基于电气试验全流程智能管控的变电运检数字化转型实践

随着能源革命与数字革命相融并进发展,电网设备、作业、管理、协同“四个数字化”进一步推进。电网运检是电网生产核心环节,是数字化转型重点。电气试验是电网运检核心业务之一,然而目前在各类检测、试验开展时,数据录入和报告生成均采用人工手动方式,工作效率较低,数据和报告差错可能性较大。加强作业全流程智能升级,突破数据自动采集瓶颈,降低基层班组工作负荷,提升电网运检质效,是推动电网数字化转型的必要途径。     

基于全息数据的变电智慧设计方法研究及应用

随着电网工程建设规模的不断扩大,电网设计越来越复杂,设计人员在设计质量和效率等方面面临诸多挑战。为了提高设计质量和效率,减少人为因素失误,实现设计与造价一体化贯通,推进电网设计技术与造价变革和发展,历经数年开展了基于大数据、强人工智能等新技术的电网设计研究工作,创新提出了基于全息数据的变电智慧设计方法。首先提出了变电智慧设计的理念、方法和关键技术;然后构建了变电智慧设计总体方案,并对主要功能进行研究、实现和验证;最后给出了变电智慧设计平台的构建流程和典型应用场景。     

电力设计企业数字化转型的战略与路径

伴随着数字技术的深化应用,加快传统产业数字化转型,已成为推动国有企业高质量发展和进一步壮大数字经济的重点和关键.尽管越来越多的企业将数字化转型作为战略核心,但多数企业普遍缺乏清晰的战略定位与实施路径,并且对数字化转型的长期性艰巨性认识不足,没有形成有效的配套保障机制,仍面临着转型难出成效的困境.阐述电力设计企业数字化转...     

基于多源数据融合的变电运维误操作风险识别研究

现有变电运维误操作风险识别方法的综合评判结果与实际值存在出入,识别精准性差,为此研究基于多源数据融合的变电运维误操作风险识别方法.首先选择合适的滑动窗口,结合抽象数据进行融合,对数据进行周期性行为的特征提取,当需要融合的向量维数不相同时,需要对低维的特征添加０进行补齐,直到所有向量的最高维特征相同.然后用非线性映射将数据映射到可分的特征空间中,并运用分类学习器将特征空间中的线性可分数据进行分类.最后运用判别函数对所有样本进行训练,得到最大K 值,对其进行二进制编码,计算编码距离并找出距离最短的一行,从而完成分类识别.实验结果表明,实验组的综合评判结果为0.07,与风险评价论域中实际结果一致.这表明实验组能够精准识别风险,并达到了较好的识别效果.     

基于大数据的数字化电能计量误差分析

数字化电能计量系统仍存在着可靠性、稳定性等问题,具有大数据特点.因此,文中分析了数字化电能计量误差的主要来源及其数学模型,结合大数据的分布式存储和计算技术,构建了基于Hadoop构架、Spark内存计算框架的电能计量误差多维分析与诊断平台.平台根据计量数据提取误差信号,计算误差特征值,对其进行多维分析,采用朴素贝叶斯算法进行误差类型诊断.试验结果表明,本方案具有算法并行化可行性高、分布式数据处理能力强的优点.     

电网规划业务数字化转型构想的研究

本文对电网规划业务数字化转型的必要性和目标进行了分析和总结,并据此提出了电网规划业务数字化转型需要实现的9大功能构想,包括：数据资产、信息交换渠道、智能化辅助决策、分析评估、动态仿真等内容。这一构想对实现电网规划数字化转型具有指导意义和实用价值。     

大数据时代通信市场营销转型策略研究

随着我国信息技术的飞速发展,大数据时代推开了世纪的大门,我国的通信行业在短时间内从大数据的市场上获取大量的信息资料,并在无限的存储空间中,为市场营销开辟了空间.现阶段大数据已经成为通信行业不可或缺的一环,相关人员应与时俱进,掌握大数据信息的利用方式,充分发挥出大数据的优势,填补以往通信行业市场营销的不足,实现传统人力营...     

基于卡尔曼滤波与大数据预测的路径规划研究

针对近年来严重的交通拥堵现象,提出了卡尔曼滤波和交通流大数据相结合的行程时间预测模型,Dijkstra算法规划最短时间路径方法。首先利用某时刻前3个时段的车辆平均速度数据进行卡尔曼滤波预测同一路段若干个时段后的路段行程时间。然后通过理论最短时间、大数据分析对卡尔曼滤波预测进行优化,得出最佳的预测行程时间。最后根据Dijkstra算法规划出最短时间路径。结果表明设计方法各方面误差指标均优于原模型,交通流大数据与卡尔曼滤波预测相结合的预测方法更加精确有效。     

能源大数据的数字化能源系统在企业的应用

针对当前企业存在数字化程度低下以及数字化建设导致的能源数据资源冗余等问题,明确大数据平台技术的应用目标,设计了基于大数据技术的数字化能源系统解决方案,对大数据平台的系统组成、层次划分及分层功能进行了定义。最后通过工程案例探讨了基于大数据技术的数字化能源系统在企业的实践应用,验证了数字化能源系统的有效性。     

基于电力大数据应用的故障诊断研究分析

阐述了目前电力系统中故障诊断存在的不足,针对一起变电站10kV开关柜负荷电流异常导致的故障,开发了一种电力大数据在电力系统故障诊断中的应用模块,结合电力大数据分析了导致开关柜发生故障的可能原因,并提出了相应的改进措施,为电力大数据在电力系统中的应用提供了典型案例分析。     

