梯级电站联合发电模型(上)——水能发电量计算方法探讨

根据水库的特性将水体按高程划分为3层水体,建立二次曲线型三层水体模型。考虑水体质量和水体重心,分析水库水体压力和分层水体微元在压力管道轴线方向的重力分量,对引水管入口处水体进行力学分析。最后通过计算3层水体的重力对水体微元在管道轴线方向的压力做功、压力管道进水管和出水管处的水体微元压力做功、重力做功及其动能和势能构建水电能源形成模型。结果表明,采用微元法对水库水体分层建模,能够比较准确地描述水电能源的形成过程。

基于神经网络算法的配电网线损自动计算模型

由于传统配电网线损计算方案比较复杂,很难保证计算精度和计算效率,为提升配电网线损自动计算精度和计算效率,本文提出一种基于神经网络算法的配电网线损自动计算模型。首先获取配电网线损特征向量作为模型输入量,再构建配电网线损自动计算的神经网络模型,完成配电网线损自动计算模型的研究。通过某配电网中48条输电线路的仿真计算结果表明:本文所构建的配电网线损自动计算模型相对误差百分比在1%以下的输电线路有42条,且最少可在16s的时间里完成线损计算,由此可以证明该模型的配电网线损计算精度和计算效率较高,具有一定应用价值。

梯级电站联合发电模型(下)——基于总耗水量最小化目标的优化模型

提出基于水能转换最大化的梯级水电站联合发电数学模型。通过计算不同时期发电机组耗水量与发电功率之间的关系进而对水电站进行耗水量分析,以梯级水电站群耗水量最小为目标、以电力系统有功功率平衡和水库调度耗水量平衡为约束条件建立函数,应用拉格朗日函数法和计算机算法,推导具有水力联系的梯级水电站之间的比耗量微增率关系式,同时考虑其他不等式约束条件,提出梯级水电站联合发电优化模型,并对四节点的电力系统进行实例计算与分析。

基于迭代二分聚类的K-匿名机制

随着数据共享在各个领域的深入应用,对于数据所包含的个体隐私保护问题日益突出,同时K-匿名作为一种隐私保护的先进理论也被广泛应用于数据的共享与分发.但是K-匿名作为一种通过概化数据实现隐私保护的方式,不可避免地会造成一定的信息损失,因此如何在满足K-匿名的前提下,尽可能保证数据可用性、减少信息损失量则是一个值得研究的问题.对于此,针对数值型数据提出了一种基于迭代二分聚类的K-匿名算法KABIBC(K-anonymous algorithm based on iterative binary clustering)实现K-匿名.首先定义了组内距离之和WGSD(within-group sum of distance),并将数据表中的所有元组视为一个聚类,而后采用迭代的策略对其进行二分聚类,对于得到的子聚类采用同样的方式递归进行处理,并且在二分聚类时基于最小化信息损失量的原则合理调整2个子聚类的元组分配,直到得到满足K-匿名要求的最小子聚类,从而保证信息损失量趋于最优.给出了理论和实验分析,表明此机制有效减少了信息损失,同时有较高的运行效率.

整合数据资源 赋能提质增效——国网潍坊供电公司打造数字驾驶舱

2022年9月14日,国网山东电力潍坊供电公司数字化与通信工作部分析及数据管理专责辛保江基于数字驾驶舱小微企业景气指数模块,整合山东省289万户小微企业用电量、用户档案等数据,采用扩散指数法和合成指数法,编制了一份《2022年8月份山东省小微企业景气分析报告》。这份报告将为服务全省小微企业健康发展提供决策支撑。

企业电力征信大数据价值挖掘与应用

针对传统电力征信平台稳定性不足、测试准确性低等缺点,研究设计了一个电力征信大数据平台。使用联机分析法对电力大数据进行分析,并将其分为用户行为、费用细则、用户价值与个人信用四大类。以模块化结构为基础,分别对数据采集模块、数据分析模块、用户交互模块进行优化设计,采用KNN算法和交叉验证法对用电数据进行分类与决策处理,得出区域的用电规律,以此设计和调整配电方案。最后将提出的平台与传统电力征信平台进行对比,实验结果表明,提出的平台的稳定性和准确性都有所提升,在测试过程中准确性高达98.9%。

计及频率变化的异步迭代分布式动态潮流

为便于分布式调度员培训仿真系统(DTS)中分布式潮流算法的应用,提出了一种计及频率变化的基于异步迭代的分布式动态潮流算法。该算法将互联系统采用协调层—子系统、发电机单元—网络单元2个不同层次的模型来表示。在上级调度中心建立协调层,由发电机单元实现频率变化时电网不平衡功率在各子系统发电机节点和负荷节点之间的分配,并进行频率仿真;在网络单元采用基于异步迭代模式的分布式算法进行全网的分布式潮流计算,通过网络单元与发电机单元之间的交替求解,求得全网频率变化仿真与潮流分布。以IEEE 118节点扩展系统为例,对所提出算法进行验证,结果表明该算法能够准确地仿真分布式系统的频率变化并求解全网潮流分布。

基于电力大数据的信用评估体系研究

针对电力交易过程中存在的违约风险进行研究,利用电力交易企业进行分析,设计建立一个用电企业的信用评估体系,该评价体系通过利用灰度关联算法对企业交易信用的影响因素进行分析,得出各个影响因素的相关权重,并利用遗传算法和神经网络算法进行综合分析,设计进化算法对用电企业的相关数据进行分析,预测该企业未来可能出现的违约风险,并给出其信用评级。将预测结果与真实数据进行比较,其中采用灰度关联算法的预测成功率为82%,采用层次分析法的预测成功率为62%,采用本研究设计的综合算法的预测成功率为95%。

基于深度学习的企业多源数据融合并行处理方法设计

为解决数据融合处理中的丢失问题,本文进行基于深度学习的企业多源数据融合并行处理方法设计研究。将获取的信息按照其来源与类型划分为多个类别,在计算机终端建立一个空白云存储终端,将所有数据录入云存储空间,使采集的数据在空间中呈现离散化分布状态,计算不同网格区域之间的相似性,按照规范完成对企业多源数据的预处理;引进深度学习算法,将数据录入卷积层,建立数据在深度学习网络中的反向传播训练损失函数,通过不断更新卷积层节点参数的方式,提取多源数据特征,在深度学习网络Sink节点,根据待处理数据的类型,在节点驱动数据的融合并行处理。设计对比实验证明:设计的处理方法在实际应用中的效果最佳,该方法可以有效控制企业多源数据融合并行处理过程中的丢失量,降低企业损失。