CN103714401A - 一种电网配变故障次数预测的方法 - Google Patents

一种电网配变故障次数预测的方法 Download PDF

Info

Publication number
CN103714401A
CN103714401A CN201410025528.4A CN201410025528A CN103714401A CN 103714401 A CN103714401 A CN 103714401A CN 201410025528 A CN201410025528 A CN 201410025528A CN 103714401 A CN103714401 A CN 103714401A
Authority
CN
China
Prior art keywords
sequence
predicted
data
distribution transforming
probability
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.)
Pending
Application number
CN201410025528.4A
Other languages
English (en)
Inventor
王凌
李学永
钟小强
黄婷
高琛
邹保平
陈益信
董雨
李春生
陈程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Original Assignee
University of Science and Technology of China USTC
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC, State Grid Corp of China SGCC, State Grid Information and Telecommunication Co Ltd, Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd, State Grid Fujian Electric Power Co Ltd filed Critical University of Science and Technology of China USTC
Priority to CN201410025528.4A priority Critical patent/CN103714401A/zh
Publication of CN103714401A publication Critical patent/CN103714401A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种电网配变故障次数预测的方法，先利用滑动平均法判别出其中的异常数据，基于平均值填充法修复异常数据，再建立高阶马尔科夫模型，从电力用户用电信息采集系统中获取历史数据，根据滑动平均法判别并处理异常数据，再利用高阶马尔科夫模型来进行预测，将历史配变故障台数构成一个时间序列，并进行分级，根据序列的级别求出各步长转移概率，生成不同步长转移矩阵，分别以待预测点之前的历史故障次数为初始值，利用各步长概率矩阵，求出待预测点的预测值。本发明预测准确率高，为整个电力企业提供参考，制定相应的措施尽量减少停电、投入更大的精力解除设备缺陷、科学安排检修计划，同时向社会和广大客户做好宣传工作，减小不良影响。

Description

一种电网配变故障次数预测的方法
技术领域
本发明涉及一种电网配变故障次数预测的方法。
背景技术
随着电力市场改革的逐渐推进，社会对电力企业的服务水平要求越来越高，而广大电力客户对电能质量、供电可靠性的要求也有了相应的提高。 对于电力企业而言，配变的故障次数既是体现其供电可靠性的一个重要参数，也是供电企业的一项重要的考核指标。准确的配变预测故障数量可以使电力企业能及时掌握未来线路可能发生的故障次数，因此可以制定相应的措施尽量减少停电、投入更大的精力解除设备缺陷、 科学安排检修计划，同时向社会和广大客户做好宣传工作，将社会不良影响尽量减小；而用电企业也能根据电力企业提供的预测结果科学地安排生产计划，减少由于停电造成的损失， 因此对配变故障次数的准确预测也能带来一定的经济效益。
发明内容
本发明的目的在于提供一种根据现有技术的缺陷和误差而提供一种基于高阶马尔可夫模型的电网配变故障次数预测的方法。
为实现上述目的，本发明的技术方案是：一种电网配变故障次数预测的方法，先利用滑动平均法判别出其中的异常数据，基于平均值填充法修复异常数据，再建立高阶马尔科夫模型来预测数据；
所述高阶马尔科夫模型的具体建立步骤如下，
步骤S01：将历史配变故障台数构成一个时间序列；
步骤S02：对上述序列进行分级，即对于电网配变故障次数的序列，按照次数来分成若干个等级，这样序列中每一个结果只出现有限个两两相斥的                                                
Figure 2014100255284100002DEST_PATH_IMAGE001
状态；
步骤S03：根据序列数据的级别分别求出各步长的转移概率，生成不同步长的马尔可夫转移矩阵，根据公式
Figure 2014100255284100002DEST_PATH_IMAGE002
，可得
Figure 2014100255284100002DEST_PATH_IMAGE003
阶概率矩阵为：
Figure 2014100255284100002DEST_PATH_IMAGE004
，
其中，
Figure 2014100255284100002DEST_PATH_IMAGE005
，
Figure 2014100255284100002DEST_PATH_IMAGE006
表示配变故障次数的等级经过
Figure 2014100255284100002DEST_PATH_IMAGE007
次转移，由状态
Figure 2014100255284100002DEST_PATH_IMAGE008
转移到状态
Figure 2014100255284100002DEST_PATH_IMAGE009
的概率；
Figure 2014100255284100002DEST_PATH_IMAGE010
为配变发生故障次数的等级为的总次数；
Figure 2014100255284100002DEST_PATH_IMAGE012
为配变发生故障次数的等级由
Figure 155053DEST_PATH_IMAGE008
经过
Figure 946291DEST_PATH_IMAGE007
次转移后状态为
Figure 838155DEST_PATH_IMAGE009
的次数；
步骤S04：分别以待预测点之前的历史故障次数为初始值，计算待预测点的状态概率为，
Figure 983146DEST_PATH_IMAGE007
为步长，即转移矩阵的阶数，为故障序列级别，将不同级别的状态概率求和得到该故障序列级别的转移概率为
Figure 868537DEST_PATH_IMAGE015
，则
Figure DEST_PATH_IMAGE016
对应的为待预测值所处的状态，状态所对应的区间的均值即为待预测点的预测值。
在本发明中，所述方法还包括如下步骤，
步骤S21：从电力用户用电信息采集系统中获取历史数据；
步骤S22：提供数据预处理模块，该模块用于对初始数据进行预处理，根据滑动平均法判别出异常数据，同时用相邻两个数据的平均值来代替异常数据，并存入数据预测模块；
步骤S23：数据预测模块利用高阶马尔科夫模型来进行预测；
步骤S24：历史配变故障台数构成了一个时间序列，对序列进行分级，并根据序列的级别求出各步长的转移概率，生成不同步长的转移矩阵；
步骤S25：分别以待预测点之前的历史故障次数为初始值，利用各步长概率矩阵，求出待预测点的预测值。
相较于现有技术，本发明具有以下有益效果：本发明方法能够获得符合自然规律的技术数据处理效果：即预测准确率较高，为整个电力企业提供参考，制定相应的措施尽量减少停电、投入更大的精力解除设备缺陷、 科学安排检修计划，同时向社会和广大客户做好宣传工作，减小不良影响。
附图说明
图1为本发明建立预测模型的流程示意图。
图2为本发明数据预测方法的流程示意图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
如图1所示，本发明的一种电网配变故障次数预测的方法，先利用滑动平均法判别出其中的异常数据，基于平均值填充法修复异常数据，再建立高阶马尔科夫模型来预测数据；
所述高阶马尔科夫模型的具体建立步骤如下，
步骤S01：将历史配变故障台数构成一个时间序列；
步骤S02：对上述序列进行分级，即对于电网配变故障次数的序列，按照次数来分成若干个等级，这样序列中每一个结果只出现有限个两两相斥的
Figure 609857DEST_PATH_IMAGE001
状态；
步骤S03：根据序列数据的级别分别求出各步长的转移概率，生成不同步长的马尔可夫转移矩阵，根据公式
Figure 110108DEST_PATH_IMAGE002
，可得
Figure 340845DEST_PATH_IMAGE003
阶概率矩阵为：
Figure 875731DEST_PATH_IMAGE004
，
其中，，
Figure 789778DEST_PATH_IMAGE006
表示配变故障次数的等级经过
Figure 889452DEST_PATH_IMAGE007
次转移，由状态转移到状态
Figure 110666DEST_PATH_IMAGE009
的概率；
Figure 333312DEST_PATH_IMAGE010
为配变发生故障次数的等级为的总次数；
Figure 418260DEST_PATH_IMAGE012
为配变发生故障次数的等级由
Figure 670250DEST_PATH_IMAGE008
经过次转移后状态为
Figure 824599DEST_PATH_IMAGE009
的次数；
步骤S04：分别以待预测点之前的历史故障次数为初始值，计算待预测点的状态概率为
Figure 188584DEST_PATH_IMAGE013
，
Figure 359278DEST_PATH_IMAGE007
为步长，即转移矩阵的阶数，
Figure 808714DEST_PATH_IMAGE014
为故障序列级别，将不同级别的状态概率求和得到该故障序列级别的转移概率为
Figure 53881DEST_PATH_IMAGE015
，则
Figure 757526DEST_PATH_IMAGE016
对应的
Figure 616898DEST_PATH_IMAGE014
为待预测值所处的状态，状态
Figure 38783DEST_PATH_IMAGE014
所对应的区间的均值即为待预测点的预测值。
如图2所示，所述方法还包括如下步骤，
步骤S21：从电力用户用电信息采集系统中获取历史数据；
步骤S22：提供数据预处理模块，该模块用于对初始数据进行预处理，根据滑动平均法判别出异常数据，同时用相邻两个数据的平均值来代替异常数据，并存入数据预测模块；
步骤S23：数据预测模块利用高阶马尔科夫模型来进行预测；
步骤S24：历史配变故障台数构成了一个时间序列，对序列进行分级，并根据序列的级别求出各步长的转移概率，生成不同步长的转移矩阵；
步骤S25：分别以待预测点之前的历史故障次数为初始值，利用各步长概率矩阵，求出待预测点的预测值。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (2)

