分析电力谐波对不同计量装置的误差影响

电子技术的发展使电力系统中非线性负荷逐渐提升。非线性负荷增加给电网中的电压及电流等带来了严重影响。最终导致供电企业中的电能计量装置出现问题,使得电力计量误差变大,本文将对此进行分析。     

电力系统微分代数模型耗散Hamilton实现

对非线性微分代数模型电力系统的耗散Hamilton实现问题进行了研究．首先提出了非线性微分代数系统的耗散Hamilton实现结构，给出了完成常值耗散Hamilton实现的充分条件；然后证明单机单负荷电力系统必然存在耗散Hamilton实现，并构造出系统的一个耗散Hamilton实现．     

关于电力系统中对智能控制技术的应用分析研究

在电力系统中加入人工智能控制技术的应用,能够有效解决非线性问题.本文描述了模糊技术、神经网络、专家系统这三种智能控制技术的特点,并就其在电力系统中的应用现状进行分析,阐述了智能控制对于电力系统无功电压控制、切负荷、继电保护等方面的作用.     

包含SVC和非线性负荷的电力系统耗散实现与控制

采用Hamilton函数方法研究了包含静止无功补偿器(SVC)和非线性负荷的电力系统的反馈控制问题. 首先建立了系统的非线性微分代数方程模型, 通过预置状态反馈完成了耗散Hamilton实现. 然后利用该耗散实现结构,通过阻尼注入方式设计了基于能量的SVC非线性控制器. 本文所设计的控制器结构简单, 物理意义明确. 仿真结果表明该控制器能有效提高电力系统的暂态稳定性.     

基于级联网络的短期电力负荷预测研究

电力系统负荷预测通过对历史数据分析,预测未来需求,利用经典的Kohonen网络、Elman神经网络和粒子群优化算法建立级联网络预测模型,为了对电力系统短期精确预测,提出了处理非线性问题和解决负荷预测问题.对级联网络预测模型不但能够综合各种单一预测模型的优点,而且能够随时间的推移使结构不断变化,可以减少负荷预测的工作量.用三种神经网络模型进行短期电力负荷预测的仿真结果比较,验证了级联网络预测算法的有效性和良好的应用前景.     

基于进化神经网络的短期电力负荷预测研究

电力负荷的预测影响着电力储蓄和输送的工作质量,所以提高电力负荷预测的精准度对提高电力部门的效率具有重要意义。随着时代的发展,电力系统的机构变得越来越复杂,电力负荷的形式也越来越多样化,像非线性变化、事变、和不确定变化越来越突出,为了适应这一变化,诞生了人工神经网络,与传统的预测方法相比较,人工神经网络预测的精准度更高、非线性映射、自学能力都得到了提高,为电力负荷预测做出了卓越的贡献。     

基于EMD和PSO-SVM的电力系统中期负荷预测

预测精度是衡量电力系统负荷预测模型性能的一个重要指标.针对电力系统负荷数据序列是一种典型的具有用期性和随机性的非线性非平稳时间序列的特点,为了提高负荷预测的精度,提出了运用EMD解析出其中代表负荷不同特性分量的预测模型.根据各分量的变化规律,分别选择合适的核函数,并利用PSO优化SVM参数,将各分量的预测结果重构后得到最终预测值.通过EUNITE国际电力负荷预测竞赛数据的仿真实例,验证了该预测模型能够有效提高电力负荷的预测精度,且速度较快,稳定性较强.     

基于CNN_BiLSTM的长短期电力负荷预测方法

当前电力系统负荷预测中负荷数据受到多种因素影响且多步长预测时精度不高,因此电力负荷预测呈现出非线性、多因素、非平稳态等问题.提出一种基于CNN_BiLSTM混合深度学习网络的长短期电力负荷在线预测方法.首先根据卷积神经网络和双向长短期记忆网络的特点,建立了CNN_BiLSTM负荷预测模型,并将历史负荷与影响因素耦合形成...     

