CN108549995A - 一种通过数据挖掘实现配网公变电压异常决策分析的方法 - Google Patents
一种通过数据挖掘实现配网公变电压异常决策分析的方法 Download PDFInfo
- Publication number
- CN108549995A CN108549995A CN201810370701.2A CN201810370701A CN108549995A CN 108549995 A CN108549995 A CN 108549995A CN 201810370701 A CN201810370701 A CN 201810370701A CN 108549995 A CN108549995 A CN 108549995A
- Authority
- CN
- China
- Prior art keywords
- data
- distribution
- voltage exception
- analysis
- factor
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000007418 data mining Methods 0.000 title claims abstract description 12
- 241001269238 Data Species 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 20
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000005201 scrubbing Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013501 data transformation Methods 0.000 claims description 3
- 238000000556 factor analysis Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000003066 decision tree Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- 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)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (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)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种通过数据挖掘实现配网公变电压异常决策分析的方法，该方法借助大数据处理平台根据用电信息采集数据、电网网架数据和电压、负载等运行监测数据，利用数据挖掘、并行计算和决策树等大数据技术，开展配变容量分布、负荷负载率分布、线路供电半径及线径分布、三相不平衡分布和电压异常发生时段与客户投诉分布等特性分析，制定电压异常治理措施，为配电网规划和运行提供决策支撑。
Description
技术领域
本发明属于电力领域，涉及一种通过数据挖掘实现配网公变电压异常决策分析的方法。
背景技术
配电网电压异常是关系千家万户生活质量的民生问题，消除电压异常是履行社会责任和践行服务宗旨的基本要求，是供电企业迈向精益化管理的重要标志。目前，关于电网大数据分析已经非常普遍，但是针对配电网公用变压器电压异常的大数据分析并不多见。
为加强配电网用户电压异常、过电压、电压波动的治理工作,提高治理针对性和有效性，为实施运维管控和相关基建、技改、大修等项目立项、审查提供依据，需要提供一种基于大数据的配电网供电异常分析和预警方法。
发明内容
本发明的目的是提供一种通过数据挖掘实现配网公变电压异常决策分析的方法。该方法根据用电信息采集数据、电网网架数据和电压、负载等运行监测数据，利用数据挖掘、并行计算和决策树等大数据技术，开展配变容量分布、负荷负载率分布、线路供电半径及线径分布、三相不平衡分布和电压异常发生时段与客户投诉分布等特性分析，制定电压异常治理措施，为配电网规划和运行提供决策支撑。
本发明的目的通过以下技术方案实现：
一种通过数据挖掘实现配网公变电压异常决策分析的方法，其特征在于该方法步骤如下：
1)数据预处理；
11)通过大数据处理平台，获取配电网运行基础数据；
12)通过数据清理，填充遗漏的值，识别局外者、消除噪音，并纠正数据中的不一致。
13)通过数据变换，将数据转换成适合于挖掘的形式。
14)对清洗和变换过后的数据进行规约，从原有的特征中删除不重要或者不相关的特征，并对数据的完整性和正确性再一次校验。
15)基于数据清理、数据变换和数据规约后的配电网运行数据，构建电压预警向量。
2)通过Apriori算法实现关联因子分析；
21)专家分析筛选关联因子；
22)使用Apriori算法进行关联因子分析；
23)去除关联性较低的因子，留下关联性高的因子，分别为：负载率(最大、最小、平均)、三相不平衡度(最大、最小、平均)、电压(最大、最小、平均)。
3)建立专家知识库
根据第2步得到的关联因子，将训练样本形成9维向量。收集电压异常现象的判定方案及决策意见，进行最终的数据治理、筛选和计算，形成初步的专家知识库。
4)构建电压异常向量
将发生电压异常的配变在根据Apriori算法获得的9个因子上的值进行离散化，利用熵计算离散化后的模型因子之间的分布，得到各因子的n个合理阈值区间，使得这9个因子在该阈值区间上有最大的信息量表示，即形成一个9*n维向量。
5)匹配成因
