CN106548280A - 一种基于大数据分析电能质量提升用户体验的方法及系统 - Google Patents
一种基于大数据分析电能质量提升用户体验的方法及系统 Download PDFInfo
- Publication number
- CN106548280A CN106548280A CN201610950573.XA CN201610950573A CN106548280A CN 106548280 A CN106548280 A CN 106548280A CN 201610950573 A CN201610950573 A CN 201610950573A CN 106548280 A CN106548280 A CN 106548280A
- Authority
- CN
- China
- Prior art keywords
- scoring
- compensation scheme
- sample
- power quality
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
本发明提供一种基于大数据分析电能质量提升用户体验的方法,包括获取电网模型,并确定电网模型所对应的大数据样本;在大数据样本中提取样本形成指标矩阵,获取样本的用户评分形成打分矩阵,将指标矩阵及打分矩阵进行拟合,得到拟合系数;统计电网模型中的所有故障类型及电能质量治理补偿方案并仿真,得到各电能质量治理补偿方案的暂态数据;根据得到的暂态数据及拟合系数,确定各电能质量治理补偿方案的用户拟合评分;确定当前故障类型,查找当前故障类型中用户拟合评分最高所对应的电能质量治理补偿方案作为最优补偿方案。实施本发明,可以精准量化的决定电能质量治理设备的地点和总量,减少人为干预,大大提高电网的稳定性和安全性。
Description
技术领域
本发明涉及电能质量监测与评估技术领域,尤其涉及一种基于大数据分析电能质量提升用户体验的方法及系统。
背景技术
一个理想的电力系统应以恒定的频率和正弦波形,按规定的电压水平对用户供电。在三相交流电力系统中,各相的电压和电流应处于幅值大小相等,相位互差120度的对称状态。由于系统各元件(发电机、变压器、线路等等)参数并不是理想线性或对称的,负荷性质各异且随机变化,加之调控手段的不完善以及运行操作、外来干扰和各种故障等原因,这种理想状态在实际当中并不存在,而由此产生了电网运行、电气设备和用电中的各种各样的问题,也就产生了电能质量(Power Quality)的概念。
电能质量问题包括导致用电设备故障或不能正常工作的电压、电流或频率的偏差,其内容包括频率偏差、电压偏差、电压波动与闪变、三相不平衡、瞬时或暂态过电压、波形畸变(谐波)、电压暂降、中断、暂升以及供电连续性等。传统电能质量的概念仅强调电的物理属性,却忽略了更重要的是这些指标对用户的影响。电能体验是综合了电的物理属性和用户的要求提出的评价指标,实际应用更具有意义,然而电能质量不好不代表电能体验不好,是因为用户可能其实不敏感。
常见的电能质量治理方法包括安装电能暂降治理装置、谐波消除装置等等。动态电压恢复器(dynamic voltage restorer,DVR)串联于电源与敏感负荷之间,当系统电压正常时,DVR被旁路,当系统电压发生暂降时,DVR可迅速动作,有效地补偿暂降电压,保护敏感负荷免受电压暂降的影响。谐波治理装置主要包括无源滤波器和有源滤波器;其中,无源滤波器是利用LC谐振特性,形成对某一频率的低阻抗特性,从而减小流向电网的谐波电流;有源滤波器是让补偿装置提供反相的谐波电流,以抵消变流器所产生的谐波电流。
电能质量治理最重要的是决定各种补偿装置的补偿地点和补偿的量。目前,非线性规划和线性规划法是求解电能质量治理规划优化的最常用方法,这两种方法通过对电网系统建模,建立目标函数和约束函数进行仿真分析。上述这两种方法或多或少都具有计算量大、收敛性差、稳定性不好的特点,使得在现实应用中,主要依靠调度员的经验进行补偿,如集中补偿(整个系统的统一补偿)和分散补偿(用电负荷旁就地补偿),从而无法获得最优效果。
随着分布式计算和机器学习的发展,大数据分析已成为理解复杂系统的重要手段。与传统的仿真分析相对比,大数据分析把真实系统当成黑箱,可直接对输入输出进行拟合和关联分析,避免了传统仿真分析对系统进行大量微分方程求解的过程,因此具有速度更快、准确度更高的特点。
发明内容
本发明实施例所要解决的技术问题在于,提供一种基于大数据分析电能质量提升用户体验的方法及系统,可以精准量化的决定电能质量治理设备的地点和总量,减少人为干预,大大提高电网的稳定性和安全性。
为了解决上述技术问题,本发明实施例提供了一种基于大数据分析电能质量提升用户体验的方法,所述方法包括:
a、获取电网模型,并确定所述获取到的电网模型所对应的大数据样本;其中,每一样本均对应有相同的m个指标,m为自然数;
b、在所述确定的大数据样本中提取n个样本,形成具有n行m列的指标矩阵,并获取所述提取的n个样本的用户评分,形成具有n行单列的打分矩阵,且进一步将所述形成的指标矩阵及打分矩阵进行拟合,得到与所述m个指标分别对应的m个拟合系数;其中,n为自然数;
