基于机器学习的配电网异常缺失数据动态清洗方法

针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性,提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先,基于局部异常因子检测算法和高斯混合模型,提出一种异常数据动态检测改进算法,实现配电网异常数据阈值的准确自动选择。其次,基于随机森林算法与最小二乘回归法,提出一种配电网缺失数据动态填补算法。根据缺失数据时间长度自适应优化填补算法,在保证数据填补精度的同时降低计算时间。在此基础上,通过异常数据检测和缺失数据填补共同构建一体化动态清洗架构。采用湖南某地区配电网数据进行实例验证,结果表明所提方法可实现异常辨识阈值准确自动选择,有效检测配电网异常数据,并且实现缺失数据填补精度与速度的平衡,具有较好的工程应用价值。

基于DAE-LSTM神经网络的配电网日线损率预测

针对配电网线损精益化管理的需求,为准确把握配电线路线损率短期变化趋势,提出一种基于降噪自编码器(DAE)和长短期记忆网络(LSTM)相结合的配电网日线损率预测模型。首先建立灰色综合关联度分析指标,挖掘日线损率影响因素近期量与其去年同期量间的相关性,选择去年同期量作为模型的输入变量辅助预测。然后以无监督的方式构建DAE模型对输入序列进行特征编码与重构,实现输入序列的特征提取与降维。最后将编码后的序列输入LSTM神经网络,经训练拟合得到日线损率预测模型。采用湖南某地市多条配电线路实测数据进行实例分析,结果表明该模型日线损率预测准确性较高,运算速度适中,具有一定的实际工程应用价值。

基于Hausdorff形状分类的配电网日最大负荷预测

日最大负荷及其出现时刻的准确预测是配电网经济调度与安全运行的重点关注对象。研究了各类型负荷日最大值及其出现时刻的内在规律,提出了一种联合Hausdorff负荷形状分类与去年同期节假日修正的日最大负荷及其出现时刻预测方法。首先,分析日负荷形状特性,通过Hausdorff距离算法对负荷类型进行分类。然后,分析去年同期节假日在日最大负荷及其出现时刻预测中的修正作用,并将其与近期日负荷、气温等数据一同作为预测输入。最后,基于ElasticNet线性回归算法对每类负荷单独构建日最大负荷及其出现时刻预测模型。以湖南某台区负荷数据为实例,预测该台区春节期间的日最大负荷及出现时刻,该方法的准确性与有效性在实例中得到验证。

陶瓷与不锈钢的复合材料在正畸托槽中的应用

目前的正畸产品托槽中,主要有金属注射托槽、透明陶瓷托槽(抗压强度>1500MPa,抗断裂强度300~450MPa)两种材料为主。关键技术包括:生物医用金属材料加工及表面处理技术,生物陶瓷材料制备技术,高温冶炼炉、高温雾化制粉设备、烧结炉、粉末注射成型机。随着正畸患者的日益增多,人们对美观托槽的追求越来越强烈,本文重点介绍如何实现良好机械性能且美观的复合材料托槽,为广大医生提供既美观又可靠的矫治器产品。

基于聚类及趋势指标的长短期神经网络配网负荷短期预测

针对配电网线路负荷短期预测存在精度不佳的问题,提出一种基于聚类及趋势指标的长短期神经网络负荷预测方法。首先利用K-Means聚类方法将线路下特性变化相似的配电网台区负荷数据进行聚类重构;此外,按类分别计算负荷历史同期数据的趋势变化指标,并且作为负荷预测模型的输入特征;然后,建立能够传递时间序列信息的长短期神经网络预测模型,通过模型学习训练每类负荷的历史数据及变化趋势,并对测试集进行预测,将每类负荷的预测结果进行叠加得到线路总负荷的预测结果。以湖南某线路负荷数据为基础,预测未来一天96个点的线路负荷数据,经验证,所提方法能够深入挖掘配电负荷的特性规律和变化趋势,提升配网线路负荷的短期预测精度。

聚醚醚酮在口腔医学领域的应用

聚醚醚酮(polyetheretherketone,简称PEEK)是一种力学强度高、耐磨损、抗腐蚀、可透X线、密度小,且具有良好的生物相容性和潜在抑菌性的特种高分子材料。近年来研究者们通过不断的对PEEK进行材料改性提升其性能,从而来满足临床不同方面的需求。本文通过对PEEK材料性能的分析及临床应用情况,探讨其将来作为医用口腔植入材料在口腔领域的应用前景。

基于梯度提升树的电压暂降源概率辨识

提出一种基于梯度提升树的电压暂降源概率辨识方法,通过多个决策树弱学习器的依次学习不断拟合残差,依据算法输出的概率结果对暂降源进行辨识。依据仿真获得的各类暂降源波形对该方法的有效性和准确性进行验证,并与传统的支持向量机算法进行了对比。在相同样本数量下该方法相较支持向量机具有更高辨识准确性,所给出的各类暂降源辨识概率信息更能反映模型辨识的可信度,利于辅助决策人员进行决策。