CN103872782B - 一种电能质量数据综合服务系统 - Google Patents
一种电能质量数据综合服务系统 Download PDFInfo
- Publication number
- CN103872782B CN103872782B CN201410125784.0A CN201410125784A CN103872782B CN 103872782 B CN103872782 B CN 103872782B CN 201410125784 A CN201410125784 A CN 201410125784A CN 103872782 B CN103872782 B CN 103872782B
- Authority
- CN
- China
- Prior art keywords
- data
- quality
- module
- power
- power supply
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 238000007418 data mining Methods 0.000 claims abstract description 31
- 238000013500 data storage Methods 0.000 claims abstract description 24
- 230000010354 integration Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 32
- 230000005611 electricity Effects 0.000 claims description 31
- 238000010219 correlation analysis Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000007619 statistical method Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000003745 diagnosis Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 6
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 238000013277 forecasting method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000000819 phase cycle Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000035939 shock Effects 0.000 claims description 3
- 230000002547 anomalous effect Effects 0.000 claims description 2
- 238000012384 transportation and delivery Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000013439 planning Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013501 data transformation Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 238000005201 scrubbing Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 241001062472 Stokellia anisodon Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种电能质量数据综合服务系统，该系统包括顺次连接的数据集成子系统、数据存储子系统、数据挖掘子系统、决策支持子系统和应用集成子系统；所述数据挖掘子系统和所述决策支持子系统生成的分析数据保存至所述数据存储子系统；所述数据集成子系统设有数据接口。本发明提供的系统克服了一般监测系统由于数据不兼容、接口不一致等问题不能实现大区域电网电能质量分析的弊端；充分利用电能质量数据及各类电网和负荷相关数据，并为各级电网企业和用户提供定制化的服务。同时，系统向上提供多种输出接口，为用户提供了多样化的选择方式，能够全面的为电网规划、运行、检修和营销以及广大电力用户服务。
Description
技术领域
本发明涉及一种电能质量数据处理系统，具体讲涉及一种电能质量数据综合服务系统。
背景技术
随着经济社会不断发展和科学技术全面进步，社会文明程度日益提高，用户的多元化需求对现有电网提出了新的挑战。满足客户对供电服务多样化、个性化、互动化需求，实现电网透明开放、友好互动已成为智能电网发展的一个重要目标，电能质量信息将成为电网与用户之间互动的主要内容。全面提高电能质量分析能力，改善电能质量，减小电能质量问题所造成的经济损失，成为现代社会广为关注的焦点。