c、统计所述电网模型中的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,并将每一故障类型下的各电能质量治理补偿方案作为样本进行仿真,得到每一故障类型下各电能质量治理补偿方案分别对应的暂态数据;其中,所述暂态数据均对应有相同的m个指标;
d、根据所述得到的每一故障类型下各电能质量治理补偿方案分别对应的暂态数据及m个拟合系数,确定每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分;
e、确定所述电网模型发生的当前故障类型,并在所述统计出的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,以及每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分中,查找到与当前故障类型相同的故障类型及其对应电能质量治理补偿方案的用户拟合评分,且进一步将所查找到的用户拟合评分最高所对应的电能质量治理补偿方案作为当前故障类型的最优补偿方案。
其中,所述步骤a中的“大数据样本”来自于所述电网模型真实系统的检测数据或者来自于仿真软件模拟所述电网模型的数据。
其中,所述步骤b具体包括:
确定所述指标矩阵其中,anm对应为第n个提取样本中第m个指标的数据;
确定所述打分矩阵其中,b1至bn分别对应1至n个提取样本的用户评分;
利用多元线性回归的方法对所述指标矩阵A及所述打分矩阵B进行拟合,得出与所述m个指标相应的m个拟合系数λ1,λ2,…λm。
其中,所述步骤d具体包括:
根据公式bn+1=λ1·an+1,1+λ2·an+1,2+…+λm·an+1,m,计算出每一故障类型下各电能质量治理补偿方案的用户拟合评分;其中,an+1,1,an+1,2,…an+1,m对应某一故障类型下某一电能质量治理补偿方案对应暂态数据所含1至m个指标的数据;bn+1为某一故障类型下某一电能质量治理补偿方案当前计算出的用户拟合评分。
其中,所述电能质量治理补偿方案包括补偿的量和补偿的位置。
本发明实施例还提供了一种基于大数据分析电能质量提升用户体验的系统,所述系统包括:
大数据获取单元,用于获取电网模型,并确定所述获取到的电网模型所对应的大数据样本;其中,每一样本均对应有相同的m个指标,m为自然数;
用户体验评分单元,用于在所述确定的大数据样本中提取n个样本,形成具有n行m列的指标矩阵,并获取所述提取的n个样本的用户评分,形成具有n行单列的打分矩阵,且进一步将所述形成的指标矩阵及打分矩阵进行拟合,得到与所述m个指标分别对应的m个拟合系数;其中,n为自然数;
故障补偿方案数据仿真单元,用于统计所述电网模型中的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,并将每一故障类型下的各电能质量治理补偿方案作为样本进行仿真,得到每一故障类型下各电能质量治理补偿方案分别对应的暂态数据;其中,所述暂态数据均对应有相同的m个指标;
故障补偿方案拟合评分单元,用于根据所述得到的每一故障类型下各电能质量治理补偿方案分别对应的暂态数据及m个拟合系数,确定每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分;
故障补偿方案筛选单元,用于确定所述电网模型发生的当前故障类型,并在所述统计出的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,以及每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分中,查找到与当前故障类型相同的故障类型及其对应电能质量治理补偿方案的用户拟合评分,且进一步将所查找到的用户拟合评分最高所对应的电能质量治理补偿方案作为当前故障类型的最优补偿方案。
其中,所述用户体验评分单元包括:
指标矩阵构建模块,用于确定所述指标矩阵其中,anm对应为第n个提取样本中第m个指标的数据;
打分矩阵构建模块,用于确定所述打分矩阵其中,b1至bn分别对应1至n个提取样本的用户评分;
矩阵拟合模块,用于利用多元线性回归的方法对所述指标矩阵A及所述打分矩阵B进行拟合,得出与所述m个指标相应的m个拟合系数λ1,λ2,…λm。
其中,所述大数据样本来自于所述电网模型真实系统的检测数据或者来自于仿真软件模拟所述电网模型的数据。
其中,所述电能质量治理补偿方案包括补偿的量和补偿的位置。
实施本发明实施例,具有如下有益效果:
本发明与以往追求电能质量最大的不同是加入了用户的主观评价,以各种电能质量治理补偿方案为输入,以用户评分为输出,针对不同用户的特点和要求,调整相应的电能质量治理补偿算法,使得用户的体验和评价最好,从而可以精准量化的决定电能质量治理设备的地点和总量,减少人为干预,大大提高电网的稳定性和安全性。
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性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的基于大数据分析电能质量提升用户体验的方法的流程图;
