CN103617568A - 稳态电能质量预警机制中的异常数据判定阈值设定方法 - Google Patents
稳态电能质量预警机制中的异常数据判定阈值设定方法 Download PDFInfo
- Publication number
- CN103617568A CN103617568A CN201310656915.3A CN201310656915A CN103617568A CN 103617568 A CN103617568 A CN 103617568A CN 201310656915 A CN201310656915 A CN 201310656915A CN 103617568 A CN103617568 A CN 103617568A
- Authority
- CN
- China
- Prior art keywords
- data
- power quality
- warning
- threshold
- index
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种稳态电能质量预警机制中的异常数据判定阈值设定方法,包括以下步骤:1)建立稳态电能质量预警指标体系;2)数据采集;3)数据预处理,包括去噪、缺失值处理以及标准化;4)根据阈值设定经验区间,使用专家打分法设置主观阈值;5)基于聚类分析法,结合考虑内聚性的最大类间方差法设置客观阈值;6)使用线性组合赋权法确定最终阈值。本发明方法利用主客观赋值相结合的方式,能够对稳态电能质量预警机制中的异常数据判定阈值做出合理设定。
Description
技术领域
本发明属于电能质量监控技术领域,涉及一种用于电力系统及电力用户输配电网的电能质量监控方法。
背景技术
电能质量可以简单的定义为:关系到供电、用电系统及设备正常工作(或运行)的电压、电流的各指标偏离规定范围的程度。由此可以看出电能质量的重要性。
目前,对电能质量的研究主要集中在数据采集方法或对采集后的数据的基本处理上,这些研究主要包括电能质量监测装置和方法,以及电能质量评估等方面,对电能质量监测点或电能质量干扰源并网点的电能质量指标监测数据异常检测及预警的研究欠缺。随着能源节约型社会的推进,可再生能源发电和轨道交通迎来新一轮大发展,非线性负荷、风电、电气化铁路等将在电网中大量接入,必将加剧电网中的电能质量问题,使得电力事故发生的可能性将逐渐表现为电能质量的不合格所引发。而且,现代工业生产的规模、自动化程度以及对供电可靠性的依赖,任何电力事故造成的经济损失是不可忽视的。所以有必要对电能质量监测数据进行挖掘,及时给出相关线路的超标和异常数据,给出预警提示,做到问题早发现,早解决。将由电能质量问题引发的电力事故的可能性降到最低,保证电力的安全运行。对电能质量进行预警可以发现电网运行已经存在或潜在的电能质量问题,专职人员针对预警系统给出的预警,对每一条记录进行处理;如果是指标超标,说明此线路该指标不满足国家标准,应采取相应的措施予以改善;如果是指标异常,说明此线路该指标某段时间内,与正常运行时存在较大的差异,需予以关注。在上述判断超标和异常过程中,阈值的设置显得尤为关键,其将直接决定预警的结果和准确性。由此可见,一种合理可行的电能质量预警机制阈值设定方法,可有效的提高预警结果的准确性和精度,为电网的安全运行提供保障,充分发挥电能质量监控平台的作用。
发明内容
技术问题:本发明针对现有技术的不足,提供一种可使供用电双方了解所属区域电网一段时间内的母线或线路的电能质量状况,提高电网运行可靠性和经济性的稳态电能质量预警机制中的异常数据判断阈值设定方法。
技术方案:本发明的一种稳态电能质量预警机制中的异常数据判断阈值设定方法,包括下述步骤:
1)建立稳态电能质量预警指标体系;
2)数据采集:从步骤1)中建立的稳态电能质量预警指标体系中选取预警指标,然后采集公共连接点的电能质量稳态的预警指标历史监测数据,并将采集的监测数据保存到数据库中;
3)数据预处理:对步骤2)中采集得到的电能质量稳态的预警指标历史监测数据进行去噪和缺失值的处理后,再进行标准化处理,并将处理后的数据保存到数据库中;
4)设置主观阈值:针对步骤2)中选取的预警指标,根据稳态电能质量预警机制中的异常数据判定阈值的经验区间,然后使用专家打分法设置异常数据判定的主观阈值w1;
5)设置客观阈值:基于聚类分析法,对步骤3)中处理后的数据进行分类,然后基于分类,根据考虑内聚性的最大类间方差法,得到异常数据判定的客观阈值w2;
