CN107133721A - 基于灰色理论的配电网量测不良数据关联因素分析方法 - Google Patents
基于灰色理论的配电网量测不良数据关联因素分析方法 Download PDFInfo
- Publication number
- CN107133721A CN107133721A CN201710251672.3A CN201710251672A CN107133721A CN 107133721 A CN107133721 A CN 107133721A CN 201710251672 A CN201710251672 A CN 201710251672A CN 107133721 A CN107133721 A CN 107133721A
- Authority
- CN
- China
- Prior art keywords
- data
- bad
- measuring point
- relation factor
- analysis
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000000556 factor analysis Methods 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 230000000052 comparative effect Effects 0.000 claims abstract description 29
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 241001269238 Data Species 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于灰色理论的配电网量测不良数据关联因素分析方法，应用于配电网分析计算中不良量测数据与潜在因素的关联度分析和检测，该方法包括采集量测系统量测历史数据和关联因素历史数据；构建参考序列和比较序列的原始数据表；无量纲化处理参考序列和比较序列；用灰色理论分析求取量测坏数据关联因素的关联度；利用关联度分析方法优化配电网量测系统。本发明针对配电网分析计算中的不良量测数据，以灰色分析为理论基础，从模糊统计的角度出发，结合不良数据与导致不良数据产生的潜在因素的大量历史数据，分析不良数据与潜在因素之间的关联度，对配电网分析计算中量测数据质量的改善具有指导意义。
Description
技术领域
本发明涉及一种配电网量测不良数据分析方法，尤其涉及一种基于灰色理论的配电网量测不良数据关联因素分析方法。
背景技术
配电网规模庞大，而配电网量测系统量测的数量十分有限，一般只在根节点存在功率量测和电压量测，部分量测点仅有电流量测，其他节点没有量测配置，并且量测系统提供的数据可靠性不高，用这些数据进行配电网分析计算如线损计算会导致线损率异常高，甚至线损率为负值。显然针对所需求的计算数据，以及配电网环网设计，辐射状运行的拓扑特点，需要进行不良数据的检测，为下一步分析计算剔除不良数据，校正计算结果。
配电网量测系统建设成本较高，建设工作涉及到复杂的用户类型，而且用户数量众多，同时还需要解决信道不稳定、算法不统一以及公共网络信道故障等问题，因此量测不良数据不可避免，例如线路的功率异常、电量异常、电压数据异常等现象。量测系统获得的数据中不良数据比例虽然很低，但是其存在直接影响到信息的准确性以及客观性，造成后续配电网分析计算的误差。因此，如何处理好其中的数据畸变问题是当前量测系统优化及完善的一个重要内容。
量测系统产生的错误量测与影响因素之间的关系是不明确的，单纯通过简单的统计难以摸清其规律，因此需要分析量测错误与影响条件的关联度，探究各个影响因素对量测错误的影响，关联度分析的相关结果，以作为预警、决策的科学依据。
发明内容
发明目的：针对以上问题，本发明提出一种基于灰色理论的配电网量测不良数据关联因素分析方法。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于灰色理论的配电网量测不良数据关联因素分析方法，具体包括以下步骤：
(1)统计量测系统量测历史数据和关联因素历史数据；
(2)构建参考序列和比较序列的原始数据表，判断序列是否具有合理潜在关联性，如果是，执行步骤3，如果否，继续步骤2；
(3)无量纲化处理参考序列和比较序列；
(4)用灰色理论分析求取量测不良数据和关联因素的关联度，判断分析结果是否具有较好关联性，如果是，执行步骤5，如果否，继续步骤4；
(5)利用关联度分析方法优化配电网量测系统。
步骤(1)具体包括：
从量测系统采集量测数据，量测数据包括少部分量测点完备的有功、无功、电压和电流数据，以及大部分量测点仅有的电流数据，从中整理出不良测点和对应的不良量测数据；
从量测系统采集关联因素数据，关联因素数据包括量测装置的使用情况数据和气象数据，量测装置的使用情况数据包括统计测点测量装置的使用年限、测点信息通道的使用年限和测点测量装置供电电压质量，气象数据包括地区降水量、温度、湿度和空气质量指数，从中整理出不良测点对应的关联因素数据。
步骤(2)具体包括：
构建参考序列，将量测系统某个时间段内各个不良测点出现不良数据的频次作为参考序列，记x0(k)，k＝1，2，…，n；
构建比较序列，将研究地区某个时间段内各个不良测点的降水量、平均温度、平均湿度、平均空气质量指数、测点测量装置的使用年限、测点信息通道的使用年限和测点测量装置供电电压质量作为比较序列，记x1(k)，x2(k)，x3(k)，x4(k)，x5(k)，x6(k)，x7(k)，k＝1，2，…，n，n为不良测点的总数；
判断序列是否具有合理潜在关联性，如果是，执行步骤3，如果否，继续步骤2。
步骤(3)具体包括：
采用极差化方法对参考序列和比较序列进行无量纲化处理，将序列的每个值减去序列的最小值，再除以序列的最大值、最小值之差，得到无量纲化处理后的序列矩阵。
步骤(4)具体包括：
对参考序列和比较序列进行灰色理论分析，灰色理论分析包括设置分辨系数求取关联度系数；进行加权关联度计算；将各个不良测点的关联度系数加权平均化以表征比较序列与参考序列间的关联度，形成关联度矩阵并进行关联度比较；
灰色理论分析后，判断分析结果是否具有较好关联性，如果是，执行步骤5，如果否，继续步骤4。
步骤(5)具体包括：
根据关联因素关联度大小，对量测点可以进行不良数据的预警，有针对性地对量测系统进行改善。
有益效果：本发明提供的基于灰色理论的配电网量测不良数据关联因素分析方法，以灰色分析为理论基础，结合导致不良数据的潜在因素的大量历史数据，分析不良数据与关联因素之间的关联度，对配电网分析计算中量测数据质量的改善具有指导意义，能够理清量测系统产生的错误量测与影响因素之间的关系，改善数据畸变问题从而优化及完善当前配电网量测系统，具有较强的可行性和实用性。
附图说明
图1是基于灰色理论的配电网量测不良数据关联因素分析方法流程图；
图2是典型的中低压配电网拓扑图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示是本发明所述的基于灰色理论的配电网量测不良数据关联因素分析方法实现步骤流程图，包括：统计量测系统量测历史数据和关联因素历史数据；构建参考序列和比较序列的原始数据表；无量纲化处理参考序列和比较序列；用灰色理论分析求取量测不良数据和关联因素的关联度；利用关联度分析方法优化配电网量测系统。
如图2所示是典型的中低压配电网拓扑图，两馈线手拉手供电，采用闭环设计，开环运行。其中，实心开关表示合位，空心表示分位，开关旁用斜体I、PQ、PQI等标明的是量测点具有的量测类型，A是110kV变电站，其余B、C、D、E、F、G、H为分支箱、开闭所等设备，电压等级都是10kV。仅110kV变电站有完备的有功、无功、电压和电流量测，其余大部分量测点仅有电流量测或者功率量测，还有一部分节点没有任何量测。量测不足本身导致配电网分析计算产生一定误差，部分量测中出现的不良数据将导致后续的分析计算产生更大误差，本发明考察产生量测不良数据的量测点关联因素特征，分析不良数据与潜在因素之间的关联度，为量测数据质量的改善提供基础。
本发明所述的基于灰色理论的配电网量测不良数据关联因素分析方法具体包括以下步骤：
步骤S01：从量测系统采集用于配电网分析计算的基础数据，包括少部分量测点完备的有功、无功、电压和电流数据，以及大部分量测点仅有的电流数据。配电网分析计算包含配电网的潮流计算、状态估计、线损计算等。图2中仅有110kV变电站具有有功、无功、电流、电压量测测点，其他分支箱、开闭所仅有电流测点。另外还需要采集量测装置的使用情况数据和气象数据，量测装置的使用情况数据包括统计测点测量装置的使用年限、测点信息通道的使用年限、测点测量装置供电电压质量，以及气象数据包括地区降水量、温度、湿度、空气质量指数。
步骤S02：针对配电网中量测系统上的具体线路，将各条线路上某个典型时间段内各个不良数据测点出现不良数据的频次作为参考序列，记x0(k)，k＝1，2，…，n，其中n为不良数据测点的总数。并且将研究地区某个时间段里各个量测点的降水量、平均温度、平均湿度、平均空气质量指数(AQI)、测点测量装置的使用年限、测点信息通道的使用年限、测点测量装置供电电压质量作为比较序列中的7个元素，分别记为：x1(k)，x2(k)，…，x7(k)，k＝1，2，…，n。参考序列和比较序列组成(7+1)×n的序列矩阵：
