基于粒子群算法的异常用电检测方法

窃电行为严重危害了电网的正常运行,并且损害了国家和电力企业的利益。针对现有异常用电检测方法的不足,提出一种基于粒子群算法的异常用电检测新方法。以用户历史负荷数据为基础,采用粒子群算法提取用户相同行业的负荷模式曲线和用户历史数据的负荷模式曲线,并根据用户考察日负荷曲线与上述两种负荷模式匹配的不同特点,使用不同的负荷数据预处理方式以及模式匹配评价方法。实例分析表明,新方法能有效检测到异常用电的情况,验证了模型的有效性。     

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。     

南宁市夏季用电负荷特性分析

以2007-2009年的电力负荷统计数据为依据,分析南宁市区夏季用电负荷特性的变化趋势,找出夏季负荷的主要增长点.通过对夏季气温与负荷情况的详细分析,得出影响南宁负荷及负荷特性变化的主要因素,进一步揭示了夏季强降雨对负荷水平影响的规律性,从而提出了一些电力负荷发展的建议.     

一种根据经济主导行业进行用电预测的新方法

文章基于对江苏省１９８６年以来各类电量数据的分析,提出了一种根据经济主导行业用电增长率进行用电预测的新方法。     

浅谈住宅用电负荷的确定

本文根据对家用电器工作特殊性的分析，提出了不同生活水准的住宅电气负荷的确定方法。     

针对非技术性损失的智能用电异常检测方法

非技术性损失已经成为影响电力公司收益和电能质量的重要因素。提出了一个基于不同用户类型的含离线参数优选和在线异常检测的非技术性损失检测方法。错分训练样本后,可以得出用户异常的实时检测结果,同时随着历史数据的更新,使检测率在运行过程中逐渐达到最优。选取支持向量机算法进行异常检测,并通过遗传算法求出针对不同用户的最优参数,以提高用户的异常检测率。在具体算例中,实时检测系统通过对检测准确率和异常误检率指标的评估,验证该检测方法在周期更新中的性能稳定性和降低电力公司成本方面的优势。     

浅谈民用住宅楼房的用电负荷

本文从分析家用电器用电的特殊性出发，提出了生活水准不同的民用住宅的电气负荷设计方法。     

用电负荷管理系统的安全性

由用电负荷管理系统安全运行中的信道安全运行的重要性出发，从专网和公网两种不同信道的角度，就安全运行作了阐述；对现行的数据在信道中透明传输提出了质疑；并就数据报文加密算法中的序列加密、分组密码、对称加密、非对称加密4种算法的简单原理与应用可能性进行了探讨，并提出了建议。     

变化气候模式下夏季制冷用电耗能负荷影响因素分析

气象条件是影响夏季高温时段用电负荷需求的重要因素。气候模式和城市微气象条件的变化明显地改变了季节性和夏季昼夜温度分布,相应地改变了电力制冷负荷需求,对电力系统的可靠运行有突出影响。为研究长时间尺度上气候模式变化和城市微气象条件这两种同时并存的影响因素对夏季制冷用电耗能的影响,选择城区人口不足5万的江陵与武汉进行对比分析。利用该两地区1980年以来的地面气象观测数据,结合制冷日和制冷度日等气象指标和对电网制冷用电负荷有突出影响的超35℃高温日及高温日昼夜温差等指标,对比分析了气候模式和城市微气象条件的改变对夏季电力制冷负荷的影响。     

谈用电负荷与线损率的关系

引起线损率变化的原因是多方面的，但在一定时期内，网络结构和运行方式可能没有较大变化，在此条件下，通过对网络的简化，建立数学模型，找出线损率随用电负荷变化的规律，可对线物率的预测及分析提供重要参考。     

基于人均用电量和人均用电负荷的饱和负荷预测

电力饱和负荷预测对城市、区域电网的规划与发展具有重要的作用,它可以有效的降低电网改造成本,提高电网改造的合理性、可靠性与经济性。主要采用基于人均用电量与人口预测的方法对华东某一小城市的全社会用电量的饱和规模与饱和时间进行预测。传统人均用电量法对负荷的预测主要采用预测得到的总电量除以评估得到的最大负荷利用小时数来确定负荷的大小。但是最大负荷利用小时数评估起来难度比较大,所以采用了新的基于人均用电负荷预测的方法,该方法运用logistic曲线分别预测人均用电负荷和人口的饱和值,再将两者相乘,即可得到饱和负荷规模。     

