系统数据

能源转型背景下，新型电力系统以清洁低碳、开放互动为目标不断建设，同时监测技术与通信技术也快速发展，电力系统中的数据来源更加广泛，数据结构更加复杂，为新型电力系统数据融合提供数据基础的同时也提出了挑战。首先，分析新型电力系统数据特征，提出新型电力系统的数据融合需求；接着，介绍新型电力系统数据模型、多源异构数据融合技术层级，分析关键融合技术的优缺点，并对不同技术的适用场景进行分析；然后，分别从输配协同、源网荷储协同、虚拟电厂、多元负荷、电碳市场交易5个典型场景，对多源异构数据融合的数据需求、数据来源、融合目标、常见方法及研究难点进行归纳；最后，对新型电力系统数据融合技术的未来研究发展进行了展望。

覆冰监测系统数据传输应用，输电线路覆冰监测传输专用4G模块，具备高速稳定传输同时，还能通过北斗定位，确保用户掌握凌动灾情的同时，清晰了解设备所处位置，并可通过APP推送到现场除冰人员手机，确保发现早，定位快，及时处理。

首先分享了“变电站智能辅助监控系统”的建设经验与应用心得。该系统采用了核心层、应用层、终端层的系统设计框架，集成了变电站智能辅助控制、安防监控、机器人巡检、在线监测等多个子系统，实现了对SCADA系统数据、设备台账资产数据等业务数据的接入，构成智慧变电站管理体系平台，最终以3D可视化变电站为展现方式，通过AR实景技术提供沉浸式体验。就未来发展而言，凭借变电站智能辅助监控系统的设备、软件平台优势，可进一步拓展系统监控功能的覆盖深度和广度，将现有分散的文明施工监控、现场施工安全、营业厅监控、巡检机器人、输配电在线监测等系统全面整合，形成一个全新的功能更加强大的监控中心，真正做到运用先进的智能管理技术，安全有效地对变电站进行管控。

针对目前直流系统蓄电池组核容放电试验费时费力的问题，提出智能在线核容放电技术，采用可电动操作的断路器对蓄电池组进行解列操作，通过并网逆变器将直流电逆变成交流380V并入电网，循环使用，节能环保。当达到停止放电条件时，停止放电，恢复系统原有状态，并记录放电过程中的相关蓄电池参数，形成核容放电试验报告。就地设备通过电力系统数据综合网，将片区变电站核容放电设备接入核容放电服务器，统一进行监控管理，可通过监控终端电脑进行各个变电站的远程核容放电试验。

依托数据中台、电网资源业务中台、实时量测中心等企业级能力共享平台，开展中台化架构技术路线实践，结合一线生产实际需求，对配电网相关的调度自动化、配电自动化、用电信息采集等系统数据开展融合应用，探索“七个自动”等一系列配电网数字化应用场景，在江西电网实现规模化应用。

该系统由AR智能安监系统和远程专家系统组成，涉及操作端、协作平台、专家端。系统嵌入专家指导、工作流执行，与国网巡检系统数据对接，在眼镜中显示数据，并且结果记录上传。使用AR眼镜，支持在AR终端上根据步骤进行操作，过程可以录像、拍照、二维码识别、人脸识别、安全帽识别、语音控制、语音播报、音视频交互、多人会议、多人白板、冻屏标注等功能。目前已具备试点落地条件，适用于变电站、配电房、充电场站等巡检场景。

运用检测技术感知设备运行的灾害信息、气象信息、环境信息，引入无人机、完善监控摄像头布点实现高空及人工视野盲区设备巡检，结合地面机器人巡视、人工现场巡视及在线监测数据信息，加上电网管理平台等系统数据信息，“云-端”、“边-端”融合，多机、人机联合，搭建“天、空、地、云”联合巡检模式，后续依托数字智能技术、持续拓展“专业算力算法”、完善AI智能识别分析运用，真正实现智能联合巡检。

该技术针对动力环境、暖通系统、供配电系统等关键用能因素，通过跨系统数据统一采集，实现对数据中心各模块运行效率集中监控和运行策略自动优化。在此基础上进行分析研究，优选多种技术形成数据中心综合改造方案。

数字文明时代正在到来，数据安全不再依附网络安全，数据安全正在超越网络安全。网络攻击对象已经不限于设备、系统，而是扩展到数据，数据滥用、丢失、污染、内部窃取等直接影响业务安全、企业名誉，上海观安信息技术股份有限公司介绍企业如何在合规保障及风险管理的前提下，实现企业数据的开发利用，保障业务的持续健康发展，确保数据安全与业务发展的双向促进。

网络流量的异常检测对于保护电力信息系统安全具有重要意义。目前深度学习等人工智能技术在入侵检测中表现出良好的性能,但由于电力流量数据中类别不平衡以及噪声含量高等问题,严重影响入侵检测模型的准确率。针对以上问题,文章提出了一种深度残差收缩网络(deep residual shrinkage networks,DRSN)-双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)混合深度学习模型实现及时有效的多矢量攻击威胁识别与检测。首先采用条件生成对抗网络模型生成少数类数据,构造平衡数据集,然后使用DRSN-BiLSTM模型进行特征提取,DRSN中的残差项可以解决网络退化与过拟合问题,注意力机制降低了噪声对异常流量检测的影响,同时基于BiLSTM进行流量时序特征提取,最后用softmax分类器进行流量分类,实现网络入侵检测。该模型在电力信息系统数据集上进行了测试,结果显示,提出的混合深度学习模型在检测准确性、精确度、召回率和F1分数指标均优于比较算法。