配电网窃电检测与预防策略

针对配电网中频发的窃电事件和新的窃电操作方法,本文提出了一种智能在线监测能源盗窃预防策略,可以在不中断供电的情况下进行盗窃检测和预防.该策略通过设计防窃电系统(EPPS),根据对配电网的电压进行调节,为非法连接的负荷提供幅值随机变化的电源电压,且该电源电压远异于正常值.同时,为了维持对真正消费者的不间断供电,电力公司可以建立消费者监督单位(CSU),保持电压调节的稳定性,确保有效运行.最后通过实验证明了所提出的基于EPPS和CSU的防盗方案的适用性、操作灵活性和有效性,所提方法根据用户的数据进行窃电检测,准确率高,同时在不中断电源、不知道配电网确切拓扑结构的情况下,准确控制打击实时场景中的防盗.     

基于多重匹配同步压缩变换的充电机电压扰动分析

为了提高电力系统的安全性和稳定性,解决传统时频变换方法在电能扰动分析中不能准确分离提取扰动信号的缺陷,提出一种基于多重匹配同步压缩变换（Multiple Matching Synchrosqueezing Transform,MMSST）的电能扰动分析方法. 首先,利用MMSST将含扰动的信号分解为一组本征模态函数分量（Intrinsic Mode Functions,IMF）;然后,对每个IMF分量进行希尔伯特变换（Hilbert Transform, HT）,从而获得各个分量的瞬时频率和瞬时幅值,实现扰动信号的检测与分类. 仿真和实测实验结果表明,与经验模态分解（Empirical Mode Decomposition, EMD）算法相比,MMSST可以准确地分离提取电压扰动信号中的各个扰动分量,可以实现各个扰动分量的瞬时频率和幅值的准确提取,并且具有较强的鲁棒性.     

基于多维信息融合的窃电识别技术

针对配电网线路时常发生窃电事故,造成电力企业经济损失的问题,考虑窃电事故发生时,配电线路的电气参数及用户侧计量数据发生明显变化,提出将灰色关联分析与支持向量机(Support Vector Machine, SVM)理论相融合,对配电线路的特征参数和用户用电情况进行比例权重特征分析,结合季节性气象特征和社会经济等多源信息,提高模型输出结果的可靠性,从而精确判断是否发生窃电事故.最后,利用实例数据验证所提方法能够合理地对窃电线路和用户进行监控.