123,123,123

基于特征选择和优化CNN-BiLSTM-Attention对SF6断路器漏气故障诊断

SF6（六氟化硫）断路器是保障电网稳定运行的重要设备，但其在长期使用中容易发生漏气问题，既影响设备性能，又威胁电网的安全性。为精准诊断SF6断路器的漏气故障，提出了一种基于Gini指数特征选择和贝叶斯优化（Bayesian Optimization， BO）的CNN-BiLSTM-Attention组合模型。首先，针对影响SF6断路器漏气的内外部因素，进行特征映射与重要性分析，并采用KMeans-SMOTE技术解决数据分布不均的问题。其次，利用基于Gini指数的方法筛选关键特征，并通过贝叶斯优化精调CNN-BiLSTM-Attention模型的超参数以提升分类性能。实验结果表明，设备缺陷、运行年限、运维水平、天气和温度是导致漏气的主要因素。与其他模型相比，所提方法在漏气故障的0/1分类任务中展现出更高的分类精度和鲁棒性。研究不仅验证了方法的有效性，还揭示了引发SF6断路器漏气的关键因素，为设备巡检和运维管理提供了科学支持，进一步提升了电网运行的安全性与可靠性。

發(fā)表于：2025/6/18

电力系统较大波动数据条目自适应检索方法研究

针对电力系统数据具有复杂性、多样性特点，导致检索难度过高的问题，设计了电力系统较大波动数据条目自适应检索方法。依据电力系统出力变化率，选取二分量一维混合高斯模型，构建电力系统波动概率分布模型。对比概率分布模型模拟的电力系统波动数据与量测数据，依据判定阈值辨识电力系统较大波动数据条目，构建数据条目检索库。利用哈希函数获取检索库内较大波动数据条目的哈希特征，生成二值码。较大波动数据条目检索时，生成用户检索词的二值编码，计算检索词二值码与检索库内条目二值码的汉明距离，并对其加权处理，利用加权汉明距离排序数据条目，获取较大波动数据条目的自适应检索结果。实验结果表明，该方法能够依据用户输入的检索词，自适应检索电力系统较大波动数据条目，检索结果的归一化折损累积增益均高于0.9，检索时间低于500 ms。

發(fā)表于：2025/6/18

基于机器阅读理解的电力安全命名实体识别方法

为解决现有命名实体识别方法在电力安全规程等领域文本中识别效果不佳的问题，提出了一种基于机器阅读理解的电力安全命名实体识别方法。首先，使用预训练模型对待识别文本进行编码处理得到文本向量表示。其次，利用层次化注意力机制捕捉嵌套实体间的层次关系，重新分配文本序列的注意力权重；在此基础上，利用分类器预测文本中实体范围，得到最终实体识别结果。将该方法在ACE 2005与OntoNotes 4.0公开数据集上进行验证，对比主流方法其取得最优的识别效果，在电力安全领域实体识别场景下，该方法可达到89.3%的识别准确率，实现电力安全领域命名实体的精准识别。

發(fā)表于：2025/6/18

数据驱动的商业负荷集群动态聚合研究

商业负荷集群的动态聚合对提高电网的调度灵活性、优化需求侧管理以及促进可再生能源消纳具有重要意义。基于典型相关分析（CCA）选取商业负荷特征，并结合DBSCAN 和 K-means等聚类算法对负荷进行分类，以构建适用于不同场景的负荷集群。进一步，提出了三种负荷聚合标准，即基于调节速度、负荷稳定性和经济性的标准，并分析不同标准下的商业负荷聚合特性、适用性及其在电力调度中的潜在应用。

發(fā)表于：2025/6/18

AirGAN：空调机理模型增强生成对抗模型

为引导资源庞大、调控灵活的空调负荷参与需求响应实现“源荷互动”，保障电网的安全经济运行，各大研究单位开展了楼宇空调需求响应实时控制仿真与实践研究。然而，如何准确地估算空调的负荷，并对空调负荷进行预测是目前面临的重要挑战。当前主流方法包括模型驱动型、数据驱动型两种方法体系。其中模型驱动型依赖对空调负荷的建模，难以实现对空调负荷复杂变化的模拟。数据驱动则是依赖大量数据进行模型训练，但难以覆盖空调负荷的各类特点。为此，拟从模型驱动及数据驱动相结合的角度进行空调负荷的智能拟合，以提升空调负荷生成预测的准确性和适应性。提出了一种基于机制模型与生成对抗网络（GAN）相结合的负荷生成方法和模型AirGAN。该方法通过GAN生成器生成的虚拟数据，持续调整物理模型的超参数，以使其更好地符合实际空调负荷特性。同时，采用GAN判别器对机制模型预测的负荷进行判别，以此训练机制模型，从而提升其预测精度。

發(fā)表于：2025/6/18

华为携手清华大学与岳能科技，共同探索智慧新能源集控新未来

2025年6月11日至12日，“数字赋能·AI驱动——新能源智慧集控和数智化场站论坛”在上海练秋湖隆重举行。本次论坛由清华大学新型电力系统运行与控制全国重点实验室主办，国家能源互联网产业及技术创新联盟能源数字化专委会支持，华为技术有限公司与北京岳能科技股份有限公司联合承办，国家能源互联网产业与技术创新联盟能源数字化专委会协办。来自政府主管部门、科研机构、行业领军企业及产业链上下游的数百位嘉宾齐聚一堂，围绕新能源数智化转型的技术路径、实践成果与未来方向展开深入交流。

發(fā)表于：2025/6/18

智芯公司RISC-V 高性能CPU芯片通过赛西实验室权威检测

近日，智芯公司自主研发的RISC-V高性能CPU芯片通过工信部直属中国电子技术标准化研究院赛西实验室检测，标志着智芯公司在RISC-V高性能CPU芯片领域取得关键突破，自主研发实力获得权威认可。

