基于多特征符号聚合近似和层次聚类的户变关系识别方法

针对低压配电台区拓扑档案中可能存在的户变关系异常问题,文中提出了一种基于多特征符号聚合近似(MF-SAX)和层次聚类的户变关系识别方法。首先,运用符号聚合近似表达方法将用户电压时间序列转化为字符串序列,并引入电压波动系数和电压变化趋势两个附加参数对其特征表达进行强化。然后,基于编辑距离生成用户电压曲线相似性矩阵,并结合层次聚类算法实现户变关系的识别。最后,实际算例结果表明,提出的方法相比于现有方法准确率更高,误报更少,能直接应对数据缺失的情况,且具有更高的效率。

电气试验数据无线传输与自动处理方案设计

电气试验仪器具有保存特定格式试验数据的功能,此类数据文件命名不根据被试验设备改变,其试验数据文本格式不同于总结报告,后期处理试验数据消耗大量人工,降低班组作业效率。文章基于乐鑫ESP-USB方案设计制作了直插电气试验设备的具有无线局域网AP功能的微型无线文件服务器,开发数据处理主机端软件,使数据处理主机端能够作为AC下载微型无线文件服务器中的试验数据文件,并自动整理成总结报告所需格式,提高了电气试验数据的流转效率。

基于图转换和混合卷积神经网络的窃电检测方法

传统的窃电检测方法大多基于一维用电序列数据构建模型,同时单一的分类模型往往限制了电力用户行为规律的深层挖掘。为进一步提高窃电行为的检出率,提出一种基于图转换和混合卷积神经网络的窃电检测方法。首先,为了更好地捕捉用户窃电前后的用电周期性特征差异,引入基于格拉姆角和场的图转换方法,实现用电数据的二维化。然后,针对不同维度的输入形式,利用混合卷积神经网络同步提取原始一维序列数据的全局特征以及二维图像数据保留的时序相关性特征。实际算例结果表明,所提模型的受试者工作特性曲线下面积、查全率以及F1分数3项指标相比于随机森林、宽而深卷积神经网络等模型取得了有效的提升。