电网系统运行大安全管理数据规模较大,传统方法难以准确且快速地挖掘出异常数据。因此,文章提出了基于大语言模型(Large Language Model, LLM)的电网系统运行大安全管理异常数据挖掘。该方法在清洗并脱敏处理原始电网系统运行大安全管...电网系统运行大安全管理数据规模较大,传统方法难以准确且快速地挖掘出异常数据。因此,文章提出了基于大语言模型(Large Language Model, LLM)的电网系统运行大安全管理异常数据挖掘。该方法在清洗并脱敏处理原始电网系统运行大安全管理数据后,形成结构化的电网系统运行大安全管理数据集。通过构建LLM,该方法将结构化数据集输入模型,经训练后输出异常数据挖掘结果。实验分析表明,该方法数据挖掘结果的相对平方根误差仅为0.47%,交叉熵损失收敛值低至2.2146,显著优于传统聚类与小波方法,可为电网安全运行提供高效、可靠的异常监测支持。展开更多
随着可再生能源的快速发展,对于高电压等级(500 k V及以上和部分220/330 k V)的输电设备检修计划编制,必须考虑可再生能源输送能力的保障。为此,提出了一种大电网输电设备检修计划编制方法。利用等效负荷的概率密度函数和日最小开机出...随着可再生能源的快速发展,对于高电压等级(500 k V及以上和部分220/330 k V)的输电设备检修计划编制,必须考虑可再生能源输送能力的保障。为此,提出了一种大电网输电设备检修计划编制方法。利用等效负荷的概率密度函数和日最小开机出力计算弃风电量,作为检修计划的优化目标之一;针对光伏、水电的特性分别提出适合其外送通道设备检修的时段。考虑输电断面运行安全,建立了基于多约束条件的大电网检修计划模型,采用混合整数规划方法对该模型进行求解。以实际电网的年度检修计划编制作为算例进行了验证。展开更多
文摘电网系统运行大安全管理数据规模较大,传统方法难以准确且快速地挖掘出异常数据。因此,文章提出了基于大语言模型(Large Language Model, LLM)的电网系统运行大安全管理异常数据挖掘。该方法在清洗并脱敏处理原始电网系统运行大安全管理数据后,形成结构化的电网系统运行大安全管理数据集。通过构建LLM,该方法将结构化数据集输入模型,经训练后输出异常数据挖掘结果。实验分析表明,该方法数据挖掘结果的相对平方根误差仅为0.47%,交叉熵损失收敛值低至2.2146,显著优于传统聚类与小波方法,可为电网安全运行提供高效、可靠的异常监测支持。
文摘随着可再生能源的快速发展,对于高电压等级(500 k V及以上和部分220/330 k V)的输电设备检修计划编制,必须考虑可再生能源输送能力的保障。为此,提出了一种大电网输电设备检修计划编制方法。利用等效负荷的概率密度函数和日最小开机出力计算弃风电量,作为检修计划的优化目标之一;针对光伏、水电的特性分别提出适合其外送通道设备检修的时段。考虑输电断面运行安全,建立了基于多约束条件的大电网检修计划模型,采用混合整数规划方法对该模型进行求解。以实际电网的年度检修计划编制作为算例进行了验证。
