合同范文工作計劃范文工作總結(jié)范文合作方案范文日志日報范文工作報告范文年終總結(jié)范文申請書范文通知書范文請假單范文活動策劃范文活動報道范文簡歷范文委托書范文授權(quán)書范文論文范文簡報范文志愿書

配變重過載分析報告范文 第一篇

根據(jù)本文提出的方法,使用互信息和對策理論計算特征變量對配變重過載情況發(fā)生的相對重要性,結(jié)果如圖1所示。

由圖1可知,影響配變重過載的因素主要為行業(yè)類別、用電類別、日平均氣溫、月平均氣溫4個特征變量,所占的比重分別為62%、15%、13%、9%,其余特征變量所占比重總和為1%。下面從行業(yè)類別、用電類別、日平均氣溫、月平均氣溫4個特征變量分析該區(qū)域的配變重過載情況。

圖1 特征變量的相對重要性 Fig. 1 Relative importance of feature variables

配變重過載分析報告范文 第二篇

[1]王繼業(yè),季知祥,史夢潔,等.智能配用電大數(shù)據(jù)需求分析與應(yīng)用研究[J].中國電機(jī)工程學(xué)報,2015,35(8):1829-1836.Wang Jiye,Ji Zhixiang,Shi Mengjie,et al.Scenario analysis and application research on big data in smart power distribution and consumption systems[J].Proceedings of the CSEE,2015,35(8):1829-1836(in Chinese).

[12]黃彥浩,于之虹,謝昶,等.電力大數(shù)據(jù)技術(shù)與電力系統(tǒng)仿真計算結(jié)合問題研究[J].中國電機(jī)工程學(xué)報,2015,35(1):13-22.Huang Yanhao,Yu Zhihong,Xie Chang.Study on the application of electric power big data technology in power system simulation[J].Proceedings of the CSEE,2015,35(1):13-22(in Chinese).

[13]張素香,趙丙鎮(zhèn),王風(fēng)雨,等.海量數(shù)據(jù)下的電力負(fù)荷短期預(yù)測[J].中國電機(jī)工程學(xué)報,2015,35(1):37-42.Zhang Suxiang,Zhao Bingzhen,Wang Fengyu,et al.Short-term power load forecasting based on big data[J].Proceedings of the CSEE,2015,35(1):37-42(in Chinese).

配變重過載分析報告范文 第三篇

根據(jù)國家標(biāo)準(zhǔn)(GB/T 4754—2002)將國民經(jīng)濟(jì)行業(yè)類別分為20大類,該區(qū)域內(nèi)每個行業(yè)的配變重過載比率如圖2所示。

圖2 行業(yè)配變重過載率 Fig. 2 Overload rate of different industry category distribution transformers

圖3 用電類別配變重過載率 Fig. 3 Overload rate of different electric category distribution transformers

圖3展示了不同用電類別的配變重過載率,可以看出,鄉(xiāng)村居民用電配變重過載率遠(yuǎn)高于城鎮(zhèn)居民用電配變重過載率,這是因為一方面鄉(xiāng)村用戶家里出現(xiàn)了大功率電器,導(dǎo)致居民用電量的增加;另一方面鄉(xiāng)村配變老舊,容量較小。

針對單臺配變,影響其重過載情況發(fā)生的主要因素為日平均溫度和月平均溫度。根據(jù)實驗數(shù)據(jù)統(tǒng)計出該區(qū)域每臺配變重過載概率與日平均溫度之間的關(guān)系,月重過載天數(shù)與月平均溫度之間的關(guān)系,并根據(jù)統(tǒng)計結(jié)果對配變進(jìn)行分類,每一類的配變重過載概率與日平均溫度之間都有相同的趨勢。圖4展示了4種典型配變重過載概率與日平均溫度之間的關(guān)系,可以看出,隨著日平均溫度由極低溫升高到極高溫,I類配變的重過載概率變化是高-低-高,II類配變概率變化是低-中-高,III類配變概率變化是高-中-低,IV類配變概率變化是中-高-低。對區(qū)域內(nèi)的所有配變根據(jù)前文提到的溫度區(qū)間重過載概率分類方法進(jìn)行分類,可以直觀地得出每臺配變在不同溫度區(qū)間的重過載概率分布以及重過載概率隨溫度變化的趨勢,分類結(jié)果如表6所示。

圖4 配變重過載概率與日平均氣溫的關(guān)系 Fig. 4 Relationship between overload probability and daily mean temperature

