课程文献中心 更多>>

关键词： LSTM   小型水力发电   功率预测   发电短期  

摘要： 近年来,由于对水资源开发和小水电站发电并网的需求迅速增加,水力发电的短期预测变得越来越重要。水力发电的关键因素是可供水电站利用的水资源量,提前预测未来水电站的发电量变得至关重要。然而,水电站的发电量受到气象降雨数据、局部地形和降雨滞后性、地区用电需求等多方面因素的综合影响,发电量具有较大的波动性。本文对此提出一项基于改进LSTM的小型水力发电机组发电短期功率预测方法,旨在为满足提高小水电发电功率预测准确率、提升管理精益化效果、降低基层工作负担,为地方电网的负荷预测、电量电力平衡、运行方式安排等工作提出一项可行性的预测方法。

关键词： 人工智能技术   新能源   功率预测  

摘要： 随着人工智能技术的兴起,其在新能源功率预测领域的应用潜力日益凸显。人工智能、特别是机器学习和深度学习技术,通过分析历史数据和实时数据能够预测新能源发电量,从而优化电网的运行和管理。因此,为提高新能源功率预测效能、降低新能源随机性对电网运行造成的不良影响,本文以本公司承接某新能源功率预测项目为例,对人工智能技术在新能源功率预测中的运用进行分析与研究。

关键词： 互感器   误差补偿   传递熵   SVR   LSTM   自回归积分滑动平均模型  

摘要： 为电能精准计量提供保障,提出基于多种模型融合的电能计量互感器误差自动化补偿方法。获取影响电能计量互感器误差的关键特征数据,作为改进LSTM与SVR输入,得到对应子模型的预测输出,计算子模型的权重系数,通过平均加权法融合模型的预测结果,确定电能计量互感器运行数据预测值,利用自回归积分滑动平均模型实现电能计量互感器误差的动态补偿。实验结果表明,特征数据选择可有效降低电能计量互感器比差和角差波动幅度;误差补偿后的二次电压曲线平滑,且更加接近理想的正弦波形。

关键词： 变压器   缺失数据填补   极端随机树   故障诊断   梯度提升树   油中溶解气体分析  

摘要： 数据质量是影响变压器故障诊断模型准确性及可靠性的重要因素。针对现有变压器故障诊断模型对数据完整性要求较高等问题,以油浸式变压器为研究对象,提出了一种基于缺失数据填补的变压器故障诊断方法。首先,采用极端随机树(extremely randomized trees,ERT)算法对变压器样本的缺失数据进行填补,通过与多种回归模型对比,评价ERT模型的预测效果。然后,基于油中溶解气体数据,提取能够反映变压器运行状态的16维特征集合,形成完备信息的变压器故障诊断样本。最后,利用树结构概率密度估计(tree-structured parzen estimator,TPE)算法实现梯度提升树(gradient boosting decision tree,GBDT)模型的参数优化,构建基于TPE-GBDT的变压器故障诊断模型。研究结果表明,在对缺失率为10%的变压器样本数据进行填补时,ERT算法的决定系数达到0.96,高于线性回归和随机森林回归等算法。此外,基于ERT填补后的样本数据在TPE-GBDT模型的平均诊断准确率和标准差分别为90.1%和0.036,其准确性和稳定性均优于线性判别分析和随机森林分类等算法。该方法能够有效提升变压器样本质量和故障诊断效果,可为变压器运维检修提供针对性的指导建议。

关键词： 变压器火灾   封闭空间   火灾防控   技术与措施   电力行业   电力系统安全   预防和控制   分析与评估  

摘要： 由于封闭空间的特殊性,传统的火灾防控措施往往难以发挥作用,封闭空间内变压器火灾防控成为亟需解决的重要问题。本文对封闭空间变压器火灾的成因进行分析,探讨了相关防控技术与措施,并进行案例分析与评估。封闭空间内变压器火灾是电力系统安全管理面临的重要挑战。一旦发生,不仅可能导致电力系统中断,还可能引发人员伤亡和财产损失。由于封闭空间环境的特殊性,传统的火灾防控措施往往难以发挥作用。因此,有效预防和控制封闭空间内变压器火灾已成为当前电力行业亟需解决的重要问题。

