基于BPNN回归预测算法的专家数量预测模型

为迎合新型电力系统对数智化技术的发展需求,提升在集中招标采购数字化、智慧化过程中对数据价值提升、数据挖掘和数据分析的能力,站在招标人的角度,研究并提出了一种基于反向传播神经网络(back propagation neural network,BPNN)回归预测算法的预测模型。首先,深入探讨了电力行业的招标采购专家抽取现状,发现在集中招标采购过程中,需要大量专家参与其中,但专家数量的预测十分困难;其次,分析和学习历史数据,基于现有采购需求的情况及采购策略,有效定位专家需求基本情况,快速准确地预测专家数量;最后,验证了模型在资格预审与资格后审环节中的预测精度,为实际应用提供了参考,达到了降本增效的效果。

基于北斗三号卫星非差多普勒观测信号的优化测速模型

针对运动载体速度估计方法精度不足、模型复杂等问题,提出了一种精度高、模型复杂度低的基于北斗三号卫星非差多普勒观测信号的优化测速模型。该模型利用北斗三号卫星原始数据,使用复杂度低的多普勒测速模型估计载体速度。为提高测速精度和解算效率,首先对原始模型线性化处理,然后依据载体航向与其速度矢量的相关性增加松约束。用北斗三号卫星实测数据验证了该模型的测速精度,评估了该模型的适用性。实验结果表明,载体静止时,优化多普勒测速精度可达cm/s级甚至mm/s级,在与原始多普勒测速的对比中,水平方向测速精度提高60%左右,解算时间缩短24%;载体运动时,增加航向约束的多普勒测速精度与原始多普勒测速相比,北、东方向测速精度可提高14%~21%,解算效率提升大约20%。

基于企业用电量与订单量的产能预警模型研究

为解决目前全球能源价格上涨、限电措施等因素造成电工装备企业产能下降、供货期延长,从而影响电网工程物资供应时效、工程无法按期投运等问题,本文提出了一种拟合供应商历史用电量信息和历史订单量信息关联关系的供应商产能预测方法。该方法是一个多模型的集成预测方法。首先是产能预警模型,通过负荷限制判断供应商能否正常生产,进行产能测算;然后根据用电户号接入系统,实现企业用电数据精准监测,并根据供应商用电量信息分析生产情况,从而判断剩余产能,测算剩余产能能否满足物资需求。该产能预警模型可以加强对供应商产能风险问题的防控力度,及时发现供应商的产能问题,实现及时报告、准确预警,预测准确性为90%,实现对供应商产能按照月度、季度、年度不同时间维度上的精准预警。