智能配电运维管理系统的研究与开发
发布时间:2021-09-12 14:56
电力网络是国家的基础产业,智能配电网是智能电网的关键环节之一。当前,在电网各个环节中,变电,输电和用电的智能化程度已经相当高,但是配电环节,受制于传统建设思路、施工条件和技术水平,智能化程度还略显不足。当前,单一的配电供电逐渐被配电集群供电所取代,传统的配电运维管理方法主要是依靠人工定时检查仪表数据并汇总成报表,配电运维海量数据不能及时、高效地利用及分析,已无法适应现阶段的供电规模以及写字楼、居民楼等对配电集群高效、安全、可靠运行的需求。电力数据是国家重要的战略资源,随着智能电网、物联网的建设以及电网业务的日益复杂,电力数据体量大、类型多、要求处理速度快等特性凸显。如何利用“互联网+电力”促进电力工业和信息化深度融合,是目前电力系统的研究与发展方向之一。本文以配电智能化运维管理为研究对象,通过对配电运维管理的现状进行分析,结合目前广泛使用的运维管理方法等实际情况,以软件工程的理论、方法为指导;以Java Web开发技术、Spring MVC框架技术、机器学习算法为支撑,设计并开发智能配电运维管理系统。实现运维公司对配电数据的远程监测和分析、故障预判、人员智能化调度等功能。使应急响应时间...
【文章来源】:华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】:66 页
【学位级别】:硕士
【部分图文】:
超平面
图 2-3 超曲面分离正负样本化(Sequential Minimal Optimization法是较快的二次规划优化算法,特别针对化问题已经转化成了一个包含 N 个 α 自变
图 2-4 kNN 算法思想 合 和 低 度 拟 合 之 间 的 平 衡 问 题 称 为 偏off)。选择一个大的 k 会减少噪声数据对于模差。我们假设一个极端的情况,即设置一个非常大
【参考文献】:
期刊论文
[1]基于大数据的配电自动化终端智能运维管理系统[J]. 张飞. 现代工业经济和信息化. 2018(15)
[2]立足智能建筑 助力智慧城市[J]. 工程建设与设计. 2018(20)
[3]“人工智能+”时代下的智能电网预测分析[J]. 吴倩红,韩蓓,冯琳,李国杰,江秀臣. 上海交通大学学报. 2018(10)
[4]基于大数据的信息系统运维智能化研究[J]. 罗砚. 邮电设计技术. 2018(03)
[5]基于Spark框架的能源互联网电力能源大数据清洗模型[J]. 曲朝阳,张艺竞,王永文,赵莹. 电测与仪表. 2018(02)
[6]基于智能电表数据资产的配用电检修运维架构设计[J]. 祁兵,王朝亮,陆俊,王星星,崔高颖. 电力信息与通信技术. 2017(12)
[7]分布式发电系统中的数据采集方法研究[J]. 张乐平,叶轩,王吉,何施茗. 可再生能源. 2017(08)
[8]基于多支持向量机综合的电力系统暂态稳定评估[J]. 戴远航,陈磊,张玮灵,闵勇,李文锋. 中国电机工程学报. 2016(05)
[9]基于云计算的大数据智能运维系统设计[J]. 钟湘琼. 信息通信. 2016(02)
[10]SQL-DFS:一种基于HDFS的海量小文件存储系统[J]. 马志强,杨双涛,闫瑞,张泽广. 北京工业大学学报. 2016(01)
博士论文
[1]半监督支持向量机模型与算法研究[D]. 闫辛.上海大学 2016
[2]支持向量机算法的研究及其应用[D]. 范昕炜.浙江大学 2003
硕士论文
[1]智能电表数据采集运维系统的设计与实现[D]. 张宇辉.东北大学 2015
[2]基于机器学习的银行设备故障告警系统的设计[D]. 陈建华.北京邮电大学 2015
[3]支持向量机分类算法研究与应用[D]. 彭璐.湖南大学 2007
本文编号:3394432
【文章来源】:华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】:66 页
【学位级别】:硕士
【部分图文】:
超平面
图 2-3 超曲面分离正负样本化(Sequential Minimal Optimization法是较快的二次规划优化算法,特别针对化问题已经转化成了一个包含 N 个 α 自变
图 2-4 kNN 算法思想 合 和 低 度 拟 合 之 间 的 平 衡 问 题 称 为 偏off)。选择一个大的 k 会减少噪声数据对于模差。我们假设一个极端的情况,即设置一个非常大
【参考文献】:
期刊论文
[1]基于大数据的配电自动化终端智能运维管理系统[J]. 张飞. 现代工业经济和信息化. 2018(15)
[2]立足智能建筑 助力智慧城市[J]. 工程建设与设计. 2018(20)
[3]“人工智能+”时代下的智能电网预测分析[J]. 吴倩红,韩蓓,冯琳,李国杰,江秀臣. 上海交通大学学报. 2018(10)
[4]基于大数据的信息系统运维智能化研究[J]. 罗砚. 邮电设计技术. 2018(03)
[5]基于Spark框架的能源互联网电力能源大数据清洗模型[J]. 曲朝阳,张艺竞,王永文,赵莹. 电测与仪表. 2018(02)
[6]基于智能电表数据资产的配用电检修运维架构设计[J]. 祁兵,王朝亮,陆俊,王星星,崔高颖. 电力信息与通信技术. 2017(12)
[7]分布式发电系统中的数据采集方法研究[J]. 张乐平,叶轩,王吉,何施茗. 可再生能源. 2017(08)
[8]基于多支持向量机综合的电力系统暂态稳定评估[J]. 戴远航,陈磊,张玮灵,闵勇,李文锋. 中国电机工程学报. 2016(05)
[9]基于云计算的大数据智能运维系统设计[J]. 钟湘琼. 信息通信. 2016(02)
[10]SQL-DFS:一种基于HDFS的海量小文件存储系统[J]. 马志强,杨双涛,闫瑞,张泽广. 北京工业大学学报. 2016(01)
博士论文
[1]半监督支持向量机模型与算法研究[D]. 闫辛.上海大学 2016
[2]支持向量机算法的研究及其应用[D]. 范昕炜.浙江大学 2003
硕士论文
[1]智能电表数据采集运维系统的设计与实现[D]. 张宇辉.东北大学 2015
[2]基于机器学习的银行设备故障告警系统的设计[D]. 陈建华.北京邮电大学 2015
[3]支持向量机分类算法研究与应用[D]. 彭璐.湖南大学 2007
本文编号:3394432
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3394432.html