摘要：当前,更为开放和激烈的市场使得国有企业必须做出改变,国有企业应当按照建立现代企业制度的要求,对未来用工计划进行科学管控,但由于机制陈旧且关于用工管控的工作起步较晚,严重影响了企业进行用工计划管控。本文以国网甘肃省电力公司的市场化单位为例,通过分析该企业进行用工管控的基本目标,找出改进的具体思路,并就该企业当前所面临的问题给出较为适合的用工计划管控方案。

摘要：坚持安全发展理念,树立问题、技术和效益导向,突出主业主责,按照“统一管理、分级负责、融合高效、协同发展”的原则,运用PDCA工具,创建“规划设计、工程建设、运维检修及供电服务、评价分析及再提升”持续改进机制,进一步优化配网管理模式,优化组织机构,完善运作机制,建立健全相适应的配套管理制度,重塑配网管理流程,加强业务贯通,强化基层管理,强化专业队伍建设,实施全专业、全链条、全过程量化评价,构建“管理精益化、队伍专业化、业务数字化、绩效最优化”的基于全专业全链条设备管理的配网本质安全管理体系。

摘要：直接分解电流互感器异常信号特征会降低运行异常识别的准确率,为此,提出考虑光源功率变化的电流互感器运行异常自动识别方法。构建电流互感器运行异常信号模型,基于光源功率监测设计电流互感器异常预警机制,实现电流互感器运行异常识别。结果表明,利用所提方法进行自动识别的准确率为98.73%,准确率较高,识别效果较好。

摘要：针对数据信息传输容易受到攻击而导致丢包率高的问题,提出了改进ASON网络架构的数据信息安全防攻破技术的研究。设计改进的ASON网络架构,与光通路时间结合,检测攻击行为。设计改进ASON的分级保护方案,为业务选路和故障恢复提供网络资源。构建分级保护环上/环间跳线容错能力增强模型,结合对称加密算法保障数据信息安全。实验结果表明,所提方法受到攻击不明显,丢包率仅为0.18,具有安全防护攻击的效果。

摘要：【目的】在电力系统中,线损率是衡量电网系统设计、运维和管理水平的重要经济技术指标,对于保障电网的稳定经济运行、提高供电效率具有重要意义。然而,在用户数量激增、用能特征多样化的大数据背景下,线损率的计算评价工作面临较大挑战。传统线损计算方法依赖于电网参数,精细化程度偏低,计算准确率不佳。【方法】针对该问题,提出了一种基于改进循环神经网络(RNN)的低压配电网线损智能分析方法,旨在通过智能化手段提高线损计算的准确性和效率。方法利用K-means算法对智能配电网的海量用户数据进行分类预处理,以降低数据冗余度。采用层次分析法(AHP)从分类数据中提取线损指标,这些指标随后被输入到深度学习模型中,其中,核心深度学习模型是由卷积神经网络(CNN)和改进长短时记忆网络(LSTM)模型融合而成,该模型能够挖掘配电网数据特征,实现线损的智能分析。通过IEEE33节点的仿真模型进行实验验证,充分展示所提方法的有效性。【结果】实验结果表明,所提方法的均方误差(MSE)和相对误差百分数(RE)分别为3.15 MW和2.43%,计算精度较高。与现有方法相比,所提方法在大数据背景下的配电网线损智能分析中具有明显优势,能够全面考虑各种配电网的影响因素,获得更精准的线损计算结果。此外,通过与两种经典文献方法进行对比实验,进一步验证所提方法的性能优势。【结论】基于改进RNN模型的低压配电网线损智能分析方法通过K-means算法和AHP预处理提取线损指标,再利用CNN-LSTM模型进行深入分析,有效提高了线损计算的准确性和效率。该方法主要针对低压配电网线路侧的线损进行分析,对于更高等级电压的线损分析尚未深入研究,但其在低压配电网线损智能分析中显示出优异的结果,具有实际应用价值。未来的研究将扩展到更广泛的校验分析,以提高方法的全面性和可靠性。此外,该方法的提出也为智能配电网的进一步研究和应用提供了新的思路和工具,有助于推动智能电网技术的发展和应用。通过这种方法,不仅可以提高线损计算的准确性,还能为电网的优化管理提供科学依据,对于提升电网运行效率、降低能源损耗具有重要的实际意义。随着技术的不断进步和数据量的日益增加,智能化的线损分析方法将成为电力系统运维中不可或缺的一部分。

