摘要：针对变电站检修中非工作人员误入现场和工作人员不按照规范佩戴安全帽的问题,设计了基于深度学习的人脸识别算法。首先针对卷积神经网络参数多、训练时间长的问题,提出了轻量级卷积神经网络MobileNet算法,将其用于变电站人脸识别中,若非工作人员进入,会发出语音提示禁止进入。其次针对工作人员没有佩戴安全帽工作的问题,提出了基于YOLOv4算法的安全帽识别算法,若工作人员未佩戴安全帽,会发出告警信号。最后经过试验表明,所提的变电站人脸识别算法相比于卷积神经网络能够保证高准确率的同时,还能拥有更快的识别速度,并且同时高效准确地识别了工作人员是否正确佩戴安全帽。

摘要：现有数据实时监测系统仅对疑似虚假数据进行分析,导致监测结果不精准,为解决该问题,设计了基于半监督的电网虚假数据实时监测系统。利用RV-2000视频监控终端作为远程监控端的数据监控装置,使用计算机显示屏将假数据监控的结果显示出来,通过1604HS数据采集卡扩展了数据采集的功能。通过终端对电子元件的连接,改善了外部设备与系统卡头的连接复杂性。构造了基于半监督学习的模型,通过迭代学习和训练得到正常数据和可疑假数据,设计了基于半监督虚假数据检测流程,确定时间轴上的假数据检测矢量,计算出异常检测的决策统计结果。由实验结果可知,该系统监测的数据量与实际虚假数据量最大误差为2×104bit,最高监测效率为0.96,具有精准的监测结果。

摘要：针对海量电力数据人工分析困难、调度人员难以评估调度指令安全风险、传统风险评估方法适用性差的问题,提出了一种基于加权决策树算法的调度指令风险评估方法。对海量电力数据进行多维指令画像并建立调度指令专家知识库,通过该数据训练决策树模型找到合适的调度指令风险评估规则,使用该规则对新的调度指令进行风险评估,并通过引入代价敏感的学习方法解决了样本不平衡问题。实验表明,所提方法可以避免人工分析庞大的实时电力数据流,准确高效地对调度指令进行风险评估。在构建的不平衡数据集上,使训练集和测试集的准确率保持在95%以上,并将小样本的召回率由91.7%提高到了100%,避免因小样本分类错误导致的严重问题。

摘要：针对维护软件版本必须与维护的馈线终端装置(FTU)版本对应,否则会出现通信错误或参数设置不当的情况,提出基于HTTP协议的FTU维护软件设计理念,实现维护软件摆脱FTU版本限制的需求。

摘要：研究层次分析法在智能电网运行状态指标体系设计中的应用方法,首先确定电网运行状态指标体系的构建原则,利用层次分析法建立指标体系分层、分级的量化评估模型,其次通过判断矩阵检验指标体系的合理性,计算出各指标权重值,最终获得电网运行状态关键指标体系。从安全、优质、经济和环保4个维度设计并实现了覆盖电网发电、输电、配电及用电各个环节的电网运行状态指标体系,并在深圳电力系统运行驾驶舱的建设过程中得到了应用与验证,推进了电网运行评价指标由繁到简,由定性到定性与定量相结合的转变。