基于多判据融合的用电信息采集系统异常数据甄别模型

针对海量数据处理难度大,传统人工排查方法效率低、实时性不高等问题,建立了基于多判据融合的用电信息采集系统异常数据甄别模型。首先,对用电信息采集系统数据断点、异常点和现场实际运行数据情况进行统计分析;分别采用原型聚类法、密度聚类法、概率密度法和深度学习方法4种方法进行异常值甄别,并比较各方法的异常值甄别结果;为避免单一判断准则的随机性与不准确性,将4种方法异常值甄别结果进行相互交叉验证,获得最终的异常值甄别结果;基于已经训练完成的模型,在线监测异常数据,最终建立基于多判据融合的异常数据甄别模型。通过用电信息采集系统异常数据甄别模型基本测试和实际电表的电流和功率测试,结果验证了模型和方法的可行性和有效性。

空气源热泵在集中空调系统中运行能耗数据异常分析研究

空气源热泵在集中空调体系中运行能耗数据异常分析受到夏季和冬季气流影响,造成能耗数据异常分析结果不精准。针对该问题,提出基于数值模拟的运行能耗数据异常分析方法。根据气流运动产生的能量守恒定律构建连续性方程,通过数值模拟获取夏季和冬季气体流动参数。分析热泵机组热负荷、冷负荷、耗电量异常因素,根据空气源热泵结构计算异常数据聚合度,构建能耗数据异常甄别模型。计算数据曲线斜率变化速率,甄别能耗数据异常情况,搭建空调实验室,统计实际能耗异常数据。通过实验对比结果可知,所研究数值模拟方法与实际异常能耗数据基本一致,具有精准分析效果。

基于长短期记忆网络的智能用电数据甄别方法

针对智能配用电大数据背景下用电数据中存在数据异常和质量低的问题,提出一种基于长短期记忆(long short term memory, LSTM)网络的电力数据异常数据甄别方法。首先,对历史电流、电压和功率等时间序列进行滚动抽样,构建电力数据样本库;其次,使用样本库训练LSTM网络模型,优化模型参数;然后,基于训练后的网络模型,针对目标电表进行用电数据模拟,预测未来时刻的电流、电压和功率序列;最后,设置阈值参数,比较电表数据预测值与真实值之间的误差,实现异常数据甄别。采用实际电表的用电数据进行实验分析,通过实验比较LSTM网络模型与原型聚类法、密度聚类法等方法在人工异常曲线中的检测准确率,同时分别测试人工添加噪声信号的序列与系统运行中实际故障的序列。多组实验结果表明:所提出方法能准确检测异常数据,适用于多种用电数据的异常数据甄别,并能够保证电力系统的长期可靠运行。

煤矿地下积水采空区挡水煤柱分级预警模型研究

煤矿地下积水采空区运行状态是井下高效生产工作的基本条件,而挡水煤柱作为直接与水接触的对象,更是潜在的危险因素。为及时了解挡水煤柱内部受力及渗压变化情况,以内蒙某矿42108辅运巷32与33联巷间挡水煤柱为研究对象,设计搭建监测系统,实时采集数据;引入概率论中相关理论和不等式方法,对各传感器进行分类和异常数据判定,建立了单一传感器分级报警方法,能够精准发现异常数据,提高数据异常甄别的准确率;采用矩阵QR分解法和最小二乘法等,同时对钻孔应力和渗压监测数据进行综合分析,建立区间范围,提供基于钻孔应力和渗压监测的综合安全分级方法。研究结果表明:单一测点分级预警和综合分析预警技术方法,能较准确地对挡水煤柱定点区域及整体进行安全评价预警;同时单一测点分级结果都略高于挡水煤柱综合分析预警等级,说明单点区域风险并不决定煤柱整体安全状态,挡水煤柱仍具有较高的可靠运行特性。

燃煤电厂环保全工况在线监控系统的设计与应用

为了进一步提升电力环保监管水平与针对性,强化环境监察快速反应能力,江苏省开展了燃煤电厂环保全工况实时在线监控系统的研究和建设。系统基于"全工况监控"的理念,将工业过程监控技术引入火电厂烟气污染排放监管工作,监控范围涵盖脱硫、脱硝、除尘系统所有参数及主机系统关键参数,数据更新周期降至秒级。在此基础上,系统研制了数据异常甄别模型,对数据的真实性、有效性进行评估,提升了原始数据的质量;同时,开发了环保电价考核模型,配合政府部门开展环保电价结算工作。目前系统已在江苏省得到了广泛应用,并以此为依托建成了完整的发电侧节能减排数据中心,为政府部门及时掌握全省燃煤机组污染物排放和环保设施运行状况、挖掘节能减排潜力提供了坚实的数据支撑。