基于密度聚类技术的电力系统用电量异常分析算法

如何科学、准确地识别异常用电量对于改善电力系统用电管理至关重要。文中提出一种基于密度聚类技术的电力系统用电量异常分析算法。该算法通过基于密度的聚类技术和局部离群点要素给出异常用电波动区间的离群度,利用关联分析法构造关联规则,同时给出其关联规则支持度,并结合当前用电量综合分析获取异常用电得分。最后以异常用电百分比实现用电量信息异常情况的快速、可靠分析。仿真和实验测试结果表明该异常分析算法能够高效识别用电信息异常数据,从而提高用电量异常分析的准确率。

基于行业特征的高压用户用电量异常诊断

从用户行业特征出发,建立了一套深入挖掘用户用电侧数据和电网运行数据的计算模型,提出了一种用户用电量计量异常诊断算法。引进评价因子,对同行业间用户用电情况、用户月用电量数据异动情况以及对配电网线损情况进行比对分析,层层递推对用户用电量异常嫌疑度进行评价,从而锁定10 kV高压用户中的电量异常嫌疑用户范围,提升现场用电检查的针对性。首先详细介绍了各种评价因子的计算模型以及重点排查用户的确定方法,然后选取某供电所300多户高压用户开展算例分析,通过实践证明文章提出的算法是有效的。

基于线性拟合算法的用电量异常阈值的计算

文章研究基于合同容量与用电量从散点图看为线性关系,引入线性拟合算法构建了农业电价执行、稻田排灌电价执行月用电量的异常阈值判别公式,为农业用电管理提供参考。

基于聚类分析的用电量数据分析

提出了低压电力线载波通信基础上的用电信息采集系统的用电量数据分析方法和基于k-means聚类以及其聚类有效度的用电量数据分析方法.以历史良好用电量数据作为基类,然后与当前时刻用电量数据进行聚类分析,判别当前时刻用电量数据是否异常,最终识别出当前时刻用电量数据是否异常,异常则存入异常集并待检测.另外,错误抄表时刻存入错误集.最后,对该用电量数据分析进行Matlab仿真验证.仿真结果证明,所提方法有效地识别出异常数据,可以应用到用电信息采集系统中,从而达到提高用电信息采集系统的运行可靠性的目的.

考虑分布式电源入网的反窃电综合管理方法

针对分布式电源入网给反窃电工作带来的新困难,提出了一种考虑分布式电源入网的反窃电综合管理方法,基于线损率标杆值确定台区窃电严重程度,挖掘用户实际用电需求筛选出用电量异常用户,锁定窃电怀疑范围,最后利用数据挖掘手段进一步分析重点怀疑用户用电特征,从而甄别出窃电用户。通过算例验证了方法的有效性和准确性,有助于电力营销部门锁定稽查重点。