现代电网检测和通信技术的发展，使电能质量监测系统成为了获取电能质量信息的重要途径。我国多个省（市）都建立了电能质量监测系统，获取了大量电能质量数据信息，为掌握电网电能质量现状和水平奠定了基础。但是，目前所建立的各个电能质量监测系统均相互独立，系统与监测终端之间的接口、系统之间的互联接口所采用的标准均不统一，导致监测系统间的数据不能集成，无法掌握全网的电能质量水平。同时，电能质量数据涵盖了丰富的信息，除基本的电量外，还包含谐波、间谐波、暂态、瞬态、冲击等多种扰动数据，如果对这些数据充分挖掘，从中提取有用的信息，电能质量数据实质上还能在更广的应用领域内为电网提供决策支持。例如，利用电力扰动波形进行故障诊断、设备运行状态监测以及电力系统保护；利用电力扰动事件进行负荷监测和数据同步等。因此，亟需提供一种将电能质量监测系统与生产管理服务系统互联的技术方案，使电能质量监测分析数据能更好的为电网规划、运行、检修和营销提供全面的决策支持。
发明内容
为了克服上述现有技术的不足，本发明提供一种电能质量数据综合服务系统。该系统向下能够集成电能质量监测终端、电能质量监测系统、生产管理系统等的多种类型数据，向上能够支持独立客户端、Web访问、与其他生产管理系统互联等多种接口，全面实现了电能质量数据集成和应用集成。同时，该系统基于数据挖掘技术实现多种决策支持功能，各功能模块之间相互独立并且可以灵活组合，能够为各级电网企业和用户提供定制化的服务。
为了实现上述发明目的，本发明采取如下技术方案：
一种电能质量数据综合服务系统，其特征在于：所述系统包括顺次连接的数据集成子系统、数据存储子系统、数据挖掘子系统、决策支持子系统和应用集成子系统；所述数据挖掘子系统和所述决策支持子系统生成的分析数据保存至所述数据存储子系统；所述数据集成子系统设有数据接口。
优选地，所述数据集成子系统通过所述数据接口接收需求数据，并将该需求数据发送至所述数据存储子系统；所述需求数据包括：电能质量监测数据、电网数据、用户数据和负荷用电特性数据；所述电能质量监测数据是由电能质量监测终端和电能质量监测系统发送的；所述电网数据和用户数据是由EMS系统发送的和电网运行方式计算的数据；所述负荷用电特性数据是负荷用电特性试验及分析的数据；所述数据接口包括：61850接口、61970接口、PQDIF接口、COMTRADE接口和电网运行数据接口。
优选地，所述数据存储子系统包括：实时数据预处理模块、历史数据预处理模块、实时数据库和历史数据库；所述实时数据预处理模块处理来自不同数据源的实时数据，并将其存入所述实时数据库；所述历史数据预处理模块处理来自不同数据源的历史数据，并存入所述历史数据库；所述历史数据库存放的数据包括：归档后的所述实时数据和所述分析数据。
优选地，所述实时数据主要包括：监测点信息、电能质量监测数据、EMS系统中的电网和用户实时数据；所述历史数据包括：监测点信息、电能质量监测数据、EMS系统的电网历史数据、用户历史数据、电网运行方式计算数据、负荷特性试验数据；所述电能质量监测数据包括：电能质量指标数据、电能质量事件波形数据；所述电网运行方式计算数据包括：PSASP数据包、BPA数据包。
优选地，所述数据挖掘子系统提取所述数据存储子系统中保存的数据、对其预处理并进行数据挖掘分析；所述数据挖掘子系统包括：预处理模块、电能质量指标统计分析模块、电能质量扰动分类模块、潮流计算模块、电能质量状态评估模块、电能质量趋势预测模块、电网谐振分析模块、关联性分析模块、异常检测模块和负荷建模模块。
优选地，所述预处理模块接收所述数据存储子系统的数据，将其进行数据的清理、规约和变换处理，并递交数据挖掘子系统的其他模块处理；
所述电能质量指标统计分析模块对不同数据粒度的电能质量进行不同时间间隔的统计，并对事件型电能质量进行统计；
所述电能质量扰动分类模块对电能质量事件的波形进行分析并对其如下分类：冲击脉冲、振荡、中断、暂降、暂升、过电压、欠电压、停电、电压不平衡、直流偏磁、谐波、间谐波、陷波、噪声、电压波动和频率变化；
所述潮流计算模块计算电网的基波潮流、谐波潮流以及负序潮流；
所述电能质量状态评估模块通过电网潮流计算、短路计算、谐波潮流计算、暂降分布计算来评估未监测点的电能质量状态；
所述电能质量趋势预测模块依据历史电能质量监测数据，分析电能质量指标的时间序列发展趋势，用趋势预测方法预测电能质量指标变化；所述趋势预测方法包括：趋势平均法、指数平滑法、直线趋势法和非直线趋势法；
所述电网谐振分析模块计算电网阻频特性，得到电网各节点的谐振频率；
所述关联性分析模块对电能质量扰动与负荷/设备运行状态以及与设备故障状态之间进行关联性分析，以判断负荷/设备的运行状态以及设备故障状态；
所述异常检测模块检测的异常变化包括：设备运行工况变化、负荷运行状态变化、电能质量水平变化；
所述负荷建模模块利用电能质量监测数据、负荷用电特性试验数据建立反映负荷用电特性及电能质量发射特性的模型。
优选地，所述决策支持子系统包括：电能质量基准水平评估模块、实时数据展示及应用模块、电能质量报表模块、电能质量经济性分析模块、电能质量预警模块、电压暂降源定位与识别模块、设备状态估计及故障诊断模块、电能质量治理建议模块、负荷用电特性知识库模块、用户电能质量评估模块、能效分析模块和电能质量干扰源识别模块。
优选地，所述电能质量基准水平评估模块依据电能质量指标统计数据，通过区域电网电能质量评估考察电网电能质量基准水平；
所述实时数据展示及应用模块依据电能质量及电网和负荷的实时监测数据，实时展示电网电能质量指标及电量的变化情况；
所述电能质量报表模块依据电能质量指标统计数据，展示、导出电能质量指标统计及评估结果；
所述电能质量经济性分析模块评估电能质量问题造成的经济损失；
所述电能质量预警模块基于对电网电能质量指标变化情况的预测，对电能质量引起的电网及用电负荷非正常运行情况进行预警；
所述电压暂降源定位与识别模块定位电压暂降源的位置并识别引起暂降的原因；
所述设备状态估计及故障诊断模块估计电网设备的运行状态，并依据电能质量扰动数据识别与判断设备故障原因；
电能质量治理建议模块根据电能质量评估结果给出电能质量治理方案的建议；
