基于DTU网口通信的配网设备自动化巡检方法研究

来源 :信息技术 | 被引量 : 0次 | 上传用户:kingtigerzhang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统的配网设备巡检方法存在数据吞吐量差、采集信息结果不精准的问题,提出DTU网口通信的配网设备自动化巡检方法.利用DTU网口通信,连接配网设备和自动化巡检装置,对设备运行状态信息进行采集;计算信号信噪比,过滤干扰数据,对采集信息进行存储读取;挖掘能够代表设备运行状态的评价指标,当整体参数超过临界值时,进行停电监测处理,实现巡检.选取存在故障的配电变压器,改变信噪比、发射端距离及门限值等参数,记录巡检过程的信号吞吐量.结果 表明,该方法提高了信号吞吐量和自动化巡检的通信功能.
其他文献
虽然区块链技术发展迅速,但是现有的区块链共识机制安全性较低、资源消耗较大,设计新共识机制就尤为重要,为此通过改进共识机制来实现区块链的数据共享和追溯.首先利用信用模型改进PoW算法,然后在此基础上提出基于门限密码方案的TCCM共识算法,最后将其加入区块链中构建出一种新的数据共享和追溯方案.结果 显示,CPoW算法随机性得到提高,TCCM的计算量在1W以上,并且资源消耗较低,可提高数据共享的安全性,实现数据的追溯.说明基于区块链数据共享技术的可追溯方案具有可行性,能够为大数据共享与数据流转检测提供新的技术思
为了提升人力资源系统对人才的筛选能力,提高人才标签识别精度,提出基于大数据挖掘与用户画像技术的人才标签生成方法.建立人才标签大数据统计分析模型,设计符合人才资源管理的基础标签赋值体系和聚合规则.结合专家模型和机器学习方法,得到关联规则聚类函数,分析人才标签的关联属性特征分量,实现对人才标签识别和大数据融合聚类分析,进一步实现人才标签生成优化设计.仿真表明,采用所提方法进行人才标签设计的聚类性较好,对用户画像的特征辨识能力较强,勾勒识别各类典型人群的准确度较高.
光伏发电系统输出功率的不确定性,对电网安全稳定运行具有重大影响.提出了一种基于PSO-BP神经网络的光伏发电功率预测方法.首先,通过FCM聚类筛选相似样本日,提高了数据分类的准确性;利用KNN方法填充缺失数据,提升样本数据质量.然后,针对BP神经网络预测模型收敛速度慢、易陷入局部最优问题,采用PSO优化预测模型初始参数.实际光伏发电系统功率预测实验表明,该方法能够有效预测各气象条件下的光伏发电功率,且精度较高.