交流电能表在计量检定中的常见故障及处理方法

交流电能表是计量电能的主要工具,其计量检定的精准度直接关系着电能表的后期使用,以及用户和电力企业之间的利益关系.然而,交流电能表在计量检定当中的一些常见故障,严重影响了交流电表的使用.本文在介绍交流电能表种类的基础上,就不同类型交流电能表的计量检定故障及处理方法进行了探究.     

改进K-means模型在电力系统用户行为分析中的应用

针对电力信息系统用户行为分析的问题,提出了一种基于改进K-means聚类模型的电力信息系统用户行为分析方法。该方法把基于单词向量特征的改进K-means聚类模型应用于电力信息系统用户行为分析,解决了传统K-means算法通过随机选出聚类中心质点的方式得到的聚类结果范围波动较大、迭代次数较多、耗费时间较长以及稳定性较差的问题,优化后的算法聚类内距整体缩小,迭代次数也大幅度减少,提升了主动服务信息推送的精准性。     

基于网络行为的人物心理刻画方法

随着网络用户的日益增多,许多互联网企业甚至事业部门需要使用用户画像来对不同网络用户进行心理刻画来了解用户.但用户画像算法一般存在着聚类算法的簇值必须手动指定以及无效关键字过多的问题.因此文章设计了一种新的基于网络行为的用户画像方法.该方法首先会对搜集到的用户数据进行分类;接着设计算法自动确定簇值,并将簇值代入聚类算法与...     

基于改进快速密度峰值聚类算法的电力大数据异常值检测分析

针对传统聚类算法对于大数据背景下大量电力大数据异常监测过程中存在的问题,提出在电力大数据异常值检测中的快速密度峰值聚类算法的改进.对传统基于密度峰值空间聚类方法进行分析,得到传统算法在使用过程中的问题.提出了快速密度峰值聚类算法的改进,对自适应参数与聚类中心自动的选择,通过标准化局部密度与距离对大数据异常值进行评测,能...     

浅析电能表检定周期内超差原因及控制措施

电能表作为电力系统运行的重要组成部分,直接关系到电力用户生产生活的顺利开展,以及电力企业的经济效益。因此,强化对电能表的计量管理对于电力行业的发展具有重要作用。为确保电力企业和电力用户的利益,应当对电能表进行检定以确定电能表的检定周期。根据自身的实际工作经验出发,简述了常见的电能表在检定周期内造成超差的环境因素和人为因素,并对相应的控制措施进行分析与探讨。     

智能电能表状态指示判断及故障处理

智能电能表具有很强大的数据处理功能,而其不同的指示状态则反映了其对数据处理的结果.智能电能表是现代社会普遍使用的电能计量装置,而其在使用过成中可能出现一系列的问题,并通过指示装置显示出来.因此,用户应该具备通过指示状态来判断智能电能表运行状态的能力.本文对如何通过智能电能表的状态指示来判断故障进行了分析,并提出了故障的处理方法.     

一种混合聚类算法在用户聚类中的应用研究

利用一种混合聚类算法对用户聚类方法进行分析.给出了此混合聚类算法的应用公式以及在用户聚类算法中应用的思路,最后给出了该算法的具体实现过程.     

K-means改进算法在电力用户聚类辨识中的应用

科学、准确的用户用电特征分析对掌握负荷发展变化规律,提高电力需求预测的准确性,保障系统规划和经济运行具有重要意义。文中在对K-means算法深入研究的基础上,结合电力负荷数据海量、多维等特点,通过归一化处理,异常数据剔除,改进的二分K-means算法进行自聚类,对各优化算法进行分析,克服了传统K-means算法对异常数据敏感和初始聚类中心的随机性问题。实验结果表明,优化的自聚类算法能够提高分类的准确性,提高收敛效率,实现用户数据特征自动辨识分类。     

改进的谱聚类算法在文本情感分析中的应用

针对情感分析中使用传统聚类算法所存在的准确率低,聚类方向不确定等问题,文章提出一种将用户反馈机制引入谱聚类算法的新方法。该方法首先由拉谱拉斯矩阵分解得到特征向量,这些特征向量对应于数据不同方面的特征信息,然后让用户对部分特征信息进行检阅并确定自己所需要的聚类方向,最后由系统自动按用户选择进行再聚类,从而得到用户所需要的情感方面分类。实验结果表明,该方法使得聚类结果的准确率获得了一定程度的提高,并解决了聚类方向不确定这一问题。     

基于内存并行化聚类的用户用电行为分析

针对经典K-means选取初始值具有一定的盲目性和不确定性,提出了基于Canopy+算法的改进K-means聚类算法。首先对实验数据进行预处理,并从每条日负荷数据提取六个特征值;然后搭建Spark大数据集群,利用集群具有的内存并行化特点,提升改进聚类算法处理大规模数据的能力;最后将预处理后的用户日负荷数据进行单机K-means以及改进后算法的集群聚类。实验结果表明,在降低迭代次数的基础上,改进后集群聚类算法误差平方和降低3 659.906、轮廓系数提高0.03、DB指数下降0.06。使用改进后算法将电力用户划分为五个类别,其中具有调峰潜力、较优质的需求侧响应用户为第5类用户。     

