登录注册
请使用微信扫一扫
关注公众号完成登录
我要投稿
编者按
“双碳”目标下,能源结构发生显著变化,分布式能源与非线性负荷大量接入电力系统,谐波源数量剧增,谐波污染问题越发严重和复杂。为有效治理谐波,国际上提出了谐波治理的“奖惩性方案”,而准确的谐波责任划分是该方案实施和有效谐波治理的重要前提。
《中国电力》2025年第1期刊发了陈仕龙等撰写的《基于相关性分析的电网非同步监测数据场景谐波责任划分》一文。文章提出一种综合考虑数据非同步性、场景划分和数据相关性的谐波责任划分方法。首先,利用分段聚合近似算法进行降噪预处理,而后利用形状动态时间规整算法(shape dynamic time warping,ShapeDTW)处理数据间的非同步性问题;其次,利用点排序识别聚类结构的聚类算法(ordering points to identify the clustering structure,OPTICS)进行划分场景,分场景讨论谐波责任;最后,采用大数据分析思想,利用相关性分析方法构建各场景谐波责任和总谐波责任指标,并将各场景时长占比考虑在内。通过仿真分析和电网实例分析对本文方法进行验证,其谐波责任结论具有准确性与合理性,可进一步进行工程应用验证。
摘要
针对传统谐波责任划分方法需采用专门同步设备监测数据,且需基于等值电路模型划分谐波责任,工程应用较为复杂等不足,采用现有谐波监测装置非同步测量数据,提出一种综合考虑了数据非同步性、场景划分和数据相关性的谐波责任划分方法。首先,对原始非同步监测数据集采用分段聚合近似算法进行降噪预处理,利用形状动态时间规整算法(shape dynamic time warping,ShapeDTW)实现数据匹配对齐;然后,利用点排序识别聚类结构的聚类算法(ordering points to identify the clustering structure,OPTICS)划分场景以处理电力系统中因负荷投切和无功补偿装置切换等情况导致的谐波责任变化;最后,基于相关性分析构建场景谐波责任和总谐波责任指标,在指标构建的过程中引入了场景时长占比这一因素以得到更加科学合理的总谐波责任值。通过仿真验证和电网实例验证,该方法能基于现有非同步性监测数据实现各用户合理时间尺度动态谐波责任划分,可为工程上的快速谐波责任划分提供一定的新思路和新方法。
01 监测数据非同步和谐波阻抗变化下的相关性分析
1.1 谐波监测数据的相关性分析
当电力系统中存在多个谐波源分散分布时,任一关注母线上的谐波电压畸变都是由所有谐波源注入谐波电流而引起的共同结果,其多谐波责任划分通常可等效为如图1所示的模型。
图1 多谐波源电力系统等效模型
Fig.1 Equivalent model of multi-harmonic source power system
以云南电网某变电站的谐波监测数据为例,分别对3条馈线和母线处采集24 h的7次谐波电流和7次谐波电压,其3条馈线的谐波电流和母线谐波电压数据变化趋势如图2所示。可以看出,母线处的谐波电压和各馈线谐波电流变化趋势存在一定的相关性,但不同馈线谐波电流与母线谐波电压的相关性存在明显差异,且不同时间段相关性存在变化。
图2 3馈线7次谐波电流与母线7次谐波电压变化趋势
Fig.2 Variation of 7 th harmonic current of three feeders and 7 th harmonic voltage of bus
以云南电网某变电站严格对齐且无明显谐波阻抗变化的监测数据为例,关注母线处的7次谐波电压幅值与所接入的馈线谐波源的7次谐波电流幅值之间的线性相关性散点图如图3所示,其斜率与馈线的转移谐波阻抗Zsh有关,截距与非关注谐波源共同产生的谐波电压U0h有关,多个谐波源存在多个线性相关性。
图3 谐波源线性相关性散点图
Fig.3 Linear correlation scatter plot of harmonic sources
从以上分析可看出,在数学上母线谐波电压近似由网络内所有谐波源线性组合而成,不同母线受各谐波源的影响存在差异。受同一种或多种谐波源影响的母线,其母线谐波电压数据与各馈线谐波电流存在一定的关联性特征,在时间序列上体现为数据间波动的相似性。
1.2 谐波监测数据的非同步性
