大数据背景下的电力营销信息管理平台设计

为了提升电力营销大数据处理和调度效率,设计大数据背景下的电力营销信息管理平台。基于Hadoop和MapReduce设计平台存储和技术框架,利用大数据技术划分电力营销大数据,实现电力营销信息状态安全分析和监控;采用云计算技术分析和处理电力营销数据。测试结果显示,所设计平台的大数据处理吞吐量较高、大数据处理加速比稳定;数据调度计算效率较高、性能稳定;将电力营销数据以对象形式缓存到内存中时,执行时间较短、耗费内存较小。该平台具备较好的数据处理及调度能力。

基于电力载波与云计算的视频监控系统设计

针对目前视频监控系统不断升级改造存在的布线工作量大、布线成本高、无法存储及计算海量视频文件的问题,该文提出基于电力载波技术和云计算框架的视频监控系统。视频数据经过调制解调、振荡、放大、耦合等过程,利用电力线网络传输到各分控点,通过互联网传送到云端,利用云端强大的存储、计算能对视频数据进行各种处理。设计中硬件部分的ARM11微处理器主要负责视频数据的采集、编码并封包传送到PLC调制解调模块,完成数据收发控制和系统任务调度。软件部分主要包括开发系统搭建、USB摄像头驱动、视频数据采集、LCD实时显示、网络传输和双核数据处理等。该文的设计充分结合电力载波和云计算的特点,在视频监控领域中具有较高的应用价值。

基于三维激光点云数据的电力电缆绝缘缺陷识别

针对电力电缆绝缘缺陷识别精准度较低的问题,提出一种基于三维激光点云数据的电力电缆绝缘缺陷识别方法。利用剪裁法增强原始三维激光点云数据,通过区域生长法与最小二乘法完整获取电缆绝缘材料的三维结构面信息。借助Canny边缘检测方法求解电缆绝缘表面缺陷与内部缺陷边缘信息,自动识别出电力电缆绝缘的缺陷位置及缺陷类别。结果表明,所提方法可以精准识别电缆绝缘表面的划痕缺陷、电缆外屏蔽表面起泡和孔洞缺陷,识别耗时短,鲁棒性较优,具有较高实际应用价值。

基于等效电路模型的云端动力电池寿命估计

由于目前动力电池管理系统(battery management system,BMS)存在存储小、算力低等问题,仅依靠BMS估计出的容量误差会随电池荷电状态(state of charge,SOC)累计误差增大而逐渐增大。为实现动力电池寿命准确估计,提出了基于等效电路模型(equivalent circuit model,ECM)的动力电池容量估计方法。模型基于开路电压(open circuit voltage,OCV)和SOC的关系,直接建立1阶RC模型和容量联系;通过粒子群优化算法(particle swarm optimization,PSO)寻优最小仿真端电压与实际端电压的均方根误差(root-mean-square error,RMSE),此时辨识结果为初步估计容量,结合多项式回归(polynomial curve fitting,PCF)控制卡尔曼滤波(kalman filter,KF)对辨识结果进行了优化。最后对云端实车与传统方法测得的容量进行对比验证,二者的RMSE小于3%且最大绝对误差小于2 Ah。与现有方法相比,该方法能够不单依赖BMS数据准确估计容量。同时,对于实车等复杂场景的应用做出了优化,可以实现实车场景下的容量精确估计。

EMCA:一种新的多云存储中高效的多副本审计方案

云数据审计是一项允许数据所有者在不下载数据的情况下检查数据是否在远程云服务器上完整存储的技术。目前,云数据审计可分为单副本审计和多副本审计,针对多副本审计方案中计算开销大以及无法审计多云存储数据的不足,提出了一种在多云情景下高效的多副本云数据审计方案。所提方案使用较轻量级的模幂加密技术代替传统上计算成本较高的双线性配对技术,以降低在审计过程中的计算开销,提高了方案的效率。为每个副本数据块生成一个同态验证标签(HVT)作为元数据,当用户发出审计要求,每个云服务提供商生成对应的证据,由云服务器管理者聚合证据,实现了在多云存储中的审计。安全分析表明,所提方案可抵挡恶意云服务提供商的伪造攻击,以及恶意云服务提供商与第三方审计者的合谋攻击。性能分析表明,所提方案在计算开销上低于现有多副本审计方案,实现了高效的多云存储多副本审计。

基于自适应分段云模型的电力异构数据聚类研究

云空间中的电力数据种类繁多、数据维度大、结构复杂,容易引发电力系统运行安全问题。有效的数据聚类可以消除云空间中电力异构的无关、冗余数据。引入自适应分段云模型,提出一种全新的电力异构数据聚类方法。通过Tent映射预处理电力异构数据,使数据空间分布更加均匀,提高了数据聚类精度。利用自适应正态云模型建立云期望曲线方程,获取正态云滴,以确定数据聚类中心。根据熵值定义分段聚合条件,实现异构数据有序聚类。测试结果表明,所提方法在聚类中心空间中的异构数据分布较为均匀,分类聚类面积较大,聚类收敛较快,轮廓系数为0.4。所提方法的电力异构数据聚类效果更优,具有较好的适用性和有效性。

