CN108492058A - 一种线损管理方法 - Google Patents
一种线损管理方法 Download PDFInfo
- Publication number
- CN108492058A CN108492058A CN201810524558.8A CN201810524558A CN108492058A CN 108492058 A CN108492058 A CN 108492058A CN 201810524558 A CN201810524558 A CN 201810524558A CN 108492058 A CN108492058 A CN 108492058A
- Authority
- CN
- China
- Prior art keywords
- line loss
- credit
- value
- grades
- electricity consumption
- 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 14
- 230000005611 electricity Effects 0.000 claims abstract description 30
- 238000012502 risk assessment Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 6
- 238000012797 qualification Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000284 resting effect Effects 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于输配电技术领域,涉及一种线损管理方法,包括线路线损分段计量分析和非正常用电风险分析两个部分,通过建模与理论线损进行对比后再通过模型将低信誉等级的用户检索出,以便工作人员进行核查。本发明达到了可以使工作人员快速发现线损管理的薄弱环节,进而有针对性的采取措施降低线损的目的。
Description
技术领域
本发明涉及一种供电线路线损的管理方法,具体涉及10kV配网线损的管理方法,属于输配电技术领域。
背景技术
目前,部分电力公司的10kV线损的管理还处于最基础的管理模式,难以找到线损管理方面的薄弱环节,指标建设不论线路具体情况如何,也采用一刀切粗放的方式,无法满足现在精益线损管理的要求。目前很多供电线路只有变电站开关柜出线处安装有关口表,其他位置并没有安装计量装置,导致线损管理成效不明显。公变(公用变压器)、专变(专用变压器)处有计量装置,公变下挂有数个低压户表,因此可以据此统计公变的线损,但专变用户却无法统计,造成管理管理困难。
发明内容
为了解决部分电力公司的10kV线损难以找到线损管理方面的薄弱环节,无法满足现在精益线损管理的要求的问题。本发明提供了一种线损管理方法,使工作人员能够快速的发现线损管理的薄弱环节,进而有针对性的采取措施降低线损。
本发明是通过以下步骤解决技术问题的。
一种线损管理方法,包括以下方式:
方式一,若线路线损值与理论线损超过阈值,且台区线损值合格。
第一步:查找该线路每段线损值,找出不合格的线路段。利用专变用户非正常用电风险分析模型,对该段所有专变进行分析,得出专变用户的信用等级。
第二步:将信用等级为5级的(信用等级最差)的专变用户依次现场核查。
第三步:若找到专变用户非正常用电则将线损还原计算,与理论值的误差在阈值范围内即可认为合格,流程跳至第五步。若不合格,执行第四步。
第四步:核查线路漏电等隐患状况。
第五步:结束。
方式二,线路线损不合格,有部分台区线损值不合格。
第一步:利用低压用户非正常用电风险分析模型,对该线路线损异常台区的低压用户进行分析,得出信用等级。
第二步:将信用等级为5级的(信用等级最差)的低压用户依次现场核查。
第三步:若找到低压用户非正常用电则将线损还原计算,与理论值的误差在阈值范围内即可认为合格,流程跳至第五步。若不合格,执行第四步。
第四步:核查低压线路漏电等隐患状况。
第五步:结束。
方式三,线路线损不合格,部分台区线损不合格,部分线路段线损不合格。
分别执行方式一和方式二进行排查。
进一步优选,其中,线路采用分段计量方式,获得每段线路线损数值。
式中,S为某一线路段的线损值,S1为该段线路靠近变电站的计量点的电能数值,S2为该段线路远离变电站的计量点的电能数值,Sg为该段线路所有公变的电能数值之和,Sz为该段线路所有专变的电能数值之和。
进一步优选,按下述方式建立用户非正常用电风险分析模型:
大数据分析采用两个隐含层的神经网络模型,将非正常用电因素作为输入因素,其输出结果为5个信用等级,输入层的输入向量为A=(a1,a2,a3...,am)T,输入层与隐含层的权值矩阵为Wmi(1<m<M,1<j<I),第一隐含层与第二隐含层的权值矩阵为Wij(1<i<I,1<j<J),第一隐含层输出向量为B=(b1,b2,b3...,bi)T,其节点i上的阈值为θi,第一隐含层与第二隐含层的权值矩阵为Wjn,输出层输出向量为D=(d1,d2,d3...,dn)T,其节点n上的阈值为θn,f(x)为激活函数;
输入n维向量A,则第一隐含层节点i的输出为:
第一隐含层节点i的输出为:
输出层第n个节点的输出结果为:
为有较高的收敛速度,对输入数据进行归一处理,采用如下变换式:
x’i为归一后的值,xi为原值,xmax为最大值,xmin为最小值。
为便于输出层处理,将输入数据映射到(-1,1)内,隐含层的激活函数设置为
f(x)=(1+e-x)-1
其输出结果为[0,0.2)信用1级,[0.2,0.4)信用2级,[0.4,0.6)信用3级,[0.6,0.8)信用4级,[0.8,0.1)信用5级。
进一步优选,建立专变用户非正常用电风险分析模型时,选取线路线损、画像、用电同比环比、温度、天气、节假日、历史信用、电能峰值、电能谷值作为输入因子,对上述输入因子进行大数据分析处理后,采用5个信用等级为输出因子。
进一步优选,建立低压用户非正常用电风险分析模型时,选取线路线损、画像、用电同比环比、温度、天气、节假日、历史信用、电能峰值、电能谷值作为输入因子,对上述输入因子进行大数据分析处理后,采用5个信用等级为输出因子。
本发明的技术效果:本发明的一种线损管理方法包括线路线损分段计量分析和非正常用电风险分析两个部分,通过建模与理论线损进行对比后再通过模型将低信誉等级的用户检索出,以便工作人员进行核查。本发明达到了可以使工作人员快速发现线损管理的薄弱环节,进而有针对性的采取措施降低线损的目的。
附图说明
图1 10kV配电线路所挂接公变、专变、低压用户示意图。
图2非正常用电风险分析模型示意图。
图3是专变用户非正常用电风险分析模型。
图4是低压用户非正常用电风险分析模型。
图中:100-变电站开关柜、200-关口表、301-1#计量点、302-2#计量点、303-3#计量点、401-1#公变、402-2#公变、501-1#专变、502-2#专变、601-1#低压用户、602-2#低压用户。
具体实施方式
下面结合附图进一步详细说明本发明。
本发明的线损管理方法,包括以下分析方法:
1.参照图1,线路采用分段计量方式,获得每段线路线损数值。
式中,S为某一线路段的线损值,S1为该段线路靠近变电站的计量点的电能数值,S2为该段线路远离变电站的计量点的电能数值,Sg为该段线路所有公变的电能数值之和,Sz为该段线路所有专变的电能数值之和。
2.建立用户非正常用电风险分析模型
参照图2,大数据分析采用两个隐含层的神经网络模型,将非正常用电因素作为输入因素,其输出结果为5个信用等级,输入层的输入向量为A=(a1,a2,a3...,am)T,输入层与隐含层的权值矩阵为Wmi(1<m<M,1<j<I),第一隐含层与第二隐含层的权值矩阵为Wij(1<i<I,1<j<J),第一隐含层输出向量为B=(b1,b2,b3...,bi)T,其节点i上的阈值为θi,第一隐含层与第二隐含层的权值矩阵为Wjn,输出层输出向量为D=(d1,d2,d3...,dn)T,其节点n上的阈值为θn,f(x)为激活函数。
输入n维向量A,则第一隐含层节点i的输出为:
第一隐含层节点i的输出为:
输出层第n个节点的输出结果为:
为有较高的收敛速度,对输入数据进行归一处理,采用如下变换式:
x’i为归一后的值,xi为原值,xmax为最大值,xmin为最小值。
为便于输出层处理,将输入数据映射到(-1,1)内,隐含层的激活函数设置为
f(x)=(1+e-x)-1
其输出结果为[0,0.2)信用1级,[0.2,0.4)信用2级,[0.4,0.6)信用3级,[0.6,0.8)信用4级,[0.8,0.1)信用5级。
(1)建立专变用户非正常用电风险分析模型。如图3所示,选取线路线损、画像、用电同比环比、温度、天气、节假日、历史信用、电能峰值、电能谷值作为输入因子,对上述输入因子进行大数据分析处理后,采用5个信用等级为输出因子。其中画像为行业分类、行业发展状况、企业生产状况等因素,信用等级越高,非正常用电风险越小。
(2)建立低压用户非正常用电风险分析模型。如图4所示,选取线路线损、画像、用电同比环比、温度、天气、节假日、历史信用、电能峰值、电能谷值作为输入因子,对上述输入因子进行大数据分析处理后,采用5个信用等级为输出因子。其中画像包括职业、学历、收入、作息习惯等因素,信用等级越高,非正常用电风险越小。
