CN105588995A - 一种电力计量自动化系统线损异常检测方法 - Google Patents
一种电力计量自动化系统线损异常检测方法 Download PDFInfo
- Publication number
- CN105588995A CN105588995A CN201510920088.3A CN201510920088A CN105588995A CN 105588995 A CN105588995 A CN 105588995A CN 201510920088 A CN201510920088 A CN 201510920088A CN 105588995 A CN105588995 A CN 105588995A
- Authority
- CN
- China
- Prior art keywords
- line loss
- line
- index
- circuit
- data
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Abstract
本发明提供一种电力计量自动化系统线损异常检测方法,包括:步骤S1,根据线损数据表计算获得各线路的线损日波动指标和线损变化趋势指标;步骤S2,分别判断各线路的线损日波动指标是否超过第一阈值、各线路的线损变化趋势指标是否超过第二阈值;步骤S3,将线损日波动指标超过第一阈值或者线损变化趋势指标超过第二阈值的线路判定为线损异常线路。本发明通过线损日波动指标和线损变化趋势指标可以发现线损突变异常和线程变化趋势异常两种情况,并且通过调整阈值,还能发现不同程度的异常,可以将每日异常线路的数量考察整个电网的健康程度,提高现有系统对线损异常的发现灵敏度,避免人工检查和发现不及时;还可以进一步检测出线损异常原因。
Description
技术领域
本发明涉及电力信息技术领域,尤其涉及一种电力计量自动化系统线损异常检测方法。
背景技术
线损是衡量电力企业的一项重要综合性经济指标,贯穿“发、输、配、用”整个过程,综合反映了电网规划设计、生产技术和运营管理水平。如何通过线损这一数据,挖掘数据背后隐藏的异常信息,及时识别并终止异常非常重要。在数据量大、结构复杂的情况下,需要设计一套简便、高效、严谨的线损异常检测系统,进行统一的分析和排查。
目前,国内具有线损统计功能的系统主要有营销系统和计量自动化系统,但这两个系统仅停留在线损统计层面,并未对异常情况进行进一步的研究。同时,与线损相关的庞大信息分散在营销系统、配网调度系统及计量自动化三大系统内,数据核查分析需要在三大系统之间来回切换,甚至在同一系统中,也因所需数据在不同模块中,需要在不同的界面来回查找,费时费力。
发明内容
本发明所要解决的技术问题在于,提供一种电力计量自动化系统线损异常检测方法,提高线损分析的自动化水平,及时发现异常,并对异常的原因进行一定程度的检测分析,使得相关人员可以迅速排查问题,提高终端在线率和整体效率。
为了解决上述技术问题,本发明提供一种电力计量自动化系统线损异常检测方法,包括:
步骤S1,根据线损数据表计算获得各线路的线损日波动指标和线损变化趋势指标;
步骤S2,分别判断各线路的线损日波动指标是否超过第一阈值、各线路的线损变化趋势指标是否超过第二阈值;
步骤S3,将线损日波动指标超过第一阈值或者线损变化趋势指标超过第二阈值的线路判定为线损异常线路。
其中,所述线损日波动指标为将前7天线损率的均值与当天的线损率的差值,除以前7天线损率的均值与1之和;所述线损变化趋势指标为将近14天线损率数据求线性回归所得的斜率。
其中,所述第一阈值为[-7,+7],所述第二阈值为[-0.6,+0.6]。
其中,其特征在于,所述方法还包括:
步骤S4,根据线损明细表检查线损日波动指标超过第一阈值或者线损变化趋势指标超过第二阈值的线路是否有数据缺失;如果有数据缺失则执行步骤S5,否则执行步骤S7;
步骤S5,根据表码表对有数据缺失的线路进行数据恢复,并重新计算该线路的线损日波动指标和线损变化趋势指标;
步骤S6,分别判断重新计算的该线路的线损日波动指标是否超过第一阈值,重新计算的线损变化趋势指标是否超过第二阈值,如果重新计算的两个指标均未超过相应的阈值,则记录线损异常原因为数据缺失,否则执行步骤S7;
步骤S7,对该线路的线损异常原因进行进一步检测。
其中,所述步骤S4检查所有指标超过阈值的线路是否有数据缺失,具体是检查最近7天内,线损明细表中该线路自身和属于该线路下的所有用户是否有数据缺失。
其中,所述数据缺失是指起始表码和终止表码的缺失。
其中,所述步骤S5中根据表码表对有数据缺失的线路进行数据恢复,具体包括:
对过去30天中每天00:00的表码值求线性回归方程,然后通过该方程计算缺失时的表码数值。
其中,所述步骤S7具体包括:
检测线损异常线路所属用户的数量和具体用户是否发生变化;
