低压台区线损精细化管理问题探析

一直以来电力企业对于低压台区线损管理工作都十分重视,通过做好低压台区线损管理,可以有效地降低低压台区线损异常率,使变户关系趋于精确,以此来保证电力企业的稳定运行。通过对低压台区线损采取精细化管理的举措,可以实现线损管理指标的责任化、管理过程的精细化和考核目标的动态化,全面提高低压台区线损精细化管理水平,为电力企业的健康、持续发展奠定良好的基础。该文从低压台区线损精细化管理的概述入手,分析了低压台区线损精细化管理的现状,并进一步对低压台区线损精细化的优化措施进行了具体的阐述。     

组合预测模型在地方财政收入预测中的应用

根据地方财政收入预测受到多因素影响和经济系统具有非线性本质的特点,针对现有预测方法的不足,提出了一种组合预测方法。该方法首先通过灰色关联分析确定影响地方财政收入的主要指标,然后用灰色预测模型分别对各指标进行预测,最后将各指标的预测值作为输入,相应的地方财政收入实际值作为输出,训练并建立神经网络模型。实例分析表明灰色关联分析排除了非主要指标的干扰,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系。实验结果证实该方法在地方财政收入预测中是有效可行的。     

采用BP和RBF神经网络的厦门市工程造价预测模型

收集55个厦门市典型工程造价指标,利用SPSS软件对数据进行预处理,选取11个工程特征作为造价的主要影响因素,分别建立基于多层前馈(BP)和径向基函数(RBF)神经网络的工程估价模型.从55个案例中随机抽取10个作为预测样本,剩下的45个作为训练样本,进行BP,RBF神经网络预测模型的训练和测试.结果表明:通过参数优选的RBF神经网络工程造价预测模型,预测误差在5%以内,网络泛化能力更优越,可用于实际工程造价的辅助估算.     

基于径向基函数网络的能源消费量预测模型

采用径向基函数(RBF)神经网络方法进行能源消费量预测,建立了基于RBF神经网络的能源消费量预测模型。以我国1978~1997年的实际数据作为学习样本,对网络进行训练,拟合效果良好;以1998~2002年的实际数据检验网络,预测精度较高。并通过实例与BP网络进行比较,表明RBF网络预测模型优于BP网络预测模型。     

泛在电力物联网背景下台区降损策略研究

为减少供电损耗,改善高损台区线损合格率,以泛在电力物联网为框架,对台区线损监测分析方案及降损策略进行研究。首先对台区线损异常的原因进行分析,利用广域通信及ZigBee无线通信技术,设计了台区能效信息采集和数据传输方案。基于此,利用多类型物联网传感器技术、GPS定位技术,在泛在电力物联网的应用层设计了线损异常及窃电的实时监控模块,快速精准定位线损异常区域和窃电用户,实现异常告警。该方案能够实现异常线损台区的有效监控与实时治理,可有效打击用户窃电积极性,同时最终提高线损治理效率、降低线损。     

基于信息系统台区线损的管理与实践

该文提出了利用用电信息采集系统、生产管理系统(PMS)、营销管理系统(CMS)、用采运行监控系统(EDCM)、线损精细化平台、配电负荷监测系统提供的台区数据分析线损率不合理台区出现的主要因素。通过对台区低压互联、台区总表、台区用户采集成功率的分析,整理出台区线损排查清单。根据现场台区排查实际案例,提出具体台区线损排查思路。基于信息系统的台区线损排查提升了台区的线损合理率,有效地提高了企业的管理水平和经济效益,并为下一步台区线损智能化管理平台的研发累积了经验。     

