CN107368543A - 一种基于mcmc算法的电力采集数据修复方法 - Google Patents
一种基于mcmc算法的电力采集数据修复方法 Download PDFInfo
- Publication number
- CN107368543A CN107368543A CN201710504670.0A CN201710504670A CN107368543A CN 107368543 A CN107368543 A CN 107368543A CN 201710504670 A CN201710504670 A CN 201710504670A CN 107368543 A CN107368543 A CN 107368543A
- Authority
- CN
- China
- Prior art keywords
- data
- electric energy
- energy meter
- value
- algorithms
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000008439 repair process Effects 0.000 claims abstract description 13
- 230000005611 electricity Effects 0.000 claims description 14
- 241001269238 Data Species 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 abstract description 5
- 238000005067 remediation Methods 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 11
- 238000011084 recovery Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于MCMC算法的电力采集数据修复方法,属于电力采集数据修复领域,本发明是将基于采集的历史数据通过MCMC算法,可实现对电力采集数据空值的修复,并以多种算法相结合的方式进行数据填补,补充的数据准确度较高,对历史数据需求量相对较小,修复效率较高,并且有很高的复用性;通过本方法可以高效、准确的修复缺失数据,提升电网电量统计的准确性。解决现有技术中,实现方式单一、补充的数据准确度相对较低、计算效率较低的问题。
Description
技术领域
本发明涉及一种电力采集数据修复方法,特别涉及一种基于MCMC算法的电力采集数据修复方法。
背景技术
随着电力系统的发展,电力大数据在电力系统中的应用越来越广泛,而且对电力系统的战略性部署有着重要的决策支撑,所以稳定、准确的电力数据尤为重要。用电信息采集系统在采集用户电能表的电能示值信息时,由于通信故障、设备故障、电网波动以及管理等原因,出现大量异常数据(如空值、突增数据值、突降数据值等),该部分异常数据会严重影响电网电量统计的准确性,因此采集数据异常值修复工作尤为重要。
用电信息采集系统经过多年的运行,积累了大量数据,数据价值亟待挖掘。同时,各类采集终端的现场故障较多,影响采集成功率、采集数据质量,并给使用人员带来了很大的现场维护压力,针对用电信息系统数据修复工作,当前普遍采用计算电能示值月均值、日均值的方法来补充相应的缺失数据,由于该方法实现方式单一,所以补充的数据准确度相对较低,且需要大量历史数据作为支撑,计算效率较低。
发明内容
本技术将基于采集的历史数据通过MCMC算法,可实现对电力采集数据空值的修复,提升电网电量统计的准确度,并采用多种算法相结合的方式进行数据填补,补充的数据准确度较高,对历史数据需求量相对较小,修复效率较高,并且有很高的复用性,通过本方法可以高效、准确的修复缺失数据,提升电网电量统计的准确性。
针对用电信息采集过程中发生电能表示数采集缺失,且数据修复质量差的情况,本发明通过电力用户用电数据修复模型,可对电能表采集丢失数据进行电能表示值修复。该数据修复方法是基于电能表历史电能示值结合MCMC算法填充缺失数据进行电能表示数修复。
一种基于MCMC算法的电力采集数据修复方法,所述包括如下步骤:
步骤1通过采集终端(采集器、集中器数据采集设备)获取用户电能信息,采集信息包括电能表标识、数据日期、数据类型、数据点标志、电能示值;
步骤2通过对空值判断功能对采集的电能示值进行数据空值判断,如果非空则直接存储相关数据,如果是空值则进行空值修复工作,通过对空值的修复可以提升电量统计准确度;
步骤3获取空值电能表的相关近3年的历史数据信息,包括电能表标识、数据日期、数据类型、数据点标志、电能示值,作为修复电能示值的基础数据;
