复杂大电网下电力调度数据网组网模式研究

在当今电力系统与控制系统、通信系统融合已成为大势所趋的时代背景下,为了应对IP业务暴涨给当前电力调度数据网带来的巨大挑战,下一代电力调度数据网组网模式的提出迫在眉睫。文章根据复杂大电网的数据传输需求,通过对当前热门接口技术的对比,甄选出了最合适的技术方案。以清晰的三层网络分层模式为基础,设计了灵活可靠的网络拓扑,并通过层次化的路由策略和专用业务通道部署,以可靠性、有效性和安全性为中心,提出了复杂大电网下电力调度数据网组网模式。该组网模式为复杂大电网下电力调度数据网的建设和改造提供了方向和参考。     

开学,上好网络消防第一课

受新冠肺炎疫情影响,各地中小学延期开学。为做好中小学生的消防宣传教育工作,做到延期不延学、停课不停学、防疫和消防安全工作两不误,全国各地消防救援部门与教育部门及时沟通交流,因地制宜实施网络远程教育,开启线上消防宣传教育第一课模式,实现居家防疫、消防知识普及的双重功效。     

基于电网影响因子的电力通信网关键节点识别

作为电力系统的通信专网,电力通信网具有明显的行业特点。为准确识别网络关键节点,从电力通信网与电网的特殊关系分析节点的重要性,提出电网影响因子的概念。根据节点所处的站点在电网中的地位及作用,即站点类别因素和负荷因素两方面评价节点权重。然后利用电网影响因子,并结合所定义的聚合系数指标,分析电力通信网中重要节点的分布密集状况,得到各节点在网络拓扑中的相对重要性。仿真表明,相对于现有其他算法,该算法能够更好地结合电力通信网的应用特点区分网络拓扑中节点位置相似的节点的重要性,在电力通信网运行风险分析中具有较大的参考价值。     

基于最优输入径向基网络的风电功率预测方法

随着风电的大规模接入电网,对风电功率未来出力的把握显得尤为重要,而风电功率预测技术则是掌握出力特性的有力工具。基于实测历史数据,研究系统不同输入量对预测结果误差的影响,选取最佳输入量值;并在此基础上,构建基于RBF（径向基）神经网络的风电功率预测模型,对风电功率进行有效预测;预测结果表明,基于径向基神经网络的预测方法预测精度较高,可以为电网提供更加准确的风电预测出力信息,有助于为调度制定更加合理有效的计划。     

电力通信网可靠性分析评估方法研究

提高通信网可靠性是网络建设、运维的不变追求.文章基于目前电力通信网可靠性分析评估工作主要面临问题的分析,从“对电网安全运行支撑能力”角度,以及从通信网稳定运行的可靠性和业务服务的可靠性两个维度出发,探索并提出了建立一种简易实用的通信网可靠性分析评估模型,详细介绍了基于该模型对光传输网和线路保护业务进行可靠性分析评估的方...     

DSP数字变频软起动控制系统

利用变频软起动方式就可以解决电动机起动问题。变频软起动控制系统在实时性允许的前提下．用软件资源代替硬件电路功能．可以方便地修改控制策略．修正控制参数．对于降低成本．简化系统的硬件结构．提高系统的性能价格比具有积极的意义，     

一种与调制格式无关的带内链路OSNR监测技术

为了确保光纤通信系统运行的可靠性和稳定性,提出一种与调制格式无关和对色散和偏振不敏感的带内光信噪比(OSNR)监测技术.通过调节宽带可调谐光带通滤波器的中心波长,对链路上的信道光功率进行了采样,得到的光功率测量值作为机器学习算法高斯过程回归(GPR)的输入特征,精确地估计并监测链路上信道的OSNR.实验结果表明:在2～...     

基于信息熵的电力通信网脆弱性评价方法

电力通信网是智能电网的重要支撑网络,针对如何对其脆弱性进行综合、有效评价的问题,该文提出一种基于信息熵的电力通信网脆弱性跨层综合评价方法。首先给出了一种业务重要度计算方法,并将业务重要度作为网络参数,在业务层建立网络模型,定义边业务重要度(EBI)作为边在业务层的重要性指标;然后综合考虑网络的业务层、传输层和物理层,定义了边跨层重要度(ECI),进而将边跨层重要度的全网信息熵-边跨层信息熵(ECE)作为电力通信网脆弱性的评价指标;最后,以某实际电力通信网络为仿真背景,在不同路由策略下,通过对比网络脆弱性曲线和信息熵值的变化,证明了该方法对电力通信网脆弱性评价的有效性。该方法不仅限于电力通信网,还可推广至其它非一致性业务的承载网络。     

基于业务优先级的电力调度数据网拥塞规避算法

为了保障电力调度数据网的可靠性,提出一种基于业务优先级的电力调度数据网拥塞规避算法。首先,根据不同业务对时延、带宽要求的不同,将其划分为具有不同优先等级的业务。其次,判断节点的拥塞状态,并对严重拥塞或中度拥塞节点缓存队列中的数据按业务优先级进行位置调整,丢弃位于严重拥塞阈值后的低优先级业务,并通知其源节点重新选择路由。最后,建立适应度函数,根据二进制粒子群优化(Binary Particle Swarm Optimization,BPSO)算法进行路由重新选择。仿真结果表明,算法优先保证了高优先级业务的服务质量(Quality of Service,QoS),从而优化了网络资源,均衡了网络负载。