基于可调品质因子小波变换和随机森林特征选择算法的电能质量复合扰动分类

针对电能质量复合扰动分类的复杂性,提出了基于可调品质因子小波变换(tunableQ-factorwavelettransform,TQWT)和随机森林特征选择算法的电能质量复合扰动分类方法。首先利用TQWT分解扰动信号,以减弱扰动分量间的耦合性,并使用提出的筛选方法选取最优子带并提取时域和频域特征;然后基于随机森林算法计算特征重要性,通过序列前向选择法去掉不相关特征和冗余特征,得到对应每种扰动标签的最优特征集;最后训练生成随机森林多标签分类模型,根据输出标签的组合得到扰动类别。仿真数据实验表明,该方法能够准确高效识别23类扰动,且抗噪能力强,提高了含暂降、含中断的复合扰动的分类准确率。并以实测数据实验证明了方法的可行性。     

粒子群优化融合随机森林的电机故障诊断方法

针对三相电机实际识别准确率较低的问题,研究了一种智能的电机故障诊断方法。以三相电机振动数据为研究对象,结合粒子群优化算法和随机森林算法,建立了优化的随机森林算法模型对电机故障状态进行模式识别。提出一种融合K均值聚类算法和随机森林重要性选择方法的敏感特征提取算法,用以对故障敏感特征进行提取。对电机的八种运行状态进行实验验证,实验结果显示该方法能准确和高效地识别出电机故障状态。     

样本熵融合聚类算法的森林火灾图像识别研究

针对森林火灾图像识别中遇到的漏检和误检等问题,提出了一种基于K-Means聚类下样本熵值判别算法。算法先将采集到的森林火灾图像进行色域空间转换,降低了视觉偏差在图像识别过程中的影响。然后采用K-Means聚类算法,通过HSV分量的欧氏距离准则,对火灾预期出现的图像子集进行聚类。在此基础上,通过样本熵对聚类后的图像子集权重进行辨别,区分类火灾区域和火灾区域的熵值统计差异,确认聚类筛选出来的图像子集是否存在火灾。实验结果表明,采用样本熵融合K-Means聚类算法对森林火灾图像识别能够有效提高识别正确率。经过60幅图像的检测,全部图像的火灾区域识别正确率提高到96.67%,平均识别时间为16.03 s。由于本算法具有较强的鲁棒性和便捷性,能够适应复杂背景下火灾区域识别工作,相对于传统K-Means算法具有更好的检测效果。     

基于层次分析法的“十四五”终端通信接入网通信技术规划

“十三五”终端通信接入网建设主要由各专业业务部门主导,自行建设、运行及管理,存在通信技术选型缺乏科学指导依据、接入网建设缺乏统筹规划、通信网络重复建设等问题。面向“十四五”能源互联网终端融合、业务融合、网络融合的特点,基于层次分析法建立面向多业务融合典型场景下的接入网通信技术规划模型,计算并提出不同供电区域终端通信接入网远程通信技术选型原则,为“十四五”终端通信接入网规划与建设提供参考。     

基于多类AdaBoost的故障诊断算法

主要研究了多类分类AdaBoost算法,及其在多类故障诊断问题中的应用.为了解决“一对一”算法和“一对余”算法的局限性,提出了基于决策树的AdaBoost算法.利用遗传算法的全局随机搜索性能对数据集进行特征筛选,得到新的特征数据集,根据CART算法构造决策树建立AdaBoost分类器,使得决策树每一个节点的最可分类别尽...     

基于改进随机森林算法的电力业务实时流量分类方法

为了更有效地对电力业务系统安全接入过程中日渐增多的流量进行实时分类,提高电力系统的业务处理速度,提出了一种基于改进随机森林算法的电力业务实时流量分类方法。在分析电力业务安全接入实时流量特征的基础上,改进传统随机森林算法,基于分类间隔加权对随机森林进行修剪来提高分类实时性;对新的样本数据进行数据剪辑来提高分类的准确性。在此改进算法的基础上设计了电力业务安全接入实时流量分类流程。最后以某省电力公司安全接入实时流量分类为例,验证了所提方法的准确性和实时性。     

多站融合的商业模式与发展路径研究

多站融合是泛在电力物联网建设的基础保障,也是打造新兴业务市场,实现绿色低碳发展的重要支撑,其发展已步入深水区,面临商业模式及发展路径不明晰的问题。文章论述了多站融合的内涵及特点,重点基于运作模式、业务体系两方面论述多站融合的商业模式,并结合项目实例验证所提商业模式的可行性。基于此,结合平安城市分析了多站融合的典型应用场景及其应用价值,并从战略和策略两个层面提出"政府引导,企业运作"以及"核心基础业务先行,带动全产业链协同,助力城市级创新"的发展路径,促进多站融合深入推广和应用。     

