基于大数据分析的电力盗窃检测与预防系统研究

首先,基于大数据分析设立安全状态数据样本集,通过测试电力盗窃检测与预防系统安全状态的维度,对系统进行休整后得到安全系数。然后,根据电力盗窃检测与预防系统和数据集之间的相关因素,利用神经网络算法在输入层输入安全数据,经过隐藏层的处理计算,得到了输出检测结果。最后,计算电力盗窃的技术损耗得出测量的欧姆损失,对大数据分析迭代训练后完成电力盗窃检测与预防系统的设计。结果表明,从正常用户和电力盗窃的用电趋势可以看出,在用电12天左右时,电力盗窃的用电量最高可达到1.5 kWh,明显高于正常用户用电量,基于大数据分析的电力盗窃检测与预防系统能够有效根据用户的数据进行窃电检测且准确率较高。

车用低压质子交换膜燃料电池电堆的半经验模型

首先介绍质子交换膜燃料电池建模的现状,然后结合车用情况采用半经验方法进行建模,主要从理论基础出发,简化电堆模型,从中推导出浓差项,提出浓差阻力的概念。根据车用低压电堆的工作条件,采用断电法来获取不同温度下电堆的欧姆损失,用线性拟合方法获得欧姆损失表达式。在保证其他操作条件不变的情况下,改变空气过量系数,通过比较电堆电压的变化情况,采用实数编码的遗传算法对试验数据进行拟合,获得浓差阻力系数的表达式。在获得欧姆、浓差损失的基础上,推导出电堆的活化损失表达式。最终获得车用低压质子交换膜燃料电池电堆的半经验模型,并采用建立的模型对20组不同温度和过量空气系数下的电堆输出电压进行计算,计算结果与实际测量值比较吻合,说明建模方法相当有效,模型精度达到系统优化和控制的要求。