Design of Power Communication Data Network Management System and Implementation of Data Acquisition Module

The power communication network is a separate network from the power grid whose primary purpose is to ensure the power grid's safe operation.This paper expounds the composition of the comprehensive network management architecture of the power communication data network and the implementation of the data acquisition module in the network management system through theoretical analysis,for the reference of relevant personnel,in order to better promote the collection of power grid communication network data.

Reliable Scheduling Method for Sensitive Power Business Based on Deep Reinforcement Learning

The main function of the power communication business is to monitor,control and manage the power communication network to ensure normal and stable operation of the power communication network.Commu-nication services related to dispatching data networks and the transmission of fault information or feeder automation have high requirements for delay.If processing time is prolonged,a power business cascade reaction may be triggered.In order to solve the above problems,this paper establishes an edge object-linked agent business deployment model for power communication network to unify the management of data collection,resource allocation and task scheduling within the system,realizes the virtualization of object-linked agent computing resources through Docker container technology,designs the target model of network latency and energy consumption,and introduces A3C algorithm in deep reinforcement learning,improves it according to scene characteristics,and sets corresponding optimization strategies.Mini-mize network delay and energy consumption;At the same time,to ensure that sensitive power business is handled in time,this paper designs the business dispatch model and task migration model,and solves the problem of server failure.Finally,the corresponding simulation program is designed to verify the feasibility and validity of this method,and to compare it with other existing mechanisms.

含跨省区输电价格及网损率的区域电力现货市场出清模型

为了解决区域电力现货市场协调跨省区送受电优先计划和跨省区中长期交易体系等难题,使区域电力现货市场出清结果可真实反映事先核定的跨省区输电价格和网损率,提出了一种含跨省区输电网损偏差修正的区域电力现货市场出清模型。首先,以中国南方区域电力市场为例,分析了跨省区送受电交易主体和交易体系。其次,提出了一种同时考虑交易成分和物理潮流的网损偏差修正方法,并基于该方法构造了跨省区送受电物理潮流与交易成分相耦合的区域电力现货市场出清模型。最后,采用9节点系统和中国南方电网模拟系统开展仿真验证。仿真结果表明,采用所提的网损偏差修正方法和区域电力现货市场出清模型,可确保在满足系统安全运行约束的前提下,将跨省区输电价格和网损率反映在现货市场出清电价中,有效协调了跨省区送受电优先计划和跨省区中长期交易体系。

基于循环神经网络的异常用电数据检测方法

针对用电数据检测时受电量敏感度的影响,导致异常数据检测时电能消耗过量的问题,提出了基于循环神经网络的异常用电数据检测方法。在循环神经网络体系中,根据窃电系数指标求解结果,计算电量压差的实际数值,实现对异常用电数据特征的提取。构建异常数据样本集合,通过填充缺失数据的处理方式,推断检测评价指标所属区间范围,完成基于循环神经网络的异常用电数据检测方法的设计。对比实验结果:循环神经网络作用下,由异常用电数据造成的电能消耗量最高为3.2×10^(8)kW·h,不会引发明显的电能过量消耗问题,符合维护电网运行稳定性的实际应用需求。

基于LC-GAN的电力碳排放数据异常检测方法

针对目前电力碳排放数据存在的坏数据虚假注入问题,提出一种基于生成对抗网络的电力碳排放数据异常检测方法。首先构建面向时序数据的改进生成对抗网络,引入双层长短期记忆网络,深入挖掘时序数据的内在联系;再通过生成对抗网络改进模型的生成器和判别器的共同打分,判别电力碳排放数据异常值;最后在华东某省碳排放监测平台进行电力碳排放数据测试。结果表明,基于生成对抗网络改进模型的电力碳排放数据异常检测方法对抗训练稳定、损失函数收敛速度快,检出率为87.5%,针对电力碳排放时序异常数据检测的准确度较高。

基于IP与E1混合承载的电力调度小号组网方法

为了解决电力调度小号传输带宽低,不能满足新业务发展的问题,提出一种基于IP与E1混合承载的电力调度小号组网方法。建立E1和IP的转换协议,通过物理层对程控交换机时隙逻辑拆分,对语言和信令数据进行封装,实现数据通信解析。通过FPGA设计IP与E1混合承载的电力调度小号组网逻辑电路,实现调度小号远程放号及组网功能,在此基础上,通过调度小号设备自动拓扑,建立调度小号设备组网的路由关系。在某地市的调度中心应用所提方法,其结果验证了IP与E1混合承载组网方法的有效性。

基于电力大数据的企业污染物排放智能测算方法精度对比

电力企业排污数据量较为庞大,且来源广泛,如果不能从这些数据中提取出有价值的信息,则会导致切页污染物排放测算结果出现较大误差,如何通过电力大数据,运用最合适的方法动态测算电炉企业污染排放量是一个难点问题。因此,开展基于电力大数据的企业污染物排放智能测算方法精度对比研究。以测算重庆某铸造厂污染物排放量为例,运用AI智能识别技术,并结合传统的RBF神经网络模型、BP神经网络模型及多元逐步回归模型,对2021年12月—2022年6月各时段的排污量进行训练测算。基于MAE、MAPE和RMSE对比分析,测算精度结果显示:RBF神经网络模型>BP神经网络模型>多元逐步回归模型。研究结果表明,基于电力大数据配合合适的算法可以实时测算电炉企业污染物排放量,为精准治污、科学治污提供科技支撑。

