基于知识图谱与SCD文件的智能变电站二次检修安全措施自动生成技术研究

智能站采用光纤传递数字和模拟信号,使常规站基于“短电流、断电压、拆跳闸”方式的二次安全措施理论不再适用于智能站。为解决传统人工拟票方式编制效率低、错误率高等问题,提出基于知识图谱与智能变电站配置描述文件(substation configuration description, SCD)的二次检修安全措施自动生成技术。首先,基于SCD文件和知识图谱构建配置数据库,并按照设定规则实现虚回路与软压板的半自动关联。其次,依据智能站规范中的二次安措编制准则,构建安措规则库并引入安措执行优先级编码字段。最后,由二次安措自动生成技术基于配置数据库与安措规则库完成检修设备二次信息的规则匹配,用于自动生成二次安措票。仿真结果表明,该技术能够根据现场检修任务自动正确生成二次安措票,提高智能变电站技改、消缺和校验的工作效率,降低人工编制错误率,为实现智能化运检一体提供参考。

基于知识图谱的水电站设备故障根因分析方法

水电站设备故障成因复杂、关联性强,研究故障之间的成因关系及发生概率有助于快速确定故障原因和制定排查计划。根据专家经验与历史故障数据构建了水电站设备知识图谱,设计了基于知识图谱的智能故障诊断算法,利用Noisy Or模型实现一种近似推理算法,实现了根因的定量分析,并基于图推理分析相关现象和熵理论实现了排查建议的优化计算。该系统可给出全面、详细的建议和解释信息,允许用户自由交互,可以帮助用户快速开展排查故障。系统具有不依赖历史数据、准确性高、可解释性强、可动态更新等优点,为智慧水电站建设提供了先进平台。

基于知识图谱的泵站运行方案智能推荐与优化

针对泵站运行方案制定智能化水平低、运行过程中受环境变化影响难以在计划时间内完成提水量的问题,提出一种基于知识图谱的泵站运行方案智能推荐与优化方法。基于2013—2022年南水北调东线邓楼泵站历史运行数据构建知识图谱,结合数值相似度匹配方法为泵站运行推荐可靠的方案。通过分析泵站运行过程中的性能数据,确定泵站机组运行的性能曲线,结合实时监测的流量和净扬程数据对泵站运行方案动态调控。应用情况表明,推荐的所有运行方案的效率均在67.00%以上,能够满足泵站的运行要求,并且实现了泵站运行过程的动态优化。

图智能AI技术在基站流量预测中的探索与实验

5G网络以其高速率、广泛连接和低时延为新技术领域提供支持,但面临着严峻的能耗问题。研究了AI技术在提升基站能效方面的应用,提出了基于图神经网络的流量预测方法,考虑了流量数据的空间关联和时间依赖性。该方法结合图卷积网络和时序卷积模块,优化了基站流量分布,显著提升了流量预测准确性。准确的流量预测能够为基站关停策略提供科学依据,从而有效降低能耗,提升能源效率,减少成本,促进可持续发展。

基于GAT-LSTM模型的高速公路站点流量预测方法

为了实现对高速公路站点流量的准确预测,提出了一种利用组合模型捕捉高速公路收费站流量时空特征以提高交通流量预测精度的方法,首先对高速公路收费数据进行挖掘,得到交通流量时空数据集;其次通过分析其时空特征,揭示高速公路收费站之间流量的时空演化规律及关联机制;最后结合深度学习模型预测高速公路交通流量。以江西省九江主线收费站为实验对象,收集了2021年5月1日至2021年12月31日的收费数据进行处理,将提取特征后的流量时空数据作为模型输入,得到出口流量分析预测结果。利用平均绝对误差、均方根误差和平均绝对百分比误差3项指标对模型预测效果进行评价,结果显示该模型能够利用时空特征有效提高流量的预测精度,与单一模型相比具有更好的预测性能。

基于知识图谱的上海地铁客流管理辅助系统

近年来,地铁以速度快、舒适性高、延误率低等优点迅速崛起,成为上海等大型城市居民日常出行的首选交通方式。然而,随着客流量的激增,因拥挤而引发的各类安全事件不断发生。在国内外各类客流拥挤研究的理论基础上,文章利用知识图谱平台技术构建了针对地铁客流管理的解决方案。该方案涵盖数据采集、处理、预测、预警及结果评估等关键模块,形成了从数据获取到决策执行的完整闭环,能有效提升地铁客流管理的智能化和精细化水平,从而提升运营效率并保障乘客安全。

基于动态并行竞争的区域冷热能源站多站选址及热力管网规划算法

能源站选址及热力管网规划,是区域冷热能源站规划过程中最值得关注的问题之一。现有能源站选址及热力管网规划算法大多采用“两步法”,将负荷点分配问题与管网布局问题进行割裂处理,使得决策过程中的决策依据不一致,从而导致负荷点分配与管网布局的结果可能并非最优。针对该问题,提出了一种基于动态并行竞争机制的区域能源站多站选址及热力管网规划算法,算法直接对负荷点连接各能源站管网的方式进行比选,同步确定负荷点的归属及相应的管网最优布置方案。算例分析表明,所提出的动态并行竞争算法能够保证负荷点分配问题与管网布局两个问题的决策一致性,从而使规划结果相对于传统“两步法”而言更优。

一种集控站监控信息图模库快速验收方法

提出了一种集控站监控信息图模库自动验收方法。该方法能够解析标准的图元及数据模型文件,采用名称规则对遥控信号与遥信点进行自动关联,并根据遥信验收策略完成主站侧到厂站端的自动闭环验证,实现集控站站图模库的快速验收。该方法有助于提高集控站图模库验收的工作效率和质量。

基于异质时空图注意力网络的铁路车站货运量预测

车站货运量短期预测,有助于车站和调度部门提前了解运量变化趋势,调整运输资源安排,提高运输组织效率。选取国家能源集团铁路货运车站作为研究对象,以车站为图网络节点,将车站物理相邻关系、运单需求关系和列车开行关系抽象成节点之间的异质边,构建基于异质时空图注意力网络的货运量预测模型。模型在单个图网络中利用图注意力机制捕捉车站与其邻居之间的空间关联性,通过异质节点特征融合机制实现3个子图间的信息融合,处理得到的空间特征输入循环门控单元以更新时序特征。选取国家能源集团铁路各车站实际货运量数据进行实验,结果证明提出的模型预测效果更加准确,能够有效辅助调度统计工作。

基于因果序图的氢能一体化电站运行过程建模及能量流控制策略

为解决大规模的“间歇性电源”接入造成的电能供需不平衡的问题,该文提出氢能一体化电站及其运行过程中电-氢-电能量流控制策略。首先,根据一体化电站电-氢-电能量转换特点,基于因果序图(COG)建立了面向控制的制储氢发电一体化电站运行动态模型,该模型能够清晰地反映一体化电站不同物理量之间的关系,实现一体化电站运行过程的表征;其次,在所建模型基础上基于自然因果关系原理设计了一体化电站运行过程的功率流和氢气流控制策略,该策略对于刚性关系过程采用反转模型控制,减少了误差反馈耗时,增强了控制器性能;最后,在基于RT-Lab的硬件在环仿真平台上进行了测试,分析了一体化电站不同物理量之间的变化关系。与比例-积分-微分(PID)控制和自抗扰控制(ADRC)方法的对比结果表明,所提控制策略在响应速度、收敛精度和运行效率上优于传统方法,可以更有效地实现氢能一体化电站运行过程的能量流管理。

基于多源监测数据的城市轨道交通车站客流解析方法

针对目前城市轨道交通车站内混合交叉流线条件下,不同流向的客流难以实时观测的问题,提出基于多源监测数据的车站客流解析方法。首先,利用来源于自动售检票系统、智能视频、列车称重系统的客流监测数据,基于客流特性与客流时空关联关系,构建车站分向客流估计模型;进一步,运用计算图结构将模型抽象成一种具有时空维度的多层次客流网络,并提出基于前向传播和反向传播技术的模型循环迭代求解算法。最后,针对G市某换乘站进行案例研究。结果表明:所提出的方法可以自多源监测数据中逐时段解析车站分向客流;全天72个时段客流估计结果与实际监测情况的平均绝对百分比误差不超过10.24%,平均值在0.41%左右。

一种多天线地面站的设备级资源调度算法

针对多天线地面站接收设备共享使用的需求,设计了一种设备级资源调度算法,以充分利用站内设备资源,提高地面站任务能力。首先,分析了多天线地面站资源调度需考虑的各类约束,并建立了各类调度资源和关系模型。然后,将所有卫星接收任务的时间分布抽象为无向图,通过定义边的权重计算任务冲突度。最后,提出了基于优先级和匹配性的概率选择算法,以迭代方式实现调度方案的寻优。仿真结果显示,所提算法的平均调度成功率较优先级算法和遗传算法分别提高了11.9%和6.9%,有效提高了接收设备使用效率。

基于图时空神经网络的多充电站负荷协同预测方法

针对传统充电站负荷预测方法只能实现对单一站点预测的问题,提出一种基于图时空神经网络(Graph Spatiotemporal Neural Network,GSTNN)模型的多充电站负荷协同预测方法。定义时空信息图,描述充电站负荷之间的时空关系;构建时空特征提取网络,分别利用图卷积神经网络和门控序列卷积网络提取信息图的空间和时间维度信息,并使用长短期记忆网络(Long Short Term Memory Networks,LSTM)挖掘影响负荷预测的外部特征信息;融合提取的所有特征,进行负荷预测。算例结果表明,基于GSTNN模型的方法能充分考虑时空特征和外部特征的影响,协同多个充电站的负荷数据进行预测,并同时输出各充电站的预测结果,有效提高预测准确度,有助于电网稳定运行。

铁路车站咽喉区道岔自动分组方法研究

咽喉区道岔分组不仅是运用利用率计算法查定铁路车站咽喉通过能力的必要步骤,还是车站进路选择、股道运用等行车技术作业的关键环节。为解决当前自动分组方法不能有效解决复杂咽喉区非水平方向布置道岔的分组问题,将咽喉区道岔分组问题抽象为有向图中点的归属问题,构建咽喉有向图模型和道岔分组有向图模型,设计二阶段法对模型求解。第一阶段识别平行进路,目标是基于咽喉有向图运用DFS算法识别并生成平行进路对全集;第二阶段为判断道岔归属,目标是基于进路判断法及道岔坐标设计初分、调整、检验等计算步骤判断道岔归属并生成道岔组。以某个布置复杂的技术站咽喉为例,对本文所提出方法进行检验,结果表明该方法能够快速准确地实现咽喉道岔自动分组,有利于铁路数字化设计和智能化生产管理。

铁路客站设备健康管理知识图谱构建与应用研究

知识图谱作为认知智能领域的主要技术,具有丰富的语义表示能力和灵活的数据关联结构。针对铁路客站设备以“人工维护、故障维修”为主的垂直化管理现状,基于知识图谱技术,构建铁路客站设备健康管理知识图谱,为设备智能化管理提供技术支撑。研究提出设备健康管理知识图谱架构及构建流程,选取京张高速铁路某客站各类设备作为研究对象,基于Protégé梳理分析设备相关本体并进行本体知识建模,结合客站设备多源信息实现对设备知识的抽取与融合处理,构建面向客站设备健康管理的领域知识图谱,并通过Neo4j进行图形化展示,以研究探索设备领域知识图谱在实际客站设备健康管理业务中的应用,进一步提高铁路客站设备管理水平,保障设备安全稳定运行。

联立GO-贝叶斯的气田站场系统失效可能性研究

气田站场是一个动态复杂系统,其中某一设备的失效可能会产生连锁反应导致整个站场失效。通过对安全敏感输出变量的限制发现传统静态风险评价方法忽视了站场的风险动态关联特征。在分析站场关键设备失效模式和失效概率的基础上总结出站场失效概率计算的准确性与事故发生概率偏差较大。为了有效提高站场的可靠性,基于站场工艺流程建立GO图,将GO图建模的便捷性与贝叶斯网络强大的推理能力结合,最后对典型站场进行了实例应用,在风险减缓措施方面可为站场提供决策依据和参考。

高含硫天然气站场定量风险评价技术研究

为保证高含硫天然气站场的安全平稳运行,在梳理失效机理的基础上,对站内压力容器及管道的失效概率进行计算,并评价了单体设备的风险等级;按照介质流向,结合GO (以成功为导向的方法)建立了站场子系统流程,将GO图中的操作符和信号流向贝叶斯网络映射,最终得到各系统的故障率、维修率和稳态不可用概率,继而得到站场的整体风险水平,通过实例分析对定量风险评价技术进行了验证。结果表明,不同子系统及站场的风险水平与实际情况相符;子系统的风险水平与腐蚀情况、设备备用情况及设备使用频率等有关,应在经济和安全条件允许的情况下,对风险水平较高的系统设置防护及风险减缓措施。研究结果可为站场风险减缓措施的制定提供实际参考。

基于二元决策图的水电厂事故风险控制系统

为了控制水电厂事故风险,保证水电厂的安全生产,设计基于二元决策图的水电厂事故风险控制系统。采集人员和作业现场的相关数据和信息,对数据安全控制、缓存以及过滤后,应用层依据存储的信息数据,通过生成二元决策图评估数据的事故发生比率以及风险重要程度,将事故风险信息存储至事故风险库,将结果呈现至驱动层,完成事故风险可视化以及远程外联,实现水电厂事故风险控制。实例测试结果表明,该系统可有效完成事故风险评估,准确获取电子标签信息的采集和识别,在合理的网络节点部署范围可全部接收信息传输字节,多任务执行的最大抖动范围在5~-4 ms,符合默认抖动范围,事故风险控制效果良好。

基于MATLAB的抽水蓄能电站技术供水管网水力校核

【目的】抽水蓄能电站当中的技术供水系统主要作用是对各个运行设备进行润滑与冷却,对整个抽水蓄能电站的安全与稳定运行起着重要的作用。为了技术供水系统在稳态与暂态条件下能够保证其流量与压力的安全要求,同时实现绿色节能的目标,【方法】以某抽水蓄能电站技术供水系统为研究对象,基于MATLAB软件对抽水蓄能电站技术供水系统的暂态和稳态进行分析研究,验证设计方案的合理性。采用图论对复杂技术供水管网结构进行构建,应用MATLAB建立管网水力计算数学模型,通过矩阵对管网的各个属性之间的关系进行描述,采用迭代法进行求解获得稳态参数。基于有压管道非恒定流微分方程组的特征线法,模拟工况变化下暂态过程中的压力波动与流量波动,绘制技术供水管网各用水管路的压力与流量变化曲线。【结果】结果显示:(1)稳态过程中建立的管网模型大、小流量支管误差分别在2.70%、5.18%以内,压力误差在0.37 m以内;(2)动态过程管网在压力波动中产生的压力最大、最小值分别为38.890 m、2.647 m。【结论】结果表明:本研究所建立的技术供水管网稳态水力计算模型精度能够满足工程要求,同时动态水力计算满足水锤防护标准要求,为抽水蓄能电站技术供水系统的安全稳定运行提供了理论依据,以及对节能措施的可行性进行了理论验证。

联合MOD11A1和地面气象站点数据的多站点温度预测深度学习模型

针对地面气象站点分布稀疏影响站点间关系以及站点间的关系强度推理难的问题,提出一种基于联合MOD11A1和地面气象站点数据的多站点温度预测深度学习模型(GDM)。GDM包括时空注意力(TSA)、双向图神经长短期记忆(DG-LSTM)网络编码和边-点转换双向门控循环网络解码(EN-GRU)模块。首先使用TSA模块提取MOD11A1图像特征并形成多个虚拟气象站点的温度时间序列,缓解地面气象站点分布稀疏对站点间关系的影响;然后用DG-LSTM编码器通过融合两组温度时间序列来计算地面气象站点间和虚拟气象站点间的关系强度;最后用ENGRU解码器通过结合站点间的关系强度对地面气象站点的温度时间序列关系进行建模。实验结果表明,相较于二维卷积神经网络(2D-CNN)、长短期记忆全连接网络(LSTM-FC)、长短期记忆神经网络扩展网络(LSTME)和长短记忆与自适应提升集成网络(LSTM-AdaBoost),GDM在10个地面气象站点24 h内温度预测的平均绝对误差(MAE)分别减小0.383℃、0.184℃、0.178℃和0.164℃,能提高未来24 h多个气象站点温度的预测精度。