步骤4基于获取电能表的相关历史数据,利用MCMC算法修复模型进行数据修复,其中MCMC算法包括贝叶斯算法、蒙特卡洛算法、EM算法,M-H抽样算法等,通过修复达到提升电量准确度的目的;
步骤5按数据存储模型规则,对非空值数据和修复以后的电能表相关数据进行数据存储,该存储数据作为业务开展的支撑数据和修复空值的历史数据;
步骤6将存储的电能表电能示值数据分发至各业务应用模块,进行相应业务支撑数据计算,相应业务支撑包括电量统计、线损计算、电量预测;
步骤7各业务应用模块将计算后的数据通过软件程序下发至业务部门和电能采集终端中,开展电费收缴、停复电、电力调度工作;
所述步骤4中,基于MCMC数据修复方法为(1)通过采集终端获取用户电能信息,采集信息包括电能表标识、数据日期、数据类型、数据点标志、电能示值等;(2)针对获取得电能示值进行空值判断;(3)针对某未采集成功的电能表,基于M-H抽样算法,通过电能表标识从已存储的历史数据中随机抽取近3年内的5组样本数据;(4)针对抽取的5组样本数据,基于数据样例特征和朴素贝叶斯分类器进行数据分类,并为样本数据分配数据处理标签即蒙特卡洛算法标签和EM算法标签;(5)根据样本数据标签,将样本数据推送至已封装的蒙特卡洛模型和EM模型中,将样本数据分别输入已封装好的蒙特卡洛模型和EM模型中,查看输出结果;(6)将各样本数据的输出结果,进行整合获取期望值;(7)将获取得数据最终修复值填补至缺失位置;(8)将修复后的数据提供给各项业务应用;
所述步骤2中,通过判断执行模块进行判断,将抽取的电能示值进行“是否为空”判断,成立则为空,不成立则为非空。”。
所述步骤3中,通过先获取空值电能表唯一标识,再通过该电能表唯一标识去历史库中查找该电能表三年的历史数据。
与现有技术相比有益效果:本方法实现简单,修复准确性高,修复成本较低,复用性高,能够及时对漏缺数据进行填补,提高数据可用性。
附图说明
图1数据修复流程图
图2MCMC算法修复流程图
具体的实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明:
如图1所示一种基于MCMC算法的电力采集数据修复方法,所述包括如下步骤:
1、通过采集终端(采集器、集中器等数据采集设备)获取用户电能信息,采集信息包括电能表标识、数据日期、数据类型、数据点标志、电能示值;
2、通过对空值判断功能对采集的电能示值进行数据空值判断,如果非空则直接存储相关数据,如果是空值则进行空值修复工作,通过对空值的修复可以提升电量统计准确度;
3、获取空值电能表的相关近3年的历史数据信息,包括电能表标识、数据日期、数据类型、数据点标志、电能示值,作为修复电能示值的基础数据;
4、基于获取电能表的相关历史数据,利用MCMC算法修复模型进行数据修复,其中MCMC算法包括贝叶斯算法、蒙特卡洛算法、EM算法,M-H抽样算法,通过修复达到提升电量准确度的目的;
5、按数据存储模型规则,对非空值数据和修复以后的电能表相关数据进行数据存储,该存储数据作为业务开展的支撑数据和修复空值的历史数据;
6、将存储的电能表电能示值数据分发至各业务应用模块,进行相应业务支撑数据计算,相应业务支撑包括电量统计、线损计算、电量预测;
7、各业务应用模块将计算后的数据通过软件程序下发至业务部门和电能采集终端中,开展电费收缴、停复电、电力调度等工作;所述步骤4中,结合图2基于MCMC数据修复步骤如下:
(1)通过采集终端获取用户电能信息,采集信息包括电能表标识、数据日期、数据类型、数据点标志、电能示值;
(2)针对获取得电能示值进行空值判断,(从电能表基础档案中获取所有电能表标识信息,在采集的数据中检索电能表采集情况,如果出现1.无某电能表采集的相关信息;2.有某电能表采集信息,但该条信息中电能示值为空,则判定某电能数据未采集成功);
(3)针对某未采集成功的电能表,基于M-H抽样算法,通过电能表标识从已存储的历史数据中随机抽取近3年内的5组样本数据(每组数据至少360条数据);
(4)针对抽取的5组样本数据,基于数据样例特征表(见表1)和朴素贝叶斯分类器进行数据分类,并为样本数据分配数据处理标签(蒙特卡洛算法标签和EM算法标签);
(5)根据样本数据标签,将样本数据推送至已封装的蒙特卡洛模型和EM模型中。将样本数据(电能表标识、数据日期、数据类型、数据点标识、电能示值)分别输入已封装好的蒙特卡洛模型和EM模型中,查看输出结果。
(6)将各样本数据的输出结果,进行整合获取期望值(取各样本数据预测结果的平均值和中位数的平均值);
(7)将获取得数据最终修复值填补至缺失位置;
(8)将修复后的数据提供给各项业务应用。
表1数据样例特征表
序号 | 区域 | 空值情况 | 历史情况 | 数据连续性 | 处理标签 |
1 | 区域1 | 无数据 | 出现异常 | 高 | 蒙特 |
2 | 区域1 | 无数据 | 出现异常 | 低 | EM |