电能质量监测装置监测点如图4所示,监测装置一般部署在10 kV母线公共连接点上,数据采样间隔为3 min,可获得母线谐波电压数据以及m条馈线的谐波电流数据。
图4 谐波监测数据采集示意
Fig.4 Harmonic monitoring data acquisition schematic
由于母线谐波电压采集和馈线谐波电流采集分属不同监测装置,而电能质量监测装置以本地时钟为参考基准进行数据采集,这就造成了不同监测点数据采集的非同步性。同时,非同步测量下现有监测装置难以获取谐波电压电流瞬时值。
而目前电网公司所使用的谐波监测装置输出的测量数据一般为监测周期内的统计值,如最大值、最小值、平均值和95%概率大值,母线谐波电压能反映电力系统及供电用户谐波综合作用的最终结果,因此常选取谐波电压统计值进行谐波责任分析。不同组统计数据间常常会在数据时间上出现错位和偏移,进一步加剧了谐波监测数据间的非同步性。
若以在正常工况下采集图3数据来源的变电站母线谐波电压监测数据和馈线谐波电流监测数据,以馈线谐波电流幅值为横坐标、母线谐波电压幅值为纵坐标的散点图如图5所示。可以看出,非同步采样下其监测数据不再线性分布,无法衡量出数据间的相关性程度。即使通过网络校时等方法来校正时钟,也很难实现数据间的完美同步。
图5 非同步采样下谐波监测数据散点图
Fig.5 Scatter plot of harmonic monitoring data by asynchronous sampling
1.3 含谐波阻抗变化的谐波监测数据
在实际运行的电力系统中,当谐波监测装置数据监测周期较长时,谐波阻抗可能因系统运行方式改变、负荷投切和无功补偿装置切换等情况发生改变,将对如何准确划分谐波源s应承担的谐波责任产生较大影响,不同时段谐波源s的应承担谐波责任将差别较大。
延长图3数据的监测周期,将该变电站含运行方式改变和负荷投切的时段纳入数据监测周期,其监测数据散点图如图6所示。可以看出,其数据间的相关性发生了显著变化,不能再以一个固定相关性系数区衡量该时段内谐波源应承担的谐波责任。
图6 谐波阻抗变化下谐波监测数据散点图
Fig.6 Scatter plot of harmonic monitoring data under harmonic impedance change
02 本文谐波责任划分方法
2.1 数据预处理
电能质量监测数据具有高噪声等特点,直接使用原始数据进行谐波责任划分会导致计算结果精确度不高,通过对谐波监测数据进行降噪可有效改善该问题。本文采用分段聚合近似算法(piecewise aggregation approximation,PAA)对谐波监测数据进行预处理。将谐波监测数据表示为时间序列v={v1,v2, ···, vi, ···, vm},vi表示第i个监测数据,m表示序列长度。
采用文献[21]中经典PAA算法对谐波监测数据进行降噪处理,即
式中:ω为时间窗口长度;为预处理后的第j个谐波监测数据;PAA降噪处理后的数据为
长度为n。经PAA处理后,数据可留存原有信息,且数据噪声显著降低。
2.2 基于ShapeDTW算法的数据对齐
电能质量监测数据是一种典型的时序数据,不同监测点采集的数据序列存在局部位移。动态时间规整算法(dynamic time warping,DTW)能够对各时序数据点进行非同时刻映射,有效处理序列中的局部位移现象,衡量2个非时间序列之间的相似程度。在进行存在局部位移的曲线匹配时,DTW距离对应与传统欧式距离对应对比如图7所示,可见欧式距离在度量存在时移但局部相似的曲线时并不适用,而DTW距离可准确度量其对应关系并进行匹配。
图7 DTW距离对应与欧式距离对应对比
Fig.7 Comparison of DTW distance correspondence and Euclidean distance correspondence
通过求解最优匹配路径和对齐方式,可得到母线监测谐波电压序列和馈线监测谐波电流的距离矩阵,从而定量分析两者之间的相关性。设馈线谐波电流序列和母线谐波电压序列分别为x={x1, x2, ···, xm}和y={y1, y2, ···, yn},序列长度分别为m和n。首先,构造一个m行n列的距离矩阵M,其中M[i,j]表示序列x的第i个数xi与序列y的第j个数yj的欧氏距离。其次,设累计距离矩阵为Mc,其第1行和第1列初值为
累计距离矩阵其余部分计算方法为