如果没有发生变化,再检测输入电量是否超过第三阈值,如果低于第三阈值,则记录线损异常原因为电表精度异常;如果超过第三阈值,则进一步检测该线路中是否有异常用电的用户或者是否是电表出现故障;
如果用户发生变化,则记录所有关系变化的用户;
使用变化前的用户关系,重新计算该线路的线损率,然后再用新的线损率计算线损日波动指标和线损变化趋势指标,并分别判断是否超过相应的阈值,如果指标正常,则记录线损异常原因为用户关系变化;如果任一指标超过相应的阈值,则表明此次用户关系变化出现错误,进一步进行人工分析。
本发明具有如下有益效果:
通过线损日波动指标和线损变化趋势指标可以发现线损突变异常和线程变化趋势异常两种情况,并且通过调整阈值,还能发现不同程度的异常,可以将每日异常线路的数量考察整个电网的健康程度,提高现有系统对线损异常的发现灵敏度和线损分析的自动化水平,使得相关人员可以迅速排查问题,避免人工检查和发现不及时,提高终端在线率和整体效率;
可以进一步检测出线损异常原因,例如数据缺失、电表精度引起的波动、用户的异常用电行为和档案关系错误这几种异常原因,为进一步的分析提供一个有价值的参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一种电力计量自动化系统线损异常检测方法的流程示意图。
图2是本发明实施例一种电力计量自动化系统线损异常检测方法的另一流程示意图。
图3是本发明实施例中检测线损异常原因的流程示意图。
具体实施方式
下面参考附图对本发明的优选实施例进行描述。
请参照图1所示,本发明实施例提供一种电力计量自动化系统线损异常检测方法,包括:
步骤S1,根据线损数据表计算获得各线路的线损日波动指标和线损变化趋势指标;
步骤S2,分别判断各线路的线损日波动指标是否超过第一阈值、各线路的线损变化趋势指标是否超过第二阈值;
步骤S3,将线损日波动指标超过第一阈值或者线损变化趋势指标超过第二阈值的线路判定为线损异常线路。
以下结合图2对各步骤进行详细说明。
本发明实施例根据电力计量自动化系统所统计的线损率,提出两个指标来衡量一条供电线路的线损是否发生异常:一是线损日波动指标,反映的是线损数值短时间内异常波动;二是线损变化趋势指标,反映的是一段时间内线损明显的上升或者下降的趋势。
步骤S1中的线损数据表,包含每一个线路每日的基本信息,具体内容如表1所示:
表1线损数据表
表1中数据由计量自动化系统直接从相关表格中获取数据并计算得出,可以直接使用表1中的线损率等数据。每个线路每日在本表中有一条记录,数据日期DATATIME指的是测试当天0点的时间,一天之内的用电量的是第二天0点0分的电表值与当天0点0分电表值的差值,再按比例换算成电量。线损率(LINELOSS_RATE)是由输入电量(ENERGY_IN)和输出电量(ENERGY_OUT)直接算出,如果输入电量ENERGY_IN缺失,则用数字1代替,计算方式如下公式(1):
本发明提出了两个用来评价线损健康状况的指标,分别是日波动指标和变化趋势指标。两个指标的计算公式如公式(2)和公式(3)所示。
线损变化趋势指标=近14天的线损率数据求线性回归得到的斜率(3)
公式(2)中,为了避免出现分母为0的情况,所以分母为前7天(不包含当天)线损率的均值加1;公式(3)中,近14天(包含所计算的当天);线性回归斜率的计算方法为标准线性回归的所用的方法,如公式(4)所示:
其中为所求斜率;i表示第几天,用来表示该线损是在近14天中的第几天,xi为每个线损对应的序号,在本发明中xi=i,例如xi=14表示线损是在第14天,也就是计算指标的当天;yi为对应的线损率,和分别表示全部x和y的均值;在本发明中n取14。
根据上述方式,可以针对每条线路计算出线损日波动指标和线损变化趋势指标这两个指标,然后通过判断其是否分过超过相应的阈值,来检测是否存在线损异常的线路。线路线损异常阈值的设置要考察当前线路的实际情况,设置比较合理的阈值,在本发明实施例中,阈值均设置为一个范围,其中线损日波动指标对应的第一阈值为[-7,+7],线损变化趋势指标对应的第二阈值为[-0.6,+0.6],因此,如果线损日波动指标超过第一阈值,表明该线损日波动指标取值不在前述范围之内,同样地,如果线损变化趋势指标超过第二阈值,则表明该线损变化趋势指标取值不在前述范围之内。需要说明的是,前述阈值的设置可以根据具体情况进行调整,以便于发现不同程度的异常。
通过前述步骤找出线损异常线路后,本发明还提供了进一步对线损异常原因的检测机制,具体包括以下步骤:
步骤S4,根据线损明细表检查线损日波动指标超过第一阈值或者线损变化趋势指标超过第二阈值的线路是否有数据缺失;如果有数据缺失则执行步骤S5,否则执行步骤S7;
步骤S5,根据表码表对有数据缺失的线路进行数据恢复,并重新计算该线路的线损日波动指标和线损变化趋势指标;
