检索结果-南通市图书馆

基于Stacking集成模型的台区线损率预测方法研究

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2023年第1期60卷 71-77页

作者：李晋源保富胡凯张丽娟云南电网有限责任公司信息中心昆明650217 云南电网有限责任公司昆明650200

针对现有线损率预测方法预测精度较低的问题,提出了一种将Stacking集成学习模型与改进的k-均值聚类方法相结合用于预测台区的线损率。通过聚类方法进行数据聚类,再通过Stacking集成学习模型对台区线损率进行预测。Stacking集成学习模型... 详细信息

针对现有线损率预测方法预测精度较低的问题,提出了一种将Stacking集成学习模型与改进的k-均值聚类方法相结合用于预测台区的线损率。通过聚类方法进行数据聚类,再通过Stacking集成学习模型对台区线损率进行预测。Stacking集成学习模型由XGBoost模型、梯度决策树模型和支持向量机模型构成。与传统预测方法进行对比分析试验验证可行性。结果表明,与传统的线损率预测方法相比,所提出的线损率预测方法具有更好的预测效果,更高的预测精度和拟合效果。该研究为实现电网双碳目标提供了一定的参考。

关键词：智能电网线损率预测 K-Means聚类算法 Stacking融合学习模型双碳目标

基于VMD-ABAS-LSSVM的线损率预测模型

在线全文

学校读者我要写书评

暂无评论

广东电力 2021年第4期34卷 69-77页

作者：汪司珂明东岳郭雨徐林享项勇潘志易本顺国网湖北省电力有限公司营销服务中心湖北武汉430077 国网湖北省电力有限公司电力科学研究院湖北武汉430077 武汉大学电子信息学院湖北武汉430072 国网湖北省电力有限公司黄石供电公司湖北黄石435099

针对地区电网220 kV线路线损率数据呈现波动、非平稳的情况,为提高线损率预测精度,使用变分模态分解(variational mode decomposition,VMD)算法,将原始线损率时间序列分解为不同频率尺度的子序列,再利用最小二乘支持向量机(least square... 详细信息

针对地区电网220 kV线路线损率数据呈现波动、非平稳的情况,为提高线损率预测精度,使用变分模态分解(variational mode decomposition,VMD)算法,将原始线损率时间序列分解为不同频率尺度的子序列,再利用最小二乘支持向量机(least squares support vector machine,LSSVM)模型进行线损预测。为了提高LSSVM模型的子序列预测精度,采用自适应天牛须搜索(adaptive beetle antennae search,ABAS)算法进行参数优化。与标准天牛须搜索(beetle antennae search,BAS)算法相比,ABAS算法采用了天牛多向感知模型,引入了变步长探路反馈更新策略,具备更快的收敛速度与更强的寻优能力。最后以湖北黄石地区220 kV栖儒桥—栖宫线的真实数据为例进行算法验证,结果表明所提出的VMD-ABAS-LSSVM模型能更有效地对线损率进行准确预测。

关键词：线损率预测变分模态分解自适应天牛须搜索算法最小二乘支持向量机 220 kV电网

基于biLSTM-GRU的10千伏台区短期线损率预测模型

在线全文

学校读者我要写书评

暂无评论

中文科技期刊数据库（引文版）工程技术 2022年第10期 216-220页

作者：杜诣新佛山科学技术学院广东佛山528225

针对单一的预测模型对线损预测准确度不高的情况,对线损率预测的方法进行了研究,采用两种神经网络融合模型的方法对线损率进行预测,以提高预测准确度。首先用K-means方法对采集到某县配电网的10千伏台区的历史线损率样本进行聚类,分类... 详细信息

针对单一的预测模型对线损预测准确度不高的情况,对线损率预测的方法进行了研究,采用两种神经网络融合模型的方法对线损率进行预测,以提高预测准确度。首先用K-means方法对采集到某县配电网的10千伏台区的历史线损率样本进行聚类,分类完毕之后,再用GRU和biLSTM分别建立单独的两层预测模型;得到结果后,基于biLSTM和GRU网络的结果,进行进一步的融合,采用stacking的模型融合思想,将biLSTM和GRU神经网络的预测结果作为输入,实际值作为输出,采用线性回归模型对两模型进行权值分配,进而实现模型融合。最后通过对实例的分析,证明所提方法提高了线损率预测的准确度。

关键词： 10千伏台区 GRU和biLSTM神经网络线损率预测融合模型

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于改进神经网络的电网线损率预测模型分析

自动化技术与应用 2022年第5期41卷 130-133页

作者：陈广宇张磊赵磊张慧敏李磐旎国网冀北电力有限公司承德供电公司河北承德067000 北京中恒博瑞数字电力科技有限公司北京100085

对神经网络输入层中的数据作归一化处理,通过优化神经网络可有效避免神经元出现饱和现象,从而提高对线损预测的准确性。因此,本研究利用改进神经网络设计了新的电网线损率预测模型。实验结果表明,该预测模型的预测时效性和预测准确率均... 详细信息

对神经网络输入层中的数据作归一化处理,通过优化神经网络可有效避免神经元出现饱和现象,从而提高对线损预测的准确性。因此,本研究利用改进神经网络设计了新的电网线损率预测模型。实验结果表明,该预测模型的预测时效性和预测准确率均较高,证明该模型具有较强的应用优势。

关键词：改进神经网络线损率预测等值电阻法归一化灰色关联分析

基于连续隐Markov模型的理论线损率预测研究

在线全文

学校读者我要写书评

暂无评论

南阳理工学院学报 2014年第6期6卷 38-41页

作者：周红艳田丽钱兆刚王勇安徽工程大学电气工程学院安徽芜湖241000

提出一种基于连续隐马尔可夫模型的理论线损率预测方法,运用Baum-Welch参数重估修正公式实现CHMM参数优化,建立CHMM模型。依据CHMM模型概率输出判别各可选仿真模型相对于实际系统的有效性。结果表明,该模型运行速度快,在理论线损率预测... 详细信息

提出一种基于连续隐马尔可夫模型的理论线损率预测方法,运用Baum-Welch参数重估修正公式实现CHMM参数优化,建立CHMM模型。依据CHMM模型概率输出判别各可选仿真模型相对于实际系统的有效性。结果表明,该模型运行速度快,在理论线损率预测中有更高的精度。

关键词：线损率预测连续隐马尔可夫模型参数重估

在线全文

学校读者我要写书评

暂无评论

低压台区分段线损率预测系统设计

自动化仪表 2022年第8期43卷 118-121页

作者：汤中壹金杭晓姚雅艳周缘杰陈瑜国网浙江省电力有限公司缙云供电公司浙江丽水321400

针对低压台区供电数据流庞大且复杂,致使线损率预测准确率较低的问题,设计了基于B+搜索树算法的低压台区分段线损率预测系统。该设计改进了硬件拓扑结构,采用智能电表和通用无线分组业务(GPRS)通信技术优化了供电数据在源头上的采集与传... 详细信息

针对低压台区供电数据流庞大且复杂,致使线损率预测准确率较低的问题,设计了基于B+搜索树算法的低压台区分段线损率预测系统。该设计改进了硬件拓扑结构,采用智能电表和通用无线分组业务(GPRS)通信技术优化了供电数据在源头上的采集与传输;引入B+搜索树算法,建立数据索引,筛选整理原始数据;优化B+搜索树建立过程,得到B+搜索树参数,作为索引参数;在线损率预测过程中,将预处理后的线损数据归一化;创新性地基于B+搜索树索引构建低压台区分段线损率预测模型,将数据集输入预测模型中,完成低压台区分段线损率预测。测试结果表明,设计系统的预测误差低于4.27%,显著提升了线损率预测的准确率,提高了供电企业的经济效益。

关键词： B+搜索树低压台区线损率预测分段线损通用无线分组业务供电数据流

基于PSO-SVM模型的理论线损率预测研究

在线全文

学校读者我要写书评

暂无评论

重庆工商大学学报（自然科学版） 2013年第8期30卷 55-58,66页

作者：王静田丽夏坤胡智颖巢湖学院电子工程与电气自动化学院安徽巢湖238000 安徽工程大学电气工程学院安徽芜湖241000 安徽电力巢湖无为供电有限责任公司新闻中心安徽芜湖241000 南京国联电力工程设计有限公司南京210009

深入分析了线损率的影响因素,对现存的线损率预测方法进行了研究,采用粒子群算法对支持向量机进行参数寻优,建立基于粒子群优化的支持向量机预测模型对理论线损率进行预测仿真,为线损的降低和电能的高效利用提供保障;最后通过实例验证... 详细信息

深入分析了线损率的影响因素,对现存的线损率预测方法进行了研究,采用粒子群算法对支持向量机进行参数寻优,建立基于粒子群优化的支持向量机预测模型对理论线损率进行预测仿真,为线损的降低和电能的高效利用提供保障;最后通过实例验证了该模型在理论线损率预测中的精度。

关键词：线损率预测支持向量机粒子群优化

基于CNN-LSTM模型的低压配电台区线损率预测研究

在线全文

学校读者我要写书评

暂无评论

电力设备管理 2023年第14期 100-102页

作者：陈众广西电网有限责任公司南宁供电局

低压配电台区线损率是衡量电网企业线损管理水平的重要指标之一。基于电量数据合理地预测台区线损率将有助于电网企业预先进行故障巡查、故障排除以减少电能损耗,其对于提升电网企业管理水平和减少运维成本有重要意义。针对现有线损预... 详细信息

