CN102306242B - 时空电能质量水平快速评估方法 - Google Patents
时空电能质量水平快速评估方法 Download PDFInfo
- Publication number
- CN102306242B CN102306242B CN 201110211477 CN201110211477A CN102306242B CN 102306242 B CN102306242 B CN 102306242B CN 201110211477 CN201110211477 CN 201110211477 CN 201110211477 A CN201110211477 A CN 201110211477A CN 102306242 B CN102306242 B CN 102306242B
- Authority
- CN
- China
- Prior art keywords
- value
- sample
- index
- quality
- power quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种时空电能质量水平快速评估方法,属对任意时间段、任意监测点的电能质量水平进行评估的方法。通过对每项电能质量指标建立一个概率值本体模型,根据各项电能质量指标概率值本体模型提取特征量,得到各项电能质量指标每天的均值和方差,进一步可得到服从正态分布的总体样本的均值和方差,根据正态分布的特点即可得出电能质量指标的任意概率值,从而评估时空电能质量水平。本发明能够准确、快速地评估各项电能质量指标水平。可用于智能检索的时空电能质量水平快速评估。
Description
技术领域
本发明涉及电力系统供电企业电网的电能质量水平的评估方法,特别是通过建立每项电能指标的概率值本体模型来对电能质量指标进行实时性监测评估的方法。
背景技术
近年来,电能质量问题受到广泛关注,时空(“时”指选择的监测时间段,“空”指选择的监测位置)电能质量水平评估对于供电企业准确掌握电网电能质量信息,及时采取应对补偿措施至关重要。因此,长期电能质量水平快速评估具有重要意义。
在实际工程中,电能质量长时间监测信息常根据电能质量监测信息的某一概率值进行评估。目前国内外大都采用排序的方法来计算电能质量指标概率值。在《电能质量_公用谐波》中提到:为了实用方便,实测值95%概率值的选取方法为,将实测数据从大到小排序,舍弃前5%大值,取剩余实测值中的最大值。这种简单排序方法在数据量较小时是可行的,然而,当需要对长期电能质量监测信息进行评估时,数据量很大,简单的排序方法无法快速地获取用于时空电能质量水平评估的电能质量指标值。
为了提高计算速度,采用基于抽屉法的排序方法。抽屉法对n个数据排序的基本原理是:设定抽屉数量为N,求出n个数据的最大值a,将数值区间[0,a]等分成N等分,N个等分区间依次对应第1到第N个抽屉的取值区间,如果原始数据i归一化并乘以N后取整得到整数j,则i属于第j个抽屉,对第j个抽屉中的数据量加1,按以上方法对处理每个数据就能得到每个抽屉中的数据量;从最后一个抽屉开始累加前面每个抽屉中的数据量,当累加数据量达到所求排序位置时,再利用线性插值原理在最后累加上的这个抽屉的取值范围内插值,从而得到所求排序位置对应的数值。
谐波包括52项指标,分别是谐波电压总畸变率、谐波电流总畸变率、各次谐波电压含有率(1-25次谐波)、各次谐波电流幅值(1-25次谐波)。四川电网有500个电能质量监测点,每个谐波指标一天的记录数据量是1440个。经过电脑程序仿真可知,使用简单的排序方法得到100个监测点一个月内每一监测点谐波电压总畸变率的三个概率值(90%概率值、95%概率值、99%概率值)所需要的响应时间为60.281秒,使用抽屉法所需要的响应时间为23.844秒,此时需要处理的数据量为4464000;使用简单的排序方法得到100个监测点一个月内每一监测点所有谐波电压指标(26个指标)的三个概率值(90%概率值、95%概率值、99%概率值)所需要的响应时间为1737.875秒,使用抽屉法所需要的响应时间为178.578秒,此时需要处理的数据量为116064000。响应时间是指从数据库中读取数据和处理数据所需要的总时间。可见,当数据量很大时,简单的排序方法和抽屉法都不能满足电能质量水平评估的实时性要求。
发明内容
