数据赋能低压配用电系统精益化运行的关键技术与算法

随着人工智能和大数据技术的发展,合理高效地分析电力数据可以赋能电网业务以提升其工作成效。同时,智能采集装置提供了海量计量数据,为数据赋能低压配用电系统精益化运行打下了坚实基础。为更好地总结低压配用电系统精益化运行的研究成果和启迪思路,根据现有业务将低压配用电系统精益化运行主要分为计量采集设备质量评估与计量数据异常监测、用户相位关系识别与三相不平衡治理、低压台区户变关系和拓扑关系识别、用户异常用电和窃电行为检测、客户侧用电服务评价5个方面,分别介绍了数据赋能低压配用电系统精益化运行中的关键技术及算法,并给出了目前研究的不足和未来的展望。     

基于CRITIC和理想点法的计量设备运行质量评估

为了定量评价电能计量设备的运行质量,并提高电力用户用电计量的准确性和可靠性,提出了一种联合采用CRITIC法和理想点法的计量设备运行质量评估方法。首先,基于电力信息采集系统中的电能计量设备运行监测大数据,定义了5个衡量电能计量设备质量的评估指标。然后,采用基于熵权和斯皮尔曼等级相关系数的CRITIC法确定电能计量设备质量评估指标的客观权重,并构建了基于理想点法的电能计量设备质量评估模型。最后,以浙江省宁波市某地区的电能计量设备运行监测数据为例对所提出的模型和方法进行了验证。验证结果表明,提出的方法不仅能够量化评价电能计量设备的运行质量,而且能够合理地评估出电能计量设备的优劣。     

高大空间模板体系设计与施工

结合北京某小学新建工程设计有报告厅、体育馆、舞蹈教室等高大空间,存在多部位连续超大超高的现浇混凝土梁、板,确定采用高大空间支撑体系.结合工程施工难点,阐述高大空间支撑体系控制要点与技术措施.     

电力系统态势感知技术研究综述与展望

态势感知概念最早在太空和网络安全领域被提出,并被引入电力系统领域,近年来国内外学者对态势感知在电力系统的应用进行了广泛讨论。在此背景下,将电力系统实时运行状态辨识、发展趋势预测、态势可视化技术分别与Endsley定义的态势感知中的三大要素——"觉察""理解""预测"相映射,并将电力系统广域控制与风险调度对应于态势感知中的"决策行动"。接着,将上述内容依次展开,分别对电力系统事件监测、电力系统事件辨识、电力系统风险预测、态势可视化技术、广域控制和风险调度分别进行综述和分析,介绍现有方法的思路。最后,给出电力系统输电网态势感知目前研究的不足,指出人工智能和大数据技术是未来解决电力系统态势感知的研究方向。     

基于t-SNE降维和BIRCH聚类的单相用户相位及表箱辨识

低压台区单相用户的相位及接入表箱信息的准确性对户变关系纠错和线损治理分析有重要影响。目前,拓扑档案的校验主要依靠电力员工现场排查,人力物力消耗大且排查效率低下。因此,亟需一种效率较高的低压台区拓扑档案校验方法。在此背景下,文中提出了一种基于智能电表电压数据的低压台区单相用户相位及接入表箱辨识方法,可以为低压台区的拓扑辨识及排查提供参考。首先,采用t分布的随机近邻嵌入(t-SNE)技术对原始负荷数据进行降维处理,解决台区用户原始负荷特征维度过高带来的冗余性问题;接着,应用BIRCH方法对降维后的负荷数据进行聚类,实现台区下单相用户所属相位和接入表箱的辨识。最后,以浙江省海宁市某台区为例进行验证,算例分析的结果表明所提模型具有可行性和有效性。     

基于Copula函数的风电时序联合出力典型场景生成

针对风、光出力进行典型场景生成是电力系统规划和运行中应对风、光出力不确定性的常用方法,然而现有的典型场景生成方法未考虑不同时刻出力分布函数的差异性。在此背景下,针对分布式可再生能源发电的不确定性和相关性,创新性地考虑了不同时刻出力分布函数的差异性,运用Copula函数建立了多风电场时序联合出力模型;对模型进行概率抽样、拼接生成大量初始场景集,采用K-means聚类算法进行场景缩减生成风电时序联合出力典型场景。算例分析表明,所得的风电时序联合出力典型场景符合出力的相关性,并可以体现出力分布函数在不同时刻的差异性,在反映同一地区多风电场实际出力方面具有更高的准确性,可以更加有效地指导电力系统的优化运行。     

泛在电力物联网下的配网物资储检配一体化基地建设探索

随着泛在电力物联网的提出和"三型两网"建设的全面推进,配网物资储检配一体化基地将在电网建设中发挥更大的支撑作用。在此背景下,首先阐述了泛在电力物联网下配网物资储检配一体化基地的系统架构和业务体系。然后,详细介绍了包括智能感知技术、物资ID应用、自动装卸与检定、信息化管理系统在内的储检配一体化基地建设关键技术。接着,分析了建设储检配一体化基地的经济效益、时间效益和其他效益。最后,给出了储检配一体化基地在未来泛在电力物联网的应用场景和展望。     

基于改进局部离群因子的低压用户用电隐患检测方法

基于用电信息采集系统的量测数据,提出了一种基于改进局部离群因子算法的用户用电隐患检测方法。首先,提出基于信息熵的电压信息重构方法,扩大电压数据差异性。其次,提出基于K-奇异值分解的电压数据稀疏编码方法,解决台区用户原始负荷特征维度过高带来的冗余性问题。然后,提出基于改进局部离群因子算法的用户用电隐患检测方法,通过多局部离群因子模型组合优化,提高低压用户用电隐患检测泛化能力与准确率。最后,以中国浙江省某台区为例进行验证,算例分析的结果表明所提算法相对于传统局部离群因子算法具有更高的隐患检测准确率。     

基于组合赋权法和雷达图法的电能计量设备质量评估体系

针对缺乏电能计量设备质量评估的有效方法,基于所建立的电能计量设备质量评价体系,提出了一种电能计量设备质量多属性评估方法。该方法考虑了专家意见及客观数据的特点,采用主客观赋权法相结合的组合优化赋权法,并建立了基于雷达图法的电能计量设备质量决策模型。利用某地区电能计量设备真实数据,验证了所提评估方法的可行性和有效性。     

用户侧窃电检测关键技术

用户侧的窃电行为是非技术性电能损失的主要原因,并且影响配电系统的运行安全性。文中对用户侧窃电检测关键技术作了分类总结,指出了当前研究的挑战和发展方向。首先,阐述了电能计量的基本原理,介绍了随计量设备升级而新出现的常见窃电方法;然后,分析了基于电气模型与计量设备的窃电检测技术在实际工程应用中的各自优势和不足;接着,对比和总结了已有基于数据驱动的窃电检测研究中基于样本学习、异常分析和状态估计的研究方法和适用范围;最后,探讨了当前窃电检测技术在输入数据、性能评估和应用场景等方面面临的关键问题和挑战,并在窃电定位、模型泛化、策略生成和隐私保护等方面对窃电检测研究方向进行了展望。