本发明的一种线损管理方法,包括以下方式:
方式一,若线路线损值与理论线损超过阈值,且台区线损值合格。
第一步:查找该线路每段线损值,找出不合格的线路段。利用专变用户非正常用电风险分析模型,对该段所有专变进行分析,得出专变用户的信用等级。
第二步:将信用等级为5级的(信用等级最差)的专变用户依次现场核查。
第三步:若找到专变用户非正常用电则将线损还原计算,与理论值的误差在阈值范围内即可认为合格,流程跳至第五步。若不合格,执行第四步。
第四步:核查线路漏电等隐患状况。
第五步:结束。
方式二,线路线损不合格,有部分台区线损值不合格。
第一步:利用低压用户非正常用电风险分析模型,对该线路线损异常台区的低压用户进行分析,得出信用等级。
第二步:将信用等级为5级的(信用等级最差)的低压用户依次现场核查。
第三步:若找到低压用户非正常用电则将线损还原计算,与理论值的误差在阈值范围内即可认为合格,流程跳至第五步。若不合格,执行第四步。
第四步:核查低压线路漏电等隐患状况。
第五步:结束。
方式三,线路线损不合格,部分台区线损不合格,部分线路段线损不合格。
分别执行方式一和方式二进行排查。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (4)
1.一种线损管理方法,其特征在于包括以下方式:
方式一,若线路线损值与理论线损超过阈值,且台区线损值合格;
第一步:查找该线路每段线损值,找出不合格的线路段;利用专变用户非正常用电风险分析模型,对该段所有专变进行分析,得出专变用户的信用等级;
第二步:将信用等级为5级的(信用等级最差)的专变用户依次现场核查;
第三步:若找到专变用户非正常用电则将线损还原计算,与理论值的误差在阈值范围内即可认为合格,流程跳至第五步。若不合格,执行第四步;
第四步:核查线路漏电等隐患状况;
第五步:结束;
方式二,线路线损不合格,有部分台区线损值不合格;
第一步:利用低压用户非正常用电风险分析模型,对该线路线损异常台区的低压用户进行分析,得出信用等级;
第二步:将信用等级为5级的(信用等级最差)的低压用户依次现场核查;
第三步:若找到低压用户非正常用电则将线损还原计算,与理论值的误差在阈值范围内即可认为合格,流程跳至第五步;若不合格,执行第四步;
第四步:核查低压线路漏电等隐患状况;
第五步:结束;
方式三,线路线损不合格,部分台区线损不合格,部分线路段线损不合格;分别执行方式一和方式二进行排查。
2.根据权利要求1所述的线损管理方法,其特征在于,按下述方式建立用户非正常用电风险分析模型:
大数据分析采用两个隐含层的神经网络模型,将非正常用电因素作为输入因素,其输出结果为5个信用等级,输入层的输入向量为A=(a1,a2,a3...,am)T,输入层与隐含层的权值矩阵为Wmi(1<m<M,1<j<I),第一隐含层与第二隐含层的权值矩阵为Wij(1<i<I,1<j<J),第一隐含层输出向量为B=(b1,b2,b3...,bi)T,其节点i上的阈值为θi,第一隐含层与第二隐含层的权值矩阵为Wjn,输出层输出向量为D=(d1,d2,d3...,dn)T,其节点n上的阈值为θn,f(x)为激活函数;
输入n维向量A,则第一隐含层节点i的输出为:
第一隐含层节点i的输出为:
输出层第n个节点的输出结果为:
为有较高的收敛速度,对输入数据进行归一处理,采用如下变换式:
xi,为归一后的值,xi为原值,xmax为最大值,xmin为最小值。
为便于输出层处理,将输入数据映射到(-1,1)内,隐含层的激活函数设置为
f(x)=(1+e-x)-1
其输出结果为[0,0.2)信用1级,[0.2,0.4)信用2级,[0.4,0.6)信用3级,[0.6,0.8)信用4级,[0.8,0.1)信用5级。
3.根据权利要求2所述的线损管理方法,其特征在于,建立专变用户非正常用电风险分析模型时,选取线路线损、画像、用电同比环比、温度、天气、节假日、历史信用、电能峰值、电能谷值作为输入因子,对上述输入因子进行大数据分析处理后,采用5个信用等级为输出因子。
4.根据权利要求2所述的线损管理方法,其特征在于,建立低压用户非正常用电风险分析模型时,选取线路线损、画像、用电同比环比、温度、天气、节假日、历史信用、电能峰值、电能谷值作为输入因子,对上述输入因子进行大数据分析处理后,采用5个信用等级为输出因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810524558.8A CN108492058A (zh) | 2018-05-28 | 2018-05-28 | 一种线损管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810524558.8A CN108492058A (zh) | 2018-05-28 | 2018-05-28 | 一种线损管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108492058A true CN108492058A (zh) | 2018-09-04 |