多站融合供电系统辅助调峰自律运行调控策略

针对大规模DG并网带来的电网调峰及备用容量需求，基于全局协调、分区自治思想，提出多站融合供电系统辅助调峰自律运行调控策略。构建调峰备用等相关技术指标以量化供电区域应具备的“自律能力”。根据供电区域调峰需求，提出多种融合供电区域储能站自律调峰控制策略。为满足主网调峰备用需求并实现供电区域“自律”运行，将储能调峰自律控制策略联合优化配置，建立多站融合供电区域储能站容量优化配置模型。采用鲁棒优化联合端点场景筛选法构建供电区域典型运行场景，利用智能优化算法对模型进行求解。最后，对多站融合典型实施案例进行算例分析，结果证明了所提方法的有效性。     

基于Stacking集成学习的有源台区线损率评估方法

人工智能及机器学习的发展,为有源台区线损率的评估提供了崭新的思路。文中提出一种基于Stacking集成学习的有源台区线损率评估方法。首先,从特定系统中提取有源台区数据,采用互信息等方法处理数据中异常值,并建立电气特征指标体系。然后,考虑传统的机器学习与不同思想的集成学习算法之间的差异,综合线性模型与非线性模型,选择线性回归算法、随机森林算法、GBDT算法作为基学习器,构建多算法融合的Stacking集成学习模型。最后,以某省有源台区数据为例,验证了所提方法的准确性和有效性。     

基于Spark平台和并行随机森林回归算法的短期电力负荷预测

随着智能电网、全球能源互联网的建设与相关技术的发展,现代电力系统中电力大数据的格局已经形成,如何对高维海量数据进行深度挖掘以实现数据的充分利用,成为当前电力工作者们关心的问题。该文针对电力大数据环境下高精度和实时性的负荷预测展开了研究,提出了基于Spark平台和并行随机森林回归算法(Spark platform and parallel random forest regression,SP-RFR)的短期电力负荷预测方法,通过3次弹性分布式数据集(resilient distributed datasets,RDD)转换实现单机随机森林算法的并行化改进,并在Spark分布式集群环境下实现部署。结合某区域实际电力负荷数据设计试验,进行模型训练和回归预测,通过试验证明,对同等的数据集,基于Spark平台的并行随机森林回归算法预测精度高于单机负荷预测算法;并行随机森林算法受离群数据干扰较小,且随着数据集的增大,并行随机森林算法表现出良好的鲁棒性;与单机算法在运行时间上相比,随着数据集的增大,基于分布式集群的方法优势明显。该文提出的方法能够有效地在分布式环境中进行电力负荷预测,为负荷预测提供了一种新思路。     

电力基础资源共享下变电站多业务场景经济—环境—社会效益分析

作为“新基建”和“电网数字化”的前沿阵地,“多站融合”充分利用整合资源,融合建设多种新型基础设施,既能响应“互联网+”战略及数字强国建设,又可开拓能源共享互济新业态。文章聚焦电网数字化转型中的多站融合项目,构建了一个在多业务场景下进行经济-环境-社会效益分析的系统动力学模型;并基于多业务场景,模拟仿真不同情境下单个多站融合项目经济效益、环境效益和社会效益的变化趋势。结果表明:1)在经济效益中,不同的业务在一定条件下均能够取得满足预期的经济效益;2)环境效益是多站融合中能源类业务的“引致效应”,可辅助提高废物废气的减排效率;3)社会效益主要体现于土地资源、能源资源和人力资源三方面社会资本的节约。文章证明了该经济-环境-社会效益分析模型的科学性和有效性。     

能源互联网商业模式迭代体系与方法初探

能源消费变革与数字经济加速推进,对能源电力企业转型发展和能源互联网的业态模式创新提出更高要求,商业模式也需要动态的创新、迭代、演进.结合商业模式与迭代创新的理论内涵,明确了商业模式迭代的内涵概念;构建了能源互联网下的商业模式迭代体系,建立了覆盖商业模式迭代基础、迭代需求、迭代目标、迭代策略、整体评价等环节的迭代路径,提...     

