排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
智能化管理电力资源是电网等部门的长期目标,准确地预测用电需求对基建投资、电能调度、用电安全等起着至关重要的作用。电力资源需求受多方面复杂因素影响,使得传统模型难以适应多变量或多输入预测问题,其预测准确率无法实际应用于现实用电场景。提出了一种新型多源异构化数据驱动的电量预测系统,利用电力资源、气象和人群移动等多源异构化数据集,结合深度神经网络实现高可靠性、高准确率的电力资源预测模型。设计堆栈式去噪自编码器实现多源异构数据的“电力-天气-人群”深度耦合特征提取,然后使用长短时记忆神经网络(LSTM)对所提取特征进行用电需求预测。通过现实用电场景下所采集的多源异构化数据集对预测模型进行训练,实现高精度的用电需求预测。实验结果同时也证明多源异构数据集可以更好地捕捉特定区域内用电习惯,帮助相关部门实现高效且低时延的电力资源管理与调度。 相似文献
2.
随着电网规模的不断扩大,传统的电力网络调度电话发令模式逐显弊端.为此,本文充分利用网络信息技术方便快捷等优势,建立了电力调度操作的网络发令系统;通过对电力调度操作网络发令系统的组织架构及关键技术进行介绍,阐明电力调度指令如何安全且自动地送至受令单位.该系统的实际运行效果表明其能够确保电力调度指令操作的安全性,并能有效提... 相似文献
3.
4.
由于新能源系统的广泛加入,系统中的电能质量扰动数量和种类也相应增加,而传统电能质量扰动(PQD)分类方法存在准确率和效率不高的问题,难以适应现有包含高新能源渗透率的电力系统的电能质量管理。因此,提出了一种基于图卷积神经网络(GCNNs)和格拉姆角场(GAF)的电能质量扰动分类方法。首先,对原始的PQD信号进行归一化和极坐标转化处理;然后采用GAF对不同种类的PQD一维信号进行图形化转换,生成包含不同PQD特征的二维图片;最后,采用GCNNs对不同种类的PQD图片进行训练和分类,实现不同PQD的分类。实验部分采用IEEE-39节点系统仿真并模拟不同种类的PQD曲线,对所提方法进行验证。实验结果表明,所提方法可以自动地进行特征的提取和优化,满足PQD识别和分类的高效性和准确性。 相似文献
5.
在家庭能量管理基础上,结合智能电网的负荷调度,基于Android和Java编程设计了面向家庭用户的家庭智能用电管理系统。基于云端储存和通信技术,采用典型C/S架构,搭建了客户端APP、服务器后台程序及数据库和小型智能监测装置三方构成的系统框架,并设计了相应的通信和数据接口。详细介绍了软件程序的各功能模块,展示了面向用户的各类用电信息图线。结合主动配电网概念,通过包含微电源、负荷、储能设备的典型家庭实例,分析了智能用电管理对于降低家庭用电峰谷差的积极作用。应用效果证明,家庭智能用电管理系统能对新型主动家庭负荷进行综合优化调度,具有广阔发展前景。 相似文献
6.
1