基于云计算和量子粒子群算法的电力负荷曲线聚类算法研究

针对电力数据海量化、多维化的趋势,为了提高聚类算法的聚类质量,并解决传统聚类算法聚类海量高维数据时单机计算资源不足的瓶颈,提出了一种基于云计算的电力负荷曲线聚类的并行量子粒子群优化模糊C均值聚类算法。将量子粒子群群体智能算法引入到传统模糊C均值聚类算法中,利用QPSO较强的全局搜索能力,克服FCM算法易陷入局部最优以及其对初始聚类中心过于敏感的缺陷。最后,采用云计算的MapReduce编程框架以及HBase分布式数据库对算法进行并行化改进。经实验验证与FCM算法和AFCM算法相比聚类正确率提高了10%左右,且并行性能较好。     

一种基于改进模糊聚类算法的自适应典型日选取方法

考虑单一算法在选取典型日负荷曲线上的不足,将改进后的可能模糊C均值聚类算法（PFCM）与模糊线性判别法（FLDA）相结合提出一种新的集成聚类方法。首先将原有的PFCM改进,得到改进后的PFCM,并将其应用于最佳聚类数的选取;然后将改进后的PFCM与FLDA相结合,将该集成聚类算法应用于负荷曲线的聚类。最后,通过某电网全年负荷数据验证了所提方法在典型日选取上的有效性。     

基于离散小波变换和模糊K-modes的负荷聚类算法

为了研究智能电网背景下用户的用电模式,考虑到现有聚类算法的不足,提出了一种基于离散小波变换的模糊K-modes聚类算法。利用离散小波变换将时域的负荷曲线转换到频域,从而将负荷曲线的不同特征隔离在不同的频域水平,并利用低阶近似的思想选取原始曲线的有效分量曲线;对所选的分量曲线进行趋势编码,将连续负荷数据转化为离散类属性数据;基于平均密度确定初始聚类条件,利用模糊K-modes聚类算法对曲线进行形态聚类,得到负荷曲线模板;将所提算法与传统K-means算法及层次聚类算法进行比较,从而验证了所提算法的有效性。     

基于灰狼优化聚类算法的日负荷曲线聚类分析

针对模糊C-均值聚类算法(Fuzzy C-Means,FCM)应用于日负荷曲线聚类分析时存在易受初始聚类中心影响,易收敛于局部最优值以及日负荷曲线的内在特性难以通过距离得到充分反映的问题,利用日负荷特征值指标对日负荷曲线进行数据降维处理。提出了基于灰狼算法(Grey Wolf Optimizer,GWO)优化的模糊C-均值聚类算法(GWO-FCM)。该算法利用GWO为FCM优化初始聚类中心,结合了GWO的全局搜索能力和FCM的局部搜索能力。算例结果表明所提方法可有效提高日负荷曲线聚类效果,算法鲁棒性好。     

基于模糊C均值聚类算法和最小二乘支持向量机的母线负荷预测研究

电力系统中的母线具有数量众多、负荷波动性大等特点,为提高预测精度,提出一种基于模糊C均值(fuzzy c-means,FCM)聚类算法和最小二乘支持向量机(least squares support vector machine,LSSVM)的母线负荷预测方法。利用改进的数据横向比较法对异常负荷进行修正。在此基础上,结合FCM算法将供电区域中具有相似负荷变化规律的母线进行聚类,选取聚类后的母线负荷数据对LSSVM模型进行训练和预测,并通过配比公式进行负荷分配。经数据验证,方法有助于提高母线负荷预测精度。     

基于模糊C均值聚类算法的用电行为模式分类

通过对负荷数据的归类分析,可以得到电力用户的用电行为特征,为需求响应策略制定和效果评估提供支撑。首先,对负荷数据进行预处理,包括非正常数识别与处理,以及平滑处理去除毛刺数据;其次,针对模糊C均值聚类算法对初始聚类中心敏感、易陷入局部最优和受噪声影响大等问题,提出采用最短距离法聚类为模糊 C 聚类提供初始聚类中心、利用有效性分析类内样本相似程度和不同类之间独立程度来判别聚类结果优劣、以及通过数据密度识别并剔除噪声点等改进措施,提升了模糊 C 均值聚类算法性能;最后,通过对比其他方法以及对某纺织企业负荷聚类分析,验证了改进算法的正确性与有效性。     

基于模糊聚类与改进BP算法的日负荷特性曲线分类与短期负荷预测

提出了一种将模糊聚类技术与人工神经网络中的BP网络相结合的日负荷特性曲线分类与短期负荷预测的方法。通过模糊聚类技术将不同用户的负荷特性曲线进行分类,建立出不同的典型负荷曲线。然后利用同预测曲线相同类型的典型曲线,结合温度、日类型、湿度等对短期负荷预测影响较大的因素作为学习样本建立相应的BP网络模型。针对传统BP算法的不足,利用变学习速率和附加动量来改进BP算法并预测日负荷曲线。通过对实际日负荷曲线样本进行分类和对短期负荷进行预测证明该方法预测精度较高,在实际应用中具备可行性。     

变压器故障诊断中溶解气体的PSO-WFCM算法研究

由于模糊聚类将故障样本等同进行模糊划分,且受初始值影响,故提出将PSO-WFCM算法用于变压器油中溶解气体的故障诊断。该算法选取油中气体作为故障特征量,利用粒子群算法得到最佳初始聚类中心,用以指导模糊聚类求取最终的聚类中心。实验结果表明,其弥补了模糊聚类的不足,还提高了变压器的诊断性能。     

变压器故障诊断中溶解气体的PSO-WFCM算法研究

由于模糊聚类将故障样本等同进行模糊划分,且受初始值影响,故提出将PSO-WFCM算法用于变压器油中溶解气体的故障诊断。该算法选取油中气体作为故障特征量,利用粒子群算法得到最佳初始聚类中心,用以指导模糊聚类求取最终的聚类中心。实验结果表明,其弥补了模糊聚类的不足,还提高了变压器的诊断性能。     

改进PSO与模糊聚类相结合的变压器故障诊断

针对基本粒子群算法存在收敛速度慢、易陷入局部极值的缺点,提出了一种改进PSO算法与模糊聚类相结合的变压器故障诊断方法.该方法根据变压器油中主要特征气体含量,利用杂交遗传改进粒子群通过优化模糊聚类准则函数,得出故障类型的最优聚类中心,再由聚类中心得出相应模糊隶属函数,最后由隶属函数判断所属故障类型.实例分析结果表明,该算...     

