基于双层贝叶斯分类的空间负荷预测

采用分类模型进行空间负荷预测。由于决定负荷密度的各属性之间并非完全独立,传统分类器分类效果并不理想。为此,该文采用双层贝叶斯分类模型,该模型是朴素贝叶斯分类模型的扩展,通过选取关键属性将单一属性集划分为强属性集和弱属性集,弱化了各属性间相互独立的假设,提高了对样本分类的正确性。给出了构建和训练该模型的方法,在正确分类的基础上,文中采用类内相似度方法进行负荷密度的修正。实践和算例证明,该文模型和算法适合进行空间负荷预测。

基于MCR的SVC及其广阔前景

20世纪 80年代以来 ,基于 TCR的 SVC,在电力系统中投入实际运行。但是 ,因为它的投资昂贵 ,很难推广。 2 0世纪末 ,MCR在俄罗斯、中国等国家问世 ,由于 MCR的价格便宜、维护方便等优点 ,基于 MCR的 SVC,相继在一些国家电网投入运行 ,并展示了它的优越性。用它来改造和发展电网的无功补偿 ,实施动态无功优化调整 。