基于数据挖掘的电力设备状态诊断系统建模

以电力公司的业务需求为背景,为实现电力设备的状态诊断,以数据挖掘技术中的粗糙集和决策树算法为依据,采用粗糙集和决策树相结合的数据处理模型对电力设备的各属性数据进行了分析处理。综合运用粗糙集和决策树两种数据挖掘算法,通过粗糙集技术进行属性约简,并运用决策树的ID3算法对约简后的数据进行分枝、减枝得到规则集,实现对电力设备工作状态的快速、高效诊断,并根据其工作状态提供决策支持。     

浅析电力调度通信管理信息系统

随着我国电力行业的快速发展,电力设备不断增多,电力调度通信方式复杂多变,网架结构繁杂,管理信息的数量也就越来越多.现代化电力调度通信管理不仅要求保证通道的稳定疏通,以能够快速准确的采集各种信息,并对采集到的大量信息进行及时处理,同时还要对电力通信网的预测和发展做出分析和决策.因此,电力调度通信中心的管理就必须上升到更高的层次,采用先进的计算机技术并应用系统平台的开放和综合性管理信息系统以支撑整个电力调度的所有业务.     

基于改进BP神经网络法电力负荷短期预测

电力网络结构日益庞大,电力安全可靠运行难度不断增大,须提高电力负荷预测精度,以保证电力设备正常稳定运行。电力负荷变化具有非线性的特点,通过传统建立的模型难以精确预测电力负荷的变化,针对此难点,文中采用具有非线性特征的改进BP神经网络法进行短期负荷预测,在进行负荷预测算法时,为消除训练样本顺序的影响,将整个样本集替代单系列样本进行学习。选取某县城电力负荷历史数据作为样本,Matlab编程仿真,得出预测与期望结果比较接近,部分数据较精确,说明该算法具有一定的参考意义。     

5G无线通信基站共享电力杆塔的应用研究

将5G无线通信基站安装在电力线杆塔上,可以通过电力线路杆塔共享促进5G网络建设,实现电力企业和通信公司的互利共赢。重点讨论了5G基站的新架构,分析了把基站应用到电力杆塔上应考虑的供电、接地、安装等问题,并给出了相应的解决方案。     

基于灰狼算法优化支持向量回归的110 kV电力变压器全寿命周期成本预测模型

电力变压器是电力企业的核心设备，充分预测电力变压器全寿命成本对于电力企业经济效益改善具有重要意义。基于电力设备全寿命周期成本标准框架，对83台110 kV电力变压器的历年数据进行处理，构造了含有变压器中标价格、变压器容量、空载损耗、负载损耗、硅钢材料成本、铜线成本、大修年故障频率、小修年故障频率及其对应的全寿命周期成本数据集。基于该数据集构建了灰狼算法(grey wolf algorithm, GWO)优化支持向量回归(support vector regression, SVR)的电力变压器全寿命周期成本预测模型，并对该模型进行了算例仿真，结果显示其在测试集中的平均相对误差仅为5.20%。此电力变压器模型为预测和评估电力变压器全寿命周期成本提供了一个新的方法。     

基于数据仓库技术的电力设备决策系统

本文以某县电力局电力设备决策系统为研究背景,在对原有的数据源进行分析和重新组织的基础上,构建电力设备数据仓库,并建立多维星型模式的数据立方体。运用OLAP技术,从多角度、多层次快速地分析和查询数据仓库的数据,实现设备管理和预测的科学化,并说明OLAP数据仓库能够为电力系统管理人员提供有效的决策信息。     

220kV输电线路工频短路电流分布研究

针对某220kV雷击闪络频发线路,希望能够通过测量工频短路电流和雷电流参数实现故障杆塔准确定位.为解决这一实际问题,在电路理论基础上采用ATP-EMTP及Matlab对短路电流在杆塔-避雷线中的分布特征及影响因素进行了研究.通过对比分析故障录波和仿真波形,验证了所建模型的正确性,同时该研究对于避雷线热稳定性的校验、选型,故障塔电位上升,故障塔定位,通信线路的电磁干扰及电力网络经济设计等研究具有重要意义.     

