面向电力需求侧的大数据应用研究分析

在电力系统用电环节,随着用电信息采集、营销业务管理等信息化系统的建设,广泛部署的数据采集终端产生了大量结构多样、来源复杂、规模巨大的数据,为电力需求侧大数据的研究工作提供了数据基础。本文首先介绍了几个国内外面向电力需求侧的大数据典型应用案例,然后重点分析了我国电力工业用电环节信息化系统的应用情况和功能特点,最后总结了面向智能用电大数据应用的瓶颈问题。     

自动需求响应在中国参与主体的职责与运作模式研究

需求响应理念被引入中国三十多年来,不断得到发展,已经形成了政府为主导、电网企业为实施主体、电力用户参与的格局,并取得了一定的经济效益和社会效益。自动需求响应对电力工业、能源经济发展以及环境保护有着重要的战略意义。本文从广义和狭义两方面解析自动需求响应的定义,分析参与自动需求响应主体之间的关系及内在联系,研究提出适合我国的自动需求响应运作模式。     

零价铁处理含铀废水的试验研究

就零价铁处理含铀废水进行了试验研究,考察了pH、震荡时间、静止时间、铁的投加量等因素对铀去除率的影响,得到了最佳实验条件.通过试验对比了铁粉和废铁屑对铀废水的处理效果,发现废铁屑比铁粉对铀的去除率更高.最后分析探讨了铁粉和废铁屑对废水中铀的去除机理,指出零价铁对废水中铀的去除符合Langmuir吸附规律.     

基于贪心搜索的分组项目评审专家遴选方法

在科技项目评审环节中,往往每组同时有多个项目和多位评审专家,其中每个项目都有其所覆盖的专业领域,而每位专家又有其所研究的专业领域,如何科学且自动地根据待评审科技项目所涵盖的专业领域,从候选专家库中找出合适的评审专家组合团体具有很实际的研究意义.对此本文提出了一种基于贪心算法的科技项目评审专家多重匹配模型,该模型应用于已经建立起关联的“项目-领域”与“专家-领域”两个相关性矩阵上,通过分别计算科技项目及评审专家团体所对应于专业领域上的离散分布,并利用合适的评价函数综合衡量待审科技项目与评审专家组合之间的匹配度,最终求出最优的评审专家组合来作为该期科技项目的最终评审专家团体.本文通过使用电力行业数据集进行多次实验,结果表明该模型能有效地进行科技项目评审专家的匹配,并具有较高的合理性与准确性,在解放人力成本提高评审工作效率的同时,也杜绝了传统人工遴选专家过程中所出现纰漏以及评审不公现象的发生.     

电力营销客户标签体系分类方法研究

通过对等级列举式分类法、分面组配式分类法和自由分类法3种主流网络信息资源分类方法进行系统梳理和比对分析,结合电力营销客户标签的创建和应用特点,提出了一种基于电力营销业务的客户标签分类组织方法,为电力营销客户标签库系统管理提供参考。     

灰色关联度综合评价法在能效测评中的应用研究

建立综合评估模型是企业能效测评流程的核心环节。分析了能效测评工作的基本流程,总结出一套基于灰色关联度的能效测评方法并简单介绍了其求取过程。最后,以泵站系统为研究对象进行了算例分析。通过梳理电动机、水泵相关能效标准和文献,建立了该系统能效评估指标模型,以电动机运行效率、吨.百米耗电量和泵运行效率为评价指标,然后应用灰色关联度能效测评方法分析了某送水泵站某日24 h运行数据,求出24 h时间段的关联度值,从而可根据评价标准判断用能系统能效水平的高低。结果表明该方法具备可行性,可为用能系统综合能效测评提供参考。     

乳酸菌协同小麦胚芽油发酵对黑曲霉生长活性的影响

本文通过初筛和复筛考察不同乳酸菌的抗真菌活性,并将小麦胚芽油添加入乳酸菌培养液中进行发酵,旨在明确乳酸菌协同小麦胚芽油发酵对抗黑曲霉活性的影响。研究表明,小麦胚芽油不具有抑制黑曲霉生长的能力,而乳杆菌LF5发酵液抑菌率随着小麦胚芽油浓度的升高明显提升,且该现象具有菌株特异性。通过加热、中和pH、添加蛋白酶及过氧化氢酶发现,乳酸菌协同发酵上清液中的抗真菌活性物质主要由有机酸以及部分具有良好热稳定性的非蛋白类组分组成。此外,采用乳杆菌LF5协同小麦胚芽油发酵制备面包,在第5 d发现肉眼可见霉菌,与空白组(第2~3 d)相较具有显著抑制黑曲霉生长活性的作用,为乳酸菌在发酵米面食品中的应用提供了新的方向。     

面向电力系统智能分析的机器学习可解释性方法研究(二)：电网稳定分析的物理内嵌式机器学习

将知识融入机器学习模型是提升算法可解释性与计算性能的重要途径之一。针对电力系统运行的稳定分析问题，提出一种新的物理内嵌式机器学习框架与方法，将描述故障动态过程的微分-代数方程作为先验知识，引导神经网络模型训练。相比于完全依赖数据的通用机器学习方法，物理内嵌式机器学习直接模拟物理过程，通过数据背后所蕴含的物理方程来约束机器学习决策空间，并输出故障后的动态曲线，结果物理含义与可解释性更强。同时，物理内嵌模式也大幅降低了模型训练对海量数据的依赖，为小样本学习及以及模型向真实系统迁移应用过程中的参数辨识提供一种新的思路。     

文本聚类算法综述

聚类算法作为发现数据内在结构与分布特征的无监督学习方法,被广泛应用于各个领域。伴随着互联网的高速发展和在线文档数量的大幅增加,文本聚类已成为一项重要任务。讨论文本聚类算法的基本概念与应用场景,对文本聚类算法及评价方法进行综述。