失压电量追补自动计算方法的误差研究

针对三相电能表失压电量追补方法不统一、追补误差无法评估的问题,提出了一种自动计算新方法。通过分析该方法在理论上和实际应用中的误差得出,该方法的误差影响因素主要是电压三相不平衡。根据三相电压不平衡度的定义,采用对称分量法得出含有误差与三相不平衡度的关系方程。在给定边界条件下,用数值仿真方法求解出不同条件组合下的电量追补误差。研究结果表明:在三相三线制条件下,新方法的误差主要受负序电压影响,大小与负序电压不平衡度呈正相关;在三相四线制条件下,主要受零序电压影响,但大小与零序和负序电压不平衡度的组合有关。对实际应用误差进行进一步分析,结果表明:对于三相三线制系统,误差一般小于4%;对于三相四线制系统,误差一般小于2%。     

供电关口电能量采集与计费自动化管理系统的设计与实现

以供电关口电能量采集与计费自动化管理系统为对象,详细论述了研发系统利用的技术:面向对象编程技术,OLE技术,预测技术,数据库技术和Web技术.本系统是完成电费核算,负荷预测,电量统计分析的电力管理系统,着重研究了基于历史数据预测未来用电量的一元线性回归模型与算法及付之实现使用,实现了各种电量数据的Web查询浏览并完成线损电量、网损电量等的统计分析与计算.     

台区智能监测系统相位识别技术的研究与实现

针对我国配电网设备数量大、分布广,且运行环境复杂,对线路故障类型、故障停电范围缺少行之有效的监测和预判手段等问题,文中重点开展了基于LoRa无线通信的相位识别技术研究,从LoRa无线通信技术,过零检测电路的可靠性、灵敏度,以及相位识别技术的准确性等方面进行分析,设计出准确灵活的相位识别方法,并搭建智能监测系统,实现低压配电台区用户所在相位的准确识别,提高配电运维管理水平,为停电故障及异常准确定位、三相负载不平衡治理、降低线损等业务提供支撑,可有效抑制三相不平衡,正确分析三相不平衡与线损的关系,实现线损精确计算与精益化管理。     

基于同期线损的低压配电线路电量异常监测系统设计

为解决传统电量异常监测系统挖潜增效能力水平不平均、降损节能效果不明显等问题,设计基于同期线损的新型低压配电线路电量异常监测系统。从电量监测数据获取模块入手,对线损计算模块、配电监测电路的连接形式进行有效规划,完成低压配电线路电量异常监测系统的硬件运行环境搭建。在此基础上,通过计算低压配电线路原件同期线损的方式,完成异常电量监测轨迹对比,再连接所有输入、输出信道,完成异常监测存储数据库建立,实现低压配电线路电量异常监测系统的软件运行环境搭建。结合软、硬件运行环境,实现新型系统的顺利应用。在相同背景条件下设计对比实验结果显示,新型系统挖潜增效平均水平最大值可达67%、降损节能效果接近90%,远超传统系统。     

神经网络在配网电能损耗预测中的应用研究

配网馈线和节点较多、负荷的多变,使得配网中的技术线损和管理线损分析预测困难。本文结合等值电阻法理论线损计算模型、BP神经网络、广义回归神经网络GRNN模型,对配电电网线损、电能损耗进行分析与计算,将理论应用到区域实测负荷数据和电量数据的分析中,分析了S区域线损率、线损和电能损耗,计算出了配电网电能损耗各元件所占的百分比。测试结果表明,BP模型对线损预测的均方误差为2.71;并在此基础上,考虑配电网变压器等损耗,利用PSO-GRNN模型对配电网的电能损耗进行预测,配网电能总损耗预测的均方误差为0.36,为区域电能损耗分析和降损工作提供了关键状态参数。     