步骤S6,分别判断重新计算的该线路的线损日波动指标是否超过第一阈值,重新计算的线损变化趋势指标是否超过第二阈值,如果重新计算的两个指标均未超过相应的阈值,则记录线损异常原因为数据缺失,否则执行步骤S7;
步骤S7,对该线路的线损异常原因进行进一步检测。
步骤S4中的线损明细表,记录有每个线路及其用户的具体信息,所有用户包括线路每天都有一条记录,所包含的具体内容如表2所示:
表2线损明细表
表2中INOROUT为1表示该数据属于供电线路,为0表示该数据为对应线路下的单个用户,表1中输入电量ENERGY_IN就是INOROUT为1的计量点的电量,而输出电量ENERGY_OUT是属于该线路下当天所有INOROUT为0的计量点电量之和。电量的计算方法公式(5)所示:
ENERGY=(ENDBM-STARTBM)×CT×PT(5)
其中,CT表示电流互感器变比,PT表示电压互感器变比。
步骤S4检查所有指标超过阈值的线路是否有数据缺失,具体是检查最近7天内,线损明细表中,该线路自身和属于该线路下的所有用户是否有数据缺失。进一步地,这里的数据缺失指的是起始表码和终止表码的缺失,表2中其他数据是系统中已经记录的,不会缺失。
前述的表1、表2是与线损和电量有关的表格,在有数据缺失的情况下,需要从表码表获取更原始的信息。表码表记录了一天中每个小时的表码读数等众多信息,表码表的部分内容如表3所示:
表3表码表
每个计量点每天在如表3中所示的分相类别和费率类型下应该有24条数据,但是可能会有数据缺失。表3中正向有功表码(ZYBM)的数值是表2中起始表码(STARTBM)和终止表码(ENDBM)的100倍,即ZYBM的值除以100才是对应时刻的STARTBM或ENDBM。
如果有数据缺失,则利用算法对缺失数据进行恢复。针对缺失的起始表码和终止表码,只需要恢复相应计量点的零点表码即可,恢复算法所用的数据是计量点在表码表(表3)中的数据。
本发明只恢复计量点缺失数据中每日00:00的正相有功表码,由于用电量每日的变化相对稳定,所以本发明中采用的恢复算法是线性回归的方法:对过去30天中每天00:00的表码值求线性回归方程,然后通过该方程计算缺失时的表码数值。一元线性回归方程的公式如下:
其中的计算方法见公式(4),表示回归直线的斜率,为回归直线的截距,由这两个数值可以确定回归直线方程,和分别表示全部x和y的均值。最后利用公式(7)来获得所要求的第x天的表码数值。
重新计算该线路的线损日波动指标和线损变化趋势指标后,如果指标正常,则说明该线路是由于数据缺失导致的线损异常,记录线损异常原因为数据缺失;如果指标仍然超过阈值,则说明是由于其他原因导致的。
对于有其他原因导致的线损异常,要对异常原因进行进一步分析,再将结果记录。本发明中,对线损异常的原因主要归结为:数据缺失、电表精度引起的波动、用户的异常用电行为和档案关系错误。针对档案关系错误,主要检测两种情况,第一种是新加入的用户实际上不属于该线路;第二种属于该线路的用户被错误的调到其他线路上。异常原因的检测流程如图3所示。
具体步骤如下:
检测线损异常线路所属用户的数量和具体用户是否发生变化;
如果没有发生变化,检测输入电量是否超过第三阈值,如果低于第三阈值,则记录线损异常原因为电表精度异常;如果超过第三阈值,则需进一步检查该线路中是否有异常用电的用户或者是电表出现故障;
如果用户发生变化,则可能是由于用户关系变化导致的,记录所有关系变化的用户;
使用变化前的用户关系,重新计算该线路的线损率,然后再用新的线损率计算线损日波动指标和线损变化趋势指标这两个指标,并分别判断是否超过相应的阈值,如果指标正常,则说明此次用户关系的变化导致了线损异常,应该为原来的用户关系,记录线损异常原因为用户关系变化;如果任一指标超过相应的阈值,则说明此次用户关系变化出现错误,有部分用户属于其他线路,可以进一步进行人工分析。
通过上述描述可以得知,本发明具有如下有益效果:
通过线损日波动指标和线损变化趋势指标可以发现线损突变异常和线程变化趋势异常两种情况,并且通过调整阈值,还能发现不同程度的异常,可以将每日异常线路的数量考察整个电网的健康程度,提高现有系统对线损异常的发现灵敏度和线损分析的自动化水平,使得相关人员可以迅速排查问题,避免人工检查和发现不及时,提高终端在线率和整体效率;
可以进一步检测出线损异常原因,例如数据缺失、电表精度引起的波动、用户的异常用电行为和档案关系错误这几种异常原因,为进一步的分析提供一个有价值的参考。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (8)
1.一种电力计量自动化系统线损异常检测方法,包括:
步骤S1,根据线损数据表计算获得各线路的线损日波动指标和线损变化趋势指标;
步骤S2,分别判断各线路的线损日波动指标是否超过第一阈值、各线路的线损变化趋势指标是否超过第二阈值;
步骤S3,将线损日波动指标超过第一阈值或者线损变化趋势指标超过第二阈值的线路判定为线损异常线路。
2.根据权利要求1所述的方法,其特征在于,所述线损日波动指标为将前7天线损率的均值与当天的线损率的差值,除以前7天线损率的均值与1之和;所述线损变化趋势指标为将近14天线损率数据求线性回归所得的斜率。
3.根据权利要求2所述的方法,其特征在于,所述第一阈值为[-7,+7],所述第二阈值为[-0.6,+0.6]。
4.根据权利要求1-3任一项所述的方法,其特征在于,还包括:
步骤S4,根据线损明细表检查线损日波动指标超过第一阈值或者线损变化趋势指标超过第二阈值的线路是否有数据缺失;如果有数据缺失则执行步骤S5,否则执行步骤S7;
步骤S5,根据表码表对有数据缺失的线路进行数据恢复,并重新计算该线路的线损日波动指标和线损变化趋势指标;
步骤S6,分别判断重新计算的该线路的线损日波动指标是否超过第一阈值,重新计算的线损变化趋势指标是否超过第二阈值,如果重新计算的两个指标均未超过相应的阈值,则记录线损异常原因为数据缺失,否则执行步骤S7;
步骤S7,对该线路的线损异常原因进行进一步检测。
5.根据权利要求4所述的方法,其特征在于,所述步骤S4检查所有指标超过阈值的线路是否有数据缺失,具体是检查最近7天内,线损明细表中该线路自身和属于该线路下的所有用户是否有数据缺失。
6.根据权利要求5所述的方法,其特征在于,所述数据缺失是指起始表码和终止表码的缺失。
7.根据权利要求6所述的方法,其特征在于,所述步骤S5中根据表码表对有数据缺失的线路进行数据恢复,具体包括:
对过去30天中每天00:00的表码值求线性回归方程,然后通过该方程计算缺失时的表码数值。
8.根据权利要求4所述的方法,其特征在于,所述步骤S7具体包括:
检测线损异常线路所属用户的数量和具体用户是否发生变化;
如果没有发生变化,再检测输入电量是否超过第三阈值,如果低于第三阈值,则记录线损异常原因为电表精度异常;如果超过第三阈值,则进一步检测该线路中是否有异常用电的用户或者是否是电表出现故障;
如果用户发生变化,则记录所有关系变化的用户;
使用变化前的用户关系,重新计算该线路的线损率,然后再用新的线损率计算线损日波动指标和线损变化趋势指标,并分别判断是否超过相应的阈值,如果指标正常,则记录线损异常原因为用户关系变化;如果任一指标超过相应的阈值,则表明此次用户关系变化出现错误,进一步进行人工分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510920088.3A CN105588995B (zh) | 2015-12-11 | 2015-12-11 | 一种电力计量自动化系统线损异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510920088.3A CN105588995B (zh) | 2015-12-11 | 2015-12-11 | 一种电力计量自动化系统线损异常检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105588995A true CN105588995A (zh) | 2016-05-18 |
CN105588995B CN105588995B (zh) | 2018-08-14 |
Family
ID=55928731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510920088.3A Active CN105588995B (zh) | 2015-12-11 | 2015-12-11 | 一种电力计量自动化系统线损异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105588995B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096290A (zh) * | 2016-06-16 | 2016-11-09 | 广西电网有限责任公司电力科学研究院 | 一种修正线损率的方法 |
CN109088775A (zh) * | 2018-08-29 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 异常监控方法、装置以及服务器 |
CN109191330A (zh) * | 2018-09-25 | 2019-01-11 | 深圳供电局有限公司 | 线损电量计算方法、装置、计算机设备和存储介质 |
CN109308571A (zh) * | 2018-08-29 | 2019-02-05 | 华北电力科学研究院有限责任公司 | 配电线路线变关系检测方法 |
CN109359134A (zh) * | 2018-08-30 | 2019-02-19 | 大连理工大学 | 一种基于数据挖掘的照明插座能耗隐性异常数据的识别方法 |
CN109446233A (zh) * | 2018-09-29 | 2019-03-08 | 广东电网有限责任公司 | 一种基于线损动态管理的智能监控方法 |
CN110174577A (zh) * | 2019-07-05 | 2019-08-27 | 广东电网有限责任公司 | 一种用于10kV及以上母线的线损异常判别方法 |
CN110320445A (zh) * | 2019-07-05 | 2019-10-11 | 广东电网有限责任公司 | 一种用于110kV及以上母线的线损异常判别方法 |
CN111339167A (zh) * | 2020-03-02 | 2020-06-26 | 国网江苏省电力有限公司扬州供电分公司 | 基于K-means和主成分线性回归的台区线损率影响因素分析方法 |
CN112381476A (zh) * | 2021-01-18 | 2021-02-19 | 中国电力科学研究院有限公司 | 用于确定状态异常的电能表的方法及装置 |
CN112462133A (zh) * | 2020-11-06 | 2021-03-09 | 国网江苏省电力有限公司营销服务中心 | 一种高压用户私换互感器窃电判别方法 |
CN113189417A (zh) * | 2021-04-09 | 2021-07-30 | 国网浙江乐清市供电有限公司 | 基于线损动态分析的线损异常判断装置及方法 |
CN113884975A (zh) * | 2021-11-18 | 2022-01-04 | 福州大学 | 一种基于改进动态线损估计的超差电表检测方法 |
CN115618654A (zh) * | 2022-12-14 | 2023-01-17 | 北京志翔科技股份有限公司 | 超差电能表的识别方法及装置 |
CN116109015A (zh) * | 2023-04-11 | 2023-05-12 | 江苏通球建筑科技有限公司 | 一种电力系统节能综合优化系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003162324A (ja) * | 2001-06-21 | 2003-06-06 | Johnson Controls Technol Co | ビル内のユーティリティの異常使用を検出するインテリジェント・データ分析法 |
JP2010151481A (ja) * | 2008-12-24 | 2010-07-08 | Fancl Corp | 紫外線による皮膚黒化傾向の評価方法 |
US8078567B1 (en) * | 2008-12-31 | 2011-12-13 | John Cadick | System and method for condition based maintenance for electrical equipment |
CN103187804A (zh) * | 2012-12-31 | 2013-07-03 | 萧山供电局 | 一种基于不良电量数据辨识的台区用电监测方法 |
CN103729746A (zh) * | 2014-01-17 | 2014-04-16 | 深圳供电局有限公司 | 一种线损异常定位的方法及系统 |
CN103778567A (zh) * | 2014-01-21 | 2014-05-07 | 深圳供电局有限公司 | 一种用户异常用电甄别的方法及系统 |
CN104036357A (zh) * | 2014-06-12 | 2014-09-10 | 国家电网公司 | 用户用电窃电行为模式的分析方法 |
CN104239692A (zh) * | 2014-08-22 | 2014-12-24 | 国家电网公司 | 基于电能表数据精度补偿算法的线损异常判定方法 |
CN104268797A (zh) * | 2014-09-24 | 2015-01-07 | 国家电网公司 | 一种配电网分月线损率波动趋势分析方法 |
CN104484742A (zh) * | 2014-11-27 | 2015-04-01 | 国家电网公司 | 线损统计方法、装置和系统 |
-
2015
- 2015-12-11 CN CN201510920088.3A patent/CN105588995B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003162324A (ja) * | 2001-06-21 | 2003-06-06 | Johnson Controls Technol Co | ビル内のユーティリティの異常使用を検出するインテリジェント・データ分析法 |
JP2010151481A (ja) * | 2008-12-24 | 2010-07-08 | Fancl Corp | 紫外線による皮膚黒化傾向の評価方法 |
US8078567B1 (en) * | 2008-12-31 | 2011-12-13 | John Cadick | System and method for condition based maintenance for electrical equipment |
CN103187804A (zh) * | 2012-12-31 | 2013-07-03 | 萧山供电局 | 一种基于不良电量数据辨识的台区用电监测方法 |
CN103729746A (zh) * | 2014-01-17 | 2014-04-16 | 深圳供电局有限公司 | 一种线损异常定位的方法及系统 |
CN103778567A (zh) * | 2014-01-21 | 2014-05-07 | 深圳供电局有限公司 | 一种用户异常用电甄别的方法及系统 |
CN104036357A (zh) * | 2014-06-12 | 2014-09-10 | 国家电网公司 | 用户用电窃电行为模式的分析方法 |
CN104239692A (zh) * | 2014-08-22 | 2014-12-24 | 国家电网公司 | 基于电能表数据精度补偿算法的线损异常判定方法 |
CN104268797A (zh) * | 2014-09-24 | 2015-01-07 | 国家电网公司 | 一种配电网分月线损率波动趋势分析方法 |
CN104484742A (zh) * | 2014-11-27 | 2015-04-01 | 国家电网公司 | 线损统计方法、装置和系统 |
Non-Patent Citations (2)
Title |
---|
凌建凤 等: "供售电量预测软件及实例分析", 《低压电器》 * |
周泽松: "电力系统中计量自动化线损管理系统的应用", 《中国新技术新产品》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096290A (zh) * | 2016-06-16 | 2016-11-09 | 广西电网有限责任公司电力科学研究院 | 一种修正线损率的方法 |
CN106096290B (zh) * | 2016-06-16 | 2019-01-22 | 广西电网有限责任公司电力科学研究院 | 一种修正线损率的方法 |
CN109088775A (zh) * | 2018-08-29 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 异常监控方法、装置以及服务器 |
CN109308571A (zh) * | 2018-08-29 | 2019-02-05 | 华北电力科学研究院有限责任公司 | 配电线路线变关系检测方法 |
CN109088775B (zh) * | 2018-08-29 | 2021-09-21 | 创新先进技术有限公司 | 异常监控方法、装置以及服务器 |
CN109308571B (zh) * | 2018-08-29 | 2021-06-11 | 华北电力科学研究院有限责任公司 | 配电线路线变关系检测方法 |
CN109359134A (zh) * | 2018-08-30 | 2019-02-19 | 大连理工大学 | 一种基于数据挖掘的照明插座能耗隐性异常数据的识别方法 |
CN109359134B (zh) * | 2018-08-30 | 2021-07-06 | 大连理工大学 | 一种基于数据挖掘的照明插座能耗隐性异常数据的识别方法 |
CN109191330A (zh) * | 2018-09-25 | 2019-01-11 | 深圳供电局有限公司 | 线损电量计算方法、装置、计算机设备和存储介质 |
CN109191330B (zh) * | 2018-09-25 | 2022-07-19 | 深圳供电局有限公司 | 线损电量计算方法、装置、计算机设备和存储介质 |
CN109446233A (zh) * | 2018-09-29 | 2019-03-08 | 广东电网有限责任公司 | 一种基于线损动态管理的智能监控方法 |
CN110174577B (zh) * | 2019-07-05 | 2021-05-28 | 广东电网有限责任公司 | 一种用于10kV及以上母线的线损异常判别方法 |
CN110320445B (zh) * | 2019-07-05 | 2021-05-28 | 广东电网有限责任公司 | 一种用于110kV及以上母线的线损异常判别方法 |
CN110320445A (zh) * | 2019-07-05 | 2019-10-11 | 广东电网有限责任公司 | 一种用于110kV及以上母线的线损异常判别方法 |
CN110174577A (zh) * | 2019-07-05 | 2019-08-27 | 广东电网有限责任公司 | 一种用于10kV及以上母线的线损异常判别方法 |
