基于配电物联网的反窃电预警系统研究及应用

基于电力物联网建设方向，结合大数据、人工智能深度机器学习技术，提出了基于配电物联网的反窃电预警系统研究及应用。通过配电台区"变-线-相-户"分段、分层的窃电台区嫌疑分析，客户用电负荷曲线的特征分析，精准锁定窃电嫌疑用户，提高供电单位窃电预警能力。首先，采用边缘物联代理技术采集用电特征数据，获取电表的电气数据及自动拓扑关系；其次，采用聚类、分层分析建立反窃电预警模型并结合专家诊断库生成窃电嫌疑用户清单；再其次，警电联动应用将窃电嫌疑用户推送至公安侦办系统，形成警电联动体系，最后展望系统扩展对相关业务的支撑，旨在探讨电网企业应用反窃电预警系统的价值。     

基于遗传算法优化BP神经网络的窃电分析

目前我国存在着严重的窃电现象,窃电手段繁多而且隐蔽,这使得工作人员的反窃电工作越来越难。基于供电企业能够采集用户用电数据,本文通过选取用户的相关历史数据进行处理和分析。根据对窃电数据特性的分析研究,挑选出月用电量、台区线损值、最大线损值、功率因素、三相不平衡率、合同容量比六个电气参量作为窃电数据的分析指标,采用遗传算法优化BP神经网络算法构建窃电分析模型,对指标样本数据进行分析,得到用户的窃电嫌疑系数,筛选出用电情况异常用户。本方法能够较方便、全面、智能的分析用户的用电情况,为供电企业实施反窃电工作指明了大致的方向,简化了反窃电的许多工作。     

基于智能电表海量数据的台区运行态势分析与应用

随着智能电网的快速推进,配网智能化水平越来越高。用户智能电表的覆盖率逐年提升,利用用户智能电表每十五分钟一次采集形成的海量数据,辅以公变终端运行数据,从低压台区线损、故障、网架分析三个视角入手开展台区运行态势分析和应用。通过精益化线损分析,研判线损异常的原因,对配网变户一致性进行研判,对智能装置数据准确性进行评价;通过低压台区回路阻抗模型计算,利用阻抗值实现了配网异常情况的预判和网架阻抗评估;通过配网故障研究分析,及时实现不同类型故障的准确主动研判,进一步提升供电服务“最后一公里”服务效率。本文通过深入挖掘智能电网领域大数据价值,促进业务创新、绩效提升,细化客户分类,满足智能化、多样化用电需要,提升配电网感知度。     

基于聚类相关性分析的台区用电异常用户查找方法

现有的查窃技术手段有特定的应用场景,线损异常台区因现有查窃技术手段无法锁定用电异常用户,无法进一步降损。实践发现,单用户的用电行为与台区线损不存在直接相关性,而用电异常用户整体的用电行为却与台区线损高度相关,因此,本文利用计量自动化系统中的用电数据,采用聚类相关性分析算法找出其负荷曲线与台区损失电量曲线相关性最高的用户集合,用于锁定用电异常用户群。实验证明,该方法能准确锁定用电异常用户群,与台区全覆盖式用电检查相比,查窃效率提高数倍,且能有效锁定用电行为、用电负荷曲线特征无明显异常的用电异常用户。     

基于智能表海量数据的电网末端故障的快速研判和准确定位

本文以实现国网1号文《关于坚持以客户为中心 进一步提升优质服务水平的意见》中提出的深化主动抢修服务为业务目的,依托成熟的大数据分析技术和数据挖掘技术,利用用电信息采集系统中的用户负荷数据,研究了基于电压数据的配电线路及计量装置异常研判、基于台区阻抗及理论线损的配电线路异常研判的模型和算法,可以判断低压配电台区存在的单个电表异常、计量箱整体接线异常、户变关系错误、三相负载不平衡等问题。在提前发现潜在故障,实现低压故障主动研判,减少故障停电,准确定位故障点,减少现场排查工作量方面取得了一定成效,满足了用户不停电、少停电的需求,实现了电网末端故障隐患的快速研判和准确定位,提高了城乡配网供电能力和用户供电可靠性水平。     

基于载波和工频畸变技术的台区拓扑识别

在台区线路精细化管理和节能降损的背景下,提出了一种基于高速宽带电力线载波通讯技术和工频畸变脉冲电流技术的低压台区拓扑关系识别方法.该方法不仅实现了用电台区变、线、户之间供电网络拓扑结构的识别和校核,也实现了台区用户表相序的识别,为台区线损分析与异常定位、用电负载平衡提供了有效的数据支撑.     

基于大数据挖掘技术的线损智能诊断模型设计

为提高诊断台区线损状态的诊断率，提出基于大数据挖掘技术的线损智能诊断模型设计。采集线损数据并计算得到线损率，根据线路的特征设置标准阈值，以时间离散度分析结合多次聚类分析检测出线损的异常状态；根据采集数据的波动率，构建离散度转换方程，得到线损离群点特征的欧氏距离近似度矩阵；利用大数据挖掘技术，提取出线损的离群点，利用关联分析法，构建线损智能诊断模型。实验结果表明，设计模型不仅可以提高线损诊断率，还可以诊断出用户的窃电行为。     

智能配电网台区用户信息梳理系统设计

用电信息采集系统是智能电网建设的重要内容.为解决一些老城区用电归属不清所导致的管理线损问题,设计了一套台区用户信息梳理系统.该系统基于电力载波通信技术进行梳理配电变压器与采集器或电表的从属关系,是对用户用电信息采集系统的补充与完善.系统由用户信息管理系统、用户信息在线梳理终端和查询终端三部分构成.测试结果表明该系统能很好地解决老城区复杂线路情况下客户信息的梳理,具有实际意义.     

基于LoRa无线技术的台区配用电电能物联网监测系统研究

为提高台区配用电监控过程的抗干扰能力，提出新的基于LoRa无线技术的台区配用电电能物联网监测系统。在LoRa数据采集网络架构的支持下，设置多源传感器采集台区配用电各项数据，设计WAKE的高低电平切换模块，并控制其工作状态，通过MODE的高低电平控制切换通信模块的工作模式，获得台区配用电数据后利用jzy3d大数据可视化类库实现物联网监测。在外在因素的干扰下，系统的监控数据完整性较好，RSSI值在-50 dBm以内，系统抗干扰性能得到明显提升。     

基于递归小波神经网络的敏感台区反窃电监测方法

当前敏感台区反窃电监测方法在面对连续监测状况时,监测数据中含有大量噪声数据和无用数据,导致对窃电行为的诊断依据不足,为解决该问题,提出基于递归小波神经网络的敏感台区反窃电监测方法.利用A/D采集电路和互感器采集用户用电数据,通过数据预处理剔除噪声数据和无用数据,同时使数据归一化.在此基础上,提取用电数据特征,并从电流、电压、功率因数、电量四个方面确定窃电行为判别指标,将数据与特征值输入至递归小波神经网络中,结合判别指标输出精准的窃电行为判别结果,实现敏感台区反窃电监测.实验结果表明,研究方法能够准确捕捉到功率因数的变化,窃电行为判别时间短,敏感台区反窃电监测效果更优.     

台区综合电力系统电能质量均衡分配算法

为了提高台区综合电力系统电能质量均衡分配和调度能力，提出基于负载均衡控制的台区综合电力系统电能质量均衡分配算法。采用电网电能质量产生机理分析方法，建立约束台区综合电力系统电能质量的稳态参数分析模型；根据多级电网联络点交叉性分析，构建电压等级序列分布式融合参数分布集；采用非线性序列特征重构方法，建立台区综合电力系统电能质量均衡分配的能量泛函分析模型；结合负荷参数分析和特征分解，均衡分配和耦合控制台区综合电力系统电能质量的链路；采用功率因素和阻抗参数联合分析方法，构建台区综合电力系统电能质量均衡分配的目标函数模型；采用寻优控制和自适应参数配置方法，实现台区综合电力系统电能质量均衡分配。仿真实验表明，采用该方法进行台区综合电力系统电能质量分配的均衡性较好，配置电压始终保持在480～510之间，自适应调度能力较强，输出功率均衡性较好，拟合度较高，这种方法提高了台区综合电力系统电能质量均衡分配和调度能力。     