6)根据异常数据判定的主观阈值和客观阈值,使用线性组合赋权法得到最终确定的异常数据判定阈值w0,并存入数据库;
本发明步骤1)中,建立稳态电能质量预警指标体系的具体流程为:
分析电网中存在的各扰动源的运行特性及其运行工况变化引起的稳态电能质量变化的特点,结合电能质量标准,筛选出能反映电网电能质量本征问题的稳态预警指标,构成稳态电能质量预警指标体系,稳态电能质量预警指标体系包含以下电能质量指标中的一种或多种:电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡;
本发明步骤2)的具体流程为:
从步骤1)中建立的稳态电能质量预警指标体系中选取预警指标,然后,至少连续12个月每天对公共连接点的各电能质量稳态的预警指标进行监测数据采集,并将各稳态指标监测数据按照监测日存入“电能质量稳态指标历史监测数据库”;
本发明步骤5)的具体流程为:
51)使用聚类分析法,对步骤3)中处理后的数据进行分类,得到L个分类,然后对L个分类按照类均值进行递增排序,得到分类排序结果Y=(y1,y2,…,yi,…,yL),其中,i为类均值递增排序的序号,第i个分类中含有ni个数据;
52)对步骤51)中得到的L个分类分别进行L-1次临界点分割,每次临界点分割均将L个分类划分成正常类集合A=(y1,y2,…,yl)和异常类集合B=(yl+1,yl+2,…,yL),得到L-1个由正常类集合A和异常类集合B组成的分割结果,其中l为正常类集合A中的分类个数,同时也是正常类集合A中类均值最大的分类的序号,L-1个分割结果的正常类集合A中分类个数l均不相同,依次为1,2,…i,…,L-1;
53)对L-1个分割结果分别按照下式求取临界限值t*:
其中,pA代表的是正常类出现的概率,pB代表的是异常类出现的概率;wA代表的是正常类中的数据均值,wB代表的是异常类中的数据均值,w0代表的是全部数据均值;σA代表的是正常类中的数据方差,σB代表的是异常类中的数据方差;Max代表的是取出L-1个比例计算值中的最大值;
最后找出临界限值t*所对应的分割结果,以该分割结果的正常类集合A中分类数据指标的最大值作为异常数据判定的客观阈值w2。
有益效果:与现有技术相比,本发明具有以下优点:
(1)有利于反映监测指标数据变化信息与差异。在异常数据挖掘领域,现有阈值设定方法大多依靠历史判定经验,结合个人主观意见来确定,添加了过多的主观因素。该稳态电能质量预警机制中的异常数据判定阈值设定方法基于聚类分析法对数据分类,再使用考虑内聚性的最大类间方差法可确定客观阈值。该客观阈值不是一成不变的,其可实时反映了监测指标数据间差异。
(2)有利于提高判别出稳态电能质量异常数据的准确性。该稳态电能质量预警机制阈值设定方法基于历史监测数据,采用主客观赋阈值法分别确定主客观阈值,再使用线性组合赋权法得到最终阈值。这样既能有效地反应参与者的主观意愿,又可避免主观因素过多的随意性,阈值能够随着数据的变动而发生变化,赋值的结果更合理,异常数据挖掘的精度更高。
(3)有利于提高区域电网运行的安全可靠性,根据该机制阈值设定方法确定的结果,结合稳态预警算法,构成一整套稳态电能质量预警系统,对一段时间区域电网的电能质量状况做出及时可靠的预警。对于供用电双方,可以适时调整自身的运行/生产计划,避免电能质量进一步恶化,提高电网运行的安全可靠性。
附图说明
图1为本发明的流程图。
图2为本发明中设置客观阈值的方法流程图。
具体实施方式
下面结合附图,对本发明的技术方案做进一步的说明。
本发明的稳态电能质量预警机制中的异常数据判定阈值设定方法,流程如图1所示。
1)建立稳态电能质量预警指标体系。首先针对电网中存在的典型电能质量扰动源,研究分析其运行特性及其引起的稳态电能质量问题的特点,并从中提取能反映不同电能质量扰动源运行特性的特征指标。以风电为例,其接入电网后,由于其固有的特性会导致风电公共连接点一系列稳态电能质量问题,例如电压波动、闪变和谐波等。在此分析的基础上再结合电能质量标准,筛选出能反映电网电能质量本征问题的稳态预警指标,构成稳态电能质量预警指标体系,指标体系包含以下电能质量稳态指标中的一种或多种:电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡。
上述电能质量标准包括:
GB/T12326-2008《电能质量电压波动和闪变》
GB/T15945-2008《电能质量电力系统频率偏差》
GB/T14549-1993《电能质量公用电网谐波》
GB/T18481-2001《电能质量暂时过电压和瞬态过电压》
