基于Shapley组合模型及神经网络的电能表需求预测研究

针对电能表需求预测问题,建立基于Shapley组合模型及神经网络的电能表合理优化分配模型,以提升需求预测精度.文章通过挖掘历史数据,采用Holt-Winters、BP神经网络和RBF神经网络模型对电能表需求分别进行预测、对比和分析,并且引入Shapley法对三类预测模型进行组合建模,求取相应模型的权重,获取最优的生产调度方案.仿真实验结果表明,RBF神经网络模型预测精度要高于BP神经网络和Holt-Winters模型.相较于单一模型,Shapley法组合模型具有更好的效果和实用性,有助于国家电网公司建立高效、科学的生产调度计划.     

计量仓储平库智能化提升

近年来,社会经济生活对电力供应的要求与日俱增,对电能计量装置的需求也越来越大。加之,现代电能计量装置,其结构与功能越来越复杂,传统的粗犷式平库管理手段已不能满足种类多、数量大、结构精密的计量设备平库存储管理需求。针对传统平库存在的诸多缺陷,提出一种增加智能设备的方案来实现智能化平库升级,并从必要性、可行性和硬件设施等方面对该方案进行分析,认为该方案切实可行,能够提升平库智能化管理水平。     

基于数字孪生技术的"四线一库"自动运维系统建设及应用

数字孪生技术是在信息化平台上,利用三维建模、物联网、人工智能等技术,实现对特定场景下的物理实体、流程或系统的模拟技术.针对电力计量领域中"四线一库"检定流水线故障处理时间长、巡检工作量大等问题,文章介绍了利用数字孪生技术与设备状态预测技术相结合,实现"四线一库"计量检定流水线的全自动无人值守与精益化运维的方法及其系统.在某省电力公司的应用结果表明,在"四线一库"计量检定流水线的数字孪生系统中应用马尔科夫链预测技术可使平均巡检时间下降30％,平均故障处理时间下降30％,能有效提高该类检定流水线的可靠性与高效性.     

视频识别技术在电网立体仓储堆垛机钢丝绳运行状态监测中的应用研究

为改善传统方法对电网立体仓储堆垛机钢丝绳运行状态管理,解决传统人工进行钢丝绳定期检查管理存在 的问题,提高电网立体仓储库房整体运行可靠性与效率,解决无法及时发现设备缺陷造成的设备故障等问题,通过将 视频图像识别技术与神经卷积算法结合,对堆垛机钢丝绳运行状态进行实时管理,加强对钢丝绳跳丝、断股等问题的 监控.应用该方法后钢丝绳运行故障率下降,安全运行可靠性获得了大幅度的提升,减轻了现场作业人员设备巡检负 担,提高了电网立体仓储库房整体生产工作效率与数字化管理水平.该研究为电网立体仓储堆垛机钢丝绳运行状态管 理提供了一种高效的新方法.     

基于数字孪生的电力计量设备自动化生产技术研究

近几年来，传统的单线生产技术已经不能适应新一代电气制造业的发展、设备信息化的发展和网络扩展的需要。电能表的设计和制造大多采用串口模式，产品的生产效率较低。因此，提出了一种基于数字孪生的智能制造业柔性生产线系统。首先，构建了智能制造柔性生产线的数字孪生环境。然后以改进的卷积神经网络模型为主要训练网络，建立了设备多源信息实时交互的方法和机制。最后，建立了电力计量设备“四线一库一平台”的核心流程，采用无人工干预的自动化作业方式，实现了计量检定工作的精益化管理，为电气制造行业提供了有效、可靠的数字孪生整体解决方案。