基于机器学习的电力调度主站SCADA系统告警信号自动识别

为解决现有在线评估方法识别结果不准确的问题,提出基于机器学习的电力调度主站SCADA系统告警信号自动识别。先构建神经网络结构,采用反向传播方式训练神经网络,利用计算差值更新权值和偏置,由此完成攻击行为判断。将灰度图像二值化处理后,使用基于长方形的轮廓链代码滤除噪声。增强文本和背景的对比度,并设计告警界面文字分割及处理流程,使文本区域更加明显。采用告警窗口自动点对点接收方法,识别每一行警报窗口中的文本信息,完成告警信号识别。由实验结果可知,该方法最高查全率为96%,最高查准率为99.2%,可实现精准识别。

电网供配电自动化系统及技术运用分析

本文针对现阶段我国电网供配电自动化系统工作的实际情况,更为深入地加强了对电网供配电自动化系统工作重要性的分析,这也就为之后目标的实现、成本的降低等提供了基础的引导。在对其重要性有更为深入的了解后,也就需要加强对电网供配电自动化系统的基本构成进行阐述,进而真正意义上地保证了最终电网供配电自动化系统及技术运用的策略分析,可以得到更加充分且全面的体现。