GB/T15543-2008《电能质量三相电压不平衡》
GB/T12325-2008《电能质量供电电压偏差》
2)采集已建立稳态电能质量预警指标体系中各电能质量指标的历史监测数据。
采集公共连接点的历史电能质量稳态指标监测数据的具体方法为:为保证所采集的电能质量稳态指标监测数据能够全面反映电网电能质量问题,从步骤1)中建立的稳态电能质量预警指标体系中选取预警指标,至少连续12个月同步每天进行数据监测采集;由于不同类型的稳态电能质量预警指标的采样频率不同,要建立不同电能质量指标的历史数据库,将监测采集的稳态电能质量预警指标监测数据按照监测日分类依次存入到相应的数据库,构成“电能质量稳态指标历史监测数据库”。
3)对步骤2)中采集得到的电能质量稳态的预警指标历史监测数据进行去噪和缺失值的处理后,再进行标准化处理,并将处理后的数据保存到数据库中。其中:
31)针对原始监测数据中存在的噪声,即错误或异常数据,可考虑使用数据光滑技术加以解决,具体可采用如下方法:用一个回归函数拟合来光滑数据、通过聚类检测离群点去除错误数据或基于小波变换的阈值去噪方法;
32)针对原始监测数据中存在的缺失值,可考虑使用数据清洗技术加以解决,具体可以应用的方法包括:使用贝叶斯形式化的基于推理的工具、使用决策树归纳法或直接使用监测的指标数据均值填充缺失值;
33)为了尽快可靠地找到各电能质量指标异常数据阈值,先将所选电能质量指标每日监测数据以该指标PCC点的额定值或供用电双方的协议值为基准做标准化处理,即得到归一化数据其中x是预警指标监测数据值,x_N是该指标PCC点的额定值或供用电双方的协议值。
4)设置主观阈值:针对步骤2)中选取的预警指标,根据稳态电能质量预警机制中的异常数据判定阈值的经验区间,然后使用专家打分法设置异常数据判定的主观阈值w1。具体流程为:
41)根据稳态电能质量预警机制中的异常数据判定阈值的历史设定经验,并通过征询供用电双方的需求和咨询专家意见,得出若干个具有参考意义的设定经验值,再将这些设定经验值组合成一个数组,即可形成稳态电能质量预警机制中的异常数据判定阈值的经验区间;
42)根据步骤41)中得到的经验区间,咨询k位专家意见,从中选取k个值,再对其求平均值,即可得到异常数据判定的主观阈值w1。
5)设置客观阈值:基于聚类分析法,对步骤3)中处理后的数据进行分类,然后基于分类,根据考虑内聚性的最大类间方差法,得到异常数据判定的客观阈值w2。具体流程为:
51)对所选稳态电能质量预警指标的监测数据做聚类分析,将满足相似度要求的监测日数据归为一类,称为一个聚类集合。这样就可将预处理后的数据分为L类,然后分别计算每个分类所含数据的均值,这个均值可称为类均值,再对L个分类按照类均值进行递增排序,得到分类排序结果Y=(y1,y2,…,yi,…,yL),其中,i为类均值递增排序的序号,第i个分类yi中含有ni个数据;
52)对步骤51)中得到的L个分类分别进行L-1次临界点分割,每次临界点分割均将L个分类划分成正常类集合A=(y1,y2,…,yl)和异常类集合B=(yl+1,yl+2,…,yL),得到L-1个由正常类集合A和异常类集合B组成的分割结果,其中l为正常类集合A中的分类个数,同时也是正常类集合A中类均值最大的分类的序号,L-1个分割结果的正常类集合A中分类个数均不相同,依次为1,2,…i,…,L-1;
53)使用考虑内聚性的最大类间方差法,基于L-1个分割结果求取临界限值,然后找出临界限值t*所对应的分割结果,以该分割结果的正常类集合A中分类数据指标的最大值作为异常数据判定的客观阈值w2;
步骤51)中聚类分析的具体方法为:
(1)将一定滑动窗口内的稳态电能质量预警指标的监测数据视为一个样本集合,并将每个根本聚类集合数据根据步骤3)进行归一化预处理,然后提取经过数据归一化处理后每个样本集合的特征量,特征量包括该组数据的最大值、最小值、平均值、方差、偏度和峰度;
(2)采用欧式距离算子计算两两样本间的欧式距离d,计算公式如式(1)所示,式中xi、yi分别为样本集合x和y的第i个特征量,n为总的特征量个数;
(3)设置相似度限值λ1,根据相似度限值λ1对所有的样本集合逐个进行距离分析,若两个不同的样本集合间的欧式距离d≤λ1,则判定这两个样本集合属于同一个聚类集合,直到所有样本集合分析完毕。
步骤52)中临界点分割的具体方法为:
