摘要：为加强电力系统通信网数据安全管理,提出了一种基于机器学习的电力系统通信网数据治理模型。使用传感器群获取通信网数据安全态势经验池;利用深度长短期神经网络对经验池进行特征提取,建立通信网数据安全态势精准预测机制;利用深度确定性策略构建通信网数据安全态势在线学习与治理策略自主生成之间的多级耦合模型。选取国家电网某电力公司数据进行实验,结果表明,该文所搭建的模型,在数据安全态势预测方面,准确率达到96.28%;在数据安全自主治理策略方面,有效率达到92.81%。该模型可实现通信网数据安全治理策略自主生成。

摘要：中国的电力市场范围以省级市场为主,目前省间电力交易起到余缺调剂的作用。这种以省为主体的市场使电力资源配置的优化进程不充分不完整,在区域范围内出现低成本电厂闲置与高成本电厂发电并存的现象。首先以总体供电成本最小为目标,在区域内所有市场主体集中出清;其次构建省间壁垒规模计量模型进行出清后的省间壁垒规模计量;然后以帕累托优化原理为基础,对受损主体开展损失补偿以消除壁垒;最后进行市场净收益分享。该机制可以在实现电源替代的同时,使各市场主体不受损从而消除省间壁垒对资源优化配置的影响,促进区域内电力资源的合理分配与供电成本的降低。

摘要：以主动式偏航系统结构为依据,设计了适用于实验研究和探索的偏航系统实验平台。该实验平台由偏航实训台和偏航操作台构成,依据实验平台设计了相关实验内容。该实验平台丰富了风电机组实验仪器,为学生分析风电机组偏航系统创造了实验条件,促进了学生对偏航系统的学习,并提高了学生的实践能力。

摘要：基于无感识别技术、物联网技术和云计算平台,构建了面向电力企业的物联网系统架构,结合云计算平台,设计了一款电力企业工器具智能分类系统。该系统基于无线射频识别技术(Radio Frequency Identification technology, RFID),将电子标签作为自动识别装置的工器具分类手段。工器具的数据在经过自动识别装置进行读取之后转入云计算平台进行大数据匹配,从而实现工器具的智能分类和管理。本文所设计的工器具智能分类系统在很大程度上解决了工器具在数据读取、状态诊断和智能分类管理上的问题,杜绝了电力企业中的各种安全管理问题,在完善工器具智能分类和电力企业智能管理方面有着重要意义和参考价值。

摘要：为了协调电力系统供需平衡,降低运维风险和成本,引入Shaping技术改进了深度确定性策略梯度(DDPG)算法,得到Shaping-DDPG预测模型。加入经验回放技术和目标网络技术以消除数据间的关联性;设计变压器网络评估函数来评价变压器网络的优劣状态;通过数据处理模块和卷积模块提取原始数据特征,提高变压器系统的感知能力和学习效率。研究表明:与其他算法预测效果相比,Shaping-DDPG模型的RMSE误差平均值(93 MW)最低,比DDPG模型、RNN模型和SVM模型分别降低了42 MW、93 MW和145 MW。相较于非线性变压器负荷系统,Shaping-DDPG模型具有强大的反馈记忆功能,能准确获取负荷序列潜在的变化趋势,在变压器负荷曲线呈现波动时依然能够保证良好的预测能力。该研究为降低电网公司资源浪费和运维成本、协调电网公司与变压器系统之间的供需平衡提供了思路,提高了运作效益。

摘要：基于无感识别技术、物联网技术和云计算平台,构建了面向电力企业的物联网系统架构,结合远程视频监控平台,设计了一款电力企业工器具智能管理系统。所设计的智能管理系统从软件和硬件方面整合了电力企业的各类工具器,在管理系统中加入了RFID(Radio Frequency Identification technology)、视频实时监控、大数据挖掘和无感识别模块,并与数据采集与监视控制系统(SCADA)进行了数据交换,以此实现数据整合。同时,本文利用大数据挖掘技术实现了工器具管理系统的全生命周期管理,对工器具的状态及使用进行了预测和管理,并在机器学习算法的帮助下,使大量的数据能够被较好地应用和管理。最终的系统测试结果显示,所设计的无感识别智能工器具管理系统不仅在添加了人工智能技术和无感识别技术之后能够保证较高的准确率,也能够在较大的用户并发量下保证良好的网络负载能力和系统综合性能。