基于回归卷积神经网络和负荷混沌模型的窃电预测方法

精确地计算台区线损、提取用户用电特征实现窃电预测,是精准营销策略制定的关键。然而,台区可再生能源发电的随机性、电动汽车充放电无序性、环境变化等因素使用户用电行为极易突变,导致台区用户用电数据呈现混沌随机特性,无法有效检测用户窃电行为。对此,建立了台区用户用电的时序相关混沌模型,并提取窃电负荷样本与正常样本的特征,使用回归卷积神经网络对窃电样本和正常样本训练学习,获得增强特征分类学习器,以此实现对窃电用户用电预测。通过对某实际电力公司用电数据的测试分析表明,所提方法的计算结果具有较高的精确度。

应用变分模态分解和独立分量分析的变压器局部放电信号特征提取研究

针对现有局部放电信号特征提取方法存在的不足以及变压器局部放电信号中存在大量的电磁干扰,提出了一种利用变分模态分解法将被测信号分解成围绕若干中心频率波动的模态,同时去除白噪声。再进行含变压器局部放电信息的模态重构,用独立分量分析法滤除周期干扰噪声,实现了信号的特征提取。仿真结果验证了该方法的有效性,保证原始信号能量损失较小,局部放电特征保留较好,是局部放电信号去噪的一种新方法。

谈谈智能电表的特点与优势

随着国民经济的不断发展，电力已经成为国家的最重要能源。就民用电力来说，由于人民物质生活的极大丰富，生活质量迅速提高，对电力的需求也越来越大。但是，当前居民用电的管理过于落后，居民用电管理收费多年来一直采用先用电、后抄表、再付费的传统作业方式。居民用电绝大多数实行“分表制”，即若干集中居住的家庭（一个居住单元或若干居住单元的集合）使用一个总的电表，每户装一个分电表，电力部门抄表员抄收总电表的电量，作为居民交付电费的依据。为了适应社会的需要，保证用户安全、合理、方便地用电，对传统的电表和用电的管理模式进行改造，使之符合社会发展的需要就显得很有必要。

对电能表误接线采取的对策分析

介绍电能表的错误接线，通过对电能计量装置错误接线的分析，说明了电能表错误接线对电能计量的影响，造成电能表停转、反转等情况。

基于泛在电力物联网下双向长短时记忆的线损预测计算方法

随着风、光等可再生能源发电及柔性负荷的并网,使泛在电力物联网的运行调控异常复杂,导致输电线路损耗不断增大,对此提出基于双向长短期记忆的线损预测方法以指导运行调控决策。首先,在电力物联网的全时空量测环境下,提出了B系数法的线损计算模型;其次,以B系数法线损计算模型为基础,建立了泛在电力物联网的线损大数据;第三,基于人工智能中的双向长短时记忆网络方法,以线损数据为输入和约束条件,提出了线损预测计算方法;最后,通过实际电网的仿真验证,表明了所提方法的有效性。

电力谐波对电能计量的影响分析

在分析电能表计量原理的基础上,对比分析了谐波对电子式与电磁感应式电能表的计量影响,提出存在电力谐波影响情况下合理的电能计量方法。