Family
ID=63351345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810524558.8A Pending CN108492058A (zh) | 2018-05-28 | 2018-05-28 | 一种线损管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108492058A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919514A (zh) * | 2019-03-22 | 2019-06-21 | 南方电网科学研究院有限责任公司 | 一种基于线损标杆阈值的台区线损异常检测方法及装置 |
CN110503136A (zh) * | 2019-07-31 | 2019-11-26 | 国家电网有限公司 | 台区线损异常分析方法、计算机可读存储介质及终端设备 |
CN110703009A (zh) * | 2019-09-23 | 2020-01-17 | 国网辽宁省电力有限公司丹东供电公司 | 台区线损率异常分析及处理方法 |
CN115912359A (zh) * | 2023-02-23 | 2023-04-04 | 豪派(陕西)电子科技有限公司 | 基于大数据的数字化安全隐患识别排查治理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102280874A (zh) * | 2010-06-10 | 2011-12-14 | 上海市电力公司 | 一种台区线损率检测系统 |
CN103488867A (zh) * | 2013-07-16 | 2014-01-01 | 深圳市航天泰瑞捷电子有限公司 | 一种用电异常用户自动筛选方法 |
CN104200302A (zh) * | 2014-08-04 | 2014-12-10 | 国家电网公司 | 用于电力企业同期线损管理的技术架构和方法 |
CN105023042A (zh) * | 2015-07-10 | 2015-11-04 | 国家电网公司 | 基于大数据神经网络算法的用户窃电嫌疑分析装置及方法 |
US9811794B2 (en) * | 2009-02-11 | 2017-11-07 | Johnathan Mun | Qualitative and quantitative modeling of enterprise risk management and risk registers |
-
2018
- 2018-05-28 CN CN201810524558.8A patent/CN108492058A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9811794B2 (en) * | 2009-02-11 | 2017-11-07 | Johnathan Mun | Qualitative and quantitative modeling of enterprise risk management and risk registers |
CN102280874A (zh) * | 2010-06-10 | 2011-12-14 | 上海市电力公司 | 一种台区线损率检测系统 |
CN103488867A (zh) * | 2013-07-16 | 2014-01-01 | 深圳市航天泰瑞捷电子有限公司 | 一种用电异常用户自动筛选方法 |
CN104200302A (zh) * | 2014-08-04 | 2014-12-10 | 国家电网公司 | 用于电力企业同期线损管理的技术架构和方法 |
CN105023042A (zh) * | 2015-07-10 | 2015-11-04 | 国家电网公司 | 基于大数据神经网络算法的用户窃电嫌疑分析装置及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919514A (zh) * | 2019-03-22 | 2019-06-21 | 南方电网科学研究院有限责任公司 | 一种基于线损标杆阈值的台区线损异常检测方法及装置 |
