CN106874676A - 一种电能计量装置状态评估方法 - Google Patents
一种电能计量装置状态评估方法 Download PDFInfo
- Publication number
- CN106874676A CN106874676A CN201710090012.1A CN201710090012A CN106874676A CN 106874676 A CN106874676 A CN 106874676A CN 201710090012 A CN201710090012 A CN 201710090012A CN 106874676 A CN106874676 A CN 106874676A
- Authority
- CN
- China
- Prior art keywords
- dependent variable
- variable
- regression model
- electric power
- partial
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电能计量装置状态评估方法,该方法包括:对目标用户计量数据进行预处理,形成样本集;样本集包括自变量X和因变量Y;对因变量Y建立偏最小二乘回归模型;将偏最小二乘回归模型与因变量理论计算方程进行比对,得到状态监测结果。该方法实现对电能计量装置运行状态进行快速识别与简易评估。
Description
技术领域
本发明涉及智能电网设备在线状态监测技术领域,特别是涉及一种电能计量装置状态评估方法。
背景技术
目前,电能计量工作是电力企业一项非常重要的工作,也是电力企业和用户建立信任关系的关键。电力市场的快速发展要求电能计量工作必须提高管理水平,保证计量的准确、可靠,而这一切都是必须要依靠科技的进步和发展才能实现的。当前,各种数据库技术和计算机操作系统飞速发展,特别是因特网网络技术广泛的应用,促使我们在计量管理上采用新的技术手段来进行管理具有更宽的选择空间。电能计量装置管理包括计量方案的确定、计量器具的选用、订货验收、检定、检修、保管、安装、竣工验收、运行维护、现场检验、周期检定(轮换)、抽检、故障处理和报废的全过程管理,以及与电能计量有关的远方集中抄表系统、负荷控制系统等相关内容的管理。抓好计量装置管理,应制定相关控制措施,强化监督力度、促进电力营销服务创新、管理创新和技术创新。
在以上电能计量装置管理的内容中,电能计量装置的运行维护、现场检验、周期检定(轮换)、抽检等工作不仅任务繁重,工作量大,而且根据历史经验,现场校验的检查项目较少,一般较难发现问题,迫切需要用新的技术、新的手段解决电能计量装置在实际运行中存在的现实问题和困难。申请号201410413185.9的发明公开了一种电能计量装置整体计量误差的在线评估方法和系统,实现方案为:本发明公开一种电能计量装置整体计量误差的在线评估方法和系统,该方法步骤为:1)在线获取多组电能量数据,计算对应的母线电量不平衡率并建立映射模型;2)取任意两条线路构成线路对,每次设定当前线路对的虚拟电能量值、其余线路为0,根据映射模型计算得到虚拟母线电量不平衡率并作为当前线路对的电能计量装置的整体计量相对误差,最终得到所有线路对的整体计量相对误差;3)将整体计量相对误差分别与预设的误差条件进行比较判定误差状态;该系统包括映射模型建立模块、相对误差计算模块以及误差状态评估模块。
传统的电能计量装置状态评估方法为:现场检验、周期检定(轮换)、抽检等,工作不仅任务繁重,工作量大,盲目性强。现有技术方法需要选取目标装置存在电气拓扑关系的多个相邻设备的电气参数,数据采集容易受到数据完整性或采集通道是否完好等方面的制约。现有技术方法主要以计量误差这一方面作为落脚点,实现复杂,需要的相关电参量数据较多。因此,如何简化状态评估流程,对电能计量装置运行状态实现快速识别与简易评估为亟待解决的问题。
发明内容
本发明的目的是提供一种电能计量装置状态评估方法,以实现对电能计量装置运行状态进行快速识别与简易评估。
为解决上述技术问题,本发明提供一种电能计量装置状态评估方法,该方法包括:
对目标用户计量数据进行预处理,形成样本集;样本集包括自变量X和因变量Y;
对因变量Y建立偏最小二乘回归模型;
将偏最小二乘回归模型与因变量理论计算方程进行比对,得到状态监测结果。
优选的,目标用户计量数据为负荷数据。
