基于深度学习的电力设备智能运行方式的研究

针对常规技术难以量化电网复杂信息的问题,引入深度学习算法,构建出新型的学习系统。通过BP神经网络算法模型能够监测电力设备的运行故障,应用随机矩阵理论模型能够对电力设备相关参数信息建立起逻辑关系联系,以评价一种参数对另一种参数的影响。通过决策树分类算法能够对电力设备智能运行方式的各个数据信息进行分类,可以使用户快速查找数据。试验结果表明,所研究的算法提高了数据分析能力。

电力系统中网络质量问题分析方法及实现

电力电网质量情况是关系到电网正常运行的关键,如何及时监测电力网络是目前亟待解决的技术问题,针对该问题,提出了新型的质量监测方法,该文基于.NET的浏览器/服务器(B/S)架构设计出系统总体架构,该系统包括监测设备层、数据库层服务层、Web服务层、客户端应用层等,通过电力网络质量检测模块监测电力网络系统中影响电力网络质量的数据,诸如网络正常稳态数据、网络参数、告警事件数据等,并且应用OneNet平台实现电力网络数据的准确、实时采集和传输,并采用随机矩阵理论模型对监测的数据进行深度的分析,揭示影响电力系统数据的因素。通过试验分析,该技术方案能够及时发现电网中的问题,有利于电力电网的稳定运行。