低压配电台区线损率是衡量电网企业线损管理水平的重要指标之一。基于电量数据合理地预测台区线损率将有助于电网企业预先进行故障巡查、故障排除以减少电能损耗,其对于提升电网企业管理水平和减少运维成本有重要意义。针对现有线损预测方法存在计算难度大、特征提取不充分、预测结果较差的问题,本文提出一种基于CNN-LSTM的线损预测模型。该模型采用卷积神经网络用于线损序列特征提取,通过长短时记忆网络进行特征学习与预测。具体实验表明,CNN-LSTM线损预测模型相较于传统线损预测方法预测误差更小,与实际线损值更接近。

关键词：低压配电台区线损率预测 CNN-LSTM模型

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

数据驱动的配电网线损管理辅助技术研究

数据驱动的配电网线损管理辅助技术研究

作者：周王峰湖南大学

学位级别：硕士

温室气体排放越发引起世界各国对能源利用的关注,“碳达峰,碳中和”作为重点工作被列入十四五规划指导能源发展。降低电力网损耗是电力企业节能工作的重要目标,其中配电网因用户分布范围广,量测单元众多,管理难度高,仍存在巨大的降损空... 详细信息

温室气体排放越发引起世界各国对能源利用的关注,“碳达峰,碳中和”作为重点工作被列入十四五规划指导能源发展。降低电力网损耗是电力企业节能工作的重要目标,其中配电网因用户分布范围广,量测单元众多,管理难度高,仍存在巨大的降损空间,是电力网线损管理的重点与难点。当前配电网线损管理仍存在诸多问题。其一,线损管理中的基础数据往往混杂异常、缺失数据,影响智能算法在线损管理中的实际应用。其二,线路维护人员以固定的日线损率数值范围作为线路异常状态的判断标准,缺乏对不同地区不同线路线损率水平的精细化认知。其三,用户窃电行为在配电网线损管理中普遍存在,人工排查效率低且难以及时追回电量损失。考虑到上述问题均具有涉及数据类型多样、空间分布存在差异性、需挖掘数据内在规律的特点,以数据驱动方式分析上述问题的数据特征并提出解决算法。主要研究成果如下:(1)研究配电网线损大数据一体化清洗算法。首先,阐述配电网线损大数据的概念并对其数据质量现状进行分析。其次,考虑到局部异常因子算法存在检测效果依赖人工设定阈值的局限性,提出一种改进算法,通过高斯混合模型的密度聚类特性划分异常检测阈值,实现多元数据清洗时的阈值自动选择。实例分析表明,该算法的阈值划分效果优于其他对照算法,适用于局部异常因子算法阈值的自动划分。最后,对典型缺失数据填补算法展开分析,基于最小二乘回归与随机森林两类算法在处理不同缺失程度样本时表现出的特性差异,提出一种缺失数据自动填补流程。流程中通过缺失样本划分与随机森林参数调整等措施在降低算法运算时间的同时保证填补精度。实例分析表明所提出流程有效平衡了缺失数据填补的准确性与速度。(2)提出一种基于降噪自编码器和长短期记忆网络相结合的配电网日线损率预测模型。首先,建立灰色综合关联度分析指标,挖掘日线损率影响因素近期量与其去年同期量间的相关性,将去年同期量加入模型输入辅助预测。其次,构建降噪自编码器对输入序列进行编码与重构,实现输入序列的特征提取与降维。最后,将编码后的序列输入长短期记忆神经网络,经训练拟合得到日线损率预测模型。采用我国某地市多条配电线路实测数据进行实例分析,对比结果表明该模型日线损率预测准确性较高,同时运算速度适中,适用于配电线路日线损率预测。(3)研究结合线损率数据特征的窃电用户辨识算法。首先,阐述配电用户窃电的主要形式并分析了线损率与窃电用户表计电量的关联性原理。其次,提出一种异常线路初筛流程,通过联合线损率长期趋势提取与突变检测,对存在线损率趋势突变的线路进行初筛。流程环节一,通过奇异谱分析提取线损率的长期趋势分量,作为突变检测依据。流程环节二,基于突变检测框架Ruptures对趋势分量序列执行突变检测。实例分析表明,该检测流程减小了线损率短期波动对趋势突变检测的干扰,降低了误检率。最后,结合皮尔逊系数与最大信息系数两种相关性算法,基于窃电用户与线损率间的关联特性对存在趋势突变的线路进行窃电行为辨识,通过实际案例验证了该算法的有效性。(4)设计配电网线损辅助管理平台。基于开源前端框架Ant-Design-Pro设计了配电网线损辅助管理平台,并将所研究的三类算法作为功能模块集成至该平台,通过平台设计给出了本文智能算法应用于实际线损管理工作的示例。

关键词：配电网线损管理数据清洗线损率预测窃电辨识