基于改进灰色聚类的配电网基建改造项目综合评估方法研究

随着对配电网基础设施投入力度的增加,如何对配电网改造与规划方案进行合理优化以提高资金利用率成为当前电力系统规划的一个重要研究方向。为准确评估配电网基建改造项目的实施效果,文章提出基于改进灰色聚类方法的配电网基建改造项目综合评估方法。首先,在分析配电网改造项目特点的基础上构建了改造方案能力评估指标体系;然后,引入去量纲方法和信息熵理论确定指标值和权重,对常规白化权函数进行改进,建立了基于改进灰色聚类法的评估模型;最后,通过算例分析验证了改进灰色聚类法的可靠性,并提出了相应的整改意见,对节省配电网改造投资具有较好的指导意义。     

HY03型电气化铁道远动调度系统实现技术

全面介绍了新研发的HY03型电气化铁道远动调度软件的主要功能及其中的技术实现情况。重点给出了分布式体系结构、软件模块组织、数据库结构、通信规约和调度员操作主接线界面中的实现技术。     

多框架融合的调度管理信息智能体集成平台实现

针对铁道电网调度监控管理中自动化孤岛、信息难以集成的问题,提出了一种多框架融合的信息智能体集成新方法;采用JACK体系建立了监控信息智能体,采用公共信息模型实现了状态类、模拟类和控制类交互业务信息流,将多智能体、数据库连接池和Web Service多框架融合实现了调度监控信息集成平台;量测信号4#ZBCBVVDD的测试结果验证了集成平台的有效性.     

电力量测数据缺失补齐方法研究与实践

针对电力系统中出现的电力量测数据缺失的问题,本文采用统计方法、插值方法和机器学习方法进行了研究和实践。首先,本文分析了电力量测数据缺失的原因,重点探讨了量测数据在采集、传输、存储以及其他环节对数据缺失的影响。接着,本文详细介绍和分析了三种量测数据缺失补齐方法,并对不同方法进行了实验评估,包括相关系数评价、拟合优度评价和平均绝对误差占比评价等多种评价方法。实验结果表明,机器学习方法在量测数据缺失补齐精度和效果方面优于其他两种方法,表现出更好的效果。最后,本文对研究结果进行了总结和展望,指出机器学习方法在电力量测数据缺失补齐中的应用前景,本文的研究成果可为电力系统中量测数据缺失处理提供一定的参考价值。     

电能质量在线监测系统海量数据的双列族存储设计

针对高效存储海量电能质量在线监测数据的问题,提出一种基于HBase的双列族电能质量在线监测系统数据库设计新方法。通过将HBase的列族存储架构应用到繁杂的电能质量在线监测数据的高效存储中,然后构造存储优化函数来寻找和设计最优的电能质量在线监测数据存储结构。最后进行几种不同列族数的数据读写时间的对比实验。实验证明:所提的电能质量监测数据双列族存储设计方法可以高效存储海量电能质量监测数据,具有较好的可行性。     

配电网SCADA时序数据集群的RWI快速查询技术

针对配电网大量调度监控准实时数据查询效率不高的问题,利用富网络组件容器和大数据二级索引机制将配电大数据嵌入到大规模并行处理(massively parallel processor,MPP)查询引擎中,提出一种跨平台的配电网数据RWI快速查询新方法。综合运用Impala数据守护进程,实现大量准实时数据在调度监控应用的快速查询。以铁路10k V配电网监控系统工程导出的数千万级实际时序数据为算例,进行加载测试和集群查询性能测试。结果表明:基于二级索引的RWI方法异步回调机制,在正常运行下的集群磁盘I/O读取速度约为存储速度的10倍,能将大数据集群与监控界面端异步回调接口间的数据延迟降至数百ms级,合理提高集群性能,能够适当地提升海量数据响应能力,但远低于扩大集群节点数对海量数据响应能力的提升效果。     

配电网调度监测数据的多线程集群共享内存折叠压缩方法

针对配电网中数据指数增长造成的读写时延越来越长的问题,提出一种多线程集群共享内存折叠压缩新方法。将数据结构扁平化处理融入于数据压缩之中,通过启用内存折叠方法,在写入内存过程中消除数据冗余,改变数据结构,减少刷新到磁盘的次数,同时缓解磁盘块缓存的压力,从而提高对数据的读写性能,以千万条数据记录的某动车段10kV配电网远动调度监控系统实测数据为例,搭建4个节点测试集群,进行集群内存压缩导入延时测试与读写性能测试。实验结果表明,启用内存压缩能优化内存结构,提升调度监测数据库的读写性能。     

设计模式在调度主站监控系统兼容性处理中的应用

针对客户/服务器架构的调度监控系统升级时造成信息集成困难,导致设备难兼容的问题,利用公共信息及其消息交互技术,提出了一种信息集成处理的新方法。设计了量测类与控制类实时交互信息流,建立监控信息的主题队列模型和轮询队列模型,并结合适配器和观察者集成设计模式研究了实时应用信息的消息交互。在西陇海线分布式调度监控系统中进行了工程应用,结果表明调度监控系统实时信息兼容处理的能力得到了提高,主题队列信息流等待时间比轮询队列短。     

基于遗传优化聚类的GRU无损电力监测数据压缩

针对电力调度中心监测数据记录体量大、存储困难的问题,提出基于遗传优化K-means聚类的门控循环单元神经网络无损数据压缩方法。首先,搭建分布式集群,将多维原始电力数据聚类成相似性较高的数据块,并利用遗传算法对聚类进行寻优,提高数据聚类的效果;再通过门控循环单元神经网络训练数据编码的概率分布模型,结合算术编码对数据进行编码压缩;最后,以多个电力数据集为算例进行分析。经验证本文所提的压缩算法能实现数据的高比例压缩、优化集群性能。     

基于数据中台的多源数据融合关键技术研究

目前研究的多源数据融合关键技术可信度分配数值与峰值相差较大,导致融合后的数据冲突程度过高,融合效果难以达到人们的要求。为了解决上述问题,基于数据中台研究了一种新的多源数据融合技术。对多源数据的融合层次进行划分,根据划分结果建立融合模型。应用数据中台的数据技术、治理和运营来实现数据赋能,建立有效的框架体系中心,利用数据框架体系中心分析数据资料,处理多源数据,实现数据的匹配与转换,最终表达数据的模式。实验结果表明,所研究的多源数据融合关键技术可信度分配数值为0.5,融合过程中数据源相似性较高,融合效果较好。