电网企业主数据管理建设研究

文章对主数据管理的概念、特点及建设意义进行了论述,分析了国内外主数据管理的发展现状。深入研究了主数据管理建设和实施方法。在此基础上,结合我国电网企业的业务特点。对电网企业主数据管理建设思路进行了深入的探讨,形成了电网企业特有的主数据建设方法论,实现了对企业级主数据的统一管理。提高了企业数据的准确性,降低了系统信息成本,建立了完善的数据标准,提高了数据质量。     

一种数据需求分析方法及其在电力负荷管理系统中应用

本文针对数据需求分析中存在的问题,提出了一种数据需求分析方法、数据需求分析步骤,及在湖南省电力负荷管理系统中的应用。     

智能电网大数据的特点、应用场景与分析平台

为了使现代电网更加智能,在电网中广泛安装了多种数据采集装置与信息管理系统,例如智能电表、远程测控终端和同步测量装置,配电管理系统、能量管理系统、用户管理系统和电厂管理系统等。这些装置和系统产生了大量数据,构成了智能电网大数据的主要来源。研究先进的数据分析技术以使这些数据能够为电网的运行控制提供科学的决策,改善电网运行的灵活性、安全性、可靠性和有效性,已经成为智能电网发展的迫切需求。首先分析了智能电网大数据产生的原因和数据分析的重要性,讨论了大数据技术的发展趋势,然后重点分析了智能电网大数据的来源和类型,进而总结出智能电网大数据的特点,分析了智能电网大数据的应用场景,介绍了正在研发的智能电网大数据分析系统的分析平台以及主要功能。     

电力调度数据中心数据质量问题研究

结合调度中心数据特点和业务特点提出构建数据中心提高数据质量的一些控制方法,这些方法分别从电网数据的统计特性和业务特性(数据关联性特性)上对异常数据进行识别,并且基于这些方法给出了数据校验的模块设计,最后应用该数据校验模块到数据中心的系统架构中,提高了华东电力调度数据中心的数据质量.     

数据质量管理平台在内蒙古电杰公司的应用

在一体化平台数据中心系统建设过程中,为了对数据进行科学有效的管理和质量控制,为决策者提供可信的决策支持,从信息技术及管理控制2方面入手,对数据质量管理的实现方案进行深入分析,建立了一整套数据质量管理体系,形成了完整的数据质量管理平台,提升了企业数据质量,保证了数据中心系统能够提供准确、科学的数据。     

JBX－6A2电子束曝光机图形数据转换软件的开发与应用

本文简要介绍了一种矩形电子束曝光机图形转换软件的结构、工作原理和工作过程。在此前提下，根据这套软件的实际工作情况简要介绍了使用该软件的具体方法，并对使用该软件时容易遇到的困难和一些应注意的细节做了清楚的说明。此外还简略说明了作者对该软件所做的几处修改。     

数据拓扑及其在电网数据处理分析中的应用

在分析信息化建设发展需求的背景下,提出数据拓扑的概念与定义,描述了其结构内容以及与电网数据关联情况的对应性。重点分析了其对于提升应用系统数据处理、信息展示、数据分析水平方面所能够发挥出的促进作用。之后给出了基于数据拓扑的应用系统数据处理分析相关功能的架构,并简述了数据拓扑在电网数据处理分析中的实际应用。     

电力自动化系统中的数据处理

电力自动化系统种类日趋多样,数据增多,功能复杂。系统之间强调信息共享和数据交换的同时,还必须保证系统的安全性。从数据的分类、数据的获得、数据流、数据仓库、数据安全等角度对整个系统中有关数据处理的部分进行了介绍,主要涉及通信分层、数据分流、数据仓库、数据镜像等技术。     

基础汇聚平台与数据运营平台应用研究

现阶段因不同行业之间的数据多处于分离状态,存在电网、其他能源行业、政府、气象、经济等之间的数据缺乏融通共享等状况,给政府、企业、公众等开展跨行业的分析应用、数据运营带来了一定困难。有针对性地提出数据汇聚平台及数据运营平台的建设意见,阐述了两大平台建成后可实现数据全景视图统一展示、数据链路统一监控、企业数据门户、数据应用运营、平台系统管理、数据工具、数据应用管理等功能,达到电力数据汇聚,满足数据应用的孵化,丰富数据应用,探索数据价值点和市场方向,指引电力大数据中心数据应用的研究和运营,深度释放数据资源价值。     

智能电站数据中台建设与应用

在电站智能化建设过程中,为解决现有系统的数据孤岛、数据利用率低等问题,设计了数据中台产品。基于全域数据采集、数据湖底座建设、数据萃取与分析、数据服务化交付、数据可视化关键技术,建立了智能电站数据中台,实现了多源异构数据融合、共享和服务能力,有效提升电站精益化运行管理水平。最后介绍了智能电站数据中台的典型应用场景,对发电企业建设和应用数据中台具有一定的参考价值。