【目的】 为挖掘用户侧节能减排潜力，对用户用电行为进行精细化分析和管理，提升电能利用效率，提出了一种基于事件监测和高斯混合模型聚类相结合的负荷特征提取方法。【方法】 首先通过基于滑动窗的事件监测算法提取每个电器单次运行时的有功功率波动，借助事件监测算法可获得电器的启动时间、次数和运行时长。其次针对同一电器常出现功率相近但运行状态不一致问题，利用高斯混合模型聚类算法“软分类”、类簇灵活的优势，对负荷工作状态进行精细分类，形成符合用电设备实际运行情况的负荷状态特征库。最后采用公开数据集AMPds2作为研究对象...

【目的】 随着我国新型电力系统的不断发展，新能源大规模并网极大增加了电网承受潮流冲击的可能性，系统线路的载流能力迎来严峻考验；同时，源荷不确定性的增加使得电网运行状态愈发复杂多变，基于确定性潮流的传统薄弱环节辨识技术难以达到要求，增加了电网运行控制的难度。【方法】 针对以上问题，结合概率潮流算法提出基于改进熵理论的电力系统薄弱节点综合评估指标，以指标区间概率分布对节点薄弱程度进行分析。首先，基于模拟法概率潮流构建大量运行方式样本；其次，将熵理论与电网运行参数相结合，以指标区间概率密度对系统关键节点的...

【目的】 为适应“双碳”目标下电动汽车充电站拓展规划需求，研究充电站选址定容对分布式电源消纳作用的影响。【方法】 建立了综合考虑风光出力不确定性和相关性的多目标双层配置优化模型，并分析了分时电价激励下电动汽车用户充电行为变化对充电桩选址定容方案的影响。上层综合考虑经营者投资建设、运行维护、网损成本和用户充电、排队等效成本最小两个目标函数，采用改进多目标粒子群算法生成帕累托最优规划方案。下层模型以弃风弃光率最小为目标，对上层模型生成的帕累托解集进行校验。【结果】 通过IEEE33节点路网图对所提模型进行验证...

【目的】为实现新型弹性势能储能系统平稳高效储能，首先需要建立精确的数学模型揭示储能箱运行特性，完成其容量和功率的计算配置模型搭建；其次需要一种强鲁棒性控制算法，在实现转矩快速响应的同时能有效抑制扰动。【方法】建立了储能系统精确数学模型，结合反推控制算法，设计了永磁同步电机直接转矩自适应控制方法，形成了新型弹性势能储能系统储能过程强鲁棒控制策略。【结论】 通过实验证明该控制策略有较快的转矩响应速度，能够迅速匹配储能箱迅速增大的反转矩且脉动较小，同时能有效抑制储能系统特有的转动惯量参数扰动，能实现系统...

【目的】 新型电力系统低碳电网的构建对于全社会低碳经济的发展具有重要的推动作用，新型电力系统全生命周期低碳评价指标体系的建立对电网低碳发展具有重要意义。【方法】 基于新型电力系统低碳电网全生命周期的分析，首先构建经济性、可靠性、低碳性3个一级指标，然后在一级指标的基础上筛选出9个二级指标对低碳电网进行评估，建立新型电力系统全生命周期低碳电网综合评价指标体系及核心评价指标体系，并对体系中各指标的意义进行了详细说明。【结果】 利用电网的大量统计数据，建立不同新能源占比的典型场景并进行仿真，得出不同场景的低...

【目的】 在我国“双碳”目标的背景下，节能减排已成为当前电力行业的首要战略目标之一。电力系统除了要考虑系统安全可靠性和经济性之外，还需要将“碳减排约束”引入系统各环节中，将呈现全新的低碳运行和管理模式。【方法】 针对新型电力系统碳计量与低碳调控运行问题，提出一种基于碳排放流的低碳需求响应调度策略。首先，分析新型电力系统源-网-荷-储各环节的碳排放影响因素，建立基于碳排放流理论精确的碳计量模型。其次，以动态碳排放因子为引导信号建立低碳需求响应机制，进行优化调度。【结果】 通过算例验证：基于低碳需求响应的新...

【目的】 变电站电力设备种类多设备之间连接关系复杂，普遍存在设备位置和图像对比较为单一，实际应用中只能获得有限数量的目标图像和标记以及传统方式分割带来的电力设备图像分割精度不够的问题，将卷积神经网络(Convolution Neural Network，CNN)与Transformmer结合组成新模型进行变电站电力设备的分割，提出了一种基于编解码器结构的新型SE-Transfomer(Substation Equipment Transformer)网络。【方法】 为了获取局部上下文信息，编码器首先利用CNN提取空间特征图。同时，对特征图进行了精心改造，多尺度特征输入进行全局特征建模。该解...

【目的】 目前需要快速准确地判别用户异常用电行为。【方法】 基于智能电表数据，提出了一种结合数据分解和随机矩阵理论的异常状态检测模型，实现了对用户用电异常行为的识别。通过变分模态分解算法(variational mode decomposition，VMD)剔除电力数据噪点，消除噪点数据影响。并将随机矩阵理论(random matrix theory，RMT)与自回归滑动平均模型(auto-regressive moving average model，ARMA)相结合，提高RMT对时间序列的适用性，实现了对用电异常状态的判定。【结果】 以某地区的实际用电数据为例进行实验，验证了该方法针对数据样本较大且...

【目的】 当前，以深度学习为代表的数据驱动方法已广泛应用于电力暂态稳定性分析中。然而，现有研究数据驱动的暂态稳定模型在面对小样本、弱样本等实际场景时，存在泛化能力有限、模型精度不足等问题。为了提高模型的表达能力，提出一种基于运行数据和故障数据的精细化暂态稳定评估方法。【方法】 首先，根据电力系统暂态稳定机理模型构建故障时间、故障位置、受扰线路和负荷水平4个故障信息特征。然后，提出并行融合和串行融合两种特征融合方式，实现运行特征和故障特征的统一表达，并对多源特征融合方式对暂态稳定分析模型的影响进行深入...

【目的】在电力零售市场发展尚不充分的情况下，为了合理传导批发市场价格，降低市场化用电成本，预防售电公司风险。【方法】首先结合山西、广东等地区的情况，分析了我国电力零售市场的现状及存在的问题；其次从合理设计零售套餐、建立专项账户、建议电力零售市场的收益约束和奖励机制、建立相应的清算机制等几方面提出了创新零售电力市场价格机制。【结论】利用某省的数据测算了电力零售价格的上限及奖励机制的有效性。...

【目的】 随着分布式电源(distributed generator，DG)在传统配电网的不断接入，给配电网保护配置带来了严峻的挑战。为应对这一问题，对配电网线路故障时，不同类型DG的故障电流幅相特性进行了分析，在此基础上提出了一种基于故障序电流幅相特性的配电网纵联保护方案。【方法】 该方案利用线路两端的各序故障电流幅值和相位差特征，分别构造保护动作量及制动量。通过合理设置保护参数来应对不同类型DG接入下，新型配电网继电保护选择性、灵敏性所面临的问题。【结果】 通过RTDS搭建仿真算例进行了方案验证，结果表明，该方案整定简单，无需在...

【目的】 基于集中式数据的深度学习可以有效提高风功率的预测精度，但数据泄露带来的严重后果令各风电场不断重视自身数据的保密，对数据驱动的风功率预测方法造成阻碍。【方法】 针对上述问题，提出一种面向数据隐私保护的分布式多风电场短期功率预测方法，利用横向联邦学习(federated learning，FL)框架完成对风电场的功率预测任务。首先，多个风电场采用分布训练方式，利用时序模式注意力(temporal pattern attention，TPA)机制和长短期记忆(long short-term memory，LSTM)网络组合成TPA-LSTM本地模型完成本地数据训练；再将这些本地模型...

【目的】 在电能计量装置日常运行工作中需要进行运行状态评估，人工检查耗费时间长、效率低下、核查不准确，难以满足实际应用需求。【方法】 基于用电信息采集数据，建立基于深度学习的计量装置运行状态评估模型，通过深度学习模型抓取电量历史数据的特征。利用迁移学习优化模型训练过程，完成对用户未来电量使用情况的预测，并对电量期望值与计量值的差值设定阈值，判断电能表的运行状态。【结果】 模型结果可作为评估智能电表运行状态的关键参考，为台区智能电表运行维护和精准更换等给予重要的支持，可有效减少实地运维管理人员和运维次...

【目的】 在电能计量装置日常运行工作中需要进行运行状态评估，人工检查耗费时间长、效率低下、核查不准确，难以满足实际应用需求。【方法】 基于用电信息采集数据，建立基于深度学习的计量装置运行状态评估模型，通过深度学习模型抓取电量历史数据的特征。利用迁移学习优化模型训练过程，完成对用户未来电量使用情况的预测，并对电量期望值与计量值的差值设定阈值，判断电能表的运行状态。【结果】 模型结果可作为评估智能电表运行状态的关键参考，为台区智能电表运行维护和精准更换等给予重要的支持，可有效减少实地运维管理人员和运维次...

【目的】 通过检索与分析数据安全治理相关技术文献，从数据全生命周期各阶段入手，展开实现数据安全治理的各类安全治理技术研究。【方法】 首先，通过介绍数据安全治理现状，分析加强数据安全治理研究的重要性；其次，具体阐述了数据全生命周期理论，给出数据生命周期的不同阶段；然后，系统性总结了数据准备、使用、存储与销毁等不同生命周期阶段的数据安全治理技术及其应用；最后，对数据安全治理面临的挑战与未来研究方向进行了分析与展望。【结论】 加强数据安全治理，不论是对个人信息的隐私保护，还是对数据产业自身发展，甚至是对国...

【目的】 针对预训练模型仍面临处理复杂任务所需的知识信息质量不高和数量庞杂的挑战，而融合知识图谱的预训练模型可增强其性能。进一步研究并深入探讨如何有效地融合知识图谱到预训练模型中，以丰富目前综述所包含的知识增强类型。【方法】 分析并总结了近年来融合知识图谱的预训练模型的相关文献，首先简要介绍了预训练模型引入知识图谱的原因、优势以及难点；其次详细讨论了隐性结合、显性结合两类方法，并对代表模型的特点与优缺点进行了对比总结；最后对融合知识图谱的预训练模型将面临的挑战以及未来研究发展趋势进行了讨论。【结论】...

【目的】 为了解决传统单平台任务分配中的供需不平衡问题，跨平台在线匹配成为了一种新兴解决方案，它允许多个类似的平台建立合作关系，将无法完成的任务发送给其他平台，增加任务被接受的概率。然而，目前的跨平台在线匹配都只考虑了单轮的匹配过程，难以在多平台竞争中找到良好的决策结果。为了解决以上不足，研究了多轮跨平台在线匹配问题，并提出了基于贪心的多轮匹配算法和基于多方博弈的匹配算法。【方法】 基于贪心的多轮匹配算法通过将任务进行多轮转发和匹配，由平台贪心地选择高收益的任务来完成，以提高任务完成的效率。基于多方...

【目的】 针对现有本地化差分隐私社交网络图生成算法中直接扰动邻居列表的方法会导致引入过多噪声且隐私保护程度不均衡的问题，提出了一种满足个性化的本地差分隐私社交网络图生成方法(GPDP)。【方法】 首先，使用传统的社区发现算法Louvain对原始社交网络图进行划分，保留社区信息；其次，对于划分后的社区根据其社区内部平均权重度比值作为新的隐私预算参数分配给每个节点；然后，每个节点根据新的隐私预算各自扰动其邻居列表，同时利用随机邻接位向量(RABV)方法降低通讯成本；最后合并邻居列表形成生成图。【结果】 通过在真实数据集上的...

【目的】 交通流预测对于城市交通系统的有效管理和运行至关重要。交通网络中不同路段或路口的流量随时间动态变化，空间邻近路段或路口的流量也会相互影响。为了更好地从交通流序列中学习不同路段或路口流量的时空相关性，提升交通流短时预测性能，提出基于多头注意力动态图卷积网络(dynamic graph convolution network with multi-head attention，DGCNMA)的交通流预测方法。【方法】 DGCNMA模型在Transformer框架中首先引入图卷积网络学习交通流序列的空间嵌入并融入交通流序列，进而采用多头注意力机制从多个角度同时捕捉交通流序列的时间...

【目的】 为了充分利用交互记录中的学习和遗忘特征，提出了一种基于多行为特征嵌入记忆网络的知识追踪模型(MFKT).该模型考虑了学习过程中的学习和遗忘两种行为。【方法】 首先，从交互记录中提取学习和遗忘两大特征，然后将提取到的学习特征通过标量交叉方式嵌入记忆网络，同时将遗忘特征通过向量组合的方式嵌入，用于增强其对于学生答题序列的学习能力。此外，还考虑到了不同学生回答完成后的知识增长差异，在原先记忆网络的基础上增加了一个知识增长层，用于计算学生答题得到的知识增长。【结果】 通过在公开数据集上的实验表明，MFKT更加...

【目的】 针对现有交通标志检测算法中的较大计算量和较高参数量的问题，提出一种改进YOLOv7的轻量化交通标志检测算法。【方法】 该算法分为输入、提取特征的骨干网络、融合特征的颈部网络和对目标进行预测的头部网络4个部分。在骨干网络引入大核卷积，增大了有效感受野，提升了骨干网络提取特征的能力；检测颈部融合坐标注意力、随机池化等方法，既能构建通道注意力又能捕捉准确位置，同时提升网络的泛化能力；此外，提出集中综合深度可分离卷积模块，在减少参数量的同时更好地提取图像特征。【结果】 实验结果表明，本文算法在CCTSDB2021数...

【目的】 事件抽取是构建高质量事件知识图谱的前提。临床事件抽取过程中事件元素存在依赖关系，现有方法无法准确识别事件元素并组合为事件，且现有临床事件标记数据较少，给事件抽取任务带来了极大的挑战。【方法】 将临床事件抽取建模为实体识别模型，提出一种融合多特征的中文医学事件抽取方法：BERT-MCRF.该方法使用BERT构建模型的嵌入和特征提取部分，在CRF层加入多个字的滑动窗口特征，然后将BERT-MCRF作为半监督实验的基实验，提出一种高置信度伪标签数据选择算法作为筛选数据的条件，得到较高质量的300条数据与原始数据合并，最终构...

【目的】 轴承是制造业中的核心零部件之一，其健康状况决定着主机设备的安全性，对轴承进行短期故障预测可以有效预防生产设备故障的发生。【方法】 针对轴承短期故障预测未能实现端到端的问题，提出一种基于时序卷积网络(temporal convolutional network，TCN)的短期故障预测方法。该网络能通过当前时刻监测到的数据直接输出轴承最终会发生的故障类型以及下一时刻将要处于的劣化阶段。此外，提出软阈值注意力机制(soft threshold with attention mechanism，SA)解决轴承工作环境存在背景噪声或采集数据的过程中有噪声干扰的问题；在短期故障...