基于大数据和机器学习的用电异常行为分析系统总体架构

用户用电异常行为不仅对接入设备和用户本身产生影响,更会危及电网的正常运行,因此对用电异常行为的分析至关重要。基于大数据和机器学习技术,设计了一种用电异常行为分析系统,并提出了系统设计的总体框架和相关配置。所设计系统对用户用电的用电量、电压质量、负载及三相不平衡率、无功及功率因数等方面可以进行异常分析,并以可视化的方式向管理员和用户展示。同时,对高风险用户进行预警和跟踪处理,对窃电行为展开调查分析。本系统可以有效分析用户用电异常行为及进行窃电预警,对电网稳定运行起到关键作用。     

基于用电特征分析的窃电行为识别方法

反窃电作为供电企业用电管理工作的核心构成部分,在剖析和处置用户窃电行为数据的基础上,研究出一种基于用电特点剖析的窃电行为鉴别手段,能明显提升搜集数据的合理性。本文主要围绕窃电行为识别方法的总体设计构思展开分析,通过用户用电量多指标综合评分等手段,利用大数据算法对目标用户的用电行为特征加以分析,在此基础上建立相应的特征模型,创新提出了基于用户行为特征大数据的用电异常识别技术路线,并探究其具体建设过程,旨在提高供电水平,促进企业可持续发展。     

数据赋能低压配用电系统精益化运行的关键技术与算法

随着人工智能和大数据技术的发展,合理高效地分析电力数据可以赋能电网业务以提升其工作成效。同时,智能采集装置提供了海量计量数据,为数据赋能低压配用电系统精益化运行打下了坚实基础。为更好地总结低压配用电系统精益化运行的研究成果和启迪思路,根据现有业务将低压配用电系统精益化运行主要分为计量采集设备质量评估与计量数据异常监测、用户相位关系识别与三相不平衡治理、低压台区户变关系和拓扑关系识别、用户异常用电和窃电行为检测、客户侧用电服务评价5个方面,分别介绍了数据赋能低压配用电系统精益化运行中的关键技术及算法,并给出了目前研究的不足和未来的展望。     

基于密度聚类技术的电力系统用电量异常分析算法

如何科学、准确地识别异常用电量对于改善电力系统用电管理至关重要。文中提出一种基于密度聚类技术的电力系统用电量异常分析算法。该算法通过基于密度的聚类技术和局部离群点要素给出异常用电波动区间的离群度,利用关联分析法构造关联规则,同时给出其关联规则支持度,并结合当前用电量综合分析获取异常用电得分。最后以异常用电百分比实现用电量信息异常情况的快速、可靠分析。仿真和实验测试结果表明该异常分析算法能够高效识别用电信息异常数据,从而提高用电量异常分析的准确率。     

基于LSSVM的用户异常用电行为辨识研究

针对用电检查过程中低压用户窃电和电表故障等异常用电行为难以准确和高效辨识的问题,研究了一种最小二乘支持向量机(LSSVM)的用电异常识别方法.首先分析了用电信息采集系统采集的数据特征,建立了电量突变,同期差距,同类用户差距和"候鸟"特征的用户四种异常用电指标模型.然后,针对原始数据中的零电量异常数据,从五个方面分析了其...     

基于灰色分析的集抄数据异常判定

提出综合缺陷分析和失真分析的集抄数据异常判定流程,着重针对目前用电量环比波动率判据的不合理性,运用灰色分析理论构建集抄数据失真判定的两阶段法:第一阶段通过电量折算削弱季节变迁对用电环比波动率的影响;第二阶段实施灰色关联度分析判定用电模式稳定性,对用电模式稳定的用户采用灰色距离测度法估计月用电量合理区间,以此作为集抄电量异常判据。对上海市北地区8 643个计量点2015年7月的集抄数据分析,结果表明所提方法能降低气候变化或特殊用电模式造成的集抄数据异常误判,合理降低复核工作量、提高出账率;所提方法还可同时找出窃电可疑用户、一定程度上克服集抄环境下的窃电隐蔽问题。     

基于用电信息采集系统的反窃降损分析方法

正1电量比对异常数据分析法客户用电量的大小直接反映了客户的用电状况,虽然实际情况存在偶然性,但是通过用电信息采集系统等辅助应用系统的支持,就能在电量变化之间寻找到某些规律,再召测出相关联的数据进行综合分析,可为现场用电检查提供数据支撑,准确快速找到异常原因,见图1。掌握该分析法对查找计量异常原因、反窃查违、台区降损等有很大的指导意义。     