无定位坐标线路的雷击故障点查找

本文从利用雷电定位系统的雷电活动信息,精确判定雷击故障点位置,减少查找时间出发,针对线路杆塔在未完成地理坐标定位的现状,通过地图确认雷电活动与线路杆塔的坐标位置,以雷电流对杆塔作用时间、作用位置和雷电流大小等参考数据为分析,短时间完成线路在无杆塔坐标情况下的雷击故障点的判定,实现对线路雷击故障点的快查和快恢复目的。     

基于数据挖掘的智能化电力负荷预测

对电力负荷预测的研究主要运用了数据挖掘中的聚类分析法,建立了预测算法与预测模型相分离的通用算法库,实现了负荷预测的智能化.通过海量数据存储、数据挖掘和决策信息的支持,可有效地克服数据有限性、不完整性及影响因素复杂性对预测结果的影响,发挥独特优势,实现经济价值.     

基于混沌蚁群算法的电力短期负荷预测

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先利用混沌理论将杂乱无章的历史数据进行相空间重构,找出其中的潜在规律,并粗选预测参考点;然后利用蚁群优化算法,考虑距离因素和相点演化的相关性因素,对粗选的预测参考点作进一步精选,提高其质量;最后采用GM（1,1）灰色模型得到预测日的负荷数据。实际算例验证了提出的方法具有较好的预测精度。     

基于光栅传感器的高压输电线杆塔监测

通过对输电线杆塔力学分析,利用传感器技术获得杆塔的最薄弱部位的扭转力矩、拉力、倾斜角度等信息,传送到集控中心进行数据比对,由后台控制系统做出判断,明确杆塔出现的机械失效问题,从而作出预警。传感器技术和杆塔的力学分析结合提高了杆塔机械失效监测的效率,通过该方式管理人员可及时掌握杆塔信息,及时发现安全隐患,有效减少导线覆冰引起的杆塔受损灾害的发生。     

浅谈港口变电所电力监控系统设计

随着光纤通信技术的飞跃式进步、港口功能不断完善和发展,港口生产规模不断壮大和延伸,传统的配电系统结构已经不能够满足现代化港口生产的需求.通过先进的通讯传输手段,变电所实现无人值守成为一种可能和必然.利用通讯技术设置远方或就地监控系统,使运行值班人员不用到设备现场就能了解到电力设备运行情况,从而实现港口电力设备管理的自动化.基于此,本文主要对港口变电所电力监控系统设计进行分析探讨.     

面向中小企业过程集成的数据集成平台研究

为满足中小企业对业务过程集成的需求，提出了支持过程集成的自动数据交换方法，开发了支持异构系统集成的软件平台.通过分析制造企业业务过程管理及其对集成的需求，构建了关系数据库与可扩展标识语言（XML）的映射模型，使用XML作为信息传递和交换的载体，通过导出映射模式将源数据库数据转化为XML数据，再通过导入映射模式将XML数据转化为目标数据库数据，采用自动控制的方式实现数据实时交换.该平台可以根据业务过程灵活设置，具备柔性集成的功能，实现业务过程自动的平滑无缝对接，便于企业内部协作.实际运用表明，该数据集成平台不仅可以满足企业内部的过程集成，还可以扩展到与外部企业的业务过程集成，适应电子商务的需求.     

混沌时序建模的理论在电力负荷预测中的应用

利用一种简洁实用的方法计算电力负荷最大Lyapunov指数,通过计算证明电力负荷数据存在混沌的特性.通过对负荷时序的相空间进行重构,对河北地区电力负荷的日负荷数据进行了分析,并根据混沌时序模型对其进行预测,结果表明预测精度小于3%,满足实际要求.     

浅探电力设备的高压实验

随着社会的进步，经济的发展，人民生活水平的不断提高，电力在人们日常生活中的地位越来越重要，与此同时，对电力设备的要求也越来越高。自然电力设备的安全稳定运行在电网系统中的地位也就举足轻重了，所以电力的高压实验是非常重要的，本文将对此进行简要分析。     

GMDH方法在电力负荷预测中的应用研究

本文在介绍数据处理组合方法GMDH基本原理的基础上,将其用于电力负荷时间序列数据预测,并通过某地区电力负荷预测实例,对电力负荷值进行了计算分析,结果表明该方法可得到满意的预测结果。     

基于智能家电的短期电力负荷预测与削峰填谷优化

通过可远程控制的联网智能家电,提出对城市群电力负荷的短期预测与削峰填谷优化. 分析某家电企业的智能家电集群运行产生的海量数据,建立城市群智能家电电力负荷预测模型,主要采用3种模型加权组合预测的方式,利用负荷数据中的趋势性、周期性、相关性、节假日特征及外部变量进行智能家电集群电力负荷的短期预测,单月内每日平均相对误差为4%~6%. 通过合理选择特征,该模型可以在不同家电间通用,依据家电类型分类预测后的结果可加和成为用电总负荷. 针对使用方式与用户习惯,提出智能家电电力负荷削峰填谷的控制策略,根据发电成本数据给出预期效益,说明基于智能家电负荷预测的用电调控能够有效降低电力部门发电成本、用户用电成本与电网负荷波动性.     

基于神经网络和相似搜索技术的电力价格钉预测方法

电力市场中普遍存在“价格钉”,其特殊性给电价预测带来困难。通过对其特征和影响因素的分析,提出了一种基于神经网络和相似搜索技术的价格钉预测方法。首先,采用BP神经网络建立价格钉识别模型,对未来某一交易时段市场清算电价可能出现的区间进行预测,并提供相应的置信度;其次,对判别为价格钉的时段采用相似搜索技术进行二次预测。采用澳大利亚昆士兰州电力市场2004年至2005年全年的电价数据进行训练和预测分析,结果验证了该方法的有效性。     

基于VMD和TCN的多尺度短期电力负荷预测

准确的电力负荷预测对于保证电力系统的稳定运行起着重要作用。针对传统短期电力负荷预测方法预测精度低,模态分解后未考虑子序列融合等问题,提出一种基于变分模态分解(VMD)和时域卷积网络(TCN)的多尺度短期电力负荷预测方法。首先利用VMD将电力负荷数据分解为若干个子序列,解决电力负荷数据的非线性和随机性等问题;再利用TCN对若干个序列采用不同时间尺度进行训练;最后利用全连接网络(FC)对各时间尺度的子序列进行融合,实现短期电力负荷预测,提升预测精度。实验结果表明,该方法相较于VMD和改进的长短时记忆网络(LSTM)相结合的传统预测方法,其均方根误差下降40%,曲线拟合程度提升1.1%。     

基于机器学习的地理空间数据抽取算法

为提高地理空间数据集成抽取的查准率和查全率,提出了基于机器学习的地理空间数据抽取算法。以GeoNames、OpenStreetMap等作为地理信息数据源,通过网络爬虫以及搜索引擎检索同时下载有关网页,并对内容进行过滤,过滤后对网页中的地点名称及地址信息等数据进行解析抽取,实现其可视化。分析抽取得到的地理数据实体,利用地理数据与实体之间的映射,将异构地理数据的歧义消除,实现地理空间数据一体化,并依据实体名称、类别等多特征相似程度计算,实现地理数据特征数字化。结合多特征、机器学习KNN分类法完成地理数据链接自动化,实现地理空间数据的分类抽取。通过实验对本文算法进行验证,结果表明:本文算法具有较高的查准率和查全率,数据抽取效果良好,可为地理数据集成提取奠定基础。