基于BiLSTM-TCNN的台区户变关系自动识别方法

传统识别方法在分类过程中提取数据特征存在次序性,导致台区户变关系识别结果误差较大,为此,提出了基于BiLSTM-TCNN的台区户变关系自动识别方法。采用远程集中抄表的方式获取台区用户的用电数据,并对原始数据进行预处理后作为样本数据,构建一种由BiLSTM和TCNN组成的并行结构分类模型,将样本数据输入模型,经训练后输出台区户变关系自动识别结果。结果表明,该设计方法识别台区户变关系时皮尔逊相关系数值为0.98,证实了该方法具有较高的识别精度。

基于营配贯通深化应用的低压台区线损治理

笔者利用舟山公司2013年营配贯通数据治理及2014年营配贯通深化应用工作的成果,基于创新的台区户变关系判别技术,结合国网试点同期线损管理系统建设,探讨了基于营配贯通应用的低压台区线损治理的方法。

基于相关度计算的台区表计异常研判方法

引起表计异常因素众多,如用户超容量用电、互感器异常、表计计量异常等,且表计异常与台区户变关系不一致、采集异常等因素相比具有更难被发现的特点。虽然供电企业已有相应的台区线损异常研判系统,但现有研判模型极易受到终端误报或漏报等因素影响,无法快速精准研判异常原因。本文以相关度为依据,介绍一种台区表计异常研判方法,快速精准定位异常表计,给线损管理人员提供疑似异常用户名单,提高了现场排查工作效率。