基于人工智能的海量电网GIS数据动态调度方法

针对电网GIS数据量大,导致数据调度结果不理想、调度响应时间过长的问题,提出了基于人工智能的海量电网GIS数据动态调度方法。压缩海量电网GIS数据,使用人工智能调度的神经网络方法,构建误差修补函数,修改神经网络权值,生成人工智能调度模型。在R树数据结构下对所有数据进行缓存,改变当前视野范围,并将查询到的压缩数据以格式字符串形式返回给客户端。结合人工智能调度的数据动态渲染方法,实现了基础地理和电网设备符号的实时绘制,缩短了数据动态调度响应时间,由此完成数据动态调度。实验结果表明,所提方法与实际数据存在最大为10 kB的误差,且调度响应时间为100 s,具有较好的调度效果,能够有效缩短调度响应时间。     

基于数字孪生的变电站运行状态评估模型设计

针对当前变电站运行状态评估结果不精准的问题，提出了基于数字孪生的变电站运行状态评估模型设计。计算变电站设备评估值与真实值误差，使用滑动平均法对变电站运行数据预处理。以反馈信号为指标，对变电站运行状态评分。根据评分结果，判断变电站各个设备运行情况，确定设备孪生程度。使用数字孪生技术为物理对象创建虚拟模型，并通过三维场景展示。根据专家打分获取判断矩阵，进行一致性检验。在保证权重分配合理情况下，构建变电站数字孪生运行状态评估模型。实验结果表明，该模型变压器绕组响应结果与真实值存在最大为1 dB的误差，说明使用该模型评估结果精准。