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PI数据库的一体化用电指标管理

随着电力信息化工作的不断深化,PI(Plant Information)数据库作为电力企业各信息系统的实时/历史数据存储中心,有着集中和共享各个系统资源的重要意义。文章对基于PI数据库的一体化用电指标管理进行了深入研究,重点解决用电指标的管理、用电负荷监测和超欠预警及统计分析等问题,并给出了有关的应用实例。     

有序用电用户负荷特性分析方法研究

我国长期面临区域性、季节性、时段性、结构性的缺电现象,而有序用电工作可促进电力供需平衡,保障居民生活和重要用户的用电。但目前编制有序用电方案时,参与有序用电的用户选择主观性强,缺乏科学依据,有失合理与公正。本文提出了有序用电用户可中断负荷分析方法,通过对用户的历史负荷进行聚类,得到用户的几类典型日负荷曲线,并对典型负荷曲线按采样点进行聚类,综合分析得到用户的用电规律和用电时段等负荷信息,进一步可计算出用户的避峰、错时、轮休、检修价值,在此基础上制定用户参与有序用电的准则和策略,并可向社会公开,使得编制方案和有序用电的执行有标准可依,更加有序。     

电力市场环境下的新型负荷频率控制方法

针对电力市场环境中的两区域互联系统,研究了负荷频率控制的非线性、参数的不确定和纯迟延特性等问题,提出了一种基于模糊径向基函数神经网络的自适应控制器,即利用径向基函数神经网络进行自学习、修正与完善模糊规则,改善其动态性能。将Matlab与Labview软件相结合进行仿真,结果表明上述方法具有较强的自适应和自学习能力,将其应用于复杂的非线性电力系统的负荷频率控制中,取得了较好的控制效果。     

基于经验模态分解与特征相关分析的短期负荷预测方法

提出了一种基于经验模态分解与特征相关分析的短期负荷预测新方法。该方法从分解负荷序列入手,采用经验模态分解将原始负荷时间序列分解成不同频率的本征模函数(IMF)分量和残差分量,以弱化复杂影响因素环境下原始序列的波动性,获取更具规律性的分量。然后运用最小冗余度最大相关性标准(mRMR)技术分析各IMF分量和日类型、天气、电价等特征信息之间的相关性,获得最佳特征集。最后采用基于智能算法的最小二乘支持向量机(LSSVM)负荷预测模型对各经验模态分量进行预测,并将各分量预测结果叠加得到最终负荷预测值。以某电网实际数据进行算例分析,结果表明所提出的组合模型能够更准确地对外部因素敏感的短期负荷进行预测。     

基于农村发展模式分析的中长期负荷预测方法

针对农村用电方式和用电需求变化问题,本文在考虑国家政策、农村经济等影响农村发展模式及负荷变化因素的基础上,提出了一种基于农村发展模式分析的中长期负荷预测方法。首先,对电力系统大数据进行了分析,提出了K-means-Robust聚类算法与加权自适应K近邻算法,搭建了农村发展模式预测模型。然后,针对不同农村发展模式,使用基于灰色关联度分析的正则化门控循环神经网络模型预测农村中长期负荷变化曲线。最后,以某农村为例,验证了所提方法的可行性。     

电力市场模式评述

电力市场模式是各国电力市场化改革都无法回避的重要问题.分类角度不同,电力市场的模式也多种多样.从三个不同的方面对电力市场的模式进行了评述,指出了它们的特征、适用情形和存在的问题,比较了它们之间的相互关系,并提出:就目前我国电力工业体系的具体情况而言,全国电网采用统一模式或单一模式并不适合我国国情.     

区域电力市场交易电量结算模式的实用化研究

针对目前我国区域电力市场电量交易和电网调度运行的实际情况,提出了一套适用于我国区域电力市场的竞争性交易电量的实用化结算算法,该算法以送方电网上网侧交易计划、受方电网落地侧交易计划、竞价单元上网侧交易计划及相应日调度计划累计值和关口计量电量为结算依据,提出了关口计量电量的分割顺序,将交易电量结算分为串连式的电网间结算和厂网间结算两部分。最后应用上述算法对南方区域电力市场进行了数字模拟,结果表明所提出的算法是可行的,且具有良好的推广前景。