基于深度学习的输变电设备异常发热点红外图片目标检测方法

随着红外热成像检测技术在变电站巡检机器人及输电线路无人机等检测平台的广泛应用,大量输变电设备红外异常发热故障的红外图片需要人工定期进行评估诊断,亟待需要智能算法对图片进行智能诊断。当前经典的机器学习算法难以有效识别输变电设备红外图像故障异常发热点。基于人工智能深度学习理论,本文采用了深度学习算法体系中基于区域建议网络的Faster RCNN算法实现对输变电红外图像发热故障的检测、识别及定位。本文以红外热成像仪采集到的输变电设备发热故障图像库为基础,对数据集进行人工标注包围框,通过交替训练构建网络共享参数,构建输变电设备异常发热红外智能检测模型。所描述的方法为输变电设备红外热成像智能检测提供了新思路。     

三维数字化智能化技术在输变电工程设计中的深化研究

传统基于知识模型的输变电工程设计方法,存在输变电工程施工质量粗糙、施工结果经济效益低的问题。因此,提出基于三维数字化智能化技术的输变电工程设计方法,设计智能输变电工程的工作模式,基于该种工作模式得到输变电工程的三维协同设计流程,对输变电工程三维协同设计平台进行搭建,缩短输变电工程的设计周期,使输变电工程设计的效率大大提高。通过三维协同数据库的数字化移交对输变电工程信息进行分类整理,实现多人同时进行信息查看、修改的功能,设计输变电工程三维校验过程,实现对输变电工程的安全距离和碰撞的检测,提高工程设计的准确性。实验结果表明,所提方法可以提高输变电工程的设计效率和质量,具有较高的社会性和经济性评价效果。     

基于深度学习的输电线路故障类型辨识

随着新能源大规模接入和负荷随机行为的出现,输电线路故障特征的构造和选择日趋困难。基于深度学习理论,提出了一种对故障数据进行特征自学习进而实现输电线路故障类型辨识的方法,并通过Ornstein-Uhlenbeck过程更好地模拟了分布式随机性电网的负荷波动。首先,利用PSS\E的PythonAPI编写脚本实现故障的自动化批量仿真,以构建深度学习所需的海量数据集。然后,基于TensorFlow平台对预处理后的高维时空故障样本实现基于深度网络的故障类型辨识,并采用深度自动编码器来可视化分析深度学习的分类效果。最后,以含光伏发电模型的PSS\E23节点系统为例,对所提方法进行验证。仿真结果表明,文中所述方法可基本达到99.99%的辨识正确率,不受故障线路、故障阻抗、故障位置、电压扰动、频率扰动和负荷波动的影响,且能够应对电网运行过程中的噪声干扰。     

深度信念网络在电能质量复合扰动识别中的应用

针对电能质量复合扰动信号数据量大、识别效率低的问题,提出一种基于压缩感知理论和深度信念网络的电能质量复合扰动识别方法。首先通过压缩感知理论得到原始扰动信号的测量值,并基于正交匹配追踪算法求得稀疏向量;其次构建深度信念网络分类模型,将稀疏向量作为网络的输入,通过对比散度学习算法训练网络,实现扰动信号的分类;最后对14种常见扰动信号进行仿真验证,仿真结果表明,该方法有效地减少了所需处理的扰动数据量,并且对单一扰动和复合扰动都有效且具有很高的识别效率。     

基于深度置信网络和随机森林的电力扰动检测方法

电力扰动数据中包含着大量与设备异常运行状态有关的信息,某些设备的扰动特征很微弱,但却会对设备的运行产生一定的影响,对这些扰动数据的检测将有利于准确感知设备运行状态,防止设备发生故障。提出了一种基于深度置信网络的电力扰动数据检测方法,利用深度置信网络强大的特征提取能力,自动学习出蕴含在扰动数据中的隐藏特征,摆脱人为提取特征的依赖。最后将学习到的特征作为随机森林的输入,实现对电力扰动数据的检测。利用某变电站记录到的实测数据和PSCAD/EMTDC中的仿真数据进行了验证,结果表明所提方法能够准确检测出电力扰动数据,证实了利用深度置信网络检测电力扰动数据的可行性。     

基于大数据的输变电设备缺陷评估示范平台设计

针对当前电网可靠性问题,结合输变电运行特点,在输变电设备缺陷分析平台需求基础上,提出一种基于Hadoop的输变电设备缺陷分析平台。首先分析该平台的需求,并给出系统整体架构;其次从数据存储和查询效率入手,采用Hadoop架构对数据进行存储,采用CMCH算法提高数据查询效率。再次构建设备缺陷评估模块,通过加权分值计算方式,实现设备缺陷等级的划分;最后通过搭建Hadoop平台对该方案进行验证,结果表明,该方案可有效提高数据查询能力,实现对输变电设备缺陷数据的处理。     