式中:2≤i≤m,2≤j≤n,i、j∈N。
最后,确定序列x和y的DTW距离。由式(3)可知,累计距离计算的过程相当于计算序列x和y的最优对齐方式,并将最优匹配方式下的累计距离计入矩阵末尾,即可得2组序列数据的整体最小累计距离D(x,y)= Mc[i,j]。其值代表2组序列在趋势特征和时间特征上的相似程度,值越大则相似度越高。
在实际工程应用中,利用DTW算法进行母线谐波电压和馈线谐波电流点对点数据匹配时,会出现图8中2点之间距离最小但忽略局部形状相似度的不合理匹配,导致A点与B′点匹配。但从图8中2组数据的形状相似度对比,可明显看出A点应与
图8 合理匹配与不合理匹配示意
Fig.8 Schematic of reasonable and unreasonable matching
为有效避免此种类似不合理匹配情况的出现,使具有相似局部形状的监测数据序列点趋于匹配,本文在DTW算法匹配的基础上,采用ShapeDTW算法将序列点周围的局部形状信息合并到动态规划匹配过程中,实现数据匹配对齐。ShapeDTW算法实现数据匹配对齐步骤如下。
1)本文进行的谐波责任划分是研究2序列x和y之间的责任关系,此处选择以序列x为基准序列,序列y为待对齐序列。以2序列每个元素为中心,截取长度分别为Lx(Lx≪m)和Ly(Ly≪n)的子序列,可得序列x的子序列矩阵X′(m×Lx维)和序列y的子序列矩阵Y′(n×Ly维)。
2)对于矩阵X′的每行数据序列x′(i)(i=1, 2, ···, m),按如式(4)所示原则与矩阵Y′的每行数据序列y′(j)(j=1, 2, ···, n)进行最优匹配,设式(4)在处取得最小值,即表示序列x的元素xi与序列y的元素yj匹配。
3)保存基准序列x不变,将与xi匹配的yj分配至新序列y′中的第i个元素,即按以上规则对序列y重构,形成新序列y′。
2.3 基于OPTICS聚类的场景划分
采用本文方法将非同步的馈线谐波电流数据和母线谐波电压数据对齐后,可实现数据间的同步性。但针对1.3节中含谐波阻抗变化的谐波监测数据,如未考虑谐波阻抗变化对谐波责任划分的影响,其谐波责任划分结果的合理性与适用性将存疑,对此这里将不同谐波阻抗对应的运行场景划分为不同的簇,然后再对各场景下的谐波源进行谐波责任划分。
OPTICS聚类算法是一种基于密度的聚类算法,在DBSCAN聚类算法的基础上改进得到。DBSCAN算法存在易受输入领域参数(ε, β)的影响,当参数取值不同时,DBSCAN聚类结果也不同的情况。而OPTICS算法通过生成一个反映各样本点基于密度聚类结构的有序队列实现灵活聚类。从理论上来讲,OPTICS算法可对不同密度的数据进行聚类,获得任意可分形状的簇。
假设数据集为X={x1, x2, ···, xi, ···, xn},邻域半径为ε,最小数目为β。核心对象定义为:如果ca(xi)≥β ,则xi为X的核心对象点,其中ca(xi)表示点xi邻域内所包含的元素数。直接密度可达定义为:若xi属于xj的邻域且xj为核心对象点,则称xi是xj的直接密度可达点。核心距离定义为:xi的核心距离为使xi成为核心对象点的最小领域半径。可达距离定义为:xj关于xi的可达距离为xi的核心距离和xj与xi之间欧几里得距离的距离最大值。以谐波阻抗为聚类依据的基于OPTICS聚类算法的场景划分步骤如下。
1)遍历样本集E中的元素,判断该元素是否为核心对象,是则归入到集合Ω中,否则继续判断下一个元素,直至遍历全部元素。
2)在集合Ω中任意选取一个未被处理的对象点p,将该点标为已处理,寻找该点所有直接密度可达点,并按可达距离大小,将所有直接密度可达点依次排序存入集合S中。
3)若S为空集,则返回步骤2);若S不为空,则选取集合S中可达距离最小的样本点q,标记为已处理,将该点存至有序列表M中,并判断点q是否为核心对象点,是则继续步骤4),否则返回步骤3)。
4)寻找点q所有直接密度可达点aq(j),若aq(j)已存在M中则不做处理;否则判断S中是否已存在aq(j),存在则继续步骤5),不存在则跳到步骤6)。
5)若此时关于当前对象新的可达距离小于旧可达距离dr(i),则将其对应的可达距离替换为
对S按可达距离重新排序,返回步骤3)。
6)插入点aq(j),对S按可达距离重新排序,返回步骤3)。
7)将样本集E中所有元素按步骤2)~6)处理完毕。
