基于灰色GM(1,1)及其改进型模型的短期电力负荷预报

运用ARIMA(p,d,q)模型和灰色理论中的GM(1,1)改进模型组合预测负荷。同时,对气候温度急变日负荷预测值进行特殊处理,提高了负荷预报精度。经对某地区电网的实际编程及运行检验,该模型的预报准确度满足了用户要求。     

GM(1,1)改进模型在广西短期电力负荷预测中的应用

采用GM (1 ,1 )改进模型与ARIMA(p ,d ,q)模型对广西自治区电网特殊日电力负荷进行组合预测 ,阐述了GM (1 ,1 )改进模型的建立方法 ,提出了适用于广西自治区电网特殊日电力负荷预测的预测数据处理方法 ,提高预测的精确度 ,全年日精确度优于 95% .解决了在日采样点为 2 4点 (正点采样 )情况下预测确度较低的问题 .     

基于改进灰色GM(1,1)模型的轨道电路故障预测

ZPW-2000A轨道电路在保障列车安全运行过程中发挥着重要作用,一旦出现故障将造成不可预估的后果。因此,对轨道电路进行故障预测具有重要意义。本文提出改进的灰色GM(1,1)预测模型对轨道电路红光带现象进行预测分析,解决了传统灰色GM(1,1)预测模型预测精度低、存在一定误差等问题。通过引入弱化因子降低原始数据波动带来的预测误差,并应用矩形法对传统模型的背景权值进行优化,基于遗传算法求得约束条件下的最佳背景参数,得到改进的GM(1,1)预测模型。结合铁路局信号车间采集到的轨出电压数据验证改进预测模型的性能,结果表明,相比于传统灰色GM(1,1)模型,改进后的模型平均相对误差降低了28.3%,具有更高的预测精度和实用价值。     

应用GM(1,1)模型对咸阳地区电力需求中期预测的研究

通过对咸阳地区分行业用电结构的分析,应用GM(1,1)模型预测了未来咸阳地区的电力需求和最大负荷,咸阳地区电力需求是分阶段的,与国民经济发展呈线性关系的,其发展速度具有一定的周期性.     

基于灰色GM(1,1)模型预测固废气化焚烧污染物排放

基于灰色理论,建立了有机固体废物气化处理气化燃料燃烧气态污染物部分组分浓度的GM(1,1)预测模型、预测精度评估,并编制了相应的M atlab应用程序。以氧气流量为3 m3/h,混合固废物料(12.9%稻壳、15.8纸屑、17.5%树叶、24.8%蒿草、29.0%内胎)在不同温度(650℃、700℃、750℃、800℃、850℃)气化时焚烧气结果为例,建立了不同温度下NO、NO2、NOX、SO2含量的GM(1,1)模型,利用该模型预测混合固废物料900℃气化焚烧气的产气组分中NO、NO2、NOX、SO2的含量分别是57.133 9 ppm、9.911 1 ppm、69.764 3ppm、28.774 7 ppm,残差百分率最大的是NOX,仅为-2.9534%,说明GM(1,1)模型预测精度较好。     

基于GM(1,1)模型与灰色Verhulst模型的风速预测

在阐述灰色系统理论的基础上,将GM(1,1)模型与灰色Verhulst模型应用至风力发电预测中,最终利用这两种模型分别对某日10:20至11:00的风速数据进行分析建模,预测11:10与11:20的风速.最后通过残差分析得出Verhulst模型的预测精度更高,更适合应用于风速预测分析.     

基于改进的GM(1,N)灰色关联模型预测铅酸蓄电池容量

铅酸蓄电池由于其容量大、成本低、自放电率低等优点是应急电源（EPS）系统的基本组成部分,剩余容量作为衡量蓄电池能力指标的重要参数直接影响着系统的安全运行。引入电池的端电压、内阻两个参数作为容量的两个关联因素,建立多因素关联分析的GM(1,N)灰色模型,并对模型进行了改进,针对影响模型预测精度的关键量“均值序列加权参数”提出了一种合理有效的选取方法,最后的预测实例验证以及误差分析表明,该方法具有操作简单、算法复杂度低而且预测精度高的优点,有很强的实际应用价值.     