所有出现不良数据的测点相关的参考序列和比较序列详细数据部分如表1所示。
构建由参考序列和比较序列组成的原始数据表后，判断序列是否具有合理潜在关联性，如果是，执行步骤S03，如果否，继续进行参考序列和比较序列关联对象与关联因素的选取。
表1
步骤S03：采用“极差化”处理方法对参考序列和比较序列进行无量纲化处理：
式中，m，M分别为序列因素xi(k)的最小值和最大值，无量纲化处理消除了不同类型数据不同量纲和数量级的影响，保证结果的可靠性。
无量纲化处理后的序列矩阵为：
步骤S04：对参考序列和比较序列进行灰色分析，包括设置一定的分辨系数求取关联度系数，加权关联度的计算，以及形成关联度矩阵并进行关联度比较。
对于参考序列为x0(k)，比较序列为xi(k)的系统，xi对x0在第k个测点的关联系数计算如下：
式中，分辨系数ζ一般设为0.5。
接着得到参考数列x0(k)和比较数列xi(k)的关联度：
式中，ri表示第i个比较序列因素对参考序列因素的关联度，wi(k)为比较序列因素各位置对应的权重。这里假定各不良数据关联因素在各个测点的权重值均相等，最后所有的rij组成一个矩阵，得到关联度矩阵R：
其中，p为参考序列数量，q为比较序列数量，比较关联度相应位置矩阵值的大小，即可确定比较序列因素影响大小排序。由于参考的是不良数据频次，比较的是7个关联因素，因此p为1，q为7。灰色理论分析后，分析结果是否具有较好关联性，如果是，执行步骤S05，如果否，继续进行灰色关联分析。
步骤S05：关联度分析结果显示容易出现不良数据的量测点的关联因素特征，这些关联因素特征的关联度值为0～1之间的值，如表2所示。在此基础上，分析得出内部因素中测点测量装置供电电压质量和不良数据产生的关联最大，外部因素中平均相对湿度和不良数据产生的关联最大，依据关联因素的特征对量测点可以进行不良数据的预警，在平均相对湿度较大和测点供电电压质量较差时，对相应量测点进行改善和潜在风险的排除。
表2
| 关联因素 | 关联度 | 关联度值 |
| 降水量/cm | r1 | 0.57 |
| 平均温度/℃ | r2 | 0.48 |
| 平均相对湿度 | r3 | 0.72 |
| 平均空气质量指数(AQI) | r4 | 0.42 |
| 测点测量装置使用年限/月 | r5 | 0.64 |
| 测点信息通道使用年限/月 | r6 | 0.61 |
| 测点测量装置供电电压质量 | r7 | 0.79 |
本发明是一种基于灰色理论的配电网量测不良数据关联因素分析方法，针对配电网分析计算中不易发现的不良量测数据，以灰色分析为理论基础，结合导致不良数据的潜在因素的大量历史数据，分析不良数据与关联因素之间的关联度，对配电网分析计算中量测数据质量的改善具有指导意义。以上所述仅是本发明的优选实施方式，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，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于灰色理论的配电网量测不良数据关联因素分析方法，其特征在于：具体包括以下步骤：
(1)统计量测系统量测历史数据和关联因素历史数据；
(2)构建参考序列和比较序列的原始数据表，判断序列是否具有合理潜在关联性，如果是，执行步骤3，如果否，继续步骤2；
(3)无量纲化处理参考序列和比较序列；
(4)用灰色理论分析求取量测不良数据和关联因素的关联度，判断分析结果是否具有较好关联性，如果是，执行步骤5，如果否，继续步骤4；
(5)利用关联度分析方法优化配电网量测系统。
2.根据权利要求1所述的基于灰色理论的配电网量测不良数据关联因素分析方法，其特征在于：所述步骤(1)具体包括：
从量测系统采集量测数据，量测数据包括少部分量测点完备的有功、无功、电压和电流数据，以及大部分量测点仅有的电流数据，从中整理出不良测点和对应的不良量测数据；
从量测系统采集关联因素数据，关联因素数据包括量测装置的使用情况数据和气象数据，量测装置的使用情况数据包括统计测点测量装置的使用年限、测点信息通道的使用年限和测点测量装置供电电压质量，气象数据包括地区降水量、温度、湿度和空气质量指数，从中整理出不良测点对应的关联因素数据。
3.根据权利要求2所述的基于灰色理论的配电网量测不良数据关联因素分析方法，其特征在于：所述步骤(2)具体包括：
构建参考序列，将量测系统某个时间段内各个不良测点出现不良数据的频次作为参考序列，记x0(k)，k＝1，2，…，n；
构建比较序列，将研究地区某个时间段内各个不良测点的降水量、平均温度、平均湿度、平均空气质量指数、测点测量装置的使用年限、测点信息通道的使用年限和测点测量装置供电电压质量作为比较序列，记x1(k)，x2(k)，x3(k)，x4(k)，x5(k)，x6(k)，x7(k)，k＝1，2，…，n，n为不良测点的总数；
判断序列是否具有合理潜在关联性，如果是，执行步骤3，如果否，继续步骤2。
4.根据权利要求3所述的基于灰色理论的配电网量测不良数据关联因素分析方法，其特征在于：所述步骤(3)具体包括：
采用极差化方法对参考序列和比较序列进行无量纲化处理，将序列的每个值减去序列的最小值，再除以序列的最大值、最小值之差，得到无量纲化处理后的序列矩阵。
5.根据权利要求4所述的基于灰色理论的配电网量测不良数据关联因素分析方法，其特征在于：所述步骤(4)具体包括：
对参考序列和比较序列进行灰色理论分析，灰色理论分析包括设置分辨系数求取关联度系数；进行加权关联度计算；将各个不良测点的关联度系数加权平均化以表征比较序列与参考序列间的关联度，形成关联度矩阵并进行关联度比较；
灰色理论分析后，判断分析结果是否具有较好关联性，如果是，执行步骤5，如果否，继续步骤4。
6.根据权利要求5所述的基于灰色理论的配电网量测不良数据关联因素分析方法，其特征在于：所述步骤(5)具体包括：
根据关联因素关联度大小，对量测点可以进行不良数据的预警，有针对性地对量测系统进行改善。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710251672.3A CN107133721A (zh) | 2017-04-17 | 2017-04-17 | 基于灰色理论的配电网量测不良数据关联因素分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710251672.3A CN107133721A (zh) | 2017-04-17 | 2017-04-17 | 基于灰色理论的配电网量测不良数据关联因素分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107133721A true CN107133721A (zh) | 2017-09-05 |
Family
ID=59716624
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710251672.3A Pending CN107133721A (zh) | 2017-04-17 | 2017-04-17 | 基于灰色理论的配电网量测不良数据关联因素分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107133721A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107832927A (zh) * | 2017-10-25 | 2018-03-23 | 国网冀北电力有限公司电力科学研究院 | 基于灰色关联分析法的10kV线路线变关系评价方法 |
| CN107958354A (zh) * | 2018-01-08 | 2018-04-24 | 国网能源研究院有限公司 | 一种电网层设备利用率主要影响因素的分析方法 |
| CN110175166A (zh) * | 2019-04-18 | 2019-08-27 | 红云红河烟草(集团)有限责任公司 | 一种烟草卷包车间质量异常的确认方法 |
| CN110555623A (zh) * | 2019-09-10 | 2019-12-10 | 南方电网科学研究院有限责任公司 | 一种配电设备日运行效率的主要影响因素筛选方法及装置 |
| CN112016250A (zh) * | 2020-08-31 | 2020-12-01 | 华北电力大学 | 一种烟气scr脱硝系统不良数据辨识方法 |
| CN112561577A (zh) * | 2020-12-14 | 2021-03-26 | 国网新疆电力有限公司经济技术研究院 | 一种配电网工程分项报价标准测定方法 |
| CN113128153A (zh) * | 2021-04-20 | 2021-07-16 | 合肥工业大学 | 一种光伏电站中复合阈值触发的主动变频故障录波方法 |
| CN116596199A (zh) * | 2023-07-19 | 2023-08-15 | 广东电网有限责任公司 | 一种配电网线损影响因子的叠加分析方法和系统 |
| CN111428977B (zh) * | 2020-03-17 | 2023-11-17 | 南昌左宸科技有限公司 | 一种基于电压序列灰色关联度的离群配电变压器辨识方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104166718A (zh) * | 2014-08-18 | 2014-11-26 | 国家电网公司 | 一种适用于大电网的不良数据检测与辨识方法 |
| CN104778378A (zh) * | 2015-05-05 | 2015-07-15 | 中国石油大学(华东) | 一种油气田产量递减影响因素分析方法 |
| CN104809316A (zh) * | 2015-05-19 | 2015-07-29 | 天津工业大学 | 一种基于灰色关联分析的织物开关的综合质量评价方法 |
| CN105300871A (zh) * | 2014-07-08 | 2016-02-03 | 中国科学院金属研究所 | 基于灰色关联分析的大气腐蚀因子评价方法 |
-
2017
- 2017-04-17 CN CN201710251672.3A patent/CN107133721A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105300871A (zh) * | 2014-07-08 | 2016-02-03 | 中国科学院金属研究所 | 基于灰色关联分析的大气腐蚀因子评价方法 |
| CN104166718A (zh) * | 2014-08-18 | 2014-11-26 | 国家电网公司 | 一种适用于大电网的不良数据检测与辨识方法 |
| CN104778378A (zh) * | 2015-05-05 | 2015-07-15 | 中国石油大学(华东) | 一种油气田产量递减影响因素分析方法 |
| CN104809316A (zh) * | 2015-05-19 | 2015-07-29 | 天津工业大学 | 一种基于灰色关联分析的织物开关的综合质量评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王畅 等: "电力客户故障报修诉求与气象因素的灰色关联分析", 《电测与仪表》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107832927A (zh) * | 2017-10-25 | 2018-03-23 | 国网冀北电力有限公司电力科学研究院 | 基于灰色关联分析法的10kV线路线变关系评价方法 |
| CN107958354A (zh) * | 2018-01-08 | 2018-04-24 | 国网能源研究院有限公司 | 一种电网层设备利用率主要影响因素的分析方法 |
| CN110175166B (zh) * | 2019-04-18 | 2023-04-07 | 红云红河烟草(集团)有限责任公司 | 一种烟草卷包车间质量异常的确认方法 |
| CN110175166A (zh) * | 2019-04-18 | 2019-08-27 | 红云红河烟草(集团)有限责任公司 | 一种烟草卷包车间质量异常的确认方法 |
| CN110555623A (zh) * | 2019-09-10 | 2019-12-10 | 南方电网科学研究院有限责任公司 | 一种配电设备日运行效率的主要影响因素筛选方法及装置 |
| CN110555623B (zh) * | 2019-09-10 | 2022-06-17 | 南方电网科学研究院有限责任公司 | 一种配电设备日运行效率的主要影响因素筛选方法及装置 |
| CN111428977B (zh) * | 2020-03-17 | 2023-11-17 | 南昌左宸科技有限公司 | 一种基于电压序列灰色关联度的离群配电变压器辨识方法 |
| CN112016250A (zh) * | 2020-08-31 | 2020-12-01 | 华北电力大学 | 一种烟气scr脱硝系统不良数据辨识方法 |
| CN112561577A (zh) * | 2020-12-14 | 2021-03-26 | 国网新疆电力有限公司经济技术研究院 | 一种配电网工程分项报价标准测定方法 |
| CN113128153A (zh) * | 2021-04-20 | 2021-07-16 | 合肥工业大学 | 一种光伏电站中复合阈值触发的主动变频故障录波方法 |
| CN113128153B (zh) * | 2021-04-20 | 2022-08-30 | 合肥工业大学 | 一种光伏电站中复合阈值触发的主动变频故障录波方法 |
| CN116596199A (zh) * | 2023-07-19 | 2023-08-15 | 广东电网有限责任公司 | 一种配电网线损影响因子的叠加分析方法和系统 |
| CN116596199B (zh) * | 2023-07-19 | 2024-02-06 | 广东电网有限责任公司 | 一种配电网线损影响因子的叠加分析方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107133721A (zh) | 基于灰色理论的配电网量测不良数据关联因素分析方法 | |
| He et al. | Robust online dynamic security assessment using adaptive ensemble decision-tree learning | |
| Della Giustina et al. | Electrical distribution system state estimation: measurement issues and challenges | |
| CN109145949A (zh) | 基于集成学习的非侵入式电力负荷监测与分解方法及系统 | |
| WO2022021726A1 (zh) | 一种基于pmu的电力系统状态估计性能评价方法 | |
| CN108155648A (zh) | 基于自适应h无穷扩展卡尔曼滤波的状态估计方法 | |
| CN107145707B (zh) | 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法 | |
| Ma et al. | Topology identification of distribution networks using a split-EM based data-driven approach | |
| CN110070282A (zh) | 一种基于综合关联度的低压台区线损影响因素分析方法 | |
| 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 | |
| CN109767109A (zh) | 基于神经网络的异常线损率台区识别方法 | |
| CN112698123B (zh) | 一种基于决策树的低压台区用户拓扑关系识别方法 | |
| CN113723844A (zh) | 一种基于集成学习的低压台区理论线损计算方法 | |
| CN109586301A (zh) | 基于同步相量量测等值的智能配电网就地电压控制方法 | |
| CN114970377A (zh) | 基于新安江与深度学习耦合模型的场次洪水预报方法和系统 | |
| CN115508770A (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
| CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 | |
| CN106503861A (zh) | 基于概率统计和粒子群优化的多气象源风速融合的风电功率预测方法 | |
| CN110096723B (zh) | 基于运维检测大数据的高压开关柜绝缘状态分析方法 | |
| CN109829246A (zh) | 一种基于参数综合可疑度的线路参数辨识方法 | |
| CN116718979B (zh) | 一种智能电表运行误差测量方法和系统 | |
| CN113743452A (zh) | 电能质量评估方法及装置 | |
| CN110289646B (zh) | 基于元模型的智能软开关就地控制策略优化方法 | |
| CN109146335B (zh) | 判断10kV线路电能表系统变比与实际变比一致性的方法 | |
| Hu et al. | Real-time line loss calculation method based on equivalent resistance of low voltage distribution network |
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: 20170905 |