简介：摘要：伴随人们生活水平的提升电力已然成为人们生活的重要资源，各类用电设备的增加使得供电企业的发展压力加大。输电线路杆塔的接地装置是输电线路的重要组成部分，其安全运行直接影响到电力系统的可靠性，对输电线路的安全运行有着重要的意义。

简介：摘要：电工技术课程是一门相对较复杂、抽象的学科，学生在学习过程中往往会由于其复杂且难懂而提不起兴趣。因此，本文将针对如何调动学生电工基础知识学习的兴趣进行研究，并就此提出了几点建议。

简介：摘要：随着我国综合实力的稳步提升，各行各业也在快速发展，因此对电能的需求量愈来愈大，对电网运维质量的要求也愈来愈高。低压配电网（配电变压器台区，简称配电台区）是配电系统的末端环节，直接服务于用户，它的可靠运行是整个电网运行可靠性链条中的重要组成部分。然而，长期以来，在配电网的建设改造及自动化过程中主要集中在中压配电网（ 10kV配电网）方面，陆续在中压配电网方面投资已超几百亿，中压配电网无论是在网架结构、设备可靠性还是自动化、信息化水平均得到了极大提升，故障率明显下降，并且初步实现了故障的定位隔离以及部分核心区或重要线路的半自动化集中负荷转供，但在低压配电网方面仅停留在通过切割低压负荷、新增配电台区、调整三相负荷、更换低压线路线径等方式解决“低电压”、超重载和三相不平衡治理等问题。鉴于此，文章结合笔者多年工作经验，对基于深度学习的配电设备智能识别技术研究提出了一些建议，仅供参考。

简介：摘要：近几年市场上出现了许多智能可穿戴设备，它们可以监测用户的步数、心率等情况，从而推算出用户的运动量、睡眠质量、作息习惯等，并根据这些数据给用户提供健康建议。但是在这些产品中，很少有产品可以识别用户的运动姿态，即使有，识别的姿态种类也比较单一。随着边缘计算的不断发展，传统的机器学习运行也逐渐从云端下沉到边缘端，在嵌入式微控制器上运行深度学习网络模型进行结果预测成为了可能。在此背景下，本文针对基于深度学习的电力工程现场动作识别进行详细探究。

简介：摘要：在我国社会经济的快速发展下，使得我国用户对电能需求逐渐增大，而且电力来源及电力负荷变得更具多样化，这也让电能质量扰动现象逐渐增加。而为了能够更好的治理电能质量扰动所带来的各种负面影响，就需要在学术与工程中进行大量研究工作，并取得一定的成就。因此本文结合了电能质量扰动类型，对其识别方法展开了探究，以期能够为相关工作人员提供参考性意见。

简介：摘要：随着我国电力系统的建立，以及电力系统在最近几年里的发展，负荷预测的作用将会越来越突出。电力系统的调度运行还有生产在很大程度上会受到电力系统负荷预测结果的影响，负荷预测结果的准确性越高，电力系统运行的安全性与稳定性越好。不过，在短期电力负荷预测的过程中，传统模型已经没有办法既考虑到负荷数据时效性，又考虑到负荷数据非线性这两个主要的特点。因此，本文对基于深度学习的LSTM长短记忆神经网络的电力负荷预测方法进行了研究，并使用该方法对电力负荷值进行了计算，基本上可以确定LSTM网络在预测电力负荷时误差是最小的，所达到的预测效果也是最好的。

简介：摘要：经济的发展，促进社会对电力的需求也逐渐增加，这有效地推动了电力企业的发展。电力设备的稳定运行是保证电力系统正常运行的前提。目前随着国民经济的快速发展，电力供应要求不断提升，配电网设备也在呈指数型增长。如何利用有限的人力物力，完成配电网运维工作，成为了新时代下，配电网发展的重要课题。本文就 基于深度学习的智能配电网运维策略展开探讨。

简介：摘要：图像分类是计算机视觉领域的一个重要的任务，为了解决这一任务，本文提出一种基于每一类的判别信息生成的字典模型，称为监督的类判别的字典学习(Supervised Class-discriminant Dictionary Learning, SCDDL)模型。SCDDL模型从训练集中学习得到一个字典和在这字典上的表示系数，不仅不同类别的字典对训练样本的重建误差具有判别性而且表示系数具有判别性。在此基础上，充分利用重建误差的判别性和表示系数的判别性提出相应的图像分类方案。大量的实验结果表明，与现有的模型分类方法相比较，该分类方法在图像分类的任务上具有较好的分类性能，且算法的效率高。