负荷用电特性知识库模块依据负荷用电特性试验数据生成负荷用电特性知识库；
所述能效分析模块对工业用户、智能楼宇、高层建筑进行能效分析；
所述电能质量干扰源识别模块识别引起电能质量问题的干扰源；所述干扰源主要包括：风电、光伏、电气化铁路、冶炼厂。
优选地，所述应用集成子系统定制化组合各决策支持功能模块，并提供该电能质量数据综合服务系统的访问接口。
与现有技术相比，本发明的有益效果在于：
本发明所提出的电能质量数据综合服务系统，能够集成各类电能质量监测终端、电能质量分析仪、电能质量监测系统、EMS系统以及其他相关负荷试验数据，克服了一般监测系统由于数据不兼容、接口不一致等问题不能实现大区域电网电能质量分析的弊端。系统能够充分利用电能质量数据及各类电网和负荷相关数据，基于各种数据挖掘技术实现多种决策支持功能，能够为各级电网企业和用户提供定制化的服务。同时，系统向上能够提供多种输出接口，为用户提供了多样化的选择方式，能够全面的为电网规划、运行、检修和营销以及广大电力用户服务。
附图说明
图1是本发明电能质量数据综合服务系统主结构图；
图2是本发明数据集成子系统结构图；
图3是本发明数据存储子系统结构图；
图4是本发明数据存储子系统与数据挖掘子系统之间的关系图；
图5是本发明数据挖掘子系统与决策支持子系统之间的关系图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明提供了一种电能质量数据综合服务系统，该系统的主结构如图1所示，包括5个子系统，分别为：数据集成子系统、数据存储子系统、数据挖掘子系统、决策支持子系统和应用集成子系统。各子系统的设计及主要功能如下：
1.数据集成子系统
数据集成子系统的结构如图2所示。数据集成子系统的主要功能是屏蔽数据源物理和逻辑上的差异性，从语法和语义两个方面解决数据的异构问题，实现应用层的透明访问。电能质量数据综合服务系统的数据源类型主要包括：电能质量数据、电网和用户数据以及负荷用电特性数据等。电能质量数据主要来源于电能质量监测终端、电能质量监测系统等；电网和负荷数据来源于EMS系统和电网运行方式计算数据等；负荷用电特性数据来源于负荷用电特性试验及分析等。
电能质量数据可以取自电能质量在线监测终端、离线手持式电能质量分析仪、电能质量监测系统以及其他监测终端（电压监测仪、能效监测终端等）。电网和用户数据可以取自EMS系统（能量管理系统）的在线监测数据以及电网调度运行方式计算提供的离线计算数据。负荷用电特性试验数据取自各类针对用电负荷特性开展的试验数据，包括负荷运行工况、电能发射及耐受水平、电流、功率等。
各类数据源分别通过相应的数据接口实现与系统的集成，主要数据接口包括：61850接口、61970接口、PQDIF接口、COMTRADE接口、电网运行数据接口等。61850接口主要用于集成电能质量在线监测终端、电压监测仪等满足IEC61850通信协议及数据规约的在线监测装置的实时数据；61970接口主要用于集成电能质量监测系统、EMS系统等满足IEC61970通信协议及数据规约的数据；PQDIF接口主要用于集成电能质量在线监测终端和离线手持式电能质量分析仪的满足PQDIF格式的电能质量历史数据；COMTRADE接口主要用于集成各类录波数据，包括各类监测终端的录波数据、负荷特性试验的录波数据等；电网运行数据接口用于集成电网调度运行方式计算的数据包（例如PSASP数据包、BPA数据包等）。
2.数据存储子系统
数据存储子系统包括实时数据预处理、历史数据预处理、实时数据存储和历史数据存储四部分，其结构如图3所示。实时和历史数据预处理将合并来自多个数据源的数据，将同类数据存放在一致的数据存储中，减少数据集的冗余和不一致。实时数据和历史数据经预处理后，分别存入相应的数据库。其中，实时数据经归档后，也存入历史数据库。同时，历史数据库还用于存储数据处理及挖掘子系统、决策支持子系统中的各类分析数据。
数据存储类型主要包括：监测点信息、电能质量指标数据、电能质量事件波形数据、电网拓扑结构及元件参数、电网开关状态、用户信息参数、负荷用电特性数据、数据挖掘分析数据、决策支持分析数据等。
数据预处理包括数据冗余和不一致问题的处理，可通过相关性分析来处理冗余数据；通过数据组重复检测来处理不一致问题。
实时数据主要包括：监测点信息、电能质量监测数据（电能质量指标数据、电能质量事件波形数据等）、EMS系统中的电网和用户实时数据（电网开关状态、用户信息参数等）。
历史数据主要包括：监测点信息、电能质量监测数据（电能质量指标数据、电能质量事件波形数据）、EMS系统中的电网和用户历史数据（电网开关状态、用户信息参数等）、电网运行方式计算数据（PSASP数据包、BPA数据包等）、负荷特性试验数据等。同时，历史数据库还用于存储数据处理数据挖掘子系统、决策支持子系统中的各类分析数据。
为了满足电能质量数据量大、存储处理能力要求高的需求，可采用基于云技术的海量数据存储和处理技术。对于数据存储和处理要求不高的数据，可采用关系型数据库；对于数据存储和处理要求较高的数据，可采用键值对型存储数据库。
3.数据挖掘子系统
受到噪声、缺失值和不一致性等问题的影响，数据库中的数据往往质量不高，严重影响数据挖掘的质量和效率。因此在数据挖掘子系统中，有必要首先对各类数据进行必要的清理、规约和变换处理，保证数据具有准确性、完整性和一致性，然后再有针对性的开展数据挖掘分析。
数据清理、规约和变换处理的主要功能如下：
1）数据清理用于补充数据中的缺失值、光滑数据中的噪声并识别离群点、纠正数据中的不一致。数据清理主要包括缺失值处理和噪声数据平滑。缺失值可采用忽略、人工补充、全局常量替代、中心度量替代、同类样本中心度量替代等方法来处理；噪声数据平滑可采取分箱法（通过考察数据的“近邻值”来光滑有序数据值）、回归法（函数拟合）、离群点分析（聚类方法）来处理。
