摘要：现有的电能计量装置状态检测研究通常仅涉及故障的检测,未考虑故障严重程度的区分或排序问题。为解决这一问题,该文提出一种基于学习排序的电能计量装置故障严重程度的评估方法。首先,根据电能计量装置的运行监测数据,设计包含14个分量的特征向量;其次,选择sigmoid函数对特征进行概率和评分的转换;再次,采用RankNet神经网络计量装置故障程度的分级。最后,该文采用国家电网公司某省2020-2021年部分地区电能计量装置运行监测数据进行测试。训练集包含2万组样本。所提方法在测试集上判断正确和错误的样本对数分别为9769和231,准确率达97.69%。此外,对于故障严重程度评分结果前50的故障样本,模型的平均排序偏移量为0.96,说明该文方法对于排序靠前的故障具有很好的排序效果。同时,模型仅需10次左右迭代即可收敛,能有效帮助工作人员提高电能计量装置检修效率。

摘要：为提高配用电场域网连通率和传输效率,构建了具有高速电力线载波和微功率无线通信能力的配用电双模异构场域网。首先,详细论述该场域网的拓扑结构、中心结点组网过程、游离节点动态入网流程和网络动态维护机制。其次,设计混合路由表的路由度量机制与改进的层数限制最短路径路由算法。最后,依据实时混合路由表,网络节点自适应选择最优链路以最佳速率进行数据传输。实验结果表明,该场域网提高了智能电表与中心节点的连通率,减少了网络层级,提高了传输效率。

摘要：针对传统方法对通信信道特征分类的精准度差、分类召回率较高,提出一种低压配电网HPLC通信信道特征分类方法。从位置、用户密度、电线长度与网络设计等方面,分析客户侧低压配电网HPLC通信信道特征;根据HPLC通信信道传递函数得到相关衰减因子数值,构建HPLC通信信道模型,获取最佳传输频率;利用K-L变换算法将复数信号分割为实部与虚部,建立信号的协方差矩阵,凭借实数变换操作获取降维后信道特征数据;将平均时延、角度扩展作为特征提取目标,通过支持向量机算法训练样本数据,得出超平面划分公式,计算最大分类间隔,完成特征分类。设备级运维应完善监测及诊断后的优化方案、云端部署方案,并考虑和现场作业终端的融合。建立一套标准的HPLC在线监测与故障诊断系统,该系统包括云端系统和手持式测量装置。仿真实验表明,所提方法的信道特征分类准度最高可达99.06%,召回率最高可达97.88%、整体精度最高可达99.54%,说明该方法分类效果较好。

摘要：非线性冲击负荷会对计量点的电流、电压及频率产生较大影响,会引起较严重的电能计量误差。在分析非线性冲击负荷对计量误差影响的基础上,建立了冲击负荷模型,给出较为精确的冲击负荷仿真方法,据此给出了新型冲击负荷电能表的设计方案和设计原理;设计了电压、电流高速AD采样电路,给出了零磁通电流互感器设计方法;提出了一种冲击负荷计量方法及算法思路,给出了基于IIR低通滤波器的冲击负荷滤波算法及具体参数,设计出新型冲击负荷电能表。在冲击负荷模型的基础上,设计了冲击负荷典型实验环境,分别在暂态冲击负荷、短时冲击负荷、长时冲击负荷等条件下对待测冲击负荷电能表进行实验,实验结果表明,所设计的新型冲击负荷电能表能准确计量冲击负荷电能。

摘要：数字化电能表是数字化变电站广泛使用的设备,标准数字功率源是对其性能进行校验的主要设备。目前数字功率源输出的SV报文存在随机特性差的问题,无法满足相关国家及行业标准对数字化电能表的影响量的检测要求。针对这一问题,设计了一种基于混沌映射的随机序列生成算法,保证标准数字功率源输出报文数据丢失的随机性。硬件上通过FPGA配置光口以太网芯片输出IEC 61850-9-2序列,将芯片配置为RMII接口输出,保证报文发布时间离散度可控。测试结果表明,研制的数字功率源在丢包概率可控、报文发布时间离散度可控,且误差不超过200 ns,远小于标准中规定3μs的误差要求,满足数字化电能表异常通信状态的检测要求。该装置已应用于南方电网数字化电能表检测。

摘要：为了最大限度降低因时钟状态异常给电能表性能带来的影响,提出基于K-means的电能表时钟异常状态检测方法。采用K-means聚类算法对原始的时钟运行数据进行预处理,利用阈值参量将时钟信号划分为噪声信号和正常信号两类,再计算待检测时钟信号中噪声信号的含量,并通过比较计算结果与时钟允许噪声含量之间的关系,实现异常状态检测。测试结果表明,设计方法实现了对时钟不同程度异常状态的准确检测,可靠性较高。

摘要：物联网电能表自动化检定作业的开展容易有较多问题发生,检定实现难度比较大,从一方面来看,电能表无论是在规格上还是在型式上都比较复杂,主要可以对其进行两种类型的划分,分别为直接接入式和经互感器接入式,类型不同,电能表在表尾端子结构上有着显著的差异;从另一方面来看,物联网电能表是否费控会对其外观产生相应的影响。也正是如此,在执行对物联网电能表的自动化检定任务之时,电能表的输送和自动化检定所需设计的装置比较多,但是在相同的流水线中,要想对多套托盘或接线机构加以运用,在设计上有很大的实现难度。对此,本文考虑在物联网电能表自动化柔性检定系统的设计与运行中对柔性控制技术加以运用,在一体化载表托盘、多重定位技术以及柔性控制技术的基础之上,探索检定系统的构建及其实施方案,以不同类型的物联网电能表为面向对象,执行共线检定任务,此系统与技术的实现对不仅有利于检定效率的提升,亦能将成功率提升至更高水平。

摘要：针对传统校验系统在运行中存在准确率低、耗时长的缺点,提出基于B/S架构的企业资产数据一致性校验系统设计。将B/S架构模式应用到了企业资产数据一致性校验系统体系结构设计和企业资产数据一致性校验系统网络拓扑设计中,完成了系统的硬件设计;通过预处理企业资产数据,设计了企业资产数据的一致性校验流程,完成了企业资产数据的软件设计,实现了企业资产数据的一致性校验。实验结果表明,所提出的校验系统不仅可以解决校验准确率问题,还可以提高企业资产数据的校验效率。

摘要：当前已有的低压台区反窃电诊断方法很难精准确定窃电用户,导致无法完成反窃电工作。为解决上述问题,基于DBN深度学习算法提出新的低压台区反窃电诊断方法。采用大数据挖掘方法检测反窃电诊断大数据信息,并输出检测过程中产生的反窃电特征数据,分析反窃电识别数据,并重组通过逆行反窃电定位而形成的随机分布结构。利用DBN深度学习算法建立低压台区反窃电诊断模型,增加训练系数,以消除误差,通过清洗补正反窃电数据、辨识窃电风险和分析窃电行为三个步骤,实现对窃电量的估算。实验结果表明,基于DBN深度学习算法的低压台区反窃电诊断方法能够精准地确定出窃电用户,从而更好地完成反窃电工作。

摘要：由于当前算法未能在优化调度过程中加入分布估计算法,导致发电量下降,弃水量和调度延时上升。提出一种基于分布估计的小水电群短期联合优化调度算法,使用水电群发电流量调度周期最大发电量,实现小水电群短期联合优化调度模型的构建。通过对水电群特征的分析,采用分布估计算法求解调度模型,完成小水电群短期联合优化调度方法的设计。通过实验证明,该算法可以有效提升发电量,并且还能够减少弃水量和调度延时。