3 | 区域1 | 无数据 | 未出现过异常 | 高 | 蒙特 |
4 | 区域1 | 无数据 | 未出现过异常 | 低 | EM |
5 | 区域1 | 空值 | 出现异常 | 高 | 蒙特 |
6 | 区域1 | 空值 | 出现异常 | 低 | EM |
7 | 区域1 | 空值 | 未出现过异常 | 高 | 蒙特 |
8 | 区域1 | 空值 | 未出现过异常 | 低 | EM |
9 | … | … | … | … | … |
10 | 区域n | 空值 | 未出现过异常 | 低 | EM |
所述步骤2中,通过判断执行模块进行判断,将抽取的电能示值进行“是否为空”判断,成立则为空,不成立则为非空。”。
所述步骤3中,通过先获取空值电能表唯一标识,再通过该电能表唯一标识去历史库中查找该电能表三年的历史数据。
Claims (4)
1.一种基于MCMC算法的电力采集数据修复方法,其特征在于,包括如下步骤:
步骤1 通过采集终端(采集器、集中器数据采集设备)获取用户电能信息,采集信息包括电能表标识、数据日期、数据类型、数据点标志、电能示值;
步骤2 通过空值判断功能对采集的电能示值进行数据空值判断,如果非空则直接存储相关数据,如果是空值则进行空值修复工作,通过对空值的修复可以提升电量统计准确度;
步骤3 获取与空值电能表相关近3年的历史数据信息,包括电能表标识、数据日期、数据类型、数据点标志、电能示值,作为修复电能示数的基础数据;
步骤4 基于获取电能表的相关历史数据,利用MCMC算法修复模型进行数据修复,其中MCMC算法包括贝叶斯算法、蒙特卡洛算法、EM算法,M-H抽样算法,通过修复达到提升电量准确度的目的;
步骤5 按数据存储模型规则,对非空值数据和修复以后的电能表相关数据进行数据存储,该存储数据作为业务开展的支撑数据和修复空值的历史数据;
步骤6 将存储的电能表电能示值数据分发至各业务应用模块,进行相应业务支撑数据计算,相应业务支撑包括电量统计、线损计算、电量预测;
步骤7 各业务应用模块将计算后的数据通过软件程序下发至业务部门和电能采集终端中,开展电费收缴、停复电、电力调度工作。
2.根据权利要求1中所述一种基于MCMC算法的电力采集数据修复方法,其特征在于,步骤4中MCMC算法修复方法包括:(1)通过采集终端获取用户电能信息,采集信息包括电能表标识、数据日期、数据类型、数据点标志、电能示值;(2)针对获取得电能示值进行空值判断;(3)针对某未采集成功的电能表,基于M-H抽样算法,通过电能表标识从已存储的历史数据中随机抽取近3年内的5组样本数据;(4)针对抽取的5组样本数据,基于数据样例特征和朴素贝叶斯分类器进行数据分类,并为样本数据分配数据处理标签即蒙特卡洛算法标签和EM算法标签;(5)根据样本数据标签,将样本数据推送至已封装的蒙特卡洛模型和EM模型中,将样本数据分别输入已封装好的蒙特卡洛模型和EM模型中,查看输出结果;(6)将各样本数据的输出结果,进行整合获取期望值;(7)将获取得数据最终修复值填补至缺失位置;(8)将修复后的数据提供给各项业务应用。
3.根据权利要求1中所述一种基于MCMC算法的电力采集数据修复方法,其特征在于,步骤2通过判断执行模块进行判断,将抽取的电能示值进行“是否为空”判断,成立则为空,不成立则为非空。
4.一种基于MCMC算法的电力采集数据修复方法,其特征在于,步骤3通过先获取空值电能表唯一标识,再通过该电能表唯一标识去历史库中查找该电能表三年的历史数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710504670.0A CN107368543B (zh) | 2017-06-28 | 2017-06-28 | 一种基于mcmc算法的电力采集数据修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710504670.0A CN107368543B (zh) | 2017-06-28 | 2017-06-28 | 一种基于mcmc算法的电力采集数据修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107368543A true CN107368543A (zh) | 2017-11-21 |
CN107368543B CN107368543B (zh) | 2021-10-22 |
Family
ID=60306538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710504670.0A Active CN107368543B (zh) | 2017-06-28 | 2017-06-28 | 一种基于mcmc算法的电力采集数据修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107368543B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108519989A (zh) * | 2018-02-27 | 2018-09-11 | 国网冀北电力有限公司电力科学研究院 | 一种日电量缺失数据的还原追溯方法及装置 |
CN110909146A (zh) * | 2019-11-29 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 用于推送反问标签的标签推送模型训练方法、装置及设备 |
CN111309973A (zh) * | 2020-01-21 | 2020-06-19 | 杭州安脉盛智能技术有限公司 | 基于改进马尔可夫模型和改进k最近邻的缺失值填补方法 |
CN111539604A (zh) * | 2020-04-13 | 2020-08-14 | 国家电网有限公司 | 一种依托电力数据的企业复工复产指数测算监控方法 |
CN113219303A (zh) * | 2021-05-12 | 2021-08-06 | 广西大学 | 一种小电流接地系统单相接地故障数据的提取方法 |
CN116708514A (zh) * | 2023-08-02 | 2023-09-05 | 深圳龙电华鑫控股集团股份有限公司 | 一种基于物联网的电能表数据采集方法及系统 |
CN116894156A (zh) * | 2023-09-08 | 2023-10-17 | 北京煜邦电力技术股份有限公司 | 基于mcmc算法的电力采集终端数据预处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091094A (zh) * | 2014-08-03 | 2014-10-08 | 刘鸿 | Meta分析数值缺失状态下MCMC模拟导向的基于多重填补法的缺失值处理的方法 |
CN104702378A (zh) * | 2013-12-06 | 2015-06-10 | 华为技术有限公司 | 混合高斯分布的参数估计方法和装置 |
CN105447620A (zh) * | 2015-11-10 | 2016-03-30 | 广西电网有限责任公司电力科学研究院 | 一种电能量缺失值自动处理的方法 |
US20160358316A1 (en) * | 2015-06-05 | 2016-12-08 | North Carolina State University | Approximate message passing with universal denoising |
-
2017
- 2017-06-28 CN CN201710504670.0A patent/CN107368543B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104702378A (zh) * | 2013-12-06 | 2015-06-10 | 华为技术有限公司 | 混合高斯分布的参数估计方法和装置 |
CN104091094A (zh) * | 2014-08-03 | 2014-10-08 | 刘鸿 | Meta分析数值缺失状态下MCMC模拟导向的基于多重填补法的缺失值处理的方法 |
US20160358316A1 (en) * | 2015-06-05 | 2016-12-08 | North Carolina State University | Approximate message passing with universal denoising |
CN105447620A (zh) * | 2015-11-10 | 2016-03-30 | 广西电网有限责任公司电力科学研究院 | 一种电能量缺失值自动处理的方法 |
Non-Patent Citations (1)
Title |
---|
沐守宽 等: "《缺失数据处理的期望-极大化算法与马尔科夫蒙特卡洛方法》", 《心理科学进展 》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108519989A (zh) * | 2018-02-27 | 2018-09-11 | 国网冀北电力有限公司电力科学研究院 | 一种日电量缺失数据的还原追溯方法及装置 |
CN110909146A (zh) * | 2019-11-29 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 用于推送反问标签的标签推送模型训练方法、装置及设备 |
