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。

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。

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。

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。

可再生能源机组和电动船舶出力的不确定性及冲击特性会给岸电供电系统的安全稳定运行带来挑战。因此，提出了一种含风光储岸电供电系统的分布鲁棒优化运行策略。首先，不考虑风光出力不确定性以及冲击负荷的影响，以总费用最低为目标，建立确定性的含风光储岸电供电系统的运行模型。其次，以上述模型为基础，构建基于分布鲁棒优化的两阶段含风光储的岸电供电系统模型，采用组合范式来描述风光出力的不确定性，以减少因预测误差、出力波动性导致的弃风弃光。最后，使用C&CG（列与约束生成）算法来求解模型。利用某岸电供电系统数据，验证了所提策略可有效提升风光资源的消纳能力，降低运行成本。

电网实时运行可视化分析预警系统（以下简称系统）根据“以调度员思维模式为框架，以可视化界面为功能模块，以互动计算为系统核心”的思路，利用电网EMS实时数据、状态估计数据、PMU数据、水调自动化系统数据、保护信息及气象数据等各种信息，实现电网运行信息从静态、二维平面、孤立数据的展示方式向动态、三维立体、虚拟现实的展示方式转变，从电网充裕度、安全性、脆弱性和可控性等方面进行理论研究、算法实现及可视化表达，在可视化互动计算、低频振荡快速检测、电网运行整体态势指标可视化、水库及发电能力可视化计算、人工智能驱动的输电断面安全状态快速评估、深度学习驱动的电力系统暂态稳定预防控制决策，以及基于图数据库的人机交互等方面达到国内领先水平，具有完全自主知识产权，整体上属国内首创。系统实现了信息融合、智能告警、动态监视、海量数据阅读、超实时仿真和高性能计算、基于人工智能的电网安全稳定分析、虚拟现实，以及基于图数据库的人机交互等功能。系统设计合理，反映了电网理论计算和计算机技术的最新成果，主要技术性能指标均满足设计要求，实用化程度高，且贴近调度生产需求，为电网调度运行提供一个准确及时掌握电网实时运行态势的分析决策平台，提高了调度人员对电网运行的监控能力，实现传统电网调度模式向智能电网调度模式转换，有效提高了电网安全生产水平。

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。