电力能效智能量化分级方法研究

被引：3

作者：

马立新

吕梦圆

机构：

[1] 上海理工大学光电信息与计算机工程学院

来源：

电力科学与工程 | 2017年 / 33卷 / 05期

关键词：

电力用户; 能效评测; 支持向量机; 量化分级;

D O I：

暂无

中图分类号：

TM73 [电力系统的调度、管理、通信];

学科分类号：

120103 [信息系统与信息管理];

摘要：

为响应节能减排,需对电力用户的进行能效评测以便进行节能改造。针对原始的能效评测方法易受人为因素影响、误差较大等问题,提出一种智能量化分级新方法,根据电能质量国标,引入能效等级概念从多维度对电力能效状态进行评测和量化分级。首先,构建了基于支持向量机的能效量化分级模型,接着将该模型用于电力能效等级的评测中。实例分析表明所提出的支持向量机的能效量化分级模型流程清晰、方便快捷、适用性广,能够客观真实地展现出电力用户的能效状况,极具应用前景。

引用

页码：46 / 49

页数：4

共 13 条

[1]

高电耗系统的能效评测及分级新方法 [J].

马立新 ;

朱润 ;

周小波 ;

王井 .

控制工程, 2016, 23 (09) :1375-1379

[2]

多元扰动下的热力系统能效分析模型的积分算法 [J].

闫顺林 ;

田东旭 ;

谷兵 ;

艾书剑 .

电力科学与工程, 2016, 32 (08) :61-64

[3]

基于能量流及D-S推理的风电机组能效综合评价 [J].

徐婷 ;

王瑞 ;

顾煜炯 ;

冯晖 .

电力科学与工程, 2015, 31 (12) :1-8

[4]

沥青路面碾压质量的支持向量机评价方法 [J].

崔华 ;

李建成 ;

郭璐 ;

宋焕生 .

公路, 2015, 60 (09) :72-77

[5]

基于SVM的火电企业能效监督评价体系 [J].

周永芳 ;

时章明 ;

沈浩 .

冶金能源, 2015, 34 (04) :3-6+45

[6]

能效测评系统中的变采样速率方法 [J].

马立新 ;

陆雅玲 .

控制工程, 2015, 22 (04) :752-755

[7]

Application of a support vector machine for prediction of slope stability.[J].XUE Xin Hua;YANG Xing Guo;CHEN Xin;.Science China(Technological Sciences).2014, 12

[8]

Combination of Model-based Observer and Support Vector Machines for Fault Detection of Wind Turbines [J].

Nassim Laouti ;

Sami Othman ;

Mazen Alamir ;

Nida SheibatOthman .

International Journal of Automation & Computing, 2014, 11 (03) :274-287

[9]

Improved twin support vector machine.[J].TIAN YingJie;JU XuChan;QI ZhiQuan;SHI Yong;.Science China(Mathematics).2014, 02

[10]

一种基于支持向量机的电能质量综合评价方法 [J].

李唐兵 .

华中电力, 2009, 22 (06) :12-15

← 1 2 →