CN108510147B - 一种基于残差波动模型的电能质量综合评价方法 - Google Patents
一种基于残差波动模型的电能质量综合评价方法 Download PDFInfo
- Publication number
- CN108510147B CN108510147B CN201810062225.8A CN201810062225A CN108510147B CN 108510147 B CN108510147 B CN 108510147B CN 201810062225 A CN201810062225 A CN 201810062225A CN 108510147 B CN108510147 B CN 108510147B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- value
- residual
- power quality
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 99
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 24
- 238000013441 quality evaluation Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 230000035945 sensitivity Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 7
- 238000007689 inspection Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims 1
- 238000011160 research Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
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
- G06Q10/06395—Quality analysis or management
-
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于残差波动模型的电能质量综合评价方法，包括以下步骤：1)构建电能质量综合评价体系；2)电能质量指标采样值的数据重构；3)电能质量指标横向及纵向权值分配；4)输出综合评价值。首先根据现有电能质量指标确立电能质量评价的指标体系，确定评价范围与评价尺度；剔除采样数据的异常点，对采样数据在时间序列上进行完整性检验，然后进行归一化处理，求出各指标的采样点在时间序列上的熵，并得出评价点的残差波动矩阵；利用方差法对指标进行敏感性检验，利用区分函数对指标残差波动值在时间序列上进行区分，得到处理完毕的残差波动矩阵；最后输出指标与节点的评价值。本发明能够全面客观且符合实际情况、可信度较高。
Description
技术领域
本发明涉及电能质量综合评价领域，为电网供电侧或负荷侧电能质量的评价提供一种方法。
背景技术
电能是人类社会中不可或缺的重要能源，电能质量是电网运行的三大目标之一，但目前还没有比较完善的方法去定量和定性的评价电能质量的好坏。电能作为一种商品，都对质量有严格要求。随着近年来太阳能、风能、生物质能等新能源发电技术的飞速发展，因其波动性、随机性、间歇性和不可调度性等特点并网后会对主电网的稳定性造成一定影响。同时，随着微电子技术和电力电子技术的发展，各种大型设备、非线性负荷以及冲击性负荷在日益广泛应用于电力系统的同时，也导致了较为突出的电网电压畸变、波动和闪变等电能质量问题。
目前我国颁布的与电能质量有关的国家标准中涉及了标准电压、供电电压偏差、谐波、电压波动与闪变、三相不平衡等多种指标，所以电能质量评价问题是一个多指标的综合评估过程。国家颁布的电能质量一系列标准，只规定了各个指标的极限值，只能对电能质量进行是否合格的分析，简单的定性分析无法完整、真实、全面反映电网的电能质量情况，对于如何提高电能质量意义有限。目前的国家标准只针对于源端，未对负荷端进行约束。随着用户侧对电能质量要求越来越高以及敏感性负荷设备的日益增多，如何对其用电质量进行正确评价，是实现“按质定价、按质优价”的关键。因此，如何对电能质量进行综合评价是现代电力系统的重要研究内容。
电能质量研究方法从研究初期的以电能质量综合评价指标测量数据的概率统计特征为主线的基于概率统计的电能质量综合评价方法，到研究中期的以电能质量综合评价指标模糊特性为中心的基于模糊数学的电能质量综合评价方法，至近期发展起来的以电能质量综合评价建模特性为特点的智能化电能质量综合评价方法。现有这些评价方法在具体实施应用过程中存在诸多问题：
(1)指标的选择受人为经验影响较为严重，在构建电能质量评价体系时，未能客观的选取具有代表性的指标进行评价；
(2)多数算法在进行电能质量评价时评价按“点”进行，不能有效全面地评价电能质量的优劣；
