基于特征选择与增量学习的非侵入式电动自行车充电辨识方法

为实现从电网侧监测电动自行车违规停放充电行为,减少电动自行车充电火灾事故,在非侵入式负荷识别的基础上,提出一种基于特征选择与增量学习的电动自行车充电辨识方法。首先,根据电动自行车充电实测电流波形,分析负荷特性并列举15种负荷特征。通过半监督Fisher计分与最大信息系数量度特征辨别度与冗余度,采用贪心搜索算法对特征重要性排序并结合排序与辨识结果选择辨识准确性最高的特征子集。然后,基于一类支持向量机增量学习方法,实现电动自行车负荷辨识与分类器在线学习。最后,通过实测数据进行试验,结果表明文中方法可以对电动自行车充电行为准确辨识,验证了算法的有效性。     

基于启发式矩匹配法的分布式电源选址定容方法

可再生分布式发电普及率的上升,给配电网规划带来了不确定性.针对可再生分布式发电的不确定性问题,提出了一种分布式电源接入配电网的选址定容方法.首先采用综合多种灵敏度指标的方法确定分布式电源候选接入节点顺序,以减小潜在求解空间的范围.然后采用启发式矩匹配法捕获历史风速、辐照、环境温度和负荷需求数据的目标矩(包括期望、方差、偏度和峰度)和相关性,生成代表性场景.最后以年综合费用最小和平均电压偏差最小为目标,采用带精英保留策略的非支配排序遗传算法进行优化求解,确定最佳的分布式电源接入位置和容量.以IEEE-33节点配电系统为例,验证了所提模型的有效性.