电力物联网关键技术研究综述

来源 :电力信息与通信技术 | 被引量 : 0次 | 上传用户:zhangyangyingzi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着电网数字化转型程度不断加深,电力物联网的建设面临高接入、高并发、高交互的挑战.文章在现有电力物联网技术研究基础上,从终端接入、边缘计算和平台应用3个方面,对电力物联网关键技术展开研究综述.终端接入方面,介绍了负载均衡技术在电力物联网终端接入中的应用,提出一种用算法实现海量终端的灵活接入和智能感知的思路;边缘计算方面,讨论了边缘计算技术缓解数据传输压力实现电力物联网业务实时性的可能性,并详细阐述了边缘计算缓存技术发展现状;平台应用方面,研究了电力物联网平台应用层实现多业务快速集成的相关技术,分别从自适应系统、微服务体系架构和可扩展网络架构3个方面进行讨论.最后,总结电力物联网关键技术研究意义并对未来研究方向进行展望.
其他文献
为解决低压配电网络户变关系不准确带来的台区线损统计、排查困难等问题,根据电力大数据技术,提出了基于变压器低压侧和用户侧电压时序数据聚类的配电台区户变关系智能识别方法.首先,采用改进的动态时间规整算法计算用户时序电压序列的相似度;其次,提出基于自组织特征映射算法与K-means算法相结合的两阶段聚类方法,结合时序数据相似度实现基于形状的快速聚类,将连接同一变压器同相位下的用户聚成一类,实现台区户变关系的智能识别;最后,利用实际配电网的台区量测数据进行仿真验证和分析,仿真结果证明了本文所提方法的有效性.
为了提高短期电力负荷预测精度,提出了运用相似日选择与长短期记忆的短期负荷双向组合预测方法.首先,以关联度大小为标准,根据归一化后的待预测日气象因素序列确定数据集;然后,使用长短期记忆神经网络分别进行横向预测和纵向预测,利用最小方差法计算每一个采样点的横向、纵向预测值的权重,得出双向组合预测结果;最后,充分考虑气象因素对负荷数据的影响,利用最小方差法兼顾负荷数据的时序性、日周期规律性和非线性三者之间的关系进行实验,实验结果表明该方法的预测效果更佳.
变压器的安全运行是电力系统可靠供电的重要环节,而变压器油中溶解气体浓度变化是变压器运行状态监测的重要组成部分.本文以变压器油中溶解气体浓度为监测信息,提出了一种结合贝叶斯概率矩阵分解和长短期记忆神经网络的变压器运行状态监测方法.首先,针对油中溶解气体实际监测时存在的数据缺失问题,采用贝叶斯概率矩阵分解对缺失数据进行预测填补;然后,利用皮尔森相关系数和长短期记忆神经网络构建油中气体监测浓度变化趋势的预测模型,进而实现变压器运行状态的监测.实例分析结果表明,该方法可以有效填补监测数据缺失部分,准确预测油中溶解