CN111309973A (zh) * | 2020-01-21 | 2020-06-19 | 杭州安脉盛智能技术有限公司 | 基于改进马尔可夫模型和改进k最近邻的缺失值填补方法 |
CN111309973B (zh) * | 2020-01-21 | 2024-01-05 | 杭州安脉盛智能技术有限公司 | 基于改进马尔可夫模型和改进k最近邻的缺失值填补方法 |
CN111539604A (zh) * | 2020-04-13 | 2020-08-14 | 国家电网有限公司 | 一种依托电力数据的企业复工复产指数测算监控方法 |
CN113219303A (zh) * | 2021-05-12 | 2021-08-06 | 广西大学 | 一种小电流接地系统单相接地故障数据的提取方法 |
CN113219303B (zh) * | 2021-05-12 | 2023-06-23 | 广西大学 | 一种小电流接地系统单相接地故障数据的提取方法 |
CN116708514A (zh) * | 2023-08-02 | 2023-09-05 | 深圳龙电华鑫控股集团股份有限公司 | 一种基于物联网的电能表数据采集方法及系统 |
CN116708514B (zh) * | 2023-08-02 | 2023-10-31 | 深圳龙电华鑫控股集团股份有限公司 | 一种基于物联网的电能表数据采集方法及系统 |
CN116894156A (zh) * | 2023-09-08 | 2023-10-17 | 北京煜邦电力技术股份有限公司 | 基于mcmc算法的电力采集终端数据预处理方法 |
CN116894156B (zh) * | 2023-09-08 | 2023-12-26 | 北京煜邦电力技术股份有限公司 | 基于mcmc算法的电力采集终端数据预处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107368543B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107368543A (zh) | 一种基于mcmc算法的电力采集数据修复方法 | |
CN106411257B (zh) | 一种光伏电站状态诊断方法及装置 | |
CN106651161B (zh) | 采集运维动态派工方法 | |
CN110659273B (zh) | 分布式大数据采集平台的数据异常监控及修复方法 | |
CN105069527A (zh) | 一种基于数据挖掘技术的台区合理线损预测方法 | |
CN106682763B (zh) | 一种用于大量样本数据的电力负荷优化预测方法 | |
CN104036357A (zh) | 用户用电窃电行为模式的分析方法 | |
CN202167018U (zh) | 适用于电力系统的供电可靠性数据统计处理装置 | |
CN102521080B (zh) | 一种电力用户用电信息采集系统的计算机数据修复方法 | |
CN109919328B (zh) | 一种基于多源停电事件的低压分支线停电研判方法 | |
CN109657959A (zh) | 一种含多元数据的配电网规划计算分析方法 | |
CN111209595B (zh) | 一种涉污企业用电信息匹配及数据处理方法 | |
CN106600114A (zh) | 一种采集运维系统多维度质量评价方法 | |
CN113988489B (zh) | 电碳因子的预测评估方法、装置及可读存储介质 | |
CN102928808A (zh) | 电力用户现场电能表故障远程判定方法 | |
CN108846555A (zh) | 一种电力负荷大数据缺失值的高效精确填补法 | |
CN113469486A (zh) | 一种线路负损及高损的分析方法 | |
CN104680254A (zh) | 一种基于综合成本模型的电网规划方案优选方法 | |
CN108898239A (zh) | 一种基于数据分析的配电变压器选址方法 | |
CN105914735B (zh) | 一种配电网经济负荷潮流计算方法 | |
CN106781053B (zh) | STS的token识别方法及系统 | |
CN108093039B (zh) | 基于国网q/gdw3761协议处理沉睡电表的方法 | |
de Macedo et al. | Opportunities and challenges of DSM in smart grid environment | |
CN109934458A (zh) | 一种基于最小停电共同分析单元的停电实时分析方法 | |
CN107945047A (zh) | 一种用于调度日报的指标自动递归计算的可视化配置系统 |
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 |