基于隐含狄利克雷分布主题模型和特征级异构数据融合的电力故障主动性预警研究

智能化客服系统是国家电网在传统人工客服上转型的重要方向。相对于传统客服,智能客服可以并发处理电力用户的诉求事件,掌握覆盖辖区内配电网准确、可靠、全面、及时的状态信息,并通过分析历史诉求文本数据和电力用户相关的多源异构大数据来积极应付突发事件,对诉求热点进行预测并进行主动性预警。文中首先通过隐含狄利克雷分布概率(LDA)主题模型对电力用户的交互式诉求文本进行主题挖掘,获得诉求用户的诉求主题标签。根据电力公司所收集到的多源异构大数据,文中设计多种特征提取算法,搭建基于卷积神经网络(CNN)和特征级数据融合的分类模型,来实现对未来时间内诉求热点的预测。实验证明LDA模型可以很好地提取出诉求文本中的主题,多源异构数据分类模型最终得到高达94%的分类准确率,相对于传统分类器平均提升12.6%,最终可以实现电力公司对电力故障和用户诉求的主动性预警功能。     

考虑污染物费用的分布式电源优化配置

分布式电源接入配电网带来的影响与接入位置和容量密切相关。首先,在考虑DG环境效益的基础上,建立包含网损费用、系统投资及运行费用和污染气体费用3方面的数学模型。然后,采用随机惯性权重策略和异步变化学习因子策略改进粒子群算法容易陷入局部最优和收敛速度慢等缺陷。最后,Sphere函数测试结果表明了改进粒子群算法的有效性。将模型应用到算例中,并利用改进后的算法求解,选取3个较优方案进行比较分析,得到最终方案。该方案的网损费用最低,系统投资及运行费用最少,污染气体费用也最小,验证了本文模型和算法的合理性和有效性。