能源互联网终端用户异常负荷数据辨识与修正

随着能源互联网的快速发展,终端用户侧用能数据呈现爆炸式增长。采集到的海量数据因自身设备故障或者外部环境因素影响会出现大量的异常负荷数据。文章提出了基于PSO-BiLSTM神经网络的能源互联网异常负荷数据检测与修正方法。所提方法首先通过大量正常负荷数据训练双向LSTM模型,并选择粒子群(particle swarm optimization, PSO)优化算法对预测模型的参数进行寻优,将经过参数调优的双向LSTM模型用于负荷预测。基于负荷预测结果,采用误差分析和异常值判定准则来检测负荷曲线中的异常负荷数据,最后将检测出的异常负荷数据应用预测结果对其进行修正。实验证明,所提方法具有较好的异常负荷数据检测效果,且易于训练,异常负荷数据检测错误率较低。

基于边缘计算的用户异常负荷识别方法

针对未知家电负荷背景下基于智能电表采样数据进行异常负荷识别问题,以电动车入户充电负荷为出发点,提出了一种基于边缘计算的用户异常负荷识别方法。首先通过Boruta-SHAP算法对非侵入式负荷数据的14种特征进行排序筛选,得到在秒级负荷数据下的辨识效果最佳的特征子集;然后采用改进的非平行支持向量机(v-non parallel support vector machine,v-NPSVM)模型进行异常负荷识别模型的训练;最后结合边缘计算技术将算法部署到边缘计算平台上,实现对典型电动车充电负荷的识别。实验基于低压台区中智能电表获取的真实负荷数据进行验证,并进一步对数据进行降频处理以验证更低频数据源下方法的有效性,实验结果表明针对降频后的异常负荷识别的正确辨识率仍在90%以上,证明了在未知家电负荷背景下方法具有较好的适用性和准确性。

基于遗传LM算法的分布式电网异常负荷自动识别方法

传统分布式电网异常负荷自动识别方法直接对电网负荷数据实施分类,未进行预处理,识别错误率较高。提出基于遗传LM算法的分布式电网异常负荷自动识别方法。首先,预处理采集到的分布式电网异常负荷数据;其次,通过遗传算法生成初始种群,其中,每个个体对应一个电网负载数据、异常负荷特征的参数组合;然后,利用LM算法的局部优化特性对电网数据参数组合进行局部优化,对遗传算法进行改进,计算其适应度,得到准确的电网负荷数据异常分类结果;最后,进行电力负荷异常值的识别。结果表明,该研究方法识别错误率更低,具有实用性。

基于异常负荷回归学习算法的电力物联网安全强化验证建模分析

传统电力物联网安全强化验证方法误差较大,因此,提出基于异常负荷回归学习算法的电力物联网安全强化验证建模分析方法。优化异常负荷的回归学习算法,求解回归学习算法函数。确定参数后建立异常负荷信道检测模型,通过模型辨识和修正异常负荷,完成电力物联网安全强化验证建模分析。实验结果表明,所提方法的平均相对误差与负荷预测精度指标优于传统方法。

确定性合同分解中异常负荷数据的识别与修正

电力市场的合同分解中应用确定性电量分解算法需要制定典型负荷曲线,历史负荷中的异常数据必然影响典型负荷曲线的有效性。文中借鉴计算统计学的等高线图法,采用系统聚类方法构造谱系树,将样本映射到叶结点,提出一种新的负荷形状畸变识别方法,并将其与传统的t检验法相结合,应用于负荷异常数据的识别和修正。应用该方法对浙江电网的历史数据进行了异常负荷的识别和修正,分析结果说明其简单、有效。

利用Rayleigh熵和并行计算的大规模电网异常负荷快速识别

为提升大规模电网应用场景下的计算效率和适应性,提出了一种利用Rayleigh熵和并行计算技术的异常负荷识别方法。首先分别构造大规模电网中各分区在负荷随机波动及噪声干扰情况下的数据源矩阵,继而构建其窗口矩阵和标准矩阵,进而形成各分区的样本协方差矩阵。其次,利用并行计算技术,采用Rayleigh熵同步快速估计各分区的MESCM指标。最后,通过对该指标进行越限判别,实现对大规模电网异常负荷的快速识别。借助MatlabR2014a和PST软件,案例分析在一个IEEE54机118母线标准系统和一个420机2736母线波兰系统中展开。与传统随机矩阵理论计算方法的计算结果比较表明了所提方法的有效性和高效性。

适用于电网异常负荷动态判别的CNN阈值模型

为提高在负荷波动性较大场景下对异常负荷判别的适应性,提出一种适用于电网异常负荷动态判别的卷积神经网络阈值模型。利用时序历史负荷数据训练卷积神经网络模型进行负荷预测,并根据预测负荷值计算电网未来的状态变量数据,通过该状态变量数据源矩阵的构造,依次构建其窗口矩阵、标准矩阵以及样本协方差矩阵,进而设定基于样本协方差矩阵最大特征值的动态阈值,利用该阈值对当前时刻的最大特征值进行越限判定,实现对电网异常负荷的动态判别。借助Matlab R2014a和PST软件工具,在IEEE50机145母线标准系统中进行仿真测试,结果表明,与传统阈值模型相比,该阈值模型在动态电网中对MESCM指标的异常判定适应性更强、准确性更高。

成年男性增负荷后的步态及膝关节运动参数特征研究

目的:研究成年男性增负荷后的步态及膝关节运动参数运动特征,探讨增负荷行走对膝关节的影响。方法:选择82名健康男性大学生为研究对象,按照增负荷程度不同将对象分为0%BW组和15%BW组,每组各41名。0%BW组以自身体重的0%负荷行走;15%BW组以自身体重的15%负荷行走。使用Vicon Nexus 1.5.2三维光学运动捕捉系统(英国OML)采集不同负荷前后步态参数和膝关节运动学数据,包括步长、步宽、步频、支撑相占比、摆动相占比、膝关节支撑相角度和摆动相角度最大值及最小值、力矩最大值、力矩最小值,对得到的数据进行比较。结果:15%BW组步频和摆动相均高于0%BW组,支撑相低于0%BW组(P<0.05);矢状面角度最大值(屈膝最大角度)和最大力矩均大于0%BW组(P<0.05);矢状面角度最小值(屈膝最小角度)和最小力矩均少于0%BW组(P<0.05);两组研究对象步长和步宽比较,差异均无统计学意义(P>0.05)。结论:在增负荷状态下,人体会增大膝关节力矩及膝关节屈曲角度,增大支撑相占比,胫骨平台应力峰值增大,长期负重行走可能会诱发膝关节相关疾病。

纸机网部负荷异常及原因分析

主要介绍了纸机网部负荷异常的原因并分析。

基于IPSO算法的短期电力负荷预测模型研究

为有效减小短期电力负荷预测的预测误差,提高预测精度、缩短预测时间,应用改进粒子群优化(IPSO)算法建立了1种短期电力负荷预测模型。通过水平方向和垂直方向的平滑修正,对历史数据的异常负荷点进行识别并修正。利用相同日期类型正常负荷,计算缺失数据填充值。采用模糊化处理,计算日期类型、温度、天气隶属度函数,对短期负荷变化因素进行量化处理。将历史数据的负荷值和量化值作为训练数据。为避免粒子群优化(PSO)算法陷入局部最优,采用IPSO算法找到全局最优解,建立了短期负荷预测模型,实现了短期电力负荷预测。试验结果表明,所设计模型预测结果在休息日和工作日的最大相对误差值、平均相对误差值分别为0.97%、0.53%和0.99%、0.65%,能够有效减小预测误差、提高预测精度、缩短预测时间。该研究为电力系统相关人员进行负荷预测提供了参考。

异常蛋白负荷诱导鼠肾小管上皮细胞CD40表达变化

用IgG(10mg/ml)、不同浓度的牛血清白蛋白(BSA)(1,15,30mg/ml)和低密度脂蛋白(LDL100μg/ml)作用于体外培养的鼠肾小管上皮细胞株(NRK52E),采用流式细胞仪测定细胞表面CD40的平均荧光强度的变化。结果显示,BSA和IgG均不能引起细胞表面CD40表达的上调,与正常组相比,LDL100μg/ml可以刺激肾小管上皮细胞表达CD40的上调(P<0.05),提示CD40可能并不直接介导IgG和BSA造成的肾脏损害。低密度脂蛋白可以引起CD40的上调,提示异常蛋白负荷可能是造成病肾组织CD40上调的一个局部因素,异常蛋白负荷可能在CD40相关性肾炎中起一个促进的作用。

中压缸启动机组切缸过程负荷异常波动的原因分析与处理

为了解决汽轮发电机组中压缸启动切缸过程中负荷异常波动的问题,文章分析了不同旁路系统的中压缸启动切缸过程中负荷异常波动的原因,提出了切缸后可通过投入功率回路,控制好主蒸汽和再热蒸汽参数以及高、低压旁路阀门开度的方法,来降低负荷的异常波动。

295例孕期50g葡萄糖负荷试验异常的临床分析

目的 探讨孕期 5 0g葡萄糖负荷试验异常对妊娠结局的影响。方法 对 2 95例孕期 5 0g葡萄糖负荷试验异常者进行 75g葡萄糖耐量试验 (OGTT) ,以诊断妊娠期糖尿病和糖耐量受损 (统称糖耐量异常 ) ;并对其妊娠结局进行分析。结果2 95例 5 0g葡萄糖负荷试验异常组中GDM 38例检出率为 12 9% ,GIGT 2 8例检出率为 9 4 %。孕妇年龄 (32 14± 8 5岁 )大于糖耐量正常组 ,分娩前体重也高 (78 5± 2 2 1kg) ,羊水过多、妊高征、胎儿宫内窘迫、早产的发生率高于糖耐量正常组 ,但新生儿窒息、巨大儿发生率、新生儿死亡率与糖耐量正常组相比无统计学意义。结论 糖耐量异常者经及时检出和孕期及时处理 ,围产儿预后较好。

基于空间密度聚类和异常数据域的负荷异常值识别方法

针对海量电力负荷数据,提出一种基于空间密度聚类和异常数据域的负荷异常值识别方法。首先,基于空间密度聚类方法将负荷曲线按照正常和异常用电模式进行分类,并对正常用电模式中的负荷曲线进行负荷水平分类。然后,在不同负荷水平下,利用负荷期望值的置信区间和负荷样本与样本均值之间偏差的四分位差,构建异常数据域。考虑非典型用电行为的偶然性,引入用电时刻偏移量,对形成的异常数据域进行修正,并构建面向异常用电模式的异常数据域。在算例中,采用居民和工业用户的负荷数据集对所提方法进行检验,相比于传统方法,文中所提方法的识别精确率平均提高了10%以上,综合评价指标平均提高了4%以上。

亭子口水电站机组负荷异常波动原因分析及处理

对亭子口水电站机组在小负荷运行调节过程中,存在的小负荷异常波动现象,进行多角度的原因分析及采取相应的处理措施,使机组小负荷波动异常现象问题得到解决,保证了机组的安全、稳定、经济运行。

水轮机调速器负荷异常上升原因分析及处理措施

水轮机调速器是调节控制器和液压随动系统的总称,是水轮发电机组的重要组成部分。通过分析麻石水力发电厂水轮机调速器负荷异常上升的原因,并根据实际情况制定了调整导叶开限、频率超差增加延时判断条件等针对性策略,经实验证明是合理有效的。

考虑高频数据V-I特性的电力负荷异常值自动识别系统

为解决现存电力负荷异常值自动识别系统因低频采样数据包含的数据信息较少、容易陷入过度训练的问题,设计了一种考虑高频数据V-I特性的电力负荷异常值自动识别系统。系统分为硬件和软件两部分,硬件设计中对信号数据的处理电路进行优化,结合放大电路、过零检测电路、整形电路,完善了系统负荷数据的初步处理;软件设计中对负荷高频数据V-I进行聚类、清洗、归一化处理,得到负荷特征曲线,求出带通矩阵和上下阈值,构建异常负荷识别流程,完成电力负荷异常值自动识别系统设计。仿真实验结果表明,所设计系统的识别错误率和识别相似率较低,但与原系统相比得到了提升,能够有效缓解过度训练问题。

妊娠期糖代谢异常对妊娠的不良影响

目的了解妊娠期糖代谢异常对孕妇和围生儿的影响。方法对10809名孕妇在孕24～28周做50g葡萄糖负荷试验，阳性者再做75gOGTT，据血糖结果分为糖代谢正常（GNGT）组、妊娠糖尿病（GDM）组和妊娠期糖耐量减低（GIGT）组，比较三组妊娠的结局。结果GDM和GIGT组的患病率分别为0．61％和2．50％。GDM组孕妇产后即时出血、剖宫产、妊娠高血压综合征、羊水过多、巨大儿、早产儿和新生儿低血糖的发生率均显著高于GNGT组；GIGT组剖宫产、羊水过多、巨大儿的发生率显著高于GNGT组，低体重儿发生率低于GNGT组。结论妊娠期糖代谢异常对孕产妇和围生儿有不良影响，因此应重视孕期糖代谢异常的筛查、诊断和治疗。

基于深度学习的电力负荷异常检测与诊断方法研究

近年来,随着计算机技术的蓬勃发展,深度学习方法在电力负荷异常检测与诊断中的应用越来越广泛,该技术对提高预测精度具有重要意义.瞬时峰值、持续过载、周期性波动等电力负荷异常,对电力系统的稳定性和安全运行造成了深远影响.因此,本文提出了一种基于深度学习的电力负荷异常检测与诊断方法,通过定义问题和数据采集、数据预处理、选择合适的深度学习模型,并对模型进行训练与优化、异常检测与诊断,旨在设计一个能够实时识别和分类电力系统中各种电力负荷异常状态的系统.