一种用于配网状态估计的实时负荷数据模型

状态估计在DMS中具有重要作用 ,它是配电网络分析的数据之保证。由于配网量测装置配置量极其有限 ,单靠实时量测难以进行状态估计 ,通常需引入伪量测 ,实时负荷数据模型可有效地实现伪量测。日渐发展和完善的负荷管理系统和用电营业系统提供了大量负荷信息 ,因而该文充分利用负荷管理系统提供的数据和历史用电信息 ,提出了一种用于实时状态估计的实时负荷数据模型 ,并根据当前计算机网络技术和供电公司组网的实际情况 ,制定了实现实时负荷数据模型的网络连接和数据流程。仿真分析表明 ,该算法具有一定精度 。

一种考虑实时约束的数据流卸载技术

在数据流管理系统中,流数据的高到达速率和迸发性等特点会引起系统过载,为此人们提出了各种卸载技术来缓解过载问题.目前几乎所有的卸载技术都使用随机丢弃数据的方法,由于随机丢弃数据策略对数据丢弃过程没有任何控制,这对某些考虑实时约束的数据流管理系统是不适合的.本文认为更为精确的卸载模型,比如文中使用的(m,k)截止期模型,更适合于一类重要的实时数据流事件检测应用.基于(m,k)截止期模型,提出一种新的策略SOSA,该策略一方面提供了可证明的卸载能力,同时也保证了系统的时间约束.为验证SOSA的有效性,设计了一种新的数据流调度算法SOSA-DBP.理论分析与模拟实验证明了SOSA-DBP比现有的算法有更好的性能.

基于电子支付数据的公交车厢满载率实时估算方法

针对公交监测和调度中要求实时掌握车厢满载率,以及“一票制”无法获取乘客下车信息等问题,构建基于数据驱动的组合模型,在乘客上车时即推断其出行OD站点,进而融合多源数据实现车厢满载率的实时估算。提出以K近邻算法为组合模型的核心,针对K近邻推断率过低等问题,研究在更大空间维度分析乘客出行规律并推断下车站点的方法,有效提升历史数据的利用率和下车站点的推断率;此外,针对偶发型乘客缺少历史规律数据的情况,充分利用站点下车客流量先验概率随机分配,实现电子支付乘客OD的全样本推断。利用跟车调查法对不同线路、不同班次的车厢拥挤度进行验证。结果表明,模型计算结果与实际结果相符,能够反映出不同线路、不同站段之间的车厢拥挤水平变化。