反窃电系统的研究与应用

论文摘要

作为基础产业之一的供电企业,在计算机技术、通信技术和网络技术方面有了较快发展,信息技术、自动化技术得到广泛应用,但是我国目前供电企业在电量自动化管理方面,技术手段相对落后,线路损失率居高不下,窃电现象严重,经济损失巨大,供电可靠性、供电质量都有待进一步提高。以现代化信息处理系统为基础的电量管理及反窃电系统的实施,适应了供电企业提高管理水平和经济效益的迫切要求。电力企业积累了大量的历史用电数据,而绝大部分供电企业面对大量用户历史电量信息,并不能快速、有效、全面的对用电数据和窃电行为进行分析,人工神经网络即时就是满足企业这一迫切需求的强有力的工具之一。本文在对当下反窃电现状分析的基础上,指出了窃电行为的本质所在和传统反窃电技术的不足,分析了人工神经网络的内涵和部分算法原理,提出了应用人工神经网络的反窃电模型。介绍了反窃电评价指标模型构建的原则和流程,并根据窃电的特点以及参考供电行业同业经验,选取了对窃电嫌疑系数产生影响的八个指标,完整的构建了反窃电评价指标模型体系,为应用人工神经网络对窃电情况进行分析奠定了基础。接着,分析了人工神经网络的原理和部分算法,并将其与反窃电模型相结合,分析用户正常用电和非正常用电的特征区别,得出影响用户用电区别的主要特征。最后结合实例探讨了在反窃电系统中运用人工神经网络的过程以及应该注意的问题,通过建立神经网络,可以说明利用神经网络这一工具对窃电嫌疑分析具有可行性。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 电力网线损管理与节约能源的意义
• 1.2 供电企业客户窃电与反窃电
• 1.2.1 窃电现状
• 1.2.2 产生窃电的原因
• 1.2.3 窃电方式分析
• 1.3 反窃电措施
• 1.4 目前反窃电存在的问题
• 1.5 传统方法有效性差的原因
• 1.6 本文的主要工作
• 第二章 反窃电评价指标体系
• 2.1 评价指标基本概念
• 2.2 反窃电评价指标体系的构建原则与流程
• 2.2.1 评价指标体系的构建原则
• 2.2.2 评价指标体系的构建流程
• 2.3 反窃电评价指标体系
• 2.4 本章小结
• 第三章 人工神经网络及其算法介绍
• 3.1 人工神经网络发展概述及现状
• 3.2 神经网络的基本原理
• 3.2.1 神经元模型
• 3.2.2 人工神经元的激活函数
• 3.2.3 神经网络的分类
• 3.2.4 人工神经网络特点
• 3.3 BP 神经网络
• 3.3.1 BP 网络模型
• 3.3.2 BP 学习算法
• 3.3.3 BP 网络的优缺点分析
• 3.3.4 BP 算法的改进
• 3.4 BP 网络的MATLAB 实现
• 3.5 本章小结
• 第四章BP 人工神经网络模型在反窃电模型中的应用
• 4.1 人工神经网络在电力系统中的应用
• 4.2 人工神经网络在反窃电中的建模
• 4.2.1 建模的原理和步骤
• 4.2.2 网络模型的设计
• 4.3 实例分析1
• 4.3.1 网络实现
• 4.3.2 输出结果分析
• 4.4 实例分析2
• 4.4.1 网络实现
• 4.4.2 输出结果分析
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 本文总结
• 5.2 研究展望
• 参考文献
• 致谢