图2为本发明实施例提供的基于大数据分析电能质量提升用户体验的系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明实施例中,提供的一种基于大数据分析电能质量提升用户体验的方法,所述方法包括:
步骤S1、获取电网模型,并确定所述获取到的电网模型所对应的大数据样本;其中,每一样本均对应有相同的m个指标,m为自然数;
具体过程为,确定电网模型及电网模型中的大数据样本,该大数据样本可以来自于电网模型真实系统的检测数据,如PMU数据;但由于真实系统无法覆盖所有可能的样本类型,并且由于电网检测的数据不完全,因此大数据样本还可以来自于仿真软件模拟电网模型的数据,例如采用BPA仿真软件,PSASP仿真软件。
步骤S2、在所述确定的大数据样本中提取n个样本,形成具有n行m列的指标矩阵,并获取所述提取的n个样本的用户评分,形成具有n行单列的打分矩阵,且进一步将所述形成的指标矩阵及打分矩阵进行拟合,得到与所述m个指标分别对应的m个拟合系数;其中,n为自然数;
具体过程为,由于数据量太大,用户对所有的情况进行打分是并不现实因此通过少量的样本获得用户对各种电能质量指标的敏感程度,完成用户画像。
在大数据样本中提取n个样本,每个样本有m个指标,形成指标矩阵其中,anm对应为第n个提取样本中第m个指标的数据;
同时,请用户对每组样本的电能体验进行打分,形成打分矩阵其中,b1至bn分别对应1至n个提取样本的用户评分;
利用多元线性回归的方法对指标矩阵A及打分矩阵B进行拟合,得出与m个指标相应的m个拟合系数λ1,λ2,…λm。
步骤S3、统计所述电网模型中的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,并将每一故障类型下的各电能质量治理补偿方案作为样本进行仿真,得到每一故障类型下各电能质量治理补偿方案分别对应的暂态数据;其中,所述暂态数据均对应有相同的m个指标;
具体过程为,统计电网模型中的所有故障类型,且每一故障类型都有多个电能质量治理补偿方案;其中,电能质量治理补偿方案包括补偿的量和补偿的位置,并通过补偿的量和补偿的位置交叉组合来实现多种补偿方案。
利用暂态稳定仿真程序进行对电能质量治理补偿方案仿真,获得每一故障类型下各电能质量治理补偿方案分别对应的暂态数据,该暂态数据包括10s内的电压、频率、有功功率、无功功率等数据。
步骤S4、根据所述得到的每一故障类型下各电能质量治理补偿方案分别对应的暂态数据及m个拟合系数,确定每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分;
具体过程为,针对每一个暂态数据,根据公式(1),计算出每一故障类型下各电能质量治理补偿方案的用户拟合评分;
bn+1=λ1·an+1,1+λ2·an+1,2+…+λm·an+1,m (1),
式(1)中,an+1,1,an+1,2,…an+1,m对应某一故障类型下某一电能质量治理补偿方案对应暂态数据所含1至m个指标的数据;bn+1为某一故障类型下某一电能质量治理补偿方案当前计算出的用户拟合评分。
步骤S5、确定所述电网模型发生的当前故障类型,并在所述统计出的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,以及每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分中,查找到与当前故障类型相同的故障类型及其对应电能质量治理补偿方案的用户拟合评分,且进一步将所查找到的用户拟合评分最高所对应的电能质量治理补偿方案作为当前故障类型的最优补偿方案。
具体过程为,当电网面临某一种故障时,在约束条件下,遍历所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,找到相应的故障类型及其对应的各电能质量治理补偿方案的用户拟合评分,确定所找到的用户拟合评分最高所对应的电能质量治理补偿方案,即对应当前故障类型的最优补偿方案。
如图2所示,为本发明实施例中,提供的一种基于大数据分析电能质量提升用户体验的系统,所述系统包括:
大数据获取单元210,用于获取电网模型,并确定所述获取到的电网模型所对应的大数据样本;其中,每一样本均对应有相同的m个指标,m为自然数;
用户体验评分单元220,用于在所述确定的大数据样本中提取n个样本,形成具有n行m列的指标矩阵,并获取所述提取的n个样本的用户评分,形成具有n行单列的打分矩阵,且进一步将所述形成的指标矩阵及打分矩阵进行拟合,得到与所述m个指标分别对应的m个拟合系数;其中,n为自然数;
故障补偿方案数据仿真单元230,用于统计所述电网模型中的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,并将每一故障类型下的各电能质量治理补偿方案作为样本进行仿真,得到每一故障类型下各电能质量治理补偿方案分别对应的暂态数据;其中,所述暂态数据均对应有相同的m个指标;
