摘要：当一个配电台区内存在多个固定比例的窃电用户时,台区的非技术线性损耗(NTL)将由这群窃电用户的窃电量共同决定。目前根据NTL相关性强弱排序的检测方法在这一场景下有可能失效。首先,为了解决这一问题,文中发现了台区NTL和固定比例窃电用户表计数据的相关性存在着一种递增现象,并论证了这一现象成立的充分条件。以此为基础提出了基于协方差分析的窃电检测方法。通过标准化处理后的协方差来衡量NTL与用户电量之间的相关性,以求解一个组合优化问题的方式,实现对固定比例窃电用户的搜寻。然后,设计了该方法在实际应用过程中的运行框架和检测方案。最后,基于中国某省电力公司提供的实测数据和窃电模拟实验平台生成的窃电数据验证了所提方法的有效性。

摘要：以光伏和风电为代表的可再生能源具有很强的间歇性和波动性,会给配电网的运行和优化带来巨大的挑战。为表征光伏和风电输出功率的不确定性,提出了基于像素卷积生成网络(pixel convolutional generative network,PCGN)的可再生能源随机场景生成方法。该方法通过链式法则将可光伏和风电出力曲线的联合分布因子化成多个1维分布的乘积,利用先前生成的输出功率来预测下一个功率值,从而实现可再生能源出力曲线的逐点生成。根据光伏和风电出力曲线的高维数据特征,设计了适用于可再生能源随机场景生成的网络结构,并通过实际运行数据验证了所提方法的有效性和适应性。仿真结果表明,所提的PCGN不仅可以准确地捕获光伏和风电出力曲线的形状特征、波动性、概率分布以及时空相关性,还具有较强的适应性,通过微调生成网络的结构和参数,就能用于不同可再生能源的随机场景生成任务。