期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于智能电能表误差检测的非侵入式电网故障定位及运维调度 被引量：19
1
作者 刘婧 苏良立 +2 位作者 陈昊 乔亚男 刘浩宇 《电测与仪表》 北大核心 2021年第11期164-169,共6页
为提升电网故障恢复的效率,提出一种基于智能电能表计量大数据的故障处理调度方案。使用状态估计方法,将故障作为系统的临时负载处理,从而将误差检测非侵入式地扩展到故障识别,并基于电能表大数据,使用可变权值矩阵,对故障进行远程定位... 为提升电网故障恢复的效率,提出一种基于智能电能表计量大数据的故障处理调度方案。使用状态估计方法,将故障作为系统的临时负载处理,从而将误差检测非侵入式地扩展到故障识别,并基于电能表大数据,使用可变权值矩阵,对故障进行远程定位。提出在考虑故障紧急程度的情形下利用迭代局部搜索算法对运维任务进行调度。实验结果验证了该方案的有效性。 展开更多
关键词 智能电能表 误差检测 电力大数据 故障定位 运维调度
下载PDF
基于密度聚类与ARIMA模型短期电力负荷预测 被引量：8
2
作者 刘亚辉 韩明轩 +1 位作者 郭俊岑 苏良立 《北京信息科技大学学报（自然科学版）》 2019年第5期84-87,共4页
为了提高短期电力负荷预测的准确度,提出了将密度聚类算法(DBSCAN)与自回归移动平均模型(ARIMA)相结合的方法,进行短期电力负荷预测。首先,对数据进行归一化、天气状况类别数据编码、缺失值填补等预处理;然后,利用DBSCAN对负荷均值进行... 为了提高短期电力负荷预测的准确度,提出了将密度聚类算法(DBSCAN)与自回归移动平均模型(ARIMA)相结合的方法,进行短期电力负荷预测。首先,对数据进行归一化、天气状况类别数据编码、缺失值填补等预处理;然后,利用DBSCAN对负荷均值进行聚类与剔除噪音点。ARIMA模型的参数根据差分后的时间序列及热力图确定;最后,重构分解后的曲线,并根据历史数据对未来短期负荷进行预测。实验结果表明,预测结果的误差在合理范围内。 展开更多
关键词 DBSCAN ARIMA 短期电力负荷 预测
下载PDF
基于稀疏学习的电力大数据压缩与高精度重建
3
作者 苏良立 王敏楠 +2 位作者 余仰淇 肖娅晨 肖戈 《电子设计工程》 2024年第14期68-72,共5页
电网的运行需要大量电力大数据的支持,为了降低传输工作量,设计基于稀疏学习的电力大数据压缩与高精度重建方法。采用最优复杂度模型处理电力大数据的缺失值,通过基于残差学习方法的DnCNN去噪模型,对大数据去噪。根据向量主成分分析方法... 电网的运行需要大量电力大数据的支持,为了降低传输工作量,设计基于稀疏学习的电力大数据压缩与高精度重建方法。采用最优复杂度模型处理电力大数据的缺失值,通过基于残差学习方法的DnCNN去噪模型,对大数据去噪。根据向量主成分分析方法,对电力大数据进行压缩处理。基于稀疏学习构建大数据重建网络模型,实现电力大数据的重建。实验测试结果表明,设计方法的数据压缩比最高达到0.986,综合矢量误差整体低于0.3%,归一化均方误差整体低于0.8%。 展开更多
关键词 稀疏学习 电力大数据 最优复杂度模型 向量主成分分析
下载PDF
智能电能表检定误差数据稽查分析
4
作者 赵佩 苏良立 +3 位作者 张琪 陶鹏 李兵 孙勇强 《河北电力技术》 2020年第4期39-42,共4页
根据智能电能表检定相关企业标准和国家标准中的规范要求,通过对比分析,提出智能电能表检定误差数据存在的负载电流混用、修约值不符合规定等数据规范问题和数据缺失、检定误差超差等造成的数据质量问题的稽查分析方法,分析问题原因并... 根据智能电能表检定相关企业标准和国家标准中的规范要求,通过对比分析,提出智能电能表检定误差数据存在的负载电流混用、修约值不符合规定等数据规范问题和数据缺失、检定误差超差等造成的数据质量问题的稽查分析方法,分析问题原因并提出优化建议,为规范计量检定数据标准化、促进计量专业管理精益化以及实现营销大数据分析便利化奠定基础。 展开更多
关键词 智能电能表 检定误差 标准 计量 超差
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部