优选的,自变量X包括峰行度x1、谷行度x2和平行度x3,因变量Y为负荷行度总额y。
优选的,所述对因变量Y建立偏最小二乘回归模型之前,还包括:
计算自变量X和因变量Y之间的相关系数,依据相关系数判定自变量X和因变量Y之间存在多重相关性。
优选的,所述最小二乘回归模型为最小二乘回归方程;最小二乘回归方程为:y=C+β1x1+β2x2+β3x3,C为常数项,β1、β2和β3为系数项。
优选的,所述对因变量Y建立偏最小二乘回归模型,包括:
根据偏最小二乘回归算法获取第一成分t1,轴向量w1及回归系数p1,进行交叉性检验,继而判断是否提取下一个成分,最后形成最小二乘回归模型。
优选的,所述将偏最小二乘回归模型与因变量理论计算方程进行比对,得到状态监测结果,包括:
将偏最小二乘回归方程y=C+β1x1+β2x2+β3x3与因变量理论计算方程y=x1+x2+x3作系数对比分析,反映电能计量装置的运行状态渐变过程,得到状态监测结果。
本发明所提供的一种电能计量装置状态评估方法,对目标用户计量数据进行预处理,形成样本集;样本集包括自变量X和因变量Y;对因变量Y建立偏最小二乘回归模型;将偏最小二乘回归模型与因变量理论计算方程进行比对,得到状态监测结果。可见,该方法在目标用户电气量测数据基础上,采用偏最小二乘回归方法对目标用户后台监测数据即用电行度进行数据回归剖析,以回归方程中系数观测值与真实值作对比作为间接反映设备运行状态的参数,如此,采集更容易获取的电能量信息即用户行度信息,简化状态评估流程,对目标用户电能计量装置运行状态实现快速识别与简易评估。
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,还可以根据提供的附图获得其他的附图。
图1为本发明所提供的一种电能计量装置状态评估方法的流程图。
具体实施方式
本发明的核心是提供一种电能计量装置状态评估方法,以实现对电能计量装置运行状态进行快速识别与简易评估。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明所提供的一种电能计量装置状态评估方法的流程图,该方法包括:
S11:对目标用户计量数据进行预处理,形成样本集;
其中,样本集包括自变量X和因变量Y;
S12:对因变量Y建立偏最小二乘回归模型;
S13:将偏最小二乘回归模型与因变量理论计算方程进行比对,得到状态监测结果。
可见,该方法在目标用户电气量测数据基础上,采用偏最小二乘回归方法对目标用户后台监测数据即用电行度进行数据回归剖析,以回归方程中系数观测值与真实值作对比作为间接反映设备运行状态的参数,如此,采集更容易获取的电能量信息即用户行度信息,简化状态评估流程,对目标用户电能计量装置运行状态实现快速识别与简易评估。
基于上述方法,具体的,目标用户计量数据为负荷数据。
其中,自变量X包括峰行度x1、谷行度x2和平行度x3,因变量Y为负荷行度总额y。
进一步的,步骤S12之前还包括:计算自变量X和因变量Y之间的相关系数,依据相关系数判定自变量X和因变量Y之间存在多重相关性。
其中,所述最小二乘回归模型为最小二乘回归方程;最小二乘回归方程为:y=C+β1x1+β2x2+β3x3,C为常数项,β1、β2和β3为系数项。
进一步的,步骤S12的过程具体包括:根据偏最小二乘回归算法获取第一成分t1,轴向量w1及回归系数p1,进行交叉性检验,继而判断是否提取下一个成分,最后形成最小二乘回归模型。
进一步的,步骤S13的过程具体包括:将偏最小二乘回归方程y=C+β1x1+β2x2+β3x3与因变量理论计算方程y=x1+x2+x3作系数对比分析,反映电能计量装置的运行状态渐变过程,得到状态监测结果。
详细的,最小二乘(PLS)的回归算法是不直接根据样本信息进行分析评判,而是利用PLS将变量的主成分分析、变量间的典型相关分析和多元线性回归有机的结合起来,在一个算法下实现数据结构简化及将各种属性或维度的数据整合为一个整体。针对电能计量装置监测数据属性的多样性,PLS算法能融合各样本数据之间的差异性,从而进行属性约简,有效防止样本属性之间的多重相关性对监测模型的影响。
本发明在目标用户电气量测数据基础上,采用偏最小二乘回归方法对目标用户后台监测数据(用电行度)进行数据回归剖析,以回归方程中系数观测值与真实值作对比作为间接反映设备运行状态的参数。
