基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对用户异常用电智能研判难题,研究了基于采用数据进行低压配电网阻抗分析方法,以实现用户异常用电行为研判.首先研究了低压电网阻抗分析模型,给出了等值电路模型及数学模型的构建方法,并进一步研究了多元线性回归的优化求解方法,解决了仅有末端电压、电流数据下的全网线段阻抗求解问题.然后重点构建了窃电分析模型,从用户窃电对线路阻抗的影响机理着手,从入户段阻抗主判、茎线路阻抗辅判,以及结合用户电路负荷曲线细判3个维度,进行多特征量组合的用户窃电分析,解决了因量测精度等工程问题带来的研判障碍,并进一步给出了窃电量反推模型.最后以合肥某居民小区为例进行验证,通过阻抗数据和电压曲线验证了阻抗计算方法的准确性和异常用电研判的可行性,并进行窃电量反推,窃电量计算误差小于10%.
推荐文章
基于云计算的居民用电行为分析模型研究
云计算
聚类
居民用电行为
基于知识嵌入和DNN的工商业用户异常用电检测
智能电网
人工智能
深度学习
神经网络
异常用电
基于模糊C均值聚类的居民用户中期用电需求预测模型
聚类分析
中期用电需求
预测模型
阶梯电价
基于改进深度自编码网络的异常用电行为辨识
异常用电
自编码网络
稀疏约束
噪声
特征提取
数据重构
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于阻抗分析的居民用户异常用电研判模型研究
来源期刊 电器与能效管理技术 学科 工学
关键词 线路阻抗 异常用电 窃电模型 多元线性回归 窃电量
年,卷(期) 2019,(3) 所属期刊栏目 研究与分析
研究方向 页码范围 30-34,67
页数 6页 分类号 TM769
字数 3278字 语种 中文
DOI 10.16628/j.cnki.2095-8188.2019.03.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴少雷 12 9 2.0 2.0
2 凌松 国网安徽省电力公司电力科学研究院 15 16 3.0 3.0
3 张良 4 1 1.0 1.0
4 张波 国网安徽省电力公司电力科学研究院 10 3 1.0 1.0
5 史亮 5 31 3.0 5.0
6 肖坚红 国网安徽省电力公司电力科学研究院 8 104 4.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (96)
共引文献  (70)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(9)
  • 参考文献(0)
  • 二级参考文献(9)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(6)
  • 参考文献(1)
  • 二级参考文献(5)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(17)
  • 参考文献(0)
  • 二级参考文献(17)
2015(11)
  • 参考文献(1)
  • 二级参考文献(10)
2016(14)
  • 参考文献(2)
  • 二级参考文献(12)
2017(6)
  • 参考文献(5)
  • 二级参考文献(1)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(1)
  • 参考文献(0)
  • 二级参考文献(1)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
线路阻抗
异常用电
窃电模型
多元线性回归
窃电量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电器与能效管理技术
半月刊
2095-8188
31-2099/TM
大16开
上海市武宁路505号
4-200
1959
chi
出版文献量(篇)
6528
总下载数(次)
20
总被引数(次)
27383
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导