电力市场中用户对电价的响应

介绍用户在电力市场中的作用和在电力市场中考虑“用户对电价响应”的重要意义。考虑“用户对电价的响应”使用户的权益得到了保障,同时有利于制定合理的电价,有利于电力市场的稳定运营和资源的优化配置。利用调查统计的方法设计了调查问卷,并对西安地区的电力用户进行了调查;根据统计学原理对调查数据进行回归分析,得到相应的关系(用曲线表示)。结果表明:所得到的“用户对电价的响应”曲线有一定的参考意义。

基于物联网的电动汽车车联网模式研究

论述了车联网模式下电动汽车发展面对的主要问题,并基于物联网技术提出了系统性的解决方案,有针对性地采用不同技术,并结合实践指出其发展保障。

电网企业电子商务创新研究

随着国内经济结构及能源消费模式的转变,电力服务需求正在发生深刻变化,传统的电力服务渠道和内容已难以完全满足客户多元化、个性化的服务需求。产业融合及信息网络的发展浪潮为传统企业发展方式转变和业务创新提供了机遇,基于互联网的新型商业模式不断涌现。应用互联网技术开展电子商务创新是电网企业强化发展模式转变、提升服务互动性的重要实践,值得深入思考和探索实践。

基于改进特征增强Faster-RCNN的光伏电站烟雾检测方法

随着光伏产业的不断发展,对光伏系统火灾监测报警成为重要问题。文章基于视频监控技术,在光伏电站的项目背景下提出一种特征增强的Faster-RCNN算法进行烟雾检测。考虑到现有基于候选区域的Faster-RCNN算法虽然对单一尺度图像检测精度较高,但其存在参数规模过大、对多尺度的烟雾图像识别效果差和实时性差等缺点,为适应光伏电站场景和烟雾聚散模态的复杂性,兼顾火灾预警系统精度和实时性,选择Faster-RCNN算法作为基础模型,引入残差网络构架ResNet-50作为主干特征提取网络,并将一个轻量化的特征金字塔网络融入Faster-RCNN以增强模型的特征提取能力。实验使用烟雾发生器在不同位置喷雾来模拟火灾,多角度监控摄像头记录视频画面,采用4段含烟雾样本的监控视频进行测试。结果表明,提出的方法检测率达到98.25%,错误率为3.13%,速度为每张0.0721 s,验证了该方法的有效性。

电力客户服务的痕迹管理思考

随着经济社会快速发展，市场化竞争日趋激烈，全民服务意识持续增强。不仅是互联网、移动通信、银行证券等自由竞争性市场企业，传统公用事业企业，尤其是供电企业近年来也更加注重客户服务品质。供电企业客户服务工作的核心思路已从过去的“业务管理驱动”转变为“以客户为中心”。这一根本性模式转变不仅仅是在电力客户服务战略、战术层面，更需在实际服务过程中落实执行，即通过充分汇集客户信息、正确辨析客户行为，实现客户服务价值的最大化。客户服务痕迹管理是支撑实现这一目标的重要工具与手段，将在电力客户服务过程中持续加强应用，显现效果。

如何有效提升客服专员电话服务沟通技巧

沟通是客户服务过程中重要内容，客服专员和客户问良好的沟通可以让供电企业了解客户的需求信息，及时传递企业的服务理念、服务原则和服务内容。本文从专业声音的塑造、融入客户的世界，快速领悟客户意图，有效引导客户需求，再通过灵活的应对等方法的介绍促进客服专员沟通技巧的提升。

停电损失调查及估算

采用当面填写调查问卷的方法,给出了西安地区断电对电力用户的短期影响和损失估计的多方面的调查结果。运用统计分析给出了停电对用户造成的影响,并计算得到西安地区用户停电损失值和停电赔偿额。

网上国网积分中心的设计与实现

为缓解公司供电服务矛盾转变为“客户日益增长的优质服务需要与服务方式发展不平衡、不充分发展的矛盾”的现象,本文通过对网上国网积分中心的设计,基于制定积分规则下实现对积分生成、转化的管理以及对外输出统一的电费积分的派发、扣减、查询等服务,进而有效的对电费积分的从生成到耗尽的全生命周期的管理,实现客户聚合、业务融通、数据共享的统一积分中心,助推公司从电力供应商向综合能源服务商转型升级的发展模式转变。

