能源互联网背景下人工智能在电力通信网中的应用探析

来源 :电力信息与通信技术 | 被引量 : 0次 | 上传用户:zhangqing1226
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
文章旨在探析能源互联网背景下人工智能关键技术在电力通信网中的应用前景。首先对各类机器学习算法原理及主流产业应用平台进行广泛调研,然后结合实际生产场景,分析机器学习在电力通信实际运维工作中的适用性及应用价值,最后对全文进行总结,以机器学习为代表的人工智能技术可应用于电力通信运维工作的全生命周期管控,可为能源互联网和新型电力系统的构建提供典型范例。
其他文献
为系统研究面齿轮分支传动系统的静态均载特性,分析了非正交偏置的一般性直齿面齿轮双分支布置形式、系统啮合相位差,考虑安装误差和弹性变形推导了系统的变形协调条件,并与扭矩平衡条件和静力平衡条件联立,建立了非正交偏置的一般性直齿面齿轮双分支传动系统的静力学扭矩分配模型,给出了静态均载系数的计算方法,分析了安装误差、输入载荷、支撑刚度、扭转刚度及啮合刚度波动幅值对静态均载特性的影响.结果表明:分流级轴错角误差对均载性能影响最大,且当存在安装误差时,输入载荷和扭转刚度对均载性能有重要影响;为获得系统的均载,应消除啮
为控制温室气体排放,努力实现“30·60目标”,对电煤供应链碳排放进行分析及预测,对指导减少碳排放具有重要意义。首先,采用Petri网理论分析电煤供应链的运行模式,并结合TOPSIS法寻找关键链节点,为后续求取碳排放量打下基础;然后,对各个关键链节点碳排放来源及计算公式进行分析,计算出实际碳排放量;最后,将实际碳排放量及其他影响因素数据输入到GA-BP神经网络,得出预测值,并比较预测值与实际值的误差,说明其准确性。GA-BP神经网络引入遗传算法,克服了BP神经网络收敛速度慢、容易陷入局部最优解的问题。