基于深度学习的用户异常用电模式检测

针对电力用户的异常用电行为,提出一种基于深度学习的用户异常用电模式检测模型。利用Tensor Flow框架,构建了特征提取网络和多层特征匹配网络。基于长短期记忆(LSTM)的特征提取网络,从大量时间序列中提取出不同的序列特征。基于全连接网络(FCN)的多层特征匹配网络,利用提取出的特征数据,完成对异常用电数据的检测。实例分析表明,与非深度学习检测模型相比,所提模型可更加有效地完成异常用电模式检测。此外,与多层LSTM分类模型相比,所提模型具有更好的准确性和鲁棒性。     

基于小波和长短期记忆混合神经网络的电力用户异常用电模式检测

为了约束输配电系统中存在的异常用电行为,文中提出一种基于小波和长短期记忆混合神经网络的电力用户异常用电模式检测模型。提出异常用电模拟算法用于生成异常用电数据序列;利用长短期记忆网络构建特征提取网络,从用电数据中提取出不同的序列特征;以小波神经网络为核心构建模式映射网络,实现序列特征到用电模式的映射,完成异常用电模式检测。通过CER Smart Metering Project数据集测试,文章提出的异常用电检测模型与传统网络模型相比,具有更高的检出率、更低的误检率和更高的贝叶斯检出率。     

电力用户异常用电的深度神经网络检测方法

以电力用户异常用电为代表的电力系统非技术性损耗通常会造成供电公司运营成本的显著性上升。首先,提出一种电力用户异常用电的深度神经网络检测方法,根据电力用户用电负荷特性采用深度置信网络（DBN）对原始的电力负荷数据进行特征提取并获取符合特征,其次,基于极限学习机（ELM）完成特征分类,从而建立电力用户异常用电检测基础模型。最后,提出一种采用改进果蝇优化算法（IFOA）对DBN的网络权重与层间偏置参数进行寻优,由此获得基于IFOA-DBN-ELM的电力用户异常用电检测模型。实验结果表明：所提方法的准确率、精确度和检出率显著高于其他方法,误检率低于其他方法,能够较为准确地检测出具有异常用电行为的电力用户,有助于降低供电公司的运营成本。     

一种基于组合算法的异常用电模式辨识方法

针对电力用户异常用电的检测问题,提出了一种基于无监督组合算法的异常用电模式辨识方法。所提辨识方法由数据处理、特征提取、离群检测三部分组成。文中先获取用户的用电量及相关数据,进行数据清洗和缺失数值补全;再对数据进行特征提取,得到相应的异常用电识别特征量;通过k均值聚类将用户聚为两组,并分别对每组进行主成分分析优化特征空间,计算离群邻近度,通过2 sigma原则实现异常用电用户辨识。该方法通过聚类、优化特征空间、离群检测组合算法,提高了辨识效率。文中采用真实用电数据进行了异常用电用户辨识仿真实验,辨识结果验证了该方法的有效性。     

基于改进深度自编码网络的异常用电行为辨识

为准确检测异常用电行为以降低电力公司的运营成本,提出一种基于改进深度自编码网络的异常用电行为辨识方法。首先将正常用户的用电数据作为训练样本,自编码网络逐层学习数据的有效特征;然后重构输入数据以计算检测阈值,而由于异常用电行为破坏数据的特征规则,再通过对比重构误差与检测阈值的差异即可实现异常用电行为辨识。为了改善自编码网络的特征提取能力与鲁棒性,分别引入了稀疏约束和噪声编码,并利用粒子群算法优化网络的超参数以提高模型的学习效率和泛化能力。选用福建省某地区居民用电和商业用电数据集进行了验证,这一模型的异常行为检测的准确率高于92%。实验表明所提方法具有优异的特征提取能力和异常用电行为辨识能力。     

基于改进K-means聚类和皮尔逊相关系数户变关系异常诊断

用电信息采集系统易出现台区户变关系错误问题,传统诊断技术主要针对少用户台区出现异常用户情况,但对于多达数百用户台区,存在多相邻台区异常用户特征提取难题。本文首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,据此建立基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法,实现多异常用户所属正确台区诊断。实际算例分析结果表明,本文提出算法在识别同一台区一个及多个异常用户、不同台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。     

基于无监督学习的电力用户异常用电模式检测

检测异常用电模式的主要目的在于降低非技术性损失(non-technical losses,NTL),降低电力公司的运营成本。该文提出了基于无监督学习的异常用电模式检测模型,适用于电力用户数据集缺乏训练样本的情况。该模型包括特征提取、主成分分析、网格处理、计算局部离群因子等模块。首先提取多个表征用户用电模式的特征量,通过主成分分析将每个用户映射到二维平面,实现数据可视化并便于计算局部离群因子。网格处理技术筛选出低密度区域的数据点,显著提升了算法效率。该模型输出所有用户用电行为的异常度及疑似概率排序,研究结果表明利用该排序,只需要检测异常度排序靠前的少数用户即可查出大部分异常用户。     

基于神经网络的异常用电检测算法模型研究

电力行业大数据中蕴含了大量的事件信息,对于电力公司而言,挖掘其中的异常用电数据具有重大意义,目前的异常用电检测方法效率并不高,寻找一种高效准确的方法已成为电力行业亟待解决的问题。文章提出了基于神经网络的异常用电检测模型,利用有监督的多隐藏层的神经网络算法,对大量用户数据进行模型训练,可用于自动检测用户用电量是否正常,筛选出异常用户,为电力公司的现场核查工作提供指导,提高了异常用电情况发现的效率和查处的命中率。     

基于多模型融合Stacking集成学习的异常用电检测方法研究

针对单一异常用电检测方法对于存在不平衡性的数据集检测效率普遍不高的问题,提出了一种基于多模型融合Stacking集成学习的异常用电检测方法.首先,以居民用电数据作为研究对象,分析用户在习惯上表现的不同特征,结合不平衡处理技术和分类预测算法进行研究;其次,为了提高模型的整体性能,采用量子遗传算法对集成学习模型中的参数做优...     

基于知识嵌入和DNN的工商业用户异常用电检测

目前的异常用电检测研究主要以居民用户为对象,相关方法并不适用于工商业用户。针对此问题,本文提出一种融合了电能计量原理的基于深度学习的异常用电检测方法。首先,分析了各类异常用电的数据现象,结果说明单纯采用智能电表数据不足以准确检测异常用电。本文遵循电能计量原理,将描述电气参量内部逻辑关系的指标作为知识嵌入智能电表数据,构建深度学习样本模型。然后,本文提出了一个改进的深度混合残差神经网络,确保从海量智能电表数据中学习用于识别异常用电的高级特征。实验结果表明,相比多个基准算法,本文方法在所有评估指标上均取得了明显的提升。     

基于生命周期评价的不同电源对环境影响的比较

用生命周期评价方法对工业固体废弃物焚烧发电、生物质气化发电、风力发电、天然气燃气蒸汽联合循环发电等几种电源型式对环境的影响,进行了编目分析,计算了其污染物排放量,并且都与燃煤发电进行了比较。     

基于串口通信的DSP在线烧写技术研究

为了解决DSP嵌入式系统某些特殊应用场合升级不方便、维护困难的问题,提出了一种基于串口通信向片内Flash在线烧写程序的方法.描述了该在线烧写方法的基本思想和实现步骤,并结合工程实际需要,优化了接收升级指令的时机,并在片内Flash设置应用程序备份区,进一步提高了烧写的可靠性和安全性,增强了系统的容错性和自愈恢复能力.实验结果表明,该方法有效可行,方便可靠,相比于传统基于JTAG烧写,可摆脱仿真器进行程序升级,提高了嵌入式系统的可维护性.     

基于SOPC的舵机控制器研究

研究一种开放式全数字舵机控制器。控制器采用了全数字三闭环控制,实现了舵机位置伺服控制功能,其中位置环采用PID参数模糊自整定的算法,电流环、速度环作为内环采用PI调节的算法,并对采用PID参数模糊自整定的算法和传统PID算法所得的结果进行了对比分析。实验结果表明,系统有较好的鲁棒性和动、静态性能,可达到位置跟踪效果。     

基于光生物效应的办公空间采光研究初探

该文将办公室天然采光与光生物效应相结合,通过分析在不同光气候、季节时段、采光口朝向、亮度水平的天然采光条件下,人眼瞳孔大小、主观感受等变化规律,研究在光生物效应作用下,天然光的光色（光谱分布）、光照强度（亮度）与人的视觉心理生理变化之间的关系,整理在不同光色下瞳孔变化与亮度水平函数关系式,以期能提出符合节能要求、有利于办公人员身心健康及提高工作效率的办公空间采光环境方案,完善办公空间天然采光的健康模式,从而进一步促进绿色照明和健康照明。     

基于Linux的SCADA系统后台服务器的研究

随着微机技术的不断发展，以Linux为代表的自由软件越来越多地应用于各个领域。针对自由软件Linux应用到电力SCADA系统后台服务器中这一课题进行了可行性研究。通过与传统的Unix工作站后台服务器相比较，提出了基于PC／Linux的SCADA后台服务器。     

基于微位移的超分辨重建技术研究

CCD图像传感器广泛用于图像采集,受其内部结构和外部条件的影响,采集到的图像质量不能满足人们的需求,通过硬件改进提高图像质量面临经济与技术两方面的难题。为此本文利用多幅微位移图像间的冗余信息重建出高分辨率图像,既低成本又易实现。针对CCD与目标物间有相对微位移来获取序列低分辨率图像的情况,采用一种解线性方程组的方法对采集到的4幅微位移图像进行重建,并对这种算法进行优化。实验结果图可清晰地看到重建图像可分辨更多线对,高频信息量增加,算法具有较好的效果。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差.随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差.利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足.所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题.最后讨论了对该算法的评估方法.     

基于RTDS建模的分布式光伏对配电网影响研究

随着分布式光伏的大规模推进,需要研究分布式光伏接入配电网后对电压、 电流和继电保护带来的影响.首先,根据分布式光伏和配电网的典型结构,基于RTDS建立分布式光伏接入配电网的仿真模型.其次,仿真分析在不同的光伏渗透率、故障类型和故障位置下分布式光伏对配电网电压和电流的影响.然后,研究电网故障状态下分布式光伏对配电网继电保护的影响.仿真结果表明,分布式光伏接入配电网后使电压增大、系统提供的电流减小,分布式光伏渗透率较大时可能使过流保护拒动以及重合闸失败,因此需要重新整定保护定值.     

基于TMS320C6747的SVPWM实现方法研究

空间矢量脉宽调制(Space Vector Pulse Width Modulation)是逆变系统设计的是重要方法之一,本文详细介绍了SVPWM方法,探究了使用数字信号处理器TMS320C6747生成SVPWM波的方法和实现过程。对SVPWM实现的软件和硬件均进行了设计,并在此基础进行了实验,实验表明该逆变系统的具有良好的可行性、有效性和可靠性。     

绝缘栅双极晶体管模块过电应力的研究

通过频率试验和阻断电压试验,研究了过电应力对ＩＧＢＴ模块的影响;利用扫描电镜（ＳＥＭ）和液液晶（ＬＣ）技术,对失效模块的失效机理进行了分析;报道了试验结果及失效分析结果。