基于季节调整与神经网络融合算法的售电量预测

正针对月度售电量波动性大、随机性强、精准预测困难的特点,本文构建了一种结合数据预处理(X11加法模型)和BP神经网络算法的预测模型,结合宏观经济及自然环境采用历史售电量、固定资产投资、梯度温度等输入参数进行月度售电量预测。实际结果表明,基于X11-BP神经网络融合算法进行售电量预测,能够较好模拟月度售电量的波动性,比单一BP神经网络预测精度更高,可为电网公司和售电企业生产经营及规划计划管理提供重     

金属化膜电容器自愈理论及规律研究

主要研究金属化膜电容器的自愈特性及影响自愈过程的关键因素。研究表明,降低自愈放电过程中的自愈能量,是提高金属化膜电容器工作寿命和可靠性的有效途径。通过分析金属化膜自愈的物理过程,采用电测量法对影响自愈过程的各种参数及其相关性规律进行研究。对方阻R>30/□的金属化膜,在场强200V/m时开始出现击穿并发生自愈,在600V/m附近时击穿概率达到80%,电容器在高场强下工作可靠性降低。自愈面积与自愈持续时间随着自愈能量的增加而增加,自愈能量与电压的二次方成正比、与方阻的二次方成反比,采用高方阻金属化膜可有效降低电容量损失,提高电容器寿命。层间压强增大,自愈能量减小,自愈面积和自愈持续时间减小,在这种情况下,电弧易熄灭,降低了电容量损失,提高了电容器工作可靠性。