排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
2.
为准确检测异常用电行为以降低电力公司的运营成本,提出一种基于改进深度自编码网络的异常用电行为辨识方法。首先将正常用户的用电数据作为训练样本,自编码网络逐层学习数据的有效特征;然后重构输入数据以计算检测阈值,而由于异常用电行为破坏数据的特征规则,再通过对比重构误差与检测阈值的差异即可实现异常用电行为辨识。为了改善自编码网络的特征提取能力与鲁棒性,分别引入了稀疏约束和噪声编码,并利用粒子群算法优化网络的超参数以提高模型的学习效率和泛化能力。选用福建省某地区居民用电和商业用电数据集进行了验证,这一模型的异常行为检测的准确率高于92%。实验表明所提方法具有优异的特征提取能力和异常用电行为辨识能力。 相似文献
3.
针对集中控制、电价固定的传统运行模式无法反映多投资方在微电网中的利益诉求的问题,基于市场均衡理论建立了考虑微电网与主干电网差异化电价的微电网中各发电主体竞价均衡模型,该模型通过微电网内部发电主体之间的竞价与主干电网的购电电价和供电电价确定最终出清电价,可适应微电网与主干电网之间的电能交互,从而解决电力市场改革后多投资方的微电网内部电价决策。通过实际项目进行仿真分析,结果表明该模型在供电均衡的条件下实现了发电成本的优化目标,同时解决了各发电主体之间的利益分配问题。 相似文献
4.
5.
林女贵 《电力科学与技术学报》2019,34(2):128-133
售电量的准确预测是电力市场课题研究的重要内容之一,目前已有许多模型用于售电量预测。在此背景下,考虑售电量时间序列的非线性、波动性和周期性,提出基于集合经验模式分解和自回归积分滑动算法的预测模型。该模型首先对售电量时间序列进行集合经验模态分解,通过添加白噪声得到不同时间尺度分布的售电量时间序列,分解后得到一系列相对平稳的本征模态函数和趋势项,然后利用自回归积分滑动算法对各平稳化本征模态函数和趋势项分别进行预测,得到各分量的预测结果,最后将分量预测结果叠加得到最终的售电量预测值。基于历史统计售电量数据的预测结果分析表明,基于集合经验模式分解的 ARIMA模型具有良好的预测精度。 相似文献
6.
电网企业大数据运营服务内容探索 总被引:2,自引:2,他引:0
电网企业在日常经营过程中积累了海量的数据。在售电侧改革背景下充分挖掘数据价值,向各类用户提供高价值的大数据运营服务,是电网企业应对售电市场竞争的重要手段。在定位大数据运营服务目标用户的基础上,分析了不同用户的服务需求,并初步探索规划了服务内容,有助于电网企业提高用户满意度,拓展赢利渠道,增强售电市场竞争力。 相似文献
7.
1