基于概率预测的用电采集终端电量异常在线实时识别方法

电力市场环境下用电信息采集系统采集的用电量成为市场结算的重要依据。实时识别用电采集终端上送的异常电量,不但可以提升数据质量,也可以为发现采集终端的故障、识别异常用电行为提供参考。针对现有异常数据识别方法识别性能和实时性不高的问题,提出基于概率预测的电量异常在线实时识别方法。首先,在分析电量异常类型和特点的基础上,提出离线训练概率预测模型、在线实时识别异常数据的检测方法。其次,提出了基于状态空间模型的结构化用电量模型对用户用电规律进行建模,并采用变分贝叶斯推断训练模型,以实现用电量的概率分布预测。最后,利用预测标准分数衡量电量实测数据与电量概率预测结果之间的差异,从而实现异常数据的在线识别。采用实际电量数据进行验证,并与其他方法进行对比,验证了该方法的实用性和有效性。     

基于BS架构的可视化技术在配电网的应用

电网可视化是处理海量电力大数据、提高电网态势感知的重要技术之一。本文研究了配电网数据可视化国外的发展历程和国内的研究现状,以地理信息技术和图表可视化手段为核心,结合配电网实际运行情况开发了一套基于GIS的配电设备分布和图表可视化技术的电网实时运行监视,为配电网运检和调度工作人员的决策和研究提供了方便快捷的工具,应用前景广泛。     

基于不平衡电能数据的反窃电智能监测系统研究

面对电网中的窃电行为,设计一个基于不平衡电能数据的反窃电智能监测系统,完成用电负荷数据的预处理后,运用随机过采样—迭代决策树算法建立计量装置的异常监测和用户异常用电行为的智能分析数学模型,快速检测出异常用电客户,并在此基础上开发嵌入式专家分析系统,实现用户的电能数据在线监测分析,自动展示异常用电数据,定位窃电用户。     

基于用电信息采集系统的电能计量装置异常智能分析方法研究

用户电能计量装置运行情况的诊断分析需依赖现场校验来实现,工作繁琐且时效性差。用户用电信息采集系统建立之后,即可通过远程采集用电信息来分析用户电能计量装置运行情况,但是庞大的采集数据仅靠人工分析和筛查异常信息所花时间较长,而且人工分析中常常会有疏漏,同时一些数据分析工具难以满足要求。本文提出了规律性非连续算法和分类连续差值算法,可有效锁定电能计量装置运行异常及疑似用电异常用户。经过实践表明,该方法高效可靠,运行简单,可准确识别电能计量装置运行异常,为电能计量装置异常排查提供技术保障。     

基于云平台的计量运行数据深化应用与故障智能识别研究

针对计量自动化系统普遍存在的档案一致性差、实时监控效果不佳以及数据价值尚未深入发掘等问题,结合电网电能量数据上传要求,主要针对计量运行数据深化应用与故障智能识别开展应用研究。以云平台作为基础平台支撑,构建了计量数据智能分析平台,能够对计量档案完成质量分析,并对异常数据进行提取和处理,有效解决档案一致性问题。该平台可依据典型计量故障数据,智能化构建计量故障池,对海量计量数据进行分析,并识别出疑似的计量故障数据,辅助运维人员开展计量设备的运维工作。该平台还可基于计量海量数据的分析与挖掘,实现客户日用电情况、异常数据监控等数据高级分析应用。文中研究对于我国泛在电力物联网在计量自动化领域的实践提供了可靠借鉴。     

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。     

利用多功能电能表检查计量接线正误

根据用电管理的要求,地方供电部门需要对部分用户安装多功能电能表,由于安装工作量很大,容易造成电能计量接线错误.针对此情况,提出了利用多功能电能表提供的数据判断计量接线正误的方法.该方法简单实用,计量人员、安装人员和抄表人员均容易掌握,可迅速判断出计量接线的正确与否,提高检查工作效率.     

