排序方式： 共有9条查询结果，搜索用时 15 毫秒
1
1.
电力大负荷预测是电力公司进行高效电力系统规划和运行的重要基础;为了提高电力负荷预测精度进而更加有效地估计电力计量与计费,创新地提出了一种基于改进的自适应卡尔曼滤波(AKF)的电力大负荷计量计费预估方法;分析了电力负荷预测研究现状,针对传统卡尔曼滤波算法不足,引入自适应遗忘因子对卡尔曼滤波算法进行改进,建立数学模型、整定因子调整模型关键参数,得到电力大负荷数据的预测值,最终通过计量计费转换公式得用电量以及电费计量预估值;仿真结果表明：基于AEKF的电力大负荷计量预测方法的负荷预测结果与实际结果误差小于1.35%,电力计费预测结果与实际结果相对误差小于1.263%;应用实例证明：基于AEKF的电力大负荷计量计费预估方法,能够提高电力公司的调度效率12%,增加电费营收5.3%～12.2%。 相似文献
2.
3.
在智能电网的用电信息采集系统中,掌机的运用可以有效的提高电力工作人员的工作效率,掌机对数据的分析辅助能力可以大大方便现场人员快速查找和定位故障点。通过红外收发器与国家电网制定的Q/GDW376.1-2009规约的相互结合,操作人员可以在掌机界面上清晰的看到故障分析所需的每一项信息。本文简单论述了掌机的整体框架与Q/GDW376.1-2009规约结构,阐述了掌机采用Q/GDW376.1-2009规约与终端进行通讯的机制,阐述了ZZDBASE和DBF数据库在编写Q/GDW376.1-2009规约应用程序中的运用,探讨了在掌机的实际应用中加入无线公网通讯技术的设计理念。 相似文献
4.
相对于系统级负荷,用户负荷具有基数小、波动性与随机性更强的特点,加大了用户负荷预测的难度。文章借助互信息与深度学习理论,提出了一种基于最大相关最小冗余(max-relevance and min-redundancy, mRMR)和长短期记忆网络(long-short term memory networks, LSTM)的用户负荷短期预测模型。首先,采用mRMR算法对特征变量进行排序并选取合适的输入变量集合,mRMR既可以保证输入变量与目标值间互信息值最大,又使得变量间冗余性最小。接着,对选取的输入变量集合建立LSTM预测模型,LSTM能较好处理和预测延迟较长的时间序列,且不会存在梯度消失和梯度爆炸现象。最后,通过算例验证了所提算法的有效性。 相似文献
5.
阶梯电价改革的背景下,智能小区电表的改造升级成为电力部门关注的焦点问题,提出了一种基于电力载波通信技术的智能小区抄表系统设计方案。该方案采用分布式的B/S模式,介绍了电力载波通信技术的工作原理,详细阐述了用户端的功率计量、电力载波通信和测控主机等硬件模块的设计原理、参数设置方法和关键技术,给出了各个模块的电路原理图和工作流程。详细阐述了上位PC机端的具体开发方案,给出了软件工作流程图和关键代码。工程测试证明：基于电力载波通信技术的智能小区抄表系统,能够达到计算阶梯电价、测控小区用户电力能源消耗的目的。 相似文献
7.
电磁式振动发电机可收集生活中的振动能量,它的存在对节能减排、开发清洁能源具有重要意义。为了解决多线圈电磁式振动发电机各线圈电压信号相位差的测量问题,利用LabVIEW开发了多线圈电磁式振动发电机测试系统,设计了读取模块、通信模块、显示模块、存储模块。系统可对波峰和相位差进行手动、自动两种模式的检测和计算。与现有技术相比,采用该系统解决了传统电压波形分析模式中运用示波器只能显示两通道,或多通道示波器价格昂贵的问题,降低了测量成本,为多线圈电磁式振动发电机的设计提供了数据支持。 相似文献
8.
可靠的电力供应对于工业生产和居民日常生活至关重要，通过对电力数据平台中的停电数据进行分析和挖掘，可以更好地了解配电网停电的潜在规律。分类预测是数据挖掘和分析中的常见技术，停电分类预测可以为企事业单位的停电规划安排提供决策参考。针对停电分类预测问题，提出一种基于因子分解机（FM）的停电数据分类预测模型。利用决策树算法计算停电数据中不同特征的基尼系数以得出重要性得分，从中筛选与停电预测关联度较大的非稀疏特征。根据不同地区的地理位置关系构建不同地区间的空间位置矩阵，并通过矩阵分解的方式构造不同地区在空间上的地理位置关联特征。为防止FM模型出现过拟合问题，在模型中加入L2-范数正则化。在此基础上，利用随机梯度下降的方法训练FM模型，通过训练完成的FM模型对停电数据进行分类预测。在真实停电数据集上的实验结果表明，该模型在训练数据集和测试数据集上的F1值和准确率分别高达0.90和0.89，优于DNN、SVM、XGBoost等模型。 相似文献
9.
1