基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法

短期电力负荷的精准预测可以有效指导机组组合调度、经济调度与电力市场运营。针对输入数据特征量受限时负荷预测的低精度问题,提出一种基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法。通过建立融合局部特征预提取模块的LSTM（long short term memory）网络结构,并将其与XGBoost（eXtreme boosting system）预测模型并行结合,之后结合MAPE-RW（mean absolute percentage error-reciprocal weight）算法进行模型融合初始权重设置,对最佳权重进行搜索,构建最佳融合模型。通过运用电力负荷数据对所提方法进行预测实验,结果表明CNN-LSTM- XGBoost模型的MAPE（mean absolute percentage error）与RMSE（root mean square error）分别为0.377%与148.419 MW,相比于单一网络模型与融合模型结构实现了误差指标的显著降低,验证了基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法具有较快的模型训练速度、较高的预测准确度与较低的预测误差。     

光伏系统直流串联故障电弧检测方法

故障电弧是光伏系统电气火灾事故的常见原因,研究可靠的光伏系统直流故障电弧检测方法对保障系统运行和人身安全有重要意义。首先搭建了光伏系统直流故障电弧实验平台,采集了故障电弧典型电信号;接着对其进行了稳定性分析、时变性分析、相关性分析和随机性分析,并以特征显著、计算量小、抗干扰强为比选条件,选取欧拉特征作为故障电弧检测的最优特征;然后构建了故障电弧检测算法,算法以多阈值判断体系为核心发掘故障电弧差异于系统暂态过程的特征模式;最后,将算法硬件实现后在系统中再进行实验测试。结果表明,所提出的算法对不同光伏系统工作点和电弧产生方式条件下的故障电弧均可在0.5 s内实现正确检测。     

基于双重故障模式的微型电网电压自愈控制方法研究

针对故障干扰容易造成电网负荷损失的问题与负荷裕度较小且分布不均等问题,提出双重故障模式的微型电网电压自愈控制系统等效处理微型电网运行模式。通过有向图路径矩阵及其关联矩阵确定供电路径计算传输功率,构建网络故障关联与拓扑矩阵然后对双重故障形成关联,实现负荷裕度损失较小的条件下进行微型电网电压自愈控制的目的。实验表明,故障检测过程中负荷裕度提升值较高且分布均匀,紧急负荷补偿能力较高,故障定位下的微型电网负荷性能得到提升且具有良好的稳定性。     

负荷功率模型的最优特征选择研究

负荷功率呈现时空多样的变化特性,其影响因素众多,构建负荷功率模型的关键之一是确定模型的输入特征量。文中着重研究短期负荷功率模型的特征选择,旨在从历史负荷、气象、日期等众多特征中选出最优特征集。首先,采用最大信息系数、基于支持向量机的递归特征消除法和随机森林3种不同特征选择方法分别对输入特征集进行选择;然后,根据对比分析结果提出基于遗传算法的最优特征集搜索策略,选定XGBoost预测模型的误差指标作为适应性函数进行迭代优化搜索;最终,确定负荷功率模型的最优特征输入集。采用某地区220 kV变电站母线负荷数据进行算例分析,对比各方法所选特征集作为功率模型输入得到的负荷预测效果,验证了文中方法的有效性和准确性。     

核磁共振测井在吉兰泰油田巨厚砂砾岩储层综合评价中的应用

吉兰泰油田固阳组的巨厚砂砾岩储层地层矿化度较高,油水关系较为明显,但常规测井解释技术评价该套储层产能与试油结果差异较大,影响了该套储层的高效开发.针对这套储层厚度大、非均质强、孔隙结构复杂的特点,通过对核磁共振测井资料宏观尺度和微观尺度的分析,构建基于储层品质主控因素分析的储层综合指数,与试油、试采等动态资料相结合,建立储层基于产液能力的分级评价模型,实现储层分级评价.该方法提高了有效储层的识别精度,为油田分段开发方案的设计、提高油藏采收率、延长稳产时间,提供了可靠依据.将该方法应用于新井储层综合评价中,效果良好.     

