电能计量中异常电能表智能精准定位方法.pdf
《电能计量中异常电能表智能精准定位方法.pdf》由会员分享,可在线阅读,更多相关《电能计量中异常电能表智能精准定位方法.pdf(4页珍藏版)》请在咨信网上搜索。
1、中国新技术新产品2024 NO.1(上)-46-工 业 技 术作为能源工业的重要组成部分,电网受到国家的重点关注,而随着智能电网的飞速发展和电表的广泛铺设,用户用电数据规模增长较快。在利益的驱动下,用户电能计量中出现了较多窃电、漏电和计量误差大的异常电能表1,准确有效地定位电力系统中的异常电能表对发现恶意窃电用户、减少经济损失并维护国民经济平稳发展至关重要。然而,传统方法主要依赖使用人工提取电能计量中的电能表特征,导致定位效果较差。因此相关学者对电能计量中的异常电能表定位进行了深入研究,并且取得了一定成果。文献 2 引入了失效物理,分析电能表的失效机理,进而根据分析结果定位故障电能表,进行异常
2、电能表定位。但是该方法定位准确率较低。文献3以数据驱动为基础,研究了一种在线电能表监测方法。该系统通过分元器件对比方法定位失准电能表,但是该方法也存在定位准确率低的问题,并且定位耗时较长。文献 4 应用了隐马尔可夫模型,将该算法应用于智能电能表故障远程检定方法中,但是该方法的定位耗时较长。为了解决上述文献方法中存在的异常电能表定位准确率低等问题,本文研究了一种电能计量中异常电能表智能精准定位的新方法。1 异常电能表智能精准定位方法设计1.1 电能表数据预处理由于电能表数据在采集过程中缺乏频次和精度,导致电能表数据存在部分噪声值5,而该噪声值会干扰数据分析的过程,影响最终的异常电能表定位效果,因
3、此,本文在研究电能计量中异常电能表智能精准定位的方法时,引入指数平滑法和归一化处理算法预处理电能表数据,处理带有噪声的时间序列电能表数据,电能计量中电能表数据预处理方法的具体步骤如图 1 所示。根据图 1 可知,电能计量中电能表数据预处理主要分为5 步,依次为初始化、平滑处理、预测电能表数据、循环迭代和归一化处理。具体如下。步骤一:初始化。选择初始平滑值和初始趋势值,通常可以将第一个数据点作为初始平滑值和初始趋势值。步骤二:平滑处理,在每个时刻 t,通过公式(1)、公式(2)计算电能表的平滑值和趋势值.A(t)=x(t)+(1-)A(t-1)(1)B(t)=(A(t)-A(t-1)-(1-)B
4、(t-1)(2)式中:A(t)是电能表平滑值;B(t)是电能表趋势值;是平滑系数,取值为 01,决定了最新数据对平滑值的影响程度;是趋势系数,取值为 01,决定了当前趋势对未来趋势的影响程度;x(t)是电能表当前数据值。步骤三:预测。通过平滑值和趋势值预测未来电能表数据,即降噪处理后的电能表数据,如公式(3)所示。C(t)=A(t)+B(t)(3)式中:是预测的时间步长。步骤四:循环迭代。根据实际需要,可以对平滑、预测过程进行多次迭代,以进一步提高平滑效果和预测准确性。步骤五:归一化处理。不同的电能表数据指标之间会存在量纲上的差异,这些差异会干扰数据分析过程。为了避免这种量纲差异对最终异常电能
5、表定位结果的影响,可以通过数据的规范化进行处理。因此,引入归一化处理算法,处理上述电能表数据 C(t)。电能表数据归一化的方法主要有 3类,本文对用电数据采用最小-最大规范化的方法进行归一化处理,即对原始的电能表数据进行线性变换,将其数值投射到 0,1,归一化处理公式如公式(4)所示。D tC tCtCtCt?minmaxmin(4)式中:Cmax(t)、Cmin(t)分别是电能表数据最大值和最小值。1.2 基于匹配度的异常电能表初筛选通过指数平滑法和归一化处理算法预处理电能表数据电能计量中异常电能表智能精准定位方法薛晓慧1薛峪峰1张友璇1沈月婷2张文2(1.国网青海省电力公司,青海 西宁 8
6、10001;2.北京中电普华信息技术有限公司,北京 100085)摘 要:为了提高异常电能表智能精准定位的准确性和召回率,本文设计了一种在电能计量中异常电能表智能精准定位的方法。该方法采用指数平滑法对电能计量中电能表的数据进行降噪处理,并采用归一化处理算法进一步优化数据,完成电能表数据预处理。通过匹配度算法初步筛选异常电能表,引入神经网络算法,并通过注意力机制和分类器优化该算法,构建异常电能表智能精准定位方法,完成电能计量中异常电能表智能精准定位。试验结果表明,该方法的定位准确率可达99.6%,定位召回率达99.8%,有效提高了电能计量中异常电能表定位的准确性。关键词:电能计量;异常电能表;指
7、数平滑法;匹配度;神经网络;注意力机制中图分类号:TM933文献标志码:A图 1 电能表数据预处理步骤中国新技术新产品2024 NO.1(上)-47-工 业 技 术时引入匹配度,初步智能筛选电能计量异常电能表。而引入匹配度的原因是电能表数据由一组与时间序列相关的负荷值构成,因此,需要以典型负荷特征曲线来判别电能表是否处于正常用电的范围,可通过匹配度将待定位的目标电能表的日负荷特征曲线与典型日负荷特征曲线进行相似性匹配,以此判别该电能表是否存在异常情况,并筛选出具有异常的电能表,缩小了电能计量时的异常电能表定位范围,进一步提高了定位准确性和智能性。基于匹配度的异常电能表初筛选采用相似系数与欧式距
8、离结合的方式度量电能表数据的相似性,从而达到初步筛选的目的。其中欧式距离如公式(5)所示。dD tDtijijijn?211,(5)式中:n 表示电能表数量,i 表示第 i 个电能表。相似系数的计算如公式(6)所示。ED tD tDtDtD tD tDtDiiijjijniij?11,j jjnint?11(6)由于相关系数为-11,其值越大,相似性越高,而欧氏距离越大,相似性越小,因此对相关系数求绝对值,对欧氏距离求 e-d值,使其改变形式后的值为 01,同时也满足了欧式距离越大,相关系数和欧氏距离加权求和后的匹配度越小的关系,基于此,由公式(5)和公式(6)可得加权相加后的匹配度公式,如公
9、式(7)所示。F=1|E|+2e-d(7)式中:1、2均为权值。利用匹配度值判定电能表是否存在异常,如果匹配度值低于匹配度阈值,则说明该电能表存在异常,如公式(8)所示。Gi=i,Fi(8)式中:表示匹配度阈值。至此通过匹配度的计算,完成异常电能表初筛选,即通过公式(8)确定第 i 个电能表在电能计量中存在的异常。1.3 基于深度注意力神经网络的异常电能表定位实现为了更好地表征异常电能表序列深层特性,提高方法处理大规模序列数据的能力和智能化程度,本文引入深度注意力神经网络,通过神经网络定位上文初步筛选的异常电能表。设计的深度注意力神经网络的异常电能表定位结构如图 2 所示。根据图 2 可知,深
10、度注意力神经网络的异常电能表定位主要由数据预处理、异常电能表初帅选、深度注意力网络和分类器组成,其中,上文已经完整设计了数据预处理、异常电能表初筛选,而深度注意力网络主要由多个相同的层堆叠组成,每层都包括 2 个部分,一个是神经网络子层,后接一个自注意力机制层。其中神经网络子层为双向子层,包括前向层和后向层,这两层的输出如公式(9)所示。h(t)=GRU(Gi)h(t)=GRU(Gi)(9)图 2 深度注意力神经网络的异常电能表定位结构深度注意力神经网络电能表数据数据预处理多层感知器softmax函数输出定位结果异常电能表初筛选神经网络子层分类器神经网络子层神经网络子层自注意力机制层自注意力机
11、制层自注意力机制层自注意力机制层神经网络子层中国新技术新产品2024 NO.1(上)-48-工 业 技 术式中:h(t)表示前向层输出;h(t)表示后向层输出。将两者结合,可得候选状态 H(t)=h(t),h(t),以此为基础获取神经网络子层输出,如公式(10)所示。H(t)=H(1),H(2),H(t)(10)在完成神经网络子层输出获取,计算自注意力机制层输出,如公式(11)所示。J tsoftHt HtnHt?maxT(11)根据图 2 可知,在深度注意力网络后连接分类器,分类器也是输出层,使用带有非线性激活层的多层感知器获取电能计量中电能表的异常概率,因此,完成深度注意力神经网络处理电能
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 电能 计量 异常 电能表 智能 精准 定位 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。