基于改进卷积神经网络的输电线路异常检测研究

常规的异常检测方法通过全局网络特征增强的形式获取异常检测特征,此过程中网络泛化能力较弱,导致检测模型的损失增加,影响最终的检测精准度。因此,设计了基于改进卷积神经网络的输电线路异常检测方法。提取输电线路异常特征,生成特征图集并标记出线路异常位置。基于改进卷积神经网络构建线路异常检测模型,使输电线路的临界采样样本具有较低的冗余度,对输电线路进行导线直线检测。均衡输电线路异常检测的正负样本,增强网络泛化能力,从而降低检测模型的损失。采用对比实验的方式,验证了该方法的检测精准度更高,能够应用于实际生活中。

基于门循环神经网络的电力机器人巡检方法

常规的电力机器人巡检方法主要利用激光仿真定位和映射(simulation localization and mapping,SLAM)模型获取巡检静态/动态特征,易受环境特征值变化影响,导致巡检避障故障,因此,需要基于门循环神经网络设计一种全新的电力机器人巡检方法。为此,利用电力线路巡检飞行机器人(flying robot for overhead powerline inspection,FROPI)获取了巡检环境空间先验信息,规划了电力机器人巡检路径,再基于门循环神经网络设计了电力机器人逐级巡检算法,从而实现了有效巡检。实验结果表明,设计的电力机器人巡检方法的巡检效果较好,能实现有效避障,不易发生巡检故障,具有可靠性,有一定的应用价值,为提高电力巡检安全性作出了一定的贡献。

考虑扩容经济性和供电可靠性的配电系统多级扩容规划

为在配电系统扩容过程中有效兼顾供电可靠性、扩容经济性、分布式发电有效利用、开关和电容器合理配置,提出了一种配电系统多级扩容规划新方法。该方法首先将配电系统多级扩容规划问题描述为一个混合整数非线性问题,然后通过综合使用非支配排序遗传算法和考虑甩负荷的最优潮流计算,求出该非线性问题的帕累托前沿解。在IEEE-RBTS 2总线测试系统上测试了所提出方法的有效性;测试结果表明,通过综合考虑配电系统供电可靠性、分布式发电有效利用、电容器和开关合理配置,可有效权衡电网侧扩容、运行经济性和用户的用电满意度。

电力大数据的异构数据混合采集系统模型研究

传统的数据仓库在构建时,存在许多的冗余数据,而且物联网系统存在重复部署,数据之间形成逻辑孤岛,从而降低数据运行效率。为此,研究一种基于电力大数据异构数据混合采集方案的电力数据仓库系统。构建一个统一管理的电力数据仓库,对电力企业管辖范围内的所有相关应用软件提供统一的数据服务;在SimuWorks平台下使用25个变电站近一年真实数据进行数据模拟,发现新方案可节约超过85%的数据仓库硬件设施,提升约82.7%的数据分析准确率,同时实现IDC机房超过50%的节能。使用该方案,数据管理算法得到充分简化,数据读写响应时间也得到了显著提升。结果表明,设计的异构数据混合采集系统模型能够提高数据管理效率和读写响应时间,从而提高数据的使用效果。