蜣螂优化算法下“互联网+营销服务”虚拟机器人应用模型

为了应对新形势下的电力营销服务形势,提升互联网时代的电网优质服务水平,利用蜣螂优化(dung beetle optimizer,DBO)算法,设计了一种“互联网+营销服务”虚拟机器人模型。首先针对电网营销部门可能发生的人机交互情景开展交互分析与关系框架设计,然后基于深度Q网络(deep Q network,DQN)建立虚拟机器人自主学习模型,引入DBO算法完成模型超参数的高效寻优并通过训练完成优化后的模型学习,最终将实际的电力营销数据输入到模型中进行实验测试。在特定的测试环境下综合检测模型的实际应用情况,测试结果表明:该虚拟机器人模型在功能性实验、非功能性实验和安全性实验中模型运转和系统运转正常率达到100%,能够较好地实现人机交互功能,达到全天候客户需求精准响应的战略目标。

基于图滤波器和SVDD算法的分布式光伏集群发电异常检测研究

由于电网企业不断加快数字化转型,利用北斗定位技术将自动获取区域内光伏计量装置经纬度这一关键技术参数。文章充分利用分布式光伏集群内光伏发电装机位置空间相关性,提出一种在弱监督下基于图滤波与支持向量数据描述(support vector data description,SVDD)的分布式光伏集群发电异常检测方法。首先建立分布式光伏集群发电图数据结构模型,通过加权邻接矩阵描述分布式光伏发电点空间耦合性,其次构造图高通滤波器将时域参数转化为频域参数,然后通过SVDD算法优化图滤波结果,进一步挖掘图高通滤波器阈值与输出功率数据之间的关系。结果表明,采用图滤波器和SVDD算法模型方法在分布式光伏发电异常检测精度上有显著提高。

结合用户画像的DTW-MANN-FM分布式光伏短期出力预测模型

为解决分布式光伏短期预测中发电户特性差异、地理位置偏移导致气象数据偏差的问题,并进一步提升算法预测性能,提出结合用户画像的动态时间规整(dynamic time warping,DTW)-多头自注意力神经网络(multi-head attention neural network,MANN)-因子分解机(factorization machine,FM)预测模型。首先分析发电户档案数据和历史发电数据,统计出用户画像;再结合基于DTW标准气象特征修正偏移算法,形成合理、完善的“用户+气象”特征组合样本;最后使用加权的数据样本对模型进行训练。仿真阶段使用江苏省真实光伏、气象数据,将所提模型与当前业界先进的若干光伏预测模型进行对比实验,结果表明该模型具有更高的准确度和鲁棒性,表现出更佳的预测性能。

高压互感器自动化检测系统关键设备设计与实现

高压互感器检测人工作业方式难以满足当前运用。为建立无人化高压互感器自动检测系统,需解决互感器电气自动接线等关键技术问题,并进行流水线优化设计。设计互感器自适应式工装托盘解决不同类型互感器流水线运载及定位通过机器视觉定位、多维感知与立体移动自动控制技术,设计研发高压互感器人工智能接线机器人及多维立体接线装置,实现对各类互感器自动接线。以满足场地利用率及物流优化为原则,设计互感器检测流水线“蛇形”与“O型”布局方案并予以工程实践,通过组建高压互感器自动检测系统/流水线,验证了自动接线装备的适应性、使用性及流水线、工位布局的科学性。该研究为电力自动化装备的技术发展及工业化流水线标准化设计提供了方向,具有良好的应用前景和推广价值。

基于主题提示的电力命名实体识别

传统的命名实体识别方法可以凭借充足的监督数据实现较好的识别效果.而在针对电力文本的命名实体识别中,由于对专业知识的依赖,往往很难获取足够的监督数据,即存在少样本场景.同时,由于电力行业的精确性要求,相比于一般的开放领域任务,电力领域的实体类型更多,因此难度更大.针对这些挑战,本文提出了一个基于主题提示的命名实体识别方法.该方法将每个实体类型视为一个主题,并使用主题模型从训练语料中获取与类型相关的主题词.通过枚举实体跨度、实体类型、主题词以填充模板并构建提示句.使用生成式预训练语言模型对提示句排序,最终识别出实体与对应类型标签.实验结果表明,在中文电力命名实体识别数据集上,相比于几种传统命名实体方法,基于主题提示的方法取得了更好的效果.

基于自适应嵌入的高抗毁数据水印技术研究

国家大数据战略下,数据需要各个环节间流转、重组、使用,同时数据的管理控制权也随之转移,数据一旦泄露,数据提供者非常希望能够精确溯源是否是数据使用环节的责任。数据水印技术通过高仿真实数据内容,并参入标识信息,数据使用者不易察觉,并且有很强的隐蔽性和抗毁性,可有效满足数据安全流转需求。文章提出了一种基于自适应嵌入的高抗毁数据水印方法,可灵活针对目标数据的特性,在保证目标数据可用性的前提下,尽可能的保证数据水印嵌入率,提高数据水印的抗毁性。