共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
随着电网的快速发展,地区电网台区个数和用户数量正不断增加,针对台区线损率异常判断困难的问题,提出一种基于数据分析的台区线损率异常判断方法.该方法通过给出一种改进的K-means聚类算法对台区历史数据进行聚类分析,分析出台区线损率的标准形态,最后在台区线损标准形态基础上实现对台区线损率异常的自动判断.仿真结果表明,所提方法在聚类精准性等方面具有更好的性能,可实现台区线损异常的自动判断. 相似文献
4.
线损管理是电力公司的重点管理内容之一,低压电网普遍采用分台区的管理手段。供电侧数据缺失和营销抄表日期冲突导致的线损率缺失是电力公司线损系统中台区线损数据存在的主要问题。为此,提出了一种涉及多源数据的基于随机森林算法的台区合理线损率估计方法。从线损系统、生产管理系统和营销系统中提取台区、变压器和用户相关数据,建立台区特征数据库;对台区进行聚类分析,并在此基础上建立决策树分类模型和随机森林估计模型;利用上述模型估计台区线损率。以上海电力公司实际数据为例,计算结果验证了所提方法的可行性;并将所得结果与线性回归模型和回归树模型的估计结果进行比较,表明所提方法性能优越。 相似文献
5.
6.
7.
沪北供电分公司低压台区理论线损计算 总被引:1,自引:0,他引:1
为了真实反映上海市电力公司沪北供电分公司低压台区的线损率,对该公司低压典型台区的线损进行了理论计算。通过对计算结果的分析,确认了表计损耗和三相不平衡对线损的影响较大,而大量零电量用电数据则是台区实际线损率波动较大的原因,为进一步加强低压线损管理提供了理论依据。 相似文献
8.
目前电力公司对于台区线损异常的判断是当线损率超过一定阈值时为线损异常,这样的判断具有片面性和局限性。针对如何有效辨别线损异常的问题,在研究聚类算法和线损率数据特性的基础上,提出了一种基于k-means聚类算法的线损异常辨别方法。首先将低压台区线损率进行一次k-means聚类分成3类,然后根据各类数据的数量状况判断是否进行二次分类,最终根据平均线损率的大小、聚类中心的距离等因素,判断该低压台区是否存在线损异常,对聚类结果中线损率高的那一类数据的时间离散度进行分析,得到低压台区线损异常的程度。实验结果证明,该方法具有一定的实际应用效果,可以提高线损异常判断的准确性。 相似文献
9.
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。 相似文献
10.
针对低压台区线损治理周期长,高损点定位不准确等问题,提出了一种基于电能表误差和窃电分析的线损分层定位方法。该方法在传统线损分层定位方法的基础上,引入理论线损计算方法,构建了基于基尔霍夫定律的台区线损分层计算模型,实现线损的分层计算,确定高损范围,设计电能表误差分析模型,在高损范围内筛查出误差异常电能表,实现台区高损点定位;最后设计电能表窃电分析方法,通过挖掘与窃电行为相关的告警事件频繁项集,进一步对高损点进行验证,并确定其高损原因。该方法采用50个台区的实际数据进行验证,台区线损分层计算模型准确率为100%,电能表误差分析计算模型的准确率为88.5%,电能表窃电分析模型准确率为92%。 相似文献
11.
12.
随着能源需求量的不断增大,能源短缺问题变得越来越严峻,电力行业中的线损异常数据分析存在巨大的需求.运用更加新兴、科学化的大数据分析技术和物联网技术对数据进行分析,有助于提高对台区线损异常排查治理的效率.基于WinCC平台开发了一套台区线损异常监控系统.该系统实现了对海量用电数据的智能分析,建立了线损异常数据库及典型案例库,并将异常台区用电数据与线损异常数据库进行拟合,以缩小检测范围,可及时核查出存在线损异常风险的用户,实现了线损异常的科学诊断,提高了监测工作效率,降低了线损异常情况分析的时间及成本. 相似文献
13.
随着能源需求量的不断增大,能源短缺问题变得越来越严峻,电力行业中的线损异常数据分析存在巨大的需求.运用更加新兴、科学化的大数据分析技术和物联网技术对数据进行分析,有助于提高对台区线损异常排查治理的效率.基于WinCC平台开发了一套台区线损异常监控系统.该系统实现了对海量用电数据的智能分析,建立了线损异常数据库及典型案例库,并将异常台区用电数据与线损异常数据库进行拟合,以缩小检测范围,可及时核查出存在线损异常风险的用户,实现了线损异常的科学诊断,提高了监测工作效率,降低了线损异常情况分析的时间及成本. 相似文献
14.
针对低压台区反窃电工作效率低、成本高的问题,提出了一种基于局部离群点检测的低压台区用户窃电识别方法。首先,基于线损特征搜寻与待检测台区最相似的k个最近邻台区;接着,基于k个最近邻台区的线损率分析待检测台区某段时间线损率是否异常,若线损率异常计算该台区所有用户该段时间负荷曲线之间的离散Fréchet距离;最后,基于离散Fréchet距离计算台区每个用户负荷曲线的局部离群点因子,同时采用邻域查询优化技术提高计算效率,局部离群点因子越大的用户窃电嫌疑越大。该方法输出待检测台区所有用户窃电嫌疑度排序,只需要检测排序靠前的用户即可检测出大部分窃电用户,大大提高了反窃电工作效率。 相似文献
15.
16.
17.
18.
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. 相似文献
19.
针对目前能源供应态势日趋紧张,配电网中普遍存在电能损失严重、线损率偏高的现象,分析了影响线损的主要原因、吉林电网线损率下降及系统建设情况,从技术和管理两方面提出了降低线损的可行性措施。 相似文献