電氣工程設(shè)計(jì)公開(kāi)菲

1、基于電壓的防竊電策略研究匯報(bào)人：李亞菲 指導(dǎo)老師：陳紅梅電氣工程學(xué)院學(xué)士學(xué)位論文答辯第三章 總結(jié)與展望第二章論文的主要工作第一章 概述目錄國(guó)內(nèi)外研究現(xiàn)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(huì)的不斷進(jìn)步和經(jīng)濟(jì)發(fā)展穩(wěn)步增長(zhǎng)，企業(yè)的用電量也隨之增長(zhǎng)，于此同時(shí)，竊電問(wèn)題也越來(lái)越突出。我國(guó)電力企業(yè)每年因竊電產(chǎn)生的損失高達(dá)200億元用戶隨意的私接電線，也給電網(wǎng)的安全運(yùn)行帶來(lái)了嚴(yán)重的隱患，極易造成電氣事故引發(fā)火災(zāi)。據(jù)統(tǒng)計(jì)，接近25%的觸電傷亡事故和火災(zāi)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(fù)雜化方向發(fā)展，同時(shí)只要有一種防竊電措施實(shí)施不久，緊

2、接著就會(huì)發(fā)現(xiàn)竊電者有相應(yīng)的應(yīng)對(duì)措施進(jìn)行破解，使得供電企業(yè)對(duì)竊電行為的懲治存在一定滯后性，反竊電工程的建設(shè)任重而道遠(yuǎn)隨著計(jì)量自動(dòng)化系統(tǒng)的應(yīng)用，電力企業(yè)已經(jīng)積累了大量的用戶歷史用電數(shù)據(jù)，這些歷史數(shù)據(jù)隱含了不同用戶各個(gè)時(shí)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(shù)據(jù)和實(shí)時(shí)用電數(shù)據(jù)，就能高效的幫助供電企業(yè)檢測(cè)竊電用戶。2國(guó)內(nèi)外研究現(xiàn)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(cè)程序設(shè)計(jì)程序驗(yàn)證1用戶竊電行為分析用戶的用電行為特征受電網(wǎng)多種因素影響會(huì)出現(xiàn)一些微小幅度的波動(dòng)，但是通過(guò)對(duì)歷史用電數(shù)據(jù)的分析研究，用戶用電行為在會(huì)在特定的時(shí)間段重復(fù)出現(xiàn)。也就是說(shuō)，用戶

3、的用電行為是可以找到規(guī)律的。同時(shí)在正常情況下，電力用戶的電氣參量不會(huì)發(fā)生異常變化，只在很小的范圍內(nèi)波動(dòng)。但是只要存在竊電行為就會(huì)導(dǎo)致相關(guān)電氣參量產(chǎn)生變化，這些變化可以從電能表的數(shù)據(jù)記錄分析中得出。對(duì)于電壓，由于供電故障和線路故障，電壓雖然會(huì)在短時(shí)間內(nèi)小范圍的波動(dòng)，但整體會(huì)保持穩(wěn)定。但是當(dāng)用戶發(fā)生竊電行為時(shí)，電壓的波動(dòng)必然是長(zhǎng)時(shí)間的且是大幅度的。當(dāng)用戶通過(guò)改變電壓使電能計(jì)量裝置少計(jì)進(jìn)行竊電時(shí)，如欠壓法竊電，此時(shí)電壓的記錄值就會(huì)超出正常范圍。在供電方式為三相的情況下，會(huì)出現(xiàn)電壓斷相、失壓和電壓不平衡，在正常的情況下，三相電壓應(yīng)該在一定的范圍內(nèi)波動(dòng)。2層次聚類算法分析（1）輸入N個(gè)對(duì)象，找出數(shù)據(jù)集中

4、每對(duì)對(duì)象之間的相似性或差異性，建立NN的距離矩陣D，即計(jì)算數(shù)據(jù)對(duì)象之間的距離（2）將距離最近的對(duì)象合并為一個(gè)新的集群，之后不斷迭代，合并形成樹狀結(jié)構(gòu)。（3）確定在何處將樹狀結(jié)構(gòu)分割為集群，即最后將數(shù)據(jù)分為幾類2層次聚類算法分析（1）輸入N個(gè)對(duì)象，找出數(shù)據(jù)集中每對(duì)對(duì)象之間的相似性或差異性，建立NN的距離矩陣D，即計(jì)算數(shù)據(jù)對(duì)象之間的距離（2）將距離最近的對(duì)象合并為一個(gè)新的集群，之后不斷迭代，合并形成樹狀結(jié)構(gòu)。（3）確定在何處將樹狀結(jié)構(gòu)分割為集群，即最后將數(shù)據(jù)分為幾類2層次聚類算法分析數(shù)據(jù)矩陣用來(lái)描述對(duì)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(jì)算了數(shù)據(jù)集中對(duì)象之間的相似度，就可以使用鏈接

