电能表反向有功电量走字异常分析

分析电能表反向有功电量走字异常的原因,提出运用用电信息采集系统开展潜在的电能计量异常分析的思路和方法,结合实际案例进行现场检查,分析运用用电信息采集系统开展电能计量异常分析所取得的管理效益和经济效益。     

预付费电能表结算电量时出现异常的探讨

针对预付费电能表进行检测时,发现部分预付费电能表实际使用的电量与结算显示的电量不符的问题,开展了对预付费电能表售电环节的深入技术分析,查出了结算电量和实际使用的电量不正常的原因并进行了技术改进。     

数字化电能表校准技术研究及应用

随着数字化电能表越来越广泛用于智能变电站电能计量系统,研究一套完备的校准规范变得日趋重要,国内外已先后研究出一些针对数字化电能表检验的方法。针对数字化电能表校准项目和误差成因进行分析,并在此基础上重点对基于数字化功率源和标准数字化电能表法检验技术和实现方案进行讨论。结合国标《GB/T 17215.303-2013交流电测量设备特殊要求第3部分:数字化电能表》中要求数字化电能表能够记录采样数据输入异常工况,提出模拟现场合并单元网络异常工况下进行数字化电能表事件记录及计量准确度检验的方法,可弥补数字化电能表实验室检验和现场检验准确度有差异的不足。     

基于概率预测的用电采集终端电量异常在线实时识别方法

电力市场环境下用电信息采集系统采集的用电量成为市场结算的重要依据。实时识别用电采集终端上送的异常电量,不但可以提升数据质量,也可以为发现采集终端的故障、识别异常用电行为提供参考。针对现有异常数据识别方法识别性能和实时性不高的问题,提出基于概率预测的电量异常在线实时识别方法。首先,在分析电量异常类型和特点的基础上,提出离线训练概率预测模型、在线实时识别异常数据的检测方法。其次,提出了基于状态空间模型的结构化用电量模型对用户用电规律进行建模,并采用变分贝叶斯推断训练模型,以实现用电量的概率分布预测。最后,利用预测标准分数衡量电量实测数据与电量概率预测结果之间的差异,从而实现异常数据的在线识别。采用实际电量数据进行验证,并与其他方法进行对比,验证了该方法的实用性和有效性。     

基于用电信息采集系统的电能表失压断相后电量追补的分析

本文介绍了三相电能表失压的过程,并以三相四线电能表为例,介绍了电能表失压断相后电量追补的传统方法。针对采用传统方法开展追补工作存在的弊端,提出了基于用电信息采集系统电能表失压断相追补方法,描述了该方法的数学模型、计算过程和应用实例,采用该方法后可以大幅提高电能表失压断相的电量追补精度,并有利于电量追补工作的良性开展。     

电能表四象限计量在电量退补中的应用研究

通过对常见的三相三线高压计量方式的23种错误接线进行理论分析,推导出一种新型差错电量退补公式。该公式可直接利用电能表在错误接线时所记录的正、反向有功和四象限无功电量,准确地计算出错误接线期间实际消耗的电量,避免了利用功率因数计算退补电量的更正系数法或比较法等传统退补方法,因一些退补因数难以确定而带来的退补误差。为了证明该方法的有效性,选取了几种错误接线在感、容性负载下进行了实验,实验结果进一步验证了采用该方法退补电量的准确性。与传统电量退补法相比,本方法具有更高的准确度和可靠性,并且实施简单。     

数字化保护采样数据处理方案

指出了数字化保护在应用过程中必须面对的通信延时、海量采样数据处理以及数据采集传输回路受干扰导致采样数据丢失和畸变等问题.分析了数据源驱动法和增加预留缓冲区的定时调度法2种数据处理调度机制.设计了等间隔采样和每周期定点数采样数据处理方法,提出了采样数据无效情况下保护应采取的动作策略.所提出的方案已在装置中实现并通过了实时数字仿真系统(RTDS)和动模试验验证.     

一种用于智能变电站数字化电能表的高精度电能算法

智能变电站中的数字化电能表接收IEC61850报文,并根据报文所载的电压和电流数据来进行电能的计算,故其准确度很大程度上由算法的精度来决定。另外,数字化电能表还需要克服坏点以及通讯网络的丢包和时延等不利因素的影响,来实现较高的计量准确度。为此文中提出了基于Blackman卷积窗的FIR低通滤波器以及基于最小二乘法拟合的粗大数据修正、丢包补偿的高精度电能计量算法。在详细阐明上述算法实现原理的基础上,进而通过实验证明了该算法的有效性和可靠性。     

从电量信息中判断高压计量装置异常

依据有、无功电能表的工作原理,提出在用户计费清单、电力营销系统中通过用电量和功率因数的联动变化关系来筛查、判断高压计量装置异常与否的方法。该方法使得用电检查效率大为提高,具有很强的实用性。     

数字化电能表校验方法及校验装置研究

在数字电能计量系统中,数字化电能表的准确度关乎电能计量的可靠性和公平性,因此必须对其进行校验。关于数字化电能表的国家标准与国网公司企业标准刚出台不久,目前还没有一套比较完整的数字电能表准确度校验方案。文章在已有标准的基础上,提出了瓦秒法与标准表法相结合的误差测试方法,其测量准确度高、稳定性与可靠性强,且标准电能算法配置灵活,能在高速下实现复杂运算。所研究的校验装置经检定满足0.05级准确度要求,其不仅能完成标准规定的校验项目,还能根据数字化电能表的特点更全面地对其准确度进行校验。     

基于局部异常点检测算法的电能表飞走异常智能分析

针对用电信息采集系统在计量设备在线监控业务应用的实际情况,文中介绍了一种基于LOF局部异常点检测算法的电能表飞走异常分析方法,该方法可以通过计算电能表示值异常因子,有效判断电能表示值异常属于偶然异常还是趋势性异常,在排除偶然数据的影响后,进行电能表飞走异常的二次判断。该方法可以有效提高该类异常判断的准确性,避免故障误判,提高了现场故障处理的工作效率。     

基于DBSCAN的智能变电站交流采样异常实时识别算法

新一代智能变电站使用采集执行单元统一采样,后续设备都将依赖此装置数据,因此该装置采样环节产生的异常数据会影响变电站保护、测控等多个系统的正常运行。如何高效地识别这些异常数据是电力系统采样中至关重要的部分,也是智能变电站安全性和稳定性的基础。传统的异常数据检测方法主要设计用于处理低采样率场景下偶尔出现的异常采样点。随着智能变电站采样率的提高和电磁干扰问题的加剧,采样时连续多个采样点同时异常成为普遍现象。这使得原有识别算法准确率降低,而未被识别的异常数据可能会造成后续测控装置精度降低甚至保护装置误动。针对传统检测方法的不足,提出基于密度的噪声空间聚类(density-based spatial clustering of applications with noise, DBSCAN)算法的交流采样异常数据识别实时算法。该算法利用异常数据与正常数据的空间密度差异,有效区分出密度较低的异常采样点,从而实现智能变电站异常采样数据的识别。相比于传统方法,所提方法在采样异常数据识别上具有更准确的结果。     

结合模板匹配和深度神经网络的电能表信息识别

针对真实拍摄电能表图像受光照、污渍及拍摄角度等影响给识别带来的挑战,提出一种结合模板匹配和深度神经网络的电能表示数及其标签的自动识别方法。首先利用SIFT特征与模板库中图像进行匹配来获得待测电能表的类型（即高压或低压电能表）,然后利用边缘信息和Hough变换提取出准确的电表屏幕区域,进一步借助所匹配的标准模板标定信息获得待测图像的屏幕示数及示数标签区域;在此基础上,利用等间隔分割和对标签区域是否存在标签的二分类判定网络来实现示数数字的分割和标签识别,最后利用数字识别网络识别出示数。所提方法充分利用了模板标定信息,将复杂条件下的示数检测变为简单有效的等距分割,将标签识别由复杂的文本检测和识别任务变为简单高效的二值检测任务,因而具有更好的鲁棒性。实验结果证明了该方法的有效性。     

基于相关性时不变的自动化检定流水线上标准表的计量异常识别方法

自动化检定模式下,标准电能表在长期运行过程中可能发生计量性能的退化、甚至超差,而现行的定期离线人工核查方法无法实时识别标准电能表的计量异常,存在智能电能表误差试验结果失去可信度的风险。因此,文章在探明定期核查与误差试验结果相关性的基础上,提出了一种基于相关性时不变的标准表计量异常识别方法,以实时判断标准表计量性能是否异常。依据误差试验结果的群体性特征,构建标准电能表误差状态的特征参量;借助皮尔逊相关系数量化特征参量值与定期核查结果的相关性;利用改进箱型图异常值检测算法定位异常标准表;开展现场应用,对比定期核查结果,验证判定方法的有效性。     

调度自动化系统异常信息的识别方法及产生原因

文章阐述了调度自动化系统异常信息的产生原因及识别方法,通过对基础数据源的获取,综合分析数据,同时对异常事件进行智能识别,筛选出调度自动化系统中异常事件的类型,详细分析异常信息产生的原因,最后提出了针对这些异常事件的消除方法,以期为调度自动化系统的安全稳定运行提供帮助。     

离散姿态感知量结构化矿工异常行为识别方法

煤矿生产\"减人提效\"的发展趋势使保障工人安全愈发重要,针对当前矿工异常行为检测方法数据量大、鲁棒性不强的问题,提出了一种离散姿态感知量结构化的矿工异常行为识别方法.采用卡尔曼滤波技术优化基于九轴姿态传感器获得的行为感知信息,利用采样窗口截取行为信息后,依姿态感知量轴向结构化为三通道RGB行为图像,结合所设计用于提取时空...     

“数字化电网”中的电量计费自动化系统设计

1“数字化电网” 当“数字化电网”这个概念浮出水面的时候,中国电网的发展目标从此迈上了一个全新的而又极富挑战的台阶。“数字化电网”不仅仅是一个概念,它是一场革命．电网未来的发展将在这场革命后跨入一个新时代。到那时,整个电网运行无需人来控制,所有设备的运行参数以及购、售电信息都将由计算机网络采集、汇总至中央计算机,所有的操作只需在中央计算机上就可以完成．而且所有的购、售电信启、的发送、反馈都将由中央电脑自动完成（见图1）。到那时,整个电网非常坚强、稳定,供电可靠性将大大提高。     

基于蒙特卡罗法的数字化电能表计量误差评估*

为了准确地评估数字化电能表的计量误差,对影响量误差和综合误差间的关系进行研究。由于数字化电能表计量模型的复杂性,无法直接给出综合误差的解析结果,为此,采用蒙特卡罗法,通过仿真计算和统计特性分析,得到了数字化电能表综合误差及影响量误差的分布特征,并验证了它们之间的函数关系。分析结论可为数字化电能表影响量误差限值的确定及等级划分提供参考。     

基于改进孤立森林算法的电力营销异常数据识别方法研究

针对现有识别方法识别电力营销数据时存在识别结果的AUC值过低,无法满足电力企业对异常数据识别的性能要求问题,引入改进孤立森林算法,开展对电力营销异常数据识别方法的研究。采集电力营销数据,并对采集数据进行融合;提取电力营销数据特征,并将数据分解成各个模态分量;利用改进孤立森林算法,实现数据的异常识别。通过对比实验证明：新识别方法在实际应用中得到的识别结果AUC值更接近1,具备极高的识别性能,值得广泛应用和推广。     

基于XGBoost算法的智能电网信息攻击识别模型

智能电网在遭受信息攻击后,如何根据量测数据的变化规律,准确识别电力系统遭受的攻击类型是提高电网安全防御的有效手段,本文提出一种基于Extreme Gradient Boosting (XGBoost)算法的智能电网信息攻击识别模型。首先,基于kmeans-smote设计电力数据过采样方法,对量测数据进行平衡处理,解决攻击事件样本的不平衡问题。然后,提出最大相关-最小冗余(MRMR)特征选择方法,提取信息攻击事件最优表征特征子集,降低数据维度并提升信息攻击的识别效率。最后,设计XGBoost分类器,对3种攻击状态和正常状态进行分类识别,采用准确率、召回率等指标评估模型的识别性能。经仿真实验验证,本文提出的信息攻击识别模型显著提升了智能电网信息攻击的识别精度,且具有较好的泛化性。