CPU-GPU异构计算框架下的高性能用电负荷预测

随着电网的快速发展,用电信息采集系统的数据计算业务面临着巨大挑战.近年来,图形处理器(GPU)因其在浮点计算速度和存储带宽方面的优势成为高性能计算问题中的研究热点,也被成功应用在电力系统计算分析等科学计算领域.在基于人工智能方法的电力负荷预测问题中,以往大部分研究仅考虑了使用GPU加速预测模型的训练,而并未应用在数据集的获取和计算上.提出了一种基于中央处理器-图形处理器(CPU-GPU)异构计算框架下全流程加速的高性能用电负荷预测方案.首先结合统一计算架构(CUDA)和多线程技术实现了使用多台GPU完成用电负荷的并行预处理,随后在聚类分析后基于XGBoost算法完成了多台区负荷预测,并利用GPU加速了模型的训练计算.最后通过对深圳市43254个台区用电信息的实例分析,验证了所提方法的高效性与适用性.     

基于无标度网络的电力系统模型及优化

由于信息技术的发展,大量信息的繁衍和增长,信息之间的关系愈加复杂.为了研究这些复杂信息的联系,Erdos和Renyi提出了图论,推动了复杂网络的发展.1999年Barab á si和Albert第一次提出了无标度网络之后,复杂网络在最近几年成为了科学研究的一个热点课题.各种复杂网络如社会网络和Internet网络看起来似乎杂乱无章、纷繁复杂且没有规律性,但是却不像它表面所表现的杂乱无章;Barab á si和Albert经过研究发现了电影演员网络和其它网络具有自组织性和规律性,并且服从幂律概率分布,称之为"无标度网络".科学家发现各种数据庞大的网络包括社会网络、生物网络以及其它技术网络开展的无标度网络研究,都服从这个规律.随着电力行业的发展以及电力资源的不断增加,电力行业数据呈现出数据量大、电力节点间关系复杂等特点,迫切要求使用合理的方法来科学管理制造资源.因此,本文提出了从无标度网络的角度研究电力行业资源网络,解决电力资源的管理问题.     

虚拟化技术及其在电力行业中的应用研究

当前各网省公司服务器和应用系统的部署方式存在问题,导致资源利用率低,成本高、难以管理、数据安全存在隐患、工作方式不够灵活等问题.文章阐述了虚拟化技术的概念、分类以及优势.在应用层角度评估了多种虚拟化技术的基础上,提出了结合服务器虚拟化技术和桌面虚拟化技术应用于网省公司的服务器和应用系统部署方案,对方案的架构、优势等方面进行了具体阐述.     

基于GPU的电能表健康状态评估与预测

随着智能电网快速发展,用电信息采集系统中智能电能表规模日渐庞大,给海量数据实时分析及电能表运维带来巨大挑战。近年来,图形处理器(Graphics Processing Unit,GPU)超高速并行计算及快速训练大规模神经网络特性已经成为国内外高性能计算领域一个新的研究热点。但是,到目前为止,还没有看到GPU在用电信息采集系统中的应用。文章着重研究如何在用电信息采集系统中运用GPU实现电能表健康状态在线评估及预测,以提升统计性能,为电能表精益化运维提供有力依据。     

用电信息采集系统中重复数据删除技术研究

随着时间的推移,用电信息采集系统中的数据爆炸式增长,必然对数据中心造成巨大压力,存储设备将不堪负重,无法满足未来发展的需求.近年来,实现最小40倍于存储空间的重复删除技术已经成为存储领域的研究热点.但是,到目前为止,还没有看到重复删除技术应用于用电信息采集系统.本文着重从用电信息采集系统中的数据存储和数据备份2个方面研究如何实现重复数据删除技术,以节省存储空间,减少网络传输量,保护业务数据,为智能电网的快速发展提供强有利的支撑.     

基于改进Prophet算法的短期日负荷预测方法研究

将Prophet算法引入负荷预测领域,并结合XGBoost算法提升Prophet负荷预测准确性。Prophet算法基于时间序列分解及机器学习的拟合,将负荷数据分解为趋势项、周期项、随机波动项3部分,引入XGBoost算法改进Prophet算法对随机波动项的预测,将XGBoost 算法对随机波动的预测结果与Prophet算法对趋势项和周期项的预测结果叠加,获得最终的预测结果。该算法适用于用电负荷这种具备一定周期变化特征的序列,易于理解,预测准确性较高。通过某地区用电信息采集系统提供的专公变用户日冻结数据实验验证,结果表明在相同条件下,改进后的算法预测的结果的平均绝对误差百分比较原始的Prophet算法可降低2.5%,同时均方根误差降低幅度可达30.79%,体现出显著的改进效果。     

如何把握电视专题纪录片后期编辑制作的“视觉效果”

随着社会的不断进步和发展,人们的文化生活也更加丰富多彩,这就给广大的电视人提出了新的机遇和挑战。尤其是与文化传承密切相关的电视专题纪录片的制作需要付出更多的精力和时间,我们不仅要在制作前进行精心的布置与安排,后期的编辑与制作也同样重要,也需要我们调动一切智慧和精力。本文主要针对如何把握电视专题纪录片的后期编辑制作的"视觉效果"进行简要的探讨。     

基于RWT-SVM的台区配电网日前负荷预测研究

日前负荷预测对于制定合理的调度计划,保证电力系统安全可靠具有重要意义.电力负荷时间序列通常存在随机误差,而基于智能算法的预测模型为了充分提取负荷信息,结构复杂、计算量大.为此,本文利用台区配电网的历史电力负荷时间序列,提出一种基于重复小波变换-支持向量机（RWT-SVM）混合模型的日前电力负荷预测方法.该方法利用小波变换技术将台区配电网电力负荷时间序列分解为多个子序列;利用平均绝对误差（MAE）计算每个子序列的预报误差贡献度;对MAE最大的序列进一步分解,从而提升模型的预测能力,得到精度更高的预测结果.仿真结果表明,RWT-SVM混合模型的预测精度高于三种对比方法.