故障补偿方案拟合评分单元240,用于根据所述得到的每一故障类型下各电能质量治理补偿方案分别对应的暂态数据及m个拟合系数,确定每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分;
故障补偿方案筛选单元250,用于确定所述电网模型发生的当前故障类型,并在所述统计出的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,以及每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分中,查找到与当前故障类型相同的故障类型及其对应电能质量治理补偿方案的用户拟合评分,且进一步将所查找到的用户拟合评分最高所对应的电能质量治理补偿方案作为当前故障类型的最优补偿方案。
其中,所述用户体验评分单元220包括:
指标矩阵构建模块2201,用于确定所述指标矩阵其中,anm对应为第n个提取样本中第m个指标的数据;
打分矩阵构建模块2202,用于确定所述打分矩阵其中,b1至bn分别对应1至n个提取样本的用户评分;
矩阵拟合模块2203,用于利用多元线性回归的方法对所述指标矩阵A及所述打分矩阵B进行拟合,得出与所述m个指标相应的m个拟合系数λ1,λ2,…λm。
其中,所述大数据样本来自于所述电网模型真实系统的检测数据或者来自于仿真软件模拟所述电网模型的数据。
其中,所述电能质量治理补偿方案包括补偿的量和补偿的位置。
实施本发明实施例,具有如下有益效果:
本发明与以往追求电能质量最大的不同是加入了用户的主观评价,以各种电能质量治理补偿方案为输入,以用户评分为输出,针对不同用户的特点和要求,调整相应的电能质量治理补偿算法,使得用户的体验和评价最好,从而可以精准量化的决定电能质量治理设备的地点和总量,减少人为干预,大大提高电网的稳定性和安全性。
值得注意的是,上述系统实施例中,所包括的各个系统单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
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 (9)
1.一种基于大数据分析电能质量提升用户体验的方法,其特征在于,所述方法包括:
a、获取电网模型,并确定所述获取到的电网模型所对应的大数据样本;其中,每一样本均对应有相同的m个指标,m为自然数;
b、在所述确定的大数据样本中提取n个样本,形成具有n行m列的指标矩阵,并获取所述提取的n个样本的用户评分,形成具有n行单列的打分矩阵,且进一步将所述形成的指标矩阵及打分矩阵进行拟合,得到与所述m个指标分别对应的m个拟合系数;其中,n为自然数;
c、统计所述电网模型中的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,并将每一故障类型下的各电能质量治理补偿方案作为样本进行仿真,得到每一故障类型下各电能质量治理补偿方案分别对应的暂态数据;其中,所述暂态数据均对应有相同的m个指标;
d、根据所述得到的每一故障类型下各电能质量治理补偿方案分别对应的暂态数据及m个拟合系数,确定每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分;
e、确定所述电网模型发生的当前故障类型,并在所述统计出的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,以及每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分中,查找到与当前故障类型相同的故障类型及其对应电能质量治理补偿方案的用户拟合评分,且进一步将所查找到的用户拟合评分最高所对应的电能质量治理补偿方案作为当前故障类型的最优补偿方案。
2.如权利要求1所述的方法,其特征在于,所述步骤a中的“大数据样本”来自于所述电网模型真实系统的检测数据或者来自于仿真软件模拟所述电网模型的数据。
3.如权利要求1所述的方法,其特征在于,所述步骤b具体包括:
确定所述指标矩阵其中,anm对应为第n个提取样本中第m个指标的数据;
确定所述打分矩阵其中,b1至bn分别对应1至n个提取样本的用户评分;
利用多元线性回归的方法对所述指标矩阵A及所述打分矩阵B进行拟合,得出与所述m个指标相应的m个拟合系数λ1,λ2,…λm。
4.如权利要求3所述的方法,其特征在于,所述步骤d具体包括:
根据公式bn+1=λ1·an+1,1+λ2·an+1,2+…+λm·an+1,m,计算出每一故障类型下各电能质量治理补偿方案的用户拟合评分;其中,an+1,1,an+1,2,…an+1,m对应某一故障类型下某一电能质量治理补偿方案对应暂态数据所含1至m个指标的数据;bn+1为某一故障类型下某一电能质量治理补偿方案当前计算出的用户拟合评分。
5.如权利要求4所述的方法,其特征在于,所述电能质量治理补偿方案包括补偿的量和补偿的位置。
6.一种基于大数据分析电能质量提升用户体验的系统,其特征在于,所述系统包括:
大数据获取单元,用于获取电网模型,并确定所述获取到的电网模型所对应的大数据样本;其中,每一样本均对应有相同的m个指标,m为自然数;
用户体验评分单元,用于在所述确定的大数据样本中提取n个样本,形成具有n行m列的指标矩阵,并获取所述提取的n个样本的用户评分,形成具有n行单列的打分矩阵,且进一步将所述形成的指标矩阵及打分矩阵进行拟合,得到与所述m个指标分别对应的m个拟合系数;其中,n为自然数;
故障补偿方案数据仿真单元,用于统计所述电网模型中的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,并将每一故障类型下的各电能质量治理补偿方案作为样本进行仿真,得到每一故障类型下各电能质量治理补偿方案分别对应的暂态数据;其中,所述暂态数据均对应有相同的m个指标;
故障补偿方案拟合评分单元,用于根据所述得到的每一故障类型下各电能质量治理补偿方案分别对应的暂态数据及m个拟合系数,确定每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分;
故障补偿方案筛选单元,用于确定所述电网模型发生的当前故障类型,并在所述统计出的所有故障类型及每一故障类型分别对应的电能质量治理补偿方案,以及每一故障类型下各电能质量治理补偿方案分别对应的用户拟合评分中,查找到与当前故障类型相同的故障类型及其对应电能质量治理补偿方案的用户拟合评分,且进一步将所查找到的用户拟合评分最高所对应的电能质量治理补偿方案作为当前故障类型的最优补偿方案。
7.如权利要求6所述的系统,其特征在于,所述用户体验评分单元包括:
指标矩阵构建模块,用于确定所述指标矩阵其中,anm对应为第n个提取样本中第m个指标的数据;
打分矩阵构建模块,用于确定所述打分矩阵其中,b1至bn分别对应1至n个提取样本的用户评分;
矩阵拟合模块,用于利用多元线性回归的方法对所述指标矩阵A及所述打分矩阵B进行拟合,得出与所述m个指标相应的m个拟合系数λ1,λ2,…λm。
8.如权利要求6所述的系统,其特征在于,所述大数据样本来自于所述电网模型真实系统的检测数据或者来自于仿真软件模拟所述电网模型的数据。
9.如权利要求6所述的系统,其特征在于,所述电能质量治理补偿方案包括补偿的量和补偿的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950573.XA CN106548280A (zh) | 2016-10-27 | 2016-10-27 | 一种基于大数据分析电能质量提升用户体验的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950573.XA CN106548280A (zh) | 2016-10-27 | 2016-10-27 | 一种基于大数据分析电能质量提升用户体验的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106548280A true CN106548280A (zh) | 2017-03-29 |
Family
ID=58392797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610950573.XA Pending CN106548280A (zh) | 2016-10-27 | 2016-10-27 | 一种基于大数据分析电能质量提升用户体验的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548280A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107229031A (zh) * | 2017-05-23 | 2017-10-03 | 国家电网公司 | 一种基于谷电分析的电表动态评估系统及方法 |
CN107274063A (zh) * | 2017-05-14 | 2017-10-20 | 浙江志杰电力科技有限公司 | 一种电表能耗评估系统及方法 |
CN107291664A (zh) * | 2017-05-14 | 2017-10-24 | 浙江志杰电力科技有限公司 | 一种电表能耗动态评估系统及方法 |
CN107301494A (zh) * | 2017-05-23 | 2017-10-27 | 国家电网公司 | 一种基于谷电分析的电表评估系统及方法 |
CN107704431A (zh) * | 2017-07-12 | 2018-02-16 | 国网浙江义乌市供电公司 | 一种基于谷电分析的电表动态评估系统及方法 |
CN109766520A (zh) * | 2019-01-10 | 2019-05-17 | 四川新网银行股份有限公司 | 一种基于大数据的多元线性回归分析方法及系统 |
CN114167198A (zh) * | 2021-10-18 | 2022-03-11 | 国网山东省电力公司平原县供电公司 | 一种同期线损数据的测量方法及测量平台 |
-
2016
