排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
针对现有电网模型中心建设模式中存在系统异构、模型交互效率低、交互过程自动化水平不高等问题,文中提出一种基于厂站粒度的电网模型中心构建方法。通过研究基于厂站粒度的电网模型交互技术和按需模型代理服务机制,解决调度系统间模型中心建设中存在的模型融合、交互效率、安全性,以及模型分区维护方面存在的问题。文中通过实际电网系统的案例,验证了以厂站为粒度的电网模型中心构建方法能够对模型中心建设中的模型交互效率、模型质量、自动化维护水平等方面进行改善和提高,解决异构调度系统接入模型中心存在的问题。 相似文献
2.
3.
针对智能电网调度控制系统在电网调控业务的未来模型和历史模型管理方面的不足,本文提出了一种基于应用与时间维度的电网模型多版本构建与管理技术,使用轻量级文件数据库与CIM/E文件作为多版本模型数据持久化存储介质,实现多个版本的安全隔离,以模型集为逻辑单元对电网不同业务模型进行分类,进而实现不同业务多时态模型版本构建与管理的技术方案,并对多版本间的模型比较与合并、未来版本模型验证与投在线流程管理等关键技术给出了具体的解决方案。该项技术已在调控中心试点应用,可满足多项业务应用对多时态版本模型的需求,提升了调控系统对未来模型构建、历史模型回溯、模型共享等方面的支撑能力。 相似文献
4.
近年来,异常检测在电力系统运维、故障诊断等智能运维场景中起到关键作用。其中,深度学习在时序数据异常检测上取得了成功的应用。然而,基于长短期记忆(Long Short-Term Memory, LSTM)等异常检测方法因其序列学习模式中包含递归运算,导致模型难以并行计算,同时长期依赖性会导致模型性能下降。因此,提出了一种基于Transformer的时序数据异常检测方法,利用自注意力机制并行训练数据捕获内部有效信息,利用编码-解码框架使用端到端的方式通过时序数据生成异常得分。这个方法能更完整地提取时序数据的上下文关系,精确地捕获时序数据的异常关系。经实验证明,基于Transformer的时序数据异常检测方法在WADI、SWaT、KDDCUP99与AIOPS18等数据集上的异常检测表现出比其他方法更优的性能。 相似文献
5.
6.
人工智能是新一轮产业变革的核心驱动力,在全球范围内受到广泛关注,掀起了产业智能化的浪潮。目前人工智能技术在电网调控领域业务场景中已有初步应用成果,但是缺乏架构性、系统性的研究。提出了适应调控领域应用场景的人工智能平台架构,基于调控云构建可扩展的人工智能通用算法框架,同时阐述了分布式深度学习、电网调控领域知识图谱等相关关键技术,并对人工智能平台在调控业务场景中的应用进行了分析。该平台架构具备算力、数据、算法到上层应用的全能力覆盖,能够为人工智能技术在调控领域应用场景中的快速推进提供全面技术支撑。 相似文献
7.
随着中国智能电网规模与复杂性的不断增加,针对未来态电网模型的应用需求日益强烈,现阶段调度自动化系统对于未来态建模缺乏快速高效的建模手段,缺乏上下级调度系统间未来模型的协调融合机制。通过研究电网未来模型管理体系架构,在不影响实时系统安全稳定运行的前提下,通过数据分片技术、分布式文件数据库的应用,通过基于消息中间件数据交互技术和以厂站为粒度的未来模型融合方法,实现模型未来版本维护环境的快速构建,实现网省一体化的未来模型融合的高效管理,满足不同应用对未来图模多版本维护的需求并为应用计算提供了一整套的解决方案。 相似文献
8.
9.
传统的电网模型维护与共享方法已不能满足当前特高压互联大电网环境下各类分析应用对电网模型质量的要求。文中提出面向服务的电网调控模型中心体系架构,设计了模型中心架构下的模型维护流程。在此基础上,研究了源端透明维护、一致性提交、维护权限控制、模型按需定制等关键技术,实现电网模型源端分责维护、云端统一存储和全网按需共享。所开发电网调控模型中心系统已在多个省级电网调控中心推广,应用结果表明,所提方案可提高多级调控机构之间模型参数的一致性、准确性和模型交互共享的实时性。 相似文献
10.