(3)算法使用的数据需进行深度处理，导致数据所携带的信息丢失严重，评价的结果失去客观性；
(4)过于关注算法本身，而忽略了电能质量评价本身的意义。
发明内容
为了克服现有电能质量评价方法的可信度较低的不足，本发明提供一种能够全面客观且符合实际情况、可信度较高的基于残差波动模型的电能质量综合评价方法。
本发明解决其技术问题所采用的技术方案是：
一种基于残差波动模型的电能质量综合评价方法，所述评价方法包括以下步骤：
1)构建电能质量综合评价体系
根据现有电能质量指标并结合实际情况确立电能质量评价的指标体系，确定评价范围与评价尺度；
2)电能质量指标的数据重构
首先剔除采样数据的异常点，并对该采样数据在时间序列上进行完整性检验，然后进行归一化处理，求出各指标的采样点在时间序列上的熵，最后求出评价点的残差波动矩阵；
3)电能质量指标横向及纵向权值分配
对各指标进行敏感性检验，并以此作为指标间纵向权值分配的依据；利用区分函数对各指标时间序列上的不同值进行区分，以突出优劣，得出经数据重构和指标二次权值分配的残差波动矩阵；
4)输出综合评价值
根据残差波动矩阵，将各指标值时间序列值相加得到各指标的综合评价值，评价点内各指标评价值相加即得到节点的综合评价值。
进一步，所述步骤1)中，电能质量综合评价体系的构建通过主成分分析法并结合实际情况增减相应评价指标，即根据不同指标的重要程度及人为经验选取出具有代表性的评价指标作为评价主体。
再进一步，所述步骤2)中，数据重构步骤为：
2.1)对步骤1)中确立的指标体系中各指标的数据进行异常点的剔除，采用阈值法，即对于不同指标值，判定超过阈值的点为异常点；
2.2)对步骤2.1)中处理完毕的数据进行完整性检验，判断数据在时间序列上是否是等间隔的，即判断其间隔是否为数据采样周期，若存在缺失数据，则使用k-NN方法进行补齐，k的取值为1；
2.3)根据步骤2.2)中进行完整性检验之后的数据求各评价点的残差波动矩阵，残差波动矩阵的求解方法是首先计算各指标时间序列上的差值Emn(tk)，其中Emn(tk)＝Valuemn(tk)-Std_Valuemn(tk)，Value为各采样点的采样值，Std_Value为该指标的标准值，m表示第m个评价点，n表示第n个评价指标，tk为采样时间序列；再求出相邻评价时间间隔内残差波动曲线与坐标轴围成的面积Smn(tk,tk+1)；
2.4)对步骤2.2)中得出的残差波动矩阵进行归一化处理，方式如(1)式所示：
则得到单节点的残差波动矩阵为：
其中，i表示该评价点指标个数，j表示该评价点评价时段个数，其他节点残差波动矩阵同理可得。
进一步，所述步骤3)中，指标的横向及纵向权值分配步骤为：
3.1)对步骤2)中得到的评价点的归一化残差波动矩阵，分别对各指标进行敏感性检验，先求出不同指标在时间序列上的方差
将方差按大小顺序排列，对于不同指标残差波动值，按逆序乘上述方差，得出指标按纵向权值分配的评价值如式(3)所示：
3.2)对步骤2)中得到的评价点的归一化残差波动矩阵，利用区分函数对数据进行区分，为表现较好的点分配较大权重，权重分配原则按照xij/1进行，即该点残差波动值乘于其本身，得到指标按横向权值分配的残差波动值如式(4)所示：
R＝R_sen*R_int (4)。
更进一步，所述步骤4)中，各指标的评价值由其在时间序列上的残差波动值相加得到，节点的评价值由各指标的评价值相加得到。
本发明的有益效果表现在：
(1)通过客观与主观相结合的方法筛选指标建立评价体系，从而从方法上保证了评价的可信度；
(2)将传统的按“点”评价扩展到按“面”评价，充分利用了采样数据所包含的信息；
(3)评价算法切合实际，突出重点，能够为电能质量治理与改善作出有效支撑。
附图说明
图1是本发明基于残差波动模型的电能质量评价方法结构图。
具体实施方式
结合附图对本发明的实施作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
参照图1，一种基于残差波动模型的电能质量综合评价方法，所述评价方法包括以下步骤：
1)构建电能质量综合评价体系
根据现有电能质量指标并结合实际情况确立电能质量评价的指标体系，确定评价范围与评价尺度；
2)电能质量指标的数据重构
首先剔除采样数据的异常点，并对该采样数据在时间序列上进行完整性检验，然后进行归一化处理，求出各指标的采样点在时间序列上的熵，最后求出评价点的残差波动矩阵；
3)电能质量指标横向及纵向权值分配
对各指标进行敏感性检验，并以此作为指标间纵向权值分配的依据；利用区分函数对各指标时间序列上的不同值进行区分，以突出优劣，得出经数据重构和指标二次权值分配的残差波动矩阵；
4)输出综合评价值
根据残差波动矩阵，将各指标值时间序列值相加得到各指标的综合评价值，评价点内各指标评价值相加即得到节点的综合评价值。
进一步，所述步骤1)中，电能质量综合评价体系的构建通过主成分分析法并结合实际情况增减相应评价指标，即根据不同指标的重要程度及人为经验选取出具有代表性的评价指标作为评价主体。
