燃气管网控制系统信息安全监测与防护

燃气作为发电系统的重要原料,其供应安全事关国计民生。燃气管网数据采集与监视控制(SCADA)系统可以实时采集门站、调压站、调压箱/柜等站点的工艺运行参数,实现对燃气管网和工艺设备运行情况的自动/连续监视、管理和数据统计。随着网络应用的增加,城镇燃气管网信息安全面临新的挑战。通过分析燃气管网SCADA系统典型的控制结构,对城镇燃气管网信息系统应用的网络安全技术和现存的网络安全问题进行了研究。就现有控制系统的安全问题,提出了针对性的安全防护技术要求、网络架构设计方案和网络端点防护措施;并针对燃气管网中的实际安全问题,提供了完整的安全监测和防护方案。对试点燃气企业的控制系统防护建设效果进行了阐述,并就未来燃气管网控制系统安全的演进路线,提出了安全平台化、人工智能、虚拟防火墙等几个重要的技术发展方向。     

基于视觉识别的智能巡检机器人系统设计

本项目研究一种基于具有视觉识别功能的自动巡线机器人,以及对应数据集中监控服务,构成电力生产部门嵌入式智慧集控模式。系统具有现场采集图像信息、信号故障自动识别、故障报警、区域温度报警、趋势分析及报警、自动生成巡检报告功能。     

国产分散控制系统主要性能测试对比

对国内各大厂家分散控制系统（DCS）主要性能和应用功能进行测试,选用4套国产自主可控DCS、4套国产其他DCS及1套进口DCS,对控制器和网络切换稳定性、数据采集实时性、抗干扰能力、电源适应性、专用功能块的适用性以及系统其他主要特性进行测试对比。测试结果表明:在主要性能及应用功能方面,国产自主可控DCS与进口DCS已基本无差距;大部分自主可控DCS处理器运行速度、网络传输实时性及抗干扰性优于进口DCS,处理器切换稳定性整体与进口DCS齐平;各大厂家DCS主要性能和应用功能均已基本满足要求,部分指标高于行业标准要求,如在实际应用基础上对系统易用性进行加强,则国产DCS的使用效果会更好。     

基于迁移学习卷积神经网络的电缆隧道锈蚀识别算法

随着电力行业的不断发展,高压电缆的铺排以及地下电缆隧道的建设与维护逐渐成为该领域中的热点问题之一。将迁移学习的核心思想与经典的卷积神经网络（LeNet5）相结合,提出了一种基于迁移学习卷积神经网络的电缆隧道锈蚀识别算法,实现了电缆隧道内部电源箱、风机等设备的锈蚀识别。该算法基于Tensorflow框架,能够有效地解决训练样本不足、训练时间冗长以及识别精度不高的问题。通过引入4种经典的目标识别算法进行对比实验,进一步验证了所提方案在网络训练时间以及识别精确度上的优势,为后续电缆隧道巡检机器人系统的构建提供了坚实的理论基础与实验支撑。