电能计量装置现场反窃电自动化检验技术

电能计量装置现场的窃电用户识别较为困难,导致窃电检验准确率偏低。为此,提出一种电能计量装置现场反窃电自动化检验技术。通过数据信息集成、数据清晰度显示、数据信息变换和数据内容简化实现数据挖掘。利用线性插值采集缺失数据,并实现数据补正。利用归一化处理实现窃电数据分析。建立用户窃电行为判别树,筛选异常数据,建立分析模型,通过比较关联特征确定窃电量。实验结果表明,研究的电能计量装置现场反窃电自动化检验技术能够确定线损波动情况,寻找异常数据,窃电量检测结果准确率在98%以上,适用于实际电网保护工作。

电网人机对话系统短文本用户意图自动识别方法

为避免电量信号出现过度消耗的情况,从而实现对用户主机短文本信息意图的精准识别与分析,提出电网人机对话系统短文本用户意图自动识别方法。借助Hadoop框架结构,定义与短文本字符串相关的匹配条件,根据电量信号的传输意图分析结果,完成电网人机对话系统中的短文本用户意图处理。在此基础上,确定用户意图信息的相关度估算结果,分别计算识别窗口的宽度与长度数值水平,实现电网人机对话系统短文本用户意图自动识别方法的顺利应用。实验结果表明,与多级负荷聚类型识别方法相比,自动识别方法能够准确面对用户意图,在控制电量信号消耗量的同时,得到准确的短文本信息识别与分析结果,更符合实际应用需求。

基于大数据分析的电网窃电行为特征自动提取模型

目前研究的电网窃电行为特征提取方法数据挖掘能力较差,导致反窃电甄别效果不理想。为了解决上述问题,提出了基于大数据分析的电网窃电行为特征自动提取模型。建立大维随机矩阵,对数据进行预处理,实现反窃电甄别,并完成输出反馈控制。通过线损识别、台区识别、窃电嫌疑判断实现特征识别,利用滑动窗口提取视在功率、三相电压不平衡率、三相电流不平衡率和功率因数等特征参数,分析是否存在异常。实验结果表明,基于大数据分析的电网窃电行为特征自动提取模型能够有效确定特征值平均谱,精准地实现发窃电信息甄别。

基于改进VSM的电力公共信息快速检索系统设计

针对目前设计的电力公共信息检索系统在检索过程中敏感性较高,容易出现误报,限制系统的响应时间,导致鲁棒性较差的问题,应用改进向量空间模型(VSM)算法设计了一种新的电力公共信息快速检索系统。在系统硬件上优化了电力公共信息快速检索终端,由CDMA Modem模块、GPS模块、MCU及电源四部分组成,存储器设置多个接口,确保信息被顺利接收,将C8051F020芯片安装在识别器内部,保证识别器的灵活性。利用改进VSM对电力信息进行分类,确定信息样本,将分析结果与阈值比较,判定是否为电力公共信息,从而完成软件检索程序设计。实验结果表明,设计系统能够准确检索出150个电力公共信息,降低检测的失误率,保证电力系统运行过程的鲁棒性和可靠性。

海量冗余数据冲击下网络入侵检测方法

针对冗余数据冲击下网络入侵数量较大,无法很好地区分正常行为和入侵行为,导致检测准确性差的问题,该文提出一种海量冗余数据冲击下网络入侵检测方法。利用独热编码方式对网络入侵数据进行编码处理,将其转换为数值类型特征。采用PCA算法对海量冗余数据进行压缩,通过数据聚类算法实现网络入侵压缩数据采样,改善海量冗余数据质量,去除网络数据中的噪声;通过改进K-means算法划分数据类簇,筛选内部异常点;利用支持向量机方法为每个类簇构建单分类器,进而判别攻击类型,减少误报率,通过梯度下降法实现网络入侵数据的寻优,实现海量冗余数据冲击下的网络入侵检测。经实验测试结果表明,所提方法可以有效降低网络入侵检测时间,提升检测结果的准确性。