随着大数据的普及应用,以增强设备可靠性,提前预警为目的的大数据应用研究也在逐渐向风电领域靠拢。大数据技术的合理应用,可以实现对于风力发电设备的健康水平以及设备故障的远程诊断,及时发现设备中隐含或者已经存在的故障,为故障的高效处理提供可靠支撑,保障风力发电设备运行的稳定性。本文从数据挖掘技术在风电设备故障诊断领域的研究背景出发,提出了一种基于数据挖掘技术的风力发电设备故障远程诊断系统,希望为相关人员的研究提供参考和借鉴。
目前,对于电力用户异常用电的问题为研究,提出基于深度学习用户异常用电模式检测相关模型,同时借助Tensorflow框架,进一步构建多层特征匹配网络以及特征提取网络。长短期记忆特征提取网络,能够从大量时间序列中获取不同序列特征,对于全连接网络多层特征匹配网络,研究学者提出,利用所提取特征数据,以完成异常用电数据的相关检测。通过实际研究发现,相比非深度学习检测模型来说,研究基于深度Tensorflow学习框架模型,能够有效完成异常用电模式的检测工作,除此之外,相比多层长短期记忆特征提取,目前来说,所提取的模型
在“双碳”战略中,能源是主力军,城市是主战场。以上海为例,梳理上海城市用能需求和特点,分析双碳目标对能源互联网发展以及对能源互联网技术创新的要求,对比国内外典型的案例和举措,提出“双碳”背景下构建城市能源互联网的关键技术需求和建议。