基于改进型SVM的电网计量信息快速清洗研究

由于传统方法在电网计量信息清洗中应用效果比较低,不仅清洗时间比较长,而且清洗后的信息丢失比例比较高,无法达到预期的清洗效果,为此提出基于改进型SVM的电网计量信息快速清洗研究。利用计量器采集到电网计量信息,根据信息密度值识别噪声点并对噪声信息滤除,利用判断决策函数筛选出缺失信息,将其带入到改进型SVM中,利用粒子群算法对SVM参数优化改进,利用改进型SVM对缺失信息补偿清洗,以此实现了基于改进型SVM的电网计量信息快速清洗。经实验证明,设计方法清洗时间在1s以内,信息丢失占总信息量不超过1%,设计方法在电网计量信息快速清洗方面具有良好的应用前景。

基于灰色BP神经网络的电力碳排放峰值预测

电力碳排放影响因素较多,使得电力碳排放峰值预测误差增加。为了有效解决该问题,提出了基于灰色BP神经网络的电力碳排放峰值预测方法。分析原始数据序列和累加序列,利用灰色BP神经网络构建碳排放峰值预测模型。分析电力碳排放影响因素,使用递推算法计算电力碳排放量。通过惩罚函数压缩模型系数至零,筛选出显著变量。根据碳排放流邻接特性,通过有限次递推计算节点碳势,在误差允许范围内进行迭代训练,实现模型求解,得到电力碳排放峰值预测结果。实验设置基准、低碳和强化低碳三种情景,在这三种情景下所设计方法的预测结果分别为40 000万吨、39 000万吨、40 000万吨,与实际结果一致,说明该方法的预测误差更低,预测结果更为精准。

基于双边全变差滤波算法的台区线损模式自动识别方法

为有效提升电网运行稳定性,维护供电企业经济效益,提出基于双边全变差滤波算法的台区线损模式自动识别方法。构建数字全变差模型,代入双边滤波机制和规整化参变量,通过广义Gaussian分布近似得到信号噪声概率密度函数,消除台区线路信号噪声;计算台区日统计线损,提取台区系统时间序列信息,利用差分化序列波动判断异常线路;创建台区评估指标,采用最大期望方法将归一化后的线损率拟合成混合高斯模型,根据不同线损率范围自动识别台区线损模式。实验结果表明方法可快速准确识别出不同工况下的台区线损模式,为用户提供更加安全稳定的供电服务。

基于特征选择的电网调度控制指令自动推送系统

由于已有系统未能对电网调度控制指令推送过程进行评估,导致推送延时和能量损耗等增加。提出一种基于特征选择的电网调度控制指令自动推送系统,根据电网调度控制指令特性对控制指令自动推送过程进行多维度评估,通过特征选择方法对电网调度指令进行层级分类,再根据对不同类别的指令进行多维度分析,加入匹配节点传输功率,构建控制指令自动推送模型,分别在不同层级进行指令传输。在上述基础上,结合系统的需求,给出电网调度控制指令自动推送系统的设计方案,对系统的工作流程和任务模块进行详细分析和介绍。经实验测试证明,所设计系统能够有效降低推送延迟和能量损耗,同时丢包率和拥堵时间也相应减少。

基于改进RRT算法的电能量数据质量整体评价系统设计

针对评价系统评价时间过长的问题,基于改进RRT算法设计了一种新的电能量数据质量整体评价系统。系统硬件分别设计了采集器、微处理器、存储器和评价器,采集器芯片选用SD公司生产的ST8735芯片,在评价器外部增设了存储器,能够实现电能量数据质量评估系统的正常运行,微处理器是评价器的CPU处理器,设置了4路晶振电路,能够提高系统评价能力,联合背景谐波评价、分析电能量数据质量、综合质量,实现电能量数据质量整体评价。实验结果表明,设计的基于改进RRT算法的电能量数据质量整体评价系统不易受到外界噪声干扰,有效减少了评价时间。

计量装置故障智能诊断技术的研究与应用

随着电力市场化改革的逐步推进,计量装置发生故障问题日益凸显。传统的用户电能计量装置,现场人工巡查诊断分析因工作复杂且效率过低被淘汰;同时异常诊断需要专业的数据分析知识与长年的经验积累。针对提高计量装置故障诊断的效率问题,提出一种通过构建异常规则专家库,基于遗传算法优化参数实现计量系统在线异常分析和远程检测,极大地提升了电网计量故障诊断效率。

基于遗传算法的低压配电网三相不平衡负载控制方法

通过遗传算法优化独立参数,有效抑制有功以及无功波动,从而实现对低压配电网三相不平衡负载的有效控制。仿真实验结果表明:该方法能够有效降低低压配电网三相不平衡负载控制误差、提升控制效率,充分说明了该方法的有效性。

配电网用户日用电量异常智能分析研究

当前我国经济发展的脚步逐渐加快,人民的物质生活水平不断提升,但与此同时,部分用户的异常用电行为导致电力损失的情况愈加严重。为了对配电网中所有用户的日用电量异常进行智能分析,解决异常用电的问题,减小电力损失,此次研究通过应用PCA对配电网用电用户数据进行预处理与特征构建,再重点应用LOF算法进行用电量异常分析。结果显示,此次研究中应用的LOF算法能够高效准确地对用户的日用电量进行分析,进而对该用户进行识别。这表明基于LOF算法的配电网用户日用电量异常智能分析,具有较强的实用性与准确性。