基于机器学习算法的网络货运平台车货匹配预测研究

根据影响网络货运平台车货匹配的指标，结合车货市场实际情况，建立网络货运平台车货匹配初始特征集，利用Lasso回归模型和皮尔森相关系数去除价值较低的特征，得到最佳特征集，将其作为网络货运平台车货匹配预测模型的输入。选择具有集成学习特点的Stacking模型作为网络货运平台车货匹配预测模型，通过各基学习器对特征集的训练与测试，得到相应的预测结果，形成新的特征集输入至元学习器，再通过元学习器的训练与测试输出最终网络货运平台车货匹配预测结果。实验证明：该方法可以精准预测网络货运平台车货匹配情况，有效提升资源利用率，具有较强的应用价值。     

露天煤矿边坡稳定性的随机森林预测模型

边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6个指标作为边坡稳定性的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模型的学习训练;另用12组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机森林预测模型的准确率,同时与SVM和BP神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6个指标建立的随机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。     

露天煤矿边坡稳定性的随机森林预测模型

 边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6 个指标作为边坡稳定性的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30 组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模型的学习训练;另用12 组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机森林预测模型的准确率,同时与SVM 和BP 神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6 个指标建立的随机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。     

基于AHP灰关联及GM(1,N)建模的静态网损因素分析

提出利用变权灰关联技术分析电网静态网损因素与线损率指标之间关联度的思路,并建立GM(1,N)线损率预测模型.首先根据线损机理确定各因素对线损影响的权重,而后借助灰关联原理比较各因素与线损率的关联度,最后优选强关联因素建立线损率预测模型,用于配网线损率预测及相关因素指标优化的降损潜力分析.算例表明,灰关联分析准确,模型预...     

农村低压配电网的特点及理论线损的计算

在深入临湘市电力局农网8个典型台区现场采集有关数据的基础上,分析了农村低压配电网的特点,并用等值电阻法计算了理论线损.还就农村低压配电网三相负荷不平衡对理论线损的影响进行了研究,对用等值电阻法计算线损时所用到的有关物理量的确定进行了比较分析,对目前农村低压配电网存在的问题提出了改进办法.     

基于PI实时数据库的低压配电网降损辅助决策方法

为进一步提高低压配电网的降损效果，提出一种基于PI实时数据库的低压配电网降损辅助决策方法。通过PI实时数据库，计算低压配电网中的三相相线和中性线线损，判断出中性线负荷不平衡极易导致出现较大的损耗；将温度作为影响低压配电网损耗的主要因素，凭借增加低耗能变压器占比、增加导线截面积以及优化配电网运行方式，完成配电网降损决策。并在某市树干式低压配电网中进行试验测试，测试结果表明，所提方法可以有效改善配电线路负荷不平衡的情况，对比未降损前的各相相线和中心线损耗，降损后的损耗值出现了明显下降趋势，且所提方法的总线损率相对较低，均控制在2%以内。     

无线射频网状网在低压配电网中的应用研究

低压配电物联网是智能配电重要的基础设施,但现存多种低压台区本地通信技术,难以选择适从。介绍一种新兴的基于802.15.4和IPv6的适合低压配电物联网的无线射频网状网技术,从理论上分析其传输性能,且与其他技术对比分析其技术优势,并报道其在低压配电台区的实地试验。试点工程结果表明,此技术读取用户电能表及低压线路采集传输单元(collect transfer unit,CTU)的成功率最高可达99%,最低可超过88%,所测试的几种业务可在超过80%的天数内读数合格,拓扑识别率可达到100%。理论分析和试验结果表明,此技术适合低压配电物联网。     

基于卷积神经网络的粗粒度数据分布式算法

针对特定运行模式下粗粒度数据存在计算效率较低的问题, 提出一种基于卷积神经网络的数据分布式算法. 首先构建用于粗粒度数据处理的卷积神经网络模型, 给出模型基础连接层神经元网络的连接结构和权重比例, 并训练和池化粗粒度数据； 然后利用训练池化结果求解模型的最小损失函数, 提升模型针对粗粒度数据的分布式计算能力. 实验结果表明, 在单机和集群模式下, 卷积神经网络模型具有更好的计算效率和数据泛化能力.     