对步骤51)中得到的L个分类分别进行L-1次临界点分割,具体实施方案为:第一次分割可将L个分类划分成正常类集合A=(y1)和异常类集合B=(y2,y3,…,yL);第二次分割可将L个分类划分成正常类集合A=(y1,y2)和异常类集合B=(y3,y4,…,yL);第三次分割可将L个分类划分成正常类集合A=(y1,y2,y3)和异常类集合B=(y4,y5,…,yL);……;第L-1次分割可将L个分类划分成正常类集合A=(y1,y2,…,yL-1)和异常类集合B=(yL)。
步骤53)中考虑内聚性的最大类间方差法确定阈值的具体方法为:
(2)每次临界点分割均将L个分类划分成正常类集合A=(y1,y2,…,yl)和异常类集合B=(yl+1,yl+2,…,yL)。其中l为正常类集合A中的分类个数,同时也是正常类集合A中类均值最大的分类的序号。
A、B两类出现的概率分布分别为:
两类的数据均值分别为:
式中,zi为第i个分类的类均值。
总的数据均值为:
由此可以得到A、B两区域的类间方差:
σ=pA(wA-w0)2+pB(wB-w0)2 (5)
(3)传统的最大类间方差法仅计算正常类与异常类之间类间方差,未考虑两类各自的内聚性,即类内平均方差。实际上,若既保证类间距离最大,又能做到各自的内聚性好,这样在对L类数据进行分类时,效果要比单独只考虑类间方差时要好,阈值设置也更为准确。
A、B两区域的各自平均方差分别为:
则使得类间方差最大、内聚性最小的临界限值t*的求取公式是:
其中,pA代表的是正常类出现的概率,pB代表的是异常类出现的概率;wA代表的是正常类中的数据均值,wB代表的是异常类中的数据均值,w0代表的是全部数据均值;σA代表的是正常类中的数据方差,σB代表的是异常类中的数据方差;Max代表的是取出L-1个比例计算值中的最大值。
找出最终求出的临界限值t*所对应的分割结果,以该分割结果的正常类集合A中分类数据指标的最大值作为异常数据判定的客观阈值w2。
6)根据步骤4)、5)中确定的主客观阈值,使用线性组合赋权的方式确定最终预警阈值,并存入数据库;
将步骤4)、5)中已计算得到的主观阈值w1和客观阈值w2进行按比例线性加权,得到电能质量预警指标的最终阈值w0=a*w1+b*w2。式中比例系数的确定参考评估时方法:
其中L是分类个数,pi为第i个分类所包含数据出现的概率。
最后将结果保存入数据库。
上述实施案例不以任何方式限定本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围之内。
Claims (4)
1.一种稳态电能质量预警机制中的异常数据判定阈值设定方法,其特征在于,该方法包括以下步骤:
1)建立稳态电能质量预警指标体系;
2)数据采集:从所述步骤1)中建立的稳态电能质量预警指标体系中选取预警指标,然后采集公共连接点的电能质量稳态的预警指标历史监测数据,并将采集的监测数据保存到数据库中;
3)数据预处理:对所述步骤2)中采集得到的电能质量稳态的预警指标历史监测数据进行去噪和缺失值的处理后,再进行标准化处理,并将处理后的数据保存到数据库中;
4)设置主观阈值:针对所述步骤2)中选取的预警指标,根据稳态电能质量预警机制中的异常数据判定阈值的经验区间,然后使用专家打分法设置异常数据判定的主观阈值w1;
5)设置客观阈值:基于聚类分析法,对所述步骤3)中处理后的数据进行分类,然后基于所述分类,根据考虑内聚性的最大类间方差法,得到异常数据判定的客观阈值w2;
6)根据所述异常数据判定的主观阈值和客观阈值,使用线性组合赋权法得到最终确定的异常数据判定阈值w0,并存入数据库。
2.根据权利要求1所述的一种稳态电能质量预警机制中的异常数据判定阈值设定方法,其特征在于,所述步骤1)中,建立稳态电能质量预警指标体系的具体流程为:
分析电网中存在的各扰动源的运行特性及其运行工况变化引起的稳态电能质量变化的特点,结合电能质量标准,筛选出能反映电网电能质量本征问题的稳态预警指标,构成稳态电能质量预警指标体系,所述稳态电能质量预警指标体系包含以下电能质量指标中的一种或多种:电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡。
3.根据权利要求1所述的一种稳态电能质量预警机制阈值设定方法,其特征在于,所述步骤2)的具体流程为:
从所述步骤1)中建立的稳态电能质量预警指标体系中选取预警指标,然后,至少连续12个月每天对公共连接点的各电能质量稳态的预警指标进行监测数据采集,并将各稳态指标监测数据按照监测日存入“电能质量稳态指标历史监测数据库”。
4.根据权利要求1、2或3所述的一种稳态电能质量预警机制阈值设定方法,其特征在于,所述步骤5)的具体流程为:
51)使用聚类分析法,对所述步骤3)中处理后的数据进行分类,得到L个分类,然后对L个分类按照类均值进行递增排序,得到分类排序结果Y=(y1,y2,…,yi,…,yL),其中,i为类均值递增排序的序号,第i个分类中含有ni个数据;
52)对所述步骤51)中得到的L个分类分别进行L-1次临界点分割,每次临界点分割均将L个分类划分成正常类集合A=(y1,y2,…,yl)和异常类集合B=(yl+1,yl+2,…,yL),得到L-1个由正常类集合A和异常类集合B组成的分割结果,其中l为正常类集合A中的分类个数,同时也是正常类集合A中类均值最大的分类的序号,L-1个分割结果的正常类集合A中分类个数l均不相同,依次为1,2,…i,…,L-1;
53)对所述L-1个分割结果分别按照下式求取临界限值t*:
其中,pA代表的是正常类出现的概率,pB代表的是异常类出现的概率;wA代表的是正常类中的数据均值,wB代表的是异常类中的数据均值,w0代表的是全部数据均值;σA代表的是正常类中的数据方差,σB代表的是异常类中的数据方差;Max代表的是取出L-1个比例计算值中的最大值;
最后找出临界限值t*所对应的分割结果,以该分割结果的正常类集合A中分类数据指标的最大值作为异常数据判定的客观阈值w2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310656915.3A CN103617568B (zh) | 2013-12-06 | 2013-12-06 | 稳态电能质量预警机制中的异常数据判定阈值设定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310656915.3A CN103617568B (zh) | 2013-12-06 | 2013-12-06 | 稳态电能质量预警机制中的异常数据判定阈值设定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103617568A true CN103617568A (zh) | 2014-03-05 |
CN103617568B CN103617568B (zh) | 2017-02-15 |
Family
ID=50168272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310656915.3A Active CN103617568B (zh) | 2013-12-06 | 2013-12-06 | 稳态电能质量预警机制中的异常数据判定阈值设定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617568B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044518A (zh) * | 2015-08-06 | 2015-11-11 | 江苏省电力公司苏州供电公司 | 应用于电压监测中的自动适应门限确定方法 |
CN105445577A (zh) * | 2015-11-12 | 2016-03-30 | 国网智能电网研究院 | 一种电能质量干扰源工况辨识方法 |
CN105630885A (zh) * | 2015-12-18 | 2016-06-01 | 国网福建省电力有限公司泉州供电公司 | 一种用电异常检测方法及系统 |
CN105825315A (zh) * | 2015-01-09 | 2016-08-03 | 国家电网公司 | 一种电能质量预警方法 |
CN107611940A (zh) * | 2017-08-21 | 2018-01-19 | 国网山东省电力公司济南供电公司 | 一种基于历史数据分析的配电网异常监测方法与系统 |
CN108053095A (zh) * | 2017-11-22 | 2018-05-18 | 全球能源互联网研究院有限公司 | 一种电能质量扰动事件特征提取方法及系统 |
CN108241863A (zh) * | 2016-12-23 | 2018-07-03 | 全球能源互联网研究院 | 一种高铁电能质量分析数据择取的联合聚类方法和装置 |
CN108508294A (zh) * | 2018-03-29 | 2018-09-07 | 深圳众厉电力科技有限公司 | 一种高铁电能质量监测系统 |
CN108595120A (zh) * | 2018-04-11 | 2018-09-28 | 广东电网有限责任公司 | 一种scada准实时数据存储方法及系统 |
CN108830324A (zh) * | 2018-06-20 | 2018-11-16 | 国网上海市电力公司 | 一种基于数据挖掘技术的公共建筑用电异常判别方法 |
CN108932301A (zh) * | 2018-06-11 | 2018-12-04 | 天津科技大学 | 数据填充方法及装置 |
CN109460401A (zh) * | 2018-09-30 | 2019-03-12 | 中铁隧道局集团有限公司 | 一种智能化的盾构tbm数据采集与补全方法 |
CN109727446A (zh) * | 2019-01-15 | 2019-05-07 | 华北电力大学(保定) | 一种用电数据异常值的识别与处理方法 |
CN110245168A (zh) * | 2019-06-20 | 2019-09-17 | 国网江苏省电力有限公司南京供电分公司 | 一种提取电网历史告警中异常事件特征信号的方法及系统 |
CN112418618A (zh) * | 2020-11-09 | 2021-02-26 | 国网安徽省电力有限公司电力科学研究院 | 配网台区电能质量评价的权值调整与动态组合方法 |
CN112800115A (zh) * | 2021-04-07 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 数据处理方法及数据处理装置 |
CN112925778A (zh) * | 2021-02-25 | 2021-06-08 | 山东大学 | 一种电热冷综合能源系统数据处理方法及系统 |
CN113420061A (zh) * | 2021-06-10 | 2021-09-21 | 北京宜能高科科技有限公司 | 炼油和化工生产装置的稳态工况分析方法、优化调试方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738607A (zh) * | 2009-12-07 | 2010-06-16 | 西安电子科技大学 | 基于聚类的高阶累量交叉熵的sar图像变化检测方法 |
CN102147922A (zh) * | 2011-05-05 | 2011-08-10 | 河南工业大学 | 灰度图像二维Otsu折线阈值分割法 |
CN102170124A (zh) * | 2011-03-21 | 2011-08-31 | 江苏省电力试验研究院有限公司 | 一种电能质量稳态指标预警方法 |
CN102722577A (zh) * | 2012-06-05 | 2012-10-10 | 中兴通讯股份有限公司 | 指标动态权重的确定方法及装置 |
CN103108209A (zh) * | 2012-12-28 | 2013-05-15 | 宁波大学 | 基于视觉阈值与通道融合的立体图像客观质量评价方法 |
CN103414189A (zh) * | 2013-08-30 | 2013-11-27 | 华北电力大学 | 基于多种预测算法的电能质量稳态指标预警方法 |
-
2013
- 2013-12-06 CN CN201310656915.3A patent/CN103617568B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738607A (zh) * | 2009-12-07 | 2010-06-16 | 西安电子科技大学 | 基于聚类的高阶累量交叉熵的sar图像变化检测方法 |
CN102170124A (zh) * | 2011-03-21 | 2011-08-31 | 江苏省电力试验研究院有限公司 | 一种电能质量稳态指标预警方法 |
CN102147922A (zh) * | 2011-05-05 | 2011-08-10 | 河南工业大学 | 灰度图像二维Otsu折线阈值分割法 |
CN102722577A (zh) * | 2012-06-05 | 2012-10-10 | 中兴通讯股份有限公司 | 指标动态权重的确定方法及装置 |
CN103108209A (zh) * | 2012-12-28 | 2013-05-15 | 宁波大学 | 基于视觉阈值与通道融合的立体图像客观质量评价方法 |
CN103414189A (zh) * | 2013-08-30 | 2013-11-27 | 华北电力大学 | 基于多种预测算法的电能质量稳态指标预警方法 |
Non-Patent Citations (4)
Title |
---|
李娜娜等: "组合赋权法在电能质量综合评估中的应用", 《电力系统保护与控制》 * |
李连结等: ""组合赋权法在电能质量模糊综合评价中的应用"", 《电力系统自动化》 * |
王磊: "多维otsu方法在图像分割中的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
蒋德珑等: ""基于聚类思想的电能质量综合评估"", 《电力系统保护与控制》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825315A (zh) * | 2015-01-09 | 2016-08-03 | 国家电网公司 | 一种电能质量预警方法 |
CN105044518A (zh) * | 2015-08-06 | 2015-11-11 | 江苏省电力公司苏州供电公司 | 应用于电压监测中的自动适应门限确定方法 |
CN105445577A (zh) * | 2015-11-12 | 2016-03-30 | 国网智能电网研究院 | 一种电能质量干扰源工况辨识方法 |
CN105445577B (zh) * | 2015-11-12 | 2019-03-22 | 全球能源互联网研究院 | 一种电能质量干扰源工况辨识方法 |
CN105630885A (zh) * | 2015-12-18 | 2016-06-01 | 国网福建省电力有限公司泉州供电公司 | 一种用电异常检测方法及系统 |
CN105630885B (zh) * | 2015-12-18 | 2019-05-28 | 国网福建省电力有限公司泉州供电公司 | 一种用电异常检测方法及系统 |
CN108241863A (zh) * | 2016-12-23 | 2018-07-03 | 全球能源互联网研究院 | 一种高铁电能质量分析数据择取的联合聚类方法和装置 |
CN107611940B (zh) * | 2017-08-21 | 2019-08-13 | 国网山东省电力公司济南供电公司 | 一种基于历史数据分析的配电网异常监测方法与系统 |
CN107611940A (zh) * | 2017-08-21 | 2018-01-19 | 国网山东省电力公司济南供电公司 | 一种基于历史数据分析的配电网异常监测方法与系统 |
CN108053095A (zh) * | 2017-11-22 | 2018-05-18 | 全球能源互联网研究院有限公司 | 一种电能质量扰动事件特征提取方法及系统 |
CN108053095B (zh) * | 2017-11-22 | 2024-03-19 | 全球能源互联网研究院有限公司 | 一种电能质量扰动事件特征提取方法及系统 |
CN108508294A (zh) * | 2018-03-29 | 2018-09-07 | 深圳众厉电力科技有限公司 | 一种高铁电能质量监测系统 |
CN108595120A (zh) * | 2018-04-11 | 2018-09-28 | 广东电网有限责任公司 | 一种scada准实时数据存储方法及系统 |
CN108932301A (zh) * | 2018-06-11 | 2018-12-04 | 天津科技大学 | 数据填充方法及装置 |
CN108830324A (zh) * | 2018-06-20 | 2018-11-16 | 国网上海市电力公司 | 一种基于数据挖掘技术的公共建筑用电异常判别方法 |
CN109460401A (zh) * | 2018-09-30 | 2019-03-12 | 中铁隧道局集团有限公司 | 一种智能化的盾构tbm数据采集与补全方法 |
CN109460401B (zh) * | 2018-09-30 | 2021-09-24 | 中铁隧道局集团有限公司 | 一种智能化的盾构tbm数据采集与补全方法 |
CN109727446A (zh) * | 2019-01-15 | 2019-05-07 | 华北电力大学(保定) | 一种用电数据异常值的识别与处理方法 |
CN110245168A (zh) * | 2019-06-20 | 2019-09-17 | 国网江苏省电力有限公司南京供电分公司 | 一种提取电网历史告警中异常事件特征信号的方法及系统 |
CN112418618A (zh) * | 2020-11-09 | 2021-02-26 | 国网安徽省电力有限公司电力科学研究院 | 配网台区电能质量评价的权值调整与动态组合方法 |
CN112418618B (zh) * | 2020-11-09 | 2021-10-26 | 国网安徽省电力有限公司电力科学研究院 | 配网台区电能质量评价的权值调整与动态组合方法 |
CN112925778A (zh) * | 2021-02-25 | 2021-06-08 | 山东大学 | 一种电热冷综合能源系统数据处理方法及系统 |
CN112800115A (zh) * | 2021-04-07 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 数据处理方法及数据处理装置 |
CN113420061A (zh) * | 2021-06-10 | 2021-09-21 | 北京宜能高科科技有限公司 | 炼油和化工生产装置的稳态工况分析方法、优化调试方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103617568B (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103617568A (zh) | 稳态电能质量预警机制中的异常数据判定阈值设定方法 | |
CN113267692B (zh) | 一种低压台区线损智能诊断分析方法和系统 | |
CN108414848B (zh) | 一种含分布式电源配电网的电能质量多时段综合预警方法 | |
CN104819107B (zh) | 一种风电机组功率曲线异常漂移的诊断方法及系统 | |
CN103235981A (zh) | 一种风电电能质量趋势预测方法 | |
CN103678766A (zh) | 一种基于pso算法的异常用电客户检测方法 | |
CN113011481B (zh) | 一种基于决策树算法的电能表功能异常评估方法及系统 | |
CN112688428B (zh) | 一种基于物联网技术的10千伏电网同期线损治理方法 | |
CN103886518A (zh) | 一种基于监测点电能质量数据挖掘的电压暂降预警方法 | |
CN113988273A (zh) | 基于深度学习的冰灾环境主动配电网态势预警及评估方法 | |
CN103729804A (zh) | 一种应对电能质量预警的在线决策支持方法 | |
CN114580666A (zh) | 一种多模式融合电动机智能维护系统 | |
CN114519514B (zh) | 一种低压台区合理线损值测算方法、系统及计算机设备 | |
CN113236508B (zh) | 一种用于风力发电机组风速-功率异常数据检测的方法 | |
CN103593461A (zh) | 一种基于典型预警事件波形库的扰动源识别方法 | |
CN104537271A (zh) | 一种基于质量标签的配电网不良数据辨识方法 | |
CN108062616A (zh) | 一种具有约束条件的用电异常检测模型 | |
CN112598234A (zh) | 一种低压台区线损异常分析方法、装置和设备 | |
CN111310854A (zh) | 基于用电负荷指纹的低误报率窃电检测二次筛选方法 | |
Wang et al. | A general harmonic probability model based on load operating states identification | |
CN118174444A (zh) | 分布式光伏并网运行电能质量状态的监测评估方法及系统 | |
CN108092272A (zh) | 一种基于渐消卡尔曼滤波的电压稳定在线监测方法 | |
Grigoraş et al. | Use of data from smart meters in optimal operation of distribution systems | |
Lin et al. | Voltage sag severity analysis based on improved FP-Growth algorithm and AHP algorithm | |
Domínguez et al. | Analysis of electric power consumption using Self-Organizing Maps. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |