摘要：为改善现有窃电检测时由电力数据特征复杂、数据样本不均等导致的检测效率、精度低等问题,提出了一种基于卷积神经网络(CNN)的电力数据分析模型。首先,考虑到窃电数据样本不均衡、数量有限,提出条件变分自动编码器的窃电曲线数据增强方法。其次,在分析了电力系统攻击模型的基础上,设计了基于CNN的窃电检测模型,从而提高算法执行效率及模型鲁棒性。试验阶段,以中国某电网公司采集的数据为例,对所提模型进行了分析和验证。与现有的数据增强方法相比,所提模型可以根据窃电功率曲线的实际形状和分布特征扩展训练集,并且可对基础CNN模型的性能进行改善。与原始数据集相比,模型准确率、F1分数和G均值分别提高了7.00%、6.65%和6.01%。试验结果验证了所提模型的有效性及实用性。所提模型为电力数据分析及安全故障隐患的发现提供了借鉴。

摘要：文章依据发生电价异常行为必然会偏离电价正常用户用电轨迹的原理,并对用电异常指标分析判定用户电价异常风险等级和典型用户用电轨迹进行了对比;通过充分利用用户月电量、用户月电费、行业类别、电价类别等结合数学统计分析方法作为电价风险等级评估指标,建立了电价风险等级评估模型,从而通过不同纬度设置不同阀值,建立不同纬度的电价异常风险等级模型,准确的将符合数据特征的用户及时发掘出来,减少了一定的经济损失;使得电价风险分析工作做到有的放矢,电价风险分析工作达到信息化、智能化。

摘要：针对目前窃电现象日益猖獗,窃电方式多种多样,并严重影响了供电企业的经营效益,为此研究了一套基于准实时的反窃电及计量故障在线监测分析数学模型。窃电行为必然会出现异常为依据,采用了收集各类典型窃电案例,并进行分类归纳提取出反窃电异常指标,建立各类反窃电模型,通过窃电嫌疑户判定模型,最终定位出窃电嫌疑户。实践应用表明,反窃电分析模型体系科学、合理极大地提高计量装置异常发现和处理的及时性和针对性。

摘要：为了进一步提高电力企业在用电检查和反窃电方面的智能化程度,设计了一种反窃电模型的在线智能分析系统。首先对系统的整体架构、数据架构等进行详细设计,然后构建反窃电识别模型,最后给出系统实现的部分界面和使用效果。实际应用结果表明,该智能分析系统能及时发现用电异常客户。

摘要：高压下柔性接头摆动力矩减小的原因一直未得到确切解答,只归结到剪应力分布的变化很难让人信服。通过对柔性喷管中柔性接头结构形式的特点进行分析,认为随压强升高摆动力矩减小的根本原因为柔性接头的屈曲响应。分析了弧长法的原理以及其在屈曲分析中的应用,通过数值计算软件ABAQUS开展对柔性接头屈曲过程的仿真分析。分别通过通用静力算法和弧长算法对不同预摆角下承压过程进行模拟,得到摆角随压强的变化规律。计算结果表明:不同压力下的弹性力矩与实验结果对比,一致性较好,所用方法和结论可以为柔性接头高压工作环境下的设计提供有益参考。