基于多维特征的电网台区线损数据异常识别研究

随着智能电表及用电管理终端的广泛应用,电网台区相关监测终端每天可收集到海量线损数据,并且可对存在的异常情况进行识别。但是数据噪声对电网台区线损数据的干扰,导致识别的准确率和召回率下降。针对这些问题,提出了一种基于多维特征的电网台区线损数据异常识别方法。该方法首先将电网台区线损数据样本形成对应的二维数据,采用二维小波阈值法进行去噪。根据去噪后二维数据的位置特征以及时间数据特征,对Hasusdorff距离公式进行改进,用以计算电网台区线损数据的多维特征相似度,得到线损数据之间的相似性矩阵。最后将多维Hasusdorff距离应用到层次聚类算法中去识别电网台区线损数据中的异常。仿真实验结果表明,所提方法的准确率和召回率较高。电网台区线损数据异常识别时间较短,满足工程实际使用要求。     

基于梯度算法的低压台区线损异常实时检测方法

针对传统线损异常检测方法缺乏规范的体系、智能化程度较低,为电网台区带来一定风险的问题,提出基于梯度算法的低压台区线损异常实时检测方法。利用数据挖掘算法挖掘低压台区线损异常数据,作为检测方法的数据支持,通过预处理线损异常数据恢复缺失值,引入梯度算法得到用于识别线损状态的梯度计算公式作为检测依据,建立一个低压台区线损异常实时检测模型。实例应用结果表明,该方法可准确识别低压台区线损异常原因,且具有96.6%的异常检测查全率。     

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.     

基于专家系统的台区线损异常智能诊断方法及应用

利用专家系统的推理和决策功能,设计了一套台区线损异常智能诊断系统.该智能诊断系统将台区用电原始数据载入专家系统中进行线损异常智能诊断,甄别出线损异常的台区,并分析出导致该台区线损异常的原因,并将这些线损异常信息存入台区线损异常数据库中.电力企业管理人员在系统人机交互界面上查看线损异常信息.该系统的使用提高了线损异常的诊断速度与效率,提升了电网的智能化管理水平.     

考虑气象因素的台区线损异常智能识别模型及应用

在气候多变的山区,天气情况对台区实时线损波动影响较为严重,但在目前的线损管理中,并未充分考虑气象因素对线损的影响。利用基于距离和密度的局部离群因子检测算法,建立考虑气象因素的台区线损异常智能识别模型,快速有效识别易受气象因素影响的台区,评估异常天气对台区日线损的影响程度,并结合实时和预报气象信息,建立台区线损异常情况预警模型。最后以天气多变的某县供电公司为例进行实证分析,结果表明考虑气象因素的台区线损异常智能识别模型可有效识别线损易受异常天气影响的台区,为区县供电所开展台区线损治理提供依据,辅助提升台区线损精细化管理。     

基于聚类算法的低压电网分段线损智能识别方法

传统电网线损识别方法未能对线损特征进行提取,导致识别结果不准确,识别用时较长。提出一种基于聚类算法的低压电网分段线损智能识别方法。通过Wpdec小波分解函数对低压电网分段线损数据进行3层小波分解,利用Wprcoef函数对小波系数进行重构,提取低压电网分段线损特征;根据提取到的线损特征变量,设定分段线损异常判定依据,使用K-means算法对所提取的特征向量进行聚类分析,借助聚类结果获取线损特征规则,最终实现基于聚类算法的低压电网分段线损智能识别。经实验结果表明,所提方法不仅能够精准识别低电压分段线损,同时还能够提升识别速率。     

基于电能计量采集物联网的多维线损治理技术研究与应用

为解决低压台区线损合格率低、治理困难等问题,本文依据一套完整的电能计量采集物联网系统,通过其本身的台区识别技术、采集大数据分析等功能,为电力公司管理、计量设备异常及其他人为原因等造成的各种低压台区线损提供了多维治理手段,对电网结构和用户性质复杂的低压台区线损治理提供了有力的技术支撑,切实提升台区线损精益化管理水平,为电...     

基于用电信息采集数据的低压台区异常线损诊断新方法

低压配电网台区的线损分析对发现和解决异常线损问题,减小用电损失以及用户的精细化管理具有重要意义。文章基于全事件用电信息采集系统采集的真实台区数据,提出了一种新的低压台区线损诊断方法。该方法利用电网诊断规则对所采集的原始数据进行质量分析,并通过对台区线损特征地提取和分类,建立了基于电压信息的二分K-Means聚类诊断算法和基于电量信息的全局搜索诊断算法,实现了对台户异常用户的快速定位及台区线损异常的治理。通过剔除异常电表和实际检验表明,该方法具有较高的准确性和一定的实用性。     

巧用同期系统 精准治理负损台区

<正>同期系统作为线损监测系统,提供了很多线损监测与异常排查功能,线损管理人员在日常线损监测和治理工作中要充分利用系统强大的数据分析功能。同期系统中2022年新上的线损治理闭环模块通过对线损异常情况进行分析研判,提出异常分类,精准定位异常原因,为异常线损治理提供精准指导,为线损管理人员提供工作支撑,提升异常分析水平,大大缩短异常线损治理时间。本文分析一例台区总表电压失压引起台区负损的案例,通过线损治理闭环精准定位异常原因,为线损管理人员提供参考借鉴。     

基于孤立森林算法的配电网线损异常判定

线损异常分析在低压配电网的发展规划中具有重要意义。现阶段线损的异常判定多采用阈值分析法,在时效性和准确性上存在很大的局限性。随着智能电网的推广,提出了一种基于孤立森林离群点检测算法的线损异常判定方案。首先采用k-means算法将低压台区按照不同的负载工况进行聚类,而后采用孤立森林算法计算台区数据的异常分数,最后对获取的异常分数进行阈值分析,得到最终的线损异常数据。在IEEE标准配电网络上进行仿真分析,并用电网实际台区的运行数据进行验证。结果表明,所提异常判定算法具有较高的准确性。这种基于数据挖掘技术的异常分析方法在线损精细化管理中将发挥越来越大的作用。     

基于知识图谱的台区线损异常分析

电网公司的基本职能之一是提供安全可靠的电能,而线损率是衡量电能质量及电网经济效益的核心标准.能够及时发现并解决台区线损异常是电网公司关注的重点.近年新兴的知识图谱技术能够清楚地描述实体之间的关系,并能将复杂的自然语言转化成脉络清晰的三元组,因此,可将知识图谱技术运用到台区线损异常原因判断中.根据电网信息系统中的电力数据构建出台区线损异常知识图谱,分析各类异常原因特征并构建判断规则,经过推演格算法优化构建出台区线损异常原因判断方法.经实例验证,所提方法在台区线损异常原因判断方面的准确度优于电网方法,并极大地提升了判断速度,具有实用性和高效性,为知识图谱技术在电力行业的应用提供了新思路.     

台区线损合理性分析模型研究与应用

线损是衡量供电企业经营状况的重要指标。利用海量历史数据构建台区线损合理性分析模型,将台区划分为多个类别,在此基础上构建并应用台区线损异常判定工具,提高线损异常识别准确率,实现台区线损的精益化管理。     

基于K-Medoids聚类的分布式光伏台区线损异常感知算法

为保证分布式光伏台区稳定运行,精准有效地划分台区线损数据,提出基于K-Medoids聚类的分布式光伏线损异常感知算法,精准判断分布式台区线损异常程度。采用局部异常因子（LOF）算法判断分布式光伏台区数据局部异常程度,并筛选和去除受孤立点影响产生的异常线损数据。采取K-Medoids聚类方法聚类分析筛选后的分布式光伏台区数据,将异常线损率区间结合异常线损数据的聚类中心和欧式距离,完成台区线损异常感知。并创新性地引入粒度计算优化K-Medoids聚类算法聚类中心,提升异常数据感知效果。试验结果表明,所提算法可有效避免孤立点对异常感知效果的影响,精准有效地感知分布式光伏台区线损异常,并清晰划分台区线损数据类别。     

基于多源数据的供电台区线损率异常点快速定位方法

针对台区统计线损影响因素较多、台区实时运行数据应用不足、台区线损原因分析较难等问题,通过用电量离群偏差点分析算法,构建了基于多源数据的台区线损率异常点快速定位方法及应用,提高了台区线损异常分析及问题原因查找速度,有效提升了台区精益化管理水平,助力台区节能增效工作,实现供电所台区指标提升管理目标。     

基于相关性度量算法的台区线损异常判断及精准定位

针对台区发生线损异常时关联用户辨识困难的实际问题,提出一种基于相关性度量算法的台区线损异常判断及精准定位方法。首先,通过间隙统计-轮廓系数融合算法确定数据集的最佳聚类数,并在此基础上采用二分K-means++构建台区线损标准库;其次,基于标准库完成台区线损异常辨识,确定异常时间段;再次,计算异常时间段内各用户电量和线损的斯皮尔曼相关性系数(SCC)和欧式-离散弗雷歇距离(E-DFD),并基于SCC和E-DFD构造综合评判指标分析用户关联性;最后,采用TOPSIS算法对综合评判指标值进行排序,实现异常关联用户的精准定位。算例采用某台区真实现场数据进行分析,结果表明文中所提方法在聚类有效性、计算时间以及辨识准确度等方面具有较好的性能和优势。     

基于时间同步和高频载波信号衰减的拓扑自动识别技术

拓扑自动识别是配电领域开展线损精益化管理、故障精确定位以及促进低压台区智能运维水平提升的关键因素。为了提高低压拓扑结构识别准确性,结合配电物联网体系架构提出一种基于时间同步和高频载波信号衰减的拓扑自动识别技术。以台区智能融合终端为核心,首先分析了为实现低压台区拓扑识别所需满足的技术基础;然后从理论角度推导了台区拓扑自动识别技术原理,并以典型台区拓扑结构为例明确了拓扑识别具体步骤;最后通过在试点台区开展实际应用,实现了从台区低压进线侧到线路侧分支箱,再到用户表箱的物理拓扑结构识别,并进行低压台区拓扑校核,保证了拓扑识别的准确性。     

“一台区一指标”营销线损精益管理策略

<正>近年来，国网湘潭供电公司围绕全域现代化营销示范区建设总体思路，以压降台区线损电量为重心，精益推进台区降损；以“一台区一指标”营销线损管理标准为要求，强化过程与结果的双向管控，重点整治难点用户，推行线损管控“集约化”，不同台区管理“标签化”，针对不同“标签”的台区采用不同治理策略，全部台区实时管控，异常原因精准定位，问题整改迅速闭环。通过线损集约管控，该公司线损率较上年同期下降0.75个百分点，反窃查违成效较上年同期增加20.12%。     

基于深度神经网络的低压台区线损异常识别方法

“煤改电”工程改变了电网的负荷特性,对线损造成了重大影响。为降低“煤改电”工程造成的负面影响,进而提高供电单位的效益,以实施“煤改电”工程后的低压台区为研究对象,提出了一种基于深度神经网络的线损异常识别方法。该方法将异常点检测、EM算法及深度神经网络进行结合,建立了线损异常识别模型,预判未实施“煤改电”台区的各项实施后指标是否可能导致线损异常,从而为“煤改电”工程提供指导性建议,以便采取相应措施进行有效降损。     

基于自适应分段聚合近似的户变关系聚类识别方法

低压配电变压器台区广泛存在户变关系不准确的现象，导致台区线损统计异常、停复电通知不及时等问题。目前，台区档案校验主要依靠电力员工现场排查，过程耗时耗力。针对此，依据智能电表记录的电压数据，提出基于自适应分段聚合近似和谱聚类的低压台区户变关系识别方法。首先，采用零均值标准化放大原始电压数据间的相对差异；其次，采用自适应分段聚合近似方法对电压数据进行降维处理，提取电压曲线特征；然后，应用谱聚类算法对电压特征数据进行聚类，实现用户与所属台区的识别；最后，通过算例分析的结果验证了所提模型的可行性和有效性。     

营配贯通台区线损异常数据治理方法探讨

根据国网浙江省电力公司配电变压器台区线损异常数据治理要求,分析了线损异常的原因,探讨了基于台区识别技术的配电变压器与表计对应关系治理方法,提出了台区负线损和超大线损数据的治理流程。