基于改进深度神经网络的短期电力负荷预测

针对现有电力负荷预测方法精度比较低的问题,该文提出一种改进深度神经网络的短期电力负荷预测模型。首先通过长短时记忆网络(Long Short-Term Memory,LSTM)对不同类型的日历史用电量数据进行时间序列预测,然后通过前馈神经网络(Forward Feedback Neural Network,FFNN)以及一个热编码形状表示的附加信息来提高预测性能。最后采用均方根误差(Root Mean Square Error,RMSE)评估预测模型性能。仿真结果表明,与原始LSTM模型和平均基线的短期电力负荷预测模型相比,LSTM-FFNN预测模型识别精度更高。

基于改进VMD-BPNN的光伏功率预测

针对光伏发电预测模型准确率低的问题,构建了基于变分模态分解-反向传播神经网络(VMD-BPNN)的光伏功率预测模型。对光伏发电数据进行变分模态分解得到不同特征数据,解决了数据的随机性和波动性问题。再采用K-means聚类方法对不同特征数据进行聚类,提高模型的泛化能力。通过集成学习bagging的方法对BPNN进行增强,以达到提高光伏功率预测模型整体稳定性的目的。根据RMSE和NRMSE误差标准进行测试,测试结果表明,基于VMD-BPNN预测模型的NRMSE平均值2.77%,RMSE平均值为2.22%。

主动干预装置与消弧线圈并列消弧技术分析

主动干预型消弧装置可有效抑制弧光过电压并减少故障点电流,在现场已有一定应用,但存在高阻接地时启动灵敏度过低,息弧后的电压互感器涌流大易引起谐振过电压等问题。针对主动干预型消弧装置与预调协消弧线圈并列运行这一方式,分析了其在抑制电压互感器涌流、谐振过电压,并显著提高启动灵敏度方面的作用,通过试验测试验证了技术有效性。主动干预消弧装置与消弧线圈并列运行方法发挥了各自优点,避免了独立运行的缺点,是一种易于实现又较理想的消弧技术。

加强干部任中经济责任审计

任中经济责任审计是指对在任领导干部履行经济责任情况进行审计。任中经济责任审计是加强权力制约,实现审计监督关口前移的一种新型审计模式。目前内部审计一般以离任审计为主,然而随着审计工作的深入和审计范围的扩大,离任审计的诸多矛盾日益凸显。传统离任审计大多是先转任后审计,往往会造成责任界限模糊,致使前后任互相推诿,甚至出现少数'带病上岗或提拔'。