摘要：随着光伏等各类清洁能源的广泛使用,在移动边缘计算的支撑下,无人机经常被用于户外电网终端设备,特别是运行偏差故障终端的数据采集。然而,待采集的终端运行出现差错、终端数量大幅度增长以及无人机有限的能量和动态的飞行等问题,导致无人机难以快速获得待检测终端的准确位置。基于此,设计一种基于边缘计算的无人机辅助故障终端数据采集优化策略。通过构建基于随机分布的位置误差模型,研究一种无人机飞行轨迹和待采集终端设备的任务传输联合优化策略。联合利用Bernstein型不等式、凸优化和隐枚举法,构建高效的两阶段优化求解算法。仿真结果表明,所提数据采集策略中无人机可以更加靠近户外的电网故障终端设备,数据采集的时间更长且准确率更高。

摘要：从智能变电站过程层网络传输报文的特点出发,对交换机的传输带宽、存储转发延时、强电磁干扰下的零丢包、采样同步、流量控制、配置管理等方面进行需求分析,提出了一种适用于智能变电站过程层网络交换机的整体研制方案,并对交换机的测试情况和试点运行情况进行了分析介绍。

摘要：为了提升自动化设备电力调度的评估水平,采用广泛使用的神经网络算法,通过对电力系统参数的重新设置,根据正态分布衰减惯性权重策略对粒子群算法进行了改进和优化。在此基础上,提出正态分布衰减惯性权重的粒子群优化(NDPSO)算法,并利用检测函数分析算法性能。试验结果表明,NDPSO算法最佳正态分布的趋势参数为0.443 3;在Sphere函数上优化结果的最小值为555.31,平均值为2 034.00,标准差为919.58,惯性权重在前期的取值较大。上述结果与其他算法对比都处于领先水平。所设计的算法在保证收敛精度的同时,加快了收敛速度。改进的粒子群算法对神经网络模型具备一定优化能力,能够兼顾全局搜索和局部开发。该研究对电力调度自动化中设备的评估具有重要意义。

摘要：南方电网传统电力调度主要依靠电话发令。由于电话仅支持一对一模式,当现场繁忙、环境嘈杂、通话质量差时会存在安全隐患。网络发令让调度员通过安全网络收发调度指令,以文字形式调度操作命令交互,可使指令传输更准确、高效。采用信息化安全防误校验,可实时验证设备状态及校核指令。数字化管理调度数据自动填充操作日志,实现调度指令闭环管理。利用数据包络分析法对整体调度操作进行综合评价,结合组合加权评价体系进行有效性论证,研究最适合调度员与现场沟通的“六步法”,使调度指令的准确性、实时性、安全性得到极大提升。所设计的调度操作指挥模式可实现调控一体化。该创新模式也可广泛应用于其他行业中需要中心机构与现场班组远程沟通交互的调度工作。

摘要：目前,电力通信各专业网管以烟囱式独立建设,未能有效地收集、关联各专业的告警数据,以及根据关联关系实现故障定位,合并派单、工程屏蔽等功能,因此需要为电力通信告警管理系统进行集约化改造。本文介绍了实现电力通信告警集约化改造的思路,通过对告警全生命周期的分析,梳理集约化每个阶段可能存在的问题,对每类问题提供解决方法。

摘要：针对电网主接线图的自动生成与校核、发布与查询、更新与管理等问题,给出一种C/S与B/S相结合的图纸综合管理系统的设计方法,可实现调度中心电气主接线图纸完全同步更新。电网主接线图自动生成与校核系统在广东电网投入运行后,有效提高了图纸绘制速度、准确度和标准化程度。

摘要：智能变电站继电保护系统采用通信网络作为媒介进行信息传输,大大提高了继电保护设备间的信息共享水平,但同时也带来了许多传统变电站继电保护系统所没有的新风险,因此,传统的继电保护系统测试方法存在相当的不适应性。以风险管控为目的,在分析智能变电站继电保护系统新特点的基础上,以RTDS实时仿真系统模拟实际一次系统,以智能变电站真实架构搭建二次系统,设计出智能变电站继电保护系统级测试平台。并根据继电保护系统各环节可能存在的风险点及其在系统中的影响特点,设计出相应的测试方案,最后给出了利用该测试平台上实现了系统级测试、改扩建以及定检测试等测试内容的方法。

摘要：电网异常处置是电力系统调度运行的重要内容。如何利用异常信息文本记录数据深入挖掘分析,提升电网异常决策处置能力是当前电网异常处置的关键问题。首先介绍了数据挖掘的基本概念和实施流程;然后结合电网异常信息文本记录的自身特点,提出了电网异常信息文本的结构化处理框架和基于场景匹配的决策分析方法;最后介绍了以文本分析为核心的电网异常决策分析系统设计和开发要点,剖析了其实施效益。

摘要：由于传统方法在分析电力系统快速切负荷方案降损节能中,存在网络损耗高等问题。为此,对电力系统快速切负荷方案降损节能进行分析。基于PQ分解法的方程组,简化电力系统快速切负荷参数分解方程,计算得到电力系统快速切负荷方案的潮流,结合电压计算和负荷计算,设计电力系统快速切负荷方案降损节能算法,实现电力系统快速切负荷方案的降损节能。实验结果表明,文中方法可以降低电力系统快速切负荷方案降损节能的网络损耗,具有更好的性能。

摘要：针对云计算环境下多用户多资源虚拟机调度的延迟问题,为了优化虚拟机的任务完成时间,提出一种基于强化学习的虚拟机资源调度方法。首先以虚拟机的任务完成时间为优化目标建立基于延迟的虚拟机资源调度模型,然后通过定义虚拟机配置数组来将多资源多类的虚拟机资源调度问题转化为单维的虚拟机调度决策问题,接着提出面向延迟的虚拟机资源调度强化学习算法,将任务完成时间作为奖赏函数,通过贪婪行为策略选择最优的调度策略来达到最大奖励,从而获得最优的平均任务完成时间。仿真结果表明,与现有算法相比,该方法在提高虚拟机资源利用率与减少任务的延迟方面性能显著。