基于极限学习机的超短期电力负荷度量研究

针对电力负荷超短期输出数据相似度较高导致输出结果不精准的问题,提出基于极限学习机的超短期电力负荷度量方法。基于极限学习机网络计算电力负荷度量偏差,最大程度消除冗余数据。以负荷影响因素为模型输入,以负荷为模型输出,在相似性原则下,读取历史负荷数据。利用激活Sigmoid函数平滑处理样本数据,设置切换准则,设计极限学习机度量过程,完成超短期电力负荷度量。由实验结果可知,该方法 12月21日、12月25日电力负荷的波动范围分别为0～600 kW、0～1 300 kW,与实际数据存在较小的偏差,具有精准度量结果,受数据相似度影响较小。     

基于云计算的电力异常大数据检测系统设计

为了解决传统电力异常大数据检测系统存在检测精准度低的问题,提出基于云计算的电力异常大数据检测系统.根据系统总体结构设计系统硬件,使用Android和IOS原生开发框架作为移动端底层框架,利用H5技术实现Web端代码共用.使用两个二进制数码"0"和"1"展示数据,使用RabbitMQ技术作为消息队列存储大数据,依据数据缓...