摘要:精确检测故障行波信号是保证故障定位结果准确可靠的重要因素，针对Wigner Ville分布(Wigner Ville distribution，WVD)在检测故障行波时易产生交叉项的问题，提出一种基于改进变分模态分解（variational mode decomposition，VMD）和WVD的故障行波检测方法。首先，通过波形相似性确定VMD参数的选取，利用改进的VMD对线模行波信号自适应分解，实现对故障行波不同频段信号提取的同时保留重要故障信息；然后，分别求取各分量信号的WVD后叠加得到原始信号的WVD，由此解决WVD交叉项带来的影响；最后求取VMD?WVD能量谱密度分布，利用WVD良好的时频聚集性检测故障行波[150，170]kHz频段波头位置，从而实现故障行波波头的精准检测。仿真实验结果表明，该文所提方法相比小波和HHT的故障行波检测方法更加快速、准确。

摘要:传统的电力用户价值评价一般不区分高、低压电压等级，高压和低压用户适用指标各异且目前低压电力用户价值评价未见对应指标体系，为此，提出一种基于AHP和BP-Adaboost算法的低压电力用户价值评价方法。首先建立一套低压电力用户价值评价指标体系，并定义评分规则和等级划分规；然后则利用层次分析法(AHP)获取低压电力用户价值评价综合得分和等级；最后提出利用AHP和BP-Adaboost相结合的算法进行低压电力用户价值评价，得到低压电力用户综合得分和等级，并利用决定系数和准确度2个参数进行验证。算例仿真及其结果表明方法正确有效。

摘要:为提升用电水平,借助人工智能技术进行电力客户主动服务是必然趋势。针对电力行业中在客户主动服务方面的研究不足,提出一种基于LSTM-Attention融合的电力客户主动服务推荐方法。该方法能够有效地解决单一深度学习模型在服务推荐当中出现的梯度弥撒以及梯度爆炸等问题。本文首先建立从电力投诉工单提取客户潜在服务需求的模型;进而获得基于LSTM-Attention融合算法的电力客户主动服务推荐方法;最后采用某市电力客户投诉工单实例随算法和模型进行验证。实验表明本文方法正确有效。

摘要:厂用电是反应火电机组经济性与能效性的重要指标，该文提出一种加权模糊C均值聚类和主客观赋权法结合的厂用电关联特征挖掘方法。首先，针对火电机组辅机设备的历史运行数据，利用因子分析法获取运行指标之间的强弱相关性及对厂用电目标值的影响力，提取影响机组能耗的重要指标，进而对提取出的运行指标进行对应权重的赋值，再进行加权模糊C均值聚类；其次，为克服单一赋权法的缺点，进一步利用层次分析法与熵权法相结合来修正机组能耗评估中各项指标的权重值；最后，通过对某火电厂600 MW机组的10个月历史数据、6个典型负荷区间进行文中方法验证，表明文中模型和算法正确有效。