量化方法

边缘计算因数据处理快、低成本和高实时等优点近年来在能源行业中受到广泛关注，而在边缘服务器上开展预测有助于对能源精细化管控。因此，针对边缘服务资源的有限性，基于差分自回归整合移动平均（autoregressive integrated moving average, ARIMA）模型和门控循环单元（gated recurrent unit, GRU）神经网络，提出考虑线性和非线性特征的风、光、荷组合预测方法。ARIMA用于提取源、荷的线性特征，将其与真实值进行拟合，得到包含非线性特征的残差。其次，将残差作为GRU的训练数据集建立预测模型，再引入剪枝和量化方法优化及压缩GRU模型，减小预测模型规模，以适应边缘服务器部署。大量仿真结果表明，所构建的GRU压缩模型规模小、预测精度高，适合边缘服务器的部署应用。

针对现有移动终端安全评估方案存在评估指标不全面或评估方法主观性过强、指标权重计算较为复杂的问题,文章提出了适用于电力移动终端安全状态评估的指标体系及评估方法。首先,结合通用移动终端评估指标体系和电力移动终端运行特点构建了安全状态评估指标体系;然后,给出了评估指标的量化方法以及基于AdaBoost算法的安全状态评估模型构建方法;最后,通过对11个不同运行场景下的移动终端的对比评估,验证了文章所提指标体系和评估方法的有效性。

在“双碳”目标下，特高压交流工程凭借其先进的技术手段，在消纳清洁能源、降低传输损失方面将发挥更大作用，但对特高压交流工程减碳效益的研究较少。以负荷落点区域为研究对象，提出了特高压交流工程运行减碳效益的量化方法。首先，对送受两端电力潮流分布进行模拟计算，确定输电通道潮流比例；其次，对电源区域进行电量平衡分析，确定工程输送清洁能源电量，结合碳排放因子测算负荷区域碳减排量，利用Shapley值根据贡献度计算工程的减碳效益；最后，以实际工程为例进行算例分析。结果表明，特高压交流工程能够通过提升清洁能源消纳能力减少碳排放。

配电台区建设工程繁多，施工人员作业标准化、规范化程度低，利用目标检测算法对施工过程管控，可有效保证工程质量。常用目标检测算法对设备存储与运算能力要求高，因此如何将算法轻量化部署到边端设备成为研究重点。为提升配电台区设备施工识别的检测精度，同时考虑模型轻量化的需求，文章提出基于YOLOv5s改进的配电台区施工多目标检测算法。首先，利用改进的Res2Net网络的细颗粒、多尺度特征提取bottle2neck模块，实现图像特征多尺度提取，保证模型精确度和实现轻量化；其次，在bottle2neck模块基础上，提出检测精度更高的B4-Cat优化模型；最后，使用某地区提供的配电台区建设数据，验证模型的优越性。结果表明，所提方法与现有算法相比，模型参数和计算量降低25%以上，总体平均精度指标超过81%，效果优于常用的深度可分离卷积轻量化方法，有利于提高配电台区施工智能化管控水平。

随着其他行业进入配电、园区等电网业务，电网企业同样需要拓展业务领域，积极跨界经营，实现向综合能源服务战略转型。当前，我国电动汽车、清洁供暖、综合用能咨询等快速发展为电网企业商业模式创新提供了机遇和挑战，但是我国智能电网商业模式创新研究还存在一些问题：一是国内外政策环境不尽相同，不能简单生搬硬套；二是电网企业跨界经营商业模式创新尚处于起步发展阶段；三是当前研究主要集中在分布式电源、虚拟电厂等单个点上，缺乏顶层设计；四是国外的评价指标体系侧重于经济性，不能完全体现我国电网企业的属性。针对上述问题，本项目系统研究电网企业商业模式创新理论模型和创新路径，构建电网企业商业模式评估模型，制定营销策略和公共关系策略，为电网企业实现从供电企业向综合能源服务商转型提供支撑。 本项目研究当前热点问题，少有历史文献可供借鉴，而且涉及电力、商业、技术经济等科学技术领域的研究，需要开展跨学科、跨专业深入研究，具有很高研究难度。本项目创新点包括：一是基于画布理论，结合电网企业特点，构建了智能电网下电网企业商业模式创新的八要素理论模型，提出了八要素创新路径，为电网企业创新商业模式提供了理论支撑。二是基于创新八要素理论模型，提出了电动汽车充换电、虚拟电厂等商业模式创新的架构设计，为电网公司车联网业务、电动汽车充换电、需求响应商业模式发展提供支撑。三是基于电网企业在经济社会发展中的定位，构建了电网企业商业模式的五维度、三层次评价指标体系，提出了基于德尔菲法、层次分析法以及熵权法的逼近理想点（DAE-TOPSIS）组合评价模型，实现了不同商业模式之间的量化对比分析，为智能电网商业模式优选分析提供了量化方法支撑。四是提出了基于信息传播理论的智能电网客户细分和营销策略、基于用户行为学的电网企业舆论环境营造和公共关系策略，为电网企业丰富个性化客户服务、提升用户黏性提供重要参考。 已在国网北京电科院、国网嘉兴公司等单位得到应用，取得了良好效益。本项目研究成果可为电动汽车、综合用能咨询等商业模式提供方法指导，能在提升用能效率，促进清洁能源发展等方面发挥重要推动作用。已取得软件著作权 1 项；出版专著 2 部；撰写论文 8 篇，其中 6篇为核心。中国电机工程学会组织项目技术鉴定会。鉴定委员会认为，项目研究成果总体达到国际先进水平；所提出的电网企业商业模式创新八要素理论模型和五维度评价模型达到国际领先水平。

