电力客户信用综合评价的研究

电力市场中电力客户的用电行为分析是市场研究的一个关键内容．尤其是其在电费缴纳过程的行为。直接影响电力公司的正常运营。依据某电力公司客户的户务资料。参照电费管理人员的经验,对客户的缴费状况、偿还电费能力、资金变现能力、担保水平及经营环境等5个指标评分并计算其相关系数。然后应用主成分分析方法进行处理。计算2个主成分的得分并排序。建立综合函数作为最终的综合评判标准。确定其信用等级。最后。按照信用管理的要求。初步设计了电力客户信用行为分析与评估系统。     

基于ANFIS的电力系统谐波分析算法

选用电力系统的谐波测量数据,给出了该算法谐波分析的仿真结果,并与傅立叶算法和改进的神经网络算法的计算结果进行了比较,还选用电力系统的高次谐波信号数据,并给出了高次谐波分析仿真结果,表明该算法在处理高次谐波信号方面具有较好的应用前景。     

基于ANFIS的电力客户信用判别模型研究

电费收缴工作的好坏,将直接影响电力公司的经营状况.为了约束电力客户的用电行为,保证电费的及时收缴,事先准确地识别客户的信用状况,是最为关键的内容.考虑到电力公司对客户信息的掌握情况以及信用管理的要求,设计了一套符合实际管理需要的,能够反映电力客户实际信用水平的指标体系,并在此指标体系的基础上利用自适应神经模糊推理系统(ANFIS)建立信用评级模型.该模型经测试样本检验证明是精确可靠的,适用于实际配电管理中对电力客户信用类别的判别.从而为电力公司预知信用风险,并采取不同的信用管理对策,提供了有力的参考依据.     

基于SINTAP-FAD方法的含裂纹缺陷钢结构构件安全性评定研究

在施工和运营过程中,钢结构构件上出现的裂纹缺陷可能会扩展而导致其发生断裂破坏,因此对含裂纹缺陷钢结构构件的安全性进行评估具有重要意义。首先,引入断裂力学K_IC断裂判据和失效评定图（FAD）概念,并介绍了结构整体性评估程序（SINTAP）的原理;给出了裂纹缺陷评定所需材料参数的确定方法,以及含裂纹缺陷构件的断裂力学参数和塑性屈服荷载的计算方法;然后,提出了基于SINTAP-FAD的含裂纹缺陷钢结构构件的安全性评估流程。最后,以华南和华东两个电厂锅炉钢结构大板梁的焊接缺陷为例,进行了基于K_IC断裂判据和SINTAP-FAD的裂纹缺陷安全性评定研究。结果表明,基于SINTAP-FAD的方法为含裂纹缺陷工作的钢结构构件的安全性评估提供了一种行之有效的方法,考虑多裂纹耦合作用的安全性评定方法有待进一步研究。     

改革专业课程教学 培养学生综合能力

根据高等工科院校的办学特点和培养目标,对课程教学与实验的内容、方法和评价体系进行改革与创新.以提高学生的综合分析能力与实践操作能力.     

高强度钢材及其焊缝脆性断裂与疲劳性能的研究进展

简单阐述了高强度钢材的优、缺点以及在国内外建筑工程和桥梁工程中的应用情况,并分析了其实际工程中存在的若干问题。总结了国内外对高强度钢材及其焊缝的脆性断裂与疲劳破坏的相关研究,引出研究高强度建筑用结构钢材及其连接焊缝的断裂韧性和疲劳性能以及影响因素变化规律的必要性,得出了如下结论:低温、焊缝缺陷、钢材厚度的增加和高频动荷载极大降低了高强度钢材的抗脆断能力及疲劳寿命;同时高强度钢材由于特殊冶金工艺而具有的力学性能和韧性加上这些外因限制了其使用范围。     

动物源性食品中多种兽药残留检测的研究进展

随着人们生活水平的提高,食品的安全性也越来越受到广泛关注。目前,畜禽动物的食品交易频繁而广泛,与此同时也伴随着兽药残留等食品安全性问题,其兽药残留大多存在于这一类动物源性食品的生长以及加工过程中,具有残留水平低、种类多、基质效应复杂等特点。针对这些特点,国际上大多通过各种前处理技术减小基质效应的影响,采用液相色谱-质谱(liquid chromatography-mass spectrometry, LC-MS)等质谱联用技术来对食品中的超痕量浓度残留物进行分析及筛查。本文主要对兽药残留的前处理技术和检测技术进行了综述,以期为保障动物源性食品的质量安全提供参考。     

风电功率GARCH预测模型的应用研究

根据风速变化的特点,选择了适于描述波动变化特性时间序列的GARCH方法.分析风速小时变化曲线的残差项,发现其存在着ARCH效应,满足ARCH的建模条件.采用美国夏威夷岛Lalamilo的风速数据,建立了ARCH和GARCH风速变化时间序列模型,预测目的日逐点预测误差的平均值为25.1%.经过与ARIMA算法的比较,预测的精度有所提高.运用风电机组出力与风速的关系,转换后得到了所需要的风电机组出力.对集群性不同的时间序列进行了多次数值计算,发现GARCH模型对波动性序列具有更好的适应性.     

基于统计聚类分析的短期风电功率预测

考虑到短期风电功率预测模型建立时,样本的选取对预测模型的精度有较大影响,提出了运用聚类方法对历史风速数据进行处理,实现了历史数据的自动分类.根据预测日的平均风速和最大风速等特征参数,按照相似度最大的原则,选择合适的类别作为预测建模用的训练样本.运用时间序列方法,建立风速预测模型,与不经过预处理的相比,所建立预测精度得到了提高,验证了运用聚类进行数据预处理的正确性.运用风力发电机的出力曲线,得到了未来日的风电功率的预测值,为含风电系统的电力系统运行计划的制定,提供了基础数据支持.     

基于区间数的多指标灰靶模型在智能变电站综合评价中的应用

鉴于智能变电站评价是推进新一代智能变电站乃至电网建设亟待解决的问题,借鉴智能电网示范工程的评估体系,首先建立远期智能变电站建设方案的评价指标体系框架,然后针对其评价指标值的不确定性特性,提出一种基于区间数的多指标灰靶模型。利用区间数理论给出智能变电站评价指标的区间值,以此作为评价的模拟决策数据,再利用多指标灰靶模型对各个模拟建设方案进行综合评价。将提出的模型应用于变电站建设方案评价比选,得到的结论较好地验证了该模型的可用性。