基于LSTM的箱式变压器高压套管温度预测

针对箱式变压器环境封闭、散热性能差而导致变压器各部件温度较高,且变压器套管事故率高的现状,提出一种基于长短期记忆(Long Short-Term Memory,LSTM)神经网络的箱式变压器高压套管温度预测方法,对箱式变压器高压套管热流进行分析,建立基于LSTM的变压器高压套管温度预测模型,LSTM算法可以解决有效解决变压器高压套管温度预测所存在的非线性和时滞性的问题,通过红外传感技术对某小区箱式变压器高压套管相关数据进行在线监测,对现场数据进行预处理,通过算例分析验证了文中所提方法预测精度更高、误差更小、泛化能力更强。对比结果表明,所提方法优于普通循环神经网络(Recurrent Neural Network,RNN)和支持向量机(Support Vector Machine,SVM)预测方法,平均误差分别降低了27.4%和36.3%,预测精度更高,与变压器套管温度实测值更趋一致。

基于大数据背景下人力资源管理应用创新与挑战

随着社会的不断进步,互联网得到了广泛使用,大数据时代已经到来。在信息高速发展的时代下,很多企业已经具备了处理大数据的能力,而这也必然会引起企业人力资源管理模式的改变。对此,企业必须引进大数据思维与技术,调整以往的管理方式,将大数据思想真正贯穿至企业人力资源管理各个领域,切实提升管理水准,增强企业的竞争实力。

YC型表箱及电缆分支箱安装省力架

1研发背景 在更换表箱和安装电缆分支箱的过程中,两位或四位表箱因体积小重量轻,一人即可提上梯子,还比较好安装;但是遇上六位、八位表箱或电缆分支箱就犯愁了,体积大不说,一个人在梯子上搬动时非常吃力,加之农村山区部分台区受安装地形差等因素影响,需要五六个人在两架梯子上互相配合才能把它固定在墙体上。

电力系统自动化技术安全管理讨论

如果我们想要机械自动化与电气化的操作技术的得到质的飞跃,就必须大大的提高它的管理制度,且内部的结构应该设定有一个标准,因此使电气自动化的技术得到实现。尽管我国对于实现电梯系自动化的相关技术监管上投入了大量的人力物力,然而由于诸多因素,仍旧有着大量难以忽视的问题,所以探究电力体系自动化工艺监管上有着重要的作用。本文针对电力自动化技术安全管理作了深入分析。

杨村供电所:“美”在太行之巅

层峦叠嶂的秀美太行山深处,有一座美丽小镇——杨村镇。国网陵川县供电公司杨村供电所就在这里。作为保障地方电力安全供应的一级供电部门,它肩负着19个行政村、4个自然村,22个厂矿企业和5800余户用电客户的供电责任。'哪里需要电,哪里就是我们服务的航标'。一直以来,杨村供电所全体员工始终以客户满意为导向,用青春热血和责任担当,打造了一支活跃在太行山上的'电力铁军'。'美'在环境。

基于边缘增强生成对抗网络的电力设备热成像超分辨率重建

非接触式红外热成像的温度数据,对于电力设备状态监测与健康状态评估具有重要意义。但高分辨率红外成像仪的昂贵造价和技术壁垒,限制了高分辨率热成像图像在基于电力物联网的设备在线监测中的应用。超分辨率重建满足分辨率要求的同时可以降低成本。通过构建改进边缘增强的生成对抗网络实现了电力设备热成像的增强,该网络在超分辨率生成对抗网络(super-resolution generative adversarial networks,SRGAN)的基础上新增了深度残差收缩网络模块,在降低图像噪声的基础上,提高了训练的稳定性,并通过边缘提取技术对图像的峰值信息进行加强重建,提高了边缘恢复效果。利用峰值信噪比(peak signal-to-noise ratio,PSNR)以及结构相似性(structural similarity,SSIM)指标,对重建后的整体数据以及边缘数据进行分析,结果显示,2项指标均显著提高,重建后的主观视觉效果也更加清晰,具有较高的工程实用价值。