基于用户分类的电动汽车充电站需求预测

阐述了电动汽车充电站的需求问题,根据某区域内电动汽车用户的性质将其进行用户分类,分为规律性较强的A类用户、规律性一般的B类用户以及随机性C类用户。     

基于WRSR和BOA-Catboost的电力用户分类模型研究

售电企业对电力用户进行合理评估是开展售电业务的关键。针对当前评估方法存在的评估不全面、应用性不强等问题,提出一种基于WRSR（加权秩和比）和Catboost算法的电力用户分类模型。首先使用WRSR对现有电力用户进行分档并标记;接着使用Catboost算法学习分类规律,构建分类器,同时采用BOA（贝叶斯优化算法）优化Catboost的超参数,提升分类效果;最后根据模型分析每个特征的重要程度,并按重要性分数对用户特征进行筛选。实验结果表明：该方法能实现电力用户的合理分类;所提分类模型与其他机器学习模型相比准确性更高,可解释性更好。     

基于可靠性的配电网用户停电损失估算方法研究

提出了一种综合用户停电损失函数和基于可靠性计算的用户停电损失估算方法。文章以用户调查方法为基础,获得峰荷状态下各类用户的停电损失,同时考虑各类用户的用电量比例和负荷率等因素,建立综合用户停电损失函数。根据元件在线路上不同位置对用户可靠性的影响,提出了用户停电损失的估算方法。该方法对工程人员进行电网规划和建设时的经济决策具有一定的参考作用。最后,以IEEE RBTS为例说明了该方法的可行性和有效性。     

基于用户分类的电动汽车充电站需求预测

阐述了电动汽车充电站的需求问题,根据某区域内电动汽车用户的性质将其分为规律性较强的A类用户、规律性一般的B类用户以及随机性C类用户。在历史数据的基础上,运用多元线性回归法预测出区域内未来某时间的汽车保有量,然后根据国家相关部门的政策情况、调查情况以及Bass扩散模型预测各类用户所占比例和充电需求。根据各类用户的数量、对充电时间的要求并考虑日常维护备用容量、特殊事件等因素对区域内的常规充电站和快速充电站的需求量进行了合理预测。算例分析结果表明该方法具有较强实用性。     

基于用户实时用电需求的配电系统停电事故严重性判别及用户感知可靠性评估

可靠性评估对于配电网规划建设具有重要意义。传统配电网可靠性主要从系统侧供电的角度进行评估,较少从用户角度考虑停电发生时用户侧的实时用能需求,忽视了不同用户对于同一停电事件严重性的差异化感知,造成了传统指标不能完全准确反映停电事件对于不同用户在不同时段的差异化影响。为此,首先引入用户感知可靠性的概念,提出了用户对停电事故严重性感知的量化分析方法;然后从用户侧和系统侧提出了一系列基于用户感知的配电网可靠性评估指标,构建了相应指标体系,并与传统指标体系进行了对比;最后运用IEEE-RBTS标准算例对提出的方法、指标进行了计算验证,证明了其可行性、有效性,以及相较于传统评估指标的优势。     

对电力大用户定价模式的研究

针对云南省某地区大用户从供电公司购电的现状,提出为大用户提供合同和实时市场两种购买渠道,并分别确定了最优电价.合同采用分类丰枯一峰谷电价的形式,将大用户按不同需求价格弹性进行分类,建立多目标数学规划模型确定各类用户的丰枯-峰谷电价比.实时市场用于平衡大用户实际用电量与合同分解电量的差值,建立基于条件风险价值(conditional value at risk)最小为目标的数学模型.分析供电公司的策略对大用户购电成本的影响.最后仿真验证两个模型的合理性,并证明此模式可以解决目前大用户购电中存在的部分问题.     

