窃电与反窃电

论述了窃电原因、特点及应采取的措施.     

窃电与反窃电技术分析

分析失压和欠压窃电、TA短接分流、电压相序颠倒等错误接线和强磁干扰的窃电方式,介绍窃电情况的检查判断与电量的追补计算方法,提出使用新一代多功能电能表、推广反窃电监测报警系统等防范窃电的措施.     

基于离群点算法的反窃电研究

传统的反窃电措施已很难迅速、有效地发现窃电用户。鉴于此,提出一种基于统计分布的离群点检测方法,同时结合实例进行分析,验证了该检测方法的有效性。     

常见窃电手段分析及反窃电装置设计

文章针对常见的窃电手段进行了分析,同时设计了一种反窃电装置,旨在提高输电线路的反窃电水平,为电力系统的安全经济运行提供可靠保障。     

反窃电、防窃电及防窃电产品

在介绍窃电与反窃电情况基础上，说明了“防”重于“反”的观点；在分析窃电方法的基础上，提出了对防窃电产品必备条件的看法；概述了现有防窃电仪对窃电事件的几种处理方式，简介了河北全佳利电子有限责任公司防窃电产品的技术方案。     

反窃电技术研究

作为打击窃电行为的供电企业与被打击的窃电户,利益已成为两者"矛盾"的触发点。窃电行为不仅影响用户正常用电,给供电企业带来巨大损失,而且严重扰乱正常供电秩序,给电力系统的稳定运行带来安全隐患。首先从用户、供电企业和社会环境3个方面分析当前反窃电工作存在的问题,其次分析几种常见窃电手段的特点,最后以防窃电断路器以及高压电能表反窃电技术为重点,将技术防范手段和管理方法相结合,进行基于多种方式并存的反窃电措施研究与方案设计。     

窃电与反窃电

一、窃电的形式 实行违法窃电的手段和方法可谓多种多样，据用电检查人员粗略统计已经达到70多种，根据各地区供电局的电能被窃案件来看，在国内曾经出现的窃电形式主要有以下几类：     

浅析窃电与反窃电

电能作为一种特殊的商品具有生产与使用同时进行和无实物可见的特性.为使电能在流通环节上不造成无谓的损失,供电企业要做好各方面的管理工作,特别是在防窃电的打击方面.根据众多窃电案例显示,窃电多从计量装置人手,因为计量箱内具隐蔽性,不易被发现.电能表计量电量是由电压、电流、功率因数三要素和时间的乘积决定,因此,改变三要素中的任何一个都可以使电能表慢转、停转、反转.     

浅析窃电与反窃电

电能作为一种特殊的商品具有生产与使用同时进行和无实物可见的特性。为使电能在流通环节上不造成无谓的损失,供电企业要做好各方面的管理工作,特别是在防窃电的打击方面。根据众多窃电案例显示,窃电多从计量装置入手,因为计量箱内具隐蔽性,不易被发现。电能表计量电量是由电压、电流、功率因数三要素和时间的乘积决定,因此,改变三要素中的任何一个都可以使电能表慢转、停转、反转。     

窃电与反窃电解析

社会的多样性决定了窃电现象的发生,正确的判断和处理窃电行为能够为供电公司带来实在的经济和社会效益。     

GPRS技术在电力用电监测与反窃电系统中的应用

主要介绍一种基于GSM网络的GPRS网络通信技术在电力用电监测与反窃电系统中的一个应用,通过GPRS网络将电力用户用电的实时信息传送到终端服务器,通过专用软件系统的统计、分析,为监测电力用户的用电情况提供准确的数据.该系统具有建网方便、无需布线和几乎不受区域限制,一次性投资少,日常运行费用低等特点.     