5、函數(shù)確定如何將數(shù)據(jù)集中的對(duì)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(cè)模型的結(jié)合3竊電檢測(cè)程序設(shè)計(jì)語(yǔ)法簡(jiǎn)潔：實(shí)現(xiàn)相同功能，Python語(yǔ)言代碼行數(shù)僅有其他 語(yǔ)言的1/101/20強(qiáng)制可讀：Python語(yǔ)言通過(guò)強(qiáng)制縮進(jìn)來(lái)體現(xiàn)語(yǔ)句間的邏輯關(guān)系，顯著提高了程序的可讀性類庫(kù)豐富：編寫Python程序時(shí)可以大量利用已有的內(nèi)置或第三方函數(shù)庫(kù)，具備良好的編程生態(tài)3竊電檢測(cè)程序設(shè)計(jì)3竊電檢測(cè)程序設(shè)計(jì)數(shù)據(jù)填充和預(yù)處理程序設(shè)計(jì)3竊電檢測(cè)程

6、序設(shè)計(jì)距離矩陣程序設(shè)計(jì)由于歐式距離的計(jì)算方法非常簡(jiǎn)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(jì)算對(duì)象之間距離的方式。利用已經(jīng)填充完成的數(shù)據(jù)來(lái)計(jì)算距離，并返回距離矩陣3竊電檢測(cè)程序設(shè)計(jì)集群鏈接程序設(shè)計(jì)每個(gè)對(duì)象之間的距離計(jì)算完成后，需要將距離最近的對(duì)象合并形成一個(gè)新的集群，之后再繼續(xù)將距離最近的集群或?qū)ο蠛喜ⅲ枰x取合適的計(jì)算集群距離的方式。在樹狀圖中，原始數(shù)據(jù)集中的任意兩個(gè)對(duì)象最終會(huì)在某層鏈接在一起。鏈接的高度表示包含這兩個(gè)對(duì)象的兩個(gè)群集之間的距離。這個(gè)高度被稱為兩個(gè)物體之間的共同距離。驗(yàn)證樹狀圖是否真是的反映了數(shù)據(jù)，一種方法是將共同距離和對(duì)象之間的歐式距離進(jìn)行比較。如果聚類有效，

7、則樹狀圖中對(duì)象的鏈接所在的層數(shù)應(yīng)與距離向量中的對(duì)象之間的距離具有很強(qiáng)的相關(guān)性。計(jì)算相關(guān)系數(shù)，它的值越接近1，樹狀圖就越真實(shí)的反映數(shù)據(jù)聚類情況。 4程序驗(yàn)證為了保證程序驗(yàn)證的準(zhǔn)確性，故采用北京電網(wǎng)提供的順義區(qū)2018年9月第一個(gè)星期采集到的電力數(shù)據(jù)進(jìn)行竊電檢測(cè)程序的驗(yàn)證。用戶編號(hào)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(yàn)證以第0位到第19位用戶的竊電檢測(cè)結(jié)果為例，說(shuō)明驗(yàn)證步驟兩次聚類結(jié)果對(duì)比4程序驗(yàn)證圖5-2 9月1日、2日、3日電力數(shù)據(jù)的樹狀圖圖5-3 9月2日、3日、4日含有竊電數(shù)據(jù)的樹狀圖4程序驗(yàn)證圖5-4 2日、3日、4日替換完竊電數(shù)據(jù)的樹狀圖圖5-5 3日、4日、5日含有竊電數(shù)據(jù)的樹狀圖4程序驗(yàn)證圖5-4 3日、4日、5日替換完竊電數(shù)據(jù)的樹狀圖圖5-5 4日、5日、6日含有竊電數(shù)據(jù)的樹狀圖4程序驗(yàn)證圖5-6 4日、5日、6日替換完竊電數(shù)據(jù)的樹狀圖圖5-7 5日、6日、7日含有竊電數(shù)據(jù)的樹狀圖展望總結(jié)第三章第三章 總結(jié)與展望1總結(jié)闡述層次聚類算法的基本步驟和思想

9、、計(jì)算對(duì)象之間距離的方式和計(jì)算集群之間距離的方式設(shè)計(jì)竊電檢測(cè)程序，選擇采用歐式距離計(jì)算對(duì)象之間的距離，采用平均距離法計(jì)算集群之間的距離。在面對(duì)數(shù)量過(guò)多的用戶時(shí)，20個(gè)用戶分批進(jìn)行竊電檢測(cè)。程序驗(yàn)證結(jié)果分析，100個(gè)用戶中共有10位用戶竊電，檢測(cè)出9位竊電，有1位用戶漏判，對(duì)于同時(shí)有多位用戶同時(shí)發(fā)生竊電行為時(shí)，會(huì)產(chǎn)生漏判，本文提出的檢測(cè)程序的準(zhǔn)確性還有待進(jìn)一步提高。2展望進(jìn)一步優(yōu)化竊電檢測(cè)程序，提高檢測(cè)的準(zhǔn)確率在層次聚類算法中，結(jié)果分類閾值的給定，由人工輸入轉(zhuǎn)為自動(dòng)判斷最佳聚類個(gè)數(shù)目前只檢測(cè)了100位用戶，距離實(shí)際進(jìn)行海量用戶的檢測(cè)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(guó)內(nèi)外研究現(xiàn)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