2）数据规约通过降低数据维度、减少数据量及数据压缩方法，在保证原始数据完整性的基础上尽可能减小数据量。数据规约包括维规约、数量规约。维规约可通过小波变换、主成分分析法等来处理；数量规约可通过参数方法（回归和对数-线性模型法）和非参数法（直方图、聚类、抽样等方法）来处理。
3）数据变换用于将数据变换或统一成适合于挖掘的形式，使数据挖掘过程更有效、挖掘模式更易理解。数据变换策略包括光滑（去掉数据中的噪声）、属性构造（由给定的属性构造新的属性以便用于数据挖掘）、聚集（对数据进行汇总或聚集）、规范化（将属性数据按比例缩放，使其落入较小的特定区间）、离散化（将连续的数据用区间标签或概念标签替换）等。
数据挖掘分析是决策支持子系统的基础，用于建立各类数据与决策支持功能中各分析对象之间的联系，主要包括：电能质量指标统计分析、电能质量扰动分类、潮流计算、电能质量状态估计、电能质量趋势预测、电网谐振分析、关联性分析、异常检测、负荷建模等模块。数据挖掘子系统与数据存储子系统之间的连接关系如图4所示；各数据挖掘分析功能模块解释如下：
1）电能质量指标统计分析：对不同数据粒度（200ms/3s/10s/1min值等）各项电能质量指标（包括：电压偏差、频率偏差、电压波动和闪变、三相不平衡、谐波、间谐波）进行不同时间间隔（日/周/月/季/年等）的统计以及对事件型电能质量（包括：电压暂降、电压暂升）的统计等。该模块需要监测点信息、电能质量指标数据、电能质量事件波形数据等。
2）电能质量扰动分类：对电能质量事件的波形进行分析并分类，类型包括：冲击脉冲、振荡（高频振荡、中频振荡、低频振荡、超低频振荡）、中断、暂降、暂升、过电压、欠电压、停电、电压不平衡、直流偏磁、谐波、间谐波、陷波、噪声、电压波动、频率变化等。该模块需要监测点信息、电能质量事件波形数据等。
3）潮流计算：包括电网基波潮流、谐波潮流以及负序潮流计算。该模块需要监测点信息、电能质量指标数据、电网拓扑结构及元件参数、电网开关状态、用户信息参数等。
4）电能质量状态评估：通过电网潮流计算、短路计算、谐波潮流计算、暂降分布计算评估未监测点的电能质量状态。该模块需要监测点信息、电能质量指标数据、电能质量事件波形数据、电网拓扑结构及元件参数、电网开关状态等。
5）电能质量趋势预测：通过历史电能质量监测数据预测电能质量未来变化趋势，依据长期的历史电能质量监测数据，分析电能质量指标的时间序列发展趋势，采用趋势预测方法（包括趋势平均法、指数平滑法、直线趋势法、非直线趋势法等）对未来某一时间段的电能质量指标变化进行预测。该模块需要监测点信息、电能质量指标数据、电能质量事件波形数据等。
6）电网谐振分析：对电网阻频特性进行计算，得到电网各节点可能的谐振频率。该模块需要监测点信息、电能质量指标数据、电网拓扑结构及元件参数等。
7）关联性分析：主要指各类电能质量扰动与负荷/设备运行状态以及与设备故障状态之间的关联性分析，通过关联性分析，可以依据电能质量扰动的类型和变化规律分析负荷/设备的运行状态以及设备故障状态，可用于负荷及设备的状态估计。该模块需要监测点信息、电能质量指标数据、电能质量事件波形数据、电网拓扑结构及元件参数、电网开关状态、用户信息参数、负荷用电特性数据等。
8）异常检测：包括设备运行工况变化、负荷运行状态变化、电能质量水平变化等。该模块需要监测点信息、电能质量指标数据、电能质量事件波形数据、负荷用电特性数据等。
9）负荷建模：利用电能质量监测数据、负荷用电特性试验数据建立能够反映负荷用电特性及电能质量发射特性的模型。该模块需要用户信息参数、负荷用电特性数据等。
4.决策支持子系统
决策支持子系统是电能质量数据综合数据服务系统的核心，采取模块化设计，主要包括：电能质量基准水平评估、实时数据展示及应用、电能质量报表系统、电能质量经济性分析、电能质量预警、电压暂降源定位与识别、设备状态估计及故障诊断、电能质量治理建议、负荷用电特性知识库、用户电能质量评估、能效分析、电能质量干扰源识别等多种决策支持功能。各功能模块相互独立并且可灵活组合形成定制化的决策支持子系统，多方位的为各级电网企业和用户提供定制服务。各决策支持功能均需基于数据挖掘子系统中的各数据挖掘分析功能进行计算，决策支持子系统与数据挖掘子系统之间的连接关系如图5所示。各决策支持功能模块介绍如下：
1）电能质量基准水平评估：依据电能质量指标统计数据，通过区域电网电能质量多维度评估（单指标、多指标、不同时间、不同空间），考察电网电能质量基准水平。该模块需要电能质量指标统计分析、电能质量状态估计等作支持。
2）实时数据展示及应用：依据电能质量及电网和负荷的实时监测数据，实时展示电网电能质量指标及电量的变化情况，也可用于电气化铁路等大容量动态变化负荷的电能质量监测。该模块需要电能质量指标统计分析结果等作支持。
3）电能质量报表系统：依据电能质量指标统计数据定期为用户提供电能质量指标统计及评估结果的展示、导出等功能。该模块需要电能质量指标统计分析结果作支持。
4）电能质量经济性分析：对电能质量问题造成的经济损失进行评估，基于用电设备或用电负荷对电能质量指标的耐受能力及不同电能质量扰动水平下设备或负荷可能产生的经济损失，建立经济损失评估模型，对用电设备或负荷的电能质量经济损失进行评估。该模块需要电能质量指标统计分析、电能质量状态估计、关联性分析、负荷建模等作支持。
5）电能质量预警：基于对电网电能质量指标变化情况的预测，对电能质量可能引起的电网电能质量水平超标、电网设备损坏用电负荷不能正常工作等非正常运行情况进行预警。该模块需要电能质量指标统计分析、电能质量扰动分类、潮流计算、电能质量状态估计、电能质量趋势预测、电网谐振分析、异常检测等作支持。
6）电压暂降源定位与识别：对电压暂降源的位置进行定位并识别引起暂降的原因（短路故障、变压器投入、感应电机启动等）。该模块需要电能质量指标统计分析、电能质量扰动分类、潮流计算、电能质量状态估计、关联性分析、异常检测等作支持。
7）设备状态估计及故障诊断：对电网设备的运行状态进行估计，并依据电能质量扰动数据对设备故障原因进行识别与判断。该模块需要电能质量指标统计分析、电能质量扰动分类、关联性分析、异常检测等作支持。
8）电能质量治理建议：根据电能质量评估结果有针对性的给出电能质量治理方案的建议。该模块需要电能质量指标统计分析、电能质量状态估计、电网谐振分析等作支持。
9）负荷用电特性知识库：依据负荷用电特性试验数据形成负荷用电特性知识库，包括负荷在各种用电状态下的电能质量发射特性及水平、负荷电能质量耐受水平等。该模块需要关联性分析、异常检测、负荷建模等作支持。
10）用户电能质量评估：对电气化铁路、风电、光伏发电、冶炼负荷等进行有针对性的评估。对电气化铁路侧重评估其谐波、负序及电压波动与闪变问题，并且应考虑电铁有车和无车时段下对电网电能质量的影响；对风电和光伏则侧重评估其谐波及电压波动与闪变问题，还应考虑其功率调节能力；冶炼负荷则侧重于评估其谐波及电压波动与闪变问题。该模块需要电能质量指标统计分析、电网谐振分析、负荷建模等作支持。
11）能效分析：对工业用户、智能楼宇、高层建筑等进行能效分析。该模块需要电能质量指标统计分析、关联性分析、负荷建模等作支持。
12）电能质量干扰源识别：对引起电能质量问题的干扰源进行识别，干扰源主要包括：风电、光伏、电气化铁路、冶炼厂等。需要电能质量指标统计分析、电能质量扰动分类、关联性分析、异常检测、负荷建模等作支持。
5.应用集成子系统
应用集成子系统为用户提供了多样化的电能质量数据综合服务系统使用方式。
1）本地客户端的形式：通过各决策支持功能模块的灵活组合，定制化的为电网规划、运行、检修和营销各环节服务；例如，对于电网规划部门，可提供电能质量基准水平评估、电能质量报表系统、电能质量经济性分析、电能质量治理建议和用户电能质量评估模块；对于电网运行部门，可提供实时数据展示及应用、电能质量报表系统、电能质量预警、电压暂降源定位与识别、设备状态估计及故障诊断和电能质量干扰源识别模块；对于电网检修部门，可提供电能质量预警、电压暂降源定位与识别、设备状态估计及故障诊断和电能质量治理建议模块；对于电网营销部门，可提供电能质量基准水平评估、电能质量报表系统、电能质量经济性分析、负荷用电特性知识库、用户电能质量评估和能效分析模块。
2）与其他系统互联：通过IEC61970接口与其他生产管理系统互联，作为其他系统的子系统提供服务；
3）WebService方式：用户通过Web浏览器访问本系统，实现定制化的使用。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种电能质量数据综合服务系统，其特征在于：所述系统包括顺次连接的数据集成子系统、数据存储子系统、数据挖掘子系统、决策支持子系统和应用集成子系统；所述数据挖掘子系统和所述决策支持子系统生成的分析数据保存至所述数据存储子系统；所述数据存储子系统的数据还可供所述数据挖掘子系统调用；所述数据集成子系统设有数据接口；
所述数据挖掘子系统提取所述数据存储子系统中保存的数据、对其预处理并进行数据挖掘分析；所述数据挖掘子系统包括：预处理模块、电能质量指标统计分析模块、电能质量扰动分类模块、潮流计算模块、电能质量状态评估模块、电能质量趋势预测模块、电网谐振分析模块、关联性分析模块、异常检测模块和负荷建模模块；
所述预处理模块接收所述数据存储子系统的数据，将其进行数据的清理、规约和变换处理，并递交数据挖掘子系统的其他模块处理；
所述电能质量指标统计分析模块对不同数据粒度的电能质量进行不同时间间隔的统计，并对事件型电能质量进行统计；
所述电能质量扰动分类模块对电能质量事件的波形进行分析并对其如下分类：冲击脉冲、振荡、中断、暂降、暂升、过电压、欠电压、停电、电压不平衡、直流偏磁、谐波、间谐波、陷波、噪声、电压波动和频率变化；
所述潮流计算模块计算电网的基波潮流、谐波潮流以及负序潮流；
所述电能质量状态评估模块通过电网潮流计算、短路计算、谐波潮流计算、暂降分布计算来评估未监测点的电能质量状态；
所述电能质量趋势预测模块依据历史电能质量监测数据，分析电能质量指标的时间序列发展趋势，用趋势预测方法预测电能质量指标变化；所述趋势预测方法包括：趋势平均法、指数平滑法、直线趋势法和非直线趋势法；
所述电网谐振分析模块计算电网阻频特性，得到电网各节点的谐振频率；
所述关联性分析模块对电能质量扰动与负荷/设备运行状态以及与设备故障状态之间进行关联性分析，以判断负荷/设备的运行状态以及设备故障状态；
所述异常检测模块检测的异常变化包括：设备运行工况变化、负荷运行状态变化、电能质量水平变化；
所述负荷建模模块利用电能质量监测数据、负荷用电特性试验数据建立反映负荷用电特性及电能质量发射特性的模型。
2.如权利要求1所述的电能质量数据综合服务系统，其特征在于：所述数据集成子系统通过所述数据接口接收需求数据，并将该需求数据发送至所述数据存储子系统；所述需求数据包括：电能质量监测数据、电网数据、用户数据和负荷用电特性数据；所述电能质量监测数据是由电能质量监测终端和电能质量监测系统发送的；所述电网数据和用户数据是由EMS系统发送的和电网运行方式计算的数据；所述负荷用电特性数据是负荷用电特性试验及分析的数据；所述数据接口包括：61850接口、61970接口、PQDIF接口、COMTRADE接口和电网运行数据接口。
3.如权利要求1所述的电能质量数据综合服务系统，其特征在于：所述数据存储子系统包括：实时数据预处理模块、历史数据预处理模块、实时数据库和历史数据库；所述实时数据预处理模块处理来自不同数据源的实时数据，并将其存入所述实时数据库；所述历史数据预处理模块处理来自不同数据源的历史数据，并存入所述历史数据库；所述历史数据库存放的数据包括：归档后的所述实时数据和所述分析数据。
4.如权利要求3所述的电能质量数据综合服务系统，其特征在于：所述实时数据主要包括：监测点信息、电能质量监测数据、EMS系统中的电网和用户实时数据；所述历史数据包括：监测点信息、电能质量监测数据、EMS系统的电网历史数据、用户历史数据、电网运行方式计算数据、负荷特性试验数据；所述电能质量监测数据包括：电能质量指标数据、电能质量事件波形数据；所述电网运行方式计算数据包括：PSASP数据包、BPA数据包。
5.如权利要求1所述的电能质量数据综合服务系统，其特征在于：所述决策支持子系统包括：电能质量基准水平评估模块、实时数据展示及应用模块、电能质量报表模块、电能质量经济性分析模块、电能质量预警模块、电压暂降源定位与识别模块、设备状态估计及故障诊断模块、电能质量治理建议模块、负荷用电特性知识库模块、用户电能质量评估模块、能效分析模块和电能质量干扰源识别模块。
6.如权利要求5所述的电能质量数据综合服务系统，其特征在于：所述电能质量基准水平评估模块依据电能质量指标统计数据，通过区域电网电能质量评估考察电网电能质量基准水平；
所述实时数据展示及应用模块依据电能质量及电网和负荷的实时监测数据，实时展示电网电能质量指标及电量的变化情况；
所述电能质量报表模块依据电能质量指标统计数据，展示、导出电能质量指标统计及评估结果；
所述电能质量经济性分析模块评估电能质量问题造成的经济损失；
所述电能质量预警模块基于对电网电能质量指标变化情况的预测，对电能质量引起的电网及用电负荷非正常运行情况进行预警；
所述电压暂降源定位与识别模块定位电压暂降源的位置并识别引起暂降的原因；
所述设备状态估计及故障诊断模块估计电网设备的运行状态，并依据电能质量扰动数据识别与判断设备故障原因；
电能质量治理建议模块根据电能质量评估结果给出电能质量治理方案的建议；
负荷用电特性知识库模块依据负荷用电特性试验数据生成负荷用电特性知识库；
所述能效分析模块对工业用户、智能楼宇、高层建筑进行能效分析；
所述电能质量干扰源识别模块识别引起电能质量问题的干扰源；所述干扰源主要包括：风电、光伏、电气化铁路、冶炼厂。
7.如权利要求1所述的电能质量数据综合服务系统，其特征在于：所述应用集成子系统定制化组合各决策支持功能模块，并提供该电能质量数据综合服务系统的访问接口。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410125784.0A CN103872782B (zh) | 2014-03-31 | 2014-03-31 | 一种电能质量数据综合服务系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410125784.0A CN103872782B (zh) | 2014-03-31 | 2014-03-31 | 一种电能质量数据综合服务系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103872782A CN103872782A (zh) | 2014-06-18 |
| CN103872782B true CN103872782B (zh) | 2016-04-20 |
Family
ID=50911037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410125784.0A Active CN103872782B (zh) | 2014-03-31 | 2014-03-31 | 一种电能质量数据综合服务系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103872782B (zh) |
Families Citing this family (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104299167A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种智能用能系统用户电力数据的用能分析方法 |
| CN104318492A (zh) * | 2014-10-29 | 2015-01-28 | 国家电网公司 | 电力系统状态估计实时分析辅助决策系统及信息处理方法 |
| CN104376403B (zh) * | 2014-10-30 | 2017-11-03 | 广东电网有限责任公司东莞供电局 | 一种基于下级用户行业特性的变电站暂降敏感度分级方法 |
| CN104391903A (zh) * | 2014-11-14 | 2015-03-04 | 广州科腾信息技术有限公司 | 一种基于分布存储和并行计算的电网数据质量检测方法 |
| CN104935249B (zh) * | 2015-07-13 | 2017-04-12 | 国家电网公司 | 光伏发电系统稳定性的校验方法及装置 |
| CN105303455A (zh) * | 2015-10-16 | 2016-02-03 | 国家电网公司 | 电力企业用户数据存储和分析系统 |
| CN106649329A (zh) * | 2015-10-30 | 2017-05-10 | 深圳市华威世纪科技股份有限公司 | 一种安全生产大数据挖掘系统 |
| CN105426839A (zh) * | 2015-11-18 | 2016-03-23 | 清华大学 | 基于稀疏自动编码器的电力系统过电压分类方法 |
| CN106067142B (zh) * | 2016-06-17 | 2021-12-03 | 全球能源互联网研究院 | 一种电能质量数据表示方法 |
| CN106023501B (zh) * | 2016-06-20 | 2018-01-02 | 福州台江区超人电子有限公司 | 仓库环境信息采集报警系统 |
| CN106503717A (zh) * | 2016-09-19 | 2017-03-15 | 清华大学 | 基于无监督模型的输变电主设备负荷曲线的特征提取方法 |
| CN106651156A (zh) * | 2016-12-07 | 2017-05-10 | 国网上海市电力公司 | 重要用户定制电力方法、重要用户定制电力系统及其用途 |
| CN108240284A (zh) * | 2016-12-26 | 2018-07-03 | 北京金风科创风电设备有限公司 | 基于风力发电机组系统功能的数据处理方法和装置 |
| CN106649840A (zh) * | 2016-12-30 | 2017-05-10 | 国网江西省电力公司经济技术研究院 | 一种适用于电力数据质量评估与规则校验的方法 |
| CN107046287A (zh) * | 2017-04-06 | 2017-08-15 | 华北电力大学 | 一种大型光伏电站谐波过电压分析方法 |
| CN107220758B (zh) * | 2017-05-22 | 2020-07-17 | 国家电网公司 | 一种电网规划辅助系统 |
| CN107092242B (zh) * | 2017-06-02 | 2019-05-31 | 宁波大学 | 一种基于缺失变量pca模型的工业过程监测方法 |
| CN107527123B (zh) * | 2017-09-30 | 2020-09-01 | 广东电网有限责任公司电力科学研究院 | 一种基于分布式关联规则的扰动事件预测方法及装置 |
| 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 |
| CN108564302A (zh) * | 2018-04-28 | 2018-09-21 | 国网福建省电力有限公司 | 电能质量经济损失及节能效益评估与分析系统建立方法 |
| CN109461091B (zh) * | 2018-05-25 | 2020-08-28 | 中国农业大学 | 考虑光伏和冷负荷相关性的用电负荷计算方法及信息系统 |
| CN109101592A (zh) * | 2018-07-27 | 2018-12-28 | 中国计量大学 | 一种快速低成本的光伏大数据处理平台 |
| CN109583679A (zh) * | 2018-09-30 | 2019-04-05 | 国网浙江长兴县供电有限公司 | 一种多算法融合的窃电疑似度分析方法 |
| CN110347642B (zh) * | 2019-07-08 | 2021-05-14 | 南京国电南自电网自动化有限公司 | 一种多文件多通道录波分析装置 |
| CN110543505B (zh) * | 2019-09-06 | 2022-02-18 | 北京远舢智能科技有限公司 | 一种基于时间序列数据的监测系统 |
| CN110505102B (zh) * | 2019-09-11 | 2022-03-01 | 国网湖北省电力有限公司鄂州供电公司 | 电力信息通信融合监控与服务标准化管理平台系统及方法 |
| CN110781176A (zh) * | 2019-11-06 | 2020-02-11 | 国网山东省电力公司威海供电公司 | 一种基于数据相关性的电网数据质量提升方法 |
| CN112527788B (zh) * | 2020-12-17 | 2024-04-30 | 北京中恒博瑞数字电力科技有限公司 | 变压器监测数据异常值检测与清洗的方法及装置 |
| CN112925858A (zh) * | 2021-03-11 | 2021-06-08 | 中国矿业大学 | 一种电气专业用可调式电能质量评估装置 |
| CN112787328B (zh) * | 2021-04-12 | 2021-06-29 | 国网四川省电力公司电力科学研究院 | 一种基于混合量测的配电网历史状态估计方法及系统 |
| CN113095708A (zh) * | 2021-04-23 | 2021-07-09 | 国网内蒙古东部电力有限公司通辽供电公司 | 一种基于大数据的电能质量分析系统及方法 |
| CN114638553B (zh) * | 2022-05-17 | 2022-08-12 | 四川观想科技股份有限公司 | 一种基于大数据的维修质量分析方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201957060U (zh) * | 2010-12-10 | 2011-08-31 | 中国电力科学研究院 | 一种电能质量监测管理系统 |
| CN102323480A (zh) * | 2011-05-19 | 2012-01-18 | 西南交通大学 | 一种基于Hilbert-Huang变换的电能质量分析方法 |
| CN102361351A (zh) * | 2011-10-14 | 2012-02-22 | 广东电网公司电力科学研究院 | 电力系统的远程监测诊断系统 |
| CN103135019A (zh) * | 2013-02-04 | 2013-06-05 | 江苏大学 | 一种基于电力广域网的电能质量监测管理系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030236700A1 (en) * | 2002-06-25 | 2003-12-25 | International Business Machines Corporation | Method for improving of service brokers' quality of service |
-
2014
- 2014-03-31 CN CN201410125784.0A patent/CN103872782B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201957060U (zh) * | 2010-12-10 | 2011-08-31 | 中国电力科学研究院 | 一种电能质量监测管理系统 |
| CN102323480A (zh) * | 2011-05-19 | 2012-01-18 | 西南交通大学 | 一种基于Hilbert-Huang变换的电能质量分析方法 |
| CN102361351A (zh) * | 2011-10-14 | 2012-02-22 | 广东电网公司电力科学研究院 | 电力系统的远程监测诊断系统 |
| CN103135019A (zh) * | 2013-02-04 | 2013-06-05 | 江苏大学 | 一种基于电力广域网的电能质量监测管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103872782A (zh) | 2014-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103872782B (zh) | 一种电能质量数据综合服务系统 | |
| CN111177101B (zh) | 一种基于大数据架构的配电网多维可视化平台 | |
| RU2518178C2 (ru) | Система и способ для управления электроэнергетической системой | |
| JP2022531953A (ja) | 動的電力潮流モデルを用いた電力系統制御 | |
| CN105184521B (zh) | 一种电网运行方式的风险评估方法、装置及系统 | |
| CN109657959A (zh) | 一种含多元数据的配电网规划计算分析方法 | |
| CN116596512B (zh) | 一种基于信息系统的电力运维安全强化方法和系统 | |
| CN109462223A (zh) | 一种基于大数据的电能质量与可靠性分析方法 | |
| CN107453354A (zh) | 一种配电网的薄弱环节识别方法 | |
| CN104538957A (zh) | 用于统计低频低压切负荷容量的电网模型自适应处理方法 | |
| CN111667143A (zh) | 电网调度实时监测数据与业务管理数据融合的实现方法 | |
| Guo et al. | Evidence-based approach to power transmission risk assessment with component failure risk analysis | |
| JP2022115061A (ja) | 気象関連架空配電線路故障オンライン予測 | |
| CN112366690A (zh) | 一种基于强同步电压特征匹配的低压台区横向节点关系识别方法 | |
| CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
| CN104834305A (zh) | 基于dms系统的配网自动化终端遥测异常分析系统及方法 | |
| JP2014219970A (ja) | 公益企業の植生管理に対する信頼性獲得率を推定するためのシステムおよび方法 | |
| Lang et al. | Smart grid big data: automating analysis of distribution systems | |
| CN109217311B (zh) | 一种配电网运行状态管控与评价方法 | |
| CN103166322B (zh) | 一种低频减载装置的监测方法及系统 | |
| Abanihi et al. | Modeling and evaluation of system reliability for auchi distribution network | |
| McGranaghan et al. | Sensors and monitoring challenges in the smart grid | |
| Andrusca et al. | Asset management system-software application on power substation level | |
| Grigoras et al. | Knowlegde extraction from Smart Meters for consumer classification | |
| CN111199289A (zh) | 一种基于大数据的线损监测系统 |
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 |