表6 配變分類 Tab. 6 Classification of distribution transformers

由表6可知：1）I類配變數(shù)量為478,占重過載配變總數(shù)的。此類配變多為工業(yè)行業(yè)、通信行業(yè)用電。在溫度極高和極低時,保障設(shè)備的正常運(yùn)行會消耗額外的電量。2）II類配變數(shù)量為821,占重過載配變總數(shù)的。此類配變多為居民住宅、商業(yè)等用電,溫度較高時,空調(diào)負(fù)荷增加,使配變重過載概率上升。3）III類配變數(shù)量為300,占重過載配變總數(shù)的18%,此類配變多為供暖行業(yè)及在冬季營業(yè)的特殊行業(yè)等用電,所以在天氣寒冷時有較大重過載概率。4）IV類配變數(shù)量為67,占重過載配變總數(shù)的4%,此類配變多為露天工地以及其他露天場所等用電,天氣炎熱或寒冷時,溫度不適宜露天工作,故配變重過載概率較低。而當(dāng)溫度適宜時,工作量加大,造成配變重過載概率升高。

對于編碼為23411的配變,圖5展示了此配變的月重過載天數(shù)與月平均溫度之間的關(guān)系,可以看出在溫度較高的6、7、8月份重過載天數(shù)沒有超過10天,溫度適中的3、4、5、9、10、11月份重過載天數(shù)均超過15天,而溫度較低的1、2月,重過載天數(shù)在10~15天之間,這與該配變隨溫度由低到高的重過載概率變化趨勢是相吻合的。

圖5 第四類配變月重過載天數(shù)與月溫度之間的關(guān)系 Fig. 5 Relationship between overload days of fourth distribution transformers and month mean temperature

由于極低溫區(qū)間與極高溫區(qū)間的樣本數(shù)量較少,概率值會出現(xiàn)誤差,隨著配變負(fù)荷數(shù)據(jù)的累積,此誤差值會逐漸減小。

配變重過載分析報告范文 第四篇

配變重過載情況的發(fā)生與天氣情況、用電客戶的不同甚至配變的屬性都有著密切的聯(lián)系。根據(jù)用電采集系統(tǒng)中的配變數(shù)據(jù),以配變?nèi)肇?fù)荷以及所帶用電客戶屬性及配變自身屬性為目標(biāo)輸入值,綜合氣象、溫度、節(jié)假日等外部信息,采用負(fù)荷值作為關(guān)鍵類變量,進(jìn)行數(shù)據(jù)統(tǒng)計分析,建立分類分析模型,使用通信理論中的互信息方法^[探究每個特征變量對重過載情況貢獻(xiàn)的大小(即特征的相對重要性)。

在傳統(tǒng)的統(tǒng)計學(xué)中,當(dāng)自變量之間不相關(guān)或相關(guān)性較弱時,自變量的相對重要性可由一些簡單的指標(biāo)表示,如標(biāo)準(zhǔn)回歸系數(shù)的平方、偏相關(guān)系數(shù)的平方以及半偏相關(guān)系數(shù)的平方等。但對于配變重過載的影響因素,天氣因素中的日平均溫度與月平均溫度存在相關(guān)性,配變屬性與用電客戶之間也存在相關(guān)性,所以不能用傳統(tǒng)的統(tǒng)計指標(biāo)表示各個特征變量對配變重過載的相對權(quán)重。本文引用Shapley在1953年提出的對策理論^[(game theory)法以及信息論中的互信息概念,求解當(dāng)特征變量之間存在相關(guān)性時特征變量對配變重過載情況的相對重要性。對特征變量按相關(guān)度強(qiáng)弱進(jìn)行排序,去除完全獨立或弱相關(guān)的特征變量。

對于相關(guān)性較強(qiáng)的特征變量,建立變量與配變重過載概率之間的關(guān)系模型,根據(jù)關(guān)系模型輸出的圖表,計算圖表的特征值(如極大值、極小值、單調(diào)性等),將配變進(jìn)行分類。每一類的配變重過載的概率隨特征變量變化的趨勢是一致的。探究每一類配變的數(shù)量,并分析配變所帶用電客戶的類型。

配變重過載分析報告范文 第五篇

在實際問題中,應(yīng)用互信息研究影響因變量的自變量之間往往存在相關(guān)性,不能直接得出自變量的相對重要性。解決這一問題的方法是討論所有自變量的不同組合中某一自變量的相對重要性,其原理是以互信息作為特征函數(shù)利用對策理論求解得出。

對策理論主要解決的問題是：在一次多人聯(lián)合參與的工作中,找到一個分配函數(shù)將合作產(chǎn)生的總效益公平、有效地分配給聯(lián)盟中的每位參與者。Shapley在1953年首先提出了具體的解法^[,因此也被稱為shapley值法。理論上,求解配變重過載影響因素的相對重要性可以看作這一問題的同構(gòu)問題,同構(gòu)性解釋如下：1）參與者看作模型中的影響配變重過載的特征量;2）聯(lián)和貢獻(xiàn)看作是各個特征量或特征量的組合對配變負(fù)載的影響;3）特征函數(shù)看作特征變量與配變負(fù)載率的互信息;4）效益分配看作所有特診變量與配變負(fù)載互信息的分解。

