低压电流互感器自动化检定系统与智能仓储系统对接策略研究及应用

鉴于低压电流互感器自动化检定系统与智能仓储系统接驳位置的空间限制,通过增加一套3层缓存线的方式,满足检定系统与仓储系统无缝对接的要求,实现低压电流互感器全过程自动检定,进一步提升检定效率,降低仓储系统缓存区空间占用面积。     

110kV轻载电缆线路对无功计量的影响

当电缆输电线路处于空载热备用或轻载(使用容量小于额定容量的50%)运行时,线路对地会产生容性充电功率,其大小与电压等级及线路长度成正比。在110 kV电压等级下,电缆线路产生的容性电流会造成电网侧与用户侧电能表对无功电量的计量有较大差异。通过对青海某110 kV电缆输电用户轻载状态下实际用电情况进行分析,发现电缆线路对地电容每个月产生近300万kvar·h无功电量。电缆线路过大的无功补偿造成结算计量点与参考计量点的电能表无功电量有较大差异,从而导致用户每个月产生大量的力调电费。     

智能电表数据和监督学习检测非技术损失的研究

为提高智能电表数据融合检测能力,提出基于监督学习的智能电表数据检测非技术损失评估方法,在智能电表检测非技术损失阵列中进行智能电表损失数据采集,构建大数据挖掘的统计分析模型,采用监督学习检测方法检测智能电表数据的非技术损失数值,实现智能电表检测非技术损失数据快速提取,根据特征提取结果实现智能电表数据融合和损失检测。仿真结果表明,采用该方法进行智能电表数据融合和监督学习检测的准确性较高,信息融合度较高,提高了智能电表非技术损失的评估和状态监测能力。     

基于LSTM神经网络的数据驱动空间负荷预测方法

目前的数据驱动空间负荷预测方法数据迭代训练损失值较大、预测速度较慢,难以应对呈几何指数增长的数据量。针对以上问题,以LSTM神经网络为基础提出了一种新的数据驱动空间负荷预测方法,分析神经网络内部的时序,避免数据消沉现象,确定训练数据空间的相关性。根据不同的神经元建立预测模型,通过数据预处理降低采集数据的维度大小,确保数据完整性。同时提供数据控制基础,控制模型输入输出量,统一格式标准,保证模型训练次序,结合LSTM神经网络结构,选择预测方法,完成数据驱动空间负荷预测。实验结果表明,所提方法能够有效减少数据迭代训练损失值,提高预测速度。     

电动汽车直流充电桩检定系统研制

充电桩作为电动汽车的主要充电设备引起广泛关注。充电桩的安全性和可靠性是促进电动汽车发展的重要因素。在充电桩出厂前对其进行检测非常关键。充电桩检测的项目多,耗时较长。为了提高充电桩检测效率,文章将充电桩检测完成时间最小化设为目标函数,建立一种充电桩检测调度优化模型,同时,为了克服经典遗传算法的局限性,设计了一种基于工序和设备变异的双变异算子,最大限度使种群多样化,进而提出了一种添加初始化因子和精英策略的改进遗传算法。实验结果表明,采用改进遗传算法求解充电桩检测调度优化问题,总检测时间较人工检测降低了33.26%,较经典遗传算法降低了14.84%,提升了充电桩检测效率。