基于改进NSGA-Ⅱ算法的多站融合系统运行优化

为优化多站融合系统的运行,以提高系统运行经济性、环保性、消纳率为优化目标,对多站融合系统进行研究分析。构建包含光伏电站、风机、储能电站以及多种负荷的多站融合系统优化模型并建立约束条件。改进了NSGA-Ⅱ算法,在传统NSGA-Ⅱ算法的基础上引入量子搜索以进一步提高搜索能力,在算法中利用蒙特卡洛模拟生成随机参数,从而求解包含多重不确定性的运行优化问题。以某地多站融合数据为例进行仿真分析,并与传统的粒子群算法以及未改进的NSGA-Ⅱ算法进行对比,算例验证所提方法能够提升多站融合系统的运营效益。     

多站融合场景下的系统配置及协调运行策略

为解决在场地条件、功能融合、业务需求等约束条件下多站(电动汽车充电站、5G通信基站、数据中心、分布式光伏、储能站)的规模优化设计和协调运行问题,提出多站融合场景下各站的配置方法和协调运行策略。首先,深入分析目前各站发展资源需求和站间功能融合可能性。以提升现有变电站闲余场地利用率为目标,以各站为配置对象,明确了各站的配置原则,提出了站间功能融合方案。然后,为支撑该功能融合方案,建立各站的容量优化配置模型和站间的协调控制策略。最后,采用YALMIP/CPLEX对所建立的优化模型进行求解,并通过典型算例验证了配置方法和协调控制策略的有效性。     

500 kV UPFC适用场景的量化评估方法和选点方案

为解决实际电网规划中UPFC示范工程在超高压层面的布点选择与实施问题，首先基于现有工程经验总结提出UPFC的配置原则；之后研究了UPFC“单位容量调控比例系数”概念，即UPFC控制效果与自身容量的比值，并根据可靠性成本/效益分析，对单位容量调控比例系数进行标准化处理；继而综合得出UPFC布点在技术层面的比较方法，同时给出安装地点选择方法的流程；最后针对UPFC在不同场景的应用，提出了相应的系统级控制策略。应用方案研究中，利用2~3年滚动计算数据，在全国范围内选出12处UPFC的安装地点，通过初步比选和仿真分析，发现UPFC在锦苏直流落点近区输电断面、鄂东江南—江北断面两处地点具有较好的调节能力优势。所提方法切实可行，对超高压层面UPFC布点的筛选和示范工程的实施有一定的指导意义。     

监理工作管控平台开发应用

电力工程监理是保证电力建设工程按期、按质完成的关键,监理工作需要一个强大的信息系统为支撑,对监理过程中关键数据进行数据分析,对监理的各类信息资源进行整合,以提高管理的执行力和决策的科学性。鉴于此,开发一个监理工作管控应用平台,以项目进度为主线,通过数据查询、报表分析、统计功能及时发现存在的问题,全面掌控工程建设监理过程。＂监理工作管控平台＂使监理公司各部门业务流程得到纵向贯通和横向集成,满足了公司层面有效管理各监理站的业务需求。     

基于电力数据挖掘的招商引资项目落地指数模型研究

针对以数字化发展赋能电力企业及区域经济发展问题，聚焦持续优化电力营商环境，从电力视角研究区域招商引资项目落地情况。基于招商引资项目落地涉及的电力供应业务，选取电力供应核心指标，构建招商因子项目落地分析指标体系。利用主层次分析法、专家评价法，计算获得电力指数、供电质量指数、客户服务满意度指数、项目落地“达产”指数4个一级指标权重，根据业扩报装、供电质量、客户满意度、项目投产等环节业务实际，构建项目落地指数分析模型。最后以某供电公司为例，给出该模型的典型实践案例，为相关政府部门更准确地掌握招商引资落地情况提供丰富、客观的数据支持。     

基于数据增强及降维方法的配网业扩工程分类模型

配网业扩工程对供电企业开展电力供应工作具有重要意义。针对配电网业扩工程项目流程运转效率低下的问题,提出了一种基于数据增强和数据降维技术的配网业扩工程分类方法。该方法对原始数据进行数据增强,通过深度自编码器降低了数据维度,并进行特征提取及聚类分析。以某供电局配电网业扩工程项目数据为基础进行了仿真,实验结果表明：所用算法的分类准确性优于其他算法,所提方法能够合理分配业扩工程工期时长,实现对配网业扩工程的差异化管理,提高流程运转效率和客户满意度。     

电网供应链大数据应用规划方法研究

通过数据梳理诊断、业务需求调查、业务流程分析,分别在企业战略层面、管理层面、执行层面上设计出一系列大数据应用方案。在蓝图静态化分析的基础上,甄选典型业务场景,进行动态化的大数据应用场景分析。运用定性评估方法,从应用价值和数据可行性2个维度,将应用方案划分为4个优先级别。同时运用层次分析法对方案进行定量评价排序。基于定性评估和定量评价分析的结果,最终确立电网企业供应链大数据应用的阶段性规划,并确定所有大数据应用方案的优先级别和落实实施顺序。