摘要：圆形利兹线因高频损耗低且易于缠绕而广泛应用于高频变压器绕组中,准确快速计算此类高频变压器的漏电感对其性能提升、优化设计等具有重要意义。现有研究通常采用有限元等数值算法或Dowell模型计算该类高频变压器的漏电感,存在计算量大、精度低等问题。基于极坐标与坡应廷定理推导了考虑高频集肤与邻近效应的圆形利兹线初、次级绕组漏磁场能量的解析表达式,进而在磁场能量法的架构内,推导并得到了一种新的圆形利兹线绕组高频变压器漏电感解析计算模型。基于该解析模型和传统Dowell模型分别计算了2种圆形利兹线绕组高频变压器样机的宽频漏电感,并将其与相应实测结果进行对比,验证了所提解析计算模型的准确性。

摘要：宽带电力线载波通信HPLC信道容易受到非高斯白噪声信号影响,导致信道监测结果不精准。为此,提出了改进双谱自适应功率调节算法的HPLC信道监测方法。分析HPLC信道信号传输特性,构建信号衰落传递函数。采用改进双谱自适应功率调节算法,输出调节累积量结果,通过自回归调节时间序列傅里叶变换,获取双谱处理信号。采用周期性/睡眠监测机制,根据HPLC信道分类函数,实现HPLC信道监测。由实验结果可知,该方法在正常通信环境下获取的信道电压信号波动与实际输出的时域波形一致,在异常通信环境下信道电压信号波动只在部分时间段存在最大为20 V的波动误差,其余时间段与实际时域波形一致。

摘要：为改善系统电能质量和电压稳定性,文中提出了一种结合深度神经网络和粒子群优化算法的无功电压优化方法。该方法通过采用图卷积神经网络对电力系统运行状态进行特征提取,辨识出对无功电压优化最有效的控制节点。在压缩控制节点后采用粒子群优化法对无功电压优化模型进行求解,避免了传统算法对求解初值要求高、计算耗时长的问题。以某地电网数据为算例进行了实验验证,不同方法求解所得到的系统无功功率分布和节点电压分布情况表明,所提方法在优化系统无功功率、改善节点电压方面相比于其他方法均有一定提高,系统线路平均负载率仅为0.67%。

摘要：为保证配电网运行中的负荷在最优范围内,本文研究了配电网负荷自动协调控制优化方法。计算配电网线路损耗,进行配电网运行中的无功补偿;基于历史数据或预测值,确定用户的用电基线负荷,并计算配电网负荷调度响应容量;根据控制范围、负荷控制频率均值,进行配电网负荷多目标交叉协调控制。实例应用结果表明,优化后配电网负荷在最优范围内,本文设计方法能够实现主干网线负荷电流控制,在实际应用中效果良好。

摘要：为了提高非合作目标区域中光学字符的识别能力,增强电力铭牌、电网文本等信息采集的准确性,设计了一种偏振图像与可见光图像同时采集并进行图像融合的光学字符识别系统。通过设置0°、60°和120°的偏振角对响应电压进行周期性调制,从而获取有效信息区域的连通范围,实现准确的边界约束。通过计算偏振角度标定参数,设置边界条件的合理阈值,为图像融合提供范围标准。实验分别测试了响应电压关于偏振角度和测试距离的函数曲线,结果显示,偏振角度周期性变化斜率为53.1mV/(°)。在0.5~3.0m范围内,响应电压最大值为241.7mV,最小电压为18.5mV,并且三条响应曲线的单调性几乎一致。实验针对图像清晰度较差的电力铭牌目标进行测试,结果显示,模糊的原始图像在传统图像滤波与增强后,对比度从0.34提升至1.56,图像质量得到了一定的改善,但仍有部分字符无法识别。而采用文中算法后,对比度达到了3.23,部分模糊字符也能有效识别。可见,该系统适用于非合作目标的光学字符识别,对低质量图像中光学字符识别具有很好的优化效果。