- 2016-10-27 CN CN201610950573.XA patent/CN106548280A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274063A (zh) * | 2017-05-14 | 2017-10-20 | 浙江志杰电力科技有限公司 | 一种电表能耗评估系统及方法 |
CN107291664A (zh) * | 2017-05-14 | 2017-10-24 | 浙江志杰电力科技有限公司 | 一种电表能耗动态评估系统及方法 |
CN107229031A (zh) * | 2017-05-23 | 2017-10-03 | 国家电网公司 | 一种基于谷电分析的电表动态评估系统及方法 |
CN107301494A (zh) * | 2017-05-23 | 2017-10-27 | 国家电网公司 | 一种基于谷电分析的电表评估系统及方法 |
CN107704431A (zh) * | 2017-07-12 | 2018-02-16 | 国网浙江义乌市供电公司 | 一种基于谷电分析的电表动态评估系统及方法 |
CN109766520A (zh) * | 2019-01-10 | 2019-05-17 | 四川新网银行股份有限公司 | 一种基于大数据的多元线性回归分析方法及系统 |
CN114167198A (zh) * | 2021-10-18 | 2022-03-11 | 国网山东省电力公司平原县供电公司 | 一种同期线损数据的测量方法及测量平台 |
CN114167198B (zh) * | 2021-10-18 | 2024-03-01 | 国网山东省电力公司平原县供电公司 | 一种同期线损数据的测量方法及测量平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106548280A (zh) | 一种基于大数据分析电能质量提升用户体验的方法及系统 | |
CN102074955B (zh) | 基于知识发现技术的电力系统稳定评估及控制方法 | |
Kamwa et al. | Fuzzy partitioning of a real power system for dynamic vulnerability assessment | |
CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN109659933A (zh) | 一种基于深度学习模型的含分布式电源配电网电能质量预测方法 | |
CN106777984A (zh) | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 | |
CN104573947A (zh) | 区域智能配电网低压台区综合评价方法 | |
CN105242110B (zh) | 一种配电网多点谐波污染溯源方法 | |
Wang et al. | Actuator placement for enhanced grid dynamic performance: A machine learning approach | |
CN107942160A (zh) | 基于bp神经网络的线路参数特性辨识模型的建立方法 | |
CN104036434A (zh) | 一种配电网负荷供应能力评价方法 | |
CN110174255A (zh) | 一种基于径向基神经网络的变压器振动信号分离方法 | |
CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
CN104967097B (zh) | 基于支持向量分类机的励磁涌流识别方法 | |
CN106408016A (zh) | 一种配电网停电时间自动识别模型构造方法 | |
CN110096723A (zh) | 基于运维检测大数据的高压开关柜绝缘状态分析方法 | |
CN108988347A (zh) | 一种电网暂态电压稳定样本集类别失衡的调节方法及系统 | |
CN107578679A (zh) | 一种特高压避雷器仿真培训系统 | |
CN106842104A (zh) | 一种改进型qspm矩阵的智能电表型式试验综合评价分析的方法 | |
CN106655210A (zh) | 一种电网无功补偿方法 | |
CN107219494A (zh) | 一种电能表运行测试系统 | |
CN111965442A (zh) | 一种数字孪生环境下的能源互联网故障诊断方法及装置 | |
CN106356994A (zh) | 一种基于电网pmu大数据的电网稳定性判别方法 | |
CN105226644A (zh) | 基于可用容量一致性的带约束等值方法 | |
Ji-Hong et al. | Visual analysis of SOM network in fault diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170329 |