其中,偏最小二乘回归是一种用于解决多元数据统计分析问题的方法,它集成了多元线性回归分析、典型相关分析和主成分分析的基本功能,又被称为第二代回归分析方法。近年来,该分析方法得到迅速发展,应用范围也涉及电力、水文、建筑、社会等诸多领域。该方法在统计应用中的优点在于:
1)用于回归建模的变量集合内部相关性较强时,偏最小二乘回归分析方法的结论更加可靠;
2)能够解决许多普通多元回归方法无法解决的问题,适用范围更广,如最小二乘法进行回归时存在的自变量多重相关问题;
3)同时实现回归建模、数据结构简化以及两组变量间的相关分析,是多元统计数据分析中的一个飞跃。
基于偏最小二乘回归算法基本理论,详细的,对于数据总体能够满足高斯-马尔可夫假设条件的一组因变量Y={y1,…,yn}m×n和一组自变量X={x1,…,xn}m×n,利用最小二乘法对X和Y进行回归计算的系数矩阵为Bxy=(XTX)-1XTY,式中上标“T”、“-1”分别代表矩阵的转置和求逆操作,以下公式的表述含义相同。在Bxy基础上可得到因变量估计值的计算表达式从的计算式中可看出,矩阵(XTX)必须可逆。所以,当X中的变量存在严重的多重相关性时,根本无法求出因变量估计值或者估计值中包含大量误差。而偏最小二乘回归有效解决了这类问题,其基本步骤如下:
(1)数据标准化处理。自变量X={x1,…,xn}m×n、因变量Y={y1,…,yn}m×n经标准差标准化处理后的数据矩阵记为E0=(E01,…,E0n)和F0=(F01,…,F0n)。其中,对矩阵X、Y的第一列m个数据进行标准差标准化的见公式如下。
式中,E01、F01分别为标准化矩阵E0和F0的第一列,X1、Y1分别表示矩阵X、Y的第一列;mean表示平均值运算,std代表标准差运算。
(2)提取自变量标准化后矩阵E0的第一个成分ct1。其中,ct1=Eocw1,cw1是E0的第一个轴,它是一个单位向量,即||cw1||=1,成分ct1是标准化变量E01、…、E0n的线性组合,是对原信息的重新调整;从因变量标准化后矩阵F0中提取第一个成分cu1,即cu1=Fo cc1。其中,cc1的模值||cc1||=1,表示F0的第一个轴。
为使E0、F0的第一个成分ct1、cu1能分别很好地代表X与Y中的数据变异信息,且第一成分ct1、cu1之间要求ct1对cu1有最大的解释能力,即为要求ct1与cu1的协方差达到最大,亦即:
式中,Cov为求协方差运算,Var为求方差的运算,rctu为ct1与cu1的相关系数。
将式(2)转化为式(3)的优化问题,对ct1和cu1进行求解。即,在||cwl||2=1和||cc1||2=1两个约束条件下,求取(cwl′Eo′Focc1)的最大值。
构建拉格朗日方程,对上式进行计算,可得:
求得cwl和ccl后,即可求得成分ct1和cu1,有:
然后,分别求出E0和F0对ct1和cu1的回归方程:
式中,El,Fl是回归方程的残差矩阵,cp1、cr1是回归系数向量。
回归系数向量cp1、cr1分别为:
(3)用残差矩阵El和Fl代替E0和F0,求第二个轴cw2和cc2以及第二个成分ct2和cu2,有:
ct2=E1cw2 (10)
cu2=F1cc2 (11)
同样可计算出E1和F1对ct2和cu2的回归方程和回归系数向量cp2、cr2:
(4)按上述步骤持续计算下去,如果自变量X的秩是A,则会有:
由于ct1,…,ctA均可表示成E01,…,E0n的线性组合,因此,式(17)可以还原成:
F0k=αk1E01+…+αknE0n+FAk(k=1,2,…,m) (18)
式中,FAk是残差矩阵FA的第k列;αk1、…、αkn为自变量的系数。
最后,通过标准化的逆过程,得到因变量Y关于自变量X的回归方程为:
另外,对于交叉有效性分析,许多情形下,偏最小二乘回归方程并不需要选用全部的成分ct1,…,ctA,而是通过截断的方式选择部分成分。其基本思想是:通过考察增加一个新的成分后,能否对模型的预测功能有明显的改进来确定成分的个数。成分个数确定的主要步骤如下:
1)选择nh个成分,使用所有样本点进行回归建模,并将第nk个样本点带入,得到拟合值按式(20)计算yg的误差平方和SShg,进而计算Y的误差平方和SSh。
2)把所有nxy个样本点分成两部分:第一部分是除去某个样本点xynk的所有样本点集合(共含nxy-1个样本点),用这部分样本点并使用nh个成分拟合一个回归方程;第二部分是把刚才被排除的样本点xynk带入前面拟合的回归方程,得到yg在样本点xynk上的拟合值按式(21)计算yg的预测误差平方和PRESShg,进而计算Y的预测误差平方和PRESSh。
