基于主成分分析和遗传程序设计的油浸式变压器故障诊断

提出了一种基于主成分分析和遗传程序设计的分类模型,并应用于油浸式变压器故障诊断中。该分类模型以变压器油中溶解气体的DGA数据为评价指标;通过对所采集数据进行主成分分析,减少了数据的冗余度,从而大大降低了问题的复杂度。实验证明该模型是高效可行的。     

数据挖掘方法在传统预测模型中的应用

数学建模领域中,对于解决不同类型的预测问题有一些经典的预测模型。最近日益流行的数据挖掘技术也有一些针对解决预测问题的独特的数学模型和建模方法。在此对使用传统解析式模型的预测方法与应用数据挖掘技术的数据库模型的预测方法进行了对比,重点分析了2种方法在影响因素的确定、数据规律的寻找方法以及模型侧重点选择上的不同之处,并简单讨论了如何结合2种模型的优点,将数据挖掘技术应用于传统解析式模型的建模过程之中,对已有的解析式预测模型进行改进,进而得出更加可靠准确的预测结果。     

国网阳谷县供电公司:负压更换变压器阀门操作法的创新与使用

随着油浸式电力变压器容量的增大,装置的油量也随之增加,而通常的更换变压器各油路阀门作业,需要先将器身内的绝缘油排放干净,再进行阀门或油封更换,然后再将过滤后的绝缘油注入器身内,整个过程需4～12小时。注油后的变压器还需静止32小时,才可以对变压器做各项试验,费时又费力。检修人员为改变这种状况,发明了一种"负     

基于时间序列分析的输变电工程变压器价格短期预测研究

变压器价格是影响输变电工程投资的重要因素,但是由于影响变压器价格因素众多,因此对变压器价格进行科学预测有一定的难度,而输变电工程投资管控又迫切需要对变压器价格进行准确地预测。鉴于此,文章以2010~2018年输变电工程变压器价格为研究样本,在描述变压器价格变动轨迹的基础上,分别以移动平均法、单指数平滑法、双指数平滑法、非周期的Holt-Winter法、AR模型和MA模型对变压器价格进行预测,给出2019年和2020年变压器价格的预测值并进行优劣判断。研究结果表明:双指数平滑法预测精度相对较高,而引入多种时间序列模型进行变压器价格预测,能够给出投资决策者多种选择,可以提高决策的精确性和柔性,对输变电工程实现精准投资和良性投资控制具有一定的积极意义。     

基于最小二乘支持向量机的标高金预测方法研究

标高金确定的合适与否,直接影响着投标方能否中标和盈利。针对传统神经网络方法存在的缺点,提出了一种基于最小二乘支持向量机的标高金预测方法,并对该方法进行了实证研究。实例研究表明,基于最小二乘支持向量机的标高金预测方法是有效可行的,其在解决小样本数据的非线性问题上有着传统方法无可比拟的优越性。该方法为科学合理地确定标高金提供了一种新的思路,可为投标方的报价决策提供参考。     

基于健康状态预测的家具制造设备维修方法

针对板式家具制造企业中如何以较少的投入来减少故障停机时间的问题,提出了一种基于健康状态预测的设备维修方法。该方法将设备的温度和电信号数据作为输入信息,通过模糊最小二乘支持向量机构建的故障预测模型获得预测输出,并以该预测输出数据来建立设备健康状态等级、指导设备维修计划的科学制定,从而减少故障停机时间。利用直线封边机的运行和维修数据对该方法进行案例验证,表明该方法有一定有效性。     

基于机器学习的“一带一路”投资国别风险预测研究

“一带一路”倡议提出十年间,中国对沿线国家的投资规模持续扩大。然而,企业在抓住机遇,进行“一带一路”沿线国家投资的同时,也需要重点关注“一带一路”投资国别风险。本文从政治、经济、社会和对华关系4个维度构建“一带一路”投资国别风险预测指标体系;运用灰色关联分析计算样本国家的综合风险评价值;基于2012～2022年间“一带一路”沿线国家的数据,利用机器学习构建GA-BP神经网络、支持向量回归和随机森林3种预测模型;通过对比预测精度,确定最佳预测模型,利用2021年的指标数据,对2022年的投资国别风险进行预测。研究结果表明：(1)在“一带一路”投资国别风险的研究背景下,支持向量回归模型预测效果最优,证明机器学习模型能够有效应用于风险管理领域;(2)“一带一路”投资国别风险存在明显的地区差异,中东欧地区和东南亚地区投资国别风险普遍较低,而南亚地区投资国别风险普遍较高,但都存在特例。本文研究结果可为“走出去”企业在“一带一路”沿线国家的投资决策提供参考。     

基于全寿命周期的配电变压器质量管控方法研究

基于配电变压器全寿命周期的质量信息,采用以抽检方式为主,驻厂监造和违约行为处罚相结合的方式,对配电变压器进行的全过程质量管控。近几年我国输配电设备生产企业不断增加投资、扩大规模,导致配电变压器市场产能过剩,市场竞争强度达5:1以上,竞争十分激烈。一些企业为争夺市场份额采取低价竞争策略,少数企业刻意压低成本在生产过程中以铝代铜,采用     

