基于准实时数据的动态日负荷预报

提出了一种基于准实时数据的动态日负荷预报的方法.该方法以电能量远程采集的准实时数据为基础,通过对最近一个月的日负荷数据按工作日和节假日分类统计计算,采用回归模型和最小二乘估计确定其回归系数,获得工作日和节假日典型的日负荷曲线,然后,用同类典型日负荷曲线动态预报相邻日的日负荷.该方法的预测精度高于极大似然估计方法的预测精度,它可以应用于配网调度自动化和用电管理.该方法已经过襄樊供电局电能量采集与分析系统数据验证,其结果证明合理可行.     

MIT中的一种基于全相位的IQ正交相位解调算法

针对MIT系统相位解调过程中信号非整周期采样以及奇异点对相位测量精度的影响,提出一种基于全相位的IQ正交算法,该算法通过对测得的数据进行全相位处理,再进行正交变换,从而有效提高了信号解调精度.通过实验表明,相对传统IQ正交算法,该算法能够降低信号非整周期采样以及奇异点对相位测量精度的影响,且计算复杂度低,运算速度快,能对相位差进行更为实时精确的测量.     

基于GMDH的中长期电力负荷组合预测模型

组合负荷预测模型能够充分利用数据信息,有效降低预测风险、改善预测效果,在中长期负荷预测中获得了广泛应用。而目前的组合预测模型实质大都为单一预测模型的加权平均,没有能够充分发挥综合预测的优势.应用数据分组处理方法（GMDH）进行组合预测,在充分考虑各单一模型特点和预测效果的基础上,形成多元非线性组合预测模型,自动从数据中挖掘出重要信息,克服了传统组合预测模型建模中的主观因素影响,可以改善预测精度。并将该预测模型应用于实际电网,计算结果表明该模型有效提高了预测精度,适用于中长期负荷预测.     

改进灰色模型在中长期电力负荷预测中的应用

针对中长期电力系统负荷预测,在前人已有成果的基础之上,对普通灰色模型进行了改进.一方面对历史数据进行二次平滑处理,大大消除了干扰因素;另一方面利用带有马尔可夫链符号估计的残差修正技术对未来残差的符号进行预测以修正灰色模型的预测结果.以某地区多年以来的历史数据为基础,建立了数学模型,通过实际数据计算表明:改进后的灰色负荷预测方法可以应用于电力系统中长期负荷预测,而且较普通灰色预测模型在预测精度上有着明显的提高,尤其是对于较远时间的负荷预测有着较为理想的预测精度,表明了该种方法的有效性和实用性.     

混沌时序建模的理论在电力负荷预测中的应用

利用一种简洁实用的方法计算电力负荷最大Lyapunov指数,通过计算证明电力负荷数据存在混沌的特性.通过对负荷时序的相空间进行重构,对河北地区电力负荷的日负荷数据进行了分析,并根据混沌时序模型对其进行预测,结果表明预测精度小于3%,满足实际要求.     

电力参数实时采集中采样频率的确定

从理论和实际角度,分析了电力参数实时采集中确定采样频率时应考虑的因素,并用计算机进行了实例计算.结果表明,盲目提高采样频率对提高分析精度的作用不大.如果降低每周波采样点,可通过适当提高A/D转换器位数来保证测量精度.     

基于双测头组合的未知自由曲面自适应采样

在逆向工程中为了准确、快速、合理地获取未知自由曲面的表面数据,提出一种基于双测头组合的非接触式自适应采样方法.并列组安装2个点激光测头,分别为前端测头和后端测头,利用遮光布阻挡反射光消除两测头之间的测量干扰.在逐行采样过程中,在扫描方向上前端测头用于探路测量,系统实时地对探路测量数据进行处理与曲线拟合,根据拟合曲线的曲率特征为后端测头规划合理的采样间距,后端测头以探路结果为指导完成自适应采样.在测量截面进给方向上,通过截面间夹角分析,自适应地细分测量截面.仿真与实验结果表明,该方法能根据曲面特征合理地布置采样点,能有效提高曲面数字化的效率与精度,为模型重建提供合理的测量数据.     

