基于负荷曲线的配电网用户月线损值预测研究

当前的配电网用户月线损值预测方法忽略了对月负荷曲线的计算,导致月线损值预测结果出现较大偏差。因此,提出基于负荷曲线的配电网用户月线损值预测方法。以用电信息采集系统采集的配电网拓扑信息和线路参数等运行数据为基础,采用实际供应电量的负荷曲线生成方法,分解配电网用户月用电量,求出配电网用户实际月负荷有功与无功功率曲线,通过结合前推回代法辐射型结构体潮流计算方法和Zbus计算法的环型结构体潮流计算方法,实现配电网用户月线损值预测。实验结果表明,该方法得到的配电网节点负荷平均误差波动范围为-3%～+3%,标准化曲线生成准确率高;预测各节点的有功功率、无功功率及电压的结果与实测值非常相近,误差较小,同时预测出的月线损值与实际统计值平均偏差低至3.215%。     

基于载波和工频畸变技术的台区拓扑识别

在台区线路精细化管理和节能降损的背景下,提出了一种基于高速宽带电力线载波通讯技术和工频畸变脉冲电流技术的低压台区拓扑关系识别方法.该方法不仅实现了用电台区变、线、户之间供电网络拓扑结构的识别和校核,也实现了台区用户表相序的识别,为台区线损分析与异常定位、用电负载平衡提供了有效的数据支撑.     

基于数据挖掘技术的低压台区线损检测研究

针对低压台区变压器端采集的电力数据量庞大难以分析线路损耗问题,深入分析了电力信息系统营销自动化过程中积累的海量用户数据,建立了合理且高效的线损分析数学模型.通过挖掘智能电表中这些数据背后的有用信息,实现对用户异常用电行为的检测,达到防止窃电和漏电的目的,从而降低线路损耗.利用加权LOF算法数据挖掘技术的电力线路窃电层次检测方法,可以对海量用户数据进行加权异常值分析,更有效地完成异常电力用户的定位.     

基于聚类算法的防窃电监测与辨识

随着我国经济实力的不断提高,窃电的方法越来越多样化,而且隐蔽性更强。提出了一种主要用于监测与辨识用户是否存在窃电行为的智能算法。该算法需要建立在用户用电负荷和用电参量特征的基础上。首先,收集用户的用电负荷相关数据,进行数据预处理。其次,使用聚类算法通过确定最佳聚类数来分析用户的用电数据,从而计算确定聚类数据的中心线。最后,依据用户负荷曲线与各聚类中心线的隶属度,确定用户用电数据所属的数据特征曲线,并对用户的用电数据与类别曲线作出匹配和筛选,确定疑似有窃电行为的用户。实际测试结果表明,窃电检测模型通过相关系数和欧几里得距离相结合的相似性度量,能更加有效地检测用户窃电行为。在后续的研究中,可以考虑增加按照用户的类型和季节变化进行用电负荷的分类,从而更好地提高检测的有效性。     

基于数据驱动的低压配电台区线损分层统计与异常诊断方法

线损是反映低压配电台区运行状态的指标之一，为实现对线损的有效管理，提出基于数据驱动的低压配电台区线损分层统计与异常诊断方法。根据低压配电台区的连接方式和工作机制，构建低压配电台区结构模型。利用数据驱动技术，分层采集低压配电台区运行数据，统计低压配电台区各层的线损量。提取线损的波动和峰值特征，通过特征匹配确定当前低压配电台区线损异常状态与类型。通过与传统方法的对比得出结论：优化设计方法的线损量统计误差降低了0.73 kW·h,线损异常误诊率得到明显降低。     

基于大数据分析技术的台区线损自动检测研究

当前模型无法描述台区线损的时变性特点,台区线损检测结果无法满足实际应用的要求,为了获得理想的台区线损检测结果,提出了基于大数据分析的台区线损自动检测模型。该模型首先采集台区线损的历史样本数据,并通过混沌算法对台区线损的样本数据进行预处理,然后将预处理后的台区线损样本数据输入到大数据分析技术中进行训练,并引入蚁群算法优化参数,根据最优参数构建台区线损检测模型,最后与模型进行了仿真对比实验。结果证明,本文模型可以更好刻画台区线损的变化规律,减少了台区线损检测误差,而台区线损预精度要远高于对比测型,具有更加广泛的应用前景。     

基于智能表海量数据的电网末端故障的快速研判和准确定位

本文以实现国网1号文《关于坚持以客户为中心 进一步提升优质服务水平的意见》中提出的深化主动抢修服务为业务目的,依托成熟的大数据分析技术和数据挖掘技术,利用用电信息采集系统中的用户负荷数据,研究了基于电压数据的配电线路及计量装置异常研判、基于台区阻抗及理论线损的配电线路异常研判的模型和算法,可以判断低压配电台区存在的单个电表异常、计量箱整体接线异常、户变关系错误、三相负载不平衡等问题。在提前发现潜在故障,实现低压故障主动研判,减少故障停电,准确定位故障点,减少现场排查工作量方面取得了一定成效,满足了用户不停电、少停电的需求,实现了电网末端故障隐患的快速研判和准确定位,提高了城乡配网供电能力和用户供电可靠性水平。     

基于K均值聚类的居民用电行为特征分析

论文以某智能小区的一户居民用户电力负荷数据为研究对象,利用K均值聚类算法提取该用户不同日类型下的负荷特征曲线,分析其用电行为,为客户用电精细化管理提供依据.首先根据用户档案采集和整理的用电数据,采用向前向后移动平均法和归一化方法对数据集进行数据清洗和标准化预处理;然后,采用轮廓图法和平均轮廓值法确定初始聚类数;最后,利用K均值聚类算法对该用户用电负荷提取节假日以及不同季节的负荷特征曲线,结合家用电器使用负荷热力图,分析该用户用电行为特征.算例分析结果表明,采用K均值聚类算法可以明显区分用户负荷曲线的特征,实现用户用电行为的分析,为客户用电的精细化管理、提供优质的用电服务等提供支持.     

基于梯度算法的电网台区线损状态自动识别模型

为了减小线损所带来的风险,采用梯度算法,构建电网台区线损状态自动识别模型。架构用于描述电网台区系统的无向连通图,近似描述母线线损率,根据最优化问题的强对偶性,推导出对偶优化问题,完成梯度计算。依据对应台区与电力数据服务器,提取状态异常线损相应台区特征,构建指标体系,经过聚类分析线损状态异常的电网台区,挖掘有效规则,令各类聚类分析输出分群结果与线损状态异常诱因相互对应,更新模型参数后,完成线损状态自动识别模型的建立。实验结果表明,本文构建模型具有较高的有效性与精准度,具有优越的应用性能。     

智能配电网台区用户信息梳理系统设计

用电信息采集系统是智能电网建设的重要内容.为解决一些老城区用电归属不清所导致的管理线损问题,设计了一套台区用户信息梳理系统.该系统基于电力载波通信技术进行梳理配电变压器与采集器或电表的从属关系,是对用户用电信息采集系统的补充与完善.系统由用户信息管理系统、用户信息在线梳理终端和查询终端三部分构成.测试结果表明该系统能很好地解决老城区复杂线路情况下客户信息的梳理,具有实际意义.     

基于局部离群点的低压台区线损异常检测

为提高低压台区线损异常检测方法的数据采集成功率与检测准确率,提出基于局部离群点的低压台区线损异常检测方法研究。分析低压台区基本结构,获取线损数据集,依据基于密度的局部离群算法完成离群数据点的定义。对数据集进行预处理,通过计算信息熵来判断其是否具有离群属性,通过计算其加权距离,计算各对象间的局部可达密度,继而通过计算各对象的离群因子,通过与离群因子阈值比较完成离群属性的判断,完成低压台区线损异常的检测。对比实验结果显示：该方法可大幅提高低压台区的线损异常检测的数据采集成功率与检测准确率,经过适当治理后其异常情况骤减,改善了该台区的线损情况,提高供电质量和供电效率。     

台区同期线损率标杆值与合理区间计算方法

同期线损率合理值计算是配电台区线损精细化管理的重要组成部分，为定位线损异常台区进而精准降损提供有效的技术支撑。本文将影响线损的复杂因素分解与降维，避免难以准确获取的台区网架参数，建立基于计量偏差、均衡满载工况下的线路传输损耗、负荷特征、基础损耗等台区特性参数的同期线损率计算模型。基于大数据分析，提出特性参数的“双重学习”求解算法，实现每个台区个性化特性参数的求解；通过对同类型台区参数的关联分析，求解各类型台区的特性参数合理区间，实现异常台区的判别和参数合理值学习；最终实现全量台区在不同供电量下的同期线损率标杆值与合理区间智能计算。基于实际应用，验证了算法模型的合理性与有效性。     

基于ROF离群组检测的低压配电网拓扑校验

目前现有的低压配电网拓扑结构校验方法中,多是从高级量测体系(Advanced Metering Infrastructure,AMI)中获取待校验台区用户最近一段时间的电压序列数据,通过计算数据之间的相关系数来度量不同用户电压曲线之间的相似性。但是,用户是否属于同一台区的相关系数阈值难以确定,且现有的局部离群点检测(Local Outlier Factor,LOF)算法无法检测出离群组用户。因此,提出一种基于环域离群组检测(Ring Outliers Factor,ROF)的低压配电网拓扑校验算法,利用电压序列数据之间的相关系数作为ROF算法中的相关性度量,分析用户环域内的离群程度,从而校验出所属台区错误的用户组,可有效的验证电网GIS系统中用户与台区变压器拓扑连接关系的正确性。     

基于智能电表海量数据的台区运行态势分析与应用

随着智能电网的快速推进,配网智能化水平越来越高。用户智能电表的覆盖率逐年提升,利用用户智能电表每十五分钟一次采集形成的海量数据,辅以公变终端运行数据,从低压台区线损、故障、网架分析三个视角入手开展台区运行态势分析和应用。通过精益化线损分析,研判线损异常的原因,对配网变户一致性进行研判,对智能装置数据准确性进行评价;通过低压台区回路阻抗模型计算,利用阻抗值实现了配网异常情况的预判和网架阻抗评估;通过配网故障研究分析,及时实现不同类型故障的准确主动研判,进一步提升供电服务“最后一公里”服务效率。本文通过深入挖掘智能电网领域大数据价值,促进业务创新、绩效提升,细化客户分类,满足智能化、多样化用电需要,提升配电网感知度。     

新型电力系统下大规模电源接入配电网的线损变化趋势分析

目前,分布式光伏在贵州爆发式增长,分布式光伏发电具有随机性、波动性、地域性等特点,接入配电网中会造成功率波动等影响,进而影响配电网的电能损耗。但是现有的电网线损计算分析并未考虑大规模新能源接入对线损的影响,如果沿用现有方法计算、开展接入工作则会造成较大的误差。首先,本文介绍了近年来贵州电网分布式光伏发展、并网情况;其次,介绍目前分布式光伏发电并网方案;之后,从分布式光伏发电特征、台区用电特征等方面进行介绍,并对光伏接入对台区线损影响进行理论计算与仿真分析;此后,以光伏接入电网的实际台区为例,通过历史数据和现场应用情况,从接入位置、接入容量等进行验证。最后,对分布式光伏接入配电网对分线分台区线损的影响进行分析总结。     

基于大数据挖掘技术的线损智能诊断模型设计

为提高诊断台区线损状态的诊断率，提出基于大数据挖掘技术的线损智能诊断模型设计。采集线损数据并计算得到线损率，根据线路的特征设置标准阈值，以时间离散度分析结合多次聚类分析检测出线损的异常状态；根据采集数据的波动率，构建离散度转换方程，得到线损离群点特征的欧氏距离近似度矩阵；利用大数据挖掘技术，提取出线损的离群点，利用关联分析法，构建线损智能诊断模型。实验结果表明，设计模型不仅可以提高线损诊断率，还可以诊断出用户的窃电行为。     

基于模糊聚类的电力用电负荷用户识别分析

为了提高电力用电负荷用户的精细化管理,提出了一种基于模糊聚类的电力用电负荷用户识别分析方法。分析了某区域用户的工业负荷变化规律,研究了电力数据与天气之间的改变及其日负荷特征曲线,同时引入模糊聚类分析方法,对上述工业负荷的用电特征进行了判断。选择某区域的工业负荷用户进行研究,对用户进行负荷曲线计算。并通过实验测试来验证本文方法的可行性,以此作为供电公司对用电数据进行精细管理的参考依据。     

台区户变关系大数据分析模型的研究与应用

传统的台区户变关系分析模型存在违约用电分析结果并不精准问题，为此，构建基于决策树构建台区户变关系大数据分析模型。提取台区用户特征，构建多台区系统框架；根据布尔变量取值对应表，描述每个台区用户的调整状态。建立台区用户归属关系分析模型，获取台区总表高频采集数据，输入智能电能表的高频采集数据；利用增量决策树算法，逐层迭代分析其所属的台区集合，进一步筛选剔除，形成台区用户归属集合。设计违约用电分析流程，完成违约用电情况分析。结果表明模型分析结果与实际数据最大误差为0.2 kWh，为台区用电稳定提供数据支持。     

基于配电物联网的反窃电预警系统研究及应用

基于电力物联网建设方向，结合大数据、人工智能深度机器学习技术，提出了基于配电物联网的反窃电预警系统研究及应用。通过配电台区"变-线-相-户"分段、分层的窃电台区嫌疑分析，客户用电负荷曲线的特征分析，精准锁定窃电嫌疑用户，提高供电单位窃电预警能力。首先，采用边缘物联代理技术采集用电特征数据，获取电表的电气数据及自动拓扑关系；其次，采用聚类、分层分析建立反窃电预警模型并结合专家诊断库生成窃电嫌疑用户清单；再其次，警电联动应用将窃电嫌疑用户推送至公安侦办系统，形成警电联动体系，最后展望系统扩展对相关业务的支撑，旨在探讨电网企业应用反窃电预警系统的价值。     

基于大数据的台区行业聚合分类方法及分类特征分析

在研究台区近中期负荷预测方法的过程中,遇到了如何利用大数据识别台区进行行业分类的问题。经过研究,将这个问题分为台区行业分类方法和行业负荷特征两方面。台区行业分类确定了以用电类别作为一级分类,以及运用数据挖掘中的k-means算法对台区典型日年（最大）负荷曲线进行聚类的二级分类共同组成的分类方法;行业负荷特征研究在台区行业分类的基础上,分析行业负荷特征,包括典型日负荷特征和年负荷特征。并以此方法在深圳大数据平台对深圳市台区进行行业分类和分类特征分析。行业分类中将公专变台区一级分类后,都居民生活台区进行聚类分析,分别形成以居民负荷和学校负荷为主的两类。行业负荷特征分析中以学校台区为例,以学生是否住宿为分别,可以区分出走读类学校和住宿类学校。结果表明,此方法效果良好。