CN109919514B (zh) * | 2019-03-22 | 2022-10-18 | 南方电网科学研究院有限责任公司 | 一种基于线损标杆阈值的台区线损异常检测方法及装置 |
CN110503136A (zh) * | 2019-07-31 | 2019-11-26 | 国家电网有限公司 | 台区线损异常分析方法、计算机可读存储介质及终端设备 |
CN110703009A (zh) * | 2019-09-23 | 2020-01-17 | 国网辽宁省电力有限公司丹东供电公司 | 台区线损率异常分析及处理方法 |
CN110703009B (zh) * | 2019-09-23 | 2022-03-18 | 国网辽宁省电力有限公司丹东供电公司 | 台区线损率异常分析及处理方法 |
CN115912359A (zh) * | 2023-02-23 | 2023-04-04 | 豪派(陕西)电子科技有限公司 | 基于大数据的数字化安全隐患识别排查治理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492058A (zh) | 一种线损管理方法 | |
CN113159339B (zh) | 一种基于大数据的一台区一指标线损管理方法及系统 | |
Pisica et al. | Optimal distributed generation location and sizing using genetic algorithms | |
CN104268682B (zh) | 一种有源配电网的规划方法及装置 | |
CN105574238B (zh) | 一种用于在线稳定裕度评估的断面有功控制策略分析方法 | |
Shukla et al. | Allocation of optimal distributed generation using GA for minimum system losses in radial distribution networks | |
CN109670720A (zh) | 一种基于分级指标的含分布式能源的主动配电网评价方法 | |
CN106372747B (zh) | 基于随机森林的台区合理线损率估计方法 | |
CN107908638A (zh) | 基于大数据挖掘配的电网运行效率评价方法及系统 | |
CN109713671A (zh) | 配电台区运维方法、系统、存储介质及电子设备 | |
CN105069516B (zh) | 基于综合风险的输变电设备月度检修计划协调方法 | |
Chen et al. | Gas-power coordination: from day-ahead scheduling to actual operation | |
CN108182485A (zh) | 一种配电网检修时机优化方法及系统 | |
CN109816269A (zh) | 一种基于配电单元综合效益的配电网项目规划方法 | |
Zhu et al. | Value of demand response in the smart grid | |
CN110110226A (zh) | 一种推荐算法、推荐系统及终端设备 | |
CN109003010A (zh) | 电网项目投资效益的评价方法 | |
CN107169655A (zh) | 一种优选配电网方案适应性的方法及装置 | |
CN109768540A (zh) | 基于大数据分析的配电网停电优化排期方法 | |
CN109038605A (zh) | 一种考虑电压响应特性的电网无功规划方法 | |
CN107392466A (zh) | 一种电网电能质量动态综合评价方法及装置 | |
CN109980640A (zh) | 基于多智能体协同优化的配网线变关系识别方法 | |
Singh et al. | A smart volt-var optimization engine for energy distribution system | |
CN105512895A (zh) | 一种基于多因子组合建模的电力交易管理方法及其系统 | |
CN109462232A (zh) | 一种配电网的节能优化方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180904 |
|
RJ01 | Rejection of invention patent application after publication |