一种基于环境特征的智能电能表初值优选型K-means聚类算法

为探究不同环境特征(温度、湿度等)对智能电能表运行误差的影响,需要将不同地区运行下的智能电能表根据环境特征进行聚类划分。现有关于智能电能表的聚类算法研究中,都是依据运行数据或者负荷曲线进行聚类,缺少利用环境因素对其进行聚类的研究。因此,文章提出环境信息提取原则,有效降低数据维度提高计算效率。并提出初值优选型K-means算法,该算法是对传统的K-means算法在初值选取和聚类中心移动规则上进行改进,使其更加适用于基于环境特征的智能电能表聚类问题。通过数据仿真验证,该方法的准确率较其他算法平均提升17.7%,计算耗时平均减少0.16 s。     

基于智能电能表双向交互系统构建探讨

在电网公司智能电能表应用和用电信息采集系统建设取得了成效的基础上,进一步挖掘智能电能表的支撑能力,实现智能电能表与用户直接交互用电信息,用户与电网的实时互动,满足电力用户日益增长的互动化需求。通过对双向交互内容、现有智能电能表的改造、通讯组网方式、智能用电信息系统的扩展几方面进行探讨,提出了一种依托现有用采系统构建双向交互系统的建设方案。