基于逆系统方法的广义非线性系统控制及电力系统应用

对一般广义非线性系统的反馈线性化问题,通过将代数变量视为虚拟输入,给出了构造性递归求逆算法,实现了系统的精确反馈线性化.作为该算法的应用,讨论了带有非线性负荷的三节点电力系统的励磁控制问题,设计了非线性励磁控制器.仿真结果表明了方法的有效性.     

一种新的电力系统短期负荷预测方法

针对电力系统短期负荷特性,提出了基于局部线性嵌入（Linear Local Embed,LLE）和支持向量机（Support Vector Machine,SVM）技术的短期负荷预测模型。该模型利用LLE算法对负荷样本的数据挖掘知识,得到了高维输入样本的低维映射,最后利用具有非线性拟合、泛化能力强的SVM进行回归。     

基于剩余计算能力的动态负载均衡系统

基于剩余计算能力的动态负载均衡系统是一种基于新型负载向量的动态负载均衡系统。该系统使用一种新的负载评价指标：剩余计算能力,它兼顾节点的资源使用情况及节点本身的性能特征两个方面,更好地体现了集群系统的处理能力和系统正在处理的负载情况,比常用的其它负载向量更加灵活、准确。系统还将任务调度和进程迁移结合起来,以达到更有效的系统负载均衡,同时,也减小系统负载均衡带来的额外开销。     

面向大规模数据接入系统的负载平衡机制

当前分布式系统负载平衡算法存在问题：1）算法建立的系统中各节点角色固定,系统不具有自适应性;2）算法的通用性不高;3）负载迁移任务巨大,且负载平衡周期过长等。针对这些问题,提出了混合式负载平衡算法。首先,设计了一个分布式系统接收模型。模型将系统任务分为三层：接收层、处理层和存储层。在接收层使用了自定义的通信协议提高系统的接收性能。然后,负载平衡算法采用随机负载迁移策略,根据系统中节点的负载状态,对负载任务进行随机迁移。通过这种策略解决负载平衡周期过长和负载回迁问题。最后,通过分布式控制节点选择策略,使系统中节点具有自适应性。实验结果显示,在百万数据源以下,系统各层平均延迟处于毫秒级,系统负载平衡平均耗时在3 min以下。实验证明了所提出的负载平衡机制具有周期短、任务响应迅速等特点,能够提高分布式系统的接收性能。     

电力系统负荷预测综述

负荷预测对电力系统非常重要,是电力系统进行规划、调度的基础,也是电力系统安全、稳定和经济运行的保障。精确的负荷预测是电力系统一直追求的目标,各种现代的新兴算法、方法运用到负荷预测之中,不同的预测方法由于自身的特点对于负荷预测的适用性也不尽相同,对于不同方法在负荷预测中的综述就显得很有必要。讨论了国内外的负荷预测的研究现状,分析了进行电力系统负荷预测的多种传统方法和现代智能方法,并总结出各种预测方法的优缺点和适用性,对于电力系统在选择负荷预测方法时具有一定参考价值。最后,对智能电网下的几种特定负荷预测场景进行了介绍,以这些角度去看待负荷预测问题,得出适用于这些场景的负荷预测方法,对于未来的负荷预测的发展也进行了展望。     

基于周期性截断灰色系统的电力负荷预测

电力负荷预测是电力系统调度和电力生产计划制定的重要依据;电力负荷时间序列有着明显的周期性特征;传统的电力负荷预测主要侧重于预测方法的研究,而忽略了电力负荷数据周期性特性的分析,影响了预测的准确性;针对电力负荷时间序列的周期性特征,提出了一种基于周期性截断的灰色系统模型来进行电力负荷预测;该模型利用周期性截断来反映负荷数据的周期性特征,提高了预测的精度;仿真采用EUNITE Network的公开负荷数据进行算法性能的测试,并与一些主流的电力负荷预测算法:BP神经网络、极限学习机、自回归模型以及传统的灰色系统模型做比较;仿真结果表明,周期性截断的灰色系统负荷预测的归一化均方误差和绝对平均误差是最小的;周期性截断的灰色系统为电力系统负荷预测提供了一种新的有效方法。     

