简介:摘要:随着我国综合实力的稳步提升,各行各业也在快速发展,因此对电能的需求量愈来愈大,对电网运维质量的要求也愈来愈高。低压配电网(配电变压器台区,简称配电台区)是配电系统的末端环节,直接服务于用户,它的可靠运行是整个电网运行可靠性链条中的重要组成部分。然而,长期以来,在配电网的建设改造及自动化过程中主要集中在中压配电网( 10kV配电网)方面,陆续在中压配电网方面投资已超几百亿,中压配电网无论是在网架结构、设备可靠性还是自动化、信息化水平均得到了极大提升,故障率明显下降,并且初步实现了故障的定位隔离以及部分核心区或重要线路的半自动化集中负荷转供,但在低压配电网方面仅停留在通过切割低压负荷、新增配电台区、调整三相负荷、更换低压线路线径等方式解决“低电压”、超重载和三相不平衡治理等问题。鉴于此,文章结合笔者多年工作经验,对基于深度学习的配电设备智能识别技术研究提出了一些建议,仅供参考。
简介:摘要:随着我国电力系统的建立,以及电力系统在最近几年里的发展,负荷预测的作用将会越来越突出。电力系统的调度运行还有生产在很大程度上会受到电力系统负荷预测结果的影响,负荷预测结果的准确性越高,电力系统运行的安全性与稳定性越好。不过,在短期电力负荷预测的过程中,传统模型已经没有办法既考虑到负荷数据时效性,又考虑到负荷数据非线性这两个主要的特点。因此,本文对基于深度学习的LSTM长短记忆神经网络的电力负荷预测方法进行了研究,并使用该方法对电力负荷值进行了计算,基本上可以确定LSTM网络在预测电力负荷时误差是最小的,所达到的预测效果也是最好的。
简介:摘要:在当今的生产生活中,许多工作人员没有足够的安全意识,在施工过程中,不按规定佩戴安全帽,给自身的安全带来威胁。由于人工监管佩戴安全帽耗时耗力,且随着图像处理技术的迅速发展,图像识别技术逐渐被用在生产领域,因此,利用深度学习与图像处理技术相结合,让机器自动识别监督工作人员佩戴安全帽的研究十分具有意义。
简介:摘要: 随着大规模分布式电源 (DG)接入配电网,配电网的结构由传统的辐射型变为多端电源结构,传统的故障定位方法不再完全满足含 DG的配电网系统,对此提出一种基于深度学习的有源配电网故障定位方法。首先通过馈线监控终端采集过电流故障数据与节点电压数据,结合各电源出力数据,形成故障数据向量 ;然后使用 Tensor F low构建基于全连接网络的深度神经网络模型,挖掘故障数据向量与故障支路之间的映射联系,形成故障定位模型 ;最后利用该模型在线定位故障并验证其有效性。模型测试结果表示,与反向传播神经网络、学习向量量化神经网络模型相比,深度学习模型收敛速度更快,故障定位准确率更高,同时在数据畸变或缺失时,模型具有较高的容错性。
简介:摘要 :技术发展水平的不断进步以及社会各界用电需求的不断增长很大程度上对于电力生产的安全性提出了更高的要求。由于电力系统当中涉及的机械设备越来越多样化,电力施工与维护检修的难度也有所加大,相关技术人员必须全面掌握电力安全生产情况,才能够将安全隐患事故的发生概率降低到最小。构建电力安全生产监督管理云平台不仅能够很大程度上减轻维护检修人员的工作难度,同时也能够帮助其获得更为多样化的数据信息,时期有针对性的落实维护检修工作。将深度学习引入到电力安全生产监督管理云平台当中,能够在原有的基础之上大幅度提升监督与管控能力,降低不必要的成本消耗。在这篇文章当中,我们就具体对于深度学习在电力安全生产监督管理云平台中的应用进行了研究和分析。
简介:摘要:无人机巡检已成为电力线路杆塔巡检的重要方式。然而,目前的无人机巡检仍主要通过人工方式评估线路灾损,不仅费时费力,而且准确率低。本文提出了一种基于深度学习算法的实时目标检测模型,通过无人机巡检视频实时检测电力杆塔的状态。通过对倒断类杆塔图像进行数据增广,解决了杆塔类别不平衡问题。通过使用 K-means算法对杆塔数据集的目标框进行重新聚类,改进了深度学习算法参数。测试结果表明,该模型能有效检测多种环境下多种尺度的杆塔目标。改进后的模型在测试集上的召回率和交并比较改进前有所提高,且平均均值精度达到 94.09%,检测速度达到 20顿 /s。此外,也对更快的简化版 YOLO模型进行了测试,检测速度能达到 30帧 /s。
简介:摘要:近期国家发改委、国家能源局发布了《关于开展“风光水火储一体化”“源网荷储一体化”的指导意见》征求意见稿,《指导意见》明确了新能源电力优先开发和消纳的原则。可再生能源的成本随着技术进步及大规模工业化生产应用逐年降低,新能源产业趋势逐步清晰。随着国内能源结构调整,火电机组成为电网调峰主力。经过总结经验,在完成深调任务同时保障设备安全。