电力营销服务移动作业应用系统研究与设计

随着电力体制改革的加快推进和移动互联网技术的飞速发展,电网企业需利用先进、可靠的技术手段建立电力营销服务移动作业应用系统,融合多种供电现场业务和服务场景,提升电网企业供电服务能力和管理水平。提出电力营销服务移动作业应用系统总体架构,按照电力营销服务移动作业业务需求和特点设计业扩报装、用电检查、电费抄催、计量拆装、客户服务、现场抢修、采集运维等主要应用功能;根据现场作业网络环境提出移动作业离线模式和在线模式;提出移动作业客户端和应用平台之间在不同移动作业模式下的数据交互方式和技术选型。最后简述"互联网+"电力营销服务移动作业平台建设进展和应用成效,并展望未来深化和完善电力营销服务移动作业应用系统建设的研究领域和工作重点。     

基于深度神经网络的电气元件符号识别算法

在智能电网发展的新时期,提高业扩报装的工作效率以及智能化程度是一项重要任务,在这一过程中对于电气图纸中电气元件符号的识别尤其关键,已有方法在算法精度以及鲁棒性上都存在不足。为此,基于YO?LOv3提出了一种改进的电气符号识别算法,改进了模型超参数选取策略,构建了自下而上的特征融合网络以及基于图像冗余的图像预处理方法,有效地解决了传统方法精确度低的问题。平均准确率和召回率分别达到94.8%和96.5%,与传统的图像识别算法和基准方法相比都有明显的提升。     

基于EKF算法的分布式光伏发电异常数据排查技术

分布式光伏发电运营过程中,会因设备故障、仪表测量误差、用户个人行为等干扰因素导致运营系统采集异常数据,因此需要对异常数据进行排查,有助于保障光伏发电用户数据库的准确性和可靠性,并识别存在运营问题的分布式光伏用户。基于上述原因,本文针对分布式光伏系统的特殊性,提出一种光伏发电运营系统异常数据排查技术,结合温度、辐射量、纬度、时令等环境因素,采用中心复合设计方法,通过有限的数据量建立较为精确的发电量数学模型,采用扩展卡尔曼滤波算法对采集到的发电量进行修正,从而排查和消除异常数据。该方法能够实现发电数据的预测,能够快速、可靠地排查异常数据,文中给出了排查原理和具体的实现过程,最后通过实验结果证明了所提出技术的有效性。