本发明的目的是提供一种时空电能质量水平快速评估方法,以在数据量很大时,能满足电能质量水平评估的实时性要求。
本发明的目的是这样实现的:一种时空电能质量水平快速评估方法,包括,电能质量数据采集装置和电能质量数据库分别与计算机连接,按以下步骤进行:
1)构建电能质量概率值本体模型即针对五大电能质量指标分别构建以下五个概率值本体模型:
电压偏差指标概率值本体模型:主要由电压偏差分相的统计特征量构成,统计特征量有样本平均值和样本方差;样本类型是电压偏差指标的每天1min值;
频率偏差指标概率值本体模型:主要由频率偏差的统计特征量构成,统计特征量有样本平均值和样本方差;样本类型是频率偏差指标的每天3s值;
三相电压不平衡度指标概率值本体模型:主要由三相电压不平衡度的统计特征量构成,统计特征量有样本平均值、样本方差;样本类型是三相电压不平衡度指标每天的10min值;
闪变指标概率值本体模型:主要由闪变指标的统计特征量构成,统计特征量有样本均值、样本方差;样本类型是长时闪变指标每天的2h值和短时闪变每天10min值;
谐波指标概率值本体模型:主要由谐波指标的统计特征量构成,统计特征量有样本平均值、样本方差;样本类型是谐波指标每天的3s值;上述谐波指标包括:谐波电压总畸变率、谐波电流总畸变率、1-25次谐波电压含有率、1-25次谐波电流幅值;
2)利用上述电能质量概率值本体模型获取统计特征量
3)由统计特征量得到总体样本的特征量
4)利用总体样本获取概率值
其中系数up为标准正态分布的p分位点,满足up=-u1-p,通过查正态分布表得到,取51%到100%的整数概率时标准正态分布的p分位点up的值,即公式(1)中系数up的取值;x1-p,xp分别表示总体样本概率值为1-p,p时对应的样本值;
5)根据电能质量指标概率值对时空电能质量水平进行评估
利用步骤4)中计算电能质量指标的任意概率值的公式来得到各项电能质量指标常用概率值,所述计算机通过比较各项电能质量指标常用概率值与对应国标限值的大小和差距,评估各项电能质量指标水平。
上述步骤4)中公式(1)推导过程如下:
设标准正态分布X~N(0,1),F(up)=Φ(up)=p,up为标准正态分布概率为p的样本值;
总体样本即随机变量X~N(μ,δ2),设其分布函数设为F(x),则对每个x∈R有
如果有:
则有:
x=μ+δ*up
因此,对于随机变量X~N(μ,δ2),概率为p的样本值为:xp=μ+δ*up
概率小于50%的值可以通过下面的方法得到:
标准正态分布N(0,1)的p分位点记为up,即若X~N(0,1),0<p<1,则记up使:
Φ(up)=P(x≤up)=p
由N(0,1)的密度的对称性易知,对每个p∈(0,1),有
-up=u1-p
上述步骤1)电能质量概率值本体模型构建时在所述电能质量数据库中建立主、从表:将电能质量数据采集装置采集的电能质量数据输入电能质量数据库形成主、从表,从表用于存储电能质量原始数据,主表用于存储电能质量特征量,上述五大电能质量指标的五个概率值本体模型的统计特征量按时间排列存储在主表中;当检索某项电能质量指标的概率值时,只需要检索主表中该项电能质量指标的特征量即均值和方差,不需要检索海量的电能质量原始数据,从而加快检索速度。
本发明方法用于快速评估时空(“时”指选择的监测时间段,“空”指选择的监测位置)电能质量水平,通过选择不同的时空位置能得到任意时间段、任意监测点的电能质量水平评估结果。通过对每项电能质量指标建立一个概率值本体模型,根据各项电能质量指标概率值本体模型提取特征量,得到各项电能质量指标每天的均值和方差,进一步可得到服从正态分布的总体样本的均值和方差,根据正态分布的特点即可得出电能质量指标的任意概率值,从而评估时空电能质量水平。
与现有技术相比,本发明具有以下特点和优点:
(1)提出了用于时空电能质量水平快速评估的PQ(电能质量)本体
本发明方法提出了用于时空电能质量水平快速评估的长期电能质量概率值本体模型,各项电能质量指标概率值本体模型的统计特征量和样本类型如表2所示。
表2PQ本体
(2)PQM(电能质量管理)数据库中形成主从表
本发明方法在PQM数据库形成主从表,从表用于存储电能质量原始数据,主表用于存储电能质量特征量,各项电能质量指标概率值本体模型的统计特征量按时间排列存在主表中。当检索某项电能质量指标的概率值时,只需要检索主表中该项电能质量指标的特征量(均值、方差),不需要检索海量的电能质量原始数据,可以加快检索速度。
