电能表健康度分析及整体运行状态预测方法

通过基于"厂商+批次"对电能表整体运行状态进行分析,不仅可以发现电能表的运行故障率呈现出明显的层次分布,同时还能发现家族性的问题或者缺陷,实现基于传统的人工经验诊断转变为基于机器学习智能分析预测。第一阶段:以厂商和生产批次为对象,通过对电能表状态的故障率、报废费和折旧率进行分析,将所有电能表的分析数据降维整合为"非健康度曲线"的一维数据,且利用散点图将分析对象非健康值展现。不仅能告诉我们每个批次电能表的现状,还能告诉我们哪些批次存在问题,根据不同的预警等级,确定电能表故障的严重性。第二阶段:通过对电能表工作状态和工作环境实时监测,借助机器学习中线性回归的算法,诊断、预测电能表的实际运行状态,预测电能表非健康度值变化趋势。基于上述二个阶段的分析,为电能表状态检修、备品备件等工作提供辅助决策依据。     

EPON网络拓扑管理系统

针对大规模异构EPON（EPON：Ethernet Passive Optical Network）网络,为了提高EPON网络的管理水平和维护效率,并且能够更直观地显示EPON网络内部设备拓扑关系、网络工作实时状态和告警等重要信息,需要设计一个EPON网络拓扑管理系统对EPON网络进行有效管理.本文首先介绍了拓扑管理系统设计与实现方案,将整个系统其划分为采集、处理、显示三大模块.数据采集层采用基于TL1通信协议获取网络信息,处理层基于MVC（Model View Controller）的模式设计和开发B/S（Browser/Server）架构的集中处理系统,拓扑显示层的GUI应用HTML5 Canvas标签实现.最后通过搭建测试环境,证明了设计方案是可行和高效的.     

基于数据挖掘的计量装置在线监测与智能诊断系统的设计与实现

为加强对现场计量装置、采集设备和配电网运行监测的实时性,提高对用户用电行为异常分析的准确性,研制了一套计量装置在线监测和智能诊断系统,其利用数据挖掘工具,实现了对计量装置和采集设备的运行状态评估,并对用户违约用电窃电和计量装置故障进行了智能诊断。该系统采用SOA技术架构,由异常指标专家库、实时监测与智能诊断和WEB应用三部分组成,并已在安徽省电力公司试运行,对保障电网安全稳定运行、反窃电和降低计量偏差造成的舆情发挥重要作用。     

计量装置在线监测与智能诊断系统设计与研究

设计一种计量装置在线监测与智能诊断系统,详细介绍了其具体组成部分,并已在实际工作中得到了应用与验证。该系统的提出将推进用电信息采集技术的进一步发展,对日后该项技术的探索提升提供了一定的理论与实践基础。     

SVM在中压配网停电事件补全中的应用研究

应用大数据平台深入挖掘计量数据对配电网的运行支撑是当前电网重要研究方向,文中应用支持向量机(SVM)算法研究中压配网停电事件补全方法,解决停电事件准确统计难题。首先总结中压配电网的5类停电事件,接着重点研究了SVM补全方法,给出停电事件补全思路,5类停电事件的SVM补全模型构建方法,并提出了涵盖配电网模型构建、SVM模型构建、SVM求解及故障类型判断的补全流程,然后从工程应用角度,设计了补全模块与用电信息采集等各相关系统间的业务关系框架并进行数据分析架构设计。最后以安徽黄山等4家地市公司为例进行了实践应用分析,验证了文中研究方法可极大提升停电事件统计的及时性和准确性。     

多功能电能表应用规范研究

随着用电结构的变化,国家调整了电价政策,运用分时电价为经济手段指导用户合理用电;分时电价须以多功能电能表为记录单元,由于不同的多功能电能表在显示方式、接线结构、编码设置、通讯规约等方面差别较大,给供电公司电能量的采集和数据接入带来很多不便,为多功能电能表制订统一的技术规范和通信规约是各省电力公司应研究的问题;本文以安徽电网应用多功能电能表为例,论述了为多功能电能表制订统一的技术规范和通信规约所涉及的技术问题和解决方案.     

用电信息采集终端运行环境仿真与检测研究

针对用电信息采集系统应用的智能终端缺少事件和载波环境模拟仿真的统一检测手段,介绍了一种模拟不同干扰度的载波通信数据和事件一致性仿真与检测方案。该方案由仿真测试台体和仿真模拟测试软件两部分。测试台体实现模拟表、载波工况的运行环境仿真,测试软件包含模拟主站、模拟电能表、装置控制软件、数据分析等,通过对源、工位等控制,调节干扰信号强度,模拟与分析载波通信的抗干扰性能与数据采集的一致性。该研究是对终端现有检测方案的补充,为确保采集终端在现场运行中尽可能达到预期效果。     

电能表健康度分析及整体运行状态预测方法

摘要： 通过基于“厂商+批次”对电能表整体运行状态进行分析,不仅可以发现电能表的运行故障率呈现出明显的层次分布,同时还能发现家族性的问题或者缺陷,实现基于传统的人工经验诊断转变为基于机器学习智能分析预测。第一阶段：以厂商和生产批次为对象,通过对电能表状态的故障率、报废费和折旧率进行分析,将所有电能表的分析数据降维整合为“非健康度曲线”的一维数据,且利用散点图将分析对象非健康值展现。不仅能告诉我们每个批次电能表的现状,还能告诉我们哪些批次存在问题,根据不同的预警等级,确定电能表故障的严重性。第二阶段：通过对电能表工作状态和工作环境实时监测,借助机器学习中线性回归的算法,诊断、预测电能表的实际运行状态,预测电能表非健康度值变化趋势。基于上述二个阶段的分析,为电能表状态检修、备品备件等工作提供辅助决策依据。     

基于多模式控制的储能用双向Buck-Boost DC/DC变换器

由于各种分布式能源的大量接入，电网需要加入储能单元以平抑潮流的波动。储能系统中，为了在宽输入、输出电压范围的情况下实现高效双向电能转换，探讨一种基于多模式控制的双向Buck-Boost DC/DC变换器。当输入电压显著高于输出电压时，变换器工作在Buck模式，采用谷值电流控制。当输入电压显著低于输出电压时，变换器工作在Boost模式，采用峰值电流控制。当输入电压接近输出电压时，变换器工作在Buck-Boost组合模式，采用移相控制来实现平滑过渡。为了实现高精度的输出和快速的动态响应，控制环路采用二型补偿器。通过Buck模式和Boost模式小部分重叠工作的方式，消除了传统Buck-Boost变换器在模式切换时存在的断续现象。制作的1 kW实验样机具有97.5%的峰值效率以及Buck模式与Boost模式平滑切换的特点。