3)对于全部因变量Y,成分cth的交叉有效性定义为
当式(22)中时,表明cth成分的边际贡献是显著的,需要继续计算ct(h+1)成分的作用,否则,停止计算。
以上可见,偏最小二乘回归通过分析自变量、因变量以及自变量和因变量之间的关系,提取变量系统中具有最佳解释能力的新综合变量,利用它们进行回归建模,能够有效解决样本个数较少以及自变量存在多重相关的问题;在回归建模的同时,能够实现数据结构的简化,方便观察两组变量之间的相互关系,使数据系统的分析内容更加丰富。
详细的,本发明提供的电能计量装置状态评估方法,具体实现步骤如下:
1)首先对目标用户计量数据(包括负荷数据等)进行预处理(包括非常规工作日数据的剔除处理、数据的量化处理和归一化处理),形成样本集;即获取自变量(峰谷平行度→x1,x2,x3)及因变量(总行度→y)。
2)形成自变量与因变量间的相关系数矩阵,判断是否存在多重相关性。
3)根据前文所述偏最小二乘建模步骤获取第一成分t1,轴向量w1及回归系数p1,进行交叉性检验,继而判断是否提取下一个成分,最后形成最小二乘回归方程。
4)以偏最小二乘回归方程y=C+β1x1+β2x2+β3x3(C为常数项,β为系数项)与因变量理论计算方程y=x1+x2+x3作系数对比分析,进而间接反映设备运行状态渐变过程。
系数项βi(i=1,2,3)偏离1的程度,为相应时段出现装置计量异常(电量少计或窃电等)的概率;以Ⅲ类表为例,其计量精度为1%,考虑算法中回归拟合出现的计算误差,可选择裕度1.2-1.5,即若裕度系数为1.5,则β的合理判据范围为(0.985,1.015)。常数项C偏离0的程度,为装置在整个计量周期的误差因子,其绝对值越大,表明计量异常越趋明显。在此基础上,能够为设备状态评估、检修措施制定提供辅助分析。
例如,某负荷容量为10MW的电子企业用户(Ⅲ类)连续工作15天的用电监测数据(已剔除节假日数据)如表1所示,表1为某企业负荷行度数据。
表1
对该企业的用电行为分析如下:
步骤一:数据获取。计量自动化系统给出的数据已完成该步骤。
步骤二:利用15组成对负荷数据建立自变量和因变量数据表,其中自变量X包括峰行度x1、谷行度x2和平行度x3三个,因变量Y为24h负荷行度总额y,对其计算自变量因变量间的相关系数,可得相关系数如表2所示,表2为自变量因变量间的相关系数。
表2
从表2可以判断自变量间存在着多重相关性。
步骤三:对总用电行度Y建立偏最小二乘回归模型。依上文中的理论和公式,利用matlab仿真软件编程计算,得到计算结果如下:
1)将X和Y通过标准化处理成E0和F0后,在E0中提取成分t1。
w1=[-0.8645 -0.4937 0.0946]
p1=[-0.7318 -0.6604 0.4364]
r1=-0.6840
计算y*在t1上的回归:
式中,y*=F0均为标准化变量。
交叉有效性检验为Q2=1>0.0975,表明成分贡献显著,继续计算其它成分。
2)在E1中提取成分t2
w2=[-0.3293 0.4141 -0.8486]
p2=[-0.3806 0.5173 -0.7783]
r2=-0.3704
计算y*在t1和t2上的回归:
交叉有效性检验为Q2=0.3731>0.0975,继续计算。
3)在E2中提取成分t3
w3=[-0.3798 0.7648 0.5205]
p3=[-0.3798 0.7648 0.5205]
r3=2.0108
计算y*在t1、t2和t3上的回归:
交叉有效性检验为Q2=-0.2882<0.0975,表明t3的边际贡献不显著,停止计算。
4)通过以上分析可知,提取2个成分即可满足要求,则偏最小二乘法的标准化变量回归方程为:
通过数据标准化的逆过程,可得到原始变量y对x的偏最小二乘回归方程为:
y=0.0766+0.97S8x1+1.0007x2+0.9982x3 (23)
步骤四:由式(23)可知,偏最小二乘法建立的回归模型与电能总行度计算公式y=x1+x2+x3相比,存在较大的表示噪声大小的常数项(0.0766),并且在表示峰用电时段电量的x1处的系数反映出计量准确性不足。因此,可评估其电能计量装置在用户峰用电时段采集的数据有失真的嫌疑。
经计量自动化后台对该用户对应线路的相关信息检索,查询到该企业所处馈线同期线损出现明显增幅,目标用户后台告警列表中出现多次“负荷过载”与“电能表飞走”告警,对比回归方程中的系数变化,可得出被核查用户在峰用电时段存在计量异常的基本结论,应该去现场检查其计量装置。