进一步，所述步骤2)中，数据重构步骤为：
2.1)对步骤1)中确立的指标体系中各指标的数据进行异常点的剔除，采用阈值法，即对于不同指标值，判定超过阈值的点为异常点；
2.2)对步骤2.1)中处理完毕的数据进行完整性检验，判断数据在时间序列上是否是等间隔的，即判断其间隔是否为数据采样周期，若存在缺失数据，则使用k-NN方法进行补齐，本发明中，k的取值为1；
2.3)根据步骤2.2)中进行完整性检验之后的数据求各评价点的残差波动矩阵，残差波动矩阵的求解方法是首先计算各指标时间序列上的差值Emn(tk)，其中Emn(tk)＝Valuemn(tk)-Std_Valuemn(tk)，Value为各采样点的采样值，Std_Value为该指标的标准值，m表示第m个评价点，n表示第n个评价指标，tk为采样时间序列；再求出相邻评价时间间隔内残差波动曲线与坐标轴围成的面积Smn(tk,tk+1)；
2.4)对步骤2.2)中得出的残差波动矩阵进行归一化处理，方式如(1)式所示：
则得到单节点的残差波动矩阵为：
其中，i表示该评价点指标个数，j表示该评价点评价时段个数，其他节点残差波动矩阵同理可得。
进一步，所述步骤3)中，指标的横向及纵向权值分配步骤为：
3.1)对步骤2)中得到的评价点的归一化残差波动矩阵，分别对各指标进行敏感性检验，先求出不同指标在时间序列上的方差
将方差按大小顺序排列，对于不同指标残差波动值，按逆序乘上述方差，得出指标按纵向权值分配的评价值如式(3)所示：
3.2)对步骤2)中得到的评价点的归一化残差波动矩阵，利用区分函数对数据进行区分，为表现较好的点分配较大权重，权重分配原则按照xij/1进行，即该点残差波动值乘于其本身，得到指标按横向权值分配的残差波动值如式(4)所示：
R＝R_sen*R_int (4)。
更进一步，所述步骤4)中，各指标的评价值由其在时间序列上的残差波动值相加得到，节点的评价值由各指标的评价值相加得到。
最后，还需要注意的是，以上列举的仅是本发明的一个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。
Claims (3)
1.一种基于残差波动模型的电能质量综合评价方法，其特征在于，所述评价方法包括以下步骤：
1)构建电能质量综合评价体系
根据现有电能质量指标并结合实际情况确立电能质量评价的指标体系，确定评价范围与评价尺度；
2)电能质量指标的数据重构
首先剔除采样数据的异常点，并对该采样数据在时间序列上进行完整性检验，然后进行归一化处理，求出各指标的采样点在时间序列上的熵，最后求出评价点的残差波动矩阵；
数据重构步骤为：
2.1)对步骤1)中确立的指标体系中各指标的数据进行异常点的剔除，采用阈值法，即对于不同指标值，判定超过阈值的点为异常点；
2.2)对步骤2.1)中处理完毕的数据进行完整性检验，判断数据在时间序列上是否是等间隔的，即判断其间隔是否为数据采样周期，若存在缺失数据，则使用k-NN方法进行补齐，k的取值为1；
2.3)根据步骤2.2)中进行完整性检验之后的数据求各评价点的残差波动矩阵，残差波动矩阵的求解方法是首先计算各指标时间序列上的差值Emn(tk)，其中Emn(tk)＝Valuemn(tk)-Std_Valuemn(tk)，Value为各采样点的采样值，Std_Value为该指标的标准值，m表示第m个评价点，n表示第n个评价指标，tk为采样时间序列；再求出相邻评价时间间隔内残差波动曲线与坐标轴围成的面积Smn(tk,tk+1)；
2.4)对步骤2.2)中得出的残差波动矩阵进行归一化处理，方式如(1)式所示：
则得到单节点的残差波动矩阵为：
其中，i表示该评价点指标个数，j表示该评价点评价时段个数，其他节点残差波动矩阵同理可得；
3)电能质量指标横向及纵向权值分配
对各指标进行敏感性检验，并以此作为指标间纵向权值分配的依据；利用区分函数对各指标时间序列上的不同值进行区分，得出经数据重构和指标二次权值分配的残差波动矩阵；
指标的横向及纵向权值分配步骤为：
3.1)对步骤2)中得到的评价点的归一化残差波动矩阵，分别对各指标进行敏感性检验，先求出不同指标在时间序列上的方差
将方差按大小顺序排列，对于不同指标残差波动值，按逆序乘上述方差，得出指标按纵向权值分配的评价值如式(3)所示：
3.2)对步骤2)中得到的评价点的归一化残差波动矩阵，利用区分函数对数据进行区分，为表现较好的点分配较大权重，权重分配原则按照rij进行，即该点残差波动值乘于纵向权值分配的评价值，得到指标按横向权值分配的残差波动值如式(4)所示：
R＝R_sen*R_int (4)
4)输出综合评价值
根据残差波动矩阵，将各指标值时间序列值相加得到各指标的综合评价值，评价点内各指标评价值相加即得到节点的综合评价值。
2.如权利要求1所述的一种基于残差波动模型的电能质量综合评价方法，其特征在于，所述步骤1)中，电能质量综合评价体系的构建通过主成分分析法并结合实际情况增减相应评价指标，即根据不同指标的重要程度及专家经验选取出具有代表性的评价指标作为评价主体。
