基于时域特征的电力感知数据频繁项查询

电力感知数据是一种时间序列数据。电力系统在运行中产生大量的数据,导致在查询数据频繁项时的系统负载大、查询效率低。为了提高电网电能传输质量,对基于时域特征的电力感知数据频繁项查询方法进行了研究。构建电力系统拓扑结构,预测其运行状态。根据电网的纵向连续性和横向连续性,定向采集传输活跃的电力感知数据。以三轴加速度相同的两个滑动窗口为目标区域,提取电力感知数据的时域特征。将提取的时域特征输入到贝叶斯分类算法中,使用贝叶斯分类器进行分类。考虑由谐波震颤效应导致的逻辑疏密性下降问题,通过锁定频次占比较大的类别区间,实现电力感知数据频繁项查询。试验结果表明,所提方法的查全率高于97%、查询的电力感知数据在180个以上、时间开销为5 ms、内存开销为10 MB。该方法可有效提升电力感知数据频繁项的查询性能和查询效率,提高电网电能传输质量。     

基于态势感知的智能电网安全调度预警架构设计

智能电网安全调度过程不能准确进行故障识别,导致调度监护预警精度较低.为此,对基于大数据态势感知的智能电网安全调度监护预警架构进行了研究.通过智能电网数据库采集监护预警数据,利用大数据态势感知技术对监护预警数据进行处理;将实时性关联矩阵的原理应用到智能电网监控预警算法设计中,获取智能电网安全调度过程中任意故障对应的动作组...     

基于网络感知的电网数据均衡动态关键路径调度算法

针对传统调度算法对电网数据调度负载不均衡、调度效果差的问题,提出了基于网络感知的电网数据均衡动态关键路径调度算法.依据电力网络的拓扑结构,选取与处理调度目标参数,结合随机均衡策略,动态迁移电网数据.充分考虑电网数据均衡动态属性,采用网络感知迭代均衡方法,进行电网数据归一化处理.依据均衡调度样本误差,确定最终负荷输出值....     

基于决策树改进深度学习的网络安全态势智能感知方法

为了提高网络安全态势智能感知精度,提出基于决策树改进深度学习的网络安全态势智能感知方法。对通信网络流量数据进行预处理,基于决策树改进深度学习提取网络安全态势要素,计算网络安全态势感知阈值;设计网络安全态势智能感知流程,从而实现网络安全态势智能感知;设计对比实验,实验结果表明该研究方法对网络安全态势的感知精度较高,更具备实际应用价值。     

无线通信网络安全态势识别方法研究

当前,网络安全态势识别方法只能获取网络层的安全态势感知要素,导致无线通信网络安全态势识别误差偏大。对此,提出基于深度自编码网络的无线通信网络安全态势识别方法。引入受限玻尔兹曼机逐层训练深度自编码网络,利用深度自编码网络前向传播的方式,提取服务、主机、网络三层的安全态势感知要素。在此基础上,将网络态势分为环境、威胁、资产三个因子,通过三方博弈方法计算三个因子效益,得到网络安全态势值,以此实现无线通信网络安全态势识别。试验结果表明,研究方法绝对误差平均值与试验对比方法相比分别小0.112和0.106,识别精度更高。该方法的实际应用效果更好,可以满足无线通信网络安全态势识别需求。     

基于混沌类电磁算法优化支持向量机的短期负荷预测

短期负荷预测准确性对于电网态势感知和电网策略具有十分重要的意义。提出一种基于混沌类电磁学（CEM）优化支持向量机的短期负荷预测方法,该方法利用聚类思想判断数据质量并进行相关数据预处理工作。建立支持向量机的短期负荷预测模型,针对传统支持向量机参数选择困难问题,引入混沌类电磁学算法优化参数,提高算法收敛效率和寻优能力。仿真结果表明：所提算法较传统支持向量机算法和粒子群-支持向量机算法（PSO-SVM）收敛速度更快,寻优能力更强,适用于短期负荷预测。     

基于模糊层次分析法的煤矿电网电压态势预警研究

煤矿供电系统电压水平直接影响到电动机的启动及正常运行,但目前电网监控系统不能利用监测的实时电网结构参数和实时潮流分布数据对电网运行状态及电压水平进行预警研究,从而不能消除电网运行中的安全隐患。文章利用电网监控系统实时潮流分布数据,结合层次分析法和模糊理论,通过选取电压态势预警评判指标构建了模糊综合评判矩阵,评估当前电网电压水平,分析电压发展趋势,实现了煤矿电网电压运行态势预警,完善和提高了电力监控系统的监控功能。     

基于多元、多维数据的输电线路覆冰处置辅助决策系统设计

为解决电网输电线路在极端低温天气发生覆冰,电网调控中心融冰计划质量和编制时效无法满足电网调度运行要求的问题,本文基于省级电网调控中心自动化数据和电网覆冰处置规程,设计了一套基于多元、多维数据的输电线路覆冰处置辅助决策系统,打通能量管理系统、计划管理系统、负荷预测系统、覆冰监测预报系统等自动化系统,实时获取并融合电网运行数据、计划数据、负荷预测数据、线路覆冰数据,评估当前以及未来时段电网覆冰事故风险,按设置规则自动生成直流融冰计划,并对生成的融冰计划进行静态校核和稳定校核。为解决融冰计划校核耗时长的问题,提出了一种基于动态规划的初步融冰计划生成方法,快速滤除不合理方案,降低了方案校核的计算量,提高了系统覆冰处置方案生成速度。     

分层网损的实时监视与统计在调度自动化系统中的实现

通过在调度自动化系统（EMS）中实时监视与统计各电压层级负荷总和、电厂出力及厂用电、与相邻地区电网及地方电力公司电力交换、网络损耗等情况,可加强电网负荷管理,掌握电网负荷分布及特性,分析电网运行损耗,提高电网安全、经济、优质、环保运行水平。提出220kV-500kV电压等级线路损耗、变压器损耗、网损损耗的工程计算公式以及在系统中的实现手段,介绍在EMS系统中对任一时间范围内的网损均值的统计和查询方式。通过分析EMS系统采集数据的特性,探索日常数据维护工作中提高网损统计准确性的措施。处理好数据同步性和采样精度等所造成的偏差问题,有利于电网运行调控中分析网损指标,明确降损原则和调控措施,达到提高资源利用率、增加经济效益、减少能源损耗、改善环境的目的。     

网络安全态势认知融合感控模型

为了分析网络威胁的演化趋势,并探讨安全态势的自主感知和调控问题,将跨层结构和认知环融入模型的设计,提出一种基于融合的网络安全态势认知感控模型,增强网络安全系统的层间交互和认知能力.在分析模型组件及其功能的基础上,利用多源融合算法得到各异质传感器对网络安全事件的准确决策,结合对安全事件威胁等级和威胁因子关系的推演,克服威胁因子获取过程中需处理网络组件间复杂隶属关系的不足,从而提出包含服务级、主机级和网络级的层次化态势感知方法,提高对网络威胁的表达能力.而且通过对态势感知曲线的分析,搭建离散计算和连续控制之间的桥梁,形成闭环反馈控制结构,解决安全态势自感知和自调控的问题.仿真实验结果表明：基于融合的网络安全态势认知感控模型及方法能够融合异质安全数据,动态感知威胁的演化趋势,并具有一定的自主调控能力,达到了认知感控的研究目的,为监控和管理网络提供了新的方法和手段.     

一种基于大数据面向智慧电网的态势感知方法

当任务是态势感知时,数据驱动的方法适用于具有大量数据集的复杂电网.然而,如何有效地将这些海量数据集转化为有用的大数据分析是一个问题.为了解决该问题,基于随机矩阵理论,提出了一种不需要物理模型参数的知识的数据驱动的方法.该方法将大量数据集建模为大型随机矩阵,通过对矩阵进行计算实现对电力系统的分析.通过实验表明,结合模拟数...     