浸油变压器油温升计算方法探讨

运用传热学基本原理和经典试验换热准则式,推导得出浸油变压器平均油温升和顶油温升的计算式。并依此计算了一款三相油浸式变压器的平均油温升和顶油温升,计算结果与试验结果较为吻合,表明本计算方法在工程中应用可靠。     

零售业数据仓库开发过程中数据挖掘模型的设计和应用

伴随着企业数据量的不断增加,客观上要求为高层管理者提供集成化和历史化的数据。如何利用各部门信息系统中的数据,帮助高层管理者进行相关的决策分析,这个问题变得日益重要。以零售业管理平台系统为实例,介绍了在传统的数据库管理系统基础上,在构建数据仓库及相关的决策分析模型中,如何进行数据挖掘对象的分析,数据挖掘模型和数据的准备,以及数据挖掘模型的应用。     

基于数据挖掘技术的电厂运行参数目标值优化

针对电站数据自身的多元性、动态性与相关性给人工分析和处理带来困难的特点,提出了基于数据挖掘算法的电厂运行参数最优值的确定方法,并将其应用于电站实际运行中。     

基于时间序列分析的火电机组运行优化研究

为了预测火电机组在变工况状态下的运行最优值,提高燃煤电厂的燃煤效率,依据燃煤火电厂3个月的各项数据,通过分析并挖掘燃煤火电厂与供电煤率密切相关的可调控参数(主蒸汽温度、主蒸汽压力)随时间的变化关系,利用Holt-Winters时间序列法进行预测。经过计算发现,通过Holt-Winters方法得到的主蒸汽温度和主蒸汽压力的相对误差值分别为0.28%和2.13%。实验结果表明:Holt-Winters时间序列法对预测燃煤火电厂火电机组在变工况下的运行数据是合理的,且其误差小,对燃煤火电厂提高火电机组的燃煤效率具有一定的指导意义。     

Using least squares support vector machines for the airframe structures manufacturing cost estimation

Accurate cost estimation plays a significant role in industrial product development and production. This research applied least squares support vector machines (LS-SVM) method solving the problem of estimating the manufacturing cost for airframe structural projects. This research evaluated the estimation performance using back-propagation neural networks and statistical regression analysis. In case studies, this research considered structural weight and manufacturing complexity as the main factors in determining the manufacturing labor hour. The test results verified that the LS-SVM model can provide accurate estimation performance and outperform other methods. This research provides a feasible solution for airframe manufacture industry.     

基于ITD-ELM的变压器绕组微弱匝间短路故障诊断

为了解决油浸式变压器内部绕组绝缘故障检测难度大的问题,提出了一种基于本征时间尺度分解(ITD)和极限学习机(ELM)的变压器绕组微弱匝间短路故障诊断方法。首先,将采集到的变压器可听声信号利用ITD算法分解为若干旋转(PR)分量,并将峭度值较大的分量信号相加,对可听声信号进行重构;其次,将重构后的变压器可听声信号作为模型输入层,故障诊断结果作为模型输出层,构建了基于ITD-ELM的变压器绕组微弱匝间短路故障诊断模型;最后,以一台110 V变压器搭建实验模拟平台,对其微弱匝间短路故障进行训练并诊断。结果表明：基于ITD-ELM模型的微弱匝间短路故障诊断精确率为98%,较传统的ELM故障诊断精确度提升了3%,验证了所提变压器绕组微弱匝间短路故障诊断方法的准确性。研究所提出的故障诊断方法准确性较高,可应用于现场运行的不同电压等级的油浸式变压器。     

基于内容分析的数据挖掘研究

采用计算机辅助内容分析软件Atlas.ti对开源社区用户学习行为进行定性分析,将分析后的结果导出为特定格式的XML文档,使用DOM对该文档解析后形成二维表形式数据,使之便于在数据库中存储,从而进行进一步的定量分析,为内容分析的后继研究提供了一种新的思路.     

基于主成分分析的我国房地产业周期波动研究

运用主成分分析法构造房地产业景气综合指标（主成分）,第一主成分贡献率为0．96829,说明它保留了原始变量96．829％的信息,在房地产业周期波动分析中就可以把其他主成分舍弃。第一主成分与原始变量的相关系数p称为因子负荷量为0．70632,表明第一主成分反映了商品房销售额指标70．632％的信息。选择商品房销售额指标作为代表,来研究房地产业周期变动的特征和规律性是可行的。运用时间序列加法模型和乘法模型分析了我国房地产业周期波动的特征和规律性,我国房地产业循环波动的周期为12-13年。     

用时间序列与线性规划分析2020年中国的能源结构

我国二氧化碳排放量位居世界第一,应对未来的环境问题,优化能源结构,减少温室气体的排放是必然的选择。本文利用时间序列分析,预测中国2020年能源需求总量为449074.91万吨标准煤,指数计算其GDP是765009.92亿元。利用中国有碳与无碳能源发展作为约束条件,以碳排放最小化为目标函数,建立L.P.模型,计算证明2020年中国排放9977.05百万公吨CO2,相当于1.30公吨CO2/亿元GDP,比2005年3.02公吨CO2/亿元GDP,降低57%;届时,核电、水电及风力与太阳能发电满足电力总需求的16%。