机器学习算法在大坝安全监控系统中的集成方法

为方便在大坝安全监控系统中灵活应用新型机器学习算法，提出了一种应用组件对象模型（COM）技术将机器学习算法集成到大坝安全监控系统中的方法，相比于在开发系统中直接对机器学习算法进行编程，该方法可节省大量的编程时间，缩短开发周期，效果较好。     

基于极限学习机的居民用电行为分类分析方法

针对大数据背景下智能用户用电行为分类问题,提出一种基于极限学习机(ELM)算法的用户用电行为分类方法。首先,在前期用户行为的特征优选策略的基础上,采用特征优选策略提取负荷曲线的最佳特征集对用户用电数据进行分类分析。然后,将特征优选集作为输入,通过比较不同隐含层激活函数和隐含层节点个数下训练集和测试集的正确率,优选出适用于用户用电行为分析的ELM算法的输入参数。最后,以国内和国外用户用电数据为数据源,进行算例仿真实验,通过与反向传播(BP)神经网络的对比分析表明,所提出的基于ELM算法的用户用电行为分析方法提高了检测的正确率并且降低了算法运行时间,能够更好地掌握用户用电负荷状态,实现配电网的削峰填谷。     

基于机器学习的差异融合分析在空气质量预测中的应用

使用机器学习算法对未来AQI进行预测,有助于从宏观角度分析未来空气质量变化趋势。在传统上使用单一的机器学习模型对空气质量进行预测时,很难在不同AQI波动趋势下都能获得较好的预测效果。为有效解决该问题,在预测方式上进行改进,针对使用随机森林模型和基于卷积神经网络和注意力机制的长短期记忆模型对成都市的AQI数据进行预测时,在不同的AQI波动趋势下两者的预测准确度不同的特点,设计了一种差异融合分析模型。实验结果表明,提出的差异融合分析模型的MSE误差较随机森林模型降低了5.8%,较基于卷积神经网络和注意力机制的长短期记忆模型降低了6.3%。     

极限学习机在电容层析成像中的应用

针对复合材料的无损检测技术,介绍了一种基于极限学习机(ELM)的电容层析成像算法(ECT)。为保证样本的代表性,随机生成各类训练样本模型。对训练样本及测试样本模型的仿真电容值及其灰度值进行归一化处理,采用极限学习机进行训练及测试。给出了仿真结果及分析,探讨了文中方法的优缺点,该方法具有优越的泛化能力和学习速度,且成像精度得到较大提高,具有一定的参考价值。     

机器学习在软件测试用例集优化生成中的应用

软件测试用例集生成是软件测试中的重要环节。如何优化软件测试用例集,有效提高软件测试用例集的质量,已成为提高软件测试效率的主要手段。机器学习是解决这类问题的有效方法,目前也取得了许多重大的成果。本文对机器学习在软件测试用例集优化生成中的国内外研究现状及存在问题进行了分析,并在此基础上对机器学习与软件测试用例优化结合的发展趋势提出了看法。     

基于机器学习的电力通信网带宽分配算法

网络切片技术可以优化5G电力通信网的数据传输性能,但是数据传输性能取决于5G电力通信网为各切片分配的带宽大小.为优化5G电力通信网中网络切片的时延效果,提出了一种基于机器学习的5G电力通信网带宽资源分配算法.该算法通过对5G电力通信网历史预留带宽量及获得的时延效果进行学习,进而确定当前时隙网络应该预留的带宽资源大小.得...     

矩阵束算法在同步电机参数辨识中的应用

同步电机参数的准确性对于电力系统运行和控制具有重要的意义。文中基于矩阵束算法提出一种同步电机参数辨识的新方法,并给出了辨识的基本原理和基本过程。该方法将采集到的三相短路电流构造为2个Hankel矩阵,通过奇异值分解和矩阵的低秩近似等方法抑制了噪声的干扰,同时减少了计算量,从而利用矩阵间的特定关系提取出直流分量和基波分量,实现了同步电机参数的准确辨识。仿真结果表明,该方法具有精度好、运算效率高、抗噪性强等特点。     

基于鲸鱼算法优化极限学习机的微电网故障诊断

提出一种基于鲸鱼算法优化极限学习机的微电网故障诊断方法。首先利用小波包分解对三相故障电压进行分析,计算小波包能量熵组成特征向量作为数据样本;然后通过鲸鱼算法优化极限学习机建立诊断模型对故障类型进行识别和诊断。最后利用鲸鱼算法优化极限学习机的输入权值和隐层神经元阈值,解决了输入权值和隐层神经元阈值随机初始化易影响网络性能的问题,可进一步提高网络的学习速度和泛化能力,有利于进行全局寻优。仿真结果表明,与BP神经网络、RBF神经网络和ELM相比,基于鲸鱼算法优化极限学习机建立的故障诊断模型学习速度更快、泛化能力更强、识别精度更高。