基于改进GM(1,1)模型的牵引网导线载流量预测方法

牵引网导线载流量是牵引网设计、负荷调度以及故障检测过程中考虑的关键因素,牵引网导线载流量预测结果对于铁路部门具有重要参考价值。采用常规GM(1,1)模型预测牵引网导线载流量的预测结果与实际载流量偏差较大,需要对预测方法进行改进,以得到准确的载流量预测结果。首先,根据IEEE 738-2013标准中的导线热平衡方程提出由导线所处地理气候条件动态计算导线载流量的方法;其次,针对常规GM(1,1)模型的特点,对GM(1,1)模型预测方法进行改进;最后,对采用改进GM(1,1)模型的牵引网导线载流量预测方法的实现流程进行详细说明。通过算例仿真,对所提出的牵引网导线载流量预测方法的有效性进行验证,从仿真结果可以看出牵引网导线载流量预测结果与导线实际载流量偏差很小,能够满足实际应用的需求。     

基于最小一乘法的GM(1,1)模型及在负荷预测中的应用

为克服传统GM(1,1)模型中利用最小二乘法估计参数存在的不足,改善GM(1,1)模型在有突变情况下的中长期负荷预测中的精度,提出了利用最小一乘法估计GM(1,1)模型参数的方法.在GM(1,1)建模过程中,以误差绝对值之和最小为优化目标,针对目标函数不可导的特点,利用线性规划对模型的参数进行估计.对某中长期负荷进行预测,并与传统的GM(1,1)模型进行对比分析.结果表明,所提方法预测精度更高.该方法发挥了最小一乘法受奇异值影响小,稳健性好的优点,避免了利用最小二乘法估计GM(1,1)模型参数存在的不足,是有突变情况下的中长期负荷预测的有效方法.     

改进灰色GM(1,1)模型的EAST快控电源输出电流预测

针对非模型PID控制难以克服参数变化、时滞的固有缺陷,为优化托卡马克装置中应对等离子体垂直不稳定位移的主动反馈控制,通过改进灰色GM(1,1)预测模型对基于级联H桥拓扑的EAST快控电源的输出电流进行准确预测以优化控制参数.灰色GM(1,1)预测模型适用于小样本、贫信息系统,所需建模样本少、计算简易.预测拟合序列的差异...     

基于多元大数据融合的智能电能表可靠性评估模型

智能电表是电能计量体系的基础单元,广泛部署于用户侧。针对其量大而难以维护的问题,建立了基于多源大数据融合分析的智能电表可靠性评估模型。为了充分发掘智能电表设计、检修和运行数据中的有用信息,对多源大数据进行融合整理,得到了影响智能电表寿命的协变量数据和智能电表生存标签。基于生存分析理论建立智能电表生命周期CoxPH模型,并采用深度神经网络表征强非线性关联参数,形成智能电表的可靠性评估模型。基于某城市实际智能电表运维数据,对所建模型的有效性进行了验证。测试结果表明,所建模型可以基于智能电表的实时运行状态实现可靠性评估,为智能电表运维工作提供辅助决策。     

基于嵌入式系统的智能电能表研究展望

随着世界范围内的“智能电网”和“智能量测体系(AMI)”的加速建设,智能电能表作为分布于网络上的关键传感器和测量点,除了基础的电能计量外还应具有通信、负荷控制、在线升级、参数保护、法制计量与非计量部分隔离等功能。为此我国新修订的JJF 1245-2019标准充分采纳了国际法制计量组织制定的《有功电能表》(简称IR46),对新一代智能电能表的软硬件要求和型式认证做出了规定。文章首先讨论了新一代智能电能表的需求,对比IR46与我国电能表标准体系的差异,并对支持IR46标准的智能电能表的若干关键技术进行介绍,最后阐述了基于嵌入式系统的智能电能表的下一步研究方向和应用前景。     

电能表故障预测的代价敏感模型研究

对电能表故障的准确预测是及时处理异常电能表,实现拆回电能表的自动分拣与质量评估的关键环节.为解决电能表故障预测这一高度不平衡的分类问题,文章提出一种代价敏感的多分类集成树模型.通过层次聚类等预处理技术,对数据特征维度进行压缩以抑制过拟合;通过优化基于类别先验概率设计的代价敏感目标函数,模型可以有效克服由于数据集不平衡导...     

