基于信息融合的低压智能电能表动态评价模型

针对智能电能表状态评价技术有待完善的问题,基于信息融合理论建立了一种新的低压智能电能表动态评价模型。该模型对低压智能电能表可靠度进行分析的同时,综合考虑计量异常、全事件、电能表过载率、时钟电池异常4种状态因素,采用熵值法实时计算各项指标权值,并且结合地区影响因素,对低压智能电能表进行动态状态评价。基于威布尔分布理论构建电能表可靠度子评价模型,应用贝叶斯公式建立计量异常和全事件子评价模型,引入泰尔指数评价地区影响因素。采用实际运行数据对该评价模型进行验证,结果表明所提模型合理、可行,能够对智能电表进行有效评价。     

考虑多维时域特征的行业中长期负荷预测方法

中长期负荷预测是电力系统规划与设计的重要依据，准确的行业中长期负荷预测能为电网布局规划、检修计划制定等提供决策支撑。在此背景下，针对行业中长期负荷隐含的多维时域特征，提出一种基于分解和预测思想的行业中长期负荷预测方法。首先，构建了基于周期趋势分解算法的行业中长期负荷特征分解模型，以得到分别表征行业负荷变化趋势性、周期性以及随机性特征的趋势分量、周期分量及残差分量；接着，针对分解得到的各维度分量，分别构建了基于门控循环单元的行业负荷全局趋势特征提取与预测模型、基于卷积神经网络的负荷周期局部特征提取模型，以及基于改进自适应高斯核密度估计的负荷残差概率密度预测模型，由此形成考虑多维时域特征的行业中长期负荷预测方法。最后，以中国某市化工行业负荷数据为例，验证了所提预测方法的有效性。