一种基于ARMA-BP组合模型的电压偏差预测方法

国内许多变电站建立了电能质量的预测与预警机制,以应对日益严重的电能质量问题,其中电压偏差最为严重。针对预测模块中电压偏差预测算法的缺失,结合配电网的运行状态,提出了一种基于ARMA-BP组合模型的电压偏差预测方法。针对单一时间序列方法的不足,将时间序列和人工神经网络的算法结合起来。通过分析上海某变电站的电压偏差数据特征,首先采用时间序列的方法建立ARMA模型。然后采用BP人工神经网络的方法对ARMA模型预测值与原始数据之间的残差值进行拟合预测,最终得到2种模型预测所得累加值的结果。研究结果表明了所提方法的有效性。     

基于区块链的充电交易数据安全存储平台设计

电动汽车充电平台作为智能电网的重要组成部分,越来越多的用户使用充电平台内的充电桩进行充电,充电平台将会存储大量的用户交易信息。在现有的充电桩共享平台中,用户的充电交易数据被保存在中心化的数据库中,但这种过度中心化的存储方式极易遭受恶意攻击而引发单点失效以及重要交易数据被恶意篡改等信息安全问题,并因此可能造成大量用户隐私信息泄露。针对这些问题,利用区块链技术在电动汽车充电平台中选定若干充电站作为数据中心节点,设计了一个充电交易数据存储方案。用户可对交易后的个人数据进行加密控制数据使用权,各数据中心节点之间使用共识机制对加密数据进行去中心化地同步存储。安全分析表明所设计的数据存储平台能实现安全、有效的数据存储。