基于改进最小二乘支持向量机和预测误差校正的短期风电负荷预测

为了提高风电负荷预测精度,保证风电场资源得到有效利用,提出了基于改进最小二乘支持向量机和预测误差校正相结合的方法。首先引入提升小波分解原始数据,可以有效提取其主要特征,从而克服风电场的随机性。然后采用最小二乘支持向量机对分解后的信号做预测,保证了预测精度。接着用误差校正方式修正预测结果,减少了较大误差点的出现,提高了预测结果的稳定性。最后,通过某风电场预测结果表明,基于提升小波和最小二乘支持向量机的方法可以提高预测的精度,误差预测的方法也可以有效地校正预测结果。仿真结果验证了该方法用于风电负荷预测是有效可行的。

基于多频超声波技术和GWO⁃BP算法的变压器油电气性能检测方法研究

为了实现对变压器油电气性能快速准确地检测,提出了基于多频超声波(MFU)技术和灰狼优化BP神经网络(GWO⁃BP)的检测方法,利用不同频率超声波在变压器油中传播速度和衰减系数不同、对不同尺寸颗粒物检测效果不同的特点,综合了超声波在无损检测上的优势以及灰狼算法全局寻优能力强、预测精度高的优点。首先利用超声波在非均匀介质中的传播特性,准确地获取超声波在变压器油中的传播速度、衰减系数等特性参数;再利用灰狼算法对传统BP神经网络进行优化。然后利用灰狼优化的神经网络对样本进行训练,建立超声波传播特性参数和变压器油电气性能参数之间的映射关系,进而建立变压器油电气性能参数的检测模型,实现对多个电气性能参数快速准确的无损检测。通过实验,验证了该方法在检测变压器油电气性能参数上的可行性和有效性。

基于深度学习GRU网络的配电网理论线损计算方法

由于实际应用中对理论线损的精度要求不高,且传统计算方法所需电气参数较多,计算过程繁琐。因此,文中提出了一种基于深度学习门控循环单元(Gated Recurrent Unit,GRU)网络的配电网理论线损计算方法。为综合考虑主客观因素,将互信息理论和层次分析法相结合,进而确定所选电气参数对理论线损的影响权重;按照权重的大小构建不同的输入参数集,通过分析选用不同电气参数集时GRU网络的计算误差,确定最优输入参数,组成样本数据集并训练GRU网络;以某地区10 kV配电网为例验证了文中所提方法,结果表明文中所提方法可以代替等值电阻法,更加快速、便捷地对理论线损进行计算。将文中所提方法与传统BP算法进行了比较,结果表明文中所提方法具有更好的计算性能。

基于电网仿真分析数据平台的小电流接地选线装置测试

针对部分小电流接地选线装置准确率低,接地选线装置检测难的问题,利用电网仿真分析数据平台对接地选线装置进行了测试,装置A中性点经消弧线圈接地系统接地选线平台测试选线准确率为87.5%,现场实际运行准确率为84.6%;装置B中性点不接地系统接地选线装置平台测试选线准确率为37.5%,现场实际运行准确率为33.3%。测试结果与现场运行结果基本一致,证明了该方法能够对选线装置进行有效检测。

数据驱动下窃电智能分析系统的研究

随着智能电表的推广及用电信息采集系统建设的逐步完善,电网公司积累了海量用户用电数据,为大数据技术在电力领域的应用提供了基础。基于数据挖掘思想针对行业分类及用户特征,对海量的多元计量数据进行窃电用户分析,从中挖掘出窃电用户的关联性多维度特征参量,建立神经网络构建数据驱动下的窃电预测模型。系统测试验证了预测窃电值与实际窃电值有很高的吻合度,在一定程度上反映了模型预测的准确性。

数据驱动下窃电智能分析系统的研究

近年来,随着智能电表的推广及用电信息采集系统建设的逐步完善,电网公司积累了海量用户用电数据,为大数据技术在电力领域的应用提供了基础。文章基于数据挖掘思想,针对行业分类及用户特征,对海量的多元计量数据进行分析,从中挖掘出窃电用户的关联性多维度特征参量,基于神经网络构建数据驱动下的窃电预测模型。实验表明该方法具有较高的工程应用价值,为窃电预测提供了一种有效的方法和途径。

一起66kV变压器绕组变形的短路故障诊断分析

针对某66 kV变电站一起变压器出口短路事故,通过分析、比较66 kV主变压器绕组变形的多种试验方法,提出了基于变压器绕组电容变化量并配合频响法及短路阻抗、色谱分析来综合判断变压器绕组是否变形的方法,降低了事故发生的概率,确保电网安全稳定的运行。

工作用玻璃温度计的检定及正确选用

工作用玻璃温度计由于具有使用简单、准确度较高、价格低廉、不需电源、抗干扰等优点。被广泛应用于医疗、石化、气象、海洋、机械和计量等领域在一30℃～300℃温度范围内的测量．玻璃温度计根据浸没方式可分为全浸式和局浸式：根据用途可分为一般用途温度计和特殊用途温度计：根据准确度等级可分为高精密和普通两种：根据其分度值又可分为1、2和5倍数等型式。