1.一种电网配变故障次数预测的方法，其特征在于：先利用滑动平均法判别出其中的异常数据，基于平均值填充法修复异常数据，再建立高阶马尔科夫模型来预测数据；
所述高阶马尔科夫模型的具体建立步骤如下，
步骤S01：将历史配变故障台数构成一个时间序列；
步骤S02：对上述序列进行分级，即对于电网配变故障次数的序列，按照次数来分成若干个等级，这样序列中每一个结果只出现有限个两两相斥的                                                
Figure 284512DEST_PATH_IMAGE002
状态；
步骤S03：根据序列数据的级别分别求出各步长的转移概率，生成不同步长的马尔可夫转移矩阵，根据公式
Figure 263969DEST_PATH_IMAGE004
，可得
Figure 853826DEST_PATH_IMAGE006
阶概率矩阵为：
Figure 311352DEST_PATH_IMAGE008
，
其中，
Figure 938774DEST_PATH_IMAGE010
，
Figure 636602DEST_PATH_IMAGE012
表示配变故障次数的等级经过
Figure 2014100255284100001DEST_PATH_IMAGE013
次转移，由状态
Figure 2014100255284100001DEST_PATH_IMAGE015
转移到状态
Figure 2014100255284100001DEST_PATH_IMAGE017
的概率；
Figure 2014100255284100001DEST_PATH_IMAGE019
为配变发生故障次数的等级为
Figure 526805DEST_PATH_IMAGE020
的总次数；
Figure 788022DEST_PATH_IMAGE022
为配变发生故障次数的等级由
Figure 269950DEST_PATH_IMAGE015
经过
Figure 325630DEST_PATH_IMAGE013
次转移后状态为
Figure 893009DEST_PATH_IMAGE017
的次数；
步骤S04：分别以待预测点之前的历史故障次数为初始值，计算待预测点的状态概率为，
Figure 88160DEST_PATH_IMAGE013
为步长，即转移矩阵的阶数，
Figure 331053DEST_PATH_IMAGE026
为故障序列级别，将不同级别的状态概率求和得到该故障序列级别的转移概率为
Figure 634996DEST_PATH_IMAGE028
，则
Figure DEST_PATH_IMAGE030
对应的
Figure 785485DEST_PATH_IMAGE026
为待预测值所处的状态，状态
Figure 242006DEST_PATH_IMAGE026
所对应的区间的均值即为待预测点的预测值。
2.根据权利要求1所述的一种电网配变故障次数预测的方法，其特征在于：所述方法还包括如下步骤，
步骤S21：从电力用户用电信息采集系统中获取历史数据；
步骤S22：提供数据预处理模块，该模块用于对初始数据进行预处理，根据滑动平均法判别出异常数据，同时用相邻两个数据的平均值来代替异常数据，并存入数据预测模块；
步骤S23：数据预测模块利用高阶马尔科夫模型来进行预测；
步骤S24：历史配变故障台数构成了一个时间序列，对序列进行分级，并根据序列的级别求出各步长的转移概率，生成不同步长的转移矩阵；
步骤S25：分别以待预测点之前的历史故障次数为初始值，利用各步长概率矩阵，求出待预测点的预测值。
CN201410025528.4A 2014-01-21 2014-01-21 一种电网配变故障次数预测的方法 Pending CN103714401A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410025528.4A CN103714401A (zh) 2014-01-21 2014-01-21 一种电网配变故障次数预测的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410025528.4A CN103714401A (zh) 2014-01-21 2014-01-21 一种电网配变故障次数预测的方法

Publications (1)

Publication Number Publication Date
CN103714401A true CN103714401A (zh) 2014-04-09

Family

ID=50407355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410025528.4A Pending CN103714401A (zh) 2014-01-21 2014-01-21 一种电网配变故障次数预测的方法

Country Status (1)

Country Link
CN (1) CN103714401A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573866A (zh) * 2015-01-08 2015-04-29 深圳供电局有限公司 一种预测电力设备缺陷的方法和系统
CN104715297A (zh) * 2015-04-10 2015-06-17 北京安澜尔雅科技有限公司 一种风致屋面覆盖物损失预测方法
CN105203952A (zh) * 2015-09-11 2015-12-30 中国矿业大学 二级马尔科夫模型开关磁阻电机系统可靠性定量评估方法
CN105203951A (zh) * 2015-09-11 2015-12-30 中国矿业大学 一级马尔科夫模型开关磁阻电机系统可靠性定量评估方法
CN105675038A (zh) * 2016-01-05 2016-06-15 中国计量学院 一种仪表的故障预测装置
CN107977727A (zh) * 2017-06-28 2018-05-01 中国人民解放军国防信息学院 一种基于社会发展和气候因素预测光缆网阻断概率的方法
CN108808672A (zh) * 2018-07-10 2018-11-13 国网安徽省电力有限公司 一种基于保信系统的保护装置可靠性在线预测方法及系统
CN109146093A (zh) * 2018-08-08 2019-01-04 成都保源酷码科技有限公司 一种基于学习的电力设备现场勘查方法
CN109635854A (zh) * 2018-11-26 2019-04-16 国网冀北电力有限公司 基于马尔科夫链的充电桩故障预测方法及装置
CN110069810A (zh) * 2019-03-11 2019-07-30 北京百度网讯科技有限公司 电池故障预测方法、装置、设备和可读存储介质
CN110133539A (zh) * 2019-06-03 2019-08-16 北京中科奥创科技有限公司 Ups的健康度预测方法、系统和计算机可读存储介质
CN110161418A (zh) * 2019-06-03 2019-08-23 北京中科奥创科技有限公司 蓄电池的健康度预测方法、系统和计算机可读存储介质
CN110175270A (zh) * 2019-06-03 2019-08-27 北京中科奥创科技有限公司 一种大数据处理方法、系统和计算机可读存储介质
CN111813587A (zh) * 2020-05-28 2020-10-23 国网山东省电力公司 一种软件接口评估及故障预警方法及系统
CN113127804A (zh) * 2021-03-10 2021-07-16 广州亚美信息科技有限公司 确定车辆故障次数的方法、装置、计算机设备和存储介质
CN113487252A (zh) * 2021-09-07 2021-10-08 江苏昌存铜业有限公司 基于大数据分析的企业安全预警及防控方法与系统
WO2024011745A1 (zh) * 2022-07-11 2024-01-18 江苏辰午节能科技股份有限公司 一种基于油田网电设备的故障预警方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324992A (zh) * 2013-07-11 2013-09-25 国家电网公司 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法
CN103323707A (zh) * 2013-06-05 2013-09-25 清华大学 基于半马尔科夫过程的变压器故障率预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103323707A (zh) * 2013-06-05 2013-09-25 清华大学 基于半马尔科夫过程的变压器故障率预测方法
CN103324992A (zh) * 2013-07-11 2013-09-25 国家电网公司 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
喻琢舟 等: "基于加权马尔可夫模型的配网月故障预测", 《电力系统及其自动化学报》, vol. 20, no. 5, 15 October 2008 (2008-10-15), pages 3 - 4 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573866B (zh) * 2015-01-08 2017-12-08 深圳供电局有限公司 一种预测电力设备缺陷的方法和系统
CN104573866A (zh) * 2015-01-08 2015-04-29 深圳供电局有限公司 一种预测电力设备缺陷的方法和系统
CN104715297A (zh) * 2015-04-10 2015-06-17 北京安澜尔雅科技有限公司 一种风致屋面覆盖物损失预测方法
WO2017041392A1 (zh) * 2015-09-11 2017-03-16 中国矿业大学 二级马尔科夫模型开关磁阻电机系统可靠性定量评估方法
WO2017041391A1 (zh) * 2015-09-11 2017-03-16 中国矿业大学 一级马尔科夫模型开关磁阻电机系统可靠性定量评估方法
CN105203951A (zh) * 2015-09-11 2015-12-30 中国矿业大学 一级马尔科夫模型开关磁阻电机系统可靠性定量评估方法
CN105203952A (zh) * 2015-09-11 2015-12-30 中国矿业大学 二级马尔科夫模型开关磁阻电机系统可靠性定量评估方法
CN105675038A (zh) * 2016-01-05 2016-06-15 中国计量学院 一种仪表的故障预测装置
CN105675038B (zh) * 2016-01-05 2019-12-13 中国计量学院 一种仪表的故障预测装置
CN107977727A (zh) * 2017-06-28 2018-05-01 中国人民解放军国防信息学院 一种基于社会发展和气候因素预测光缆网阻断概率的方法
CN107977727B (zh) * 2017-06-28 2021-06-04 中国人民解放军国防信息学院 一种基于社会发展和气候因素预测光缆网阻断概率的方法
CN108808672A (zh) * 2018-07-10 2018-11-13 国网安徽省电力有限公司 一种基于保信系统的保护装置可靠性在线预测方法及系统
CN109146093A (zh) * 2018-08-08 2019-01-04 成都保源酷码科技有限公司 一种基于学习的电力设备现场勘查方法
CN109635854A (zh) * 2018-11-26 2019-04-16 国网冀北电力有限公司 基于马尔科夫链的充电桩故障预测方法及装置
CN109635854B (zh) * 2018-11-26 2023-11-24 国网冀北电力有限公司 基于马尔科夫链的充电桩故障预测方法及装置
CN110069810A (zh) * 2019-03-11 2019-07-30 北京百度网讯科技有限公司 电池故障预测方法、装置、设备和可读存储介质
CN110175270A (zh) * 2019-06-03 2019-08-27 北京中科奥创科技有限公司 一种大数据处理方法、系统和计算机可读存储介质
CN110133539B (zh) * 2019-06-03 2020-10-20 北京中科奥创科技有限公司 Ups的健康度预测方法、系统和计算机可读存储介质
CN110161418A (zh) * 2019-06-03 2019-08-23 北京中科奥创科技有限公司 蓄电池的健康度预测方法、系统和计算机可读存储介质
CN110133539A (zh) * 2019-06-03 2019-08-16 北京中科奥创科技有限公司 Ups的健康度预测方法、系统和计算机可读存储介质
CN111813587A (zh) * 2020-05-28 2020-10-23 国网山东省电力公司 一种软件接口评估及故障预警方法及系统
CN111813587B (zh) * 2020-05-28 2024-04-26 国网山东省电力公司 一种软件接口评估及故障预警方法及系统
CN113127804A (zh) * 2021-03-10 2021-07-16 广州亚美信息科技有限公司 确定车辆故障次数的方法、装置、计算机设备和存储介质
CN113487252A (zh) * 2021-09-07 2021-10-08 江苏昌存铜业有限公司 基于大数据分析的企业安全预警及防控方法与系统
WO2024011745A1 (zh) * 2022-07-11 2024-01-18 江苏辰午节能科技股份有限公司 一种基于油田网电设备的故障预警方法

Similar Documents

Publication Publication Date Title
CN103714401A (zh) 一种电网配变故障次数预测的方法
CN102663412A (zh) 基于最小二乘支持向量机的电力设备载流故障趋势预测方法
CN108320043A (zh) 一种基于电力大数据的配电网设备状态诊断预测方法
US20120230821A1 (en) Wind power prediction method of single wind turbine generator
US20100076613A1 (en) System, Method, And Module Capable Of Curtailing Energy Production Within Congestive Grid Operating Environments
CN107766971B (zh) 一种基于检修风险的电力设备运维计划优排方法
CN109146124B (zh) 一种基于时变失效率的配电终端改造决策方法
CN106709651B (zh) 一种基于风险理论的电力系统安全性评估系统
CN103632207B (zh) 一种电源电网综合优化方法
CN108122057B (zh) 一种智能园区能源利用方案综合评价方法及装置
CN104091008A (zh) 基于改进区间层次分析法的用户用电设备安全评估方法
CN102521080A (zh) 电力用户用电信息采集系统的计算机数据修复方法
CN103679280A (zh) 一种性能缓变退化的设备最优维护方法
CN103065201A (zh) 基于温度及节假日因素的电力用电负荷预测方法
CN109190786A (zh) 一种光伏发电效率的组合预测方法
CN117370857A (zh) 一种水轮机调速器管理方法、装置、设备及存储介质
CN109490622B (zh) 一种基于三态信息的电量数据校验技术
Latorre et al. A stochastic-robust approach to hierarchical generation-transmission expansion planning
CN103729682A (zh) 一种三相不平衡判别方法
Gui et al. Intra-day unit commitment for wind farm using model predictive control method
CN103325017B (zh) 一种电力通信系统的技术改造方法和系统
CN105447630A (zh) 一种基于重大紧急缺陷率的主变压器置换策略制定方法
CN103886517B (zh) 一种10kV配电网重要用户的风险评估方法
Marinho et al. Network reduction based on multiple scenarios
Avila et al. Capacity-based service restoration using Multi-Agent technology and ensemble learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20140409

RJ01 Rejection of invention patent application after publication