基于熵值法和DEA的电力监测异常数据自动识别算法研究

为了有效提高电力监测异常数据识别准确率,确保异常数据识别效果,提出了基于熵值法和DEA的电力监测异常数据自动识别算法。应用数据脱敏、数据填补、颠簸去除等方式处理电力监测异常数据,还原原始电力监测数据,提升脱敏后数据完整性,降低颠簸数据对电力监测异常数据精度的影响。以经过数据处理的电力监测异常数据为基础,通过熵值法确定目标的属性和权重作为度量标准,采用基于熵值法改进的最近邻聚类算法,实现数据聚类,以数据聚类结果为输入,构建DEA模型,实现电力监测异常数据自动识别。实验结果表明,该算法数据聚类后的平均检测率约为92%,异常数据识别正判率约为95%,误判率约为3.5%,可有效识别出异常月负荷曲线的异常数据点和不同负荷量的异常数据,且识别结果与实际负荷曲线的趋势一致,具有较好的识别效果。

模块化多电平变换器改进型环流抑制方法

这里首先分析了载波移相脉宽调制(CPS-PWM)策略下广泛应用于模块化多电平变换器(MMC)的平均电容电压控制模型及其优缺点,在此基础上提出了一种改进型环流抑制方案,新方案采用了原模型中的外环桥臂电压均衡控制,并同时在内环环流控制中加入了环流的直流分量提取环节以及基于准比例谐振的二倍频谐波分量消除环节。针对所提出的改进抑制方案并综合考虑稳定裕度和稳态精度等条件,给出了离散域下控制器关键参数设计方法。最后,在搭建的三相MMC样机上分别对改进前后的控制方案进行了对比实验,充分验证了所提方案的有效性以及参数设计的合理性。

电力设备资产检索目录智能化更新系统设计

当前的电力设备资产寄存目录智能化更新过程未经筛选,导致索引代码数据冗余率过高。因此,设计电力设备资产检索目录智能化更新系统。构建电力设备资产检索目录数据寄存器,并通过串口协议模式建立目录数据转换串口电路;筛选寄存目录更新数据,设计检索目录数据转换算法;创建电力设备资产检索目录更新索引,完成对电力设备资产检索目录智能化更新系统的设计。实验结果表明:设计系统的索引代码数据冗余率较低,更具有应用价值。