最新配變重過載原因(三篇)

每個人都曾試圖在平淡的學(xué)習(xí)、工作和生活中寫一篇文章。寫作是培養(yǎng)人的觀察、聯(lián)想、想象、思維和記憶的重要手段。相信許多人會覺得范文很難寫？下面是小編幫大家整理的優(yōu)質(zhì)范文，僅供參考，大家一起來看看吧。

配變重過載原因篇一

對策理論主要解決的問題是：在一次多人聯(lián)合參與的工作中,找到一個分配函數(shù)將合作產(chǎn)生的總效益公平、有效地分配給聯(lián)盟中的每位參與者。shapley在1953年首先提出了具體的解法^[,因此也被稱為shapley值法。理論上,求解配變重過載影響因素的相對重要性可以看作這一問題的同構(gòu)問題,同構(gòu)性解釋如下：1）參與者看作模型中的影響配變重過載的特征量;2）聯(lián)和貢獻看作是各個特征量或特征量的組合對配變負(fù)載的影響;3）特征函數(shù)看作特征變量與配變負(fù)載率的互信息;4）效益分配看作所有特診變量與配變負(fù)載互信息的分解。

下面給出對策理論的具體算法。假設(shè)有3個自變量,記為x_i、x_j和x_k,因變量記為y。自變量依次以ijk的次序進入模型,分別計算在不同自變量構(gòu)成的模型中的自變量與因變量的互信息i,分別記為i₁,i₂和i₃,則i₁為x_i的單獨貢獻值,i₂為在已經(jīng)引入x_i之后的x_i與x_j的聯(lián)和貢獻值,i₃看作3個自變量的聯(lián)和貢獻值。那么可以將(i₂-i₁)看作自變量x_j的單獨貢獻值,同理可將(i₃-i₂)看作x_k的單獨貢獻值。假設(shè)對因變量有影響的自變量有p個,對于某一特定的自變量進入模型序列,當(dāng)i=1,2,…,p時,將i_j-i_j-1看作第j個自變量在對應(yīng)序列中的相對重要性。當(dāng)自變量的個數(shù)為3時,所有自變量以不同的進入序列進入模型的相對重要性如表3所示。在表3中,同一自變量在不同的進入序列中所占的相對重要性不同。表3 不同序列自變量與因變量互信息計算 tab. 3 the computation of mutual information between different sequences of independent variables and dependent variables 從表3可以看出,對于p個自變量,進入模型的不同序列就有p!個。顯然,當(dāng)自變量個數(shù)為3時,序列的個數(shù)為6。shapley值定理：p個自變量x={x₁,x₂,..,x_p}和以互信息i為特征函數(shù)的條件下,v_i為自變量x_i對因變量的貢獻值,有如下公式：

\(vi(x)=\sum\limits_{s\in x/xi}{\alpha n(s)[i(s\bigcup xi)-i(s)]}\) (5)

\(\alpha n(s)=\frac{s!(p-s-1)}{p!}\) (6)

其中：s為不包含自變量x_i的所有子集;s為s中變量的個數(shù);p為所有自變量的個數(shù)。

配變重過載原因篇二

為構(gòu)建提取配變重過載規(guī)則的數(shù)學(xué)模型,首先要確定輸入的特征變量。配變重過載的主要影響因素包括溫度、天氣狀況、日期等天氣因素,配變類型、冷卻方式、保護方式等配變自身屬性因素以及配變所帶用戶的負(fù)載類型、生產(chǎn)班次、產(chǎn)業(yè)規(guī)模等用電客戶因素。

本文選取的天氣因素特征變量具體定義如下：1）日平均溫度;2）月平均溫度;3）天氣狀況;4）星期;5）是否為國家法定節(jié)假日;6）季度。

其中特征量1）—2）的字段屬性為數(shù)值型,特征量3）—6）的字段屬性為字符型。

對于日平均溫度,將其分作5類,如表1所示。其中,配變負(fù)載率=視在功率/配變?nèi)萘?某天配變負(fù)載類型由當(dāng)天的最大負(fù)載率決定。配變負(fù)載率的分類如表2所示。表1日平均溫度分類 tab. 1classification of daily mean temperature 表2配變負(fù)載率分類 tab. 2classification of distribution transformer load 對于配變自身屬性因素以及用電客戶因素,可以從運營監(jiān)測中心及營銷系統(tǒng)中提取到數(shù)據(jù),其中可能用到的配變自身屬性因素的特征變量具體定義如下：1）配變首次運行日期;2）配變銘牌容量;3）配變主備性質(zhì);4）配變保護方式;5）配變冷卻方式;6）配變生產(chǎn)日期;7）配變變動容量。特征量1—7的字段屬性均為字符型。

配變重過載原因篇三

根據(jù)國家標(biāo)準(zhǔn)(gb/t 4754—2002)將國民經(jīng)濟行業(yè)類別分為20大類,該區(qū)域內(nèi)每個行業(yè)的配變重過載比率如圖2所示。圖2 行業(yè)配變重過載率 fig. 2 overload rate of different industry category distribution transformers 圖3 用電類別配變重過載率 fig. 3 overload rate of different electric category distribution transformers 圖3展示了不同用電類別的配變重過載率,可以看出,鄉(xiāng)村居民用電配變重過載率遠(yuǎn)高于城鎮(zhèn)居民用電配變重過載率,這是因為一方面鄉(xiāng)村用戶家里出現(xiàn)了大功率電器,導(dǎo)致居民用電量的增加;另一方面鄉(xiāng)村配變老舊,容量較小。針對單臺配變,影響其重過載情況發(fā)生的主要因素為日平均溫度和月平均溫度。根據(jù)實驗數(shù)據(jù)統(tǒng)計出該區(qū)域每臺配變重過載概率與日平均溫度之間的關(guān)系,月重過載天數(shù)與月平均溫度之間的關(guān)系,并根據(jù)統(tǒng)計結(jié)果對配變進行分類,每一類的配變重過載概率與日平均溫度之間都有相同的趨勢。圖4展示了4種典型配變重過載概率與日平均溫度之間的關(guān)系,可以看出,隨著日平均溫度由極低溫升高到極高溫,i類配變的重過載概率變化是高-低-高,ii類配變概率變化是低-中-高,iii類配變概率變化是高-中-低,iv類配變概率變化是中-高-低。對區(qū)域內(nèi)的所有配變根據(jù)前文提到的溫度區(qū)間重過載概率分類方法進行分類,可以直觀地得出每臺配變在不同溫度區(qū)間的重過載概率分布以及重過載概率隨溫度變化的趨勢,分類結(jié)果如表6所示。圖4 配變重過載概率與日平均氣溫的關(guān)系 fig. 4 relationship between overload probability and daily mean temperature 表6 配變分類 tab. 6 classification of distribution transformers 由表6可知：1）i類配變數(shù)量為478,占重過載配變總數(shù)的。此類配變多為工業(yè)行業(yè)、通信行業(yè)用電。在溫度極高和極低時,保障設(shè)備的正常運行會消耗額外的電量。2）ii類配變數(shù)量為821,占重過載配變總數(shù)的。此類配變多為居民住宅、商業(yè)等用電,溫度較高時,空調(diào)負(fù)荷增加,使配變重過載概率上升。3）iii類配變數(shù)量為300,占重過載配變總數(shù)的18%,此類配變多為供暖行業(yè)及在冬季營業(yè)的特殊行業(yè)等用電,所以在天氣寒冷時有較大重過載概率。4）iv類配變數(shù)量為67,占重過載配變總數(shù)的4%,此類配變多為露天工地以及其他露天場所等用電,天氣炎熱或寒冷時,溫度不適宜露天工作,故配變重過載概率較低。而當(dāng)溫度適宜時,工作量加大,造成配變重過載概率升高。對于編碼為23411的配變,圖5展示了此配變的月重過載天數(shù)與月平均溫度之間的關(guān)系,可以看出在溫度較高的6、7、8月份重過載天數(shù)沒有超過10天,溫度適中的3、4、5、9、10、11月份重過載天數(shù)均超過15天,而溫度較低的1、2月,重過載天數(shù)在10~15天之間,這與該配變隨溫度由低到高的重過載概率變化趨勢是相吻合的。圖5 第四類配變月重過載天數(shù)與月溫度之間的關(guān)系 fig. 5 relationship between overload days of fourth distribution transformers and month mean temperature 由于極低溫區(qū)間與極高溫區(qū)間的樣本數(shù)量較少,概率值會出現(xiàn)誤差,隨著配變負(fù)荷數(shù)據(jù)的累積,此誤差值會逐漸減小。