构建了基于机器学习算法的人机交互辅助值班系统。通过布设于不同电网机房区域的数据采集器采集数据,经NB-IoT模块和数据服务器处理后传输至用户端,采用组合机器学习算法实现系统信息检测。设计了人机交互界面,为系统管理人员提供直观的信息。系统性能验证结果表明,该系统具有较高的电力调度报警信息检测准确率,误报率低,系统管理人员可利用系统人机交互界面有效地实现监控区域电力调度信息的管理。

为了提高电力系统设备异常识别效果,提出了基于人工智能技术的电力系统设备远程实时监控异常识别方法。首先通过云台摄像头实时采集电力系统设备图像并传送至远程监控中心,远程监控中心实时截取视频流中的设备图像并进行图像实时预处理;然后采用变分模态分解方法提取图像中电力系统设备异常状态特征,并将该特征输入支持向量机中作为训练样本,实现电力系统设备异常状态实时识别;最后对某电力公司电力系统设备进行仿真实验,结果表明该方法在雾霾、雪天等恶劣天气下均可实现电力系统设备异常状态的有效识别。

介绍了齿轮泵试验台测试系统的原理以及液压和电气控制部分的硬件组成，运用一阶差分法对采集数据进行剔除奇异项处理，保证了测试数据的准确和真实。按照行业标准的要求计算出被试齿轮泵的容积效率、总效率、机械功率，并生成EXCEL格式报表。测试系统经过实际运行，验证了其准确性和可靠性，取得了良好的应用效果。