王征
- 作品数：9 被引量：27H指数：3
- 供职机构：国网辽宁省电力有限公司更多>>
- 发文基金：辽宁省自然科学基金更多>>
- 相关领域：电气工程经济管理自动化与计算机技术理学更多>>
- 配电系统可靠性与费用分配分析被引量：3
- 2017年
- 本文以使电力企业获得更高的经济效益为出发点,首先分析配电系统可靠性与费用分配之间的关系,得出可靠性费用随着可靠性的改善呈"指数式上升"的结论,然后依据可靠性投资的分配思路,定量地阐述可靠性投资分配的基本步骤与方法,最后基于成本效益可靠性改进方法,考察可靠性的成本效益以及所有支出科目与可靠性问题的相互作用,提供支出优先级的交叉矩阵。
- 张印明张楠于海燕王征
- 辽宁A+～D类供电区10kV网架建设方案
- 2017年
- 在分析辽宁10kV配电网网架结构基础上,分析不同负荷密度、负荷分布、电源点分布等情况下,适合各类供电区配电网的接线模式。在此基础上,提出过渡区配电网网架结构标准化、系列化建议,提出各类供电区配电网目标网架和建设方案。
- 张楠王征姜涛王勇
- 关键词：网架结构
- 用户侧响应对电网负荷的影响研究
- 2015年
- 本文针对我国电力体制改革不断深入的背景,主要研究电力市场用户侧响应对负荷变化的影响,分析了数据挖掘技术在预测中的应用,提出了完善支持向量机预测算法的方案,有助于深度挖掘用户用电对负荷的影响规律,提升预测模型对市场变化的适用性。
- 王征张楠
- 关键词：电力体制改革负荷预测
- 需求侧响应下的电力负荷预测模型的改进被引量：10
- 2016年
- 在电力负荷预测进行建模时,传统的预测模型需要消耗大量的电力负荷样本数据,同时不能准确描述电力系统内部的变化情况,降低了电力负荷预测的精度和可靠性。提出一种基于灰色预测模型的电力负荷预测模型的改进方法,分析了基本灰色预测模型的建模过程,同时依据需求侧响应约束条件对不符合约束条件的电力负荷预测结果进行剔除,从电力负荷原始数据的处理和灰色模型预测结果的修正两方面对其进行改进。实验结果表明,采用所提方法对电力负荷进行预测,得到的预测结果精度较高,性能优异。
- 郭崇王征纪建伟
- 关键词：需求侧响应电力负荷
- 基于帕累托最优配电系统多目标规划研究被引量：2
- 2016年
- 基于供电可靠性的帕累托最优曲线思想,结合帕累托曲线特点,依据算法流程实现公司整体最优投资的选取,解决并找出公司整体对应供电可靠性最优的投资及效益最大化方案,并针对可靠性规划中可靠性与费用关系问题,提出可行性建议。
- 刘一涛张楠姜涛王征
- 关键词：配电系统帕累托最优
- 基于小波变换的模糊神经网络短期负荷预测方法被引量：4
- 2017年
- 为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.
- 郭崇王征纪建伟
- 关键词：神经网络遗传算法小波变换模糊算法
- 基于关联维指数分析的电力负荷预测算法
- 2016年
- 电力负荷表现为一组非线性时间序列,通过对电力负荷的准确预测,避免电力负荷过载和用电集中拥堵,保障电网稳定可靠运行。传统方法采用Lyapunove指数分岔预测算法,由于Lyapunove指数对电力负荷的初始状态特征的敏感性,导致负荷采样样本较少时预测效果不好。提出一种基于关联维指数分析的电力负荷预测算法,构建了电力负荷时间序列的信号模型,采用级联FIR滤波器实现对电力负荷数据信息流的抗干扰滤波处理,进行信号提纯,然后对电力负荷时域信号模型进行关联维特征提取,采用关联维特征在递归图中的指数分岔性实现对负荷时间序列走势的准确预测,实现电力负荷预测算法改进。仿真实验结果表明,采用该算法进行电力负荷预测具有较好的预测准确性,指向性较好,且具有较好的抗干扰能力,在电力管理和调度中具有较好的应用性。
- 郭崇王征
- 关键词：电力负荷
- 采用Wolf异步迭代分析的电力异常负载预测仿真
- 2016年
- 电力异常负载的准确预测是保障电力高效调度的关键,传统方法采用线性指数时间序列预测算法,当电力负荷出现包络振荡时,预测精度不好。提出一种基于Wolf异步迭代分析的电力异常负载预测和仿真分析方法。对电力异常负载进行信息流模型构建和时间序列分析,提取电力负载信息流的时频特征,采用Wolf异步迭代方法对时频特征进行信息融合,对电力异常负载序列进行相空间重构后,计算电力异常负载时间序列的几何不变量,进行异常节点和负载流的信息特征预测,实现电力异常负载预测算法改进。仿真结果表明,采用该算法进行电力异常负载预测的精度较高,误差减少,性能优越。
- 郭崇王征张楠
- 电力用户数据中用电特征数据挖掘模型仿真被引量：8
- 2016年
- 对电力用户中用电特征数据的准确挖掘,可以提高电力用户数据安全性能。由于电力用户数据的不断增加,用电特征数据特征数目也逐渐增加,导致用电特征数据呈连续型属性,并使传统的CURE算法进行电特征数据的挖掘时,必须对连续型数据进行离散化处理,这需要花费大量的预处理时间、并且离散化过程可能会丢失一些重要数据信息,导致用电特征数据的挖掘精度下降。提出一种新的电力用户中用电特征数据的挖掘建模方法,在电力用户数据的用电特征数据属性基础上,引入信息熵原则分析法,获取用电特征。通过Kohonen神经网络模型提取电力用户数据的用电特征数据参数曲线,采用斜率修正法将用户特征数据进行校正,随机选取具有周期性的电路用户数据参数,挖掘用电特征数据,实现电力用户数据中用电特征数据的挖掘建模。仿真结果表明,改进建模方法相比传统的CURE算法,用电特征数据挖掘准确度高。
- 郭崇王征纪建伟马芳静