CN111339167A (zh) * | 2020-03-02 | 2020-06-26 | 国网江苏省电力有限公司扬州供电分公司 | 基于K-means和主成分线性回归的台区线损率影响因素分析方法 |
CN112462133A (zh) * | 2020-11-06 | 2021-03-09 | 国网江苏省电力有限公司营销服务中心 | 一种高压用户私换互感器窃电判别方法 |
CN112381476A (zh) * | 2021-01-18 | 2021-02-19 | 中国电力科学研究院有限公司 | 用于确定状态异常的电能表的方法及装置 |
CN113189417A (zh) * | 2021-04-09 | 2021-07-30 | 国网浙江乐清市供电有限公司 | 基于线损动态分析的线损异常判断装置及方法 |
CN113189417B (zh) * | 2021-04-09 | 2022-07-26 | 国网浙江乐清市供电有限公司 | 基于线损动态分析的线损异常判断装置及方法 |
CN113884975A (zh) * | 2021-11-18 | 2022-01-04 | 福州大学 | 一种基于改进动态线损估计的超差电表检测方法 |
CN113884975B (zh) * | 2021-11-18 | 2024-04-30 | 福州大学 | 一种基于改进动态线损估计的超差电表检测方法 |
CN115618654A (zh) * | 2022-12-14 | 2023-01-17 | 北京志翔科技股份有限公司 | 超差电能表的识别方法及装置 |
CN116109015A (zh) * | 2023-04-11 | 2023-05-12 | 江苏通球建筑科技有限公司 | 一种电力系统节能综合优化系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105588995B (zh) | 2018-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105588995A (zh) | 一种电力计量自动化系统线损异常检测方法 | |
CN110362894B (zh) | 配电线路、变压器综合降损及节能计算分析方法及系统 | |
CN103630869B (zh) | 基于聚类算法对异常事件分析评价电能表整体状态的方法 | |
CN106154209B (zh) | 基于决策树算法的电能表故障预测方法 | |
CN106443556A (zh) | 电能表智能诊断方法 | |
CN106405475A (zh) | 电能表异常诊断方法 | |
CN107462863A (zh) | 一种智能电能表运行误差运行诊断分析方法及系统 | |
CN107527114A (zh) | 一种基于大数据的线路台区异常分析方法 | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN111126759B (zh) | 一种基于异常事件故障关联度的电能表状态评估方法 | |
CN109858886B (zh) | 一种基于集成学习的费控成功率提升分析方法 | |
CN103942738A (zh) | 一种电能表综合评价方法及系统 | |
CN111008193B (zh) | 一种数据清洗与质量评价方法及系统 | |
CN107967520A (zh) | 一种面向新型智能站继电保护设备的综合状态评估理论方法 | |
CN111898068B (zh) | 一种基于pert算法及仪表用量分析的异常检测方法 | |
CN107543989A (zh) | 基于电能表失压断相判断线损异常的方法 | |
CN112560214A (zh) | 变电站母线平衡故障诊断方法、系统、设备及存储介质 | |
CN106709623B (zh) | 一种基于风险计算模型的电网营销稽查风险管控方法 | |
CN105005575A (zh) | 一种企业智能预测快速开发接口方法 | |
CN107328994A (zh) | 变压器绝缘电阻试验装置及方法 | |
CN116577720A (zh) | 一种电能表检定流水线的性能分析方法、终端及电子设备 | |
CN109063863B (zh) | 考虑区域设备全寿命周期费用-效能比的配网检修计划优化方法 | |
CN112015724A (zh) | 一种对电力运营数据计量异常进行分析的方法 | |
CN115809805A (zh) | 基于边缘计算的电网多源数据处理方法 | |
CN113570076B (zh) | 一种统调电厂关口计量装置在线运维管理平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |