基于威布尔分布的电能表可靠度评价

电能表的可靠度评价是电能表质量的重要评判标准。针对当前国网信息系统中电能表可靠度评价模式比较简单、不够准确的问题,文章基于威尔布分布,结合电能表的可靠度理论,实现对实际运行电能表的批次可靠度评价。利用实际运行中电能表的批次运行数据,计算电能表不可靠度,采用最小二乘法回归计算中间参数,并确定威布尔分布的尺度参数和形状参数,实现对整个批次电能表可靠度的预测。该方法在电能表可靠度计算理论的基础上成功实现了威布尔分布理论在电能表评价中的实际应用,突破了传统方法采用实验室加速试验数据的局限性,并实现了模型的动态修正,在电能表轮换工作中具备较高的应用价值。     

基于信息融合的低压智能电能表动态评价模型

针对智能电能表状态评价技术有待完善的问题,基于信息融合理论建立了一种新的低压智能电能表动态评价模型。该模型对低压智能电能表可靠度进行分析的同时,综合考虑计量异常、全事件、电能表过载率、时钟电池异常4种状态因素,采用熵值法实时计算各项指标权值,并且结合地区影响因素,对低压智能电能表进行动态状态评价。基于威布尔分布理论构建电能表可靠度子评价模型,应用贝叶斯公式建立计量异常和全事件子评价模型,引入泰尔指数评价地区影响因素。采用实际运行数据对该评价模型进行验证,结果表明所提模型合理、可行,能够对智能电表进行有效评价。     

基于数据挖掘的新型低压窃电识别方法

针对现今反窃电技术往往采用单一算法分析,导致反窃电效果差强人意的现状,文中提出一种针对低压用户窃电的识别方法。剥离台区线损当中的技术线损部分,采用K-means聚类算法对处理过的线损数据进行分析,识别出线损率异常波动或持续偏高的台区,并根据聚类结果定义时间离散度来衡量窃电疑似度。分析异常台区下的用户,通过相关性分析研究单个用户电量变化与其所在台区线损率变化之间可能存在的关系。采用离群点算法和K-means聚类算法对用户的日电量数据进行分析,判断单个用户存在的窃电嫌疑,并确定具体的窃电行为。研究结果表明该方法在考虑单个用户窃电嫌疑的同时兼顾其所在台区的线损率异常波动,可对低压用户的窃电进行更有效地识别,为窃电识别与整治提供了一种新的思路。