智能电能表故障代码分析及处理

文中详细介绍了智能电表系统组成的各个部分,分析了智能电表中的低压用电客户单相智能电能表的各种故障现象、故障提示代码,以及故障的处理方法,并对智能电表如何降低故障率提出了相应建议。     

基于类云模型聚类的多目标数据关联算法

针对多目标跟踪中的数据关联问题,提出一种基于类云模型c-均值聚类的数据关联算法.该算法采用类云模型c-均值聚类算法对目标有效回波进行聚类,将聚类中心作为目标最终观测值,运用最近邻法对聚类中心与航迹进行关联,用Kalman滤波器进行状态估计.实验结果表明,本算法与联合概率数据互联算法相比,跟踪精度高,计算量小,更适应于工程应用.     

展望智能电能表的应用前景

近年来,随着科学技术的进步,在电子式电能表基础上发展出智能电能表,它具备电能量计量、信息存储、状态监测、数据多种方式传输、自动控制、信息交互等功能。具有高可靠性、高安全性及存储空间大等特点,可以为实现分布式电源计量、双向互动服务、智能家居等奠定基础。满足了我国智能电网建设工作需要,其应用前景十分广阔。     

展望智能电能表的应用前景

近年来,随着科学技术的进步,在电子式电能表基础上发展出智能电能表,它具备电能量计量、信息存储、状态监测、数据多种方式传输、自动控制、信息交互等功能。具有高可靠性、高安全性及存储空间大等特点,可以为实现分布式电源计量、双向互动服务、智能家居等奠定基础。满足了我国智能电网建设工作需要,其应用前景十分广阔。     

基于云模型理论的短期风速预测方法

基于不确定性理论与方法,采用模糊c均值(FCM)聚类算法对历史风速数据进行聚类分析.在此基础上,利用云模型理论将由聚类产生的一系列定量数据集合转化为由3个云模型数字特征值表示的定性概念,建立风速云模型.将历史风速时间序列中的分钟级变化规律以及日变化规律应用到云模型规则发生器中,建立风速预测的组合云模型.误差概率统计发现,该模型24h风速预测绝对误差小于2m/s的概率为97.94%,预测曲线的均方根误差为0.98m/s.将云模型预测值的期望与RBF神经网络预测值对比,预测精度有所提高,预测曲线基本反映出了风速的变化规律,表明基于云模型的预测方法在风速预测方面的可行性.     

解析计量管理中智能电能表的应用

在社会发展的节奏不断加快,人们的生活水平日益的提升背景之下,人们越来越依赖电力资源的应用,电力不仅成为社会中各行各业发展的支撑性能源,也是人们的日常生活中不可缺少的能源之一.基于社会发展和人们日常生活的需求,我国电网覆盖的面积越来越大.在面积不断扩大的配电网中,智能电能表是一个非常关键的电能设备,它能够用户的用电数据进行精确的记录,为供电企业的其他工作的开展提供数据基础,因此加强对智能电能表的计量管理有着非常重要的意义.     

基于资源分组的多约束云工作流调度算法

已有的云工作流调度算法采用全局搜索方式进行资源选取,存在计算成本高、对大规模云系统适应性差的问题。该文提出了基于资源分组的多约束云工作流调度算法,采用有向无环图的方法,对云工作流中的多任务之间的执行顺序和数据交换等属性进行量化建模;使用模糊聚类方法实现基于资源多维特征的分组处理,降低工作流任务到资源匹配过程中的搜索空间;并引入执行时间和成本预算约束,将工作流的任务调度问题转化为有约束条件的极小极大问题进行快速求解。仿真测试表明,该算法显著降低了任务执行完成时间和成本。     

基于模糊聚类算法的智能电网用户分类

随着智能电网建设的深入,许多智能仪表被接入电网以获取用户的实时负荷数据。由于用户数量众多,单独对个体进行数据处理和分析是不现实的,所以需要对用户进行分类。采用模糊聚类算法来处理负荷侧不同用户的用电负荷数据,随机抽取了某小区的25个用户数据,并对其用电行为进行了分类。结合聚类有效性指标得到了算法的最佳聚类数,并进行了仿真分析。结果表明,模糊聚类算法在负荷侧不同用户用电行为分类中有着较好的表现。     

基于云计算平台的聚类算法研究进展

基于云计算平台的数据挖掘主要目的是为了更好地处理海量数据,挖掘有用的信息.云计算为海量数据挖掘提供了强大的数据收集、存储和计算能力,简述了云计算技术及其研究现状,详细介绍了基于云计算平台的聚类算法,总结在云计算平台研究聚类所遇到的新问题,对基于云计算平台的聚类发展趋势进行展望.     

动态云模型大规模数据挖掘算法

分析了云计算和数据挖掘的关系,研究了SLIQ和SPRINT两种数据挖掘算法,提供了一种数据存储量不断增加时基于动态云模型的数据挖掘算法。     

一种基于大数据的低压单相用户窃电分析方法

为改善现有窃电检测时由于电力数据特征复杂、数据样本不均等导致的效率低、精度低等问题,提出一种基于深度学习的电力用户数据的分析模型：首先,考虑到窃电数据样本不均衡、样本数量有限,提出基于Wasserstein准则的条件生成对抗网络,以平衡窃电数据,提升数据多样性;其次,提出一种用户电力行为特征提取网络,以增强模型训练效率;最后,提出一种基于梯度提升决策树的电力数据分类模型,以有效减少过拟合问题,从而提高模型分类精度。以中国国家电网公司发布的用电量数据集为例,对所提模型进行分析和验证。与基于随机过采样（ROS）、人工少数类过采样（SMOTE）和生成对抗网络（ GAN）等数据增强方法相比,所提数据增强方法可以有效提升模型训练性能。此外,与逻辑回归（LR）、支持向量机（SVM）、长短时记忆网络（LSTM）等模型相比,所提模型在测试集中性能更优,准确率和召回率分别为89.3%和69%。仿真结果进一步验证了所提模型的有效性和准确性。     

基于云模型和关联分析法的电力营销目标市场模糊评价

提出了基于云模型和关联分析法的电力营销目标市场模糊评价方法,采用云模型关联分析法获得指标的权重信息,不但消除了人为的主观因素,而且同时考虑到了不确定性中的模糊性和随机性。通过实例证明该方法结果更加接近实际,为确定电力营销目标市场提供了一种简单可行的方法。     

基于云计算的分布式数据挖掘平台架构

针对互联网上数量众多的网站带宽资源长期浪费或突发资源短缺、响应时间长、服务器宕机、网站受到黑客攻击等问题,提出了基于＂云＂的分布式web安全系统及基于云计算的分布式数据挖掘平台架构,并在此基础上提出了一种新型的分布式数据挖掘模式,利用云计算技术,可以方便地通过网络获取强大的计算能力和存储能力,将消耗大量资源的复杂计算通过网络路由优化和资源约束自适应策略分布到多节点上进行,然后通过组合不同数据站点上的局部数据模型,最终得到全局数据模型。     

智能电能表的电磁兼容

从瞬变及高频脉冲、低频脉冲、雷电、辐射电磁场、静电放电等几个方面分析了智能电能表运行中的电磁干扰源、电磁干扰的传播途径,提出了提高智能电能表电磁兼容性的设计思路,并重点介绍了其电源和印刷线路板等方面的硬件电路设计．     

单相电能表窃电类型分析及解决方法研究

长期以来,单相电能表的反窃电工作一直是困扰供电企业的难题。通过分析归纳几种改变电能表接线的窃电类型,提出了一种改进接线的解决方案,有效地杜绝这几类窃电现象的发生,达到了降低窃电概率的目的。     

基于点云数据的主成分分析重构表面算法

提出一种基于三维点云数据的主成分分析重建三维表面模型的方法,该方法利用基于主成分分析的动态聚类方法对三维扫描数据进行聚类,进而对点云数据重构一点片,研究在局部利用二维三角网构网技术构建三角网,然后在考虑局部三角网边缘一致性的基础上组合成整体三维表面模型的算法。应用实例表明,该算法能有效地完成重建物体三维表面模型。     

基于云模型理论的蚁群算法改进研究

近几年优化领域中新出现的蚁群算法采用分布式并行计算机制,易于与其它方法结合,具有较强的鲁棒性。但易限于局部最优解是其最突出的缺点．云模型是一种新的实现定性概念和定量数值之间转换的有力工具,本文在介绍云模型理论的基础上,提出了一种利用云模型来有效限制蚁群算法陷入局部最优解的方法,最后将基于云模型理论的改进蚁群算法与未改进的蚁群算法分别应用于著名的CHC144 TSP进行实验．改进后的蚁群算法采用升半正态云规则进行控制,并选取了500个云滴,仿真计算结果证明了该方法的有效性和可行性．