精准反窃电的分析与研究

正国网株洲供电公司(以下简称株洲公司)积极落实国家电网公司提质增效要求,充分利用营销大数据平台,收集10kV配电线路线损异常、电力客户用电异常数据信息,通过对典型窃电接线方式、10kV线路线损特征的研究,编制10kV专变客户窃电校验规则,创新实现专变反窃电精准定位,完善低压反窃电方式方法,逐步打造智能化、数据化、自动化的精准反窃电模式。     

基于用电信息采集大数据的防窃电方法研究

本文介绍了常见的窃电方法及其特征,研究给出了窃电相关的特征参量,建立了用电信息采集系统各种数据、各类异常事件与窃电行为之间的关联关系,设计了基于用电信息采集大数据的防窃电结构化模型,包括数据预处理、用电异常检测模型和窃电嫌疑预测模型三部分。通过现场采集的数据,证明了该结构化防窃电模型的有效性,为解决大数据条件下的窃电行为监控问题提供有效方法。     

曲线规律(K系数)分析窃电法

正1分析方法简述曲线规律(K系数)分析窃电法是根据基层查窃经验总结出来的一种分析方法,其利用用电信息采集系统数据结合窃电现象找到曲线波动规律:台区线损率波动与异常客户用电量波动的关联(也适用于高压窃电)。经过实践证明该分析方法能精准锁定到户准确度高,推广应用价值大。2分析方法原理2.1适用范围曲线规律分析(K系数)窃电法适用于高压及低压台区普遍的窃电方式,尤其精准适用于间歇性窃电及突发性窃电,另外对单户低电压、表计故障等原因引起的台区线损异常也适用。     

基于大数据平台的电网线损与窃电预警分析关键技术

提出了一种基于营配调贯通的海量数据分析技术,采用电力大数据平台关键技术构建电网线损与窃电预警分析系统,实现线损的一体化计算、分析与展示。在线损计算结果的基础上,综合利用电网企业现有海量数据,通过采用Hadoop离线分布式计算、Spark内存计算等大数据技术对线损率异常线路或台区进行深度挖掘,识别出可能存在的窃电行为,为供电企业反窃电稽查提供窃电预警和数据支持服务,进一步提升供电企业的经营效益。本系统的构建为大数据技术在电力行业的应用进行了验证和实践。     

集抄改造背景下防窃电技术的应用与探讨

社会上小到居民、个体,大到厂矿企业甚至国有企业的窃电现象屡禁不止,而政企分开后的电力部门由于缺乏相关执法职能以及相关法律、法规不完善等诸多原因,使窃电行为难查处、查处后难处理的问题显得尤为突出。基于这一背景,对高供高计客户、高供低计客户、低供低计网点客户、一般居民等用户的防窃电进行探讨。     

不法客户窃电方式及特点研究

在日常用电过程中，用电客户可以通过各种窃电方式来进行窃电，这给管理人员带来很大的困扰，也给用电安全造成很大的威胁。本文详细介绍了不法客户采用的各种窃电方式。     

分析怎样防范客户利用零线窃电

笔者将通过对低压接地方式及零线窃电的运作方式的介绍,提出怎样防范客户利用零线窃电。零线窃电是常见的一种窃电方式,用户可以通过零线窃电的方法减少电力计量,导致电力公司和相关部门遭受损失。     

基于高维随机矩阵分析的窃电识别方法

窃电检查是用电检查的重点和难点。本文基于大数据理论,以电网运行采集参数为元素构建了高维随机矩阵,通过对矩阵的统计特性进行刻画,提出基于大数据分析的窃电识别方法,解决了传统窃电检查方法耗费人力大,时效性差,判断不精准的问题,从而实现了高效反窃电。文章以33节点电网运行模型为例,根据仿真采集到的电网随时间变化的电压电流等运行参数实现了对窃电发生判别、窃电发生时间确定、窃电地点的精确定位、窃电类型的判别。     

应用大数据技术的反窃电分析

目前窃电现象严重且窃电手段先进,但反窃电手段仍以人工稽核为主,存在工作量大、取证困难和缺乏针对性等问题。为了解决上述问题,利用供电企业积累的大量客户档案数据和历史用电数据,通过二阶聚类分析窃电用户的定性特征,用深度学习和CHAID决策树分类评估用户的窃电嫌疑概率,根据异常值分析手段为疑似窃电行为取证提供依据。实践表明,本方案缩小了窃电嫌疑用户范围,减少了防窃电的工作量,提高了稽核针对性,且为供电单位进行窃电侦查提供了依据,从而减少了供电企业财务损失,保障电网运行安全。     

基于不平衡电能数据的反窃电智能监测系统研究

面对电网中的窃电行为,设计一个基于不平衡电能数据的反窃电智能监测系统,完成用电负荷数据的预处理后,运用随机过采样—迭代决策树算法建立计量装置的异常监测和用户异常用电行为的智能分析数学模型,快速检测出异常用电客户,并在此基础上开发嵌入式专家分析系统,实现用户的电能数据在线监测分析,自动展示异常用电数据,定位窃电用户。     

小波包能量谱和功率谱分析在水电机组故障诊断中的应用

小波包克服了小波分析在高频空间分辨率差的缺点,能够给信号提供更加精确的分解。因此在小波包分析的基础上,从能量和功率分析的角度出发,阐述了在水电机组故障诊断中采用小波包能量谱和功率谱分析相结合的信号特征提取的方法。通过对实验及电厂振动故障信号的提取与分析,表明小波包能量谱和功率谱分析相结合的信号特征提取方法准确而高效,是一种应用价值较高的信号特征提取方法,并能为机组故障的准确诊断提供依据。     

基于MATLAB平台的BPA数据快速准确转换方法

BPA和基于MATLAB的Matpower工具包是目前国内普遍使用的两种潮流计算软件,为了实现在MATLAB平台上快速准确的进行大电网潮流计算和电力系统分析,在对BPA数据结构特点和Matpower数据结构特点进行了详细分析基础上,设计出了一种快速、准确分离、转换数据的接口程序,以现有的详细BPA电网数据作为算例进行分析,对转换前后两种数据的网络潮流计算结果进行对比,证明了该转换接口程序的实用性、准确性和有效性,并对产生的误差进行了解释。     

DC/DC变换器精确频响特性分析与测量

采用一种非平均模型法对DC/DC变换器的精确频响特性如输入阻抗、输入输出电压传递函数等进行了分析.由于电力电子变换器同时具有连续和离散时间系统特性,平均模型法和离散模型法均不能对其进行精确的动态特性分析.提出将DC/DC变换器的切换开关等效成一个时变电路,从而将整个系统看成一个线性时变系统,使系统同时具备精确性和易于分析性.在此基础上,对DC/DC变换器的频响特性进行了解析求解分析和实验测量.实验证明,该方法克服了平均模型法和离散模型法的频率范围限制,在开关频率附近及开关频率之上均能精确反映DC/DC变换器的动态特性.     

面向大数据分析的企业信息化解决方案研究

企业信息化面临大数据分析需求带来的挑战,构建相对应的信息化解决方案是企业信息化发展的必经之路。文章根据企业进行大数据分析的数据存储和分析技术需求,以海量数据存储和分析的数据处理技术为基础,构建面向大数据分析的企业信息化解决方案,将企业的海量数据转化为有效的信息,为企业决策层进行准确决策提供依据,给后续的信息化工作奠定坚实的基础。     

Reliability methods applied to The IEEE Gold Book Standard Network

Several key reliability indices for industrial and commercial customers are a knowledge of the reliability and the frequency and duration of load point interruptions within their electrical power system networks at their facilities. A reliable equipment data source is key to an accurate analysis. Data sources, such as The IEEE Gold Book provide the user with the necessary data parameters to evaluate the reliability of industrial and commercial power system network configurations. An accurate understanding of component reliability and maintenance actions will provide the necessary availability indices for a reliability analysis approach. This paper discusses The IEEE Bold Book Standard Network and three reliability models: spreadsheet reliability model; GO software tool; and minimal cut-set reliability analysis methodology.     

HBase在智能电网异构数据同步中的应用

未来的智能电网在运行中将会产生海量的多态、异构数据,对这些数据的可靠获取、实时分析、同步及处理会给电网信息系统带来前所未有的压力。因此,把电网大数据迁移到云端—数据中心,来实现异构数据的精准、实时同步则显得尤为必要。以解决未来智能电网大数据处理问题为出发点,通过对电网数据中心相关功能需求进行细致分析,对比传统的关系型数据库建模基础,提出了基于Hbase架构的智能电网数据中心的解决方案。最后通过对比MySQL性能进行模拟测试,得出所提出的设计方案能够很好地适用于未来智能电网数据中心的构建以及异构数据的同步,达到电网大数据的实时共享、监测及准确分析、处理的目的,在未来智能电网信息管理系统中具有广阔的应用前景。     

传递函数的测试及实时控制和反演

提出了一种由软件构成的快速精确测试传递函数幅频相频曲线,并通过YSL专有技术在数据采集中实时实现传函控制和反演技术的新方法,而且在DASP软件中取得成功应用.文中给出了传函的理论基础和公式,传函测试和反演技术的原理框图、试验测试数据及结果的分析,此方法能使测试系统的频响在数采中实时优化(平坦化),频率范围更宽,测量精度...     

基于组合式神经网络的短期电力负荷预测模型

通过对电力负荷变化规律和影响因素的分析,提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先,采用模糊聚类分析方法,以每天的24点负荷数据、天气数据以及天类别数据为指标,将历史数据分成若干类别;其次,对每一类别建立相应的神经网络预测模型;预测时通过模式识别,批出与预测天相符的预测类别,利用相应的神经网络预测模型进行24小时的短期电力负荷预测。对绍兴地区2年多的实际负荷变化数据进行预测分析的结果表明,该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况也有较好的预测精度。     

基于自组织中心K-means 算法的用户互动用电行为聚类分析

电力用户参与电网侧互动用电和辅助服务已成为国内外关注热点,用户互动用电行为分析是其中一项核心工作。结合自组织映射SOM神经网络和K-means聚类算法,采用一种自组织中心K-means算法用于用户互动用电行为聚类分析,能够实现更加精准识别和快速聚类。首先,对自组织中心K-means算法原理进行分析,说明其与传统聚类算法相比在用电行为聚类分析中的优势;然后,构建峰谷分时电价背景下,基于用户心理学的调节潜力指标,并分析基于负荷数据和调节潜力指标的用户互动用电行为;最后,以某电力公司管辖区域用户的日常负荷数据为研究对象,将基于自组织中心K-means算法的聚类结果与其他传统聚类方法进行对比,证明基于调节潜力指标的自组织中心K-means算法在用户互动用电行为上的精准识别和准确聚类优势。     

基于小波分析的母线负荷预测不良数据检测

母线负荷预测是电力系统调度运行的重要基础,而母线负荷预测中可能存在较多的不良数据,极大地影响预测精度。以准确检测母线负荷预测中的不良数据为目标,分析不良数据的来源,指出了数据奇异点与不良数据的关系,提出了基于小波分析理论进行不良数据检测的方法。理论分析表明,该方法具有完整、精确、准确及简单的特点,通过实验证明了该方法能够很好地识别增幅点、降幅点、突变点等典型的不良数据,有效提高预测精度。希望能够对母线负荷预测工作提供有益的参考。