基于轻量化网络的变电站缺陷图片检测算法

保证变电站运行安全和可靠,自动检测变电站设备缺陷是电网智能化的关键。提出基于轻量化网络的变电站缺陷图片检测算法。针对目前传统的深度网络深度较深,耗时较长,易发生梯度爆炸、消失的情况,以及变电站智能监控实时性要求高的问题,提出了一种基于轻量化网络的变电站缺陷图片检测算法。该算法通过深度网络的轻量化设计,不仅可降低计算时间复杂度和空间复杂度,并且能提升检测准确度。该算法利用轻量化的特征提取网络进行图片的多尺度特征提取,且能根据多尺度特征进行目标种类和位置的检测。以变电站现场故障图片作为实验数据,对比测试了SSD算法和所提算法在面对不同故障的检测准确率。实验结果表明,所提算法在变电站故障检测任务中比SSD算法更加准确,为变电站故障检测提供了有效的手段。     

基于FDM孪生网络的风电场集电线单相接地故障区段定位

针对风电场集电线路故障后定位困难以及故障样本稀缺问题,文章提出了基于傅里叶分解算法与孪生神经网络相结合的风电场集电线路区段定位方案。傅里叶分解算法适用于集电线路接地故障所产生的瞬态非平稳信号;孪生神经网络可用于对样本集的扩充和辅助训练识别网络。该方案首先提取集电线故障信号线模分量,借助傅里叶分解算法生成时频能量谱;然后借助孪生神经网络扩充样本集,并在该集合上辅助训练定位网络;最后将孪生神经网络分支部分保留以形成定位网络,基于已有故障区段模态,应用定位网络完成对未知故障模态的判别。试验结果表明,文章提出的算法在小样本情况下比传统行波法更适合风电场集电线路故障定位。     

基于改进生成对抗网络的变压器声纹故障诊断

为了提高小样本条件下变压器声纹故障诊断的准确率,提出了一种基于梅尔声谱图和改进的Wasserstein生成对抗网络（IW-GAN）的变压器声纹诊断模型。提取变压器声信号的梅尔声谱图,将声谱图输入到IW-GAN中进行样本扩充。其中,IW-GAN使用更具表达能力的Transformer网络,判别器采用满足Lipschitz连续性约束的SN-CNN,从而使IW-GAN能够稳定生成多样性和高质量的样本;将扩充后的数据输入不同的分类器中进行故障分类。实验证明,所提方法在有效扩充变压器故障声纹数据的同时,显著提升了小样本情况下变压器声纹故障诊断的整体性能。该方法对不同分类器的识别准确率均有显著提升,特别是对卷积神经网络分类准确率的提升达到了6.9%。     

基于时间生成对抗网络的风电随机场景预测

由于风电出力的随机性和时间相关性,利用常规的短期点或区间预测方法所得到的风电数据,无法支撑高比例风电接入下电力系统的鲁棒调度和可靠运行。提出一种基于时间生成对抗网络（TimeGAN）的风电随机场景预测模型。首先,将风电样本分解为静态和时间序列数据,并搭建嵌入、复现、生成和判别网络结构;其次,以静态和时间序列数据为样本,联合训练嵌入和复现网络;最后,以嵌入网络输出为样本,对抗训练生成和判别网络,并将生成网络输出反馈至嵌入-复现训练以检验时间序列拟合效果。以最小化重构、有监督和无监督损失为目标,模型深度学习风电时间特性并预测随机场景。算例验证了所提模型的有效性。     

基于生成对抗网络的风电爬坡功率预测

风电的波动性和随机性,尤其是功率爬坡事件严重威胁着电网运行的安全和稳定。功率爬坡是极端天气影响下产生的,属于小概率事件。其极低的发生概率导致历史爬坡样本数量严重不足,并制约了传统功率预测模型的预测精度。针对此类问题,提出一种基于生成对抗网络的风电爬坡功率预测方案。将历史爬坡数据和模拟特征量作为输入,通过生成器和判别器的对抗训练,生成大量与历史爬坡数据特征相似的模拟爬坡数据,实现爬坡数据集的扩充。再将扩充后的爬坡数据集输入给长短期记忆神经网络算法,进行风电爬坡功率预测。通过仿真测试,验证了该方法在历史爬坡数据匮乏情况下风电爬坡功率预测的有效性。并与传统预测方法进行了对比,证明了其预测的精确性。     

FAGAN：一种基于模型迁移与注意力机制的太阳电池缺陷图像对抗生成方法

缺陷微小微弱、数据样本规模不足等是制约太阳电池质量检测技术快速发展的瓶颈问题。因此，该文提出一种用于生成太阳电池缺陷图像的生成对抗网络模型FAGAN。该方法先在源域公开道路数据集上进行模型预训练提取跨域底层视觉特征，以提升FAGAN在目标域生成缺陷形式的多样性；然后设计了有效通道空间注意力ECSA，在空间与通道两个维度对缺陷特征进行增强，以提升微小微弱缺陷生成样本的质量。实验结果表明：该文提出的方法所生成的太阳电池缺陷图像的性能评价指标FID优于现有的梯度惩罚Wasserstein距离生成对抗网络（WGAN-GP）、深度卷积生成对抗网络（DCGAN）、循环生成对抗网络（CycleGAN）和样式生成对抗网络（StyleGAN）。     

基于降噪–残差神经网络的发动机部分失火故障诊断

针对发动机单缸部分失火故障,提出基于小波阈值降噪和残差神经网络的“降噪–残差神经网络”故障诊断方法。通过降噪与深度学习算法相结合,将小波阈值降噪后的振动信号输入到残差神经网络进行故障诊断;使用短残差块进一步防止网络的退化,并利用大卷积核增大长数据输入的卷积视野,提高信号故障特征的提取能力。测试结果证明该方法不仅实现了未参与训练的运转工况97%以上的故障诊断准确率,而且对于加入高斯噪声后的含噪声信号也能实现较高的诊断准确率。通过与其他故障诊断网络进行对比证明了该方法的优越性。     

融合元学习和双路径注意力的太阳电池缺陷生成

针对太阳电池缺陷图像数据少导致深度学习模型过拟合，从而造成小样本缺陷检测困难的问题，该文提出一种融合元学习和双路径注意力的生成对抗网络（MAGAN）作为数据增强策略。所设计的元学习调参模块（MTM）优化生成器中权重参数；所设计的双路径注意力模块（DPAT）在特征提取过程中更关注图像中微小微弱缺陷特征；在改进网络构架的同时提出一种聚类约束损失函数解决训练过程中梯度消失问题。实验和研究结果表明，所提方法能够针对小样本缺陷生成有效目标数据集并优于其他生成对抗网络，最后通过分类准确率验证了该网络的有效性。     

结合改进ResNet与迁移学习的风力机滚动轴承故障诊断方法

为解决实际应用中风力机滚动轴承故障训练样本严重不足的问题，提出一种基于改进残差神经网络与迁移学习的小样本滚动轴承故障诊断模型。首先，该模型将挤压与激励网络嵌入到一维残差神经网络中，增加了模型的特征提取能力；其次，使用源域数据对所搭建改进残差神经网络模型进行训练，确定结构和参数，并使用L2正则化和Dropout机制抑制过拟合；然后，引入迁移学习，冻结使用源域数据训练好的部分模型参数，使用少量目标域数据对模型的全连接层参数进行微调；最后，对不同故障的样本进行分类。该方法在凯斯西储大学轴承数据集和本实验室轴承数据集上进行实验验证，实验结果表明：在不同实验条件下，所提方法与其他方法的计算结果进行比较，其均有更高的故障诊断准确度和更强的泛化能力。     

基于对比歧化和深度置信网络的配电网故障类型识别

针对配电网数据分支多、设备类型多样、现有故障诊断方法精度低的问题,提出基于深度置信网络的配电网故障诊断方法。该方法建立了4种不同层数的深度置信网络,将配电网的实际监测数据分为训练和测试数据导入到深度置信模型,采用对比歧化算法优化初始参数选择和加速模型训练,测试模型对样本的识别精度,建立改进BP神经网络和Petri网对比故障识别精度。结果表明,深度置信网络可以通过实时分析配电网实时监测数据,准确辨识配电网故障类型,提高了配网故障诊断的准确率和速度。     

蜂窝网和Ad hoc组网技术研究

为有效提高蜂窝网络的数据传输容量并改善网络覆盖,提出在蜂窝网络中引入Ad hoc中继节点.介绍了混合网络的结构并对各类结构性能进行比较,探讨了混合网络中的关键技术.结果表明,混合网络通过其灵活的网络组建能力提高了对传统业务的支持,为引入新服务创造了条件.     

