课程文献中心 更多>>

关键词： 新电改   D电力公司   成本预算   精细化管理  

摘要： 电力行业的发展关系国计民生,是社会主义现代化建设的坚实保障。为满足新时期经济转型升级要求,国家对电网体系进行了一系列深化改革,通过新电改全面推动电力公司的市场化运行。在此背景下,文章选择以D电力公司为例,在探讨电力公司成本预算精细化管理价值的基础上,分析其成本预算管理存在的问题,进而提出针对性的管理策略,希望对电力公司更好地开展成本预算精细化管理提供一定的借鉴。

关键词： 虚假数据注入   攻击检测   深度学习   电力系统安全  

摘要： 虚假数据注入攻击(false data injection attack,FDIA)是针对电力系统的一种常见网络攻击,可以通过终端链路或设备注入异常数据,绕过不良数据检测机制,进而引发电力系统的异常运行,造成严重的经济损失。近年来深度学习技术在FDIA检测方面取得诸多进展,通过大量的数据训练和强大的模型学习能力,能够自动学习和提取攻击数据特征,相对于传统方法具有更高的准确率和鲁棒性。总结了近年来基于深度学习的电力系统FDIA检测研究进展,涵盖卷积神经网络、循环神经网络、图神经网络、生成对抗网络和深度强化学习等典型深度学习模型。首先分析各类深度学习模型的FDIA检测原理,并介绍相关技术方法。然后从鲁棒性、评估指标和可扩展性等方面对上述技术进行对比分析,总结其应用范围及存在不足。最后探讨了当前研究中存在的挑战和未来的研究发展方向。

关键词： 碱熔   铍矿石   铍   锡   电感耦合等离子体质谱法  

摘要： 稀有金属矿物组成复杂,且矿物成分多样化,现有质谱方法对铍的测定以地质样品中或矿石样品中的低含量铍分析为主,也很少应用于分析铍矿石中伴生的难溶锡元素。本文以新疆大红柳滩高品位铍矿石并伴生较高含量锡元素的样品为研究对象,建立了铍矿石中难溶元素铍和锡同时测定的方法。利用高温熔融态过氧化钠强的复分解能力,将矿物中的坚固晶格破坏,使目标物转换为易溶盐被提取,通过10倍稀释降低样品基体盐分含量,保证长期测量的稳定性RSD低于5%,并对校准曲线进行基体匹配,以电感耦合等离子体质谱(ICP-MS)测定,铍和锡在5~2000ng/mL浓度范围内线性关系良好,相关系数均大于0.999,检出限为铍0.20μg/g、锡0.17μg/g;测量精密度高(RSD≤5%),测量上限为氧化铍5.6%,锡2%。本文方法线性范围宽,适合各种高品位铍矿石中铍和锡的分析。将建立的方法应用于分析新疆大红柳滩高品位铍矿等多金属稀有金属矿,氧化铍含量达到0.85%、锡含量达到0.078%的样品测量精密度良好;还适用于分析铍矿石中其他稀有元素锂铷铯铌钽和稀土元素。

关键词： 物联网   电力变电站   智能化   数据运维   管理系统  

摘要： 随着社会生产力和人民生活水平的不断提高,对电力的需求日益增长。电力变电站作为电力系统的重要组成部分,在保障电力系统的可靠性和稳定性方面扮演着至关重要的角色。本研究提出的基于物联网的电力智能监控平台可以有效解决电力变电站传统管理模式下存在的问题,促进我国电力行业健康快速发展。然而,电力变电站的管理和运维存在着人力资源短缺、信息传递不及时、设备管理不规范等问题,这些因素在一定程度上对电力系统的正常运行造成了影响。

关键词： 核磁共振成像   膝关节损伤   诊断   影像学表现  

摘要： 探讨核磁共振(MRI)技术在诊断膝关节损伤中的应用价值,分析其影像学特点。方法 回顾性分析2022年6月至2023年6月我院使用MRI检查的120例疑似膝关节损伤患者的影像资料。根据MRI诊断结果分为损伤组和非损伤组各60例。比较两组患者MRI检查发现率及确诊率,并对损伤组的影像学特点进行总结分析。结果 损伤组MRI检查发现率(98.3%)显著高于非损伤组(18.3%),且MRI确诊率(95.0%)高于临床诊断率(76.7%)(均P<0.05)。损伤常见的影像表现包括关节囊及韧带信号异常增高、骨骺分离、半月板撕裂等。结论 MRI技术能够清晰显示膝关节各组织结构,检出率和确诊率高,是诊断膝关节损伤的有效手段,临床应重视其应用价值。