(3)PQ特征量预处理
在PQM数据库的主表中读取对应检索时间段内检索电能质量指标的统计特征量(均值、方差),从而得到总体样本的特征量(均值、方差)。
(4)索引库
(5)检索预处理
将标准正态分布计算概率值的公式经过尺度和位移变换得到计算一般正态分布概率值的公式:根据一般正态分布概率值的计算公式动态地计算出检索概率值,并将其与对应电能质量指标的国标限制作比较,从而得到各项电能质量指标水平的评估结果。
(6)本发明方法准确度高
各项电能质量指标每天监测信息样本是独立同分布的,根据概率统计原理,一段时间监测信息总体样本的某一概率值和每天监测信息样本同一概率的平均值相同。本发明方法中只需要存储一段时间内各项电能质量指标每天监测信息样本的均值和方差,就能得到这段时间内各项电能质量监测信息总体样本的任意概率值。图3是一个服从正态分布的样本概率分布图,从图中可以看出,根据任意样本概率均能得到对应的采样点值。
表3中所示数据是由谐波总电压畸变率的三组一个月实测数据得到的:三组数据每天某一概率值的平均值、用总体样本计算的同一概率值以及它们的相对误差。
表3误差对比
从三组数据中可知,每天概率值的平均值和总体样本得到的概率值的相对误差很小,最大误差为1.4263%。
从每天概率值的平均值和总体样本得到的概率值的相对误差分析结果可知本发明方法准确度高,有工程实用价值。
(7)本发明方法实时性好
本发明方法中仿真使用的电脑为HPPavilion P6000,处理器是英特尔Corei3-540(3.07GHz主频),内存为2GB(尔必达DDR31333MHz)。程序仿真中,使用简单的排序方法得到100个监测点一个月内每一监测点谐波电压总畸变率的三个概率值(90%概率值、95%概率值、99%概率值)所需要的响应时间为60.281秒,使用抽屉法所需要的响应时间为23.844秒,使用本发明方法所需要的响应时间为0.484秒;通过简单的排序方法得到100个监测点一个月内每一监测点所有谐波电压指标(26个指标)的三个概率值(90%概率值、95%概率值、99%概率值)所需要的响应时间为1737.875秒,使用本抽屉法所需要的响应时间为178.578秒,使用本发明方法所需要的响应时间为0.578秒。响应时间是指从数据库中读取数据、处理数据所需要的总时间。由以上仿真数据可知本发明方法的具有很好的实时性。具体时间对比如图4所示。
该方法能够准确、快速地评估各项电能质量指标水平。本发明方法可实现用于智能检索的时空电能质量水平快速评估。
附图说明
图1是基于本体的电能质量智能检索系统框架图(图中实心箭头表示控制流,空心箭头表示数据流,图中右边三个PQM终端与PQM数据库进行数据交换)。
图1-1是本发明硬件结构框图。
图2是用于智能检索的时空电能质量水平评估的原理框图。
图3是总体样本的概率分布图。
图4是本发明方法与简单排序方法、抽屉法的响应时间对比图。
具体实施方式
图1-1示出,电能质量数据采集装置和电能质量数据库分别与计算机连接。
本发明方法的主要适用对象是谐波指标、闪变指标、三相不平衡指标、电压偏差指标、频率偏差指标。谐波指标包括:谐波电压总畸变率、谐波电流总畸变率、各次谐波电压含有率(1-25次谐波)、各次谐波电流幅值(1-25次谐波)。
本发明方法的基本原理分为5点阐述。
1、形成长期电能质量概率值本体模型
长期电能质量概率值本体模型,简称PQ本体模型。电能质量本体包括很多内容,本发明中只讨论电能质量概率值本体模型本体。
电能质量的五大评估指标:供电电压偏差、电力系统频率偏差、三相电压不平衡、闪变指标、谐波指标。谐波指标包括:谐波电压总畸变率、谐波电流总畸变率、各次谐波电压含有率(1-25次谐波)、各次谐波电流幅值(1-25次谐波)。针对五大电能质量指标分别建立5个不同的PQ本体模型。
电压偏差指标概率值本体模型:主要由电压偏差分相的统计特征量构成。统计特征量有样本平均值和样本方差;样本类型是电压偏差指标的每天1min值。
频率偏差指标概率值本体模型:主要由频率偏差的统计特征量构成。统计特征量有样本平均值和样本方差;样本类型是频率偏差指标的每天3s值。
三相电压不平衡度指标概率值本体模型:主要由三相电压不平衡度的统计特征量构成。统计特征量有样本平均值、样本方差;样本类型是三相电压不平衡度指标每天的10min值。
闪变指标概率值本体模型:主要由闪变指标的统计特征量构成。统计特征量有样本均值、样本方差;样本类型是长时闪变指标每天的2h值和短时闪变每天10min值。
谐波指标概率值本体模型:主要由谐波指标的统计特征量构成。统计特征量有样本平均值、样本方差;样本类型是谐波指标每天的3s值。
2、利用PQ本体模型获取统计特征量
根据各个电能质量指标的PQ本体模型得到该电能质量指标的统计特征量,即,该电能质量指标一段时间内每天的样本特征量(均值和方差),分别表示为i=1,2,…n。
3、由统计特征量得到总体样本的特征量
4、利用总体样本获取概率值
其中up为标准正态分布的p分位点,满足up=-u1-p,可以通过查正态分布表得到,在电力系统中只对大于50%的概率值感兴趣,因此在表1中只列举了取51%到100%的整数概率时标准正态分布的p分位点up的值,即公式(1)中系数up的取值。x1-p,xp分别表示总体样本概率值为1-p,p时对应的样本值。
表1概率值大于50%的up
根据计算任意概率值公式(1)和表1可得:
95%概率值的计算公式:
5%概率值的计算公式:
99%概率值的计算公式:
1%概率值的计算公式:
其他概率值的计算以此类推。
下面详细介绍由随机变量X~N(μ,δ2)得到各项电能质量指标任意概率值的计算公式的推导过程。
设标准正态分布X~N(0,1),F(up)=Φ(up)=p,up为标准正态分布概率为p的样本值。
随机变量X~N(μ,δ2),设其分布函数设为F(x),则对每个x∈R有
如果有:
则有:
x=μ+δ*up
因此,对于随机变量X~N(μ,δ2),概率为p的样本值为:xp=μ+δ*up
概率小于50%的值可以通过下面的方法得到。
标准正态分布N(0,1)的p分位点记为up,即若X~N(0,1),0<p<1,则记up使:
Φ(up)=P(x≤up)=p
由N(0,1)的密度的对称性易知,对每个p∈(0,1),有
-up=u1-p
5、根据电能质量指标概率值对时空电能质量水平进行评估:利用步骤4中计算指标任意概率值的公式可得到各项电能质量指标评估常用概率值,通过比较各项电能质量指标常用概率值和其国标限值的大小和差距,可以评估各项电能质量指标水平。
本发明方法可用于实现用于智能检索的时空电能质量水平评估。下面首先介绍基于本体的电能质量智能检索系统的基本原理,再详细介绍实现用于智能检索的时空电能质量水平评估的实现原理。
①、基于本体的电能质量智能检索系统的基本原理:
图1为基于本体的电能质量智能检索系统的框架图。基于本体的电能质量智能检索系统主要由领域本体、PQM数据库、PQ特征量预处理、索引库、检索预处理等几个模块组成。
由图1可知,基于本体的电能质量智能检索系统的设计思想可以阐述为:在领域专家的帮助下,建立基于领域概念知识的领域本体。收集信息源中的数据,并参照已建立的领域本体,把收集来的数据按规定的格式存储在PQM数据库中。对用户检索界面获取的查询请求,查询转换器按照领域本体把查询请求转换成规定的格式,在领域本体的帮助下从PQM数据库中匹配出符合条件的数据集合,将定制处理后的检索结果返回给用户。
②、用于智能检索的时空电能质量水平评估:
用于智能检索的时空电能质量水平评估的原理框图如图2所示。实现用于智能检索的时空电能质量水平评估需要五个步骤,将详细叙述它的具体实现原理。
(1)形成PQ本体
电能质量本体包括很多内容,本发明中只讨论PQ本体,即长期电能质量概率值本体模型。
电能质量的五大评估指标:供电电压偏差、电力系统频率偏差、三相电压不平衡、闪变指标、谐波指标。谐波指标包括:谐波电压总畸变率、谐波电流总畸变率、各次谐波电压含有率(1-25次谐波)、各次谐波电流幅值(1-25次谐波)。针对五大电能质量指标分别建立5个不同的PQ本体模型。
电压偏差指标概率值本体模型:主要由电压偏差分相的统计特征量构成。统计特征量有样本平均值和样本方差;样本类型是电压偏差指标的每天1min值。
频率偏差指标概率值本体模型:主要由频率偏差的统计特征量构成。统计特征量有样本平均值和样本方差;样本类型是频率偏差指标的每天3s值。
三相电压不平衡度指标概率值本体模型:主要由三相电压不平衡度的统计特征量构成。统计特征量有样本平均值、样本方差;样本类型是三相电压不平衡度指标每天的10min值。
闪变指标概率值本体模型:主要由闪变指标的统计特征量构成。统计特征量有样本均值、样本方差;样本类型是长时闪变指标每天的2h值和短时闪变每天10min值。
谐波指标概率值本体模型:主要由谐波指标的统计特征量构成。统计特征量有样本平均值、样本方差;样本类型是谐波指标每天的3s值。
(2)PQM数据库中形成主从表
本发明方法在PQM数据库形成主从表,从表用于存储电能质量原始数据,主表用于存储电能质量特征量,各项电能质量指标概率值本体模型的统计特征量按时间排列存在主表中。
(3)PQ特征量预处理
PQ特征量预处理包括抽取和索引两部分。下面以谐波指标中的电压总谐波畸变率为例进行说明。这里假定:用户检索页面提出的查询请求是电压总谐波畸变率在一段时间内的某一概率值。
数据抽取。用户检索页面提出的查询请求是电压总谐波畸变率在一段时间内的某一概率值。与电压总谐波畸变率对应的是谐波本体模型,在PQM数据库的主表中读取对应时间段内电压总谐波畸变率每一天的统计特征量:均值和方差,分别记为i=1,2,…,n。
其他电能质量指标的特征值预处理方法与谐波电压总畸变率相同。
(4)索引库
其中up为标准正态分布的p分位点,满足up=-u1-p,可以通过查正态分布表得到。
(5)检索预处理
根据一般正态分布概率值的计算公式动态地计算出符合检索条件的概率值,并将其与对应电能质量指标的国标限制作比较,从而得到各项电能质量指标水平的评估结果。
其中up为标准正态分布的p分位点,满足up=-u1-p,可以通过查正态分布表得到。
以上就是用于智能检索的时空电能质量水平评估的基本原理,用于智能检索的时空电能质量水平评估可以准确、快速地评估各项电能质量指标的电能质量水平。
Claims (3)
1.一种时空电能质量水平快速评估方法,包括,电能质量数据采集装置和电能质量数据库分别与计算机连接,其特征是:按以下步骤进行:
1)构建电能质量概率值本体模型即针对五大电能质量指标分别构建以下五个概率值本体模型:
电压偏差指标概率值本体模型:主要由电压偏差分相的统计特征量构成,统计特征量有样本平均值和样本方差;样本类型是电压偏差指标的每天1min值;
频率偏差指标概率值本体模型:主要由频率偏差的统计特征量构成,统计特征量有样本平均值和样本方差;样本类型是频率偏差指标的每天3s值;
三相电压不平衡度指标概率值本体模型:主要由三相电压不平衡度的统计特征量构成,统计特征量有样本平均值、样本方差;样本类型是三相电压不平衡度指标每天的10min值;
闪变指标概率值本体模型:主要由闪变指标的统计特征量构成,统计特征量有样本均值、样本方差;样本类型是长时闪变指标每天的2h值和短时闪变每天10min值;
谐波指标概率值本体模型:主要由谐波指标的统计特征量构成,统计特征量有样本平均值、样本方差;样本类型是谐波指标每天的3s值;上述谐波指标包括:谐波电压总畸变率、谐波电流总畸变率、1-25次谐波电压含有率、1-25次谐波电流幅值;
2)利用上述电能质量概率值本体模型获取统计特征量
3)由统计特征量得到总体样本的特征量
4)利用总体样本获取概率值
其中系数up为标准正态分布的p分位点,满足up=-u1-p,通过查正态分布表得到,取51%到100%的整数概率时标准正态分布的p分位点up的值,即公式(1)中系数up的取值;x1-p,xp分别表示总体样本概率值为1-p,p时对应的样本值;
5)根据电能质量指标概率值对时空电能质量水平进行评估
利用步骤4)中计算电能质量指标的任意概率值的公式来得到各项电能质量指标常用概率值,所述计算机通过比较各项电能质量指标常用概率值与对应国标限值的大小和差距,评估各项电能质量指标水平。
2.根据权利要求1所述的时空电能质量水平快速评估方法,其特征是:所述步骤4)中公式(1)推导过程如下:
设标准正态分布X~N(0,1),F(up)=Φ(up)=p,up为标准正态分布概率为p的样本值;
总体样本即随机变量X~N(μ,δ2),设其分布函数设为F(x),则对每个x∈R有
如果有:
则有:
x=μ+δ*up
因此,对于随机变量X~N(μ,δ2),概率为p的样本值为:xp=μ+δ*up
概率小于50%的值可以通过下面的方法得到:
标准正态分布N(0,1)的p分位点记为up,即若X~N(0,1),0<p<1,则记up使:
Φ(up)=P(x≤up)=p
由N(0,1)的密度的对称性易知,对每个p∈(0,1),有
-up=u1-p
3.根据权利要求1或2所述的时空电能质量水平快速评估方法,其特征是:所述步骤1)电能质量概率值本体模型构建时在所述电能质量数据库中建立主、从表:将电能质量数据采集装置采集的电能质量数据输入电能质量数据库形成主、从表,从表用于存储电能质量原始数据,主表用于存储电能质量特征量,上述五大电能质量指标的五个概率值本体模型的统计特征量按时间排列存储在主表中;当检索某项电能质量指标的概率值时,只需要检索主表中该项电能质量指标的特征量即均值和方差,不需要检索海量的电能质量原始数据,从而加快检索速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110211477 CN102306242B (zh) | 2011-07-27 | 2011-07-27 | 时空电能质量水平快速评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110211477 CN102306242B (zh) | 2011-07-27 | 2011-07-27 | 时空电能质量水平快速评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102306242A CN102306242A (zh) | 2012-01-04 |
CN102306242B true CN102306242B (zh) | 2013-10-16 |
Family
ID=45380103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110211477 Active CN102306242B (zh) | 2011-07-27 | 2011-07-27 | 时空电能质量水平快速评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102306242B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005073346A (ja) * | 2003-08-22 | 2005-03-17 | Toshiba Corp | 電力品質評価システム、電力品質評価方法及び電力品質評価用プログラム |
CN101465546A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 电能质量综合评估系统 |
JP4476832B2 (ja) * | 2005-02-02 | 2010-06-09 | 株式会社東芝 | 電力品質評価システム及び方法 |
CN101777766A (zh) * | 2010-03-03 | 2010-07-14 | 河南电力试验研究院 | 电网输电能力风险评估方法 |
-
2011
- 2011-07-27 CN CN 201110211477 patent/CN102306242B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005073346A (ja) * | 2003-08-22 | 2005-03-17 | Toshiba Corp | 電力品質評価システム、電力品質評価方法及び電力品質評価用プログラム |
JP4476832B2 (ja) * | 2005-02-02 | 2010-06-09 | 株式会社東芝 | 電力品質評価システム及び方法 |
CN101465546A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 电能质量综合评估系统 |
CN101777766A (zh) * | 2010-03-03 | 2010-07-14 | 河南电力试验研究院 | 电网输电能力风险评估方法 |
Non-Patent Citations (6)
Title |
---|
叶茂清 等.电力企业电能质量监测网络的管理与应用.《四川电力技术》.2006,第29卷(第6期),59-61. |
基于并行数据处理结构的电能质量在线监测;江川 等;《继电器》;20050301;第33卷(第5期);47-55 * |
杨淑英 等.电能质量测试方法及其监测装置的实现.《中国电力系统保护与控制学术研讨会论文集》.2006,377-381. |
江川 等.基于并行数据处理结构的电能质量在线监测.《继电器》.2005,第33卷(第5期),47-55. |
电力企业电能质量监测网络的管理与应用;叶茂清 等;《四川电力技术》;20061231;第29卷(第6期);59-61 * |
电能质量测试方法及其监测装置的实现;杨淑英 等;《中国电力系统保护与控制学术研讨会论文集》;20061231;377-381 * |
Also Published As
Publication number | Publication date |
---|---|
CN102306242A (zh) | 2012-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701216B (zh) | 一种信息推送方法及装置 | |
CN103020459B (zh) | 一种多维度用电行为的感知方法及系统 | |
CN104408667B (zh) | 一种电能质量综合评估的方法和系统 | |
CN104504508B (zh) | 基于层次分析与小波回归的台区闭环数据分析方法 | |
CN113064866B (zh) | 一种电力业务数据整合系统 | |
CN104933622A (zh) | 一种基于用户和微博主题的微博流行度预测方法及系统 | |
CN110991263B (zh) | 一种抗背景负荷干扰的非入侵式负荷识别方法及系统 | |
CN110222887A (zh) | 基于vmd和dnn的预测方法及在短期负荷预测的应用 | |
CN113723844B (zh) | 一种基于集成学习的低压台区理论线损计算方法 | |
CN103747477A (zh) | 网络流量分析与预测方法和装置 | |
CN104572757A (zh) | 微博群体处理方法及装置 | |
Song et al. | Comparative study on the obsolescence of humanities and social sciences in China: under the new situation of web | |
CN102306242B (zh) | 时空电能质量水平快速评估方法 | |
Hong et al. | A comparative analysis on the import and export trade patterns of China’s mechanical and electrical products | |
CN111723273A (zh) | 一种智慧云检索系统及方法 | |
CN103258144B (zh) | 基于故障录波器数据的在线静态负荷建模方法 | |
CN115098029A (zh) | 数据处理方法及装置 | |
AU2020335019A1 (en) | Evaluation method based on mobile news client and system thereof | |
CN115775115B (zh) | 基于双重相关指标的谐波发射水平模糊评价方法及系统 | |
CN110111183A (zh) | 一种产品推荐方法及装置 | |
Wang et al. | Research on line loss prediction model based on clustering and multi prediction model fusion | |
Zheng et al. | Short-Term Load Forecast Based on Feature Reconstruction and Bidirectional LSTM | |
CN112506959B (zh) | 智能船舶数据库检索的数据调度方法、装置和检索系统 | |
Gao | Application of machine learning in recommendation system | |
Yifan et al. | Indicators Recommendation Algorithm based on Information Entropy and FP Growth for Power Report System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |