交互式电能量大数据人工智能平台构建

针对人工智能技术在电能计量行业中的应用,从南方电网电能量数据中心人工智能平台构建项目研究进展出发,构建交互式电能量大数据人工智能平台。平台主要分为电能量数据接入层、智能算法层和可交互业务应用层。本文首先通过对平台架构进行整体性的概述,阐明层次关系以及各层次中包含的主要内容;然后介绍电能量数据接入层、智能算法层的功能作用,设计理念以及内部逻辑。最后重点介绍可交互业务应用层以及简单阐述系统实现,详细介绍本系统用到的几种主要交互方式,阐述如何与电能量人工智能平台业务相结合,提高电力人员使用系统的便捷性和交互性。     

基于大数据的智能配电网运行监控平台关键技术研究与应用

通过挖掘配电自动化的应用潜力,整合、集成原来分散使用的孤岛信息资源,研究省、市、县配电网运行数据逐级贯穿支撑体系、配电网运行大数据处理、多专业数据集成与融合等关键技术,构建配电网在线控制平台,实现省域配电网透明化、实时化、全景化管理,并为全省一体化运维提供技术支撑。实践运行证明,基于大数据的智能配电网运行监控平台,可实时、在线、全面掌控各市县配电网运行状态,实现配电网"由下而上"向"自上而下"管理模式的转变。     

江苏电网运行数据集成应用平台总体设计

目前电力系统生产大区和管理大区存在着信息断层,信息的可见性和数据的可用性都比较弱。针对这一问题,提出了江苏电网运行数据集成应用平台的总体设计方案,给出了设计原则．从理论、研究分析以及应用案例等几个方面证明了遵循公共信息模型／组件接口规范（CIM／CIS）是电力信息集成的正确方向,有效保障了江苏电网运行数据集成应用平台的标准化、规范化。     

大数据技术在文档管理平台上的应用

企业被有效管理的数据只有20%,也就是我们通常所说的结构化数据,这些数据基本都存储在各大应用系统中:如ERP、CRM、财务系统等。另外80%的数据是被忽视的或者说是缺乏有效手段进行管理的,这些数据也就是我们日常接触和产生的最多的数据也称之为非结构化数据:如Office文档、电子邮件、合同,单据等等。企业通常缺乏一个有效的手段对这些数据进行管理。为了应对这些挑战,欧美和国内的成熟企业早在十几年前就引入了大数据管理的理念,这是一种战略、方法和工具来帮助企业获取、管理、存储、保护、呈现与企业组织流程相关的数据内容以及文档。     

基于大数据架构的综合能源监控系统平台技术研究

为供能服务商、企业用户以及政府机构提供更好的综合能源信息服务至关重要,因此越来越多的能源大数据中心已启动建设和运营,以促进广泛的数据汇聚融通、共享交换和大数据分析。给出了一种基于大数据架构的综合能源监控系统平台设计方案。首先,梳理了综合能源监控系统平台的需求及架构设计;其次,分析了综合能源监控系统平台设计的关键技术,包括数据的采集和传输、海量数据的建模和存储、数据监测和质量提升、数据共享交换流程机制等,实现大数据情况下的高效应用;最后,通过综合能源监控系统平台的核心功能的开发,以及在我国多个省市的实际应用效果分析,验证了所提技术的有效性。     

基于大数据与人工智能技术的电力在线技术监督平台建设方案

本文结合内蒙古电网特点,介绍了内蒙古全区发电侧电力在线技术监督平台的设计方案。首先,明确提出了内蒙古电力在线技术监督平台的架构设计方案及应遵循相关要求,并对基于源、网、荷综合数据基础上重点开发的功能模块进行介绍;同时,结合平台建设中数据预处理等实际案例,详细阐述了云计算、人工智能与大数据技术相结合的具体应用策略以及在未来电力行业的应用;重点分享了在平台定位、功能设计、模块开发、网络架构设计等方面的一些思考和经验,以期为电力系统大数据技术的应用与开发提供有益借鉴。     

智能电网监控运行大数据分析系统总体设计

电网监控数据具有多源、高维、先验、异构的特点,传统依靠人工经验的电网监控运行分析技术已无法满足大电网集中调控、一体化运行的发展要求,需要实现电网监控运行全过程信息的高效汇集和智能挖掘分析,以提高监控人员对电网实时运行状态的主动感知能力。文中通过分析现有业务系统在数据规范和分析手段等方面的局限性,阐明了建设智能电网监控运行大数据分析系统的必要性,提出了以监控业务需求为引领的"数据到模型,模型到应用"的技术路线,设计了涵盖数据接入至业务应用自下而上的整体架构,构建了统计分析中心、趋势预警中心、智能搜索中心及可视化展示中心的功能体系,取得了规范化数据接入、全过程数据处理及大数据因果分析建模等关键技术的突破,形成了事前异常趋势预警,事中快速处置和事后闭环分析的管理模式。根据示范工程的建设和试点运行情况,介绍监控运行大数据分析系统在数据规范处理、业务分析建模和监控业务管理方面的应用成效及未来应用展望。     

国网湖南电力营销大数据监控分析平台

正~~     

大数据与人工智能实验室

<正>国网河北省电力有限公司大数据与人工智能实验室主要开展基于大数据的业务分析,XGBOOST、Resnet、GAN、FASTRER-CNN等前沿算法研究,Hadoop、Spark、Openstack等先进框架的适用性研究、大数据与人工智能技术典型应用场景研究、电力大数据跨界应用研究,海量数据交互、汇聚及安全防护策略研究。实验室依托单位为国网河北省电力有限公司电力科学研究院,于2018年7月挂牌成立,占地面积     

基于大数据的电力环保数据平台建设

针对火电环保领域海量的环保数据无法高度利用问题,本文采用大数据、人工智能和机器学习等信息技术,构建国家能源集团的基于大数据的火电厂智慧环保平台,结合龙源环保公司脱硫、脱硝系统方面的专业技术和优化运行模型,将海量的脱硫脱硝等环保数据全部纳入管理,对电厂开展了深层挖掘数据使用价值的研究。建设覆盖公司全管理领域和业务领域的智慧环保大数据平台,打造集数据采集、数据处理、监测管理、预测预警、优化运行、深度分析于一体的大数据中心。实现火电厂环保岛系统的智能控制和智慧管控,提升公司脱硫脱硝系统专业化服务能力和智慧化服务水平。本文以北京国电龙源环保工程有限公司为例,进行了环保数据平台建设,实现设备的全生命周期管理,帮助运维负责人员实现对企业环保资产的有效管理。     

交互式电能量大数据人工智能平台构建北大核心CSCD

针对人工智能技术在电能计量行业中的应用,从南方电网电能量数据中心人工智能平台构建项目研究进展出发,构建交互式电能量大数据人工智能平台。平台主要分为电能量数据接入层、智能算法层和可交互业务应用层。本文首先通过对平台架构进行整体性的概述,阐明层次关系以及各层次中包含的主要内容;然后介绍电能量数据接入层、智能算法层的功能作用,设计理念以及内部逻辑。最后重点介绍可交互业务应用层以及简单阐述系统实现,详细介绍本系统用到的几种主要交互方式,阐述如何与电能量人工智能平台业务相结合,提高电力人员使用系统的便捷性和交互性。     

基于大数据技术应用的智能电网监控系统研究

<正>近年来随着我国电网的快速发展,越来越多新兴技术的应用,我国电网已经逐步转化为能量流、信息流深入融合的能源互联网,电力数据类型与规模的迅猛增长,电力行业已经全面进入到大数据时代,智能化、智慧化已经成为电力建设的主要方向。监控系统作为保障电力系统稳定、安全运行的基础,推进智能电网监控系统建设就成为电网建设的基础所在。基于此,结合当前信息技术动态,深入分析了基于大数据技术应用的智能电网监控系统。     

基于大数据应用和人工智能决策的电网辅助控制体系探讨

针对电网实时调度业务引入人工智能技术,基于大数据应用和人工智能思维决策,以安全防误为准则,打通横纵向业务系统,构建辅助调控人员开展日常业务工作的一体化、自动化、智能化的体系.该体系实现了降低调控人员负载率及提高电网操作安全性、便捷性的目标,具备安全防误、基于专家库的主动电网异常辅助决策等能力,实现了辅助驾驶与自动驾驶,...     

基于大数据云平台的电力能源大数据采集与应用研究

随着智能电网建设的不断推进,电力系统中运行的采集终端数量大幅激增。面对采集到的海量用电数据,如何快速挖掘出有价值的信息,指导企业发展并服务社会民生,显得尤为迫切。文章介绍了利用分布式架构的用电信息采集系统采集用电数据,建立大数据云平台,通过BP神经网络算法等大数据分析方法,提高线损治理成效,实现负荷的准确预测,并在光伏、车辆网等新的领域对电力能源大数据应用的研究进行了展望,对未来电力能源大数据的深化应用有重要的指导意义。     

基于大数据和人工智能的电力安全监管新模式探索

针对传统电力安全监管模式存在监督方式单一、安全监管覆盖率低等问题,运用大数据和人工智能新技术,构建数字化、智能化、立体化的安全监管新模式,助力打造本质安全型企业。     

基于大数据平台的电压质量诊断与应用分析

针对传统电压质量异常识别方法效率低下,难以做到全面的识别与监控的问题。文中搭建了电压质量诊断与分析平台模型,通过主成分分析得到影响端用户电压监测分析、配网低压台区运行状态分析等应用的主成分,对数据进行降维,实现数据的简化处理。聚类分析筛选出符合异常特征的电压异常数据,利用电压异常模型确定异常数据,生成电压异常识别结果。基于J2EE技术框架在末端用户电压监测分析、配网低压台区运行状态分析、配网线路故障判断分析等方面进行可视化展示。     

大数据平台在电力企业中的应用

大数据具有规模大、种类多、变化速度快、价值巨大但密度低的特点,大数据应用就是利用数据分析的方法从大数据中挖掘有效信息,为用户提供辅助决策,实现大数据价值的过程。从大数据的定义、特征及其平台三方面宏观介绍大数据技术研究现状,在此基础上分析大数据技术在电力企业中的应用,以电力信息通信客户服务系统中工单事件统计为例,展示了大数据平台的应用过程。     

基于电力大数据平台的三层数据过滤机制研究及应用

大数据技术是城市电网数字化规划中的重要工作内容,具有重要的理论和实践价值。但是这些数据体积大、类型多、更新速度快,为防止海量数据带来的分析干扰,提出了基于电力大数据平台的三层数据过滤机制,对过滤数据构建分段式小样本回归模型。该模型在上海某风力发电厂风机发电功率预测中进行应用,算例结果表明三层数据过滤机制有效地解决了庞大数据量的无序、可用性较低等问题,对整体数据具有良好的表征性,提升了预测精度,促进了电网信息价值密度的高质量提升。     

基于云平台监控数据的锂离子电池一致性评估

<正>基于电化学储能监测平台的实时监测数据,针对储能电站的电池组一致性进行深入分析。首先,通过电化学储能监测平台对电池的运行数据进行收集和整理,明确锂离子电池电压、温度和SOC等关键参量,形成一致性关键参量的表征。其次,提炼反映电池组一致性的评估特征数据。最后,研究运用基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法对异常单体电池进行筛选。实验证明,该算法能高效获取储能电站运行数据中的关键电气特征量,准确评估电池组一致性状况,同时能够迅速定位潜在故障的单体电池。此研究对于提升储能电站运行的稳定性,实现电池一致性的及时判断和异常单体电池的精准筛选具有显著的实际意义。     

大数据技术在电网数据上的应用

为了有效预测电厂机组出力情况,不仅要采用先进的预测方法,还要对机组出力数据进行合理的预处理.提出了电厂机组出力数据分析的一整套流程,包括数据集成、异常值预处理、数据可视化和电厂机组出力预测.以某省2018年机组出力数据为研究对象,选取一个燃煤电厂为例.经过数据集成、数据预处理和可视化展示,并用长短期记忆(LSTM)神经网络对电厂出力进行预测,LSTM预测得到的平均绝对百分比误差(MAPE)为10.90％,预测结果优于误差反向传播(BP)神经网络,BP神经网络预测得到的MAPE为11.61％.说明经过预处理的机组出力数据再用LSTM模型预测能达到良好的预测准确度.