智能用电监控装置的研制

针对当前低压大用户和低压工商用户的防窃电难的问题,提出了智能用电监控装置的整体设计方案和远程用电监控及用电数据采集、分析方法,设计了低压大用户智能用电监控装置的软件架构、软硬件初始化程序、通信模块程序及监测控制程序,研制了一款集用电监测、远程控制等功能于一体的低压大用户智能用电监控装置,解决了对低压大用户精细化线损分析和远程控制的难题。应用表明,该装置技术先进,使用方便,实用性强,有利于供电企业开展精细化线损管理,打击窃电行为,具有很强的实用价值和广阔的应用前景。

基于混合流量模型的用电信息采集业务带宽预测方法

针对现有经典弹性系数法带宽预测方法缺乏考虑业务流量动态特性和整体自相似流量预测带宽法带宽预测精度低的不足,提出一种基于混合流量预测的用电信息采集业务带宽预测方法。首先分析用电信息业务通信特点,验证用电信息业务通信流量具备自相似流量和泊松流的混合流量动态特性;其次在计及用电信息采集业务的集中整点采集和随机补采的特点基础上,构建了含自相似流量和泊松流量的混合流量预测模型,将流量模型与用电信息业务特点相匹配,实现业务带宽的预测;以典型用电信息采集业务参数为算例数据验证了文章方法的有效性。

用电信息采集故障智能排查装置的研制

针对用电信息采集现场运维没有统一标准,技术手段欠缺等问题,提出了用电信息采集故障排查装置的总体设计方案,设计了装置载波模块卡位电路和软件架构,分析了装置的设计原理。提出了基于在线和离线两种模式的载波模块故障检测和判别方法,提出了现场表计和集中器通信端口故障检测和判别方法。研制一款便携式、功能齐备的现场采集故障诊断分析装置,该装置可有效提高现场运维人员的工作效率和技术水平,对推动现场采集运维工作的标准化、智能化具有十分重要的作用和意义。

交流调制型直流电能表的纹波影响仿真和实测

为认识交流调制型直流电能表在纹波背景下的计量性能和特点,对该电能计量模型进行讨论和分析,揭示调制谐振对计量准确性的影响机理,通过仿真计算分析纹波频率、纹波功率、电量计量窗口对准确性的影响规律,通过实测验证仿真分析结论。仿真和实测结果表明,纹波频率越接近电能表调制频率,表计误差震荡趋势越明显,震荡周期越长;调制谐振状态下,纹波功率比越高,表计误差震荡幅度越大;误差震荡幅度存在极限理论峰值,该峰值与纹波视在功率、调制基准信号幅值成正比,与实际功率大小成反比;对于典型技术参数,其误差震荡幅度最大可达纹波含量比的1/2。故该型表计的调制源宜采用单一频率源,且避开典型运用场景的纹波频率,进行误差检测时应充分考虑调制谐振可能带来的影响。

电力系统低压台区用户表码异常监控系统设计

为准确掌握电力系统内低压台区用户群体表码的异常偏转行为,按照拓扑结构的原始行为方式,连接表码监控模块与站控单元结构,完成用户表码异常监控系统硬件运行环境的搭建。在此基础上,对用户群体的异常信息进行多次采集,通过电力数据库调度的方式计算单一节点的实际监控量,完成用户表码异常监控系统软件运行环境的搭建。将软、硬件环境联合,实现对低压台区用户表码异常情况的监控。对比实验结果表明,与传统监控系统相比,应用所提监控系统后,低压台区用户群体的实际承压总量明显下降,表码监控元件的平均转速也由26.4转/min降低至15.2转/min,证明该系统有效实现了精准监控电力系统异常偏转行为的初衷。

基于稠密度聚类的低压台区用电窃电行为识别

使用线损异常判断、离群点算法的窃电行为识别方法忽略了全局迭代搜索,导致窃电起始时间识别结果与实际时间不一致。为此,提出了基于稠密度聚类的低压台区用电窃电行为识别方法。确定并及时更新初始用电窃电行为的数据中心点,建立非负矩阵,根据搜索及时更新的窃电行为数据中心点,计算其综合分值,以此作为窃电嫌疑的筛选依据,完成低压台区用电窃电行为的识别。实验结果表明,平均谱半径在第100天和150天时,该方法识别出两个显著突变点,窃电起始时间与实际窃电起始时间一致,具有精准识别结果。

基于DBN深度学习算法的低压台区反窃电诊断

当前已有的低压台区反窃电诊断方法很难精准确定窃电用户,导致无法完成反窃电工作。为解决上述问题,基于DBN深度学习算法提出新的低压台区反窃电诊断方法。采用大数据挖掘方法检测反窃电诊断大数据信息,并输出检测过程中产生的反窃电特征数据,分析反窃电识别数据,并重组通过逆行反窃电定位而形成的随机分布结构。利用DBN深度学习算法建立低压台区反窃电诊断模型,增加训练系数,以消除误差,通过清洗补正反窃电数据、辨识窃电风险和分析窃电行为三个步骤,实现对窃电量的估算。实验结果表明,基于DBN深度学习算法的低压台区反窃电诊断方法能够精准地确定出窃电用户,从而更好地完成反窃电工作。

不平衡数据集异常检测和分类算法

针对传统异常检测模型在面对不平衡样本集时存在参数优化困难、少数类识别效果差等问题,提出一种组合模型以实现不平衡数据集的异常检测和分类。首先利用支撑向量数据描述构造闭合曲面实现“异常”检测,然后提出改进少数样本合成技术对“异常”数据进行过采样以构建平衡数据集,最后利用所提最大类间-类内距K-均值聚类进行自动聚类,实现3种异常数据的分类判决。结果表明,所提方法能够获得较高的异常检测和分类性能,并且具有较强的泛化能力。

电能计量装置运行误差分析及状态评价方法研究

电能计量装置是电量核算的核心部分,电能计量装置计量准确度与电网布局及后续调整有直接关系,可以说电能计量装置计量 准度对优化电网系统意义重大。但是在电能计量装置实际运行中,会受各种因素影响,出现一定误差,阻碍电网系统优化进度,因此降低 计量误差,对保障电网平稳运行具有重大意义。

反弹效应下低压线损预测的深度学习算法

线损对输电线路稳定运行具有重要作用,采用传统预测方法受到反弹效应影响,导致预测精准度较低。针对该问题,提出了反弹效应下低压线损预测的深度学习算法。根据深度学习模型,训练输入数据。计算电力公司线损电量,使用改进多层网络结构,并输出每层训练后的数据。通过输入层和隐藏层之间权值矩阵,构建线损预测模型,并进行数据预处理。根据处理结果,采用深度学习单元训练输入点、输出点、遗忘点和节点,并记录当前训练状态。计算节点输出值,充分考虑外界因素,将数据进行分组处理,并训练模型,分析误差原因,设计预测流程,由此完成低压线损预测。由实验结果可知,该算法预测精准度最高可达到98%,为输电线路稳定运行奠定基础。

基于频谱分辨率自适应的双插值DFT谐波分析方法

插值FFT作为一种常用的电力系统谐波分析方法,在抑制谱间干扰、宽带噪声等方面存在一定不足。文章提出了一种基于频谱分辨率自适应的双插值DFT谐波分析方法。该方法基于窗函数、插值方法对算法谱间干扰误差和宽带噪声误差的影响机理,通过频谱分辨率自适应以抑制基波对谐波计算的频谱干扰,并通过倍频逆推求整次谐波,避免插值计算谐波带来的误差。仿真结果表明,所提出的算法相比于双插值FFT和三插值FFT算法具有更高的计算精度。

中断概率分析下扩频载波通信路由搜索算法

传统的扩频载波通信路由搜索算法运行效率低,运行过程所需的存储空间较大。针对上述问题,在中断频率分析下研究了一种新的扩频载波通信路由搜索算法,利用有向图表示扩频载波通信网络,构建网络模型,通过迭代操作,提高容错性,确定发送节点、中继节点、转发节点的位置后,构建信号模型,同时分析干扰位置,建立干扰模型。利用得到接收端最远蜂窝终端的上行链路资源,判定扩频载波通信路由的中断概率门限值,分别搜索最佳中继节点和最佳转发节点,通过协作方式向最佳转发节点传递数据信息,直到获取想要搜索的目的节点为止。实验结果表明,提出的搜索算法搜索效率、运行过程所需的存储空间等方面都优于同类算法。

一种报文离散性可控的标准数字功率源

数字化电能表是数字化变电站广泛使用的设备,标准数字功率源是对其性能进行校验的主要设备。目前数字功率源输出的SV报文存在随机特性差的问题,无法满足相关国家及行业标准对数字化电能表的影响量的检测要求。针对这一问题,设计了一种基于混沌映射的随机序列生成算法,保证标准数字功率源输出报文数据丢失的随机性。硬件上通过FPGA配置光口以太网芯片输出IEC 61850-9-2序列,将芯片配置为RMII接口输出,保证报文发布时间离散度可控。测试结果表明,研制的数字功率源在丢包概率可控、报文发布时间离散度可控,且误差不超过200 ns,远小于标准中规定3μs的误差要求,满足数字化电能表异常通信状态的检测要求。该装置已应用于南方电网数字化电能表检测。

基于广义Dice系数和局部离群因子的串户排查方法

非入户式串户排查方案已成为当前电力行业的研究热点,然而该方案的主要缺陷是对于采集数据难以有效利用导致串户排查的准确度不高。针对该问题,提出一种基于广义Dice系数(Generalized Dice’s Coefficient,GDC)和局部离群因子(Local Outlier Factor,LOF)的串户排查方法。借助于广义Dice系数分析不同频点处采集信号的相似度,使具有较高相似性的频点划分到一起。因此可以获得多个具有信号差异性的频块。应用局部离群因子和K-means聚类算法剔除频块内相对离散频点以进一步提高频块内部的一致相似度。最后,融合所有频块的信号作为串户排查的依据。现场测试结果表明,文中方法能够挖掘显著的信号特征,提高串户辨识的准确度。