以处理顺序为横坐标,可达距离dr(i)为纵坐标,生成有序队列图。根据有序队列图选取合适的邻域半径ε,若dr(i)<ε,则该可达距离有效,将其聚为一类,输出低谷数据,得到最终聚类划分结果。OPTICS聚类完成后,监测数据集被划分为不同场景的数据簇,可在各簇数据基础上利用相关性分析方法进行谐波责任划分。
03 谐波责任指标
为更有效地刻画出第1节中的馈线谐波电流和母线谐波电压的线性关系程度,本文采用相关性分析方法进行谐波责任划分。母线谐波电压和各馈线谐波电流变化趋势具有一定的相关性,不同馈线不同运行场景对应的相关性存在显著差异,需定量分析其相关性系数大小,进而根据相关性系数大小确定各谐波源的谐波责任。用变量之间的相关程度来描述变量间的线性关系,其相关性可以用系数r(x,y)为
式中:xi和yi分别为馈线谐波电流序列x的第i个元素和母线谐波电压序列y的第i个元素;分别为序列x的均值和序列y的均值。r(x,y)∈[−1,1],当r(x,y)的值趋向于1时,代表2序列间具有良好的正相关性;当r(x,y)的值趋向于–1时,代表2序列间具有良好的负相关性;当r(x,y)的值趋向于0时,代表2序列间不存在相关性。
在同场景时段内,谐波责任保持相对稳定。若该监测周期内含k个同场景时段,对于第a个同场景时段(a=1, 2, ···,k)的谐波责任ra为
式中:x(a)和y(a)分别为第a个同场景时段下的馈线谐波电流子序列和母线谐波电压子序列。
为更加直观地对比各馈线谐波责任的相对大小,并便于谐波责任奖惩方案的实施,本文对ra进行归一化处理。在归一化过程中,以所有馈线谐波源在母线共同造成的结果为基准值1,使所有馈线谐波责任相加为1,其中负值代表该馈线并未产生谐波反而被迫吸收了谐波,为谐波责任划分中的受害者,其值为所有谐波源在该馈线共同作用的谐波。
将所有ra中的正值处理为
式中:b为正值的个数;Ba(i)为第i条馈线在第a个场景下应承担责任的系数(假设该母线连接有N个谐波源馈线,i=1, 2, ···,N)。
归一化完成后,产生谐波的馈线应承担的责任为吸收谐波的馈线被迫承担的责任为
其计算过程为
式中:为ra中的负值,表示该馈线被迫承担的谐波责任;c为负值
的个数。
综合考虑各场景下谐波责任对应的时间范畴,累计第i条馈线第1个至第k个同场景时段的谐波责任,馈线i在监测周期内的总谐波责任Fi为
式中:Ea(i)为第i条馈线在第a个场景归一化后的谐波责任值;T(a)为监测周期内第a个同场景时段的时长。此后,运用该归一化方法,对总谐波责任进行归一化处理,得到更加直观和便于比较且考虑时间范畴的各馈线总谐波责任。
04 算例分析
4.1 仿真分析
为验证本文方法的可行性和准确性,在Matlab/Simulink平台上搭建如图9所示的3馈线多谐波源系统,进行谐波责任划分仿真分析。
图9 多谐波源等效电路
Fig.9 Equivalent circuit of multi-harmonic sources
以5次谐波为例,各时段的馈线与母线采样时间差以及系统侧和用户馈线侧仿真参数设置如表1所示,共采集组样本点数据。其中,系统侧5次谐波电压源US=50 V,用户侧3条馈线的5次谐波电流源分别为Ic1=7.1 A、Ic2=5.4 A和Ic3=3.5 A。为模拟电网中谐波源的扰动,分别向系统侧谐波电压源和3个馈线谐波电流源加入以初始值为中心,方差和
的正态噪声扰动。
表1 仿真参数
Table 1 Simulation parameters
运用本文方法对仿真得到的样本数据进行预处理,时段1中馈线1的部分谐波电流测量数据预处理后效果对比如图10所示。
图10 数据预处理效果
Fig.10 Data preprocessing effect
从图10可见,预处理后数据分布比预处理前更趋于稳定,且离散点和奇异值减少,但其变化趋势和规律仍与原来一致,数据在保留了原有信息的同时噪声显著降低。
数据预处理后,由于仿真设置中母线谐波电压采集和馈线谐波电流采集之间存在非同步时间差,其时序数据之间并非存在一一对应关系。为此,以母线采集到的5次谐波电压为基准曲线,对预处理后的3条馈线时序5次谐波电流数据曲线采用本文方法实现数据匹配对齐。为清晰展示,以时段2馈线1匹配对齐的过程为例,截取部分数据进行分析验证。忽略曲线之间的幅值大小,保留曲线形状和变化趋势,将多条曲线置于同一坐标轴下进行对比分析,其对齐前后的对比如图11所示。