3.如权利要求1或2所述的一种基于残差波动模型的电能质量综合评价方法，其特征在于，所述步骤4)中，各指标的评价值由其在时间序列上的残差波动值相加得到，节点的评价值由各指标的评价值相加得到。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810062225.8A CN108510147B (zh) | 2018-01-23 | 2018-01-23 | 一种基于残差波动模型的电能质量综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810062225.8A CN108510147B (zh) | 2018-01-23 | 2018-01-23 | 一种基于残差波动模型的电能质量综合评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108510147A CN108510147A (zh) | 2018-09-07 |
| CN108510147B true CN108510147B (zh) | 2022-01-11 |
Family
ID=63375541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810062225.8A Active CN108510147B (zh) | 2018-01-23 | 2018-01-23 | 一种基于残差波动模型的电能质量综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108510147B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109919422A (zh) * | 2019-01-23 | 2019-06-21 | 浙江工业大学 | 一种考虑数据动态模糊依赖关系的电能质量综合评价方法 |
| CN110991780A (zh) * | 2019-01-23 | 2020-04-10 | 国网浙江省电力有限公司 | 一种基于有序加权平均算子的电能质量评价方法 |
| CN110362724B (zh) * | 2019-07-23 | 2022-12-06 | 国家海洋环境监测中心 | 一种数据过滤方法、装置、电子设备及可读存储介质 |
| CN114692091B (zh) * | 2022-04-24 | 2022-12-16 | 江苏四象软件有限公司 | 基于大数据资源的数据治理任务运行系统 |
| CN115600933B (zh) * | 2022-12-13 | 2023-03-21 | 浙江万胜智能科技股份有限公司 | 一种基于物联网的电表电能质量检测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101465546A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 电能质量综合评估系统 |
| CN105468850A (zh) * | 2015-11-26 | 2016-04-06 | 电子科技大学 | 基于多残差回归预测算法的电子产品退化趋势预测方法 |
| CN106483947A (zh) * | 2016-09-21 | 2017-03-08 | 国网江苏省电力公司南通供电公司 | 基于大数据的配电网运行状态评估和预警方法 |
| CN106548357A (zh) * | 2016-10-27 | 2017-03-29 | 南方电网科学研究院有限责任公司 | 客户满意度的测评方法及系统 |
-
2018
- 2018-01-23 CN CN201810062225.8A patent/CN108510147B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101465546A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 电能质量综合评估系统 |
| CN105468850A (zh) * | 2015-11-26 | 2016-04-06 | 电子科技大学 | 基于多残差回归预测算法的电子产品退化趋势预测方法 |
| CN106483947A (zh) * | 2016-09-21 | 2017-03-08 | 国网江苏省电力公司南通供电公司 | 基于大数据的配电网运行状态评估和预警方法 |
| CN106548357A (zh) * | 2016-10-27 | 2017-03-29 | 南方电网科学研究院有限责任公司 | 客户满意度的测评方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| "基于熵权未确知测度模型的电能质量综合评价";贾正源等;《电力系统保护与控制》;20100801;第38卷(第15期);论文第1-2节 * |
