您现在的位置: 首页> 研究主题> 负荷特征

负荷特征

负荷特征的相关文献在1992年到2022年内共计137篇,主要集中在体育、电工技术、建筑科学 等领域,其中期刊论文76篇、会议论文11篇、专利文献84864篇;相关期刊59种,包括现代企业教育、福建质量管理、山东体育科技等; 相关会议8种,包括2015第十届全国体育科学大会、第十六届西南地区暖通热能动力及空调制冷学术年会 、2011年西南地区暖通热能动力及空调制冷学术年会等;负荷特征的相关文献由514位作者贡献,包括王勇、刘鹏、何开元等。

负荷特征—发文量

期刊论文>

论文:76 占比:0.09%

会议论文>

论文:11 占比:0.01%

专利文献>

论文:84864 占比:99.90%

总计:84951篇

负荷特征—发文趋势图

负荷特征

-研究学者

  • 王勇
  • 刘鹏
  • 何开元
  • 刁赢龙
  • 刘科研
  • 叶学顺
  • 孟晓丽
  • 桑帅
  • 盛万兴
  • 罗敏
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 贾东宁
    • 摘要: 为保障安全的船载用电环境,实现合理的用电配置与管理,在船载电力布局中引入非侵入式电力负荷监测.提出了一种融合高斯混合模型(GMM)与支持向量机(SVM)的电器类型识别算法.该方法利用暂态事件检测所提取的有效负荷特征,建立具有较好统计分布能力的GMM模型和具有较好泛化能力的SVM模型.对两种算法的概率分布进行融合生成最终识别结果.实验结果表明,相对单独应用SVM模型,本文所用方法在准确率和稳定性方面均有一定程度的提升,且实现复杂度低,具有良好的实用价值.
    • 段四喜; 杨文燕; 李锋林; 赵素萍; 付朝志; 于良君
    • 摘要: 采用污染系数估算法、等标污染负荷法和差异性统计法,对2016~2018年洱海流域16个乡镇肥料面源污染负荷特征进行了研究。研究表明:2016~2018年整个洱海流域TN、TP排放量、等标污染负荷量和排放强度逐年降低,TN排放量为2277.45、2071.65、1170.39 t,TP排放量为189.58、173.65、114.56 t,TN等标污染负荷量为2277.45、2071.65、1170.39 m^(3),TP等标污染负荷量为947.82、868.16、572.75 m^(3),TN排放强度为59.39、56.40、32.28 kg/km^(2),TP排放强度为4.95、4.71、3.38 kg/km^(2)。各年度TN和TP排放量、等标污染负荷量以及TN和TP平均排放量、平均等标污染负荷量均以三营镇、茈碧湖镇、凤羽镇和右所镇最高(4个乡镇TN和TP平均排放总量占流域污染负荷总量的53.73%和57.87%),海东镇和大理镇污染负荷居中,其余10个乡镇污染负荷偏低。各年度TN和TP排放强度均以邓川镇最高,其次是三营镇、茈碧湖镇、凤羽镇和右所镇,其余11个乡镇排放强度偏低。凤仪镇、喜洲镇、海东镇、双廊镇、上关镇和邓川镇TN和TP污染负荷逐年下降,其余10个乡镇在不同年度间污染负荷降中有升,升中有降,但10个乡镇总体呈下降趋势。
    • 陈泽西; 王朴; 田禾; 李想; 杨立
    • 摘要: 为提高配电网的运行稳定性,满足优质供电需求,提出基于负荷特征的有源配电网供电可靠性监测方法。选取负荷特征的采集设备,利用光纤网络传输采集数据;结合不同时间段的用电情况,建立负荷概率模型,获得配电网中所有负荷点的时序特征;分别分析串联、并联结构的负荷点可靠性指标,利用停电频率、停电时间等指标评估配电系统的可靠性;以这些指标为监测依据,获取配电网正常运行的概率公式,在网络中输入基本信息,设置迭代次数及抽样密度,判断停电期间电源是否能满足全部负荷的供电需求。仿真实验表明,应用所提方法进一步缩短了断电时间,最短为5 h,且供电可靠度均高于0.95,证明该监测方法对准确预测停电故障具有显著的意义。
    • 方紫筠; 钱玉良
    • 摘要: 基于用户自主选择行为并趋优的特性,提出了一种新型的电价套餐制定策略。首先,采用K-means算法对电力用户负荷特性曲线进行聚类分析,生成各类典型的用户负荷特性曲线;构建效用模型及用户选择概率模型,以效用最大化确定不同用电习惯的用户选择套餐的概率。其次,制定基于CVaR的售电商成本与风险模型,并以用户自主选择行为和售电商成本与风险等作为约束,以售电商利润最大化为优化目标,建立了电价套餐定制模型。最后,结合算例验证所提出的电价套餐的合理性及可行性。
    • 张新闻; 张若源; 李建炜