图11 部分数据的匹配对齐
Fig.11 Matching alignment of partial data
从图11中馈线5次谐波电流变化曲线和母线5次谐波电压变化曲线可见,在该场景下两者间具有强相关性,局部位移将导致两者间的相关性发生显著变化。若未对时序数据序列存在的局部位移进行有效处理,而直接基于相关性分析进行谐波责任划分其结果将失去真实性与可靠性。对齐后的馈线5次谐波电流曲线能与母线5次谐波电压曲线实现图11中A点与B点平行于y轴的一一对应,其馈线5次谐波电流曲线对齐前后同一点对应的时间差与仿真设置的条件一致。
将非同步采样下的时序数据序列匹配对齐后,不同场景下的谐波阻抗仿真参数具有显著变化,其变化也将导致母线谐波电压和馈线谐波电流的相关性发生改变。对此,采用OPTICS聚类算法进行聚类分析,以实现不同相关性的场景划分。图12中,横轴表示谐波数据的处理顺序,纵轴表示当前处理对象的可达距离。将可达距离dr(i)与设置好的领域半径ε进行对比,若dr(i)<ε,则该对象可达距离有意义,对应的谐波数据被聚为一类。输出水平线ε与曲线dr(i)相交处以下的低谷数据有4簇,对应仿真设置的4个场景。
图12 OPTICS聚类的有序队列
Fig.12 Ordered queue of OPTICS clustering
此后,运用本文基于相关性的谐波责任划分方法计算各场景下的谐波责任,并以同一场景下各馈线谐波源在母线造成的电压畸变为基准值进行归一化,各场景下馈线5次谐波责任的计算结果如表2所示。可以看出,同一馈线在不同场景下5次谐波责任具有明显差异,不同场景下各馈线间的5次谐波责任相对大小关系不同。在场景1中,馈线2被迫吸收了谐波,为谐波责任划分中的受害者,与母线共同承担了谐波源造成的后果,但随着场景的变化,该馈线由受害者转变为责任者。
表2 各场景下馈线的谐波责任
Table 2 Harmonic responsibility of the feeder under each scenario
从表1的仿真参数设置中可看出,不同场景对应的时长不同,表2的谐波责任为该场景下对应的责任,但各场景的谐波责任所对应和持续的时长不同,若按以往不考虑对应场景时长进行场景划分的方法把各场景谐波责任简单相加取平均值作为考虑场景划分后的总谐波责任,其结果难以信服。对此,运用本文考虑各场景时间范畴进行谐波责任划分的方法计算考虑场景时长占比后的各场景5次谐波责任如表3所示。
表3 考虑场景时长占比后的谐波责任
Table 3 Harmonic responsibility with consideration of the scenario duration percentage
表3得到的谐波责任相对大小关系代表该馈线在该场景下对监测全周期的总谐波责任贡献度的相对大小。结合表2和表3,以馈线1为例进行分析。馈线1在场景1时谐波责任最大,但在综合考虑各场景相对时长占比和谐波责任大小后,场景3下的谐波责任对总谐波责任结果贡献最大。馈线1在场景1时为短时局部谐波责任最大,场景3虽谐波责任和时长占比都并非最大,但在考虑谐波责任大小和持续时间后,该场景下的谐波责任对馈线1的总谐波责任贡献度最大。
为验证本文方法考虑监测数据非同步性、谐波阻抗变化和场景持续时长的必要性,将本文方法计算得到的总谐波责任与未进行上述考虑(在对比过程中,仅以其中一种作为自变量)的结果对比分析,结果如表4所示。
表4 总谐波责任对比
Table 4 Total harmonic responsibility comparison
从表4可以看出,如未对局部位移造成的谐波数据序列非同步性进行有效处理,而直接基于相关性分析进行谐波责任划分,其计算结果已不再具有工程实际价值。未考虑谐波阻抗变化不进行场景划分的计算结果与进行场景划分并考虑场景时间范畴的计算结果存在一定差异,但其数值大小整体相对接近。这从侧面验证了本文方法的准确性,进行场景划分后谐波责任计算结果的精度有较大提升,能有效应对谐波阻抗变化对谐波责任计算带来的影响。考虑场景划分后各场景持续时长占比的谐波责任划分方法可改进以往只进行场景划分(默认各场景时长相同)带来的不足,有效处理监测全时段内谐波责任的短时剧烈波动,使谐波责任计算结果更加精准。
4.2 实例分析
