亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于DBN 深度學(xué)習(xí)算法的低壓臺區(qū)反竊電診斷

        2023-02-23 03:30:44任盛周志飛卜龍敏劉文婕王藝錂
        電子設(shè)計(jì)工程 2023年4期
        關(guān)鍵詞:診斷模型臺區(qū)深度

        任盛,周志飛,卜龍敏,劉文婕,王藝錂

        (國網(wǎng)湖南省電力有限公司供電服務(wù)中心(計(jì)量中心)智能電氣量測與應(yīng)用技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室,湖南 長沙 410004)

        在電網(wǎng)覆蓋率不斷上升的背景下,居民的用電量逐漸增加,一些不法分子實(shí)施竊電行為損害電力公司的權(quán)益,為電力公司帶來了巨大的經(jīng)濟(jì)損失,同時(shí)也帶來了一定的安全隱患。隨著科學(xué)技術(shù)的不斷發(fā)展,不法分子的竊電手段已逐漸科技化,由傳統(tǒng)的分壓、分流發(fā)展成高頻干擾器非侵入式竊電等,尤其在低壓臺區(qū),竊電的地點(diǎn)更加隱秘,竊電過程更為復(fù)雜,給電力公司的反竊電診斷工作帶來了極大的挑戰(zhàn)。

        為此,國內(nèi)的許多專家學(xué)者對此展開了相關(guān)的研究。以往提出的基于時(shí)空關(guān)聯(lián)矩陣的低壓臺區(qū)反竊電診斷方法[1],通過大數(shù)據(jù)挖掘技術(shù)對智能電表的高頻率數(shù)據(jù)進(jìn)行了挖掘,通過挖掘出的高頻率數(shù)據(jù)建立了診斷模型,在診斷模型中對用戶竊電量進(jìn)行了預(yù)估,該診斷方法改變了傳統(tǒng)人工調(diào)查的竊電方式,實(shí)現(xiàn)了對低壓臺區(qū)竊電用戶的準(zhǔn)確認(rèn)定與反竊電手段的診斷,但該方法對竊電用戶的竊電行為沒有進(jìn)行具體分辨,診斷效率較差?;诖髷?shù)據(jù)挖掘的反竊電診斷識別定位方法[2]分析了竊電用戶的時(shí)空分布特征,統(tǒng)計(jì)了竊電用戶的竊電開始時(shí)間、終止時(shí)間、用電容量等竊電信息,對其進(jìn)行了綜合診斷,但是該方法診斷精準(zhǔn)性過低。

        為了解決以上問題,該文提出了基于DBN 深度學(xué)習(xí)算法的低壓臺區(qū)反竊電診斷方法,通過實(shí)驗(yàn)進(jìn)行了驗(yàn)證。

        1 低壓臺區(qū)反竊電數(shù)據(jù)挖掘

        為了實(shí)現(xiàn)對低壓臺區(qū)反竊電的診斷,首先需要對低壓臺區(qū)反竊電數(shù)據(jù)進(jìn)行挖掘。利用數(shù)據(jù)挖掘技術(shù)分析竊電用戶竊電的交流頻率,進(jìn)行電壓融合分析,采用電源融合方法對交流頻率負(fù)荷進(jìn)行管理,由此獲得的反竊電數(shù)據(jù)參數(shù)模型為:

        式中,xn(t)表示在t竊電時(shí)刻的竊電交流頻率;pi表示輸電配電網(wǎng)電壓分布參數(shù);gi表示直流微電網(wǎng)負(fù)荷參數(shù);i表示輸電配電網(wǎng)電流;di表示輸電配電網(wǎng)的母線電容;n(t)表示竊電用戶n在t時(shí)刻的竊電數(shù)據(jù)量[3]。

        通過該反竊電數(shù)據(jù)參數(shù)模型分析竊電用戶竊電的有功功率變化,利用電網(wǎng)內(nèi)電源辨識診斷輸電配電網(wǎng)的母線差異性,獲得三相交流電流與交直流母線的關(guān)聯(lián)性,由兩者之間表現(xiàn)出的關(guān)聯(lián)性對反竊電數(shù)據(jù)的差異性進(jìn)行判斷與識別,得到反竊電直流輸出功率的分布情況,將直流微電網(wǎng)反竊電擴(kuò)頻序列與母線差異性結(jié)合起來,可得出反竊電數(shù)據(jù)的模糊度參數(shù),將母線電容與反竊電相角差進(jìn)行數(shù)據(jù)融合,融合后的低壓臺區(qū)反竊電數(shù)據(jù)為:

        式中,yi表示挖掘出的低壓臺區(qū)反竊電數(shù)據(jù);gi1表示反竊電數(shù)據(jù)變化值;m1表示直流微電網(wǎng)的輸出功率變化值;gi2表示反竊電交流側(cè)電壓;m2表示反竊電數(shù)據(jù)的模糊度參數(shù)[4-5]。

        在均衡分配下,通過挖掘出的低壓臺區(qū)反竊電數(shù)據(jù),可獲得竊電用戶竊電量以及竊電時(shí)間、電流等相關(guān)竊電信息,通過這些竊電信息以及反竊電數(shù)據(jù)可建立低壓臺區(qū)反竊電診斷模型[6-7]。

        2 低壓臺區(qū)反竊電診斷

        通過以上挖掘的低壓臺區(qū)反竊電數(shù)據(jù)構(gòu)建反竊電診斷模型。在建立低壓臺區(qū)反竊電診斷模型時(shí),采用了DBN 深度學(xué)習(xí)算法,該算法通過一個(gè)RBM(受限玻爾茲曼機(jī))的訓(xùn)練使DBN 進(jìn)行學(xué)習(xí),通過自下而上進(jìn)行每一層的訓(xùn)練,使DBN 對輸入的每個(gè)數(shù)據(jù)都能夠進(jìn)行很好的學(xué)習(xí)與訓(xùn)練[8]。

        該文將DBN 深度學(xué)習(xí)算法應(yīng)用在反竊電診斷模型中,主要將挖掘出的反竊電數(shù)據(jù)分為樣本數(shù)據(jù)集與訓(xùn)練數(shù)據(jù)集,利用樣本數(shù)據(jù)集建立反竊電樣本診斷模型,采用訓(xùn)練數(shù)據(jù)集建立反竊電訓(xùn)練診斷模型,最后將樣本診斷模型與訓(xùn)練診斷模型進(jìn)行融合,形成低壓臺區(qū)反竊電診斷模型[9-12]。

        首先建立低壓臺區(qū)反竊電樣本診斷模型。利用DBN 深度學(xué)習(xí)算法對挖掘出的反竊電數(shù)據(jù)進(jìn)行預(yù)處理,分成樣本數(shù)據(jù)集與訓(xùn)練數(shù)據(jù)集。樣本數(shù)據(jù)集內(nèi)含有輸入層、隱含層與輸出層,每層中均含有數(shù)量不等的反竊電樣本數(shù)據(jù),在這些反竊電樣本數(shù)據(jù)中含有一定數(shù)量的無效數(shù)據(jù),無效數(shù)據(jù)會影響反竊電樣本診斷模型的建立,因此需要先將其剔除出去。無效反竊電數(shù)據(jù)通常存在于輸入層、隱含層、輸出層中數(shù)量最少的節(jié)點(diǎn)內(nèi),對比不同層中節(jié)點(diǎn)的數(shù)量,找出數(shù)量最少的節(jié)點(diǎn),將其中的無效數(shù)據(jù)剔除即可。根據(jù)剩下的反竊電樣本數(shù)據(jù)集建立的反竊電樣本診斷模型為:

        式中,Xε表示反竊電樣本診斷模型的系數(shù);j表示節(jié)點(diǎn)數(shù)量;γ表示節(jié)點(diǎn)的總數(shù)量;Ak表示在輸入層上的反竊電樣本數(shù)據(jù);Br表示在隱含層上的反竊電樣本數(shù)據(jù);Rj表示在輸出層上的反竊電樣本數(shù)據(jù);通過該模型可實(shí)現(xiàn)反竊電樣本數(shù)據(jù)集的診斷[13-14]。

        采用DBN 深度學(xué)習(xí)算法對訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練,訓(xùn)練數(shù)據(jù)集中反竊電數(shù)據(jù)量較大,導(dǎo)致DBN 深度學(xué)習(xí)算法的訓(xùn)練速度較慢,會使反竊電訓(xùn)練診斷模型出現(xiàn)誤差,因此需要在模型中增加一個(gè)訓(xùn)練系數(shù),以消除誤差,建立的反竊電訓(xùn)練診斷模型如下:

        式中,Ya表示訓(xùn)練診斷模型的參數(shù);a表示訓(xùn)練系數(shù);Δsa表示反竊電訓(xùn)練數(shù)據(jù)[15]。

        最后將建立的反竊電樣本診斷模型與反竊電訓(xùn)練診斷模型進(jìn)行融合處理,形成的低壓臺區(qū)反竊電診斷模型為:

        式中,δ表示融合后的模型系數(shù);l表示反竊電診斷常數(shù)。通過該低壓臺區(qū)反竊電診斷模型,可以實(shí)現(xiàn)反竊電診斷。

        以上建立的基于DBN 深度學(xué)習(xí)算法的低壓臺區(qū)反竊電診斷模型,其診斷過程如圖1 所示。

        圖1 低壓臺區(qū)反竊電診斷過程

        首先,清洗補(bǔ)正反竊電數(shù)據(jù)。反竊電數(shù)據(jù)在傳輸過程中由于網(wǎng)絡(luò)中斷、設(shè)備故障等原因會導(dǎo)致部分反竊電數(shù)據(jù)的缺失,影響反竊電診斷的進(jìn)行,因此需要對反竊電數(shù)據(jù)進(jìn)行清洗補(bǔ)正,清洗補(bǔ)正的方法為線性差值法,利用DBN 深度學(xué)習(xí)算法對清洗補(bǔ)正的反竊電數(shù)據(jù)進(jìn)行差值運(yùn)算,計(jì)算出反竊電數(shù)據(jù)的缺失值,計(jì)算公式如下:

        式中,W表示反竊電數(shù)據(jù)的缺失值;λ表示缺失系數(shù);q1表示反竊電數(shù)據(jù)的清洗補(bǔ)正權(quán)值;h1表示預(yù)估的反竊電電量。根據(jù)得出的缺失值可實(shí)現(xiàn)反竊電數(shù)據(jù)的清洗補(bǔ)正。

        其次,對低壓臺區(qū)的竊電風(fēng)險(xiǎn)進(jìn)行辨識。低壓臺區(qū)中的低壓用戶在竊電時(shí),會導(dǎo)致線損升高,在判斷低壓臺區(qū)內(nèi)的竊電情況時(shí),可通過檢測低壓臺區(qū)內(nèi)的線損變化范圍來實(shí)現(xiàn),在竊電行為發(fā)生前,記錄低壓臺區(qū)內(nèi)線損的數(shù)值,當(dāng)竊電行為發(fā)生后,記錄臺區(qū)內(nèi)線損的數(shù)值,如果線損的變化范圍超過標(biāo)準(zhǔn)數(shù)值,根據(jù)超出的線損數(shù)值大小分析低壓臺區(qū)內(nèi)的竊電情況。

        再次,分析低壓臺區(qū)內(nèi)用戶的竊電行為。當(dāng)?shù)蛪号_區(qū)內(nèi)出現(xiàn)竊電行為時(shí),會導(dǎo)致竊電用戶以及鄰戶的電表電流下降,電壓、額定功率、電壓等均將發(fā)生異常,因此需要分析用戶的竊電行為,在分析竊電行為時(shí)主要進(jìn)行空間維度的辨識,在空間維度辨識方面,主要監(jiān)測低壓臺區(qū)內(nèi)低壓戶表的電壓值,根據(jù)戶表電壓的變化情況分析竊電行為。

        最后,對竊電量進(jìn)行估算。竊電量的估算可保證反竊電診斷的順利進(jìn)行,竊電用戶竊電量的多少主要取決于竊電時(shí)間與竊電功率,竊電用戶電表異常電壓的起始時(shí)間即為竊電時(shí)間,竊電量的計(jì)算公式為:

        式中,G表示低壓用戶的竊電量;P1表示竊電用戶竊電功率;T1表示竊電用戶的竊電時(shí)間。通過以上的診斷過程可實(shí)現(xiàn)低壓臺區(qū)反竊電的診斷[16]。

        3 實(shí)驗(yàn)研究

        為了檢測該文提出的基于DBN 深度學(xué)習(xí)算法的低壓臺區(qū)反竊電診斷方法的有效性,選用該文提出的方法與傳統(tǒng)的基于時(shí)空關(guān)聯(lián)矩陣的低壓臺區(qū)反竊電診斷方法和基于大數(shù)據(jù)挖掘的低壓臺區(qū)反竊電診斷方法進(jìn)行實(shí)驗(yàn)對比。

        首先辨識分析用戶的竊電嫌疑,對某供電公司的4 個(gè)臺區(qū)進(jìn)行供電分析,每個(gè)臺區(qū)共有12 個(gè)用戶。

        綜合分析已經(jīng)獲得的低壓用戶表,根據(jù)電壓、電流和功率等多種因素,確定線損波動率閾值為13,超過線損波動率閾值則為竊電用戶,對應(yīng)每個(gè)臺區(qū)可知,臺區(qū)1 的竊電用戶為5,臺區(qū)2 的竊電用戶為7,臺區(qū)3 的竊電用戶為6,記錄竊電用戶分別為K15、K27、K36、K44,分別使用三種方法對三個(gè)臺區(qū)用戶的線損波動率進(jìn)行實(shí)驗(yàn),得到的對比結(jié)果如下。

        臺區(qū)1 的竊電用戶線損判定結(jié)果如圖2 所示。

        圖2 臺區(qū)1的竊電用戶線損判定結(jié)果

        臺區(qū)2 的竊電用戶線損判定結(jié)果如圖3 所示。

        圖3 臺區(qū)2的竊電用戶線損判定結(jié)果

        臺區(qū)3 的竊電用戶線損判定結(jié)果如圖4 所示。

        圖4 臺區(qū)3的竊電用戶線損判定結(jié)果

        由圖2-4 可知,該文提出的基于DBN 深度學(xué)習(xí)算法的低壓臺區(qū)反竊電診斷方法在對三個(gè)臺區(qū)進(jìn)行診斷的過程中,都能精準(zhǔn)地確定出用電用戶中出現(xiàn)竊電的用戶,在三次計(jì)算中,該文提出的方法都能確定出線損值超出閾值的用戶,即K15、K27、K36、K44,實(shí)現(xiàn)精確檢測。

        4 結(jié)束語

        針對傳統(tǒng)低壓臺區(qū)反竊電診斷方法存在的診斷精度低、計(jì)算過程復(fù)雜等問題,該文提出了基于DBN深度學(xué)習(xí)算法的低壓臺區(qū)反竊電診斷方法。挖掘反竊電數(shù)據(jù),通過實(shí)驗(yàn)研究驗(yàn)證了該文診斷方法的性能較好,使反竊電工作更加高效、規(guī)范,可以有效遏制各種反竊電行為,促進(jìn)電網(wǎng)的快速發(fā)展。該文設(shè)計(jì)的反竊電診斷模型可能在某些地區(qū)適應(yīng)性不強(qiáng),有待進(jìn)一步研究。

        猜你喜歡
        診斷模型臺區(qū)深度
        中樞性性早熟女童的診斷模型建立與驗(yàn)證
        深度理解一元一次方程
        CD4細(xì)胞計(jì)數(shù)聯(lián)合IGRA預(yù)測AIDS/Ⅲ型TB影像診斷模型分析
        甘肅科技(2020年20期)2020-04-13 00:30:56
        深度觀察
        深度觀察
        深度觀察
        一種電網(wǎng)通信網(wǎng)絡(luò)的故障檢測方法及系統(tǒng)
        降低臺區(qū)實(shí)時(shí)線損整治工作方法
        電子制作(2017年2期)2017-05-17 03:55:22
        三合一集中器作為臺區(qū)線損考核表計(jì)的探討
        多功能低壓臺區(qū)識別設(shè)備的研制
        精品国产自产久久久| 亚洲午夜精品一区二区| wwww亚洲熟妇久久久久| 國产一二三内射在线看片| 国产人禽杂交18禁网站| 毛片成人18毛片免费看| 亚洲av中文无码乱人伦下载| 野花社区www高清视频| 亚洲色图综合免费视频| 老熟妇嗷嗷叫91九色| 国产乱子伦精品无码专区| 欧美亚洲日本国产综合在线| 一区五码在线| 亚洲第一大av在线综合| 97久人人做人人妻人人玩精品| 亚洲精品网站在线观看你懂的| 亚洲中文字幕乱码免费| 久久综合伊人有码一区中文字幕| 少妇高潮av久久久久久| 高中生粉嫩无套第一次| 国产成人香蕉久久久久| 美女被黑人巨大入侵的的视频 | 日本精品人妻在线观看| 水蜜桃精品视频在线观看| 欧美大成色www永久网站婷| 国产真人无遮挡免费视频| 青青草视频在线免费观看91| 人人妻人人澡人人爽国产| 真实单亲乱l仑对白视频| 人妻无码人妻有码不卡| 蜜桃视频在线在线观看| 亚洲av无码专区亚洲av网站| 国产成人免费a在线视频| 一区二区久久精品66国产精品| 文字幕精品一区二区三区老狼| 曝光无码有码视频专区| 91精品综合久久久久m3u8| 不卡视频在线观看网站| 久久久久亚洲av无码麻豆| 久久精品国产99久久丝袜| 精品国产av一区二区三四区|