基于EEMD-FCM的需求响应用户负荷曲线分类研究

需求响应(DR)作为电力需求侧管理(DRM)的重要措施,对提升电网安全、优化电力资源配置具有重要意义,目前已得到深化应用.为明确各类用户负荷特性和评估其参与DR的潜力,需要对电力用户进行分类.首先,综合考虑用户属性、用电时间规律等因素,建立基于集合经验模态分解(EEMD)和模糊C均值聚类(FCM)的需求响应用户负荷曲线分类模型.利用EEMD将某电网82组负荷数据分别分解为本征模态分量和趋势分量;然后,采用FCM对平稳的本征模态分量进行聚类.结果表明:EEMD-FCM模型在迭代12次后目标函数值稳定收敛于69.87,与传统FCM聚类相比,收敛值更小,求解时间更快,此外,EEMD-FCM在用户分类上比传统FCM更加精确;最后,基于用户用电负荷曲线分类结果提出不同的需求响应策略,为电网实施精准需求响应提供理论支撑.     

基于对数弹性负荷的电力用户实时定价模型

实时定价是当前节能减排背景下的一种有效的智能化需求响应手段。在需求价格弹性的基础上,建立了对数弹性负荷模型,完成了电力用户对基于价格的需求响应方法的实时电价计划模拟。以北京市某地区电网2007年夏季典型日负荷曲线为例进行算例分析,模型结果验证了所提出方法的合理性和可行性。     

基于聚类分析的用户分类和用电行为分析

针对用户用电行为特性和用户用电负荷特性,利用K均值聚类法和模糊C均值聚类法对用户用电行为进行了分类分析。依据用户用电负荷曲线特性,使用K均值聚类和模糊C均值聚类的方法对用户用电类型进行了分类;依据聚类分析结果对用户用电行为进行了分析,分别分析了各类用户与总负荷曲线的相似度,分析了2种聚类方法的差异,为供电公司针对不同类型用户提高差异化供电服务提供了参考依据。     

基于特征重要性加权的随机森林点云分类研究

针对传统的随机森林模型构建时样本选取的随机性导致随机森林中包含了大量分类精度较低、分类性能相似的决策树分类器,进而影响整体随机森林模型分类精度与效率的问题,该文提出了一种基于特征重要性加权投票的随机森林算法。从决策树分类精度、不一致度量两方面剔除分类精度较低、分类性能相似的决策树,依据整体随机森林与单棵决策树特征重要性之间的相似性,计算每棵决策树的投票权重,提高了三维点云分类精度与分类效率。实验表明,改进后的随机森林分类算法照比传统的随机森林、支持向量机、决策树、神经网络、基于点特征分类方法分别提高了0.20%、15.159%、5.893%、6.316%、28.935%。在分类效率上,改进的随机森林照比传统的随机森林减少了约75%的时间。     

基于萤火虫优化算法的分布式发电设备容量分配及配电网孤岛划分

随着分布式发电设备大量接入到配电网中,分布式发电设备在配电网故障情况下为接入位置负荷及周边重要负荷的供电研究日益引起关注。利用投入产出法确定负荷的失负荷价值,基于失负荷价值设定负荷权重。在接入位置和总容量确定的情况下,以总权值最大为目标,利用萤火虫优化算法讨论接入容量的最优分配以及故障条件下的孤岛运行范围。将该方法应用于含分布式电源的智能配电网中,通过对比验证了方法的有效性。     

基于聚类分类算法的IGBT健康状态分类研究

绝缘栅双极型晶体管(IGBT)是功率变流器中最常用,也是故障率最高的元器件,因此其健康状态分类评估极为重要.文中基于聚类分类算法建立了IGBT模块的健康状态分类评估模型.首先根据聚类分类原理,简述了IGBT模块状态分类模型建立的步骤.然后以饱和压降和短路电流作为老化特征量,分析了老化过程特征量的变化趋势.最后搭建了IGBT模块健康状态分类评估模型,基于已有的数据集对模型进行了检测,模型分析结果与测试结果基本一致,验证了健康状态分类评估模型的准确性.     