公用电网与专用电网协调评价体系探讨

专用电网是配电网的重要组成部分,随着地方经济的发展,越来越多的专用用户接入配电网。为了提高公用电网与专用电网协调水平,提出了公用电网与专用电网协调发展的评价指标,选用专用线路占用间隔比率、容量不合规专用线路比率、公用专用线路负载率之比三个指标表征公用、专用电网的协调关系。结合南方某市现状情况进行公用、专用电网协调性评价,对存在问题进行详细剖析,并提出提升公用、专用电网协调性的方法与措施,对配电网的规划、建设和评估具有很高的参考价值。     

输配电协调的网架规划方法

为使输电网规划与配电网规划互相协调、提高电网整体供电可靠性和投资效益,提出了输配电协调的网架规划方法。在传统网架规划模型的基础上,在输电网规划模型中引入配电网转供需求约束和输电网可靠率约束;在配电网规划模型中引入输电网N-2转供需求约束和线路平均负载率约束。并采用自适应搜索离散萤火虫算法求解输配电网网架规划模型,最后以华东某地区输配电网规划作为算例进行方案对比。结果表明,所提方法可行、有效,能提高电网规划的可靠性和投资效益。     

基于BP神经网络光柴孤网运行优化控制研究

摘要： 光柴互补发电独立微电网系统,主要包括：光伏电池组发电、柴油机发电和负载等,光伏发电模型采用MPPT控制。在确保光伏最大功率输出的基础上,对原动机及其速度/功率反馈系统、同步发电机及其励磁控制系统进行分析,建立相应的数学模型。设计基于BP神经网络算法PID控制器,控制原动机的转速调整其输出功率,维持微网系统频率的恒定。仿真结果表明：该控制策略实现光伏最大功率输出,提高太阳能利用率。同时,保证微网系统的频率恒定。     

西北电网区域（酒泉）调度测风网络规划研究

针对甘肃酒泉千万千瓦级风电基地的风电场规划．在大量实地查勘的基础上,根据各个风电场的面积大小、地形状况、开发规模,并充分考虑风电功率预测的需求以及测风塔实地建设的可行性,采用统计与理论分析、流体力学模型模拟典型风速分布等方法,提出合理的测风网络布局方案。为实现高精度、大区域范围的风能资源评估和风电功率预测提供技术支持,服务于风电大规模开发和上网输送。     

PROFIBUS总线与以太网之间的冗余通讯研究

介绍了PROFIBUS现场总线和工业以太网技术,提出了冗余异型网关的设计方法,从而实现了PROFIBUS与以太网之间的可靠通讯,并对此方案的硬件和软件作了详细描述。     

基于智能配电网关键技术的城市配电网规划

随着以分布式发电技术和电动汽车充换电为代表的用户侧接入技术的不断发展,建设满足分布式发电接入及电动汽车充换电实时响应需求的,具有环境友好型及用户交互性、网架坚强、自动化程度高的现代化智能配电网是未来配电网规划建设的方向。对影响未来智能配电网发展的关键技术进行了概述,并以上海城市电网为例,介绍了我国大都市城市配电网的现状特点。针对城市电网不同区域的可靠性和供电安全等级以及网架特点,提出针对性的规划解决方案。对城市电网的发展规划有一定的参考意义。     

无线企业网的网络安全

简要的介绍了无线企业网的网络安全知识和防火墙技术。     

电力数据通信网安全防护方案的分析和研究

电力数据通信网是承载电力系统管理信息大区业务的关键网络,业务种类多,业务重要性强,整体网络基于BGP MPLS VPN技术体制,网络由骨干层、汇聚层、接入层多层部署。同时网络接入大量直调电厂,并与其他单位网络跨域互联,实现业务的横纵贯通。文章主要研究了电力数据通信网的安全防护,分别从电厂边界安全防护、骨干网主站安全态势感知部署2个方面,提出了电力数据通信网的安全防护思路,并提出网络安全管理方案,全面提升电力数据通信网安全防护能力,引导后期本区域电力通信网安全防护的进一步规划建设。     

基于循环神经网络的配电网非线性负荷建模

大量非线性负荷接入配电网导致电能质量问题日益严重,非线性负荷建模的精确性在一定程度上影响配电网谐波潮流计算和电能质量分析。考虑到非线性负荷在复杂运行条件下难以采用机理动态模型描述,以及基于预测方法的建模难以避免误差,构建双层循环神经网络模型,包含循环神经网络的初步功率预测层和误差修正层,初步功率预测层根据负荷功率和电压等训练样本,预测得到下一时刻的负荷功率;误差修正层根据前一层初步预测功率与量测功率的偏差,对下一时刻预测功率进行反馈修正。电压波动在一定程度上影响负荷功率变化,采用STL算法对电压进行时序分解,通过设置残差分量阈值来判断是否激活误差修正层。算例验证表明,所提建模方法较好地实现非线性负荷的拟合,同时能够避免电压波动较大时的建模精度下降。