基于节能降耗的电力计量技术应用探究

为促进电力事业的快速发展,做好电力计量工作至关重要。在电力计量工作中,电能表的应用是重要方面。为了满足人们日益增长的电力需求,用智能电能表替代传统电能表是一种必然趋势。因此,科学的电力计量工作在提升电力行业节能降耗程度方面起到重要作用。在本篇文章中,笔者主要对节能降耗的电力计量技术进行分析,以供参考。     

探讨智能电能表在使用过程中的注意事项

随着智能电网的快速发展,电力企业智能电能表的服务项目与功能也在日益拓展.但智能电能表作为新时代的科技产物,设备功能及使用环境也较普通电能表更为繁琐,如何正确使用新型智能电能表,保证其安全运行以及电能源的稳定供给,成为电力企业以及电力用户必须攻克的难题.     

个性化服务中自适应聚类算法的研究

针对传统K—Means聚类算法需要用户输入聚类数目的缺点，对K—Means聚类算法进行了改进，提出使用一个有效指数来克服这个问题，该算法不需要背景知识，自动聚类，提高了聚类的准确性。该算法还可以根据数据量的大小确定合适的步长，增强了适应性。通过将该算法应用于网站日志数据中对用户进行聚类，验证了算法的有效性。     

单相复费率电子式电能表的设计

目前在电能计量和收费当中使用最多是的是机械表和电子式电能表,这些电能表只能完成计量功能而不能完成分时付费功能,随着科学技术与国民经济的发展,对分时付费功能的需求越来越多,针对这种情况研发出了一种能够按照时段进行分时付费的电子式电能表,克服了现有电能计量中存在的不能分时付费的问题,可以满足电能表用户和供电部门的需求.     

计量检定中交流电能表的常见故障及应对策略

交流电能表是一种计量仪器,它的主要功能是计量电路中交流电能有无功,伴随着电力技术的快速发展,其应用也日益广泛,但在计量检定中电能表仍会存在一些故障.本文就计量测定中交流电能表出现的常见故障展开讨论,并提出相应的解决方法及策略,为交流电能表的广泛而稳定的应用提供保障.     

谱聚类广义模型和典型算法探析

谱聚类算法是建立在谱图理论的基础上的,同传统的聚类算法比起来,谱聚类算法可以在任意形状的样本空间中聚类,并且收敛于最优解.谱聚类算法能够发掘数据的非线性低秩结构,广泛应用于复杂网络、机器学习等领域,它和流形嵌入、图模型以及积分算理论等密切关联.典型谱聚类算法包括NJW算法、标准切算法、多尺度算法、基于Nystrom的算法以及分层和抽样技术,不同的算法具有不同优缺点,应合理使用.     

个性化服务中用户兴趣聚类算法研究

讨论了个性化服务中用户兴趣建模对聚类算法的要求,指出经典聚类算法应用于用户兴趣聚类时的不足。在基于图论的K近邻聚类算法的基础上进行改进,提出一种基于相似度的聚类算法。实验证明,与K近邻算法相比,该算法能够显著提高聚类质量,有效区分孤立点,适用于用户兴趣聚类。     

基于K-prototype与SVM的短期电力负荷预测

电力负荷受多种不确定因素的影响,所以通过使用一种聚类方式选取相似日来进行短期电力负荷预测,以提高预测精度和速度。K-prototype聚类算法继承了k均值算法所以具有k均值优点。通过建立映射数据库将气温、湿度、天气、星期类型、季节等不同量纲的值通过无量纲化处理,使得不同的量纲在数值上具有可比性。然后运用聚类方法选取预测日的相似日,借助SVM模型对相似日样本进行预测,实现更加精准预测的目的。利用某地区真实数据进行验证,结果表明该方法可以有效地提高短期电力负荷的预测精度。     

基于谱聚类的用户关联关系挖掘

为了从用户地理空间分布数据中挖掘用户间关联关系,提出了一种基于谱聚类的关联关系挖掘算法.首先定义了关联度,用以衡量用户之间空间分布的相似性,基于关联度构造相似矩阵,再利用谱聚类方法对用户进行聚类分析,聚类结果表征了用户的关联关系.采用Silhouette指标和聚类准确率来衡量用户关系挖掘质量,同时与传统的K-Means方法进行了比较,通过真实数据集实验,结果表明该算法在实验数据集上能达到90％以上的聚类准确率,证明方法有效、可行.     

电网环境中电力用户信息多维精益管理体系

针对现有技术对电力用户信息管理滞后的问题，设计了电力用户信息管理体系，对电力用户信息进行采集，实现电网环境中电力用户信息远程通信；设计基于改进空间聚类算法(IDBC)的多维数据管理云计算平台，用户可以多维度查询电力用户信息。实验表明，该研究远程查询所需时间的平均值最少为0.5s,查询的结果准确率最高为99%。