为验证本文方法在实际工程运用中的有效性,以云南电网公司某110 kV变电站10 kV母线及该母线所包含的3条馈线为例进行谐波责任划分。电能质量监测装置监测点如图4所示,监测周期为该变电站谐波污染较为严重的7天。由于数据体量较大,为清晰展示,综合考虑该变电站监测周期内各次谐波电压含有率、各馈线间不同次谐波电流含有量差距和各次背景谐波波动情况后,本文以7次谐波为例进行谐波责任划分分析。
按本文方法步骤进行7次谐波责任划分,结果如表5所示。表5中各场景谐波责任为未考虑时长占比的馈线谐波责任值,全时段谐波责任为考虑各场景时长占比后的监测全时段总谐波责任值。
表5 实例分析的谐波责任划分
Table 5 Harmonic responsibility division in case study
从表5可以看出,3条馈线的7次谐波责任在监测周期内存在明显波动,3条馈线在不同场景下谐波责任有显著差异且变化趋势不相同。虽谐波责任存在变化,但在各场景中馈线1的谐波责任均为最大,与全时段总谐波责任结论一致。以馈线1为例,虽该馈线在场景2时谐波责任最大,但持续时间不长,综合考虑各场景时长占比后,场景3下的谐波责任对该馈线总谐波责任值贡献最大。若未考虑各场景时长占比,其总谐波责任值将受短时剧烈波动的影响而远离于整体值。馈线1应承担7次谐波主要责任,馈线3承担次要责任,馈线2为谐波责任划分中的受害者。
实际生产运行中很难切断某条馈线来验证本文方法的合理性,经调研和查阅该变电站资料,对3条馈线所接负荷类型和大小分析,与馈线1和馈线3主要产生谐波的分析结果相符。根据该变电站的运行资料,本文方法划分的场景个数及其大致时长占比与该变电站的运行场景情况基本一致。综合上述分析,本文方法所得谐波责任划分结果与电网实际运行情况较为符合。
05 结语
本文提出了一种在考虑电网现有谐波监测数据非同步性和谐波阻抗变化后,基于相关性分析进行谐波责任划分的方法,并通过仿真分析和实例分析验证了该方法的可行性与合理性。
该方法为实际工程应用中谐波责任划分问题提供了新思路和新方法,但在长时间尺度内面临复杂工况时的适用性和可靠性还有待探究。下一步将利用谐波责任划分结果进一步制定合理性经济性指标,并对在线应用进行研究。
注:本文内容呈现略有调整,如需要请查看原文。
特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。
凡来源注明北极星*网的内容为北极星原创,转载需获授权。
近日,国家能源局综合司关于开展电力安全治理体系建设专项行动的通知(国能综通安全〔2025〕39号)。通知明确三个阶段:工作部署阶段(自本通知印发之日至3月31日)、对照落实阶段(4月1日至10月31日)、评估总结阶段(11月1日至12月1日)。电力安全治理专项行动任务细化表中指出,要求坚持团结治网,
3月20日,河南能源监管办会同河南省能源局组织召开2025年全省电力安委会第一次全体会议,深入学习贯彻习近平总书记关于安全生产重要指示批示精神,总结2024年电力安全生产工作,分析当前电力安全生产形势,部署2025年电力安全生产重点任务。河南能源监管办主要负责同志、河南省能源局有关负责同志,全
3月12日,国家电网有限公司各级标准化技术委员会秘书长座谈会在京召开。会议围绕加强标委会管理、支撑新型电力系统建设两项主题,交流分享经验做法,研究部署下一步工作,要求公司各级标委会秘书处在新型电力系统建设的关键阶段,增强使命感和紧迫感,全力做好标委会各项工作,以高标准引领高质量发展。
3月14日,省发改委、省电力公司、冀北电力公司,联合印发了《河北省电力护航经济发展十项措施》,提出加强主网输电通道建设,加快配网改造升级,拓展省外电力支持,保障经济社会发展用电需求;推进办电全环节线上化、透明化,深化电网投资项目政电企交互,加快重点项目接电速度;为企业提供“用电能效
北极星输配电网获悉,截至今年2月,江苏连云港赣榆区分布式光伏用户累计3.36万户,在全省处于第二位;累计装机容量104.37万千瓦,在全省排名第七。据介绍,赣榆区作为国家能源局整县屋顶分布式光伏试点区县之一,地势海拔较低、大气透明度较好,年均日照时数在2300小时以上,太阳能资源较丰富,且该地
2024年12月19日,国家电网公司在北京举行光明电力大模型发布会暨签约仪式,光明电力大模型正式发布。国家电网公司董事长张智刚指出,光明电力大模型对推动新型电力系统建设,加快形成新质生产力,更好保障国家能源安全、促进能源绿色转型具有重要意义。3个月过去,各省网公司纷纷落地应用,覆盖多个数
