售电均价的市场细分预测算法

售电均价是电力营销的重要参数,通过直接求电价加权和以预报售电均价,工作量极大,预测精度也不高.通过引入各细分市场电费比例作为中间量,售电均价预报问题被转化为各细分市场的电费比例预测和售电均价估算.对电费比例预测,采用改进多步混沌加权一阶局域法,对各细分市场售电均价,根据其电价体系进行估算.算法所需数据和计算量大大减少,且在湖南省电力市场均价预测算例中,取得了满意的预测效果.     

浅谈售电量和售电均价的预测

售电量、售电均价是电网经营企业重要经济指标,准确预测长、短期售电量、售电均价,可以提前做好企业经济规划,有目标开展电力需求侧、增供扩销、用电管理等工作.     

大宗工业售电均价与电力企业经营绩效分析

为了提高供电企业经营绩效,经济合理利用电能,通过分析了大宗工业售电价格的组成以及供电企业效益的主要因素影响,为电价政策制定以及企业生产决策提供依据。     

基于改进 DBSCAN算法的车道检测

针对传统车道检测方法不能同时满足检测精度和实时性要求的问题,文章提出了一种改进的基于密度的聚类方法对车道边沿点进行检测,然后利用最小二乘法拟合出车道边沿线。与传统DBSCAN算法相比,车道边沿检测精度提高了22.8%,平均检测时间降低14.2%,改进的DBSCAN车道检测算法具有更好的检测精度和实时性。     

基于DBSCAN算法处理的无线电干扰和温度相关性分析

目前,国内外对于交直流并行输电线路无线电干扰的特性研究还处于起步阶段。通过分析现有的单独线路无线电干扰测量模式的弊端,建立了基于气象参数与无线电干扰实时同步测量系统,并基于DBSCAN算法对一年的无线电干扰数据进行数据处理和分析。为了分析无线电干扰与温度之间的相关性,选取直流区域、交直流过渡区域和交流区域典型点位数据,按温度分段分析,得到了各个区间段内无线电干扰与温度之间的关系,为后续的交直流并行输电线路无线电干扰分析奠定了基础。     

一种基于 DBSCAN 随机圆检测的多瓶口定位算法

现有医药灌封生产中的西林瓶瓶口定位方法易受瓶口边缘干扰的影响,导致瓶口圆中心定位不准确.对此,提出一种基于DBSCAN随机圆检测的多瓶口定位算法.首先,通过Canny边缘检测算法得到图像中所有轮廓,采用基于密度的DBSCAN聚类算法分割出感兴趣的瓶口边缘集;接着,针对每个单独的瓶口边缘集,采用最小二乘法和径向扫描获取瓶...     

基于自适应DBSCAN算法的开关柜绝缘状态评价方法

为了更合理地评价开关柜绝缘状态,挖掘开关柜异常数据蕴含的价值,提出一种基于自适应DBSCAN的开关柜绝缘状态评价方法.首先计算绝缘状态检测数据暂态对地电压和超声波的偏差量,消除背景噪声;将绝缘状态偏差量与开关柜环境温度、环境湿度和运行年限构成开关柜绝缘状态的特征量,并建立开关柜的多维特征数据集.然后采用K平均最近邻法和...     

基于DBSCAN和改进K-means聚类算法的电力负荷聚类研究

对于当前大规模和高维度的用户数据,原始聚类算法有其局限性。提出一种改进的K-means算法与数据降噪处理相结合的方法。首先,DBSCAN(基于密度的空间聚类算法)用于数据去噪,克服了原始K-means聚类算法聚类结果容易受到数据集中噪声点的影响。然后利用轮廓系数和误差平方和确定最优的聚类数。最后,将K-means++聚类算法和确定的最优聚类数用于聚类处理用户负荷曲线。这使得聚类算法避免陷入局部最优,通过数据集测试,表明该方法获得的聚类效果优于原始的K-means算法。     

基于售电均价的电力市场细分及其应用

介绍了以售电均价和客户价值为指标的电力市场细分方法;从市场营销的角度,应用该方法对马尾地区10kV及以上的客户进行电力市场细分,并对目标市场提出了相应的服务营销策略。     

基于DBSCAN的椭圆拟合算法的磁罗盘校正

随着智能机器技术的不断发展,微型化磁罗盘在惯性导航和姿态控制等领域被广泛应用。磁罗盘以地磁场作为测量对象,在测量过程中极易受到其他磁场干扰,极大影响了测量数据的准确性和可靠性。为了提高磁罗盘传感器的抗干扰能力,提出一种基于DBSCAN的椭圆拟合算法,对磁罗盘测量的原始数据进行二次处理,提取正确地磁场信息。根据磁罗盘在干扰磁场下的输出数据特征,采用椭圆拟合算法校准数据。同时,由于测量数据存在的奇异值对数据拟合影响较大,因此对数据采用DBSCAN和莱特算法进行预处理,保证拟合算法的可靠性。     

基于DDTW距离与DBSCAN算法的户变关系识别方法

针对低压配电台区拓扑结构中户变关系缺失或异常的问题,提出了一种基于导数动态时间弯曲(DDTW)算法与基于密度的有噪空间聚类应用(DBSCAN)算法的户变关系识别方法.首先,采用DDTW算法对台区配电变压器(以下简称台变)低压侧电压和用户电压的时间序列进行相似性分析.然后,根据DDTW距离对台变和用户进行聚类得到户变关系...     

牵引供电系统异常扰动在线识别与评估算法

牵引供电系统中的异常电气扰动产生的暂态/稳态的过电压、过电流具有特征相近、频率分开范围大、捕捉困难等特点,造成扰动事件的类型判定与扰动的关键模态、参数辨识困难。因此,提出一种基于奇异谱分析和Hilbert变换的扰动特征提取算法,实现了对不同异常扰动类型的在线快速识别;改进了总体最小二乘求解的旋转不变技术参数估计(TLS-ESPRIT)算法以精确获取扰动的关键模态参数,并根据各扰动的特征及扰动的关键模态参数定义了扰动严重程度评估指标;利用上述算法对仿真数据和现场实测数据进行验证,结果表明所提算法可以有效、快速地识别牵引供电系统异常扰动类型并对其严重程度进行评估。     

基于 KNN与LOF算法的台区线损异常检测∗

台区线损率是供电企业的一项重要经济指标,影响企业的综合成本.为了促进电网高效发展,需要对输配电过程中的线损异常进行智能管控.针对目前台区线损异常存在的判定问题,提出了基于KNN和LOF算法的台区线损异常检测方法,并通过试验进行验证,所提出的方法具有良好的检测性能.该方法不仅可提高供电企业对台区线损异常判断与监测治理的效率,更有助于构建智能化的电网环境.     

基于ELM与DBSCAN的微电网不良数据检测方法

不良数据检测可以为微电网运行决策提供可靠的数据依据。由于微电网运行模式切换频繁且系统解析模型难以建立,传统基于状态估计的不良数据检测方法尚未得以应用。文章利用极限学习机(ELM)对微电网历史数据进行学习以提取数据特征;进而利用DBSCAN聚类算法分析特征量以识别不良数据,提出了一种基于ELM和DBSCAN的微电网不良数据检测方法。利用一台四端环形直流微电网样机的历史运行数据构建仿真算例,验证了所提方法的有效性;并与多种常用的数据挖掘算法进行对比,结果表明ELM+DBSCAN在算法性能与检测效果上均具有优越性。     

基于Shapelet识别的变压器在线DGA异常检测

油中溶解气体分析(dissolved gases analysis,DGA)技术是变压器状态监测的重要手段.针对现行主流DGA数据分析及诊断技术侧重单点数据分析,而对在线DGA数据(粒度高,但单点精度差)适应性不强的问题,文中提出了基于Shapelet的变压器异常识别方法.通过Shapelet发现算法构造时间序列决策树...     

聚类分析架构下基于遗传算法的电池异常数据检测方法

异常检测技术对电池数据特征挖掘、退役电池梯次利用筛选分组以及电池运行状态安全评估均具有重要的工程实际意义。为此,该文提出一种基于聚类分析架构的遗传优化异常检测新方法,其特点在于以聚类分析进行异常检测为核心,群智能优化算法被用于解决全局寻优能力的有效途径,通过有针对性地设计目标函数用于描述数据异常状态,实现了对异常数据的有效检测。最后以电池数据异常状态检测为例,通过对比已有方法和该文所提3种聚类思想下异常检测的结果,验证了所提方法在异常检测个性化、灵活性以及准确度的优越性,尤其是基于密度思想的聚类优化检测过程表现出更为优异的检测效果,为实时电池异常状态检测和数据清洗提供了新思路。     

基于机器学习算法的变电站内视频监控场景异常感知

为解决变电站内视频监控场景异常感知能力弱的问题,开展基于机器学习算法的变电站内视频监控场景异常感知方法研究.通过建立变电站内视频监控场景异常映射集,基于机器学习算法,训练提取视频监控场景异常特征,感知变电站内监控视频场景异常,实现自动报警能力.实验结果表明设计方法能满足变电站安全监控的自动场景异常识别功能需求,可提供更智能化的安全监控解决方案.     

基于改进DBSCAN算法的变压器不良漏抗参数辨识

PSD-BPA在中国电力系统仿真计算中被广泛应用,但由于其数据格式的特殊性,往往容易出现许多人为原因的数据错误,这给仿真计算结果的准确性与可靠性带来了极大的隐患。首先,在给出变压器不良漏抗参数辨识步骤的基础上,结合PSD-BPA潮流数据中变压器参数数据的特点,提出了考虑特征相似度的具有噪声的基于密度的聚类(DBSCAN)改进算法。其次,基于各类参数向量簇的各属性最大相似系数,计算获得各类参数向量簇的典型特征向量。然后,基于各类的典型特征向量,针对聚类结果中的噪声簇,提出了基于离群系数的可疑不良数据分布模型;在此基础上,结合分布规律,提出了基于可疑度的不良参数判别方法。最后,通过实际算例验证了所述模型与方法的有效性。     

基于果蝇优化模糊神经网络模型的售电市场评估

科学评估售电市场的运行绩效对市场主体有着重大的影响。首先,建立售电市场指标评价体系;其次,构建果蝇优化模糊神经网络综合评价模型,对售电市场进行定量评估;最后,通过评价结果分析售电市场运行状况,为市场参与者和监管部门提供相应的决策支持。     

基于DBSCAN聚类的退役动力电池深度配组方法

退役动力电池在梯次利用时,因单体一致性差异较大,常难以满足使用要求。综合考量退役动力电池动态特性和静态特性,提出一种改进的多参数DBSCAN聚类算法对退役动力电池进行深度配组。对比实验表明,与Kmeans++聚类的结果相比,采用该方法聚类后电池最大容量差减少了86.04%;循环充放电实验表明,采用该方法得到的电池组充电性能提高约3%～5%,其放电量更大,其容量衰减速率降低了64.96%。该方法可有效提高电池组内单体的一致性并延长电池组的使用寿命。