多尺度特征融合的光伏电站故障诊断

为了高效率、低成本地发现光伏电站设备故障,提出了一种多尺度时序特征融合的故障诊断深度学习模型。组合多种尺度的卷积操作,实现了多尺度时序特征提取,能够使网络过滤输入数据的噪点,同时又不丢失数据的关键信息;针对光伏电站监测数据长序列、多维度的特点,采用带有注意力机制的长短时记忆循环网络提取数据中的序列特征;使用了度量学习的损失函数辅助训练,进一步提升模型辨别能力。另外,设计了一种数据规范化算法,能够通过不同设备之间的横向比较和不同日期之间的纵向比较,将监测数据转化为相对度量值,从而矫正设备、天气等因素对监测数据的干扰。实验表明,配合数据规范化算法,该模型在真实的电站监测数据上能够达到95%以上的诊断准确率,明显优于已有的诊断算法,能够满足实际应用场景的故障诊断需求。

多损失融合的小样本光伏组件隐裂检测算法

针对工业生产线光伏组件隐性纹检测问题,为了降低人力成本,提高检测效率,并快速适应新型产品的隐裂检测,提出了一种多损失融合的小样本光伏组件隐裂检测算法。首先,为丰富卷积神经网络提取的语义信息,引入了Transformer的多头注意力机制,缓解各批次产品的分布差异对隐裂检测的影响,促使模型从多样化产品中关注于隐裂信息;其次,利用多损失结合约束模型训练的策略优化特征提取,在直接分类损失的基础上,利用三元组损失拉近含隐裂样本间特征距离;此外,设计了隐式分类损失以适应有无隐裂两类电池片内部也存在类型差异的特点,充分学习历史组件数据的多样性。该算法能够快速提取新型组件特征,利用少量的样本特征对新产品隐裂缺陷进行准确检测。在实际工业生产数据集上的实验结果表明,该算法对新型组件的隐裂检测的召回率相较于其他基线模型可提高10个百分点,能够有效缓解含隐裂样本数量不足的问题,极大地降低了频繁对每批新产品进行数据标记和训练的开销。

基于多分辨率特征自选择的遮挡物识别算法

光伏组件的遮挡物识别是光伏运维系统中不可或缺的环节,传统识别算法多依赖人工巡检,成本高昂且效率低下。基于卷积神经网络,提出了一种面向光伏组件的遮挡物识别算法PORNet。通过引入特征金字塔,构建多个分辨率下具有丰富语义信息的图像特征,提升对遮挡物尺度和密度的敏感性。通过特征自选择,筛选出语义最具代表性的特征图,以加强物体环境的语义信息表达。用筛选出的特征图完成遮挡物识别,从而提升识别准确率。在自建光伏组件落叶遮挡数据集上进行了实验比较和分析,并对识别性能进行了评估,通过与现有物体识别算法相比,所提算法的准确率和召回率分别提升了9.21%和15.79%。

基于电碳协同的江苏省某污水处理厂减碳管理分析

在中国“3060碳达峰碳中和”的战略背景下,绿色低碳成为污水处理厂运行评价的重要指标,污水处理厂减污降碳是大势所趋。聚焦通过电碳生态圈及数字化平台支撑,用数字化电碳管理减少污水处理厂的间接用电二氧化碳排放,在时间、空间和经济性3个维度上,为污水处理、碳管理、电网3个行业的“水-碳-电”协同减污降碳提供了新的合作模式与技术支持。针对污水处理厂碳排放及碳减排管理问题,以江苏省某污水处理厂为例,从实时碳排放核算管理、日度电碳协同减碳运行管理和绿色电力交易减碳管理3个方面,解析了该污水处理厂冬季和夏季24 h用电功率曲线,探讨了污水处理厂电碳协同的日度减碳运行策略,核算了日度电碳协同减碳运行和绿色电力交易减碳管理的效果。结果表明,通过实时碳排放核算管理可以核算污水处理厂每日间接用电碳排放量,结合日度电碳协同减碳运行策略和绿色电力交易减碳管理2个减排措施,可为污水处理厂夏季日度减少间接用电碳排放30.63%,为污水处理厂冬季日度减少间接用电碳排放30.71%,每年可为江苏省某污水处理厂节约电费十余万元。该研究结果表明基于电碳协同的污水处理厂减碳管理效果较为理想,可为水务行业推进双碳战略提供参考。

如何管好境外资金

随着国家电网公司大力发展国际业务，加强境外企业资金管理，确保资金安全运营将成为国家电网公司推进国际化战略进程的重要内容。境外资金管理集中化，是解决集团国际化进程中境内外投资信息不对称的有效措施，是提高境外融资能力、提升企业核心竞争能力、规避国际化发展过程中各种风险的重要手段，更是企业国际化稳步推进的可靠保障。