台风灾害下电力抢修队伍智能调拨技术研究

为了减少停电带来的损失,提出了一种2阶段台风灾害下电力抢修队伍智能调拨技术。首先,综合考虑气象因素、地理因素及电网因素,使用随机森林算法在1 km×1 km网格尺度上对停电用户数量进行预测;其次,对每个网格的受损程度等级进行划分,根据受损程度不同,用非支配排序遗传算法对抢修路径进行寻优;最后,以广东省某县为例探讨该调拨策略有效性。案例结果表明：停电用户数量预测准确性达88.48%;电力抢修路径优化可帮助电网公司寻求最优抢修调拨策略,有效应对台风灾害。     

台风灾害下电力抢修队伍智能调拨技术研究

为了减少停电带来的损失,提出了一种2阶段台风灾害下电力抢修队伍智能调拨技术。首先,综合考虑气象因素、地理因素及电网因素,使用随机森林算法在1 km×1 km网格尺度上对停电用户数量进行预测;其次,对每个网格的受损程度等级进行划分,根据受损程度不同,用非支配排序遗传算法对抢修路径进行寻优;最后,以广东省某县为例探讨该调拨策略有效性。案例结果表明:停电用户数量预测准确性达88.48%;电力抢修路径优化可帮助电网公司寻求最优抢修调拨策略,有效应对台风灾害。     

基于随机森林的高分辨率 PM2.5 遥感反演 ——以广东省为例

细颗粒物(PM2.5)监测是大气污染治理的重要手段,受限于地面观测点的数量,从遥感反演 PM2.5 是常规地面观测的有效补充,是当前的研究热点。通常遥感反演 PM2.5 的思路是先反演大气气溶胶光学厚度,然后基于统计关系由大气气溶胶光学厚度反演 PM2.5。该方法容易造成误差传递,从而 导致反演模型的不稳定。该文提出了一种基于随机森林算法(一种机器学习算法)的 PM2.5 遥感反演方法,直接建立中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像与地 面实测 PM2.5 的关系,可以避免传统反演 PM2.5 时先反演大气气溶胶光学厚度带来的误差,最终得到精度更高的 PM2.5 反演结果。该方法先用随机森林算法对 MODIS 影像和经过克里金插值后的地面监测站PM2.5 数据进行训练和测试;然后,根据测试的均方根误差从多个模型中选取最优(均方根误差最小)的模型;最后,将此模型用于整幅 MODIS 影像,得到整个区域的 PM2.5 反演结果。实验选取了广东省 四个季节多幅 MODIS 影像数据进行验证,并通过决定系数和均方根误差两个表现指标进行对比和分析,验证了所提算法的优越性。     

重大活动保供电保障模型构建

随着我国经济的快速发展,政治文化活动日益繁荣,各种国际性、全国政治性、文化、体育等重大活动对供电可靠性提出了新的更高的要求,供电公司的供电保障工作也不断增加。为了防止和处理在举行重大活动时发生停电事件,根据有关规定,并结合供电分公司的实际情况,供电企业和重要用电单位对重要电力负荷的供电方式及应急电源配备进行有意的探索和研究是必要和关键的。论文针对重大活动保供电保障模型的构建进行了分析,研究了负荷的重要程度、供电电源和应急电源的配置,并对应急方案的制定和演练等几方面提出了一些建议,以提高重大活动电力保障的针对性和实用性。