数字化、智能化是发电行业发展大势所趋。智慧电站的发展急需各种快速检测技术提供数据支持。激光诱导击穿光谱（LIBS）技术具有实时、多元素同时测量、可远程检测等优点，是智慧电站发展的重大需求。例如基于 LIBS 的煤质快速分析可为混配煤、燃烧优化、污染控制等提供支撑，提高电厂运行的经济性和安全性；而基于 LIBS 的钢材管道原位检测对保障电厂安全运行意义重大。项目组在之前的研究中，揭示了 LIBS 测量不确定性和误差的产生机理，提出了光谱标准化、主导因素偏最小二乘（PLS）模型、基于自适应光谱数据库的光谱辨识等一整套方法，实现了 LIBS 精确定量化，获得 2017 中国仪器仪表学会科学技术奖一等奖、第九届国际发明展览会金奖。然而，在煤质分析中，面临煤炭种类多样、成分复杂且分布不均匀、挥发分和灰分导致的基体效应严重，环境粉尘震动和温度大幅度变化对 LIBS 测量影响大等严重挑战；而金属原位测量面临设备小型化要求、元素谱线自吸收和互干扰严重等难题。 本项目在 LIBS 定量化方法的基础上，分别针对煤质分析和金属检测的难点，进一步提出了以下关键创新技术：1）对煤质分析：提出了光束整形和空间限制方法，解决了煤质不均匀和挥发分灰分导致的等离子不均匀、不稳定的问题；光谱分析算法方面，提出了基体匹配定标模型降低灰分、挥发分变化对测量的影响，多维度光谱辨识方法提高煤炭光谱辨识准确率，考虑煤等离子体中 CN、C2 的存在对含碳量测量的影响，显著降低了基体效应；开发了自稳定同轴激发和光谱收集系统、洁净气体保护系统、恒温控制系统等技术降低环境粉尘震动和温度变化的影响。2）对金属原位检测：采用高重频低能量的激光器，满足仪器小型化要求同时保证较高的光谱信号质量；提出了以黑体辐射为参考的自吸收效应修正方法以及基于综合铁线强度的内定标和互干扰算法，解决了谱线自吸收和互干扰的难点。本项目研制分析仪操作简单、维护方便，检测指标全面，具有较强的可推广性，已应用于火电行业多家单位。项目技术成果的应用可为电厂煤质快速检测、燃烧优化、污染物控制、钢材质检提供数据支撑，推动煤炭清洁高效利用及智慧 电厂建设。

随着大规模风电的快速发展，电力系统的调峰服务需求越来越多，调峰服务的成本也随之增加。合理的计算由风电引发的调峰服务费用是激发常规机组提供调峰服务的前提。为此，提出了风电引发的调峰成本计算方法——风电均值出力参考法，该方法将某时段内风电电量平均分配到各个调度时段得到风电均值出力线，并进一步得到计算调峰成本的参考场景。以此为基准，可直观地计算和体现具体场景中风电出力曲线是否给系统造成了额外的调峰成本。采用所提方法对一个含风电场的5火电机组系统进行了测试，结果验证了所提方法的正确性和有效性。

本项目属于人工智能领域，针对工业设备状态的智能可视化监控及运维需求，结合视频图像处理技术，建立了专用图片数据库，并开展系列智能识别算法的研究；通过设计适用于边缘计算的多核异构并行处理硬件架构，开发了低功耗深度学习机器视觉芯片。基于此芯片研制了新型智能视频采集终端及配套的调度软件，形成含终端部署、数据传输、中央调度和用户交互在内的全栈式视频监控系统，用于设备的状态监测和安全运维。项目取得了一系列的突破创新：1）开发了集数据标注、数据清洗、数据安全存储于一体的数据预处理平台，形成一站式数据仓库，实现深度学习研发进程中数据集的统一管理和规范；2）提出了集成计算单元阵列与主控制器于一体的神经网络硬件加速架设计方法，实现更高能效比的神经网络运算；3）提出了算子均衡的算法分配方法，开发了面向神经网络加速处理器的自动编译工具，实现了不同神经网络算法对硬件算子的灵活调度；4）提出了基于模型重训的卷积神经网络深度压缩量化方法，同时使用16位定点数而避免使用单精度或双精度的数据格式进一步对网络规模进行缩减，在模型精度损失1%的前提下，可实现10倍的模型压缩率。