采用改进牛顿法计算配电网理论线损

介绍了传统配电网理论线损计算方法,指出电量法和均方根法存在因未充分考虑负荷曲线变化而容易导致理论线损偏小、管理线损偏大的问题;提出采用改进牛顿法计算配电网理论线损的方案,根据某配电网各变电站24h的电量记录进行电量潮流计算,得出该配电网总线损;分别采用电量法、均方根法、改进牛顿法计算某10kV配电网线路的理论线损,结果表明,与传统配电网理论线损计算方法相比,采用改进牛顿法得出的结果更接近统计线损值。     

基于增强现实的人体运动中穿戴设备动态监控系统

对基于增强现实的人体运动中穿戴设备动态监控系统进行了研究,以篮球训练为例,提出了一种可穿戴设备动态监控系统,并设计了一种基于LSTM和注意力机制的步态轨迹预测模型,对运动员下肢的髋关节、膝关节和踝关节的角度进行实时在线分析,并获取运动员的步态轨迹预测结果。首先,对传统LSTM网络结构进行了研究与分析,然后搭建了基于LSTM和注意力机制的步态轨迹预测模型,随后对动态监控系统的整体框架进行了简单设计,最后对预测模型进行实验测试。测试结果表明：设计的基于LSTM和注意力机制预测模型的RMSE和MAE值明显低于基于传统LSTM预测模型,具有有效性,能够对运动员髋关节和踝关节的角度进行精准预测;基于LSTM和注意力机制的步态轨迹预测模型给出的轨迹预测结果,不论是从整体上看还是从细节上看,都与实际数据贴合地更好,几乎与真实的步态轨迹相重合,表明该模型的性能更好,更适用于设计可穿戴设备动态监控系统。     

多维空间中基于模式的移动对象轨迹预测

本文在分析了现有轨迹模型基础上,提出了轨迹相似度计算模型以及基于移动对象加速度和轨迹偏转角的移动对象轨迹预测模型,综合计算和预测模型提出了移动对象轨迹预测方法. 该方法包括：1）对历史轨迹基于轨迹相似度进行聚类分析,形成训练集聚类,并基于各训练集聚类对目标移动对象的轨迹数据进行轨迹相似度并行计算,找出最大相似度的历史轨迹;2）结合历史轨迹以及移动对象加速度和轨迹偏转角的预测模型进行轨迹预测. 经过对测试轨迹集进行实验的结果表明,本方法在误差为500 m以内的预测准确率能达到90%以上,而且预测时间相对较短,具有较高的实用价值.     

基于演化模式的推特话题流行度预测方法

针对以往流行度预测方法未利用演化模式之间的差异和忽略预测时效性的问题,提出了一种基于演化模式的推特话题流行度预测方法。首先,基于K?SC算法对大量历史话题的流行度序列进行聚类,并得到6类演化模式;然后,使用各类演化模式下的历史话题数据分别训练全连接网络（FCN）作为预测模型;最后,为选择待预测话题的预测模型,提出幅度对齐的动态时间规整（AADTW）算法来计算待预测话题的已知流行度序列与各演化模式的相似度,并选取相似度最高的演化模式的预测模型进行流行度预测。在根据已知前20 h的流行度预测后5 h的流行度的任务中,与差分整合移动平均自回归（ARIMA）方法以及使用单一的全连接网络进行预测的方法相比,所提方法的预测结果的平均绝对百分比误差（MAPE）分别降低了58.2%和31.0%。实验结果表明,基于演化模式得到的模型群相较于单一模型能更加准确地预测推特话题流行度。     

基于支持向量机的配电网全域大数据自动化预测模型设计

针对传统预测模型准确度低、泛化性差的问题,提出基于支持向量机的配电网全域大数据自动化预测模型.在配电网正常运行的情况下,采集全域实时运行数据,并调取该配电网的历史数据.利用聚类划分的方式处理数据采样结果,通过支持向量机的回归处理,分析出配电网全域大数据的特征,从而推断出大数据的变化规律.以数据的特征分析结果为基础,分别得出配地啊暗网全域线损数据、负荷数据以及电能数据的预测结果.经过模型效果测试实验的设计与分析得出实验结论:与传统预测模型相比,设计的配电网全域大数据自动化预测模型的预测误差降低了 0.45,具有更高的应用价值.