基于存储熵的存储负载均衡算法

在分布式存储系统中,一般都是以磁盘空间利用率（DU）来判断各存储节点的负载均衡程度,当所有节点的磁盘空间利用率相等时,是整个分布式存储系统的存储负载均衡点。但是在实际的应用场景中,磁盘I/O速率比较低的存储节点和可靠性比较低的存储节点往往成为影响整个存储系统数据读写性能的瓶颈,因此在异构分布式存储系统中,特别是各存储节点磁盘I/O速率和可靠性差异较大的分布式存储系统中,如果仅仅以磁盘空间利用率作为存储负载均衡的判定条件,则其数据的读写效率必然受到限制。从读写效率的角度提出一种度量分布式存储系统中存储负载均衡的新思路。根据负载均衡理论和熵理论给出存储熵（SE）的定义,并提出一种基于存储熵的负载均衡算法,该算法通过系统负载判定、单节点负载判定和负载迁移实现了对分布式存储系统存储负载的量化调整,并通过实验与基于磁盘空间利用率的负载均衡算法进行了对比分析,验证了该算法对分布式存储系统中存储负载具有良好的均衡性,有效地控制了系统负载失衡的问题,提高了分布式存储系统的整体读写效率。     

基于STM32的航天器电气负载监控系统设计

针对传统电气负载监控系统通信纠错率较低,造成航天器电气负载监控准确率较差的问题,基于STM32设计一种新的航天器电气负载监控系统;分别设计电气负载监控系统的硬件和软件;系统硬件主要设计了嵌入式数据接口以及外接设备、驱动芯片以及监控继电器控制模块,WLAN驱动芯片能够有效降低成本和功耗,提高通信速率;通过电气负载监控执行实现软件功能,建立电力负载管理中心软件,提高监控系统的通信能力,提升负载监控的准确性;实验结果表明,基于STM32的航天器电气负载监控系统通信纠错率平均值为92%,航天器电气负载监控过程误差较小,具有一定的实际应用性。     

A Dynamic Load Balancing Mechanism for Distributed Systems

It is desirable in a distributed system to have the system load balanced evenly among the nodes so that the mean job response time is minimized.In this paper,we present a dynamic load balancing mechanism(DLB).It adopts a cntralized approach and is network topology independent.The DLB mechanism employs a set of threscholds which are automatically adjusted as the system load changes.It also provides a simple mechanism for the system to switch between periodic and instantaneous load balancing policies with ease.The performance of the proposed algorithm is evaluated by intensive simulations for various parameters.Te simulation results show that the mean job response time in a system implementing DLB algorithm is significantly lower than the same system without load balancings.Furthermore,compared with a previously proposed algorithm,DLB algorithm demonstrates improved performance,especially when the system is heavily loaded and the load is unevenly distributed.     

基于负载预测的虚拟机动态调度算法研究与实现

在云计算系统中为了实现负载均衡和资源的高效利用,需要在虚拟机粒度上对云计算系统进行调度,通过热迁移技术将虚拟机从高负载物理节点迁移到低负载物理节点。把负载预测技术和虚拟机动态调度技术相结合,提出了LFS算法,通过虚拟机历史负载数据对虚拟机未来的负载变化情况进行预测,然后根据预测结果对虚拟机进行调度,能够有效地避免云计算系统中高负载物理节点出现,实现负载均衡,提高资源使用率。     

IPVS集群系统的改进设计与实现

IPVS集群系统由于负载调度器这一瓶颈限制了整个系统的负栽能力,所以可采用分布式Web服务器对原有系统进行改进,通过对改进后的系统进行了测试,表明系统在负载能力和响应速度上有所提高.     

基于SCPI语言IT8732程控测量系统设计

电子负载（IT8732）作为马力试验台测试系统的重要组成部分,其测试性能的准确度直接决定电机测量结果的有效性.在以往的应用中多采用于工方式操作电子负载,准确度较低,耗时耗力.因此,设计电子负载的自动测试系统非常重要.本文搭建以直流电子负载和工控机为基础的硬件平台,采用SCPI语言,在VC＋＋环境下设计了一套自动测试软件.实际应用结果表明该系统能够自动快速准确测量参数,大大提高工作效率.