基于深度学习的配变停电电量损失预测

停电电量损失预测可为电网调度及规划提供参考,有利于为用户提供可靠供电服务。针对当前配变停电过程中的电量损失问题,先基于模糊C均值聚类算法实现对配变负荷曲线的分类处理及精细化分析,挖掘配变负荷数据规律;在此基础上,运用皮尔逊相关系数算法提取选择输入特征,构建基于门控循环单元神经网络的预测模型,从而得到停电时间负荷值,进而分析预测负荷曲线得到损失电量;最后,基于停电管理工作分析,实现基于粒子群优化的台区用电行为停电优化问题求解。算例测试验证了所提方法的正确性和有效性。

基于用电采集系统的配变停电研究分析

电力行业的快速发展推动我国整体经济发展迅速。传统用电采集系统的配变停电智能控制研究中,变停电信息采集准确率低, 系统稳定性较差。

基于用电采集系统的配变停电研究分析

传统用电采集系统的配变停电智能控制研究中,变停电信息采集准确率低,系统稳定性较差。为了提高用电采集系统的配变停电智能控制性能,进行用电采集系统的智能优化设计,提出基于PCI总线传输控制和集成DSP信息处理的用电采集系统设计方案,结合模糊PID进行配变电智能控制。系统结构组成包括传感模块、电能总线传输控制模块、功率增益放大模块、配电调度模块和集成控制模块等,采用电阻测功仪进行配变停电信息采集,对采集的传感信息进行智能配变和集成调度,在ARM Cortex-M3内核中进行用电采集系统的集成开发,结合集成DSP信息处理芯片进行系统的硬件集成设计,采用模糊PID控制模块进行用电采集系统的配变停电智能控制设计。系统测试结果表明,采用该系统进行用电采集的准确性较好,配变停电的智能控制品质较高,为电力系统的发展提供了一定的科学支撑。