电力网络系统中统计特征任务分层的大数据融合模型

对嵌入式电力网络系统中的大数据进行融合模型设计提高对频繁任务分层和数据挖掘能力。传统的嵌入式电力网络系统中的大数据融合处理采用非显著特征数据挖掘算法,在嵌入式电力网络系统中的大数据出现离群特征时,数据融合性能不好。提出一种改进的基于嵌入式电力网络系统中统计特征频繁任务分层的大数据融合模型。对嵌入式电力网络系统中数据融合对象数据集提取二维分层空间特征,采用本征匹配方法进行嵌入式电力网络操作系统数据融合总体模型设计,引入统计特征分层融合定位节点谱函数表示数据融合效率,计算样本的密度特征,并抽取高密度区域的点集作为聚类中心,得到嵌入式电力网络系统中闭频繁项域适应度函数,实现融合模型改进。仿真实验表明,采用该算法能有效提高对嵌入式电力网络系统中大数据的分层融合性能,融合密度和精度提高,算法在数据监测概率和任务运行速度上优越于传统算法。     

电网调控大数据平台体系架构及关键技术

以数字化技术和能源互联网理念为驱动的"数字新基建"对现有调度自动化系统的数字化转型提出新的挑战,该文考虑调控数据存储规模、数据加工复杂度和数据服务多样化的需求,提出电网调控大数据平台的体系架构.在此基础上,研究了多源调控数据集成与融合、异构数据库分层统一存储、调控数据资产管理、大数据算法引擎等关键技术,实现全业务、全场景的电网调控数据汇集、加工和资产管理.该技术方案为调控云智能分析应用提供了存储、数据和算法的有力支撑.     

基于变采样周期的CPS多重优先级调度研究

信息物理融合系统(CPS)是实现能源互联网中信息技术和电网技术融合的重要技术体系。针对在CPS中采用传统调度策略导致的高丢包率、低利用率和网络延时长等问题,提出了一种多重优先级的调度策略,该调度策略能够保证信息在网络中传递的灵活性;基于该调度策略,针对CPS不同组成部分的特点,提出了两种变采样周期算法,该算法能够同时兼顾网络资源情况和系统控制性能,使系统在网络资源受限的情况下能够达到稳定状态。最后,根据能源互联网的特点,描述了如何将该调度策略应用于能源互联网中。     

基于压缩感知的井下振动高频测量方法研究

井下振动信号的高频测量信息能记录有关钻具动态响应的更具体细节,有益于分析诊断井下的异常振动,但是高频测量会产生大量的测量数据,导致井下振动测量设备的数据存储压力非常大。本文提出了一种基于压缩感知技术的井下振动信号的高频测量方法。通过选择性稀疏采集和存储井下振动数据,并利用信号重构算法,恢复高频测量结果。在该方法实现的过程中,提出一种分层抗频谱泄露的傅里叶字典构建和改进的分层追踪OMP信号重构算法,显著降低了信号重构时间。仿真和实验测试结果表明：该方法对振动信号的压缩感知采集效果较好,系统压缩比为18.9,重构分贝误差为52.1 dB。该方法有效减轻了井下振动测量设备的数据存储压力,为获取井下振动的高频测量数据提供了一种新途径。     

北京地铁1、2号线变电站自动化系统方案

基于网络化结构下的分层分布式系统的实践,使变电站自动化系统的结构和性能发生了重大的变化,提出一种实现变电站全站自动化的方案,应用于北京地铁1、2号线地铁变电站自动化系统。基于分层分布式系统下的系统构成,该系统按纵向分为网络管理层、数据传输层和基础设备层。重点介绍了通信网络的构成,网络管理层基于TCP/IP的以太网络通信,采用站内103通信规约,数据传输层以通信服务器为核心,向下采集其他智能设备数据,支持任何采用103规约及采用Modbus通信规约、pro-bus通信规约或采用TCP/Modbus协议的智能设备,并将采集到的数据转换成以太网双网数据,通过交换机上传至监控系统及调度中心。该系统采用NDT650监控系统软件,完成地铁变电站自动化系统实现的各种功能。     

能源互联网多源多层次协调优化方法研究

能源互联网已经成为分布式设备智能化管理,多种形式能源耦合互补应用的关键技术。为了解决能源互联网中的多能协调优化问题,文中针对含可再生能源的能源互联网,按照"分层控制-协同优化"的思想,提出一种多源多层次的调度层级划分模型对系统内的分布式设备进行管理,实现区域系统内冷、热、电、气等能源的优化调度。文中采用基于实数编码的遗传算法对该优化模型进行仿真分析,验证了该分层优化方案能够以最小成本为优化目标实现区域能源互联网能量自治及多能优化,同时协调不同区域间的优化调度。     

基于机器学习的调度操作行为挖掘与推荐技术研究及应用

受互联网用户推荐技术的启发,基于调度系统中运行人员的历史操作记录,结合数据分析与机器学习算法提出了一种有效的调度操作行为模式挖掘与推荐技术.首先,所提技术采集记录调度员日常操作数据,并通过页面类型划分、会话识别、事务识别等过程实现数据预处理.然后,利用模式分析和聚类分析完成调度员行为模式挖掘,并结合关联规则将模式数据压...     

基于遗传优化的调控系统缺失数据填补算法

数据缺失问题是电网调度控制系统中重要的研究课题。为保证数据的完整性和准确性,提出一种基于遗传优化的调度控制系统缺失数据填补算法。该算法利用遗传优化方法估计不完整数据的参数,获得最优数据参数,在最优参数基础上利用马尔科夫链蒙特卡罗算法对缺失数据进行估计、填补。对电力调度控制系统中缺失数据的填补结果分析,发现所提出的缺失数据填补算法能快速准确地填补缺失数据,保证了电网调度控制数据的完整性和准确性。     

能源互联网中区分服务的队列调度算法

为保证能源互联网各级自治单元信息的高效流动,促进通信过程中业务间的相对公平,设计了一种基于最大等待时间的队列调度算法。将业务进行重要度分类,在发生节点拥塞的时候,对重要业务的数据包优先传送,同时根据各数据包的最大等待时间,对其在节点内等待的时间进行有效控制,以保证业务数据的高效传输。通过仿真的方式对比了该队列调度算法与经典调度算法的调度效果。结果表明所提算法缓解低重要度业务的"Starva-tion"现象性能更优,证明了该队列调度算法可有效提升能源互联网中通信过程的可靠性。     

蝙蝠算法在风电系统经济负荷调度的应用

风能作为一种重要的可再生能源,研究风能转换系统的经济负荷调度问题是很有必要的,其目标是在满足约束条件下最小化风力发电成本。本文提出了一种采用蝙蝠(BA)算法来高效、可靠地解决该问题,由于风力发电输出的随机性质和不平衡性比如超过估计成本等,则提出的算法将风能的预测信息考虑其中。实验数据和仿真表明,与粒子群算法(PSO)相比,该算法在解决风电系统经济负荷调度问题具有很大的可行性。