智能电网的非侵入式负荷监测系统设计

为进一步提高智能电网的信息分析挖掘能力以及数据共享交互能力，设计一款功能完善、实用性强的非侵入式负荷监测系统。在结合系统需求分析的基础上，完成对系统技术架构和系统总体方案的设计；从数据采集模块设计、主控模块设计、通信模块设计等方面入手，完成系统核心功能模块的设计；对系统的运行性能以及云平台在线监测功能进行测试。结果表明：所设计的非侵入式负荷监测系统运行正常、可靠、稳定，各个功能模块实现满足设计相关要求。     

聚类混合型数据的密度峰值改进算法

聚类混合型数据，通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式，割裂了样本属性原有的统一性；导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题，提出以二进制编码样本属性，再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量，避免了对样本属性的切割，在此基础上又根据不同属性的性质赋予其不同的权重，并以此评价样本个体之间的相似程度。实验结果表明，新算法能够有效地聚类混合型数据；与已有的其他聚类算法相比较，表现出更好的聚类准确率及稳定性。     

LTE室分高倒流小区解决方案的研究

LTE室分高倒流直接影响室内4G用户的感知，同时较大程度拉低LTE网络驻留率指标。由于室内无线环境的封闭性，室分小区之间的覆盖独立性，仅仅通过参数调整的手段达到降低高倒流的效果非常不明显，因此本文针对目前影响室内用户感知的高倒流问题，从高倒流小区的标准出发，对室分高倒流小区的发现手段，产生原因及解决方案进行详尽地阐述，并针对各类型的高倒流情形提出解决方法，最终提供读者发现、分析及解决室分高倒流小区的有效方案，从而作为研究方法提供给LTE室内小区高倒流问题解决的指导意见     

基于热负荷自动调节的延迟焦化加热炉三点注汽量智能优化

针对国内某炼油厂延迟焦化加热炉三点注汽问题，采用热负荷自动调节的算法进行了研究。运用该模型方法，分析了三点注汽量对加热炉热负荷和炉管结焦系数的影响，发现三点注汽量的改变均会对热负荷和炉管结焦系数产生影响，主要表现为提高注汽量将会提高热负荷，同时降低结焦系数；第1点注汽量和第2点注汽量对热负荷和结焦系数的影响较强，第3点注汽量对热负荷和结焦系数的影响较弱。在实际操作中，加热炉中的结焦程度既不能太强也不能太弱，合适的结焦系数能够保证正常开工周期里炉管不结焦，也能保证瓦斯、注汽量等参数的合理分配。通过对热负荷、注汽量的智能分配，可得到不同原料油加工负荷条件下更加合理的装置运行方案。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。