关键词： 光伏并网   混合储能   功率分配   线性自抗扰  

摘要： 光伏并网发电系统受外界环境影响较大,容易引起直流母线侧功率波动,导致逆变器并网输出功率不稳定。为此通过蓄电池和超级电容组成的混合储能装置对光伏发电系统进行功率补偿,实现并网功率平衡。为防止超级电容过冲过放影响系统安全运行,提出了考虑超级电容荷电状态(SOC)的功率分配策略,该分配策略采用线性自抗扰(LADRC)双闭环控制。仿真结果表明该策略解决了逆变器并网输出功率不稳定及超级电容过充过放的问题,保障了系统安全稳定运行。

关键词： 主成分分析   电力变压器故障   自动化检修技术  

摘要： 本文研究了基于主成分分析的电力变压器故障自动化检修技术。主要分析电力变压器内部故障引发的振动信号特征,提出了利用交叉小波变换提取振动特征的方法。介绍了主成分分析(PCA)和核主成分分析(KPCA)在降维和特征提取中的应用后,通过降维后特征数据的SoftMax回归分类器模型,实现了变压器故障类型的自动分类和诊断。并通过实验验证了本文方法在不同类型变压器故障中的高效性和准确性,为电力变压器的维护和检修提供了重要参考。

关键词： 溶解气体分析   变压器故障诊断   概率模型   Dempster-Shafer证据理论   kappa系数  

摘要： 针对单个变压器故障诊断模型准确率有限的问题,提出基于kappa系数改进Dempster-Shafer(D-S)证据理论与概率模型集成的变压器故障诊断方法。首先,分别构建基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的变压器故障诊断概率模型,拟合诊断模型在样本上的基本概率分配函数。然后,建立D-S证据理论信息集成框架,提出基于kappa系数与准确率权重的证据修正方法,从子模型与故障类型两个角度对证据进行修正,进而融合概率模型诊断结果。最后,通过仿真验证本文所提方法的有效性。

关键词： 电动汽车   LDW   PSO   模糊控制   输出功率  

摘要： 以电动汽车为研究对象,使用在MATLAB/Simulink软件环境下开发的高级车辆仿真软件ADVISOR,对EV整车模型进行相应改造,融入模糊控制器,使用基于线性递减权值策略法(LDW)改进的微粒群优化算法(PSO)对模糊控制器的隶属度函数进行了优化,优化后的控制策略可对目标工况下的输出功率进行细化分配.仿真结果表明,在WLTC工况下,动力电池电流均值下降约18.29%,能量损耗减少约2.14%,且功率分配优化效果较为明显.

关键词： 化疗   经外周静脉置入中心静脉导管   体外测量   腔内心电图   置管成功率  

摘要： 目的:探讨2种时机的腔内心电图联合体外测量对经外周静脉置入中心静脉导管(PICC)并化疗肿瘤患者置管成功率的影响。方法:选择2020年12月-2022年12月我院收治的75例PICC并化疗肿瘤患者,将其随机分为两组,均采用腔内心电图联合体外测量进行PICC置管,观察组38例在PICC置管后腔内心电图定位成功后2h行X线检查,对照组37例在PICC置管后腔内心电图定位成功后30min内行X线检查,观察两组一次性置管成功率、腔内心电图指标、并发症发生率。结果:观察组置管到位36例,一次性置管成功率为94.74%,对照组置管到位32例,一次性置管成功率为86.49%,两组比较无统计学差异(P>0.05)。观察组出现特征性P波率明显高于对照组,波形中断率明显低于对照组(P<0.05)。置管成功7d内,观察组并发症发生率低于对照组(P=0.031)。结论:化疗肿瘤患者在置入PICC腔内心电图定位2h后行X线检查,具有良好的准确性与安全性,其腔内心电图产生的波形更加稳定与连续,并且能够降低并发症发生率。