基于离散Fréchet距离和剪辑近邻法的低压配电网拓扑结构校验方法

针对低压配电网拓扑结构人工校验成本高、准确性不够、可操作性差的问题,提出了一种基于离散Fréchet距离和剪辑K近邻的配电网拓扑结构校验方法。基于电网GIS平台配变经纬度坐标数据计算校验用户台区变压器与该地区其它变压器之间的距离,搜索该校验用户的邻近台区。通过计算校验用户与所在台区其它用户、邻近台区所有用户之间智能电能表电压曲线离散Fréchet距离,进而运用剪辑近邻法对训练样本集进行修剪生成少量的关键样本集,可有效降低搜索复杂度,进而快速判别校验用户的正确台区类别,有效验证电网GIS平台用户与台区变压器拓扑连接关系的正确性。     

基于时空关联矩阵的配电台区反窃电预警方法

针对配电台区窃电用户难发现、窃电量预估不准确的问题,提出了一种基于时空关联矩阵的配电台区反窃电预警方法。首先,构建配电台区数据清洗方法,采用线性插值算法对低压户表采集的缺失数据进行补正,以消除配电台区量测数据缺失对模型的影响。其次,构建配电台区窃电分析算法,通过台区线损波动率、线损与电流差异曲线的变点时间进行关联分析,从而判断台区是否存在窃电行为。再次,构建窃电用户的时空关联分析模型,通过变点、离群点和关联检测分析窃电嫌疑用户的时空分布特征,并计及用户窃电时间和用电容量等特性,提供预估窃电量。最后,通过实例验证了所提方法的有效性和实用性。     

基于数据挖掘的新型低压窃电识别方法

针对现今反窃电技术往往采用单一算法分析,导致反窃电效果差强人意的现状,文中提出一种针对低压用户窃电的识别方法.剥离台区线损当中的技术线损部分,采用K-means聚类算法对处理过的线损数据进行分析,识别出线损率异常波动或持续偏高的台区,并根据聚类结果定义时间离散度来衡量窃电疑似度.分析异常台区下的用户,通过相关性分析研究...     

台区窃电严重程度分级界定方法研究

按照线损精细化管理要求,分析了目前仅根据低压台区线损率来判断窃电严重程度时存在的一些问题。并以上海市北供电公司为蓝本,提出了新的台区窃电严重程度分级界定方法,藉以提高反窃电工作效率。     

基于线损率标杆值的居民台区窃电严重程度分级方法

对不同窃电严重程度的台区实施分级管理有利于提高反窃电工作效率。提出居民台区在三相平衡情况下的技术线损率标杆值的概念和计算方法;在此基础上提出居民台区窃电严重程度量化界定方法,运用技术线损率标杆值将判定窃电严重程度的电量损失标准转化为对台区线损率的取值范围要求。应用结果表明,所提方法能区分不同类型、配变容量和配变负载率台区技术线损率的固有差异,更合理并精简地判别出窃电重灾区。     

基于离群点算法和用电信息采集系统的反窃电研究

为了解决以往依靠用户每月电量变化、台区线损异常确定窃电嫌疑户等传统方法时效性差、准确率低,现场排查发现窃电行为又效率不高的问题,利用当前远程集抄海量数据为传统反窃电理论研究和高效反窃电的实现尝试探索一种新方法。全面分析窃电手段及原理,绘制实施窃电手段的鱼骨图,由实际案例统计分析确定研究重点为欠压、欠流窃电法。根据高供高计和高供低计用户计量装置接线特点、电压电流值的规律以及离群点理论确定窃电判定算法,并做出基于距离的离群点检测法判定窃电的流程图。通过实例验证提出的算法和窃电户筛选流程能够完全甄别出窃电用户,为监控人员利用用电信息采集系统的海量数据精确及时地进行有效反窃电分析提供了新思路。     

检测低压用户窃电的计及专家经验的模糊聚类法

针对电网营销系统中低压窃电工单少的现状,提出不依赖窃电标签的基于专家经验和模糊C均值(fuzzy C-means,FCM)聚类算法的低压用户窃电检测技术方案。首先,提炼现场专家经验,提出预打标签法,对原始用户初步标记;其次,重构特征和归一化操作后,采用FCM算法对用户聚类,训练出聚类中心矩阵和隶属度矩阵;最后,按行计算训练集隶属度矩阵和测试集隶属度矩阵之间的2范数,通过嫌疑系数来判断待测用户近段时间是否存在窃电。以广东某台区低压用户作为算例,验证所提窃电检测方案的有效性和可行性。     

考虑分布式光伏的低压台区线损异常辨识方法

低压配电网线损异常的辨识一直以来都非常困难,分布式光伏大量接入配电网,改变了配电网的潮流分布,更加大了低压配电网线损异常的辨识难度。提出了一种针对分布式光伏接入台区线损异常的辨识方法。首先对分布式光伏接入台区开展光伏出力等因素与线损率的灰色关联度计算,找寻光伏相关因素与线损率关联性。其次根据关联性的强弱选择合适的指标进行k-means聚类,并依据聚类结果进行离群点检测,判断台区是否有线损异常的可能性。最后通过对离群点所在簇进行时间离散度分析,得出台区的异常系数,根据异常系数进行线损异常判断。通过对含分布式光伏的典型台区进行验证分析,结果表明：该方法能够有效辨识分布式光伏接入台区的线损是否异常。     

基于改进局部离群因子的低压用户用电隐患检测方法

基于用电信息采集系统的量测数据,提出了一种基于改进局部离群因子算法的用户用电隐患检测方法。首先,提出基于信息熵的电压信息重构方法,扩大电压数据差异性。其次,提出基于K-奇异值分解的电压数据稀疏编码方法,解决台区用户原始负荷特征维度过高带来的冗余性问题。然后,提出基于改进局部离群因子算法的用户用电隐患检测方法,通过多局部离群因子模型组合优化,提高低压用户用电隐患检测泛化能力与准确率。最后,以中国浙江省某台区为例进行验证,算例分析的结果表明所提算法相对于传统局部离群因子算法具有更高的隐患检测准确率。     

基于边缘计算的低压用户窃电检测

低压用户窃电导致线损电量增加,对台区线损异动进行归因分析是识别窃电用户的有效途径。低压用户通信异常多发,可导致用电信息采集系统主站数据失真,易误导窃电检测。利用配变终端可就地完整准确采集台区数据的特点,提出基于边缘计算的低压用户窃电检测方法。首先,在通信正常和异常的条件下,分析台区窃电用户用电量与线损电量的关联关系;然后,在配变终端窃电检测模块中对真实的台区线损和用户用电量进行归因分析来识别窃电用户;最后,基于高损台区实际数据的仿真分析,验证了所提方法相比于在主站侧采用异常数据以及采用不同缺失数据填补算法修复后的数据进行窃电检测时的优势。