基于粗糙集属性重要性的数据约简

为了提高数据处理的效率,本文以等价关系、划分、上下近似、正域等粗糙集理论基本概念为基础,提出基于属性重要性的属性约简方法。该方法从条件属性集整体出发,分别计算去除每个条件属性后对决策属性重要性的变化,利用属性重要性区分不同属性对于决策属性的依赖程度,优选重要程度较高的属性。该方法以工业现场交流调速系统数据为对象进行有效性验证,结果表明,该方法具有良好的性能,能够大量减少冗余的属性和数据,提高数据处理的效率。     

基于投入产出法的电力失负荷价值研究拓展

利用投入产出法拓展了电力价值的概念与计算公式。按照新的电力价值从小到大的顺序对各部门进行排序,在此基础上分别以国民经济价值损失最小和最大为目标推导出最大电力失负荷价值和最小电力失负荷价值的计算公式。以2002年投入产出数据为例进行了实证分析,结果表明该方法是合理有效的。     

自动曲线识别的电池分类系统

介绍了一个建立在向量空间模型上的电池分类系统 ,提出了一个基于模糊决策的快速完成识别电池容量和曲线一致性的计算方法。算法以提取电池充放电特性曲线上的电压、时间作为识别特征 ,并建立了目标隶属函数 ,基于阈值准则 ,完成曲线类别归属的决策 ,给出了系统的基本结构和具体实现方法。实验表明了该方法的可行性 ,当测出电池容量时 ,可以快速准确地将放电容量和充放电特性曲线一致的电池分为一类 ,分类的准确率达到 98%以上 ,为制作高性能的电池组提供了一种实用检测技术。     

基于多通道卷积双向长短时记忆网络的输电线故障分类

针对单通道故障分类器不能全面表达三相故障特征信息引起分类精度不高的问题,提出了一种基于多通道卷积双向长短时记忆神经网络(MCCNN-BiLSTM)的输电线故障分类方法.该方法可同时输入故障三相信号,并能有效提取故障信号的空间和时间特征,实现了三相故障信号特征的全面提取,有效地提高了神经网络的分类的精度.基于735 kV...     

基于MTACNet网络的运动想象脑电分类

为了更好地利用到脑电信号中的相关特征,改善运动想象脑电的分类性能,构建了一种基于混合特征和并行多尺度TCN模块的多层卷积网络（MTACNet）。首先,搭建基于混合特征的多层卷积神经网络,并在其中嵌入高效通道注意力机制,选取PReLU作为激活函数,以提取脑电信号中的时域和空域信息;然后对TCN模块进行改进,构建并行多尺度时域特征提取模块,接入多层卷积网络,进一步挖掘不同时间尺度的特征信息。在公开数据集BCI_IV_2a和自采数据集SCU_MI_EEG上进行测试,平均分类准确率分别为8615%、7710%,标准差分别为917%、1358%。并且针对自采数据集,设计了一种融合多频域脑电信号进行三通道输入的预处理方法,经过预处理后使平均分类准确率提升了329%。实验结果表明,与其他方法相比,本文所构建的分类网络取得了较为不错的分类效果,所设计的预处理方法能够降低复杂环境和无关干扰因素对分类结果的影响。     

关于我国产业部门的电力失负荷价值与碳减排责任研究

科学评估电力失负荷价值可为我国在制定电力规划、电力市场经济运行、电力需求侧管理与电力产业政策决策等方面提供科学的依据.随着"低碳经济"概念的提出,碳减排责任已逐渐成为各个国家、地区或产业部门关注的焦点之一.本文基于投入产出方法,研究了我国产业部门的电力失负荷价值与碳减排责任,并予以了实证分析.     

基于投影分类的语音端点检测方法

针对低信噪比条件下语音端点检测精度受噪声干扰严重的问题,提出了一种基于投影分类的语音端点检测方法。该方法首先利用长时语音信号变化率测度特征进行低信噪比环境中的语音特征计算,充分利用语音信号和非语音信号的不同来增强低信噪比条件下的区分度;接着,采用Fisher准则对语音和背景噪声进行分类识别,确保投影后的特征参数类内散度最小、类间散度最大。实验结果表明,方法具有较高的检测精度,在信噪比为-10 d B的白噪声干扰情况下仍然保持了86.7%以上的正确检测率。