基于智能电表大数据的异常用电检测

异常或欺诈造成的非技术性电力损失是电力公司损失的主要源头之一。智能电表的广泛使用，使得运用大数据方法实现对非技术性电力损失的有效检测成为可能。提出了一种使用监督学习进行非技术损失检测的方法。该方法基于智能仪表记录的所有信息（耗电量、异常警报等）结合辅助数据库所提供的有关每个智能电表的地理位置和技术参数的附加信息，使用最优的机器算法来深入分析用电客户的用电行为，生成异常用电客户列表。通过现场检查的结果表明，该方法能够较为准确地识别智能电网中所存在异常用电客户。     

事件提醒基础服务在电力信息系统中应用研究

在指出各类信息系统对于消息提醒的基本需求后,归纳了事件提醒基础服务的基本概念及其要点,提出了事件提醒基础服务的基本架构与层次结构,并对于其业务处理流程和功能结构进行了整体描述。最后,通过在信息系统中的两个典型应用与两个电力类特色应用的实际举例,说明了其对于相关信息系统应用水平提高和使用效率提升的有效性。     

通过电力大数据发现低压用户用电模式的研究

随着信息和通信技术在电力系统中的日益普及,传统电力系统正在被数字化。文中通过对智能电网中智能电表和其他数据采集终端采集的用电量数据的聚类分析,提出了日用电量数据的聚类模型,并利用该聚类模型发现和提取低压用户的日常用电模式。通过对一个月内1312个低压用户的日用电量数据的案例分析表明,该聚类模型能够较好地识别低压住宅用户不同地日常用电模式。     

基于电能质量监测的分布式电源优化设计方案

为了实现分布式电源的高效、可靠和安全运行,文中介绍了一种基于电能质量监测的分布式电源自监测逆变器设计。这种自监测逆变器通过对分布式电源工作模式的监测以及输出电能的测量实现对闭环控制器反馈信号的优化,从而实现分布式电源在暂态和稳态上均能够跟随微电网控制中心的控制信号,并输出符合电网规范的电能。实验结果表明,该自监测逆变器能够应用于不同类型的分布式电源,使其在并网模式和孤岛模式下均能够稳定输出电能。     

一种基于加权马尔科夫链修正的SVM光伏出力预测模型

构建高效的光伏出力预测模型,能减少光伏出力随机性对电力系统的冲击。考虑光伏发电的随机性和不稳定性,提出用加权的马尔科夫链修正SVM预测模型,以提高预测精度。首先建立SVM光伏出力预测模型,预测未来1天的出力曲线。然后基于均值-均方差方法对预测残差进行分级,以残差序列标准化的各阶自相关系数为权重,运用加权马尔科夫链模型,预测残差的未来状态。最后根据未来状态空间的阈值对SVM预测结果进行修正。将此模型应用到某光伏发电系统的出力预测实例中,仿真结果表明,修正后的模型预测精度更高,模型具备可行性和有效性。     

基于EKF算法的分布式光伏发电异常数据排查技术

分布式光伏发电运营过程中,会因设备故障、仪表测量误差、用户个人行为等干扰因素导致运营系统采集异常数据,因此需要对异常数据进行排查,有助于保障光伏发电用户数据库的准确性和可靠性,并识别存在运营问题的分布式光伏用户。基于上述原因,本文针对分布式光伏系统的特殊性,提出一种光伏发电运营系统异常数据排查技术,结合温度、辐射量、纬度、时令等环境因素,采用中心复合设计方法,通过有限的数据量建立较为精确的发电量数学模型,采用扩展卡尔曼滤波算法对采集到的发电量进行修正,从而排查和消除异常数据。该方法能够实现发电数据的预测,能够快速、可靠地排查异常数据,文中给出了排查原理和具体的实现过程,最后通过实验结果证明了所提出技术的有效性。     

基于BIM技术的输变电工程管控模型研究与信息系统实现

以建筑信息模型技术在输变电工程中的应用价值为切入点,提出了基于施工建筑信息模型,以WBS分解为主线,通过细化关联工程专业管控要素,再结合流程化管控机制、融合物联网与移动应用技术构建的输变电工程管控模型。在此基础上,提出了新一代输变电工程数字化管控系统的整体架构,描述了在电脑端和移动端的具体功能实现,并通过系统在试点工程的实际应用总结,说明了系统对于工程管控绩效提升的辅助作用。