基于大数据的智能变电站二次状态监测系统研究

在传统变电站往智能变电站这一过渡过程中,随着变电站网络结构改变所带来的监测难点体现在难以在智能变电站二次系统状态监测的庞大数据库中,进行有效信息的高效提取以及对应故障定位与溯源。在此背景下,首先探讨学习变电站网络架构的改变;其次在智能变电站二次状态监测系统的基础上分析了其监测概念以及监测信号;最后为了解决当前智能变电站海量数据的处理问题,分析总结基于Hadoop数据处理平台的优势以及大数据在智能变电站中的应用发展。     

基于大数据背景的电力调度数据智能估计技术研究

针对电网常规运行、检修运行过程中出现的大量电路状态重构和全角度覆盖的运行工况,即电力调度大数据,进行电路运行状态的分析和电路各类故障的精准定位.基于转移潮流策略和电力调度大数据的状态智能估计技术,对SCADA系统的量测进行了错误数据的精准定位,经过在实际环境中的运用,证明了新策略的有效性.     

基于大数据技术的多变量短期电力需求预测研究

针对传统多变量短期电力需求预测方法没有归一化处理电力数据,导致预测性能较差、精度较低,提出基于大数据技术的多变量短期电力需求预测方法。在电网大数据框架中,连接MONGOOSE数据库引擎与短期电子服务器,完成大数据技术支持下的短期电力环境搭建。基于大数据技术,通过确定神经预测网络层数的方式,实现电力需求数据的归一化处理,根据多变量短期预测误差的计算结果,实现基于大数据技术多变量短期电力需求预测方法的应用。实验结果表明,研究方法的电力需求预测有效性更好,预测精度更高。     

基于电力大数据技术的泛在电力物联网应用研究∗

大数据技术是电力智能终端与电力物联网之间通信的有效载体.泛在电力物联网既是数据的生产者,同时又是数据的消费者,提升电力大数据的应用技术,可以有效解决泛在电力物联网信息流层面的数据延迟与堵塞问题,提升数据的响应速度.基于大数据与电力物联网融合的设计架构,从能源、金融及业务层面提出了5种应用场景,对电力大数据与泛在电力物联网深度融合的商业运营模式进行了探讨.     

海量数据下的电力负荷短期预测

该文研究海量数据下的短期电力负荷预测方法,基于局部加权线性回归和云计算平台,建立并行局部加权线性回归模型。同时,为剔除坏数据,采用最大熵建立坏数据分类模型,保证历史数据的有效性。实验数据来自已建的甘肃某智能园区。实验结果表明,提出的并行局部加权模型用于短期电力负荷预测是可行的,平均均方根误差为3.01%,完全满足负荷预测的要求,并极大地减少了负荷预测时间,提高预测精度。     

大数据架构下电力系统风险评估

目前电力系统风险评估研究对于电力系统数据的掌握程度较小,导致其风险评估的精准率较小,评估时长较长.提出大数据架构下电力系统风险评估研究.对电力系统的基础状态进行精准分析,不断探寻与电力系统风险系数相关的电路数据,查找电路数据存在的风险问题,解析风险评估算法,并强化算法理论性操作,构建风险评估模型检验在电力系统正常运行状...     

基于变电站测控数字量的自适应备自投联切装置

基于传统备自投装置联切负荷时缺乏灵活性的缺点,文中提出一种自适应备自投联切装置,对其工作原理进行了介绍,论述了装置与变电站综自系统的信息交互,研究了备自投联切装置在站内设备均正常运行或可能故障状态下的控制流程.该装置能够根据实时变化的负荷情况智能化切除次重要负荷,避免了备自投动作后造成变压器过载导致的事故范围扩大,从而获得良好的供电可靠性和经济性.     

基于数字化变电站IED接口的数据处理算法

在当前的数字化变电站中,过程层的合并单元(merging unit,MU)将等间隔采样的采样值报文发送到智能电子设备(intelligent electronic device,IED)进行处理。为提高测量精度和保护特性,IED首先要将等间隔数据转换成等相角数据;另外,MU的采样率不等于2N(N为每周期采样点数),无法进行快速傅里叶变换(fast Fourier transform,FFT)计算,若在测控装置中直接采用离散傅里叶变换(discrete Fourier transform,DFT)算法,则计算量太大。为得到等相角的数据,同时减小计算量,适应FFT算法,文章设计了一套适应数字化变电站IED接口的数据预处理算法,包括数字低通滤波、频率跟踪校正、采样率转换(sampling rate conversion,SRC)等,并使用MATLAB对数据预处理过程进行了仿真验证,结果表明,该算法计算量较小,精度较高。     

基于时间序列分析的输变电设备状态大数据清洗方法

数据清洗是输变电设备状态评估数据预处理的一个关键步骤,有助于提高数据质量和数据利用率。文中将设备状态信息等效成各状态量的时间序列,提出了一种基于时间序列分析的双循环迭代检验法。首先,将时间序列中的异常数据进行了分类,并将缺失值归纳为其中一类异常值。然后,分析了不同类别异常值对时间序列模型的影响,并阐述了迭代检验法的实现步骤。最后,利用所述方法对南网某变压器和线路的监测数据进行了数据清洗,结果表明该方法能识别并修正数据中的噪声点,填补缺失值,满足数据清洗要求。