关键词： 人工智能   电力设备   运维检修   故障诊断   预测维护  

摘要： 随着电力系统复杂性的急剧增长,运维与检修任务愈发艰巨。在此背景下,人工智能技术的迅猛发展如同破晓之光,为应对挑战带来了前所未有的创新策略。本研究不仅深入剖析了AI在电力设备维护检修中的丰富应用案例,还全面展示了从构建智能监控网络、实现故障精准即时识别与预见性维护,到优化检修策略部署的全过程,揭示了AI如何革命性地重塑电力运维流程,显著提升运维效率与电网整体安全性。

关键词： 短期电力负荷预测   极限学习机   在线学习   正则化  

摘要： 为满足智能电网对电力负荷实时预测的需求,提出基于稀疏递归最小二乘法的极限学习机(SRLS-ELM)在线学习算法,用于短期电力负荷的在线预测.相比在线序列ELM, SRLS-ELM算法无需选择离线样本初始化网络输出权重,将网络学习的平方误差与输出权值的稀疏正则化项相结合,用l1-范数稀疏化网络隐藏层节点,用次梯度策略解决求解过程中代价函数无法处处可微的问题,以递归最小二乘的训练方法完成在线学习,根据估计误差自适应寻找最优正则化参数.仿真结果表明,基于SRLS-ELM的算法能有效简化网络结构,且与ELM、堆叠核ELM批量、在线序列ELM半在线以及精确在线支持向量机回归模型相比,对短期电力负荷在线预测时具有更高的预测精度和学习效率,且鲁棒性强.

关键词： BIM技术   电力工程造价   应用  

摘要： 在这个互联网的时代背景下,各种行业在进行信息化改革时,都会涌现出许多创新技术,许多融合了传统行业与信息技术的科学模型也随之诞生。在这种情况下,如何将先进技术应用到电力行业之中,成为相关人员重点研究的内容之一。利用BIM技术进行电力工程造价的计算,是确保工程管理质量的一项重要手段。但某些电力工程项目在信息化方面存在不足,以及信息孤岛等问题相当严重,因此许多电气工程项目都面临着信息化的断层问题。

关键词： 电力市场   实时电价预测   经验小波变换   特征提取   极限学习机  

摘要： 针对实时电价数据波动性强及其影响因素复杂,导致现有预测模型稳定性及预测精度低的问题,提出了一种基于改进极限学习机的电力市场实时电价预测方法。设计了基于经验小波变换的实时电价数据分解方法,将电价序列分解为接近价格的低频信号和噪声的高频信号。同时提出基于改进随机森林的实时电价特征提取算法,根据预测重要度获取最优的电价影响因素特征组合。以此为基础,将核函数替代极限学习机隐藏层构建了R-KELM预测模型,更好地反映了多因素影响下实时电价的不确定性和波动性。以PJM实时电价数据为例,结果表明,所提方法可以有效克服电价数据强波动性及高特征冗余的问题,预测模型准确性及稳定性得到显著提升。

关键词： 国产聚丙烯粒子   聚丙烯薄膜   介电强度   相容性   老化试验   电容器  

摘要： 聚丙烯薄膜是电力电容器核心材料之一,其原材料聚丙烯粒子全部依赖国外进口,为解决这一“卡脖子”问题,近年来多家高校、企业都针对电容器产业链国产化开展了许多研究。本文测试了不同聚丙烯粒子制备的聚丙烯粗化薄膜电气强度、相容性、老化性能等,测试结果表明,国产粒子制备的聚丙烯薄膜与进口粒子制备的聚丙烯薄膜性能相当,在直流电场作用下国产粒子薄膜的击穿场强高于进口粒子薄膜,但分散性较大。基于国产粒子薄膜研制的电容器通过第三方检测机构的试验认证,主要技术指标方面与进口材料电容器性能相当,表明国产粒子制备的聚丙烯粗化薄膜能满足电容器使用需求,有望替代进口粒子实现国产化。