策略路由技术在厂站远动机通信中的应用

在电力调度数据网双平面建设过渡期某些复杂场景下,要求厂站远动机通过数据网双平面独立响应只有1个IP地址的主站前置机通信连接。远动机应用静态路由技术则只能选择双平面之一作为通信网络,当所选择的平面发生网络故障时,远动机与主站通信中断且无法切换到备用平面。为此提出在远动机通信中应用策略路由技术,通过分析策略路由技术的各种可用方法,根据远动机通信报文特点,选择源地址匹配方法来解决该问题。试验结果表明,策略路由技术能在任一平面网络故障时,自动从备用平面响应同一主站前置机的通信连接,保障了电力调度数据网通信网络冗余的安全性。

新能源用户参与度高的电力市场用户电量异常数据修正模型

为了精准识别电量异常数据并进行实时修正,保障用户用电安全,提出一种新能源用户参与度高的电力市场用户电量异常数据修正模型。以某含高比例新能源的省市为例,分析其电力市场用户电量可能存在的异常数据现象,搭建概率预测模型,通过离线训练及在线识别,结合阈值和电量预估区间,识别用户电量异常数据,按照用户有不完整负荷数据以及无负荷数据情况,将识别到用户电量异常数据分成两类,获取两种类型中需要修正的用户电量异常数据,将其作为输入,搭建基于深度神经网络的用户电量异常数据修正模型,输出用户电量异常数据修正结果。实验结果显示,该模型能够识别出用户电量异常数据并能精准识别用电数据异常时刻,并能够对识别出用电异常数据进行实时修正。

基于电力调度通信自动化的调度数据网在电力系统中的应用

随着电力需求的不断增加和新能源的不断融入,电力系统管理和调度面临着前所未有的挑战。文中研究了基于电力调度通信自动化的调度数据网在电力系统中的应用,探讨了其在监控、调度、安全性和可靠性方面的重要作用。首先,论述了电力调度通信自动化,明确了电力系统调度的基本原理、需求以及电力调度通信自动化的基本概念、技术及优势。其次,分别从监控、调度、安全和可靠性等方面,探讨了调度数据网在电力系统中的具体应用。最后,结合具体案例进行了分析,有助于推动调度数据网在电力系统中的深入应用,进而为电力系统的安全高效运行提供可靠的保障。

基于数据驱动模型的配电网电力调度自适应优化研究

文章提出了一种数据驱动模型驱动的配电网电力调度自适应优化系统,通过数据采集、负荷预测、优化调度、决策执行等模块的融合,实现配电网实时自适应的智能调度。该系统综合运用大数据分析、深度学习等技术,在提高配电网运行经济性、可靠性方面取得了良好效果。仿真试验验证了所提系统的有效性和优越性,为推动配电网的智能化发展提供了新思路。

基于5G通信技术的电力调度系统实时数据传输与处理研究

随着数字化转型加速,电力行业面临越来越多的挑战与机遇。5G通信技术具有高速率、低延迟、大连接数的特性,可以提高电力调度系统的实时数据传输效率。本研究深入分析了5G通信技术在电力调度系统中的应用,探讨该技术在数据传输架构、实时数据处理及优化策略方面的具体应用。

基于大数据的电力调度决策支持系统研究

电力系统的复杂性和不确定性增加导致传统的电力调度方式难以满足现代电力系统的需求。因此,文章探讨基于大数据的电力调度决策支持系统和大数据技术在电力调度中的应用。该平台融合人工智能技术和改进方案增强电能分配的系统性、精确度与自动化程度,实现对电力负荷预测、发电计划优化、故障诊断与恢复等关键环节的支持。实证研究揭示基于海量数据分析的电力监控决策辅助系统,可以有效增强电力传输网的操作效能和稳定性。

SRv6技术在电力数据通信网中演进方案研究

随着新型电力系统构建以及电网数字化、智能化发展,电力数据通信网承载的业务呈现规模化、多样化增长态势,使得业务对网络的需求更加强调灵活定制和快速交付能力,而传统网络技术很难满足新业务的承载需求。SDN+SRv6新技术具有差异化服务定制能力,极大推动了网络的智能化转型。结合电力行业业务发展需求,从IPv6+的特征出发,剖析SDH和SRv6技术在电力数据通信网中的应用场景,提出网络智能化演进策略。

面向配电网规划的电力数据质量评价与数据治理

文中针对配电网规划数据质量评价及治理问题,设计了一种适用于配电网规划业务的相关数据评价体系。首先,梳理了配电网规划数据情况及存在的主要问题;其次,分析了影响配电网数据质量的主要因素,建立了数据质量评价模型;然后,分析了配电网规划数据的处理流程;最后,给出了数据治理体系方案,有效提高了电网企业的精益化决策水平。

基于大数据分析的变电站电力通信网络故障定位方法

变电站电力通信网络是电力系统安全稳定运行的关键基础设施。随着网络规模扩大和复杂度增加,传统故障定位方法已难以满足快速精准定位的需求。文章提出一种基于大数据分析的故障定位方法,通过智能分析海量运行数据,自动提取故障特征,构建故障定位模型。实验结果表明,该方法显著提高了故障定位准确率和效率,为变电站电力通信网络的智能化运维提供了新的解决方案。

基于优先级的电力调度数据多信道同步传输方法

针对电力通信网络中调度数据传输延迟较高,且多个信道之间延迟差异较大的问题,提出基于优先级的电力调度数据多信道同步传输方法。通过评估节点间的信噪比和贡献度,在高信噪比条件下实现电力通信网络的多信道同步传输。实验结果表明,所提方法可以有效降低传输延迟,同时缩小多个信道之间的延迟差距。该方法具备有效性和实用性,可为电力通信网络的优化与升级提供有力的技术支持。