基于历史数据挖掘的配电网态势感知方法

随着主动配电网的建设与发展,利用大量的历史数据深度挖掘配电网状态信息,快速、准确地获得配电网实时运行状态和未来发展趋势成为目前亟待解决的问题。文章提出一种基于历史数据挖掘的配电网态势感知方法。该方法为传统状态估计器提供了新的虚拟量测信息,且对配电网未来趋势进行态势预测。仿真结果表明,该态势感知方法不仅提高了配电网三相状态估计的收敛速度和收敛精度,且为配电网调度提供了准确的预测信息,为自动智能调度体系实现主动、快速、预防控制提供了技术支撑。

基于电力负荷历史数据挖掘的负荷预测算法研究

针对电力负荷历史数据中异常数据点影响电力负荷预测精度的缺陷,研究基于电力负荷历史数据挖掘的负荷预测算法。选取K-means聚类算法挖掘电力负荷历史数据的属性特征量,检测其中所包含的异常数据点,选取灰色系统理论中的GM(1,1)模型修正电力负荷历史数据中的异常数据,利用完成修正的电力负荷历史数据建立训练集以及预测集,将训练集样本输入支持向量机中,利用支持向量机所具有的非线性映射能力映射样本至高维空间内,获取支持向量机最优阈值,将预测集输入具有最优阈值的支持向量机中,获取精准的电力负荷预测结果。所研究算法可实现长期、短期、超短期电力负荷的预测,且预测的精准性及速度较为优越。

基于历史数据分析的可视化阀门流量特性监测优化算法研究与应用

随着新能源电力规模的不断扩大及用电需求的持续变化,火电机组常运行于深度、快速变负荷的状态,对汽轮机阀门的流量特性要求也越来越高,而常用的通过现场流量特性试验进行线性化校正的方式存在精度低、无法直观监测校正结果等问题。为此,通过开发组态式数据处理分析算子、参数寻优算法及可视化技术对历史数据进行分析处理、对阀门流量特性进行线性化校正及监测。将该方法应用于某600 MW直流炉机组,结果表明汽机阀门的流量特性线性得到了极大改善,同时也实现了阀门流量特性的在线监测。

改进隐马尔科夫模型下低压台区线损率合理范围检测

本文提出一种新的低压台区线损率合理范围检测方法。采用K-means算法挖掘用户电能表历史数据,计算线损率合理范围,运用CHMM模型预测用户电能表误差,将预测结果与合理范围进行对比,实现线损率合理范围检测。

基于多维时间序列状态估计的压气机故障预警模型建立

采用基于历史数据的数据挖掘理论,对燃气轮机压气机建立多维时间序列非参数模型,应用相似性状态估计方法对压气机的故障特征参数进行预测,与压气机实际正常运行的数据相比较具有很高的拟合度。仿真结果表明,该方法可以准确地对压气机监测参数进行实时状态估计计算,若超出动态阈,则说明设备存在故障隐患,进而实现压气机运行状态的预警监测。