配电网实时潮流算法——改进迭代法

提出了配电网实时潮流计算方法.以"前推回代"潮流迭代算法为理论基础.对算法的收敛速度、算法的稳定性和实用化程度进行了研究.计算结果表明,该算法能够利用实测节点冗余的测量数据对网络中负荷预测数据进行修改,提高其准确度,进而得到趋于真实、合理的潮流分布.     

基于双测头组合的未知自由曲面自适应采样

在逆向工程中为了准确、快速、合理地获取未知自由曲面的表面数据,提出一种基于双测头组合的非接触式自适应采样方法.并列安装2个点激光测头,分别为前端测头和后端测头,利用遮光布阻挡反射光消除两测头之间的测量干扰.在逐行采样过程中,扫描方向上的前端测头用于探路测量,系统实时地对探路测量数据进行处理与曲线拟合,根据拟合曲线的曲率特征为后端测头规划合理的采样间距,后端测头以探路结果为指导完成自适应采样.在测量截面进给方向上,通过截面间夹角分析,自适应地细分测量截面.仿真与实验结果表明:该方法能根据曲面特征合理地布置采样点,有效提高曲面数字化的效率与精度,为模型重建提供合理的测量数据.     

基于人工神经网络短期负荷预测的数据处理

科学合理的数据处理是提高短期电力负荷预测精度的最基本环节之一.利用软件滤波方法,自动平滑坏负荷数据;同时根据负荷的不同特性和规律,将输入数据进行有效分组,分别建立分组负荷预测模型:工作日负荷预测模型、周日负荷预测模型以及节日负荷预测模型,使预测模型不但具有所需样本数据少、模型简单、精度高等优点,同时又具有较强的泛化能力,从而提高负荷预测的效率和精度.通过对南昌供电公司的负荷数据进行具体计算,表明该方法是有效和可行的.     

超短期负荷预测中相似日的选择方法

使用相似日的负荷数据可以提高预测结果的精度。本文分析了影响相似日选择的因素,并结合相似日负荷曲线的特征,利用相似性原理,提出了通过使用负荷以及负荷增量来计算历史日与预测日的距离,从而来选择相似日的方法,并在计算过程中引入了权重。通过对负荷预测数据的统计分析,说明了这种选择方法的有效性和实用性。     

变权重组合改进模型应用于中期电力负荷的预测

对变权重组合预测理论进行了扩展和改进, 并以某经济快速发展地区的历史电力负荷数据为实例, 运用常规电力负荷预测方法、改进后的变权重组合方法对电力负荷进行预测和计算分析.预测结果表明了变权重组合改进预测法的可行性, 有效提高了中期电力负荷预测的精度和可信度.     

牵引供电系统交流采样高精度实时测量研究

文中介绍了牵引供电系统实时测量中的关键技术--交流采样.针对牵引供电系统的特殊性,为实现交流采样高精度实时测量,本文研究谐波和三相负荷严重的不平衡工况下的无功功率的算法,同时对频率的测量算法进行了研究,硬件上采用锁相倍频技术,实现采样频率对工频频率的在线自动跟踪.     

基于测试数据的数字轨距尺超高测量温度修正方法

为提高数字轨距尺在国家标准规定使用温度范围内的超高测量精度,用高精度温控转台产生参考角度,把倾角芯片所感应的角度数据固化到数字轨距尺系统中,形成修正用测试数据.在轨距尺实际使用过程中,通过温度传感器获取实时环境数据,结合倾角传感器的感测值,与测试数据进行递归比较.利用STM32处理器的高速处理能力,实时计算修正值对当前感测数据进行修正.通过比对测量结果,示值误差减少0.28 mm,证明本方法能大幅度提高倾角传感器全温度范围的测量精度,对提高轨距尺超高测量精度有重大的实用价值.     

