电力系统精细规则的研究

在分析传统运行规则的基本形式和弊端的基础上,进一步阐述精细规则的概念。针对系统输电断面,提出建立精细规则的方法:针对静态安全,精细规则的建立基于灵敏度技术;针对暂态安全,精细规则的建立采用数据挖掘技术,由建立训练集、特征选择、知识表示等步骤组成,其中训练集采用基于连续潮流的极限传输容量计算方法,特征选择采用一种新的基于信息理论的方法,知识表示采用最小二乘拟合。对四机双区域测试系统和某省级电网分别进行精细规则的算例研究,结果表明,精细规则考虑了更精细的电网特征状态,对在线运行方式的适应能力更强,可在保证系统安全的前提下有效挖掘输电走廊的输电潜力,提供的灵敏度还有助于控制决策。

电网精细规则在线自动发现系统架构与功能设计

提出了电网精细规则在线自动发现系统的架构,在关键断面在线自动发现的基础上,利用自动学习的方法,在线自动发现精细化的电网运行规则。开发了精细规则在线自动发现系统,阐述了系统中各核心模块的功能,包括:关键断面在线自动发现、初始规则获得、样本仿真、特征选择、规则生成等。四机双区域系统和某省级电网的算例测试表明:精细规则具有较高的准确性和较强的可解释性,能够较好地适应在线运行方式,在保证系统安全的前提下有效挖掘电网关键断面的输电潜力;精细规则生成速度快,能够满足在线应用每15min刷新一次的要求。

基于改进支持向量机和两步式聚类分析的电网关键断面辨识和精细规则生成方法

在一种基于电网运行仿真大数据的知识管理方法框架的基础上,进行改进和实用化,建立电网安全运行知识库。改进了一种用于判断关键断面是否生效的支持向量机分类模型,能够减弱不平衡数据的影响,并降低关键断面漏警概率。提出了一种用于生成不同形式精细规则的层次聚类-Kmeans聚类两步式聚类分析方法,提高了训练的效率。将上述改进知识管理方法在广东电网实际系统中进行算例分析,证明其可行性与有效性。

电网自动电压控制精细规则自动发现技术研究

自动电压控制(AVC)已经在各级电网调度中心广泛使用。传统上AVC中的电压限值、功率因数限值等控制参数由人工经验制定。当电网结构发送变化或局部电网区域的负荷特性变化时,经常出现多级电压限值不能适配,影响AVC控制效能。文章提出一种基于大数据分析自动提取的AVC精细规则来优化AVC控制限值参数的方法。首先提出基于控制仿真在环的滚动潮流计算方法来模拟全天的电网自动电压控制过程,并设计了并行快速仿真计算平台,为后续AVC控制规则提取提供海量仿真数据;然后基于海量数据采用人工智能机器学习方法自动学习AVC控制精细规则,自动发现AVC限值参数与电网运行状态指标的内在规律;最后,基于提取的AVC精细规则构建优化模型来自动决策AVC中的母线电压限值、功率因数限值等控制参数,从而实现AVC控制参数的自动优化和辅助决策。

智能控制中心二级精细化规则生成方法

为了提高电网调度的智能化水平,针对输电断面,提出了智能控制中心二级精细化规则生成方法,含以下3个阶段:数据生成阶段,提出了包含初始属性集、样本空间和仿真模式等内容的主题定义方法;特征选择阶段,提出了适用于连续属性的启发式回归特征选择(HRFS)方法;规则表示阶段,提出了基于线性回归树的二级精细化的知识表示方法,在初级精细规则基础上利用二级精细规则进行进一步修正。对4机双区域测试系统和某省级电网分别进行精细规则算例研究,结果表明:由于挑选了能表征系统状态的特征属性,同时在运行状态子空间分段生成规则,二级精细化方法生成的规则进一步提高了精度和适用性,可以在保证系统安全的前提下进一步挖掘输电走廊的潜力,并提供了可用于控制决策的更精细的灵敏度信息。

基于人工神经网络的电力系统精细化安全运行规则

随着大规模可再生能源不断并网,对电网的实时调控能力提出了更高的要求。传统的基于在线关键断面自动发现以及基于连续潮流的在线极限传输容量计算方法,模型复杂、计算周期长,难以做到在线运行。从数据驱动的角度出发,首先将电网实时运行状态的潮流量抽象为该时刻电网的运行特征;然后对所有特征进行聚类和分布式特征选择;最后运用人工神经网络建立所选特征与关键断面极限传输容量之间的对应关系。算例分析表明,所提基于人工神经网络的电力系统精细化安全运行规则,在保证时间效率的前提下,能够在一定程度上提高关键断面极限传输容量的预测准确度。

前置审方系统初期效果评价与规则库精细化维护

目的 建立前置审方系统,精细化审方规则,为患者提供更优质的药学服务,提高临床用药安全性。方法 采用“软件审核+药师审核”的审方模式,制订精细化审方规则,通过前置审方系统上线前后门诊处方不合格率的比较,评价该系统的应用效果。结果 前置审方系统运行前,本院门诊处方54 511张中,不合格处方7 740张,占比14.20%;前置审方系统运行后,门诊处方63 199张中,不合格处方196张,占比0.31%,二者比较差异有统计学意义(P<0.01);前置审方系统运行后,各项不合理类型占比均少于系统运行前(P<0.01)。结论 前置审方系统的应用使门诊处方不合格率显著下降,减轻了药师日常审方工作压力,并规范了医师处方书写的正确性,提高处方质量,不断精细化的审方规则是提高系统审方效率和正确性的重要保障。

