双碳背景下计及新能源大规模接入的电量趋势预测与分析

为了提高新型电力系统电量趋势预测的精度,文章提出了基于深度神经网络的新型电量趋势预测的方法。采用灰色关联分析深入研究了新能源接入、外部环境以及节假日对电量预测的影响,提出了用粒子群算法优化的Informer电量趋势预测方法。Informer模型采用概率稀疏自注意力机制和自注意力蒸馏机制,使其时间复杂度大大降低,有效地使用内存。通过建立Informer电量预测模型,并对模型的超参数进行优化,可输出最好的电量预测结果。通过算例分析对所提出的方法进行有效性验证,显示该方法具有较高的预测精度,适用于中长期电量趋势预测。

浅析电量趋势分析法在电力故障查找中的应用

通过分析沪昆高铁湖南境内娄底南—邵阳北区间20-21#箱变之间的一级电力贯通线故障案例,对利用电量趋势曲线图分析判断短路故障区段的原理进行了阐述。

局部放电趋势分析方法初步研究

在综合研究局部放电的各种统计特征参数的基础上,将金融时序分析方法引入局部放电,提取了一种基于平均放电量与放电次数的综合特征参数——放电量放电次数趋势(PVT),相比其它的特征参数,PVT能够更清晰地显示局部放电的发展趋势并揭示出变化过程中存在的异常现象。文中通过两个具体的应用实例,对PVT参数的性能进行了验证,初步的研究结果表明,PVT能为局部放电的严重程度评估提供有效的支持。

基于SE-CNN模型的窃电检测方法研究

针对传统电网现有窃电检测仅用单一电量且实际数据集下检测准确度低的问题,提出一种基于通道注意力网络改进卷积神经网络模型的窃电行为检测方法。首先建立一种包含用电量趋势、线损增长率、终端告警多源数据融合的窃电评价指标体系,以此构建用户用电特征集。然后,基于通道注意力挤压激励网络(squeeze and excitation networks,SENet)优化卷积神经网络(convolutional neural network,CNN)模型,据此构建自适应通道注意力网络改进卷积神经网络模型的窃电检测方法。最后,利用南方电网数据集对提出方法的有效性与准确性进行验证。实测结果表明,所提方法能有效实现实际电网情况下各类窃电行为准确检测,建立的评价指标体系可更明显表征窃电行为规律。构建的窃电检测模型可自适应对特征通道重要程度调整,提升通道利用率。相比现有检测方法,其具有更高准确度和更优泛化性能。

跨越中等收入陷阱阶段的区域电力消费问题研究

当前,河南正处于"跨越中等收入陷阱"的关键时期,经济发展方式和电力经济关系呈现出不同于以往的新特征,亟需深入研究经济电力关系的新规律、新趋势,为能源电力科学决策提供支撑。该文对比分析了我国与典型国家在"跨越中等收入陷阱"过程中的经济电力发展特征。