测准确率较为理想。该研究有助于工程数据的分析和预测。

电网企业基础前瞻性研究的动力机制研究

为了实现"一强三优"和"两个一流"的目标,电网企业越来越重视科技创新能力的提升,投入大量的人、财、物资源开展基础前瞻性研究。文章从电网企业内部和外部两个角度出发,分析和探讨驱动电网企业基础前瞻性研究的动力要素,在此基础上提出电网企业基础前瞻性研究的动力机制,解释内外部动力要素的相互作用机理。

配电台区投入产出效益分析

配电台区是电力系统的重要组成部分,负责将电力从输电网络传输到最终用户(如住宅、商业和工业用户)。配电台区的投入产出分析是电力系统运行和管理的重要工具,按照“准许成本+合理收益”的原则核定输配电价的输配电价政策改革,客观上对电网公司的经营管理提出了更高的要求。配电台区是电力系统的重要组成部分,负责将电力从输电网络传输到最终用户(如住宅、商业和工业用户)。配电台区的投入产出分析是电力系统运行和管理的重要工具,按照“准许成本+合理收益”的原则核定输配电价的输配电价政策改革,客观上对电网公司的经营管理提出了更高的要求。

泛在电力物联网建设背景下工程造价管理

随着信息化时代的发展,建设泛在电力物联网势在必行。大数据、云计算、人工智能、区块链等先进技术的不断涌现,给传统的电网工程造价管理带来了巨大挑战,也带来了新的发展方向。国网湖南省电力有限公司经济技术研究院提出了基于泛在电力物联网的工程造价管理基本框架,分析了各层级的发展趋势和相关对策,以期为电网工程造价管理提供有效参考。