基于大数据的电网规划精益分析平台研究与应用

随着新能源的大量接入和用户的广泛参与,电网企业的数据呈指数级增长,电网规划部门迫切需要运用大数据的分析手段提高规划决策的精准性。本文以地市供电公司的实体业务为切入点,基于地理位置信息,在数据融合贯通的基础上,运用数据可视化技术多维度动态展示地区电网负荷分布和电网供给能力,辅助规划人员快速发现负荷分布规律和电网薄弱点。运用大数据分析挖掘方法构建基于负荷特性分析的负荷预测模型,支撑电网项目和运行方式安排。打破电网负载问题的单一评价方法,建立可度量的电网综合评价体系及模型,为电网项目统筹提供量化依据。基于大数据的电网规划精益分析平台通过电网负荷可视化展示,有效提升了电网诊断分析效率,运用大数据分析方法提高了地区最大负荷的预测精度,实现了电网问题的数字化评估,提高了电网规划投资决策的精准性。     

基于电力大数据的用户用电感知研究

在基于电力大数据对用户提供多元化服务的研究中,发现电网在不同时刻停电,不同用户的停电感受不一样以及在调度计划制定时,由于不同线路所带用户不同需进行差异化服务。为此,提出基于电力大数据的用户用电感知研究。首先通过电网内部系统及外部系统进行数据采集,然后基于大数据从多维度进行数据处理和分析,建立了用电需求模型和用户用电感知模型并进行了深入应用;通过该模型可以实现有限投资供电可靠性提升最快,最大限度满足用户需求;可最大限度实现不同行业、类别的用户用电互补,提高设备利用率;可实现用电感知最低时段停电,停电涉及用户更精准。该模型的引用实现了电网规划、用户接入、调度运行的智能决策,使电网规划投资更精准,固定投资提升可靠性最快,提高设备利用效率和用户满意度。     

基于大数据的安全态势感知系统研究

针对目前层出不穷的各类网络攻击事件,基于最新的大数据技术组件,构建集数据收集、数据处理、数据存储、数据分析、数据呈现于一体的安全态势感知系统框架.通过Flume和Kafka获取日志或网络攻击信息,使用MapReduce和Storm技术进行批量或实时分析,以达到对网络安全的感知;采用层次分析法确定指标权重,提取网络态势特...     

基于进化神经网络的短期电网负荷预测算法

本文提出了一种基于进化神经网络的短期电网负荷预测算法。该算法使用了改进的人工蜂群算法与BP神经网络融合生成的进化神经网络,并且使用改进的人工蜂群算法对进化神经网络的偏置和权重进行优化。该算法将火电历史负荷数据作为输入,使用进化神经网络训练预测模型,预测未来一段时间内的电网负荷。首先获取历史负荷数据,然后将收集到的数据应用于进化神经网络模型训练。人工蜂群算法作为一种全局搜索算法,可以有效地探索模型参数空间,寻找最佳的模型参数组合以提升预测精度。为了验证所提出的负荷预测方法的有效性,本文使用了火电网负荷数据进行测试。实验结果表明,在短期电网负荷预测方面,本文提出的进化神经网络比传统方法预测结果更加准确可靠。     

通信动力环境下电网运行状态在线自动监测技术研究

为了提高在监测电网运行状态过程中识别状态异常数据的能力，降低能量开销，延长电网的运行生命周期，提出在通信动力环境下基于分层协同的电网运行状态在线自动监测技术。首先根据测量数据在采集终端的特征分布，构建测量数据的二维特征分布集，使用高维结构数据重组，得到电力大数据分布参数集。在发电、输电、变电、配电、用电及调度等环节中进行电网运行状态特征估计，完成电网运行状态数据特征误差补偿。根据收集的大量电网运行状态数据，采用分层协同调度方法实现电网运行状态特征的多维度检测和参数提取。根据电力系统收集、传输的测量数据的状态特征提取结果，采用主成分分析与小波变化结合的方法实现对电网运行状态特征预测和自动监测。实验结果得知，采用该方法进行通信动力环境下电网运行状态检测，识别状态异常数据特征强，且能量开销低，在4 kJ左右，通信动力环境下电网运行生命周期较长，达到158 000 h以上，电力数据传输和调度能力较强，对于用电特征及高频波动分量监测的泛化能力较强。     

基于层次因子图的智能车环境感知和态势认知模型

为了提升智能车的环境认知能力,根据数据信息的抽象化程度不同提出一种基于层次因子图的智能车环境感知和态势认知模型.首先,基于人类驾驶认知的分层记忆机理,按照被处理信息由低到高的抽象层次,将环境认知分为环境目标感知和态势认知两大任务模块,提出层次化框架;然后,确定层次因子图的拓扑结构并实现层次因子图模型,目标感知层具体体现为多源信息融合和目标跟踪,态势认知层具体体现为车辆变道等态势预测;最后,基于PreScan仿真环境数据、NGSIM真实驾驶数据集及DBNet自动驾驶实测数据集3种数据,验证所提出方法的有效性,并与现有的卡尔曼滤波方法和隐马尔科夫模型方法进行比较,以验证层次因子图在跟踪、融合、态势预测正确率和准确率方面的优势.     

零碳排放下电-气综合能源系统多能负荷预测

电-气综合能源系统中多能负荷之间的耦合程度不断增加,提升了能源系统调度和运行的难度。为此,对零碳排放下电-气综合能源系统多能负荷预测方法进行了研究。分析零碳排放下电-气综合能源系统的运行架构。以气象因素为影响因子,运用灰色关联度分析法获得多能负荷与各因子的相关性。将相关性分析结果与系统历史多能负荷数据共同作为输入数据,构建基础长短期记忆(LSTM)预测模型。结合樽海鞘群算法(SSA)优化模型关键参数,获得优化LSTM预测模型,实现系统多能负荷预测。试验结果表明：冷负荷与电负荷的关联度为0.88;热负荷与电负荷的关联度为0.681;实际预测平均绝对百分误差低于0.45。该方法预测效果理想,为系统最优调度与运行规划奠定了基础。     

基于云计算的多因素电力负荷坏数据自动检测方法

电力负荷坏数据对电网具有严重的破坏性,为了提高对电力负荷坏数据的检测能力,提出基于云计算的多因素电力负荷坏数据自动检测方法。采用云计算模型进行多因素电力负荷坏数据的分布式重组和集成运算,构建多因素电力负荷坏数据的云网格分布模型,在云网格空间中采用主成分特征分析方法进行多因素电力负荷坏数据特征检测,在双极型直流配电网中实现对多因素电力负荷坏数据的共模分量计算,提取电力负荷坏数据的能量谱特征量,根据负荷用电特性、潮流分布及其容量等参数,实现对多因素电力负荷坏数据的特征检测。仿真结果表明,采用该方法进行多因素电力负荷坏数据检测的自动性较好,检测准确率较高。     

电网调控一体化运行电力设备危险点控制仿真

针对传统电力设备危险点控制方法存在检测结果不准确、控制效果较差的问题,提出一种新的电网调控一体化运行电力设备危险点控制方法。通过数据挖掘获取电网调控一体化运行电力设备危险点数据特征输入量,对电力设备危险点进行检测。依据检测的电网调控一体化运行电力设备危险点数据,通过建立自回归模型对未来危险点进行预测,根据预测模型计算令性能指标达到最优的所有控制增量,采用误差信息加权法对误差进行计算,调整控制模型,获取经校正后的电网调控一体化运行电力设备危险点控制模型,完成电网调控一体化运行电力设备危险点控制。实验结果表明,所提方法的控制效果较好,对电力设备危险点检测结果准确,与实际检测结果具有很好的拟合度,保证了电力设备的安全运行。