管控技术

本项目研究：将分布式新能源发电及储能应用到变电站交直流电源系统中，形成将单一电源模式改变集新能源发电、站用变、储能于一体的综合型交直流一体化系统。 目前单一对蓄电池的状态监测、年度维护等手段，因受到监测能力有限、判断依据有限、“治疗”手段有限、维护周期有限等客观条件限制，使蓄电池的全面健康管理显得很不足够，达不到提前发现和预防蓄电池问题。 本项目将研究：益电池从监测、预判、主动均衡新技术的综合应用多维管控蓄电池，达到既全面监测蓄电池状态，又通过浅放电技术预判电池状态，且能实时进行主动均衡，达到维护和保持蓄电池最佳运行状态。

1、研究背景 2、建设思路和方案 3、应用成效

配电网生产作业安全是电力系统运行与发展的基本保障，提高电力生产本质安全水平是面向经济主战场和人民生命安全的国家重大需求。本报告针对配电网生产作业安全风险难以管控难题，从数字化安全管控技术的角度出发，在分析配电网生产安全风险特征的基础上，构建了平面-立体-全息的体系化安全风险防护技术架构，探究了配电网场景理解与知识推理、深度立体视觉与安全距离测量、多物理场融合成像与解译等数字化安全防控技术，以提升生产现场安全风险智能化防控水平，从而避免各类电力生产安全事故的发生，保障配网作业人员自身生命安全及整个电网安全稳定运行。

配电网由电能配送网络演化为分布式资源高渗透接入、柔性负荷参与互动的“新型局域电力系统”

介绍了输电通道监控及新技术、输电通道智能风险管控平台、总结及发展方向。

输变电工程造价计算作为造价管控技术的核心环节，其计算模型的好坏直接影响输变电工程造价管控效能。然而现有模型往往不能兼顾计算速度、精确性与稳定性。为解决上述问题，首先，针对输变电工程造价中的实际需求确定模型的输入与输出，构建卷积神经网络模型；然后，将历史造价数据作为样本输入网络模型，得到网络输出；最后，针对期望输出与实际输出相差较大的问题，利用列文伯格-马夸尔特算法对卷积神经网络的权重参数进行优化，完成模型训练。该模型结合列文伯格-马夸尔特算法与卷积神经网络模型的优点，相比于反向传播（BP）神经网络与梯度下降法-卷积神经网络（GD-CNN）具有更高的预测精度与稳定性，提高了输变电工程造价的计算效果。

该技术依托大数据、人工智能、云计算等搭建工艺优化系统，将人工智能与工艺知识、工业场景和操作经验数据进行结合，对生产过程中复杂的物理、化学过程进行模拟和优化，将人工经验固化为模型，可形成规模化复制的优化决策资产，协助企业优化决策和智能控制，分工段对重点设备能耗和碳排放量进行监测，进行生产优化。

输电网是坚强智能电网的关键环节，也是泛在电力物联网的重要物质基础。带电作业是提升输电网运维检修质效的重要手段，积极推动线路检修向智能辅助的带电作业检修模式转变，可为建设世界一流输电网提供强有力的技术支撑。 输电带电作业环境为上百米以上的高空，直接接触高达百万伏的电压，是一项高空、高危、高强度的工作。安全生产是电力企业发展的生命线，《国网公司“十三五”运检规划》明确要求“通过远程管控技术、智能区域检测等技术实现远程多方位作业现场监视及智能告警，实现检修装备智能化、检修现场可视化。” 目前，带电作业安全管控基于电力安规，以人防为主，存在三大问题:第一，地面指挥人员无法实时获取作业人员体征状态，不能实现对作业人员实现全过程监控，极易发生人身事故:第二，虽然带电作业设置了高空监护人，但监护人仅凭视觉判断难以精准把控安全距离，无法科学客观掌握安全距离，存在极大的安全风险;第三，带电作业现场处于流动状态，管理人员无法实时监测作业现场情况，不能实现智能告警和现场可视化，因此，目前带电作业人员仅依靠自身安全意识保障安全，安全风险较大，亟需研发一套集 人体体征、姿态监控为一体的智能安全预警系统。

基于催化剂失活机理和精准诊断技术，首次建立面向燃煤电厂的催化剂全寿命精细化管理模式，优化了年产4万方的催化剂生产线和年产8万方的再生线，突破了国产催化剂适应复杂燃煤条件的制造瓶颈，整体提高了催化剂的创新研发和产业化能力。 项目授权知识产权63项（发明专利28项）。全寿命智能管控已覆盖全国15%装机的煤电机组，在保障安全稳定超低排放的基础上，近3年通过新型催化剂生产、智能诊断服务和废旧催化剂再生，累计新增销售额8.5亿元，新增利润1.3亿元，为企业节约催化剂全寿命使用费12亿元。项目整体提升了我国脱硝催化剂运维水平和创新研发、产业化能力，成果可进一步向全国电力及非电行业推广，为健全全行业氨氧化物超低排放技术路线提供支撑。经江苏省生产力协会组织专家评价：成果整体达国际领先水平。