發(fā)表于：2025/6/14

明阳电气获“旋转输送电设备”新专利认定

明阳电气（301291）新获得一项实用新型专利授权，专利名为“旋转输送电设备”，专利申请号为CN202421799459.8，授权日为2025年5月16日。

發(fā)表于：2025/6/13

华为数字能源发布全球首个构网型光储解决方案

6 月 11 日消息，在今日的上海 SNEC 展期间，华为数字能源举办了以“铸就高质量，激发 AI 潜能，开启全面构网新时代”为主题的华为智能光伏战略与新品发布会。华为发布了最新的智能光伏战略以及全球首个构网型光储解决方案 —— FusionSolar9.0 智能组串式构网型光储解决方案。同时，华为数字能源联合 13 家企业和组织发起全面构网倡议，推动加速进入全面构网新时代。

發(fā)表于：2025/6/12

我国自主研发的新能源大电网运控系统发布

5 月 20 日消息，据央视新闻从国家电网了解到，我国自主研发的高比例新能源大电网运行控制系统发布，标志着我国率先攻克了超大规模新能源接入大电网这一世界级难题。据了解，我国新能源装机占比目前已超过四成。随着新能源产业的快速发展，如何确保大规模新能源安全稳定接入大电网成为亟待解决的关键问题。为此，我国自主研发了新能源大电网运行控制系统。该系统覆盖国家电网经营区的 6 万多座变电站和数十万座新能源场站，具备单日 3.6 亿千瓦新能源的快速经济调配能力，支撑国家电网成为全球新能源消纳规模最大的电网。

發(fā)表于：2025/5/21

风力发电系统MPPT特性测控系统设计

在中小型永磁同步风力发电机中，桥式整流+DC/DC变换器拓扑具有结构简单的优点，其中DC/DC电路有Boost和Buck两种拓扑，探究两者的最大功率点跟踪（Maximum Power Point Tracking，MPPT）控制性能区别是对其优化设计的关键，测控系统是性能分析的重要手段。通过系统总体方案设计，确认了系统参数及指标；分析了四桥臂DC/DC拓扑，并基于高端电流采样和隔离采样技术实现了系统电压、电流、功率和频率的采集，设计了功率驱动及单片机控制电路；探讨了适合单片机的MPPT爬坡搜索法软件；给出了基于LabVIEW的上位机操控系统的软件设计实现；搭建了测控系统，进行了MPPT和两种拓扑测控结果对比实验。实验结果表明测控系统达到了设计目标。

發(fā)表于：2025/5/14

100%国产化佰维电力专用eMMC正式上市

4月26日消息，国产存储厂商佰维官方宣布，其研发的真国产、全自研电力专用eMMC正式上市。据介绍，电力行业常年面临极端温差、电磁干扰等严苛环境挑战。以集成化设计、性能稳定、低功耗、抗振动为特点的eMMC则广泛应用于数据采集器、保护装置、集中器与融合终端等对数据完整性与安全性要求严苛的场景中，确保设备长期可靠运行的需求。

發(fā)表于：2025/4/27

基于多尺度伸缩卷积与注意力机制的光伏组件缺陷分割算法

无人机在光伏系统的巡检过程中需要对光伏组件的缺陷进行准确和快速识别，为此提出了一种基于多尺度伸缩卷积与注意力机制的光伏组件缺陷分割网络。首先在传统的U-Net网络每个Stage加入多尺度伸缩卷积模块，从而对光伏组件缺陷进行分割，PA达到了98.61%，与传统U-Net、FCN网络进行对比分析，准确率分别提高了0.32%和1.17%，算法消耗时间0.054 s，相较于对比的分割算法提高了0.006 s~0.013 s；然后将分割后的缺陷掩码mask和原图进行与操作，最后通过轻量级网络MobileNetV3对光伏组件缺陷（热斑、裂缝、鸟粪）进行检测并分类，精确率达到了98.82%，与SqueezeNet、ShuffleNet V2和GhostNet网络进行对比，分别提高了0.43%、1.08%和0.8%，平均检测时间0.026 s，相较于对比的检测算法提高了0.002 s~0.036 s。实验结果表明基于多尺度伸缩卷积与注意力机制的光伏组件缺陷分割网络具有较高的准确率和识别速率。

發(fā)表于：2025/4/22

世界首套特高压直流量子电流传感器投运

4月9日消息，据报道，我国电力领域量子传感技术取得重大突破——世界首套±800千伏特高压直流量子电流传感器在昆柳龙直流工程柳州换流站成功投入运行超过72小时。

發(fā)表于：2025/4/9

LSTM与Transformer融合模型在时间序列预测中的应用研究

随着可再生能源的快速发展，风电功率预测对于电网稳定运行和能源管理具有重要意义。风电功率预测是一个复杂的非线性问题，涉及多种气象因素和环境条件。提出了一种基于长短期记忆网络（LSTM）、自适应稀疏自注意力机制（ASSA）和Transformer的融合模型，用于发电功率的时间序列预测。该模型结合了LSTM在捕捉时间序列长期依赖性方面的优势、ASSA在处理局部特征交互稀疏性方面的高效性以及Transformer在捕捉全局依赖性方面的强大并行处理能力。通过实验验证，该模型在发电功率预测任务中表现出色，尤其是在极端波动或拐点处的预测精度上有所提高。与传统方法相比，该模型能够更准确地捕捉风电功率变化的复杂性和动态性，为风电场的运营管理提供了有力的决策支持。

發(fā)表于：2025/3/24