下面給出對策理論的具體算法。假設(shè)有3個自變量,記為X_i、X_j和X_k,因變量記為Y。自變量依次以ijk的次序進(jìn)入模型,分別計算在不同自變量構(gòu)成的模型中的自變量與因變量的互信息I,分別記為I₁,I₂和I₃,則I₁為X_i的單獨貢獻(xiàn)值,I₂為在已經(jīng)引入X_i之后的X_i與X_j的聯(lián)和貢獻(xiàn)值,I₃看作3個自變量的聯(lián)和貢獻(xiàn)值。那么可以將(I₂-I₁)看作自變量X_j的單獨貢獻(xiàn)值,同理可將(I₃-I₂)看作X_k的單獨貢獻(xiàn)值。假設(shè)對因變量有影響的自變量有p個,對于某一特定的自變量進(jìn)入模型序列,當(dāng)i=1,2,…,p時,將I_j-I_j-1看作第j個自變量在對應(yīng)序列中的相對重要性。當(dāng)自變量的個數(shù)為3時,所有自變量以不同的進(jìn)入序列進(jìn)入模型的相對重要性如表3所示。在表3中,同一自變量在不同的進(jìn)入序列中所占的相對重要性不同。

表3 不同序列自變量與因變量互信息計算 Tab. 3 The computation of mutual information between different sequences of independent variables and dependent variables

從表3可以看出,對于p個自變量,進(jìn)入模型的不同序列就有p!個。顯然,當(dāng)自變量個數(shù)為3時,序列的個數(shù)為6。

shapley值定理：p個自變量X={X₁,X₂,..,X_p}和以互信息I為特征函數(shù)的條件下,V_i為自變量X_i對因變量的貢獻(xiàn)值,有如下公式：

\(Vi(X)=\sum\limits_{S\in X/Xi}{\alpha n(S)[I(S\bigcup Xi)-I(S)]}\) (5)

\(\alpha n(S)=\frac{s!(p-s-1)}{p!}\) (6)

其中：S為不包含自變量X_i的所有子集;s為S中變量的個數(shù);p為所有自變量的個數(shù)。

配變重過載分析報告范文 第六篇

為構(gòu)建提取配變重過載規(guī)則的數(shù)學(xué)模型,首先要確定輸入的特征變量。配變重過載的主要影響因素包括溫度、天氣狀況、日期等天氣因素,配變類型、冷卻方式、保護(hù)方式等配變自身屬性因素以及配變所帶用戶的負(fù)載類型、生產(chǎn)班次、產(chǎn)業(yè)規(guī)模等用電客戶因素。

本文選取的天氣因素特征變量具體定義如下：1）日平均溫度;2）月平均溫度;3）天氣狀況;4）星期;5）是否為國家法定節(jié)假日;6）季度。

其中特征量1）—2）的字段屬性為數(shù)值型,特征量3）—6）的字段屬性為字符型。

對于日平均溫度,將其分作5類,如表1所示。其中,配變負(fù)載率=視在功率/配變?nèi)萘?某天配變負(fù)載類型由當(dāng)天的最大負(fù)載率決定。配變負(fù)載率的分類如表2所示。

表1 日平均溫度分類 Tab. 1 Classification of daily mean temperature

表2 配變負(fù)載率分類 Tab. 2 Classification of distribution transformer load

對于配變自身屬性因素以及用電客戶因素,可以從運(yùn)營監(jiān)測中心及營銷系統(tǒng)中提取到數(shù)據(jù),其中可能用到的配變自身屬性因素的特征變量具體定義如下：1）配變首次運(yùn)行日期;2）配變銘牌容量;3）配變主備性質(zhì);4）配變保護(hù)方式;5）配變冷卻方式;6）配變生產(chǎn)日期;7）配變變動容量。特征量1—7的字段屬性均為字符型。

配變重過載分析報告范文 第七篇

1）行業(yè)類別、用電類別、日平均溫度、月平均溫度4個因素對配變重過載影響最大,且行業(yè)類別因素影響率超過一半。

2）工業(yè)、制造業(yè)、服務(wù)業(yè)等生產(chǎn)行業(yè)配變重過載概率較大。鄉(xiāng)村配變重過載概率大于城鎮(zhèn)配變重過載概率,且集中在農(nóng)業(yè)生產(chǎn)、大工業(yè)用電和生活用電等方面。

3）由于冬季供暖與夏季空調(diào)負(fù)荷增加等原因,配變重過載多發(fā)生于氣溫較高和氣溫較低時節(jié)。但是對于少量的露天場所,溫度適宜時游客數(shù)量較多,用電量增加,故此類配變多在春秋季節(jié)溫度適宜時發(fā)生重過載情況。

4）下一步,將根據(jù)本文得到的配變重過載影響因素建立分類模型對配變進(jìn)行重過載預(yù)測,得到配變重過載開始時間和結(jié)束時間,提前做好相應(yīng)的部署。

• 上一篇：做自媒體生活日記范文(精選7篇)
• 下一篇：塑料市場采購報告范文(精選6篇)