不平衡数据下基于PSO-BP算法的输电线路弧垂预测

针对架空输电线路弧垂在计算过程中易受测量数据(温度、风速、档距等参数)影响的问题,提出了基于数据预处理的PSO-BP神经网络弧垂预测模型.对收集数据中部分样本缺失的情况,使用合成少数过采样技术(SMOTE)对不平衡样本进行合成;构建PSO-BP神经网络用于弧垂预测,使用不同工况条件的数据训练网络,实现弧垂预测的目的,并将网络的性能与传统的BP神经网络性能进行对比.实验结果表明,与传统BP神经网络模型相比,本文提出的模型进行弧垂值预测后所得的误差绝对值显著降低.本文提出的模型可以加快训练速度、提高预测精度.     

电力负荷特性记录装置的开发与应用

介绍了作者开发的负荷特性记录装置,该装置利用新型嵌入式数据采集卡作为前台采样,前置电路进行信号调理,以PC机进行后台数据处理并上传数据记录,可以对城区典型双变压器并列运行及更简单的变电站实现全时间点状态监测和负荷特性记录.具有存储容量大、功能齐全、调试简便、开发周期短、测量精度高等优点.现场运行情况表明:开发工作是成功的,装置能较好满足现场需要.同时,本文还对系统开发过程中遇到的,诸如顺序采样卡采样带来的误差、不同数据采集卡的采样空窗产生的原因及如何修正进行了讨论.     

融合ADMM相关滤波器与序列重要性重采样的时间序列预测

针对序列重要性采样方法中粒子权值计算中存在系统误差的问题,提出一种新的时间序列预测方法,首先由交替方向乘子优化计算相关滤波器,再通过对偶优化变量的计算进而获取目标响应图,然后结合响应图与当前状态量的观测共同引导粒子集的准确定位.对比时间序列预测的序列重要性采样、序列重要性重采样和所提ACSIR方法的实验数据,所提方法有效地降低目标状态估计过程带来的误差.横向对比目前主流的时间序列预测方法,在VOT图像数据集上测试的结果也充分表明:所提方法显著提高了对运动目标的预测成功率.对于城市道路上的交通视频流管理和分析领域,借助所提方法可以有效地对路面车辆进行预测与通行轨迹跟踪,进而为城市交通系统分析与交通需求预测提供关键数据支持.     

灰色模型GM(1,1)及其改进模型在短期特殊日电力负荷预测中的应用

讨论了灰色模型GM (1 ,1 )及其改进模型在短期电力负荷预测中的应用 ,采用ARI MA(p ,d ,q)模型与GM(1 ,1 )改进模型对特殊日电力负荷进行组合预测 ,提出了适合电网特殊日电力负荷预测的数据处理方法 ,提高了预测的精度 .准确度可达 95 %以上 ,解决了每日2 4点正点采样情况下预测精度较低的问题 .     

基于STC89C52的高精度数字相位测量方法设计

在电气测量时,为了高精度检测相位,通过过零检相来获取2信号过零点时间间隔,采用脉冲填充法与STC89C52高速单片相结合的测量电路,计算出时间间隔的脉冲个数,进而求得相位差值;并引入锁相倍频电路,使基准填充脉冲随着信号频率而变化,消除了频率变化引起的误差;利用数据选择器对采样通道切换,实现了零点漂移的补偿.结果表明,相位测量精度可达±0.020.     

模糊聚类与径向基网络相结合的短期负荷预测

为了提高电力系统短期负荷预测的准确度,采用模糊聚类分析的方法对已知负荷数据、日类型、温度和天气类型等影响短期负荷预测的相关因素进行聚类分析,选用同类特征数据作为神经网络的输入,对径向基函数神经网络进行训练,得到一组预测值,从而实现电力系统短期负荷预测.实际算例表明模糊聚类分析与径向基函数神经网络相结合的短期负荷预测可以更好的满足实际预测要求,提高预测精度.