基于M-Bus的多表合一集抄系统研究

本文介绍了M-Bus总线原理结构,特别是M-Bus总线协议的体系结构。针对 M-Bus 接口的特点给出了基于 M-Bus的“多表合一”集抄系统的实现方案,同时介绍了各个方案的构成和特色。说明了“多表合一”采集的推广难点,并就“多表合一”的发展提出相应建议,为此电网建设工程的顺利实现提供参考。     

基于递阶结构的多表合一能源计量系统运行状态综合评价方法

针对当前能源计量系统评价缺乏综合评价问题以及电水气热能源综合计量需要,提出一种基于递阶结构的多表合一综合能源计量系统运行状态综合评价方法。在分析电水气热能源综合计量系统指标与评价需求基础上,建立了多表合一能源综合计量系统运行状况层次化评价指标;通过递阶结构逐层次分析法实现了多表合一能源计量系统运行状态综合评价,最后完成了评价结果检验。实验分析表明该方法能对多表合一能源综合计量系统运行状态进行科学量化评价。     

“多表合一”采集终端功能检测系统设计与应用

针对电力用户用电信息采集系统“多表合一”采集终端技术规范的检测需求,设计了一种具有采集终端性能测试、带载和功耗测试、互换性测试等功能的检测系统。该系统采用模块化设计,以工控机为主控单元,通过人机交互单元、采集终端功能检测单元、配套通信单元功能检测单元、通信接口性能检测单元、功耗检测单元、实体/虚拟表单元、纹波取样单元、杂散取样单元、示波器、频谱仪、射频源、基带调制单元实现对“多表合一”采集终端的标准化检测。测试表明,该系统满足“多表合一”采集终端技术规范的检测要求且工作稳定。     

基于“多表合一”系统的智能表异常诊断及处理方法研究

文章在分析电、水、气智能表计故障诊断和实际消缺工作流程特点的基础上,提出了一种基于"多表合一"系统的智能表异常诊断和处理方法,该方法首先通过关联挖掘获取诊断规则,然后将监测的数据转换为事件元并进行规则匹配以获取诊断结果,最后通过现场排查确认并反馈诊断结果。该方法将异常诊断和消缺闭环管理结合起来,通过对诊断知识库的不断完善来提高异常诊断的准确性,充分发挥关联挖掘技术的优越性。     

基于灰色分析的集抄数据异常判定

提出综合缺陷分析和失真分析的集抄数据异常判定流程,着重针对目前用电量环比波动率判据的不合理性,运用灰色分析理论构建集抄数据失真判定的两阶段法:第一阶段通过电量折算削弱季节变迁对用电环比波动率的影响;第二阶段实施灰色关联度分析判定用电模式稳定性,对用电模式稳定的用户采用灰色距离测度法估计月用电量合理区间,以此作为集抄电量异常判据。对上海市北地区8 643个计量点2015年7月的集抄数据分析,结果表明所提方法能降低气候变化或特殊用电模式造成的集抄数据异常误判,合理降低复核工作量、提高出账率;所提方法还可同时找出窃电可疑用户、一定程度上克服集抄环境下的窃电隐蔽问题。     

基于多阶段鲁棒优化的多站合一能源站市场优化策略

为解决考虑新能源出力不确定性的多站合一能源站参与电力现货市场问题,提出基于多阶段鲁棒优化的市场竞价策略。对多站融合系统中各子系统进行建模,其中包含分布式新能源、计算中心、电动汽车（EV）充电站、储能电站,并刻画了计算中心负荷的弹性和EV的异构性。以最大化最恶劣新能源出力场景下参与市场收益为目标,优化多站合一能源站的联合竞价,并将其转化为多阶段鲁棒优化进行求解。考虑到计算中心与能源站的利益主体不同,提出了基于拉格朗日乘子的成本分摊方法,将总收益在能源站和计算中心之间根据各自的贡献进行合理分配。最后,采用仿真算例验证了所提模型和算法的有效性。     