基于改进粒子群算法的智能农村营销服务渠道优化分析

本文研究了 一种面向农村电网营销服务渠道的改进粒子群算法并验证其挖掘结果适应性.引入收敛因子的改进PSO算法并非单纯从粒子群数据迭代收敛效率上高于传统PSO算法,其实际的数据应用端表现也显著优于后者.其中表现在对优势用户和问题用户的数据特征提取方面,改进PSO算法表现出较强的数据挖掘结果可用性.     

论紫砂壶"秋韵"的花器特征和田园气息

正是在这把"供春"紫砂壶的影响之下,紫砂艺术从仿生花器开始了自己充满奇幻的旅程,一直到今天,成为了我们茶座之上的主角之一,绽放出光彩夺目的 艺术魅力.这件紫砂作品"秋韵壶"也是把传统的"西施壶"、绿叶、瓜藤、果实等等元素都融合起来,给我们展示了一幅色彩浓郁,充满了秋天无穷雅趣的画面,是一件能够勾起我们无限情愫的紫砂艺术作品,可以说非常的和谐自然,同时"西施壶"的器型又是非常的实用,可以轻松驾驭各种茶叶,让我们在喝茶品茗的过程之中,宛如走进了秋天宽阔的田园,自由地呼吸新鲜的空气,远离城市的喧嚣,感受秋天的色彩,装饰我们忙碌的生活,启迪我们寻觅属于自己的诗和远方.     

论紫砂壶"古井提梁"的造型装饰特征以及丰富内涵

在中国陶瓷艺术界,宜兴紫砂可以说是其中的一朵奇葩,尤其是紫砂壶不仅有着较高的实用价值,还有着艺术观赏性及收藏价值.对于紫砂创作者来说,扎实的技艺功底是必不可少的,还要对生活有一定的感悟和体会,以良好的艺术语言,呈现出独特的艺术表现.作为一件优秀的紫砂器,必定兼具了工艺美及实用美,更要蕴含丰富且深厚的文化内涵,将紫砂壶的外在形象与内在精神完美地契合在一起,才能够向人们传达出一个更高的艺术境界.本文主要以紫砂"古井提梁壶"为例,谈谈它的造型装饰特征及丰富内涵.     

竹叶嫩绿飘香外——浅谈紫砂"绿叶飘香壶"的造型特征以及文化内涵

紫砂壶之中承载着茶文化,而在历史文化的不断发展之下,紫砂艺人不断地传承与创新,再加上文人雅士的参与,如今的紫砂壶早已成为了一种独一无二的艺术品,紫砂技艺同样也成为了一种别具特色的艺术.紫砂壶有着十分丰富的造型,大自然与生活都能够成为紫砂壶创作的题材,紫砂艺人从中汲取灵感赋予在紫砂壶之上,捏造出各种各样的造型,既满足了较高的实用性功能,同时也饱含了艺术观赏价值.本文主要以紫砂"绿叶飘香壶"为例,谈谈它的造型特征以及文化内涵.     

基于包络线聚类的多模融合超短期光伏功率预测算法

针对传统功率预测方法以气象因素进行聚类划分时各气象因素权重难以分配以及单模型预测精度较差的问题,提出一种基于光伏功率包络线聚类的多模融合超短期光伏功率预测算法.对异常特征数据进行预处理,采用Pearson相关系数与XGB Feature Importance模块分析光伏功率和各特征之间的相关关系,并构建新特征;介绍包络线理论,并根据光伏功率包络线参数进行聚类划分,将聚类后的数据作为输入,借鉴Stacking集成学习框架构造XGBoost+LightGBM+LSTM融合模型对光伏功率进行预测;将所提算法与气象因素聚类和功率区间聚类下的各预测算法进行实验对比;为了避免训练过程中模型超参数的影响,采用K折交叉验证对数据的训练集、验证集和测试集进行划分.仿真结果表明,所提算法较气象因素和功率区间聚类法能有效提高复杂天气情况下光伏功率预测精度,且多模融合效果总体优于单独算法模型.