异常用电的检测方法：评述与展望

用电侧的非技术性损失(NTL)主要由用户异常用电行为造成,一直是各国电网企业期望解决的重要问题。随着智能电表在电网中的普及,利用配电网、用户侧的量测数据实现对于NTL的高效、精准检测,受到了学术界和业界的广泛关注。首先介绍用户异常用电行为的基本模型、方法与评价指标。随后,从基于系统状态、基于数据驱动和基于博弈论三个角度对现有的异常用电行为检测方法进行系统性的梳理、分析与比较,以总结出其对于后续研究工作开展的借鉴意义。最后,对异常用电行为检测领域的关键技术进行了提炼,并对异常用电行为检测领域未来的研究工作进行了展望。     

EMS系统中可视化主题监视的应用

介绍了可视化主题监视技术在EMS系统中的应用.论述了常用的二维、三维可视化数据展示技术,包括标尺、饼图、流水线、等高线、圆柱/圆锥体、空间连接线等在EMS中的应用.在此基础上,提出了可视化主题监视的概念,对电压、潮流、设备负载率、N-1分析结果等监视主题给出了相应的实例.现场的实际应用表明,采用可视化主题监视,有利于调...     

关于现场智能电能表故障诊断方案的设计实现

电能表的性能故障和电力线路故障会导致数据统计异常,而数据的准确性直接影响着电力部门和用户的切身利益。现场智能电能表故障诊断方案能够快速、准确地检测出这些故障,从而提高数据统计的准确性。现场智能电能表故障诊断方案主要是对电能表进行通讯,快速获取电能表的各项数据,并对这些数据进行分析,从而判断出电能表和线路的常见故障。按照故障的严重程度将故障分为三类,对每一类故障进行对应的流程化处理,并将检测的数据存入数据库,可以随时进行导出分析和查看。同时将故障信息和数据上传至计量营销管理系统。最后通过一个城区的实际案例,验证了该方案的实用性。以期为数据统计的准确性提供一定的参考依据。     

电力系统可视化技术

介绍了可视化技术在电力系统潮流和最优潮流分析中应用的最新成果.讨论了应用动态变尺寸饼图和动画潮流箭头显示电力系统潮流;以及应用等高线显示母线电压和边际电价.此外,还讨论了交互式三维动画技术在电力系统可视化中的应用.所提出的可视化技术不但可用于离线潮流和最优潮流分析,而且可用于电力系统控制中心在线潮流和最优潮流分析.     

Relation between electricity consumption and economic growth in Karnataka,India: An aggregate and sector-wise analysis

Karnataka is a highly progressive and rapidly growing state in India, with huge potential for industrial growth, however, it grapples with power deficits and other problems in electricity sector, which make it a good case study for Indian electricity sector. Given the importance of electricity in the urbanisation and growth process, the paper analyses the electricity consumption trend in Karnataka, examine its causality with economic growth at aggregate and sectoral levels using Granger causality test, and forecast the future electricity consumption applying Holt-Winters smoothening (no seasonality) technique. The general trend reflects higher consumption by the agricultural consumers, compared to the revenue-generating 'Industries' and 'Commercial' categories, mainly due to the policy of de-metering and providing 'free' power to agricultural consumers since late 1980s. The Granger causality tests reveal that there is no causality relation (neutrality hypothesis) between electricity consumption and economic growth in Karnataka, for total, agricultural and industrial consumption. This basically stems from the inaccurate measurements of agricultural consumption, higher dependence on captive generation, and poor quality grid supply. Finally, electricity consumption is predicted to be around 69,347 GW h by 2019−20. Future policies should focus on universal metering, reducing cross-subsidization, supplying good quality and reliable power to all sectors, and economical planning of resource-mix to achieve adequate, productive and efficient electricity consumption.     

基于非参数核密度估计的电力市场用户电量异常数据辨识与修正方法

随着我国电力现货市场的逐步推进,电力市场中的交易结算环节对电力市场用户电量数据的准确度提出了更高的要求。首先,为解决由于计量装置等问题造成的分时电量数据缺失与异常,采取非参数核密度估计(kernel density estimation,KDE)的方法,对窗宽进行优化选取,根据电力市场用户的历史电量数据提取其日分时电量特征曲线。其次,将提取的特征曲线结合历史电量所蕴含的信息得到用户电量数据的可行域矩阵,并将其应用于异常数据的辨识中。再次,根据异常数据区间用电量大小对特征曲线进行缩放处理后的数据作为连续缺点数据修正值。最后,利用某省电力市场用户的计量电量数据,对所提方法的有效性和准确性进行了验证。结果表明所提方法能够有效地处理异常数据,和其他方法相比较,该文方法在连续多点电量数据异常的修正过程中准确度最高,具有实际应用价值。