3月17日,国家能源局综合司关于印发《2025年电力安全监管重点任务》的通知。完善大电网安全风险管控体系。深入开展运行方式分析,排查电网结构性问题,从源头化解“十五五”电网安全重大风险。落实电网安全风险管控制度,重点加强迎峰度夏(冬)等重点时段安全风险管控,着力防范电网大面积停电风险。
近日,山西能源监管办组织召开2025年山西电网运行方式汇报会,总结2024年山西电网运行情况,分析研判山西电力系统运行主要特点、面临的形势和存在的风险,进一步明确提出做好电网风险管控工作建议和监管要求。山西能源监管办和山西省能源局负责同志及有关处室负责同志,省内各电力集团负责同志参加会议
1引言随着全球数字经济加速发展,政府、金融、电力等领域对高品质传输专线的需求不断增加,带动光传送网(OTN)持续向城域边缘下沉和行业末端节点规模部署。鉴于传统OTN技术带宽管道颗粒度偏大(最小带宽容器粒度为1.25Gb/s量级的ODU0),在承载GE以下速率业务时存在带宽利用率低、调度灵活性差等问题
“设备确认无误,许可融冰工作开工……”3月16日0时22分,在220千伏原平变电站内,国网山西忻州供电公司检修工作人员按下直流融冰车启动按键,对220千伏荣原Ⅰ线开展直流融冰作业,及时消除电力线路覆冰隐患,保障电网供电安全。这项技术在忻州电网是首次应用。近日,忻州多地降雪,特别是部分高寒地区
3月19日,河南焦作温县发布关于加强分布式光伏项目安全监管的通知。原文如下:关于加强分布式光伏项目安全监管的通知国网温县供电公司,各相关企业:近年来,分布式光伏发电快速发展,装机总规模不断扩大。分布式光伏发电项目数量众多、区域分散、周边环境复杂,安全生产管理难度较大,给人民群众生命
近日,从国网内蒙古东部电力有限公司获悉,截至3月15日,该公司配网无人机自主巡检总里程达20万千米,大大提升了配网巡检效率。近年来,国网蒙东电力聚焦转变配网巡检方式,构建了“低成本、全自主、规模化”的配网无人机自主巡检体系,并在2024年开始大规模推广应用。该公司推动无人机技术与人工智能
“电缆接地故障位置已确定。”3月16日,在新疆哈密市伊州区某小区,哈密供电公司运检专业员工与国网信息通信产业集团有限公司北京中电普华信息技术有限公司运维工程师组成的检修团队应用多功能配电网接地故障定位仪,用30分钟定位了地下电缆接地故障点。经检查,故障原因为道路施工导致电缆破损。检修
从智能机器人亮相春晚开始,一夜之间,智能机器人仿佛雨后春笋般登场。会武功的宇树G1,会骑车的灵犀X2,赚足了眼球。大家不禁在想:这些机器人能不能干点实用的活儿?比如修修电线什么的?别说,还真有!最近,在绍兴500千伏的高压线上,一款挂着无人机出场的机器人,成功完成了地线断股修复。这是国
3月6日,由深圳市大疆创新科技有限公司(以下简称“大疆公司”)授权的无人机维保中心在陕西电力科隆发展有限责任公司挂牌。该维保中心是大疆公司行业应用维保业务合作模式更新完善后,与国家电网公司系统内单位深度合作下成立的首家无人机维保中心。同传统合作模式相比,新模式下的维保中心拥有更加齐
国网江苏省电力有限公司2025年第一次物资公开招标采购推荐的中标候选人公示(招标编号:102501)
3月3日7时许,上海中心气象台发布今年首个雷电黄色预警信号,不久后,雷声便在上海上空响起。电科院依托上海台风雷电监测预警系统,积极应对雷电风雨可能带来的威胁和巨大损失,支撑电网安全可靠运行。公司常规防雷工作开始时间为3月15日。考虑到2024年2月,上海已出现雷电活动,较往年有所提前,为此
国网四川省电力公司2025年第一次物资非招标采购(单一来源)项目推荐的中标候选人公示(招标编号:192512)
国网四川省电力公司2025年第一次物资招标采购项目推荐的中标候选人公示(招标编号:192501)
国网浙江省电力有限公司2025年第一次物资公开招标采购中标候选人名单公示(招标编号:ZBGW25-002)
3月7日,广东电网公司2025年三山岛海上风电柔直输电工程(数字工程)专项招标(变压器综合检测与故障诊断系统等11项物资)招标,需求金额共计3001.9888万元。本次招标含变压器综合检测与故障诊断系统、雷达光电系统、光声光谱检测原理的全组分类变压器油中溶解气体在线监测装置、海上平台基础结构监测
