某电力系统计量装置防窃电措施

通过对近几年来计量装置的改造,验证了在防窃电功能计量准确性及安全运行等方面取得了显著成效,使其各项技术指标达到了规程规范的要求,避免人为造成电量损失的可能性,收到了显著的经济效益和社会效益。

基于数据挖掘的电网用户行为分析

电力负荷数据隐藏着丰富的用电信息.对这些数据进行挖掘,可以为智能化业务分析与决策提供数据支撑.为此,提出一种基于数据挖掘的电网用户行为分析方法.该方法使用主成分分析方法对负荷数据进行有效降维,以降低聚类分析的时间;然后,使用K-means算法对降维数据进行聚类分析,以区分不同类别的用电行为;最后,对不同类别的用电趋势曲线进行建模分析,提取用电行为模式.实验结果表明:该方法能有效地挖掘不同类别的用电行为模式.

相空间重构和SVR耦合的短期电力负荷预测

电力系统的短期负荷预测精度对智能电网安全运行有着重要影响,其中预测精度和训练步数至关重要,目前当地气象因素逐渐成为负荷预测中的关注点。以某市短期电力负荷为研究对象,建立了考虑日特征相关因素的支持向量回归机短期电力负荷预测模型,随后对某市考虑气象及日期类型的电力负荷做出预测。研究表明:利用考虑实时气象因素的SVR预测模型对短期电力负荷进行预测精度较高;考虑气象及日期类型的预测误差比不考虑气象及日期的预测误差小;嵌入维数和时间延迟对负荷预测模型精度具有重要影响。

面向电力工单文本的服务失误识别

服务失误会引发客户的负面情绪,是阻碍提升用户服务体验的主要因素.传统的人工分析方法在服务失误识别的效率和及时性上存在明显不足.为此,提出一种面向电力工单文本的服务失误识别方法.首先,采用情感分类从电力工单文本中选取负面电力工单本文;其次,使用IF-TDF计算负面电力工单文本TOP-N关键词,并使用词袋模型将文本向量化表示;然后,使用K-means方法将向量化文本进行聚类,得到服务失误簇;最后,使用文本支持度从服务失误簇中提取高频词.实验结果表明:该方法可以有效识别电力工单文本中的服务失误簇及簇内的高频词.