一起发电机失步保护异常动作行为的分析

根据某大型发电机失步保护配置和二次接线的实际情况，结合其所发生过的不正确动作，分析了该发电机失步保护在不同接线时对各种外部故障的反映，并提出了初步的改进建议。     

基于多Agent的多源水电微网负荷平衡控制方法

为保证多源水电微网频率、电压的稳定输出,提出基于多Agent的多源水电微网负荷平衡控制方法。通过构建包括专业Agent团体与主管Agent的分布式集成智能控制系统,利用主管Agent实时监控多源水电微网的负荷与性能,根据不同需求与状况变换专业Agent团体中控制Agent的控制模式,控制负载、发电与储能设备的常规运行及关键开关;结合单Agent模型中的负荷平衡控制算法,运算多源水电微网内功率缺额,依据发电机调节性能、负荷调节效应及动态性能,平衡功率缺额,实现多源水电微网负荷平衡控制。实验结果表明,该方法可有效降低多源水电微网内各变流器的负序电流分配误差、切除微网内的多余功率缺额、恢复多源水电微网的频率和电压,且微网负荷平衡控制容错性能较好,使多源水电微网平稳运行。     

基于EMD连续几何分布的水电机组振动信号降噪

考虑到水电机组在电力系统中更多的承担调峰、调频、备用等任务,开展复杂工况下的机组振动信号降噪算法研究对早期故障辨识和电网稳定运行意义重大。因此,本文提出了一种基于经验模态分解连续几何分布相似性的水电机组振动信号降噪算法。首先,对经验模态分解筛分得到的不同固有模态分量进行重构,并利用非参数核密度估计理论对不同分量重构信号的概率密度函数进行拟合。其次,引入豪斯多夫距离建立概率密度函数几何分布之间的相似性评价指标,并根据豪斯多夫距离的变化趋势实现水电机组振动故障信号分量与噪声分量之间的最优界定。最后通过仿真实验和工程实例对算法的可行性进行了验证。结果表明所提出算法对于低信噪比下的水电机组振动信号有着良好的降噪效果。     

基于负荷分解的居民差异化用电行为特性分析

针对智能电网建设过程中需要准确掌握居民用电特性的要求,将居民负荷分解为基本负荷和季节性负荷。基于自适应模糊c均值算法,分别对居民日基本负荷和夏季降温设备日负荷进行聚类分析。根据分类结果进行负荷特性分析,并在此基础上提出一种用户分类的方法,实现对居民用电行为特性的差异化分析。实验结果表明,基于该分类方法能够准确地描述用户用电行为特性,为需求响应如峰时电价制定、错峰管理、负荷调控等提供了有效的数据支撑。     

基于大数据和机器学习的用电异常行为分析系统总体架构

用户用电异常行为不仅对接入设备和用户本身产生影响,更会危及电网的正常运行,因此对用电异常行为的分析至关重要。基于大数据和机器学习技术,设计了一种用电异常行为分析系统,并提出了系统设计的总体框架和相关配置。所设计系统对用户用电的用电量、电压质量、负载及三相不平衡率、无功及功率因数等方面可以进行异常分析,并以可视化的方式向管理员和用户展示。同时,对高风险用户进行预警和跟踪处理,对窃电行为展开调查分析。本系统可以有效分析用户用电异常行为及进行窃电预警,对电网稳定运行起到关键作用。     

基于强化学习的异常用电判决方法

目前异常用电检测问题有许多基于分类的方法,但大多都是基于短期用电行为的判决来判断长期用电行为,判决阈值与比例难以确定,且在实际应用中,不同区域、时段的用户用电数据分布差异较大,比例与阈值也会有较大的不同,难以以固定的比例通用于所有的用户数据。针对此问题,文中提出一种基于强化学习的异常用电判决方法,创新地利用强化学习模型来动态生成阈值,以适应差异较大的不同数据集。首先获取分类器输出的数个用户短期行为的异常概率,然后输入到强化学习模型深度递归Q网络（DRQN）中,学习得到动态阈值即判决阈值与判决比例。试验结果表明,相比于人工调参的传统投票法,文中方法在评估指标上有明显提升,面对数据分布差异较大的数据集时也有较好的表现,说明文中方法具有较强的泛化能力,在数据类型复杂的现实环境中也有较好的应用场景。     