基于动态博弈的配变三相不平衡治理研究及应用

基于泛在电力物联网建设方向,结合三相负荷动态博弈分析技术,提出配变三相不平衡治理研究及应用,以信息化支撑配变三相不平衡治理,通过"户-相-变"拓扑关系自动识别和三相用户负荷动态博弈分析,提出用户相位关系调整建议,从而达到从源头治理配变三相负荷不平衡的目标.论文首先简述了配变三相不平衡治理由低压配电网拓扑关系数据采集、动态博弈分析和配变三相不平衡治理应用三部分组成,其次,介绍了采用边缘计算技术进行拓扑关系采集及校验,并通过三相用户负荷动态博弈建模,生成用户相位关系调整建议,辅助台区经理进行现场治理.最后展望系统对相关业务的支撑,旨在探讨电网企业应用配变三相不平衡治理系统的价值.     

基于多特征融合的用户窃电行为快速识别研究

不同的用电行为会产生不同的特征数据,因此可以根据用电特征来识别用户窃电行为,提出基于多特征融合的用户窃电行为快速识别方法。将额定电压偏离度、电压不平衡系数及电流不平衡系数作为用电行为特征进行提取,利用多特征融合技术,建立用电行为模型,对重点嫌疑用户窃电异常行为的快速识别。通过实验证明,所提出的识别方法无论是识别精度还是识别效率均具备显著优势。由于在窃电行为识别过程中对异常数据的分析粒度较粗,导致识别结果的可靠性较低,为此提出了基于决策树的远程窃电行为识别系统设计研究。将Z-turnBoard嵌入式单板作为系统的核心构件,结合线路电量平衡关系,计算出以单位窗口期线损率为基准的窃电行为特征参量,将计算结果作为决策树的根节点,将各分线线损率作为决策树的分支,通过迭代的方式细化分析粒度,得到最终的窃电行为位置。测试结果表明,设计系统对窃电行为的识别准确率和召回率均值分别达到了91.26%和93.59%。     

基于区块链技术的绿证智能合约交易风险聚类分析模型

常见的聚类分析模型受到分布式清洁能源接入模式的冲击，内部数据容易被篡改，模型安全性较低。对此，提出基于区块链技术的绿证智能合约交易风险聚类分析模型。引入区块链技术，改变交易信息的哈希结构，将同时生成的区块链证书记入区块链数据库中，作为信息不可篡改的凭证，用于信任认证；设计智能合约响应机制，实现区块链数据的信任认证，在认证完成后，投影区块链数据，完成区块链数据的聚类处理；以聚类结果为依据，构建决策树风险分析模型。实验结果表明，在面对分布式清洁能源接入模式的冲击时，该模型内部数据安全，没有被篡改，安全评估值在4.5以上，自身的安全性得到了提高。     

电能表运行误差与状态评价模型研究

为降低在电能表日常计量误差验证和运行维护管理工作中,因工作量大、效率低、操作现场复杂情况和操作人员经验水平限制等问题导致的消耗大量成本浪费,本文基于用电信息采集数据,建立大数据分析模型,提出一种数据驱动的电能表运行误差计算方法,以一个台区的采集档案数据、考核表供电量数据及所有用户表的用电量数据,根据能量守恒,建立方程,使用多计量周期数据建立线性方程组,使用加权平均、最小二乘法求解方程组获得电能表运行误差和台区线损率等指标,可作为电能表运行状态评价的重要参考,为台区线损治理、电能表运维和精准更换等提供有效支撑,可有效降低现场运维人次、提升故障分析定位精确性。使用仿真和实际台区数据验证了本文方法的准确性,试运行成果较好。     