浅谈输变电工程施工现场的质量控制要点

输变电工程的质量安全关系到输电安全,关系到输电设备的稳定性,如果输变电工程质量出现问题,将会给输变电质量带来严重影响。本文首先介绍了输变电工程施工管理的内容及意义,然后就质量控制的要点进行了详细介绍。     

扰动补偿的陀螺稳定平台单神经元自适应PI控制

针对陀螺稳定平台受未知非线性干扰的影响,提出了一种基于扰动补偿的单神经元自适应PI控制策略.利用扰动观测器观测出各种扰动,将其作为补偿信号前馈到控制输入端,提高平台的抗干扰能力;同时利用神经元的自学习和自适应力对PI参数进行在线调整,保证了平台在外界扰动和系统参数变化情况下对目标稳定跟踪的能力.通过在某型号实验装置上的试验结果表明,该方法对不确定扰动具有较强的抗干扰能力,提升了稳定平台的自适应性和鲁棒性.     

山西电网输变电状态监测中心的设计实现

针对山西电网状态监测信息分散的问题,分析了输变电设备状态量监测的新思路、新方法,设计实现山西电网基于面向服务架构的输变电状态监测中心,为输变电状态监测数据的集中有效统一管理、智能分析、实时诊断提供了基础平台。     

计及高阶统计量和深度学习的抗噪孤岛检测方法

分布式电源持续的规模化接入给微电网运行引入了显著的不确定性与噪声,增加了配电网监视的难度。而孤岛检测设备易受电网扰动干扰而误动作,导致分布式电源被切除运行,孤岛检测装置必须能够在噪声环境中准确区分判别扰动与孤岛情形。文中将基于多尺度高阶奇异谱熵的深度学习概念应用于孤岛检测问题,提出一种结合经验模态分解与高阶奇异谱熵的新型混合深度学习架构。作为经验模态分解后的信号处理方法,多尺度高阶奇异谱熵结合多分辨率高阶统计分析与谱分析并以熵值作为特征提取输出,进而通过深度学习架构对所提取的孤岛与扰动特征量进行训练及测试。仿真结果表明所提方法能够实现孤岛的准确检测,从而避免分布式电源退出运行。     

智能化现场作业管控平台的设计与实现

从电力工程现场作业安全管理需求出发,借助深度学习算法、图像识别等多种技术构建了智能化现场作业管控平台,对施工作业现场的人员、设备以及环境进行一体化智能管控,为电力工程的现场作业提供完善的智能化管控手段。     

基于稀疏自动编码器深度神经网络的电能质量扰动分类方法

针对智能电网日益突出的电能质量扰动问题,提出了一种基于稀疏自动编码器(SAE)深度神经网络的电能质量扰动分类方法。利用SAE对电能质量扰动原始数据进行无监督特征学习,自动提取数据特征的稀疏特征表达;通过堆栈式稀疏自动编码器(SSAE)进行逐层学习,获得电能质量扰动数据的深层次特征;将其连接到softmax分类器进行微调训练,并输出电能质量扰动事件分类结果。利用已添加高斯白噪声的数据对SSAE进行训练,以提高其特征表达的抗噪声能力。仿真结果表明,所提方法能够准确地识别包含2种复合扰动在内的9种电能质量扰动信号,并且具有很好的鲁棒性。     

欧洲电网互联现状分析及其对构建能源互联网的启示

欧洲电网是世界上最大区域互联电网,也是世界上少见的实现了多国互联运行的电网。欧洲电网的电源装机总量全球最大,其对可再生能源的接纳和利用,也是各国推进能源转型、促进高比例的可再生能源消纳的学习典范。在分析欧洲电网各国当前电源结构、负荷特性和电网互联现状的基础上,总结了几个主要欧洲国家目前电网的发展情况以及它们与周边邻国互联现状的主要特征。此外,在对具体的电网数据分析的基础上,分析了构建能源互联网在物理平台、信息平台和融资机制3个方面可能的建设需求,总结了欧洲电网的发展对于构建能源互联网的3点启示。该文的分析和结论,对能源互联网的深入研究具有一定的参考价值。     

基于SPWVD图像和深度迁移学习的强迫振荡源定位方法

强迫振荡扰动源的准确定位是消除强迫振荡、恢复电力系统正常运行的关键。文中提出一种基于平滑伪Wigner-Ville分布(SPWVD)图像和深度迁移学习的强迫振荡扰动源定位方法。首先对强迫振荡信号采用SPWVD方法以图像形式表征全网强迫振荡特征信息,然后通过深度迁移学习将其他领域的图像识别知识迁移到电力系统领域,挖掘振荡图像与扰动源位置之间的联系,在保证训练准确度的同时,提升了训练效率。在WECC 179节点系统中的算例验证了该方法的有效性,并且相比于传统机器学习方法具有准确率高的优势。此外还考虑振荡数据中的噪声、录波起始时间以及数据长度验证了所提方法的准确性和抗噪性,并在由负荷引发的强迫振荡和系统拓扑发生变化的情况下,验证了方法的有效性。     

莫斯科大停电分析及启示

详细分析了莫斯科大停电事故发生、发展阶段调度运行人员在安排方式、限制负荷等方面存在的问题,指出接近极限输电、稳定控制装置配置不完善、运行人员培训不利、电网建设滞后等是事故的深层次原因。提出了为吸取莫斯科大停电的教训,我国应从加强第三道防线建设、加强无功电源建设及管理、加快电网建设等硬件方面及坚持统一调度分级管理、加强运行及设备监视、加强调度人员培训等软件建设等方面应作好的相关工作。     

DBQ系列塔吊和FZQ系列附臂吊在锅炉钢架吊装施工中的应用

内蒙古上都发电厂三期2×660 MW机组基建项目工程锅炉钢架采用全钢结构,由柱、梁、垂直支撑、水平支撑、次梁、顶板梁和平台扶梯组成。在大件吊装施工过程中,特别是B、C、D大板粱,因质量、体积大且高度高,施工难度大。另外,受建设项目规划用地的制约,在建设施工场地小,火电机组设备布置紧凑、单件构件吊重大的情况下,通过分析现场施工条件、工程进度目标、塔吊机械性能、吊件单重、台班费用等因素,优选施工吊装技术,决定在锅炉B、C、D大板梁吊装施工中采用DBQ4000型塔吊和FZQ2000型附臂吊共同抬吊;在A、E板梁吊装施工中采用DBQ4000型塔吊和FZQ2000型附臂吊单独吊装就位的施工方法。实践证明,按照该方法进行锅炉钢架板梁吊装,取得了非常好的施工效果和经济效益。     

“互联网+全过程工程咨询服务”管理平台建设方案探讨

针对目前国内电力工程项目建设过程存在的问题,基于"互联网+"的理念,"互联网+"技术必将打破传统行业的经营理念与管理模式。提出"互联网+全过程工程咨询服务"管理创新平台,分析"互联网+全过程工程咨询服务"管理平台架构的建设路径,探讨电力工程全过程全生命周期咨询服务平台的建设方案。在国家大力推进新型电力系统建设的进程中,"互联网+全过程工程咨询服务"体系管理平台的建设将进一步提升全过程工程咨询服务水平,助力新型电力工程建设高质量发展。     

电力企业应用集成平台项目风险控制与管理

风险控制贯穿于电力企业应用集成平台项目建设的各个阶段,是项目管理中的重点和难点。其实质是以最为经济合理的方式消除风险导致的各种灾害性后果。为了达到合理规避应用集成项目建设过程中遇到的各类风险,将其风险降到最低,文章从应用集成平台项目建设过程中面临的五大风险出发,重点阐述风险的来源以及识别、分析与控制方法,通过对可能产生的风险进行全面分析后,有针对-陛地进行风险防范和控制,保证电力企业应用集成平台项目的顺利实施。     

山西电网统一视频监视平台的研究与应用

山西电网统一视频监视平台作为国网公司支撑智能电网试点信息化项目之一,在项目实施、部署、应用等方面积累了宝贵的经验。在剖析了平台建设的项目背景和建设目标,结合实际情况阐述了平台的总体架构、部署方式、软硬件配置、各项功能说明,最后列出了平台实现的技术创新点。通过平台建设,满足了山西电网在视频管理与视频应用的需求。     

基于深度学习的超短期光伏精细化预测模型研究

光伏发电系统的超短期功率预测对电网调度的计划安排及光伏发电系统的优化运行具有重要意义。机器学习、人工智能领域的技术进步为精细化分析光伏功率预测影响因素并提高光伏预测精度提供了有效途径。提出一种基于深度结构网络模型的光伏超短期功率预测方法,首先根据光伏发电系统的机理特征,分析深度学习算法处理光伏预测问题的可行性;然后提出基于深度学习算法的光伏功率预测模型,采用基于受限玻尔兹曼机的深度置信网络提取深层特征完成无监督学习过程,采用有监督BP神经网络作为常规拟合层获得预测结果;并立足于实际需求,建立含离线训练和在线预测的双阶段光伏发电预测系统,分析天气信息及历史信息的输入属性;最后利用光伏发电系统的实际运行数据进行仿真,验证算法准确性和有效性,通过比较深度结构是否包含无监督学习过程,说明其在预测中的重要性。