本发明采用偏最小二乘算法只需要输入多组多项电能量信息即峰谷平行度,就可以得出最后的回归方程;对回归方程的常数项及系数项与原始值作类比差异,即可得出相应的电能计量装置状态评估结果。本发明实用性强,训练时间要低于现有技术,同时识别精度相较于现有技术也大幅度提高;在偏最小二乘回归模型中,每一个自变量的回归系数将更容易解释。
另外,本发明通用性强,只采集电能量数据,即用户行度就能获取状态监测结果,现有技术需同时采集多个存在拓扑关系的多项数据进行评估。并且本发明稳定性高,信号处理中自适应算法收敛速度快,对于不同研究对象样本都能有较高的计算能力,而且容差性强,信号采集中可采用非连续的信号进行装置状态监测与评估。
以上对本发明所提供的一种电能计量装置状态评估方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (7)
1.一种电能计量装置状态评估方法,其特征在于,包括:
对目标用户计量数据进行预处理,形成样本集;样本集包括自变量X和因变量Y;
对因变量Y建立偏最小二乘回归模型;
将偏最小二乘回归模型与因变量理论计算方程进行比对,得到状态监测结果。
2.如权利要求1所述的方法,其特征在于,目标用户计量数据为负荷数据。
3.如权利要求2所述的方法,其特征在于,自变量X包括峰行度x1、谷行度x2和平行度x3,因变量Y为负荷行度总额y。
4.如权利要求1所述的方法,其特征在于,所述对因变量Y建立偏最小二乘回归模型之前,还包括:
计算自变量X和因变量Y之间的相关系数,依据相关系数判定自变量X和因变量Y之间存在多重相关性。
5.如权利要求3所述的方法,其特征在于,所述最小二乘回归模型为最小二乘回归方程;最小二乘回归方程为:y=C+β1x1+β2x2+β3x3,C为常数项,β1、β2和β3为系数项。
6.如权利要求1所述的方法,其特征在于,所述对因变量Y建立偏最小二乘回归模型,包括:
根据偏最小二乘回归算法获取第一成分t1,轴向量w1及回归系数p1,进行交叉性检验,继而判断是否提取下一个成分,最后形成最小二乘回归模型。
7.如权利要求5所述的方法,其特征在于,所述将偏最小二乘回归模型与因变量理论计算方程进行比对,得到状态监测结果,包括:
将偏最小二乘回归方程y=C+β1x1+β2x2+β3x3与因变量理论计算方程y=x1+x2+x3作系数对比分析,反映电能计量装置的运行状态渐变过程,得到状态监测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710090012.1A CN106874676B (zh) | 2017-02-20 | 2017-02-20 | 一种电能计量装置状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710090012.1A CN106874676B (zh) | 2017-02-20 | 2017-02-20 | 一种电能计量装置状态评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106874676A true CN106874676A (zh) | 2017-06-20 |
CN106874676B CN106874676B (zh) | 2020-10-23 |
Family
ID=59166470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710090012.1A Active CN106874676B (zh) | 2017-02-20 | 2017-02-20 | 一种电能计量装置状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106874676B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389267A (zh) * | 2019-07-17 | 2019-10-29 | 国网陕西省电力公司电力科学研究院 | 一种基于智能电能表采集数据的低压台区台户关系识别方法 |
CN111210060A (zh) * | 2019-12-30 | 2020-05-29 | 国网宁夏电力有限公司信息通信公司 | 一种工作日期间机房温度预测方法 |
