共查询到10条相似文献,搜索用时 15 毫秒
1.
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
2.
3.
4.
5.
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。 相似文献
6.
7.
8.
9.
10.
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。 相似文献