基于多层次非负稀疏编码和SVM的窃电检测方法

针对现有方法对新型窃电方式检测准确率不高的问题,文中提出了一种基于多层次非负稀疏编码和支持向量机(support vector machines, SVM)的窃电检测新方法。该方法以月度用电曲线为检测对象,基于多层次非负稀疏编码提取样本的多层次用电模式特征,以及窃电情景分析提取样本的数值统计特征,将二者的融合检测特征输入SVM分类器进行窃电检测。以爱尔兰智能电表数据集构造的算例验证了所提方法能够提高窃电检测的精确率和召回率。     

计及深度调峰辅助服务与多典型日的年度发电计划优化模型

在调峰市场背景下,机组调峰成本与辅助服务费用对发电企业影响较大,据此,提出了计及深度调峰辅助服务与多典型日的年度发电计划优化模型。在场景获取方面,提出了考虑负荷与风电耦合的典型场景聚类方法,有效解决了月内多个典型日场景的模拟问题。在模型方面,考虑了深度调峰成本、辅助服务补偿费用、售电利益与碳交易成本,建立了发电企业参与深度调峰辅助服务市场的收益约束,确保市场各主体能从中获利。考虑到该模型属于非线性混合整数规划模型,结合线性化策略和CPLEX求解器实现了高效求解。最后,基于修正算例系统进行了仿真分析,验证了所提模型的有效性。     

不需要双端数据同步的工频故障测距新方法

在分析双端信息采样的同步误差对双端测距同步法的影响基础上，提出了一种不要求两端采样数据同步的故障测距新方法，将两端数据采样的不同步因素以不同步角6的形式引入，建立x=f(δ)的测距方程，在算法中采用两端电气量的故障分量，并利用Im(x)=0这一条件用搜索法求解不同步角δ，进而求得故障距离x的精确解，算法不受过渡电阻和系统运行方式的影响，测距精度高，有助于及时修复线路和保障系统安全经济运行。计算机数字仿真结果表明，该方法有很好的测距精度，完全满足现场实际要求。     

基于因子分析的母线负荷异常数据辨识方法

针对现有母线负荷数据异常辨识方法适应性差、辨识精度不高的问题,基于母线负荷数据现状剖析异常数据的基本特征,分析因子分析的理论及其应用于母线负荷异常数据辨识的原理,提出了基于因子分析的母线负荷异常数据辨识方法.该方法引入因子分析将母线负荷曲线分解为表征曲线正常时序变化规律的基本分量和表征曲线数据异常或随机波动特征的随机分量;同时基于负荷曲线随机分量给出了异常数据辨识的3σ判定准则.最后,以重庆某供电公司算例验证了所提方法较现有方法更具合理性、有效性.