CN112748390A (zh) * | 2020-12-23 | 2021-05-04 | 南方电网电力科技股份有限公司 | 一种电能表状态的评估方法及装置 |
CN117169804A (zh) * | 2023-11-02 | 2023-12-05 | 华中科技大学 | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040102937A1 (en) * | 2002-11-21 | 2004-05-27 | Honeywell International Inc. | Energy forecasting using model parameter estimation |
CN101609989A (zh) * | 2009-07-29 | 2009-12-23 | 国网北京经济技术研究院 | 一种城市电网供电充裕度计算系统 |
CN101726663A (zh) * | 2008-10-30 | 2010-06-09 | 华北电力科学研究院有限责任公司 | 一种监测用户侧谐波污染的方法及系统 |
CN102566435A (zh) * | 2012-02-17 | 2012-07-11 | 冶金自动化研究设计院 | 一种光伏电站的性能预报及故障报警方法 |
CN103729683A (zh) * | 2013-09-18 | 2014-04-16 | 国家电网公司 | 计量资产的寿命评估方法 |
CN103853939A (zh) * | 2014-03-24 | 2014-06-11 | 昆明理工大学 | 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法 |
CN105117602A (zh) * | 2015-08-28 | 2015-12-02 | 国家电网公司 | 一种计量装置运行状态预警方法 |
CN105678456A (zh) * | 2016-01-06 | 2016-06-15 | 深圳供电局有限公司 | 一种电能计量装置运行状态自动评估方法及其系统 |
-
2017
- 2017-02-20 CN CN201710090012.1A patent/CN106874676B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040102937A1 (en) * | 2002-11-21 | 2004-05-27 | Honeywell International Inc. | Energy forecasting using model parameter estimation |
CN101726663A (zh) * | 2008-10-30 | 2010-06-09 | 华北电力科学研究院有限责任公司 | 一种监测用户侧谐波污染的方法及系统 |
CN101609989A (zh) * | 2009-07-29 | 2009-12-23 | 国网北京经济技术研究院 | 一种城市电网供电充裕度计算系统 |
CN102566435A (zh) * | 2012-02-17 | 2012-07-11 | 冶金自动化研究设计院 | 一种光伏电站的性能预报及故障报警方法 |
CN103729683A (zh) * | 2013-09-18 | 2014-04-16 | 国家电网公司 | 计量资产的寿命评估方法 |
CN103853939A (zh) * | 2014-03-24 | 2014-06-11 | 昆明理工大学 | 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法 |
CN105117602A (zh) * | 2015-08-28 | 2015-12-02 | 国家电网公司 | 一种计量装置运行状态预警方法 |
CN105678456A (zh) * | 2016-01-06 | 2016-06-15 | 深圳供电局有限公司 | 一种电能计量装置运行状态自动评估方法及其系统 |
Non-Patent Citations (1)
Title |
---|
周文瑜: ""供电服务质量综合评价理论与实证研究"", 《中国博士学位论文全文数据库经济与管理科学辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389267A (zh) * | 2019-07-17 | 2019-10-29 | 国网陕西省电力公司电力科学研究院 | 一种基于智能电能表采集数据的低压台区台户关系识别方法 |
CN110389267B (zh) * | 2019-07-17 | 2021-05-04 | 国网陕西省电力公司电力科学研究院 | 一种低压台区台户关系识别方法 |
CN111210060A (zh) * | 2019-12-30 | 2020-05-29 | 国网宁夏电力有限公司信息通信公司 | 一种工作日期间机房温度预测方法 |
CN112748390A (zh) * | 2020-12-23 | 2021-05-04 | 南方电网电力科技股份有限公司 | 一种电能表状态的评估方法及装置 |
CN117169804A (zh) * | 2023-11-02 | 2023-12-05 | 华中科技大学 | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 |
CN117169804B (zh) * | 2023-11-02 | 2024-01-12 | 华中科技大学 | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106874676B (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108593990B (zh) | 一种基于电能用户用电行为模式的窃电检测方法和应用 | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN110311376A (zh) | 一种电力系统动态安全评估综合模型及时空可视化方法 | |
CN104504508B (zh) | 基于层次分析与小波回归的台区闭环数据分析方法 | |
CN105677791B (zh) | 用于分析风力发电机组的运行数据的方法和系统 | |
CN106529090A (zh) | 一种航天电子类产品可靠性评估方法 | |
CN108038300A (zh) | 基于改进的隶属度函数结合神经网络的光纤状态评估方法 | |
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 | |
CN106874676A (zh) | 一种电能计量装置状态评估方法 | |
CN106549813A (zh) | 一种网络性能的评估方法及系统 | |
CN110634080A (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
CN103514566A (zh) | 一种风险控制系统及方法 | |
CN107527114A (zh) | 一种基于大数据的线路台区异常分析方法 | |
CN110417011A (zh) | 一种基于互信息与迭代随机森林的在线动态安全评估方法 | |
CN106021771A (zh) | 一种故障诊断方法及装置 | |
CN104700321A (zh) | 一种输变电设备状态运行趋势分析方法 | |
CN107741578B (zh) | 智能电能表运行误差远程校准的原始抄表数据处理方法 | |
CN104617574A (zh) | 一种电力系统负荷区域暂态电压稳定的评估方法 | |
CN103840988A (zh) | 一种基于rbf神经网络的网络流量测量方法 | |
CN106780117A (zh) | 一种配电网项目融资租赁风险评估方法 | |
CN109767054A (zh) | 基于深度神经网络算法的能效云评估方法及边缘能效网关 | |
CN108761377A (zh) | 一种基于长短时记忆模型的电能计量装置异常检测方法 | |
CN104331773A (zh) | 一种电网规划方案综合评估方法 | |
CN103699668A (zh) | 基于数据断面一致性的配电网电气设备组合状态评估方法 | |
CN106295858A (zh) | 一种电能表非健康度预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |