基于BP神经网络的低压配电台区电压估算

针对低压配电台区运行参数采集受限,无法实现电压全覆盖监测或电压精确计算的问题,在能够召测少数节点电压的情况下,提出基于少数据的BP神经网络电压估算算法。在总结低压配网可用参数的基础上,通过电压降落的近似计算,分析了低压配电网节点电压的影响因素,提出节点负荷矩的新概念,建立低压配网节点负荷矩——电压估算模型,并结合神经网络基于数据建模对输入输出特性的自学习能力,以少数节点数据为样本对配网全部节点电压进行估算。为防止神经网络在训练过程中陷入平坦区,在算法中添加加权因子,动态调整神经网络的学习率和动量因子,提高学习效率。采集实际配电网算例数据对算法进行验证,其误差满足估算精度要求,证明本文提出的方法具有可行性及适用性。

基于多维大数据的长三角电力服务快速响应模型

传统电力服务快速响应建模方法存在客户诉求响应时间长、客户满意度低的问题,面对该问题,构建了基于多维大数据的长三角电力服务快速响应模型。在长三角电力服务需求数据采集网络构架的支持下,采集长三角电力客户基础档案数据、生产运行数据、关键设备智能化监测数据等,以采集到的电力多维大数据为基础,对电力需求信息进行分区定位,并采用决策树对电力客户特征进行分级,根据定位与分级结果构建电力服务响应模型。实验结果表明,该模型最短电力服务快速响应时间为2 s,最高评价分数为7分,实际应用效果更好。

基于电力大数据的长三角一体化供电服务平台设计

针对长三角地区用电服务质量降低的问题,提出并设计基于电力大数据的长三角一体化供电服务平台。将电力大数据引入到长三角一体化供电数据挖掘中,利用供电数据的挖掘引擎原理,运用大数据挖掘算法对用电大数据进行深度挖掘,获取长三角地区用电特征,完成一体化供电服务平台的设计。仿真测试结果表明,服务平台可以克服用户用电规律带来的影响,提高长三角地区的用电服务质量。