基于随机森林和改进局部预测的短期电力负荷预测

为提高短期电力负荷预测的精度,提出结合集成学习和局部预测思想的负荷预测新方法。首先,构建随机森林模型,从训练数据集中进行有放回随机抽样,对其中的决策树进行预训练。然后,采用改进的局部预测方法,将电力负荷时间序列嵌入到高维相空间中,通过动态时间规整算法确定待预测样本的邻域,从中选取相似样本对随机森林预训练模型进行微调,以提供更准确和可靠的预测结果。对随机森林、线性回归、K最邻近法、支持向量机等负荷预测方法进行了比较。结果表明:随机森林模型具有更好的预测精度和稳定性。采用所提出的改进局部预测方法进行微调后,模型的预测精度得到进一步提高。

基于大数据的电力营销信息化应用

近年来,我国经济发展迅速,电力营销也面临着新的要求。大数据时代下,电力营销的信息化建设力度增强,为了解决电力企业数据信息联系不密切、地域偏差大等问题,需要提高电力营销信息化建设水平。基于此,本文就基于大数据的电力营销信息化应用展开研究,首先阐述了大数据下电力营销信息化,其次对其建设应用进行了深入分析,以期能够提高电力企业的营销信息化建设水平。

基于小波随机森林的非侵入式工业负荷识别及其鲁棒性研究

非侵入式工业负荷识别技术能在不改变现有电路结构的前提下对电力系统中的负荷组成进行识别,从而获取不同工业用户用电信息,对于工业园区的用户优化用电计划、节能降本具有重要意义。为解决目前针对工业负荷的非侵入式识别准确率低且实用性差等问题,提出一种基于小波随机森林(wavelet transform-randomized forest,WRF)的非侵入式多目标工业负荷识别方法。通过分析工业负荷波形特性,选取有效特征变量,使用小波变换提取变量的局部暂态和稳态特征,使用随机森林对所有特征进行多目标分类匹配,实现工业负荷识别。为验证所提出方法的有效性,将WRF算法的识别效果与目前常用的方法进行了对比,并对其鲁棒性做了进一步分析,结果表明所提出方法具有更高的准确性与更强的实用性。

顶空固相微萃取-气相色谱-三重四极杆质谱法测定饮用水中挥发性卤代烃

目的建立顶空固相微萃取-气相色谱-三重四极杆质谱联用法分析饮用水中三氯甲烷、四氯化碳、二氯一溴甲烷、一氯二溴甲烷、三溴甲烷。探索萃取纤维头、萃取时间、萃取温度、离子强度、解吸时间对检测结果的影响。方法使用DVB/CWR/PDMS 80μm萃取头,取10 mL水样到顶空瓶,加入3.0 g NaCl,35℃下萃取15 min后于250℃解吸5 min,以50∶1分流比进入气相色谱质谱联用仪进行分析,在多反应监测模式(multi reaction monitoring,MRM)进行检测,外标法定量。结果本方法的线性相关系数(r)均≥0.999,3个加标水平下的平均回收率为80.1%~107.2%(n=6),相对标准偏差(RSD)为0.4%~10%。利用本方法对生活饮用水进行测定,三氯甲烷、四氯化碳、二氯一溴甲烷、一氯二溴甲烷被检出。结论该方法简单快捷、准确可靠、灵敏度高,适用于短时间分析生活饮用水中常见挥发性卤代烃。

一次性纸塑复合材料食具污染物迁移情况研究

目的模拟一次性纸塑复合材料食具日常使用环境,测定其残留的化学物质迁移的情况。方法原子荧光法测定砷、汞、锌,原子吸收光谱法测定铅、铜、镉;化学法测定脱色、荧光、感官评价、挥发性酚、羰基价;气相色谱-质谱法联合测定多环芳烃。结果三种不同模拟条件下,食具中污染物向水或乙酸中转移的数量比较微小;食具脱色和感官评价均为阴性,均未检出挥发性酚,有2个食具的荧光测试结果为阳性;少部分食具检出少量菲、二苯并(a,h)蒽和苯并二萘嵌(ghi)苯外,其余均未检出。结论在本文的模拟条件下,样品食具还是比较安全的。