電氣工程設計公開菲

1、基于電壓的防竊電策略研究匯報人：李亞菲 指導老師：陳紅梅電氣工程學院學士學位論文答辯第三章 總結與展望第二章論文的主要工作第一章 概述目錄國內外研究現狀論文研究背景第一章第一章 概述1論文研究背景隨著社會的不斷進步和經濟發(fā)展穩(wěn)步增長，企業(yè)的用電量也隨之增長，于此同時，竊電問題也越來越突出。我國電力企業(yè)每年因竊電產生的損失高達200億元用戶隨意的私接電線，也給電網的安全運行帶來了嚴重的隱患，極易造成電氣事故引發(fā)火災。據統(tǒng)計，接近25%的觸電傷亡事故和火災傷亡事故是由于用戶竊電造成線路短路而引發(fā)的1論文研究背景由于竊電手段逐漸向著專業(yè)化、科技化、復雜化方向發(fā)展，同時只要有一種防竊電措施實施不久，緊

2、接著就會發(fā)現竊電者有相應的應對措施進行破解，使得供電企業(yè)對竊電行為的懲治存在一定滯后性，反竊電工程的建設任重而道遠隨著計量自動化系統(tǒng)的應用，電力企業(yè)已經積累了大量的用戶歷史用電數據，這些歷史數據隱含了不同用戶各個時期用電的行為特征。如果能夠快速有效全面的分析海量用戶的歷史用電數據和實時用電數據，就能高效的幫助供電企業(yè)檢測竊電用戶。2國內外研究現狀層次聚類算法分析用戶竊電行為分析第二章第二章 論文的主要工作竊電檢測程序設計程序驗證1用戶竊電行為分析用戶的用電行為特征受電網多種因素影響會出現一些微小幅度的波動，但是通過對歷史用電數據的分析研究，用戶用電行為在會在特定的時間段重復出現。也就是說，用戶

3、的用電行為是可以找到規(guī)律的。同時在正常情況下，電力用戶的電氣參量不會發(fā)生異常變化，只在很小的范圍內波動。但是只要存在竊電行為就會導致相關電氣參量產生變化，這些變化可以從電能表的數據記錄分析中得出。對于電壓，由于供電故障和線路故障，電壓雖然會在短時間內小范圍的波動，但整體會保持穩(wěn)定。但是當用戶發(fā)生竊電行為時，電壓的波動必然是長時間的且是大幅度的。當用戶通過改變電壓使電能計量裝置少計進行竊電時，如欠壓法竊電，此時電壓的記錄值就會超出正常范圍。在供電方式為三相的情況下，會出現電壓斷相、失壓和電壓不平衡，在正常的情況下，三相電壓應該在一定的范圍內波動。2層次聚類算法分析（1）輸入N個對象，找出數據集中

4、每對對象之間的相似性或差異性，建立NN的距離矩陣D，即計算數據對象之間的距離（2）將距離最近的對象合并為一個新的集群，之后不斷迭代，合并形成樹狀結構。（3）確定在何處將樹狀結構分割為集群，即最后將數據分為幾類2層次聚類算法分析（1）輸入N個對象，找出數據集中每對對象之間的相似性或差異性，建立NN的距離矩陣D，即計算數據對象之間的距離（2）將距離最近的對象合并為一個新的集群，之后不斷迭代，合并形成樹狀結構。（3）確定在何處將樹狀結構分割為集群，即最后將數據分為幾類2層次聚類算法分析數據矩陣用來描述對象屬性的矩陣2層次聚類算法分析2層次聚類算法分析一旦計算了數據集中對象之間的相似度，就可以使用鏈接

5、函數確定如何將數據集中的對象分組為集群。Single LinkageComplete LinkageAverage LinkageWeighted LinkageWard Linkage2層次聚類算法分析分類2層次聚類算法分析層次聚類算法與竊電檢測模型的結合3竊電檢測程序設計語法簡潔：實現相同功能，Python語言代碼行數僅有其他 語言的1/101/20強制可讀：Python語言通過強制縮進來體現語句間的邏輯關系，顯著提高了程序的可讀性類庫豐富：編寫Python程序時可以大量利用已有的內置或第三方函數庫，具備良好的編程生態(tài)3竊電檢測程序設計3竊電檢測程序設計數據填充和預處理程序設計3竊電檢測程

