游梁式抽油机间歇供电装置的研制与应用

针对游梁抽油机电动机效率低和井场窃电问题,研制了具有节电和防井场窃电功能的游梁抽油机调压+间歇供电装置。该装置通过控制可控硅的导通角实现在电动机做功期调压供电,在电动机发电期不供电。分析了间歇供电对电动机、抽油机和电网的影响;根据现场实测数据分析了该装置的节电效果及现场应用情况。该装置节电效果显著,能防止井场窃电,可用于对游梁抽油机电动机的长期驱动。     

抽油机防窃电一体化节能装置在油田的应用

为了提高抽油机的节能效率,杜绝窃电现象,确保油田的经济效益和油田的稳定,在油田安装了2套抽油机防窃电一体化节能装置。该装置主要由DFCJT节能、防窃电一体化拖动装置和DFS7RB节能、防窃一体化变压器2部分组成。重点分析了该装置的技术性能、设计造型及现场应用效果,并对存在问题提出改进建议。     

变压器类产品专利（080085-080097）

080085互感器防窃电盒200420017521.X/万家盛(万家盛)一种互感器防窃电盒,它由与互感器本体相配合的底座和盖扣合组成,其底座上设置有台阶孔,台阶孔边缘凸起与盖上设置的相对应的卡耳配合互锁;底座上还设置有半圆孔凸台与盖上设置的开口配合构成进出线孔,进出线孔的个数可根据互感器对应的输入输出端的个数而对应设置,盖的外缘凸边插入半圆孔凸台边缘设置的直槽内;它安装简单方便,具备良好的防窃电功能。     

基于改进FCM聚类的窃电行为检测

窃电行为检测的主要目的 在于发现窃电用户,降低电力系统运营成本.在此背景下,提出基于改进模糊C均值聚类的窃电行为检测模型,包括因子分析、基于改进模糊C均值聚类的局部离群因子计算、ROC曲线模型评价与调参及最佳检测阈值选取等模块,适用于无大量已知窃电用户样本的情况.首先,通过因子分析对用户用电特征(包括用电负荷数据和电能表异常事件)进行维度规约,提升模型检测效率.再利用遗传模拟退火算法对模糊C均值聚类算法进行改进,对用户用电特征进行检测.最后与现有成熟算法进行比较,验证该模型对窃电行为具有较高的检测准确度.检测模型可输出所有被测用户用电行为离群度得分和窃电概率排序,利用该文检测模型的输出,能够以较高精度检测出窃电行为用户,根据结果进行现场稽查,可提升反窃电工作效率.     

关于电能表电流线圈分流窃电问题的探讨

"分流窃电检测装置"属于主动式检测装置,检洲信号由自身发出,通过分析返回信号的变化来判断是否有分流支路接入,与穿过磁环的导线中是否有电流无关,有效的解决了电能表使用中有关分流窃电的问题.对电力部门防止这一故障提供了有效解决办法     

浅谈台区线损和台区检查

我局实行台区承包已有多年,其效果是明显的,实行台区管理,建立科学的考核激励机制,责任到人、考核到人,打破了长期以来形成的"人管人"的局面,对于提高工作效率和服务水平,树立国家电网"优质、方便、规范、真诚"的服务形象,实现建设"一强三优"现代公司的战略目标具有重要的意义.在台区管理中,台区供电量、台区售电量以及线损率成为非常重要的考核指标.通过几年来的线变承包和台区现场检查,在台区管理和台区检查中出现的诸多问题感触较多.下面就影响台区线损的各种因素,结合实际工作中遇到的问题进行分析.     

基于DenseNet和随机森林的电力用户窃电检测

窃电作为配电网络非技术损耗的主要因素之一,不仅严重扰乱供电秩序,还会危害电网安全,造成供电企业甚至国家的重大损失.为了更高效地检测窃电情况,提出了一种新型的密集卷积神经网络和随机森林(DenseNet-RF)模型,基于该模型实现了电力用户窃电行为的检测.首先,分析了密集卷积神经网络(DenseNet)的结构;其次,将密集卷积神经网络(DenseNet)对大规模的智能电表数据集进行自动特征提取;然后,根据获得的特征再使用随机森林(RF)训练分类器,以检测用户是否窃电.在建立融合模型时,采用网格搜索算法确定最优参数.最后,进行实验验证,实验结果表明,所提出的检测模型优于宽而深的卷积神经网络(WDNet)、DenseNet、极限学习机(ELM)等模型的分类准确性,其模型准确率为96.76％,同时具有良好的泛化能力.     

基于机器学习的用户窃电行为预测

新型智能电表普及后,为了准确检测出电网中的窃电用户,可以结合机器学习的方法.为此,选择了支持向量机、随机森林和迭代决策树3种机器学习中较常用的大数据算法进行分析,通过不断调整试验数据集的大小,对3种算法的效率和准确率进行测试.对比分析结果发现,随机森林算法运行的时间和数据量的大小基本呈线性关系,效率较高,且准确率稳定在86%以上,表现较好.