基于电气分区的输电断面及其自动发现

对实际电网的输电断面进行了特征分析,给出了初始断面、输电断面以及关键断面的定义。提出了一种基于电气分区的电网输电断面自动发现方法,根据实时潮流状态对电网进行电气分区,并利用图论的相关知识获得电网的最小割集作为初始断面,进而利用潮流方向以及支路开断分布因子等约束条件处理初始断面获得输电断面,最后根据输电断面的安全裕度发现关键断面。2个省级电网的实际算例验证了该方法既能找到运行方式专家给出的断面,也能发现新的断面,结果具有合理性和完整性,提高了对运行方式变化的适应性;同时,算例表明省级电网的断面自动发现时间小于1 min,能够实时应用。

应用于EMS高级应用系统的BPA程序快速调用方法与接口设计

针对电网EMS系统中各个高级应用模块在调用BPA暂态计算程序时出现的接口程序继承性差、接口程序调用效率低下的不足,提出了一种快速有效调用BPA暂态计算程序的接口设计方法。通过设定统一的BPA暂态计算程序接口调用模式和文件交互标准,解决了BPA暂态计算程序接口继承性差的问题。同时,根据EMS高级应用调用BPA暂态计算程序的特点,设计了一种快速调用BPA暂态计算程序的接口设计方法,实现了BPA暂态计算程序的快速调用。利用精细规则自动发现系统在广东省电网调用BPA暂态计算程序的算例测试表明:该接口程序能够提供继承性强的BPA暂态计算程序的接口程序,并且可以实现BPA暂态计算程序的快速调用。

门诊妇产科处方前置审核规则精细化设置与实施效果评价

目的建立门诊妇产科处方精细化审核规则库,提升处方前置审核系统的专科适用性。方法以处方前置审核软件基础数据库为依托,搜集精细化设置前门诊妇产科处方基于商业规则库的审核数据并进行分析,逐步对相关审核规则进行优化,形成具有妇产科专科特色的精细化审核规则库并实施。结果初步建立了妇产科超说明书用药、门诊抗菌药物管理等问题切实可行的解决方案。精细化设置前后,系统审核不合格率、药师审核率分别由45.82%、7.10%降至22.58%、4.82%;医生主动修改率、药师干预率、最终任务合格率分别由26.19%、41.01%、67.63%上升至63.59%、56.80%、95.03%。结论门诊妇产科处方精细化审核规则库的建立,对于处方前置审核工作的推进、处方审核工作质量的提升、药师工作效率的提高、医生开方效率的提升均是必要和有效的,为许昌市中心医院其他科室处方精细化审核工作奠定基础,也为其他医院相关建设提供思路及方法参考。

药师运用处方前置审核对提高某院儿科合理用药水平的影响

目的探究药师运用处方前置审核对提高某院儿科合理用药水平的影响。方法选取某院儿科2021年1月1日~6月30日的儿科处方,结合某院处方前置审核系统,采用回顾性研究方法,多维度分析儿科常见处方问题。结果2021年1月1日~6月30日,处方前置审核系统预审儿科处方19422张,系统提示问题处方2771张,医生接受系统提醒选择返回修改处方1783张(64.35%),但988张处方医生坚持继续提交给药师人工审核。经审方药师线上审核后,选择干预处方204张,最终医生接受审方药师的建议,同意修改问题处方178张,药师的干预成功率为87.25%。结论不断完善合理用药系统的基础规则可减少假阳性提醒,提高临床医生对处方前置审核系统弹框提醒的接受程度。审方药师运用处方前置审核系统可有效规范儿科用药,实时审核处方的合理性,从源头减少不合理用药,提高患者用药安全。

构建“形神兼备”的让与担保规则——基于《民法典》担保解释的法律构造与精细化规则探究

让与担保是普遍存在于各主要国家和地区的一种非典型担保形态,兼有让与之“形”与担保之“神”,是包含多种法律行为的整体性交易安排。构造“形神兼备”的让与担保制度,要立基于对让与担保交易的整体性认识,明确其法律构造,对其权利实现等机制进行精细化设计。在法律构造方面,要在充分认识让与担独特制度价值的基础上,对当事人的交易进行整体性解读,对内外部法律关系进行分层处理,要充分尊重当事人对交易内容和担保强度的约定,并通过妥善设定清算义务等有效嵌入利益平衡机制。在规则设置方面,要对让与担保的公示机制、清算规则及权利实现机制、让与担保制度与破产程序的衔接等问题进行精细化设计。非典型担保不是新的典型担保机制的再造,对待非典型担保可与对待合同法上的无名合同相类,需要警惕削足适履的风险,克服典型化的冲动,推动法律规则与商业规范融合。

基于BP神经网络的极限传输容量预测方法

传统断面极限传输容量计算采用线性回归的方法,将非线性电力系统转化为线性模型求解,计算过程复杂。故提出基于BP神经网络的非线性极限传输容量预测方法,把系统实际运行数据抽象转化为特征属性,采用基于K-means聚类的分组特征选择方法,降维后择优选取部分属性作为断面关键特征,再将其作为神经网络输入层向量,经过重复训练构建系统关键特征和极限传输容量的非线性对应关系。算例分析表明,基于BP神经网络的断面极限传输容量预测方法,既满足时效性要求又能提高预测的精确性。