基于径向基神经网络的低压台区运行状态综合评价方法

为提升低压台区管理水平,指导基层运维人员及时发现台区问题,提出基于径向基神经网络的低压台区运行状态综合评价方法,该方法首先利用改进K-means算法对低压台区进行分类,然后获取台区运行状态评价指标体系集,综合序关系分析及加权求和计算历史台区评价值,最后以评价值为训练样本,得到径向基神经网络评价模型,利用该模型开展在运台区状态评价。通过实例分析表明,该综合评价方法能有效开展台区运行状态评价,及时发现线路及计量设备故障或异常问题,为开展低压台区运行问题治理,提升台区管理水平提供技术支撑。     

基于卷积神经网络的粗粒度数据分布式算法

针对特定运行模式下粗粒度数据存在计算效率较低的问题, 提出一种基于卷积神经网络的数据分布式算法. 首先构建用于粗粒度数据处理的卷积神经网络模型, 给出模型基础连接层神经元网络的连接结构和权重比例, 并训练和池化粗粒度数据; 然后利用训练池化结果求解模型的最小损失函数, 提升模型针对粗粒度数据的分布式计算能力. 实验结果表明, 在单机和集群模式下, 卷积神经网络模型具有更好的计算效率和数据泛化能力.     

多模式集成的RBF神经网络天气预报

针对复杂庞大的多模式数值预报数据,提出一种径向基函数(RBF)神经网络集成天气预报模型.根据天津市预报站点采用的WRF模式、RUC模式等数值预报数据的特点,将多种单模式数据作为RBF神经网络输入,网络输出为集成预报结果.实验表明:RBF神经网络集成预报模型降低了单模式预报误差,更加贴近了真实数据,并且在稳定性和实效性方面均有良好表现.     

小电流接地系统单相接地故障定位技术的研究

针对中低压配电网频繁发生单相接地故障的问题,研究了一种能够迅速判断故障线路并确定故障位置的方法.本文在分析中低压配电网发生单相接地故障后出现的暂态稳态信息的基础上,提出基于小波理论的故障选线方法,进而利用C型行波法与小波分析相结合的方法进行定位.利用MATLAB仿真软件搭建模型,在模型上对提出的方法进行实验,验证了该方法的准确性.     

基于改进神经网络的SMT回流焊温度曲线预测

在实际生产中,SMT回流焊工艺通常以实验方法预测温度曲线,其高成本低效率是目前亟待解决的问题.针对温度曲线输入参数与曲线多重特征值间的非线性映射关系,提出基于BP神经网络技术的温度曲线预测模型.针对训练中出现的不足,改进了误差计算方法和权值调整方式,消除了预测样本次序对网络的影响,提高了网络训练速度.利用MAPE评估方法将网络预测结果与某公司实际生产数据进行对比,结果显示预测值满足企业生产误差精度要求,因此所建立的神经网络可以有效地进行温度曲线预测,为企业回流焊生产工艺规划提供指导.     

基于自适应虚拟阻抗的逆变器并联控制策略

低压微网中，各并联逆变器之间的连接线路因长度、损耗等不同导致各逆变器并联线路阻抗存在明显差异，在常规下垂控制下，各并联逆变器间有功功率存在无法均分的问题。针对上述问题，提出了一种基于虚拟阻抗的自适应控制策略。首先，以逆变器功率传输特性与阻性下垂控制方程为基础，分析并联逆变器在线路呈阻性时有功功率分配不均的原因；其次，在传统定值虚拟阻抗基础上，通过引入并联逆变器的输出功率差构造虚拟阻抗，自适应地补偿线路阻抗差异，在不获取本地线路阻抗参数的情况下实现功率均分；最后，在MATLAB/Simulink仿真平台上建立逆变器并联系统的仿真模型，进行验证和分析。结果表明，所提方法能有效实现逆变器间有功和无功功率的均匀分配，且适用于本地负载不同的情形。基于自适应虚拟阻抗的控制策略改善了并联逆变器间功率的均分水平，可为低压微网中并联逆变器功率控制的优化设计提供参考。