摘要：云计算技术的成熟与应用,为电力监控系统的优化提供了方向。在社会经济发展和科学技术进步的共同作用下,当前电力体系已经逐渐成熟,但具有繁杂运行结构和管理行为的传统电力监控系统已经逐渐无法满足当前电力系统的实际需要。在计算机网络技术的支持下,云计算平台下的电力视频监控系统应运而生。它能够有效管理监控产生的各项信息,保障电力体系有序运行。因此,为设计与实现基于云计算技术的电力视频监控网络,展开了对视频监控网络结构设计和功能的一系列探究,以期为电力监控系统的发展提供理论参考。

摘要：电气一次设备设计选型时应按照安装点污秽等级要求进行外绝缘配置,但在极端恶劣天气条件下也可能会发生污秽闪络事故。结合现场经验,介绍一起由污秽闪络导致的隔离开关三相接地短路故障,阐述故障具体检查过程及原因,提出相应的预防处理建议。

摘要：现有输电电网存在维护成本高,可扩展性差,缺乏安全、有效的系统监控等问题,为此提出了利用无线传感器网络(WSN)技术实现高效、可靠、低成本的电网监控方法,来评估智能电网的运行质量。设计了一种有效且安全的在传输线上测量数据的方法,并进行了仿真。仿真结果表明,基于无线传感器网络进行智能电网运行质量评估的精度较高,智能电网系统运行质量信息分布均匀。

摘要：针对传统诊断方法过于依赖人工,而导致诊断误差率高的问题,提出了基于数据挖掘的异常用电行为诊断方法。依据数据挖掘过程,分析用电异常行为欠电流、欠电压、扩差、移相特征。利用相似性度量划分数据集,初始化模糊加权指数,初始化隶属度矩阵并更新,计算目标函数,根据计算结果,确定数据对象种类,由此设计异常用电嫌疑用户筛选流程。采用k-means聚类算法,设计诊断分析流程,并研究对窃电和漏电等异常用电行为的闭环诊断机制。由实验结果可知,该方法最高误差率为10%,最低为0,具有良好的诊断效果。

摘要：目前研究的用户异常用电行为判定方法存在判定结果不准确的问题,难以精准地确定用户异常行为的时间段。为此,提出了一种基于高维随机矩阵的用户异常用电行为判定方法。通过筛选公式获得异常用电数据与正常用电数据,完成数据存储;根据筛选出的用户异常用电数据与正常用电数据构建了高维随机矩阵,计算矩阵特征值;利用特征值的波动程度确定了异常用电线路与异常用电用户,进而对用户的异常用电行为进行判定。通过实验研究验证了提出的判定方法具有较高的可靠性与判定精确性,相比于传统判定方法,基于高维随机矩阵的用户异常用电行为判定方法能够准确地确定用户异常线路,同时检测出用户异常行为时间段。

摘要：当前电力营销客户档案数字化管理方法档案处理能力不佳,导致电力营销客户档案类别划分存在可靠性较低,对此设计了基于数据挖掘技术的电力营销客户档案数字化管理系统。使用OCR技术完成档案数字化处理,并对处理过程中的异常进行补偿。使用灰色聚类技术,控制数字档案质量。选用贝叶斯分类方法,对数字档案中的信息进行分类处理。完成基于数据挖掘技术的电力营销客户档案数字化管理方法设计。构建实验环节,对此方法的应用效果加以分析。多轮实验结果表明,此方法可有效提升档案数字化处理质量以及数字档案类别划分可靠性。在现有档案管理水平条件下,实现了高品数据划分与采集,对各类营销数据使用效果一致性较好。