基于SSHM模型的智能电能表操纵行为检测算法研究

由于智能电表操纵行为产生的异常状态不仅会造成严重经济损失,而且会导致电网运行状态误判从而影响电网的安全性。文章提出了一种基于超态隐马尔可夫(SSHM)模型的智能电表操纵行为检测和定位方法。该方法首先在隐马尔可夫模型中引入超态量,并基于该模型转移矩阵和观测矩阵的稀疏性特点,给出了改进Viterbi算法,降低了数据存储和计量难度;通过包含典型操纵行为的数据集对模型的关键性能参数进行了评估和优化,从而建立起了高性能的SSHM模型;最后,通过操纵行为算例分析对比了该方法与其他方法的检测性能,证明了该方法具有极高的准确性,是解决智能电表操纵行为异常状态检测与定位问题的有效手段。     

基于FMEA和HM的智能电能表关键元器件认定研究

智能电能表关键元器件的认定是智能电能表可靠性提升的重要途径和手段。文中根据智能电能表可靠性的要求,结合智能电能表的实际情况对智能电能表严酷度进行了定义。利用故障模式和影响分析方法(Failure Mode and Effect Analysis, FMEA)结合智能电能表实际故障调研数据,对智能电能表的严酷度和故障概率等级进行评定,在此基础上绘制危害性矩阵图,得到了智能电能表关键元器件的认定依据,进而认定了智能电能表的关键元器件,实验分析验证了结果符合实际情况。文章对智能电能表生产厂家和相关管理部分具有较好的参考价值,对提升智能电能表可靠性有积极作用。     

IR46智能电能表软件可靠性设计与测试研究

本文基于IR46关于计量特性的防护等相关特殊要求,结合国内关于双芯智能电能表的设计理念,从软件可靠性角度出发,提出了一种基于数据流的、模块化的智能电能表软件实现方案,设计了以分钟电能为核心的电能、需量计算方法及流程;基于上述设计框架,提出了一种不影响计量的、安全可靠的软件在线升级方法;最后,结合电能表软件特点,提出了软件加速、故障注入的电能表软件可靠性测试方法。通过这些设计及测试方法,有效保证了基于IR46的新型智能电能表的软件可靠性。     

基于智能电能表误差检测的非侵入式电网故障定位及运维调度

为提升电网故障恢复的效率,提出一种基于智能电能表计量大数据的故障处理调度方案.使用状态估计方法,将故障作为系统的临时负载处理,从而将误差检测非侵入式地扩展到故障识别,并基于电能表大数据,使用可变权值矩阵,对故障进行远程定位.提出在考虑故障紧急程度的情形下利用迭代局部搜索算法对运维任务进行调度.实验结果验证了该方案的有效性.     

基于数据挖掘的智能电能表在线监测方法

应用数据挖掘技术提取采集数据中的有用信息,提出一种基于关联规则挖掘的智能电能表在线监测方法,根据采集系统的结构设计了在线监测的实现方式。智能电能表在线监测结构分为传输层和应用层,传输层实时监测电能表的异常运行情况,对数据进行分析后形成故障信息;应用层采用离线运行方式从历史数据库中抽取关联规则,并以在线方式将故障信息转换后进行匹配,实现故障诊断。算例结果表明该方法能够快速、准确的诊断故障结果,实用性强。     

基于随机矩阵的海量智能电能表异常个体定位方法

智能电表是电力计量计费的核心装置,关系业主、电网等多方经济利益,具有数量庞大、运行环境复杂等特点。为有效精准发现海量智能电表的异常个体,提出了一种基于随机矩阵的海量智能电表异常个体定位方法。首先,提出了智能电表健康状态的多个参数表征方法,包括比差、角差、温度、湿度、震动等非电气量参数和一次电压、磁场等电气参数。其次,为了更加准确全面地对智能电表的状态进行评估,将智能电表的实时数据、仿真数据和历史运行数据等作为数据源,选取智能电表健康状态时的参数构建高维随机矩阵进行分析,实现了智能电表异常个体的定位。最后,采用南网新一代智能电表实际数据验证了文章所提方法的有效性,以期为我国智能电表在线运检提供借鉴。