考虑不均衡区域负荷增长的在线电压稳定评估

提出一种基于连续潮流的电力系统在线电压稳定评估方法,该方法考虑了不均衡区域负荷增长模式和发电计划。负荷增长系数由区域短期负荷预测数据得出,区域短期负荷预测考虑多种因素对负荷变化的影响,预测未来24小时区域的负荷情况,根据此负荷情况使用经济调度安排发电计划,在此基础上用连续潮流计算P-U曲线和负荷裕度。在IEEE 118节点系统上的仿真结果表明,该评估方法能够比较真实地在线反映系统的电压稳定情况。

实际负荷变化模式下的静态电压稳定分析

负荷增长模式影响电压稳定裕度的评估。以实际短时-日负荷预测负荷增长模式对电力系统静态电压稳定进行分析。由实际电力系统的历史负荷数据进行模糊聚类形成负荷样本,以改进的BP神经网络模型进行负荷预测,产生负荷的增长模式,以此用连续潮流法对IEEE30系统进行电压稳定分析。并对IEEE30系统在不同时段运行状态进行负荷裕度分析。结果表明,以实际短时负荷预测的负荷增长模式符合电力系统的实际运行,对实时的电力系统调度有现实意义。

关联规则推荐的高效分布式计算框架

关联规则推荐模型是在电子商务网站应用最广泛的商用推荐引擎之一,目前已有的工作大多聚焦于如何挑选高质量规则,以提升推荐精度.然而,关联规则数量庞大,且用户并发访问量通常极大,如何快速匹配用户浏览记录和关联规则库,为海量在线用户产生近实时推荐,成为制约关联规则推荐能否胜任真实电子商务网站推荐的重要因素.为此,本文研究关联规则推荐的效率问题,提出服务于高效关联规则推荐的分布式计算框架,将规则挖掘与推荐计算无缝衔接.具体而言,本文首先设计有序模式森林,用于压缩存储频繁模式;然后将候选规则挖掘转化为森林上的路径搜索计算,并提出高效的单机路径搜索算法;最后提出负载均衡的数据分割策略,同时降低分布式规则挖掘与推荐计算中的任务最迟完成时间.在3个公开数据集的实验结果表明基于有序模式森林的推荐计算比传统穷举匹配策略降低6倍以上时间,同时所提出的分布式计算框架可随计算节点数量达到近线性扩展.