-
题名低压配电台区线损异常检测与治理方法
- 1
-
-
作者
赵燕
-
机构
国网隆德供电公司城关供电所
-
出处
《通信电源技术》
2024年第10期214-216,共3页
-
文摘
常规的配电台区线损异常检测特征捕捉采用周期提取的形式,提取的精准度不高,增加了误检频次。为解决这一问题,提出低压配电台区线损异常检测与治理方法的设计与分析研究。首先,根据测试需求进行异常数据采集。其次,采用多点位的方式提取精准度,实现线损异常特征的多点位提取。最后,构建多传感台区线损异常检测模型,采用频谱持续追踪与线损耗平衡修正的方式来实现异常处理。测试结果表明,文章设计的多传感低压配电台区线损异常检测与治理方法具有高效性、灵活性,检测适应性强,具有较好的应用价值。
-
关键词
低压配电台区
台区线损
异常检测
线损治理
定点监控
异常识别
-
Keywords
low-voltage distribution station area
line loss in station area
abnormal detection
line loss management
fixed point monitoring
abnormal recognition
-
分类号
TM714.3
[电气工程—电力系统及自动化]
-
-
题名基于深度学习的配电网线损异常检测方法
- 2
-
-
作者
刘晶
-
机构
国网清苑县供电公司
-
出处
《今日自动化》
2024年第7期129-131,共3页
-
文摘
配电网的线损异常检测对于保障电网安全、优化资源分配和提升服务质量至关重要。传统的线损分析方法在处理大规模数据集和识别复杂异常模式时存在局限性,针对这一问题,文章提出了一种基于深度学习的配电网线损异常检测方法。该方法利用LSTM对线损数据进行时序分析以捕捉数据的时空特征,实现对配电网线损的实时监测和异常检测。试验结果表明,该方法具有较高的检测精度和实时性,能有效识别出配电网中的线损异常,为配电网的优化运行和管理提供了有力的技术支持。
-
关键词
深度学习
配电网
线损异常检测
长短期记忆网络
-
Keywords
deep learning
distribution network
abnormal detection of line loss
long short-term memory network
-
分类号
TM714.3
[电气工程—电力系统及自动化]
-
-
题名基于EMD的异常用电检测方法
被引量：2
- 3
-
-
作者
舒一飞
刘兴杰
康洁莹
刘鹏
樊博
-
机构
国网宁夏电力有限公司营销服务中心
宁夏大学电气工程及其自动化系
-
出处
《应用科技》
CAS
2022年第2期94-99,共6页
-
基金
国家自然科学基金项目(61763040)。
-
文摘
异常用电行为的时频特性往往具有强随机不确定性,而固定参数相关的分析方法无法有效处理此类数据。为此,本文提出了一种基于经验模式分解(EMD)的异常用电检测方法。首先,针对用电数据的不同特点进行初步筛选,进而采用EMD方法对用户用电量和线损电量序列进行自适应分解,提取EMD分解所得高频分量,通过对其变化趋势和相关性进行分析,标定异常用电行为。结合实际案例的分析比对,验证了该方法的有效性。
-
关键词
时频特性
经验模式分解
异常用电
检测
用电量
线损
高频分量
相关性
-
Keywords
time-frequency characteristics
EMD
abnormal electricity consumption
detection
electricity consumption
line loss
high-frequency components
correlation
-
分类号
TM721
[电气工程—电力系统及自动化]
-
