基于WinCC平台的台区线损异常监测系统开发

随着能源需求量的不断增大,能源短缺问题变得越来越严峻,电力行业中的线损异常数据分析存在巨大的需求.运用更加新兴、科学化的大数据分析技术和物联网技术对数据进行分析,有助于提高对台区线损异常排查治理的效率.基于WinCC平台开发了一套台区线损异常监控系统.该系统实现了对海量用电数据的智能分析,建立了线损异常数据库及典型案例库,并将异常台区用电数据与线损异常数据库进行拟合,以缩小检测范围,可及时核查出存在线损异常风险的用户,实现了线损异常的科学诊断,提高了监测工作效率,降低了线损异常情况分析的时间及成本.     

基于DenseNet和随机森林的电力用户窃电检测

窃电作为配电网络非技术损耗的主要因素之一,不仅严重扰乱供电秩序,还会危害电网安全,造成供电企业甚至国家的重大损失.为了更高效地检测窃电情况,提出了一种新型的密集卷积神经网络和随机森林(DenseNet-RF)模型,基于该模型实现了电力用户窃电行为的检测.首先,分析了密集卷积神经网络(DenseNet)的结构;其次,将密集卷积神经网络(DenseNet)对大规模的智能电表数据集进行自动特征提取;然后,根据获得的特征再使用随机森林(RF)训练分类器,以检测用户是否窃电.在建立融合模型时,采用网格搜索算法确定最优参数.最后,进行实验验证,实验结果表明,所提出的检测模型优于宽而深的卷积神经网络(WDNet)、DenseNet、极限学习机(ELM)等模型的分类准确性,其模型准确率为96.76％,同时具有良好的泛化能力.     

基于 KNN与LOF算法的台区线损异常检测∗

台区线损率是供电企业的一项重要经济指标,影响企业的综合成本.为了促进电网高效发展,需要对输配电过程中的线损异常进行智能管控.针对目前台区线损异常存在的判定问题,提出了基于KNN和LOF算法的台区线损异常检测方法,并通过试验进行验证,所提出的方法具有良好的检测性能.该方法不仅可提高供电企业对台区线损异常判断与监测治理的效率,更有助于构建智能化的电网环境.     

基于WSID与BIM的钢支撑轴力实时感知预警研究

针对目前地铁车站深基坑开挖安全监控的实时性与自动化水平不高,数据传递严重滞后以及安全隐患的位置信息无法快速定位等问题,将无线传感识别(wireless sensor identification,WSID)技术与BIM技术有效集成,并以基坑内的钢支撑轴力为监测对象,构建了基于WSID与BIM技术的地铁车站深基坑钢支撑轴力实时感知预警系统。该系统包括了WSID数据采集与传输模块、数据处理与判断模块、BIM模块和预警反馈模块,实现了现场数据的快速采集、快速传输以及应急指令的快速反馈。     

浅析有线数字电视的故障分析及防护措施

人们常认为,数字电视比模拟电视抗干扰能力要强,模拟电视能够收看的地方,数字电视应该不会出故障,但是现实中往往并非完全如此,不少地方常常会出现模拟电视是好好的、而数字电视却出现故障的现象。本文就对有线数字电视和模拟电视抗干扰特性的差异进行初浅的探讨、分析。据作者几年来的工作经验,就有线数字电视发生故障的现象和预防提出几点建议,共大家参考。     

基于WinCC平台的台区线损异常监测系统开发

随着能源需求量的不断增大,能源短缺问题变得越来越严峻,电力行业中的线损异常数据分析存在巨大的需求.运用更加新兴、科学化的大数据分析技术和物联网技术对数据进行分析,有助于提高对台区线损异常排查治理的效率.基于WinCC平台开发了一套台区线损异常监控系统.该系统实现了对海量用电数据的智能分析,建立了线损异常数据库及典型案例库,并将异常台区用电数据与线损异常数据库进行拟合,以缩小检测范围,可及时核查出存在线损异常风险的用户,实现了线损异常的科学诊断,提高了监测工作效率,降低了线损异常情况分析的时间及成本.