电力安全规程移动学习与安全状态监督平台研究

本文对电力安全规程移动学习与安全状态监督进行研究,基于提出的安规知识学习成熟度评价模型科学评价每个员工的安规知识成熟度等级,及时准确监督每个学员的安全状态,对员工的安全规程学习起到督促和激励作用。同时,基于研究的安全状态评价与监督方法,研发电力安全规程移动版软件系统原型,实现对员工的安规学习、在线考评、安全隐患整改等一系列与企业安全生产密切相关活动的移动化监督,为全面、客观地评价员工掌握安规的熟练程度提供了科学依据,对企业安全生产管理工作提供了有力保障。

基于FKNN算法的风电功率短期预测

风电场输出功率预测精度的提高能够极大的减轻风力发电对电网的冲击,提高风电并网的安全性和可靠性。针对KNN(K-Nearest Neighbor algorithm)算法存在的不足进行改进,提出了FKNN(Fast K-Nearest Neighbor algorithm)算法并将其应用到风电短期功率预测当中。首先,FKNN算法基于相似数据原理,针对每个预测样本,只需遍历一次训练样本集,得出K值最大时的相似历史样本优先级队列。然后,通过逐渐缩减优先级队列的长度,产生其他K值对应的相似样本优先级队列。其次,从产生的优先级队列中获取多数类样本,并应用其输出功率的平均值对预测样本的输出功率进行预测。最后,通过对吉林省某风电场的大量历史数据进行预测分析,充分证明该算法的简单性和实用性。

基于人因的电力企业安全生产态势评估模型

针对目前造成电力企业生产事故的主要原因人因隐患,提出了基于人因的电力企业安全生产态势评估模型,为电力企业的安全生产管理提供参考依据。采用数据统计和专家建议相结合的方法,设计具有评分标准的人因评价指标体系;以改进的模糊层次分析法为基础,建立模糊判断矩阵,分析各指标的权重系数;以结果集和隶属度函数为依据,对电力企业安全等级进行全面评估。通过对某电力企业实际数据的处理以及安全态势评估,验证了该模型的正确性。本模型适用于基于人因的电力企业安全生产态势评估,通过安全隶属度值,对企业安全度进行预测。

结合用户活跃度的协同过滤推荐算法

为了解决协同过滤推荐算法中存在的流行偏置问题,提出一种结合用户活跃度的协同过滤推荐算法(UACF)。该算法考虑用户活跃度对推荐结果的影响,通过对用户活跃度进行聚类分析,针对不同聚类结果中的用户进行分类处理,并引入到相似度计算过程中,以提高相似度计算的可靠性。典型数据集上的对比实验表明该算法能够较好的提高推荐准确率。

基于多预测树组合算法的电力信息系统数据库缓存模型

为解决电力大数据时代背景下信息系统数据库体积大、并发量高导致的运行效率瓶颈,分析了当前几种缓存模型的基本架构和原理,综合电力内网中各业务系统的主要特点,构建了一个电力信息系统数据库缓存模型,在模型中设计了一种多预测树组合算法(预测树森林)。通过在应用层使用boosting方式对队列进行抽样得到具有时序性和业务逻辑特点的SQL语句构建预测树森林,智能预测可能发生的数据库操作并将结果集提前缓存到内存中,模型还可以根据系统的运行情况动态调整预测树森林的投票阈值,从而达到提高缓存效率和命中率的目的。并基于Oracle数据库对模型的可行性进行了讨论,在云平台下运行结果表明模型不仅算法收敛速度快而且能够实现同等内存容量下缓存效率的提高。

智能用电环境下的家庭电力能效评估指标体系

为了评估家庭用电能效情况,提出了智能用电环境下的家庭电力能效评估指标体系。首先根据家庭用户用电行为特征及家用电器的使用时间段特性,建立评估指标体系,然后基于特征值法和G1群组法相结合对初步建立的指标体系进行筛选优化,最后利用效度系数法判断评价指标和指标体系的可靠性和有效性,通过实例验证了该方法的可行性。研究表明,利用该指标体系可以对家庭用电能效水平进行客观的评估,有助于构建具有较高理论水平和实用化价值的家庭用电能效评估系统。