云平台下海量电力突发性数据自动储存技术研究

在海量电力突发性数据自动储存中,数据量无法达到规定阈值,储存执行时间过长,储存加速度比较低。为了解决上述问题,在云平台下研究了一种新的海量电力突发性数据自动储存技术。利用边缘层、基础层、平台层和应用层建立云平台架构,通过自动储存算法计算选择频率,根据染噪信息获得原始信号最终分解结果,实现突发性数据自动储存。实验结果表明,所研究储存技术能够较好地提高储存数据量,降低执行时间,储存加速度比能够达到17,具有较好的储存能力。

基于云计算的电力大数据分析技术与应用

大数据是一种重要的信息资源,在利用云计算技术对电力大数据进行分析时,可以充分发挥云计算技术的优势作用,提高对电力大数据处理的效率和质量。特别是电力大数据中,存在着大量复杂的数据信息,而对其进行有效分析是提高数据利用率和优化决策的重要手段。本文首先介绍了云计算和电力大数据的特点,然后分析了云计算下的电力大数据分析技术,最后介绍了该技术的常见应用场景。本文旨在对云计算技术进行研究,并将其应用到电力大数据分析中,以期为电力企业提供更加高效和优质的服务。

基于云计算平台的电力调度自动化系统架构与优化

设计了一种基于云计算平台的自动化系统,以实现电力调度的自动化和智能化。该系统包括数据采集层、资源调度层和应用服务层,通过云计算平台实现了电力大数据的智能分析和调度策略规划。结果显示,该系统提高了电力调度的准确性和效率,具有良好的稳定性和可扩展性。

基于电力数据驱动的云控平台边缘计算优化策略

随着工业互联网和智能电网的发展,电力数据量呈指数级增长。边缘计算作为一种新型计算范式,通过将计算资源部署在靠近数据源的边缘节点上,有效地缓解了中心服务器的压力,提升了数据处理的实时性和可靠性。提出了一种电力数据驱动的工业云控平台边缘计算优化策略,从数据预处理、边缘节点的合理分布以及动态任务调度等进行了系统分析。通过实际案例验证了所提出的边缘计算优化策略不仅显著提高了系统的实时响应能力及计算资源的利用,而且增强了数据的安全性,为智能电网的运行和发展奠定了基础。

基于云计算的电力网络安全数据存储方法研究

在电力网络安全数据存储中,传统方法存在丢包率高等问题。对此,文章提出了基于云计算的电力网络安全数据存储方法。该方法根据云计算技术的计算原理筛选重复数据,通过变换处理重建电力网络安全数据,将后置操作过程与云计算相结合,以输出电力网络安全数据的重复部分。同时,利用电力网络安全数据的初始密钥确定电力网络安全数据的属性,通过判断存储指令的访问结构实现电力网络安全数据的存储。实验结果表明,该方法的传输速率较为稳定,具有良好的存储性能。

无人机机载LiDAR在光伏发电项目大比例尺地形图测量中的应用

当前,光伏电站多建设在海拔高且高差大、植被多的地区,常规实时动态载波相位差分技术(RTK)测量方法效率较低,无人机倾斜摄影测量方法无法准确获取多植被区域的地面高程。基于此,提出一种在光伏发电项目大比例尺地形图测量中应用的无人机机载激光雷达(LiDAR)测量方法。首先从外业采集、内业数据处理两个方面介绍无人机机载LiDAR测量方法的技术流程,然后根据光伏发电项目应用实例数据对该测量方法的应用效果进行具体分析。研究结果表明:无人机机载LiDAR测量方法的植被穿透力强,可以快速获取植被下方高精度的地面点3D坐标,操作简单,且不需要布设大量像控点,外业采集的效率高;该测量方法的点云高程精度优于平面位置精度,可生产高精度数字高程模型(DEM)成果,直接提取等高线用于地形图成果绘制,内业数据处理的速度快。无人机机载LiDAR测量方法可以更好地满足在高山多植被地区的光伏发电项目建设的时间节点要求和精度要求,可以很好地应用于山区大高差的光伏发电项目大比例尺地形图测量作业。

电网调度运行方式的优化策略探究

在电网调度运行方式优化的研究领域,面对电力系统复杂性的增加和新能源并网带来的挑战,传统的调度方法已难以满足现代电力系统的需求。深入分析了现代电网调度运行中存在的关键问题,如安全性、效率及可靠性等,并提出了一套综合性的优化方案,旨在提高电网调度的灵活性和响应速度,同时确保电力供应的稳定性和经济性,为实现智能电网的高效运行提供理论依据和实践指南。

调控云架构下的长短期电网运维行为大数据防泄露分布式存储仿真

为了实现大数据安全体系,对边界安全、访问控制和授权、数据保护、审计和监控提供支持,增强大数据存储的稳定性与安全性,提出调控云架构下的长短期电网运维行为大数据防泄露分布式存储仿真。构建长短期电网运维行为大数据防泄露分布式存储的调控云架构,采用网格技术构建大数据的分布式存储结构,对网格信息进行分级与调度,通过分类并处理冗余数据降低冗余数据对分布式存储的影响,并采用密度演化结合数据特征压缩的存储方法,实现长短期电网运维行为的数据分布式存储;调控云架构的云安全加密部分通过调控云架构初始化、密钥产生、明文信息加密、密文分布式存储,防止分布式存储大数据泄露。实验结果表明:该方法存储性能好,数据上传速度快,存储过程稳定,能够保证存储数据安全性及计算机系统负载均衡。

Spark云平台电力负载预测系统的设计与实现

基于Spark云计算大数据处理平台,设计了一种新的电力负荷预测方法。该方法以电力负载的一阶梯梯度特征表示电力负载的变化特征;采用非监督机器学习方法避免了人工划分数据为上升与下降两个类别产生的人工成本问腿;并用所划分的两类数据集训练分类神经网络和回归神经网络模型,使得该神经网络模型可以自适的将当前的电力负荷数据调度到相应的回归神经网络模型中进行分类预测。通过实际的电力负荷数据进行验证,实验结果表明,所提出的方法不仅能有效地将电力负载数据自适应进行分类,同时在多种评价指标上均优于其他传统的电力负载预测模型。

面向光伏发电预测的公开数据集综述

光伏发电具有间歇性和波动性,光伏发电的精准预测是合理安排运行方式和应对措施、提高电网安全性和可靠性的重要措施。基于数据驱动方法是光伏发电预测研究中的主要技术手段,但研究人员面临实际数据难以获取、数据质量差、数据量不够等难题,光伏发电公开数据集为研究人员提供了数据资源,也提供了各种预测方法对比分析的基础。然而,研究人员在选取光伏发电公开数据集时,缺乏对各种公开数据集全面、深入的了解。文章首先阐述了光伏发电数据集中每种数据的收集方法和应用场景;其次调研总结了国内外现有面向太阳能光伏发电预测的公开数据集的现状,梳理了每个数据集的特点和优缺点;最后提出了促进公开数据集应用发展和建立高质量公开数据集的建议。

基于云计算技术的电力数据检索及查询系统设计

电力海量数据中隐含有丰富的信息,数据检索及查询为数据的充分运用、实现电网的优化调度提供数据支撑。构建多元回归方法的电力数据分布式存储结构,采用电力数据聚类融合方法,提取电力数据特征量。通过模糊特征分组聚类方法对不同属性的电力大数据进行聚类分组检索,大大提升了数据检索查询的效率。以多传感器PPI采集的电力数据为研究对象,分别采用提出的方法和Hadoop方法进行电力数据检索查询,检索查询结果表明,所提出的方法对数据的检索具有比较强的抗干扰能力,同时数据召回率比较高,这对电力数据检索查询具有一定的参考价值。

施耐德EcoStruxure Power中低压智能配电系统

介绍配电智能化发展概况及趋势,探讨施耐德Eco Struxure Power中低压智能配电系统功能特点、系统架构、典型应用方案。并对未来智能配电系统发展进行展望。

基于调度云平台通用分布式架构实践

针对传统调度云数据集成架构微服务拆分不合理、可靠性差及大规模数据处理出现瓶颈等问题,提出基于调度云平台通用分布式架构解决方案。首先构建了云平台系统典型架构,基于云计算理念将云平台组件与实际业务系统高效整合。其次探索研究了分布式关键技术,包括基于元数据的文件分布式存储、多执行器的分布式任务处理中心、基于数据代理的分布式数据库存储、业务模块分布式部署等架构,并提出了基于异常任务回收机制的综合负载调度算法。最后通过真实场景验证所提出的分布式架构提升了海量数据加工、处理及存取效率,增强了系统在高并发情形下的性能表现。

基于电网云数据管理的电气设备大数据移动实验室及其应用研究

针对目前变电站设备试验作业过程中遇到的效率低下、智能化作业水平低、数据信息化应用水平不高等问题,研发了基于电网云数据管理的移动实验室平台。重点阐述了该移动实验室平台内嵌专家分析系统在结果判定上的理论过程,结合变压器差动保护动作后的现场实际应用案例,依据低电压短路阻抗法、电容量法、频率响应特性法、变比及直阻试验测试结果,说明该试验平台在现场实际应用时,内嵌专家分析系统分析变压器遭受短路冲击后引发绕组形变状况的可靠性。最后,根据返厂解体检查结果,进一步验证该平台在现场应用的有效性。