基于智能电能表大数据的分析方法和应用

发布时间：2023-04-23 02:32

　　近年来,国家电网对于智能电网的建设逐渐加速。智能电网的核心是数据,国网对于电能表数据积累数量大,纬度高。近年来,大数据分析在各个领域都产生了重要影响。大数据分析技术的推广和应用,为提高电能表的资产管理技术和水平提供了新的思维方式和管理系统模式。本文从电能表采集数据和故障电能表资产数据出发,利用机器学习等数据分析方法,在电能表供应商建模、智能电能表故障和寿命预测、基于树形结构的电能表误差远程校准三个方面进行了尝试。其中,对于电能表供应商建模利用拆回电能表大数据,使用利用EM算法框架求解分离电能表供应商和安装地区对故障的影响。智能电能表故障和寿命预测在对厂家和地区建模的基础上,利用多种机器学习方法进行尝试,结合集成模型得到了一套电能表故障和寿命分析模型。电能表远程校准则根据电能表远程抄表读数对台区中所有电能表误差进行计算,在原有方法的基础上对电能表误差方法进行了扩展和完善,使该方法可以实际台区中使用。上述工作在实际使用中获得了良好的效果。在电能表供应商和地区故障发生建模和电能表故障预测和寿命预测中,得到的结果与实际情况吻合。电能表远程校准方法经过实验室验证、小规模现场验证、大规模验证,并均...

【文章页数】：47 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题背景
    1.2 课题意义
    1.3 问题归纳及国内外研究现状
    1.4 论文工作概述
    1.5 论文结构
第2章 一种基于故障的电能表管理单位和生产厂家的建模方法
    2.1 引言
    2.2 利用贝叶斯概率表示故障诱因
        2.2.1 电能表故障诱因分析
        2.2.2 内外诱因分离方法
        2.2.3 基于循环迭代算法的故障诱因分离
    2.3 实验验证
        2.3.1 实验结果分析
        2.3.2 建模生产厂家和地区
第3章 故障预测和寿命预测
    3.1 电能表故障数据整理和电能表数据仓库设计
        3.1.1 特征选择和数据处理
        3.1.2 故障类型整理
    3.2 故障预测
        3.2.1 朴素贝叶斯模型
        3.2.2 决策树模型
        3.2.3 支持向量机(SVM)
        3.2.4 集成方法
    3.3 实验验证与模型搭建
第4章 一种基于用电数据的电能表远程校准方法
    4.1 引言
    4.2 广义流量仪表集群树形拓扑模型
        4.2.1 基本定义和理论基础
        4.2.2 计算实例
    4.3 模型修正和分析
    4.4 线损情况下的电能表误差计算模型分析
    4.5 天津市台区电能表误差情况验证
        假设1 计算结果与检定误差数据同分布
        假设2 计算结果分布估计：
        假设3 计算结果与检定结果符合同正态分布：
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3798903