基于低复杂度多项式乘法器的智能电能表椭圆曲线加密系统的设计

智能电能表作为智能电网终端一环,其与电网内其它设备的通信连接面临着越来越多的安全性挑战。文章从智能电能表的实际应用出发,提出了一种应用于智能电能表的椭圆曲线加密系统的设计方案。该加密系统基于低复杂度的多项式乘法器而设计,具有低资源消耗和快速运算等特点。为达到加密系统的最佳运行性能,对该加密系统的最底层多项式乘法器和加法器的设计进行了结构创新,对最高层的椭圆曲线上的点计算过程进行了次序更新优化,提出了新的椭圆曲线加密系统硬件实现架构。经实验测试显示,文章设计的面积和时间复杂度比现有结果低了18.2%。实验结果验证了该加密系统在智能电能表中应用的可行性和实用性。     

基于现场删失数据的电能表可靠性评估方法及轮换策略研究

国家电网有限公司单相智能电能表(2020)通用技术规范要求,电能表使用寿命提高至16年,即将服役到期的电能表运维规划问题成为该领域研究热点与难点.文中收集了智能电能表近两年的现场故障数据,提出左删失右截尾条件下基于Weibull分布和指数分布的电能表可靠性评估方法,利用似然比检验选择电能表最优寿命分布,借助极大似然估计和Fisher信息矩阵给出电能表可靠度、失效率、MTBF和可靠寿命的点估计与置信限.将可靠寿命作为电能表使用寿命的度量指标,结合电能表异步投入运行的工程背景,从轮换决策和延寿时间确定方法两个方面给出了电能表轮换对策,实验测试与分析验证了文章方法的有效性.研究成果对智能电能表运行和维护策略制定具有参考价值.     

大数据条件下现场运行电能表计量误差估计方法

为了探究现场多维影响工况下在网电能表的计量性能,并映射其在标准实验室条件下的计量误差,提出一种基于大数据分析技术的现场服役电能表计量误差估计方法,结合现场运行的环境数据和电因素数据实现在线计量误差估计。首先,通过优化聚类评价指标实现K-Means聚类算法的改进,并对现场环境数据进行聚类分析;然后,采用LM算法优化基于BP神经网络的数据训练方法,结合负载电流、功率因数等数据,构建电能表电能误差与环境温度、湿度和负载电流、功率因数四种应力的映射关系;最后,在获取电能表现场电能误差数据的基础上,开展工程应用实例计算。结果表明,利用所提方法可对电能表的计量误差进行划分,验证了所提方法的准确性。     

基于改进层次分析法的电能计量系统综合评价

分析电力现货市场下电能计量和结算需求,从数据和系统两个层面构建一套完整的电能计量系统评价指标体系,基于改进层次分析和模糊综合评价方法实现对电能计量系统综合评价。针对层次分析法中专家评判具有主观盲目性的缺点,以三角模糊数表示专家对指标重要性的判断,利用改进层次分析法确定评价指标权重。利用模糊统计和线性隶属函数分别对定性指标和定量指标进行处理,减少人为因素的影响。根据指标权重和隶属度对计量系统进行综合评价。用模糊综合评价方法对某省电力现货市场下的计量系统进行评价,结果表明总体评价良好,但也存在表计冻结时间精度得分较低的问题。     

基于深度学习的智能电表HPLC通信模块外观划痕检测

针对智能电表HPLC通信模块外观划痕检测的问题,提出了一种先进的像素级划痕检测体系结构Res-DU-Net,其特点是采用了深度卷积神经网络技术。首先,Res-DU-Net通过卷积、残差结构、空洞卷积、级联等操作实现了像素级的滑痕检测,形成了U形模型结构。其次,采用Adam算法对智能电表通信模块外观图像进行了训练和验证。最后,Res-DU-Net在学习率为0.001,损失率为0.020的情况下,准确率为0.985,召回率为0.987。实验结果证明,Res-DU-Net在像素级划痕检测方面比传统方法和完全卷积网络(FCN)及U-Net更加有优势。