简介：摘要：“互联网 +”时代的兴趣推动了互联网技术在消费领域中的应用向生产领域扩展，希望“互联网 +”技术的应用能进一步提升产业发展水平，同时还希望通过“互联网 +”来推动行业创新，让其成为社会经济发展新动能。作为我国国民发展和经济发展的基础设施，配电网络能够为我国发展提供基本源动力。

简介：摘要:在当今的生产生活中，许多工作人员没有足够的安全意识，在施工过程中，不按规定佩戴安全帽，给自身的安全带来威胁。由于人工监管佩戴安全帽耗时耗力，且随着图像处理技术的迅速发展，图像识别技术逐渐被用在生产领域，因此，利用深度学习与图像处理技术相结合，让机器自动识别监督工作人员佩戴安全帽的研究十分具有意义。

简介：摘要： 随着大规模分布式电源 (DG)接入配电网，配电网的结构由传统的辐射型变为多端电源结构，传统的故障定位方法不再完全满足含 DG的配电网系统，对此提出一种基于深度学习的有源配电网故障定位方法。首先通过馈线监控终端采集过电流故障数据与节点电压数据，结合各电源出力数据，形成故障数据向量 ;然后使用 Tensor F low构建基于全连接网络的深度神经网络模型，挖掘故障数据向量与故障支路之间的映射联系，形成故障定位模型 ;最后利用该模型在线定位故障并验证其有效性。模型测试结果表示，与反向传播神经网络、学习向量量化神经网络模型相比，深度学习模型收敛速度更快，故障定位准确率更高，同时在数据畸变或缺失时，模型具有较高的容错性。

简介：摘要：随着电力体制改革的不断推进和深入，干部培训工作也面临着越来越多的挑战和创新，更需要公司积极探索新常态下培训工作的新思路、新方式，努力提升培训的质量和效果。本课题通过对公司近年来青年干部领导力培养现状调查 , 分析存在的问题，提出了行动学习加速青年干部领导力培养提升的培训管理创新思路。并在应用于近年来的青年干部培训中，通过多方位的培训需求调研、创新搭建“五阶能力模型”、多层次的培训内容设置、行动学习的应用实践等，激发了青年干部在反思、质疑与自我激励中不断优化培训方案，解决实际工作的难题，实现了组织发展与个人能力的双提升，提高了培训针对性和实效性。

简介：摘要: 2020年8月14日-15日，美国加州发生大规模停电事故，期间超过60万用户受到影响。本文在介绍美国加州电网的基本情况的基础上，对本次大停电事故发展的各个阶段进行了分析，总结了大停电事故的原因，并以此对电网安全运行提出了一些想法和措施。

简介：摘要 :技术发展水平的不断进步以及社会各界用电需求的不断增长很大程度上对于电力生产的安全性提出了更高的要求。由于电力系统当中涉及的机械设备越来越多样化，电力施工与维护检修的难度也有所加大，相关技术人员必须全面掌握电力安全生产情况，才能够将安全隐患事故的发生概率降低到最小。构建电力安全生产监督管理云平台不仅能够很大程度上减轻维护检修人员的工作难度，同时也能够帮助其获得更为多样化的数据信息，时期有针对性的落实维护检修工作。将深度学习引入到电力安全生产监督管理云平台当中，能够在原有的基础之上大幅度提升监督与管控能力，降低不必要的成本消耗。在这篇文章当中，我们就具体对于深度学习在电力安全生产监督管理云平台中的应用进行了研究和分析。

简介：摘要：无人机巡检已成为电力线路杆塔巡检的重要方式。然而，目前的无人机巡检仍主要通过人工方式评估线路灾损，不仅费时费力，而且准确率低。本文提出了一种基于深度学习算法的实时目标检测模型，通过无人机巡检视频实时检测电力杆塔的状态。通过对倒断类杆塔图像进行数据增广，解决了杆塔类别不平衡问题。通过使用 K-means算法对杆塔数据集的目标框进行重新聚类，改进了深度学习算法参数。测试结果表明，该模型能有效检测多种环境下多种尺度的杆塔目标。改进后的模型在测试集上的召回率和交并比较改进前有所提高，且平均均值精度达到 94.09%，检测速度达到 20顿 /s。此外，也对更快的简化版 YOLO模型进行了测试，检测速度能达到 30帧 /s。

简介：摘要：行动学习是一个团队在解决实际问题中，通过边学边干的方式，共同解决组织实际存在的问题的过程和方法。国网天津市电力公司在变革强企工程中，以行动学习理论为主要指导方法，实现了企业内部的管理提升，为电网企业的创新发展提供参考与借鉴。