| "采用信息熵和组合模型的风电机组异常检测方法";颜永龙等;《电网技术》;20150331;第39卷(第3期);论文第3节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108510147A (zh) | 2018-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108510147B (zh) | 一种基于残差波动模型的电能质量综合评价方法 | |
| WO2017008180A1 (zh) | 一种光伏组件失效风险判别方法 | |
| Cheng et al. | Enhanced state estimation and bad data identification in active power distribution networks using photovoltaic power forecasting | |
| CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
| CN109687426B (zh) | 故障率参数建模方法、装置、设备与存储介质 | |
| CN113780443B (zh) | 一种面向威胁检测的网络安全态势评估方法 | |
| CN111125868A (zh) | 一种电子产品的多应力寿命评估方法及装置 | |
| Bracale et al. | A new finite mixture distribution and its expectation-maximization procedure for extreme wind speed characterization | |
| CN114897331A (zh) | 一种基于三参数区间灰数决策的电力变压器风险评估方法 | |
| CN104156775B (zh) | 基于多元线性回归算法的气象灾害预测方法 | |
| CN114444910A (zh) | 一种面向电力物联网的边缘网络系统健康度评估方法 | |
| CN112418687A (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
| CN115617784A (zh) | 一种信息化配电的数据处理系统及其处理方法 | |
| Qin et al. | The prediction intervals of remaining useful life based on constant stress accelerated life test data | |
| CN105471624A (zh) | 一种通信设备接入终端通信接入网的综合评价方法 | |
| Nakhodchi et al. | Including uncertainties in harmonic hosting capacity calculation of a fast EV charging station utilizing Bayesian statistics and harmonic correlation | |
| CN112926686B (zh) | 基于brb和lstm模型的电力大数据用电异常检测方法及装置 | |
| Lee et al. | A framework for generating stochastic meteorological years for risk-conscious design of buildings | |
| CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
| CN107918704A (zh) | 电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 | |
| CN117236744A (zh) | 一种考虑多谐波源的谐波影响评估方法 | |
| CN116128690B (zh) | 一种碳排放量成本值计算方法、装置、设备及介质 | |
| CN115759820B (zh) | 一种光伏电站定损计算方法、系统及存储介质 | |
| CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
| Zhou et al. | Statistics-based method for large-scale group decision-making with incomplete linguistic distribution fuzzy information: Incorporating reliability and entropy |
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 |