基于L0稀疏超图半监督学习的异常用电行为识别

对异常用电行为进行自动分析是电力部门十分关心的问题,故提出一种基于L0稀疏超图半监督学习的用户窃电行为识别算法。与经典图模型中两个顶点的边连接方式不同,超图模型将具有相似特征的多个样本组建为超边,有利于表示用户用电数据间的复杂关联关系。然而常用的K近邻构建超边方法存在超边大小固定,无法有效匹配用户用电数据非均匀分布的缺点。为解决该问题,建立基于L0稀疏重构的超图模型,模型针对每一用户数据建立一个超边,通过L0范数约束的稀疏分解自适应选择与当前用户紧密关联的多个样本,更有利于匹配用户数据的分布结构。继而构建超图拉普拉斯正则约束的半监督分类模型,利用少量的标定样本数据,判别用户用电行为是否存在异常。选取某城市8 900余居民300余天的实际用电数据作为测试样本集,实验结果验证了方法的有效性。     

电价审计中用户用电行为特征的智能提取方法研究

传统用电行为特征提取方法难以挖掘连续的用户用电行为数据，导致特征提取精度较低且特征异常值较多。针对这个问题，文章研究电价审计中用户用电行为特征的智能提取方法。挖掘周期性电价审计过程中存在的隐藏数据，标定数据参数，归一化处理用户用电行为数据。采用线性差值填充算法处理周期范围内的电力数据，控制用户用电数据的连续性。特征化处理行为数据后，进行卡方检验并构建指标提取过程，最终完成智能提取方法的构建。在模拟用户用电行为数据采集环境后，对应不同的采集周期整理为用电数据集，准备2种传统提取方法与所设计的方法进行对照实验，实验结果表明，所设计的智能提取方法具有较高的特征提取精度，且产生的特征异常值最少。     

自注意力信用评估模型

在信用评估问题中，用户信息中既包含类别数据，也包含数值数据。传统的基于人工智能的信用评估模型通常对类别数据进行one-hot变换后，再与数值数据进行拼接作为判别器的输入。与之不同，借鉴了自然语言处理中的词嵌入技术来提取类别数据的词向量；将输入的词向量集合类比为“句子”，并基于自注意力机制从“句子”中提取出用户特征；最后采用多层感知机来预测用户违约的概率。新模型可以使用反向传播算法实现端到端的训练。在三个不同的数据集上将新模型和六种基准算法进行了比较，结果表明该模型能够比基准算法取得更好的性能。     

基于数据驱动的低压配电台区线损分层统计与异常诊断方法

线损是反映低压配电台区运行状态的指标之一，为实现对线损的有效管理，提出基于数据驱动的低压配电台区线损分层统计与异常诊断方法。根据低压配电台区的连接方式和工作机制，构建低压配电台区结构模型。利用数据驱动技术，分层采集低压配电台区运行数据，统计低压配电台区各层的线损量。提取线损的波动和峰值特征，通过特征匹配确定当前低压配电台区线损异常状态与类型。通过与传统方法的对比得出结论：优化设计方法的线损量统计误差降低了0.73 kW·h,线损异常误诊率得到明显降低。     

基于数据挖掘的城区居民小区负荷和电量预测方法

居民小区的用电负荷和用电量预测结果,受到数据分类模型的影响,平均相对误差较大。因此,提出基于数据挖掘的城区居民小区负荷和电量预测方法。构建需求预测库并采集小区历史用电数据,通过异常修正和数据转换方法完成历史数据预处理。利用数据挖掘技术构建聚类分析模型,获取数据分类结果。运用模糊神经网络,计算小区负荷预测值,再根据灰色关联度分析法得到用电量最终预测结果。实验结果表明：所提方法的预测平均相对误差为2.21%,相比文献提出方法平均相对误差降低了11.15%、9.74%。