【摘 要】
：
电力负荷具有复杂性、分散性以及时变性等特点,变电站负荷特性分类能够为典型变电站的负荷建模提供依据.其中大数据分析及聚类分析方法在电力负荷特性分析中发挥了重要作用.论文对比了各类聚类分析方法,针对k-means算法对于孤立数据(离群点)敏感等缺点,考虑到变电站负荷数据的分散性,提出一种改进型k-means算法.该算法首先剔除离群点,再找出最佳聚类中心数目并进行分类.实验结果表明,该算法可以使变电站负荷特性的聚类效果进一步提高,提高电力负荷分析与建模的精准度.
【机 构】
：
南京工程学院人工智能产业技术研究院 南京 211167;南京工程学院信息与通信工程学院 南京 211167
论文部分内容阅读
电力负荷具有复杂性、分散性以及时变性等特点,变电站负荷特性分类能够为典型变电站的负荷建模提供依据.其中大数据分析及聚类分析方法在电力负荷特性分析中发挥了重要作用.论文对比了各类聚类分析方法,针对k-means算法对于孤立数据(离群点)敏感等缺点,考虑到变电站负荷数据的分散性,提出一种改进型k-means算法.该算法首先剔除离群点,再找出最佳聚类中心数目并进行分类.实验结果表明,该算法可以使变电站负荷特性的聚类效果进一步提高,提高电力负荷分析与建模的精准度.
其他文献
针对数据库技术及应用课程传统教学模式中存在的问题,引入CDIO教育理念,结合课程特点,从教学内容、教学方法、评价体系等方面进行改革.教学实践表明,该项教学改革在调动学生学习积极性、培养学生数据库系统设计实践能力、提高学生综合应用知识能力方面均取得了良好的效果,提升了教学质量.
“二级C”是全国计算机等级考试科目之一,工科专业学生的报考数量越来越多,但通过率一直不高.为了提高C语言教学质量和“二级C”的通过率,在分析“二级C”考试题型及考点分布的基础上,探讨考试要点及应试策略.
2019年,我国自然资源部发布《智慧城市时空大数据平台建设技术大纲》,强调依托空间数据智能处理,加速我国智慧城市建设进程.智慧城市建设旨在通过对城市大数据进行有效的采集、管理、分析以及挖掘,以强大的算法模型和计算能力为国家、城市、区域治理中的各个应用场景提供智慧赋能,从而提高城市智能管理水平.空间数据智能作为城市计算的基础与核心,在智慧城市建设中扮演关键角色.随着5G、大数据和人工智能等技术的整体推进与日益成熟,以及国家十四五“数据要素化”重大战略和地方政府“智慧城镇化”发展战略的布局实施,亟需探索并攻克
为解决FAST基地可视化的问题,开发了一套基于OpenSceneGraph(OSG)与Qt的三维场景仿真系统.通过三维建模,计算机程序自动化布局,OSG虚拟场景搭建等,将FAST的场景进行仿真显示.通过数据驱动实现对虚拟场景的实时更新,同时采用OSG的粒子系统来模拟雨雪天气特效场景.该系统将FAST的场景实时显现在技术工作人员面前,具有场景漫游,动态演示等基本人机交互功能,可为FAST基地的实践工作提供辅助决策依据.
文章提出工程竹是指具有明确力学性能指标,满足建设工程承载力、刚度和耐久性需求的竹质复合材料,给出了我国建设标准T/CECS 10138-2021《工程竹材》中的工程竹强度分级和相应的力学参数,简要介绍了我国工程竹结构技术的发展现状,分析了存在的主要问题.
大型空间桁架结构在航天器上有着广泛的应用;由于其具有质量轻、刚度低、阻尼小等特点,在受到扰动时可能发生振动和变形,影响载荷的正常工作甚至危害航天器的安全;以大型空间桁架的整体结构作为研究对象,对桁架结构的变形监测方法进行了研究;基于逆有限元提出了一种适用于桁架结构的变形监测方法,该方法以传感器测得的结构应变为基础重构桁架结构的变形;利用有限元仿真对该方法进行了验证,同时研究了在应变值存在误差的情况下形变重构的精度;结果表明,在应变值具有±5％的随机噪声时结构形变重构的误差优于±3％;该方法有较高的变形重构
针对研发的自主水下机器人(Autonomous Underwater Vehicle,AUV)回收对接中前景视场三维重建的需求以及提高导航定位精度与对接成功率,提出了一种改进的CENSUS变换与最小生成树相结合的立体匹配算法.该立体匹配算法针对水下图像弱纹理及重复纹理区域多的问题,利用图像的梯度强度及颜色信息融合作为CENSUS变换的依据计算匹配代价,结合最小生成树算法实现代价聚合,配合亚像素精化实现视差优化.实验结果表明,论文算法在Middlebury三对标准图像上的平均误差匹配率为6.02％,有效降低
针对ISM无线频段(如2.4GHz)异常拥堵,利用传统发送发方式造成丢包率大,吞吐量小的问题,论文提出了一种基于喷泉编码的异构网络中的发包算法.首先在异构网络(WiFi to ZigBee)的发送端采取对丢包不敏感的喷泉编码方式,通过在WiFi端模拟ZigBee的信号调制,将发送端按照LT码的编码规则输出长度为L的符号流.其次在接收端通过常规的ZigBee解调完成数据传输.最后在此基础上通过大量实验找到了实现最小丢包率的发包算法.与已有的研究成果对比表明,论文提出的方法能够提高传输效率,减少丢包重传次数,
支持向量机的核函数的应用性越来越强.性能优秀的核函数可以带来非常好的效果,为了充分利用核函数的优点,构造出一种创新的多核集成方法.在这个整体框架中,每个核回归器都与一个权重相关联,该权重可以根据其对回归结果的贡献来自训练自动调整.通过这种方式,可以直接从数据中学习更合适的核函数类别及其对应的参数,而无需任何人工干预,从而有更好的回归性能.同时为了使非凸问题可以求解,将引入L1范数和L2范数进行重新建模,从而获得解耦形式,具有可求偏导形式的模型.在一些UCI回归数据集上的实验结果表明,论文提出的方法在最新的
SNP是指基因序列中碱基对的变异,通过对人体SNP位点进行基因分型,可以有效帮助人们找出与遗传疾病相关的基因.然而,对所有SNPs位点进行基因分型的成本过于昂贵.研究表明,部分最具有代表性的SNPs(标签SNP,tag SNP)就可以区分基因变异,选择高质量的tag SNP成为基因研究中的热点内容.论文提出一种基于连锁不平衡度的Genet-ic-majority dominance(GMD)tag SNP预测方法评估tag SNP质量,该方法通过对遗传算法每一次迭代选择的tag SNP集按照多数占优的原则