基于大数据高维分析理论的用户用电模式分析

电力用户在整个电力系统中的地位和作用越来越重要,为帮助指导电力企业的经营,实现电力用户用电的高效管理、指导精细化需求侧管控工作,对用户用电模式进行分析。针对智能电表获取的用户用电信息,采用高维随机矩阵理论建立用户用电模式随机非参数模型,利用特征值密度函数和核密度函数具体分析用户用电量数据与不同用电模式及用户节能潜力的关联关系;并以某市实际电力用户用电数据为例,分析了用电行为习惯、节能用电态度等。结果表明,各模式用户当用电弹性指数较大及用电刚性需求指数较小时用户节电潜力较大,研究结果为用户用电模式的分析提供了新方法。     

一种基于大数据的低压单相用户窃电分析方法

低压单相用户具有分布广、基数大的特点,随着人们用电量日益增大,低压单用户窃电现象越来越严重.目前窃电排查主要以人工逐户核查的方式为主,存在缺乏针对性、工作量大和效率低下等问题.文章提出了一种新型窃电分析方法,通过对用户电压、零火电流、电能表上报事件、台区等多维信息进行大数据分析,可有效、精准定位窃电用户,明确窃电手段....     

BP神经网络在反窃电系统中的研究与应用

针对我国供电企业电量自动化管理技术手段相对落后的问题,基于窃电的特点构建了反窃电指标评价体系,采用BP神经网络建立了反窃电模型,并结合实例探讨了在反窃电系统中运用BP神经网络的过程及应注意的问题.实例应用表明,反窃电指标评价体系科学、合理,BP神经网络应用于窃电嫌疑分析可行、有效.     

基于用电大数据分析的用户终端综合能源服务新模式

受现代新能源发展的影响,传统类型能源市场的商业服务模式发生了深刻改变,提出基于用电大数据分析的用户终端综合能源服务新模式.从国外和国内两个视角入手,分析用户终端的综合能源服务模式现状,了解用户终端综合能源服务模式存在的3个作用:1)转换管理方式提高能源的利用率;2)双控模式减少能源成本造成的压力;3)提高能源资源的集中分配率.基于用电大数据分析能源市场需求,加大经费投入能源技术创新,推进互联网增值服务搭建能源管理平台,完成用户终端综合能源服务模式优化,为传统产业战略转型提供科学依据.     

基于BP神经网络的线损不良数据辨识及其预测

电能在输送过程中产生的大量损耗会大大提高电网的运营成本,同时海量的电网数据中往往包含错误数据,对线损计算及预测有严重影响。针对该问题,提出一种基于BP神经网络的不良数据辨识模型,可以有效辨别线路数据中的不良数据,并进行剔除。剔除不良数据后,再利用BP神经网络对线损进行预测。以宿迁市某变电站数据为例,验证了该模型的适用性。     

基于大数据分析的陕西省居民用电行为及影响因素研究

陕西省目前处于发展的关键时期,为了有效的了解陕西省居民用电模式,通过对陕西省居民用电量以及相关经济、社会指标等众多数据的统计计算,得到了2000年以来的社会经济以及用电大数据。主要从陕西省居民用电增长情况、居民用电占比、人均用电水平和城乡居民用电差异等方面做了详细的分析和研究,对全面了解及把控陕西省居民用电行为具有十分重要的意义。     

基于BP神经网络的施工导流风险评价

针对现阶段施工导流风险评价模型存在的不足,提出了采用BP神经网络定性与定量相结合的方法评价施工导流风险,构建了施工导流风险评价模型,并介绍了应用BP神经网络评价施工导流风险的操作步骤,以期为施工导流风险评价提供一种新途径.     

基于BP神经网络的水电站电气设备故障诊断

阐述BP神经网络应用在水电站电气设备故障诊断中的目的,通过查阅文献并结合专家经验,构建了电气设备的故障诊断知识库,并建立神经网络模型。最后,以一个故障诊断实例进行具体分析,验证BP神经网络的可行性与优越性。     

锅炉燃烧含氧量中的大数据与神经网络技术分析

锅炉燃烧是工业生产中常见的形式,但其在运行过程中存在诸多潜在的问题,与之相关的能源损耗以及环境影响也是人们长期以来关注的话题。只有锅炉长期处于稳定运行状态,才可以确保其具有良好的燃烧效率。通过采集火电厂锅炉燃烧相关运行数据,旨在研究电厂大数据背景下将神经网络建模方法应用于锅炉燃烧系统辨识的可行性,探讨其对提高火力发电燃烧效率的意义。     

基于BP神经网络的北江流域洪灾风险评价

依据灾害系统理论,在GIS技术支持下构建了北江流域洪灾风险评价指标体系及基于BP神经网络的洪灾风险评价模型,评价了北江流域洪灾风险,并与历史发生的大洪水相比较.结果表明,该模型评价结果较好地反映了流域实况,具有合理性,并提供了洪灾风险评价图.     

基于大数据技术的多沙水流泵站故障诊断方法

针对多沙水流泵站存在水泵磨蚀、机组振动等复杂故障问题,基于大数据技术,将神经网络方法与传统的专家系统相结合,建立了多沙水流泵站的故障监测与诊断系统。实际应用结果表明,该方法能够及时定位故障问题和诊断故障原因,降低了维护成本,创造了更大的经济效益。     

基于流数据聚类算法的电力大数据异常检测

针对电力大数据流的异常检测问题,该文将流数据聚类算法与电力大数据相结合,针对现有流数据聚类算法不易存储全部数据、断电数据易丢失等问题,以及流数据聚类算法对于离线阶段聚类算法实时应答的要求,从数据的完整性、安全性以及流数据聚类算法的低时间复杂度的角度出发,对CluStream流数据聚类算法进行改进,提出流式K-means聚类算法。对在线阶段,使用Redis集群进行流数据的缓冲,并设计节点时间衰减策略,增大心跳消息中有效消息所占比例;对离线阶段聚类算法进行优化,使用最佳距离法确定初始聚类中心,减少迭代次数;最后,使用所提出的流式K-means聚类算法进行用户用电异常行为检测,实验结果表明,该算法能够很好的发现用户用电异常行为。     

基于BP神经网络和分解技术的汽轮机叶片可靠性反求设计

汽轮机叶片可靠性反求设计旨在确定叶片未知概率设计参数以满足给定的可靠度要求.针对叶片功能函数为随机变量隐性函数的情况,提出了基于有限元、BP神经网络和分解技术的可靠性反求设计方法,该方法将有限元和BP神经网络相结合以构造功能函数与随机输入变量之间的近似解析表达式,运用分解技术,将求解随机设计参数的全局优化问题分解为主问题和子问题,通过子问题直接调用标准优化工具箱得到可靠性指标,并运用分解迭代技术对主问题求解,从而得到随机设计参数及目标可靠性指标对各随机变量的敏感性.以某实验台汽轮机等直叶片为例,阐述了该方法的具体实施过程.该方法数学描述简单,并可直接应用标准优化程序,成功地解决了隐性功能函数下叶片可靠性反求设计,具有较好的工程应用价值.     

基于BP神经网络的区域滑坡易发性评价

随着经济建设的发展,地质灾害的频发,新一轮的区域性滑坡灾害风险评价相继展开。将湖南省郴州市临武县作为研究区,使用GIS提取研究区9项影响因子,总结灾害点的分布规律。运用BP(Back Propagation)神经网络模型,得到研究区滑坡易发性评价分区结果,结果划分合理。研究成果可为研究区防灾减灾提供参考依据。     

基于BP神经网络的温度控制系统

文中介绍了基于BP(Back Pmpagation)的神经网络气化炉温度控制系统。对BP神经网络控制算法作了详细的介绍，运用模糊逻辑控制概念赋予隐层含义，并决定其节点数，同时用高斯核函数作为节点激励函数，并做了仿真研究，叙述了系统的硬件与软件构成，试验表明所设计的系统操作方便、安全可靠，所选择的控制算法适应性强，控制效果良好。     

基于AdaBoost与BP神经网络的风速预测研究

介绍了基于AdaBoost的多神经网络集成预测方法。集成方法的预测结果优于其他方法的预测结果,这一点在理论上和经验上已经得到证明。AdaBoost是适用于时间序列预测的集成方法。基于AdaBoost算法,采用多个BP神经网络训练随机生成的风速样本,再由多个训练结果生成最终的风速预测值。用该方法预测的误差低于用单一BP神经网络进行的预测,其分析和仿真结果表明了其优越性。     

基于BP神经网络的空调负荷预测

本文以城建国际大厦冷源系统的检测数据为依据,利用BP神经网络,建立了空调负荷预测模型,并取得了较好的结果。文章进一步分析了可能存在的误差及提高预测精度的方法。     

基于BP神经网络的柴油机缸内压力重构

实验证实了缸盖螺栓头部的振动加速度信号与缸内压力信号的相干性.基于BP神经网络,在时域内建立了该加速度信号与缸内压力信号之间的非线性关系,探索了重构缸内压力的神经网络方法.由于非发火燃烧阶段振动加速度信号与缸内压力信号的相干性差,提出了利用高压部分估算低压部分的方法.     

基于大数据的电力技术监督平台设计与应用

为实现火电机组全方位、全流程的在线技术监督,提升电力技术监督工作效率,设计了基于大数据的电力技术监督平台。提出了平台总体架构和网络架构,并重点分析了涉及机组安全、经济、环保等方面的九大应用功能。经过两年多的运行,平台积累了海量历史数据,为开展精细化的电力技术监督提供了数据支撑和决策支持。     

基于BP神经网络的电网综合评价研究

摘要： 电网综合评价通过对评价对象构建指标体系,利用相应的评价模型得到评价结果。构建了含有7个一级指标、14个二级指标以及28个三级指标的多层次的电网综合评价指标体系。使用AHP模型引入博弈论集成法结合模糊综合评价法和熵值法确定主客观权重进而获得最终权重,代入神经网络进行训练。通过某省10个地市2014年电网满意度测评结果,验证了该方法能够实现快速、一致、准确的电网综合评价。