基于标签技术和熵权法的缺陷推荐研究

针对电力系统,设备（资产）运维管理系统（PMS）与调度管理系统（OMS）之间的设备缺陷互联需要PMS运维人员进行主观判断及手动选择操作,导致人员工作量大幅增加且数据交互的不合理程度和不完备程度也逐渐增大,本文提出了基于标签技术和熵权法的缺陷推荐方法.该方法首先以基于正向最大匹配算法、编辑距离和规则库的标签技术对缺陷数据进行标签化标识,然后采用熵权法对其标签进行评价,进而实现向调控员进行智能化推荐缺陷的目的.实验结果表明,通过该缺陷推荐方法的实施,显著减少了运维人员的缺陷选择工作量,并提升了缺陷信息推荐的准确性.     

基于改进局部异常因子算法的拓扑辨识技术

针对电网中的拓扑错误和不良遥测信息严重影响电网的安全运行的现象,提出了基于改进局部异常因子算法的拓扑辨识方法.该方法利用统计理论对开关及刀闸的状态信息和电网的遥测信息进行评估,同时考虑到遥测及遥信信息对拓扑错误辨识的影响不同,采用相对熵对其数据进行加权处理,并在异常拓扑状态检测过程中,通过网格来屏蔽那些非异常的对象,提升算法效率.实验结果表明,该算法能够快速识别电网中的拓扑错误,发现其中的不良遥测信息.     

影响测定棉浆粕溶液粘度的若干因素

粘度是棉浆粕质量的重要指标。本文就在测定棉浆粕粘度过程中对粘度产生影响的若干因素作了初步探讨，诸如溶剂体系和温度体系对棉浆粕粘度的影响，以及棉浆粕粘度对聚合度的影响等。     

基于LSSVM的超短期负荷区间预测

智能电网的快速发展给电网运行带来了新的挑战,为适应智能电网快速响应的要求,实现对电力负荷未来运行趋势的快速估计,本文提出一种基于LSSVM模型的超短期电力负荷区间预测方法,所提方法在点预测的基础上,通过对样本数据的整体噪声方差进行估算来预测区间,计算量小且大大减少了预测耗时.在模型参数选取问题上,首先使用Gamma Test噪声估计的参数确定方法确定最优的训练样本量和嵌入维数,然后采用网格搜索的方法选择最优超参数,使LSSVM模型在训练样本上的拟合误差逼近估计出的最小噪声.为验证本文所提方法的有效性,使用某电网的调度负荷数据进行了仿真实验,其结果表明该方法不仅能够体现LSSVM简单快速的特点,还通过对模型参数的优化使预测区间的准确性得到了保证.