    • 摘要: 为降低非侵入式负荷在线辨识算法对硬件资源的要求,文中提出一种基于电流稳态特性分析的负荷特征标幺化阈值辨识方法。该方法将单个电器设备与多个电器设备的每种工作模态均视为不同负荷类别,应用瞬时功率理论与傅里叶变换方法提取不同模态基波有功、无功与各频次谐波电流分量幅值,并将其作为负荷特征;再以不同负荷类别的标准特征值为基准,提高负荷辨识中谐波电流特征权重,应用所提阈值辨识方法对待辨识负荷类别作出判定。结果表明:离线状态下,文中方法与k-NN、BP神经网络两种方法的辨识准确率相差1%左右;在线状态下,该方法的辨识准确率接近90%,且采用DSP28335处理器完成一次辨识任务耗费的时间在10 ms以内。辨识准确率与辨识时效性两项指标良好,证实了所提方法有效可行。
    • 刘家丞; 吴江; 刘鹏远; 徐占伯; 李晓鹏; 管晓宏
    • 摘要: 能源互联网架构下,用户数据传输延迟和电力公司管理规定促使电力数据中心在全国各地建立,电力数据因而呈现地理分布式,对此研究了在地理分布式情景下的用户负荷特征聚类算法。首先,对于地理节点内用户负荷的特征分析,在采用主成分分析与负荷指标特征加权组合算法的基础上,提出了考虑密度峰值信息的K-means算法,并为地理节点间的信息共识提供了支撑。其次,针对用户需求的地理分布式网络化感知结构,构建了考虑特征迁移的分布式聚类模型框架,提出将节点局部信息通过参数共识得到全局聚类模型的分布式K-means算法,在节点间仅传递公开信息的前提下,实现了用户特征的全局聚类。最后,通过爱尔兰、中国北方部分城市的负荷数据对模型及算法进行验证。结果显示,分布式K-means能利用全局信息、考虑不同区域的差异来更好地识别典型用电曲线,并且算法具有较好的可迁移性。
    • 吴迪; 王韵楚; 郁春雷; 刘晟源; 林振智; 杨莉
    • 摘要: 精确的用户需求响应潜力评估有助于电力公司或者负荷聚合商合理调用需求侧资源,提高需求响应的实施成效,以及降低电力系统的负荷峰谷差。在此背景下,针对用电容量大且负荷规律性强的工业用户,提出了一种基于高斯过程回归的需求响应潜力评估方法。首先,构建了基于时序分解算法的工业用户负荷分解模型,并提出了负荷趋势性和周期性分量的可中断负荷特征提取方法以及工业用户的需求响应意愿特征提取方法;然后,基于提取的特征,构建了基于高斯过程回归的工业用户需求响应潜力评估模型;最后,以浙江省工业用户的实际需求响应数据为例,对所提需求响应潜力评估方法的有效性进行验证。仿真结果表明所提方法可以较为准确地评估工业用户的需求响应潜力,为电力公司或者负荷聚合商制定需求响应方案提供参考。
    • 杜章华; 苏盛; 刘正谊; 薛阳; 杨艺宁; 刘厦
    • 摘要: 数据驱动的窃电检测方法主要根据电量及派生指标识别低电量异常,容易受干扰影响误报.利用工商业用户生产经营状态指标大致固定的特点,提出基于生产经营状态识别的窃电二次筛查方法.首先,将检出的低电量异常用户每天的三相功率作为负荷特征,用以标识其当天的用电行为模式及生产经营状态.然后,将每天的负荷特征进行近邻传播聚类.当低电量异常时段负荷特征与正常低电量生产经营状态聚为同类时,认为是用户状态正常转换导致的异常,可排除窃电嫌疑.基于实际窃电数据的测试表明,所提方法可降低误报率.
    • 王双风; 李爱月
    • 摘要: (1)目的:探讨不同训练时间与间歇时间对比负荷特征的研究,对训练效果的影响,旨在为今后训练提供指导;(2)方法:通过文献资料法、对比分析法、实验法和数理统计法,对不同训练时间与间歇时间比对负荷特征的研究,评定其不同训练时间与间歇时间对比对训练的血乳酸、心率、主观疲劳量表,并进行数据对比;(3)结果:通过不同训练时间与间歇比较心率、血乳酸和主观疲劳量表指标可知间歇时间与训练时间为2:1对运动的血乳酸、心率、主观疲劳量表要优于训练时间与间歇时间为1:1的训练结果;(4)结论:间歇时间与训练时间为2:1对运动员的影响效果为佳.建议教练员合理安排训练,调整教学训练的训练方案,可结合比赛时间结构以及专项训练的时间安排.
    • 曾爱华
    • 摘要: 目的:本研究从运动实践和训练计划的制定出发,整理分析出广东省帆板队员年度周期体能训练负荷特点及其规律,为今后我国帆板运动队年度周期体能训练负荷的制订和具体实施提供理论和量化指标的依据.方法:采用文献资料法、访谈法、数理统计法、实地考察法对广东省帆板队年度周期体能训练负荷特征进行全面的研究.结论:准备期以有氧耐力、最大力量和基本技能训练为主,日训练课逐渐增加负荷量,负荷量从小——中或次最大——次最大.负荷强度维持在三级到四级强度,心率控制在140到150之间;比赛期以最大速度和专项核心技能为主,心率控制在150——160之间,越接近比赛期,强化了运动员负荷强度,适当弱化了负荷量的安排.调整期以有氧耐力、静力拉伸和基本技能练习为主,日训练课逐渐增加负荷量,负荷量从小——中或次最大——大.负荷强度维持在二到三级强度,心率控制在120到140之间.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号