3月4日,广州供电局2024年第11批专项主网一次(预装式预制舱式模块化变电站等)、配网设备材料(安全工器具智能柜)、仪器仪表(电缆隧道综合监控装置)物资公开招标中标公告。
在数字化转型的浪潮中,科士达以数字孪生技术为核心,为智能制造注入了新的活力。通过这一技术,科士达不仅提升了生产效率和质量,更以客户为中心,实现了制造过程的全面优化和透明化,为客户带来更高效、更优质的产品和服务体验。数字孪生智能制造的“智慧引擎”科士达的智能制造工厂借助数字孪生技术
一年一度的传感器领域盛会深圳国际传感器与应用技术展览会(SensorShenzhen)将于3月31日在深圳会展中心盛大开幕,届时TEConnectivity(以下简称“TE”)将携多项交通、工业和医疗领域创新产品及解决方案亮相,并会与全球领先的电子元器件分销与技术解决方案提供商安富利(Avnet)联合展出覆盖物联网感
在“双碳”战略引领下,我国风光新能源装机容量持续攀升,截至2024年底累计突破14亿千瓦。根据《2025年能源工作指导意见》规划路径,2025年全国新增新能源发电装机规模2亿千瓦以上,非化石能源消费比重将不断提高。然而,由于源网荷储协同缺乏系统性、科学性的规划设计,存在部分区域新能源并网消纳困
日前,工业和信息化部印发了《工业企业和园区数字化能碳管理中心建设指南》,加强工业节能降碳管理,支撑构建系统完备的碳排放双控制度体系。根据指南,工业企业和园区通过数字化能碳管理中心建设运行,实现对能耗和碳排放的精准化计量、精细化管控、智能化决策与可视化呈现,持续提升节能降碳管理能力
近日,国家电投贵州金元茶园电厂利用现有服务器,成功构建基于DeepSeek-R1人工智能模型的本地知识库,实现检索、校核等基础功能,助力传统火电企业生产管理模式向数字化、智能化转型升级。该厂紧跟时代步伐,超前筹划、快速部署,组建专业技术团队搭建本地知识库,通过后续的数据“投喂”,可在企业信
为进一步提升变电专业故障诊断和处理能力,3月13日,南方电网云南昆明供电局依托南网“大瓦特”模型体系最新开放的DeepSeek大模型,在云南率先推出“操作票智能生成及检验”“设备试验数据智能分析”“新改、扩建工程验收助手”“变电设备维护检修验收助手”4个变电运行专业典型模型应用。通过“DeepSe
2024年12月19日,国家电网公司在北京举行光明电力大模型发布会暨签约仪式,光明电力大模型正式发布。国家电网公司董事长张智刚指出,光明电力大模型对推动新型电力系统建设,加快形成新质生产力,更好保障国家能源安全、促进能源绿色转型具有重要意义。3个月过去,各省网公司纷纷落地应用,覆盖多个数
在邢台新能源职业学院,晶澳智慧能源数字化平台系统如同隐形的“校园管家”,正悄然改变着校园的用能方式,助力校园用能实现舒适体验与节能降耗的完美平衡。遇到寒潮时,教室热力单元通过分析教学作息规律,可以自动匹配课前预热、课后调温模式,1小时内构建出18.5℃±0.5℃学习热岛。在宿舍区,算法通
春风拂过黔贵大地,万物复苏;号角响彻苗岭山川,万象更新。3月17日至18日,习近平总书记在贵州考察时强调,贵州要认真落实党中央关于西部大开发和长江经济带发展的战略部署,坚持以高质量发展统揽全局,以进一步全面深化改革开放为动力,坚定信心、苦干实干,稳中求进、善作善成,在中国式现代化进程
“椅子凹火点确认,启动预警!”3月3日11时40分,云南电网公司红河供电局山火监测系统突然告警。10分钟前,卫星捕捉到500千伏巡检司红河线72号塔和73号塔区间0.3℃的温度异常,AI算法同步启动视频影像扫描,自动关联锁定该输电线路300米外的杂草堆为起火点。值班人员通过“一张图”系统精准定位并通知最
3月21日,辽宁省工信厅组织开展2025年5G工厂名录项目及优秀案例遴选工作。项目申报主体为制造业、采矿业、电力、港口等重点领域企业,在辽宁省内注册,具备独立法人资格。包括但不限于省级5G工厂,省级“5G+工业互联网”融合应用先导区内5G应用重点企业。原文如下:关于组织开展2025年5G工厂名录项目及
请使用微信扫一扫
关注公众号完成登录
姓名: | |
性别: | |
出生日期: | |
邮箱: | |
所在地区: | |
行业类别: | |
工作经验: | |
学历: | |
公司名称: | |
任职岗位: |
我们将会第一时间为您推送相关内容!