一种基于HPLC台区的居民户表电压失准监测方法

针对在运居民户表电压测量失准甄别的问题,提出了一种基于HPLC（宽带载波）台区采集的居民户表高频数据,以及相位识别的户表电压失准监测方法。方法从总表三相24点电流数据中,每相取两个电流最小的时间点为计算点,以同相位居民户表平均电压为参考电压,以台区变压器容量所匹配的线路属性确定线路阻抗,测算整个台区每相电压的上、下限阀值,确定每相居民户表输入电压的范围,与采集系统采集的电压值比对,实现对居民户表电压失准的自动监测,及时发现计量故障、台区归属错误、烧表隐患等情况。方法在湖南公司“两率一损”分析平台开发上线,共发现了两万多只计量失准表计,经现场验证,监测准确率到达68%,为用电营销的精细化管理提供了技术支撑。     

基于函数型数据分析的工商业居民用户电力数据清洗算法

用户电力数据的爆炸式增长给原始数据修正带来许多难点.文章提出用函数型数据分析(Functional Data A-nalysis,FDA)对错误和缺失数据进行修正与补全.通过函数估计方法,将原有观测个体的离散数据映射到一个新的函数空间,将数据中缺失的成分利用相似用户曲线特征进行修复,并搭建了针对电力大数据的数据清洗整体...     

基于模糊聚类分类与Elman神经网络算法的居民用户短期用电量预测及修正方法

用电量预测是智能电网建设中的一个重要课题,准确的用电量预测对电网规划和经济部门的管理决策具有重要的指导意义。利用计量自动化系统每15 min获得一次的居民用户用电量数据,提出基于模糊聚类与Elman神经网络算法的短期用电量预测及修正方法。该方法先通过模糊聚类将居民用户按用电行为分类,然后采用通径系数计算各类型影响用电量因素的权重,再将加权影响因素和历史用电量作为Elman网络的训练样本,进行短期用电量预测。最后采用修正算法对预测值进行修正。实例分析表明,该方法有效、可行。相比整体预测,该算法预测精度明显有所提高,且修正步骤使预测误差进一步降低。     

基于平均影响值-启发式前向搜索的异常光伏用户识别方法

随着国家对光伏产业的大力推进与扶持,以及国家补贴政策具有长期性,出现了很多不法用户以虚假记录发电量骗取国家补贴的行为.针对现有的分布式光伏防窃电技术,提出了一种基于平均影响值(MIV)-启发式前向搜索的异常光伏用户识别方法.通过获取同一地区的标杆光伏用户及其他光伏用户在同一时段的发电数据,利用原始数据训练BP神经网络,...     

基于灰色关联分析及BP算法的用电量预测

用电量是电力系统规划及地区资源配置的重要影响因素,为了提高用电量预测的精度,提出将灰色关联分析法与BP神经网络相结合进行用电量预测。利用灰色关联分析法对影响用电量的主要因素进行分析,确定了3个影响因素并将其作为 BP 网络的输入参数,建立了用电量BP神经网络预测模型;在MATLAB环境下对模型进行训练测试,结果表明该系统收敛速度快、预测精度高,可为用电量的预测提供参考方法。     

基于智能算法的煤改电用户负荷识别

建设泛在电力物联网使得为用户提供更加多样化和个性化的服务成为可能,近两年来煤改电工程发展迅速,如何通过用户负荷曲线对煤改电用户进行识别成为一个研究热点。论文首先深入剖析了现阶段煤改电工程取得的成绩以及存在的问题,运用大数据技术与泛在电力物联网技术可以很好地解决煤改电进程中存在的矛盾与问题。以某地区煤改电用户负荷特性为例描述了在采用蓄热式电锅炉取暖后的用电负荷特性的变化,通过构建粒子群优化后的支持向量机模型,对某地区电网冬季典型日用电负荷数据进行识别与分类,通过测试集的验证,论文建立的模型具有较高的识别精度,平均准确率达到98%,具有一定的实际价值。     

基于多维特征分析的月用电量精准预测研究

用户用电量的精准预测是智能配用电大数据应用和发展的关键之一。区别于传统的基于行业分类的预测办法,提出基于大数据挖掘技术的用户用电多维度特征识别,以及在此基础上的精准用电量预测方法。基于海量多用户用电特性,建立多维度用电特征评价指标体系。对用户用电特性空间进行聚类和分析,挖掘和识别用电模式。在不同的用电模式下,分别建立用电量时间序列预测模型,避免用电模式差异对预测算法准确性造成的不利影响。该方法适用于大数据平台的分析与处理,算例分析结果表明其相比以往方法能显著提高预测精度和稳定性。