关联驱动下配电网同期线损异常数据辨识

配电网同期线损数据的可靠性对于有效实现电网降损与节能是非常关键的,辨识异常数据能够提升配电网同期线损数据的可靠性。为此,设计了关联驱动下配电网同期线损异常数据辨识方法。采用基于多值属性的关联规则挖掘算法,挖掘配电网同期线损数据。利用改进小波阈值去噪算法,对挖掘的配电网同期线损数据实施去噪处理。基于K-means聚类算法、改进型萤火虫算法与聚类可靠性评估指标,设计线损异常数据辨识模型,实现配电网同期线损异常数据辨识。测试结果表明,设计方法的平均误辨识点数和漏辨识点数分别低于10个和5个,平均相对辨识误差保持在1.0以下,具有较好的同期线损异常数据辨识性能。

大数据在配电网同期线损精益化管理中的应用

在配电网运行过程中必然会产生线损,对于线损的管理直接体现一个地区电网运行和管理能力,在线损管理过程中,需要对线损进行精确预测,能够精准识别线损的异常情况,为管理人员提供线损管理方案。目前随着智能电网建设加快,智能电表已普及使用,提升了用户用电信息的采集能力,对于配电网的线损管理逐步进入大数据时代,由于传统线损管理方式难以满足大数据技术的数据采集和数据处理的需求,特别是数据缺失的情况下,必然会影响线损数据的准确性。因此,在大数据时代配电网线损精益化管理必须要建立在线损数据基础上,对配电网线损的预测和异常情况判断中,探寻降低线损的方法措施,指导区域配电网线损管理工作的开展。

大数据在配电网同期线损精益化管理中的应用

阐述基于大数据的配电网同期线损精益化管理,电力调度的监督管理、数据分析,配电网线损状况与解决策略,从而实施精细化的管理。