6、序設計距離矩陣程序設計由于歐式距離的計算方法非常簡單，而且能夠滿足聚類算法的要求，故本文選用歐式距離作為計算對象之間距離的方式。利用已經填充完成的數據來計算距離，并返回距離矩陣3竊電檢測程序設計集群鏈接程序設計每個對象之間的距離計算完成后，需要將距離最近的對象合并形成一個新的集群，之后再繼續(xù)將距離最近的集群或對象合并，需要選取合適的計算集群距離的方式。在樹狀圖中，原始數據集中的任意兩個對象最終會在某層鏈接在一起。鏈接的高度表示包含這兩個對象的兩個群集之間的距離。這個高度被稱為兩個物體之間的共同距離。驗證樹狀圖是否真是的反映了數據，一種方法是將共同距離和對象之間的歐式距離進行比較。如果聚類有效，

7、則樹狀圖中對象的鏈接所在的層數應與距離向量中的對象之間的距離具有很強的相關性。計算相關系數，它的值越接近1，樹狀圖就越真實的反映數據聚類情況。 4程序驗證為了保證程序驗證的準確性，故采用北京電網提供的順義區(qū)2018年9月第一個星期采集到的電力數據進行竊電檢測程序的驗證。用戶編號9月4日9月5日9月6日9月7日123605竊電竊電竊電竊電231913正常竊電竊電竊電245696竊電竊電竊電竊電400051480竊電竊電竊電竊電400052730竊電竊電竊電竊電400052732竊電竊電漏判竊電400052801竊電竊電漏判漏判400052876漏判漏判漏判漏判500043446竊電竊電竊電竊電5

8、00012866竊電竊電竊電竊電4程序驗證以第0位到第19位用戶的竊電檢測結果為例，說明驗證步驟兩次聚類結果對比4程序驗證圖5-2 9月1日、2日、3日電力數據的樹狀圖圖5-3 9月2日、3日、4日含有竊電數據的樹狀圖4程序驗證圖5-4 2日、3日、4日替換完竊電數據的樹狀圖圖5-5 3日、4日、5日含有竊電數據的樹狀圖4程序驗證圖5-4 3日、4日、5日替換完竊電數據的樹狀圖圖5-5 4日、5日、6日含有竊電數據的樹狀圖4程序驗證圖5-6 4日、5日、6日替換完竊電數據的樹狀圖圖5-7 5日、6日、7日含有竊電數據的樹狀圖展望總結第三章第三章 總結與展望1總結闡述層次聚類算法的基本步驟和思想

9、、計算對象之間距離的方式和計算集群之間距離的方式設計竊電檢測程序，選擇采用歐式距離計算對象之間的距離，采用平均距離法計算集群之間的距離。在面對數量過多的用戶時，20個用戶分批進行竊電檢測。程序驗證結果分析，100個用戶中共有10位用戶竊電，檢測出9位竊電，有1位用戶漏判，對于同時有多位用戶同時發(fā)生竊電行為時，會產生漏判，本文提出的檢測程序的準確性還有待進一步提高。2展望進一步優(yōu)化竊電檢測程序，提高檢測的準確率在層次聚類算法中，結果分類閾值的給定，由人工輸入轉為自動判斷最佳聚類個數目前只檢測了100位用戶，距離實際進行海量用戶的檢測還有一定的差距1Add Your Title Here35%35

10、%84%84%78%78%47%47%It is no measure of health to be well adjusted to a profoundly sickIt is no measure of health to be well adjusted to a profoundly sick society. It is no measure of health to be well adjustedIt is no measure of health to be well adjustedIt is no measure of health to be well adjuste

11、d to a profoundly. 2國內外研究現狀TEXT HERE46%46%TEXT HERE38%38%TEXT HERE27%27%TEXT HERE30%30%2Add Your Title Here3Add Your Title HereIt is no measure46%It is no measure94%It is no measure37%It is no measure23%It is no measure82%It is no measure67%3Add Your Title HereTEXT HERETEXT HERE60%Of Men80%Of Women4Add Your Title Here1501501201209090606030301 1stst QuarterQuarter