将离散化后的数据构建成的电压异常向量是一个18维向量，当把所有的训练数据全部构建完成后，根据这些数据在18维空间的分布情况，利用KNN算法，通过调整k值以达到一个最优分类结果，完成建模。继续使用KNN算法对新样本进行匹配成因以及结合专家知识库给出解决方案。
51)将训练样本形式化为特征空间中的加权特征向量，X＝(x1,x2,x3……x18)，xi表示样本x的第i个特征的值。
52)确定K值，一般在之间
53)采用余弦相似性作为距离度量算法计算两个样本之间的相似度。
54)根据样本相似度计算每一类的权重
55)按照类别权重大小对新文本进行归类。
56)判断出电压异常的原因，并根据专家知识库制定电压异常治理措施。
本发明借助大数据处理平台，根据用电信息采集数据、电网网架数据和电压、负载等运行监测数据，利用数据挖掘、并行计算和决策树等大数据技术，开展配变容量分布、负荷负载率分布、线路供电半径及线径分布、三相不平衡分布和电压异常发生时段与客户投诉分布等特性分析，制定电压异常治理措施，为配电网规划和运行提供决策支撑。
本发明适用于配网运行中公变电压异常原因分析和决策分析，运行人员通过原因分析和决策分析可以快速定位电压异常的公变、原因，并可以立即采取对应的决策措施，提高了工作效率，保障了电网的安全。
附图说明
图1是配网公变电压异常决策分析方法。
具体实施方式
一种通过数据挖掘实现配网公变电压异常决策分析的方法，借助江苏公司建立的大数据处理平台，根据用电信息采集数据、电网网架数据和电压、负载等运行监测数据，利用数据挖掘、并行计算和决策树等大数据技术，开展配变容量分布、负荷负载率分布、线路供电半径及线径分布、三相不平衡分布和电压异常发生时段与客户投诉分布等特性分析，制定电压异常治理措施，为配电网规划和运行提供决策支撑。步骤如下：
1)数据预处理；
11)通过江苏公司建立的大数据处理平台，获取配电网运行基础数据；
12)通过数据清理，填充遗漏的值，识别局外者、消除噪音，并纠正数据中的不一致。
13)通过数据变换，将数据转换成适合于挖掘的形式。
14)对清洗和变换过后的数据进行规约，从原有的特征中删除不重要或者不相关的特征，并对数据的完整性和正确性再一次校验。
15)基于数据清理、数据变换和数据规约后的配电网运行数据，构建电压预警向量。
2)通过Apriori算法实现关联因子分析；
24)专家分析筛选关联因子；
25)使用Apriori算法进行关联因子分析；
26)去除关联性较低的因子，留下关联性高的因子，分别为：负载率(最大、最小、平均)、三相不平衡度(最大、最小、平均)、电压(最大、最小、平均)。
3)建立专家知识库
根据第2步得到的关联因子，将训练样本形成9维向量。收集电压异常现象的判定方案及决策意见，进行最终的数据治理、筛选和计算，形成初步的专家知识库。
4)构建电压异常向量
将发生电压异常的配变在根据Apriori算法获得的9个因子上的值进行离散化，利用熵计算离散化后的模型因子之间的分布，得到各因子的n个合理阈值区间，使得这9个因子在该阈值区间上有最大的信息量表示，即形成一个9*n维向量。
5)匹配成因
将离散化后的数据构建成的电压异常向量是一个18维向量，当把所有的训练数据全部构建完成后，根据这些数据在18维空间的分布情况，利用KNN算法，通过调整k值以达到一个最优分类结果，完成建模。继续使用KNN算法对新样本进行匹配成因以及结合专家知识库给出解决方案。
12)将训练样本形式化为特征空间中的加权特征向量，X＝(x1,x2,x3……x18)，xi表示样本x的第i个特征的值。
13)确定K值，一般在之间
14)采用余弦相似性作为距离度量算法计算两个样本之间的相似度。
15)根据样本相似度计算每一类的权重
16)按照类别权重大小对新文本进行归类。
17)判断出电压异常的原因，并根据专家知识库制定电压异常治理措施。
本发明适用于配网运行中公变电压异常原因分析和决策分析，运行人员通过原因分析和决策分析可以快速定位电压异常的公变、原因，并可以立即采取对应的决策措施，提高了工作效率，保障了电网的安全。
Claims (2)
1.一种通过数据挖掘实现配网公变电压异常决策分析的方法，其特征在于该方法步骤如下：
1)数据预处理；
11)通过大数据处理平台，获取配电网运行基础数据；
12)通过数据清理，填充遗漏的值，识别局外者、消除噪音，并纠正数据中的不一致；
13)通过数据变换，将数据转换成适合于挖掘的形式；
14)对清洗和变换过后的数据进行规约，从原有的特征中删除不重要或者不相关的特征，并对数据的完整性和正确性再一次校验；
15)基于数据清理、数据变换和数据规约后的配电网运行数据，构建电压预警向量；
2)通过Apriori算法实现关联因子分析；
21)分析筛选关联因子；
22)使用Apriori算法进行关联因子分析；
23)去除关联性较低的因子，留下关联性高的因子，分别为：负载率，包括最大、最小、平均；三相不平衡度，包括最大、最小、平均；电压，包括最大、最小、平均；
3)建立专家知识库；
根据步骤2)得到的关联因子，将训练样本形成9维向量；收集电压异常现象的判定方案及决策意见，进行最终的数据治理、筛选和计算，形成初步的专家知识库；
4)构建电压异常向量；
将发生电压异常的配变在根据Apriori算法获得的9个因子上的值进行离散化，利用熵计算离散化后的模型因子之间的分布，得到各因子的n个合理阈值区间，使得这9个因子在该阈值区间上有最大的信息量表示，即形成一个9*n维向量；
5)匹配成因；
将离散化后的数据构建成的电压异常向量是一个18维向量，当把所有的训练数据全部构建完成后，根据这些数据在18维空间的分布情况，利用KNN算法，通过调整k值以达到一个最优分类结果，完成建模；继续使用KNN算法对新样本进行匹配成因以及结合专家知识库给出解决方案。
2.根据权利要求1所述的通过数据挖掘实现配网公变电压异常决策分析的方法，其特征在于：步骤5)具体如下：
51)将训练样本形式化为特征空间中的加权特征向量，X＝(x1,x2,x3……x18)，xi表示样本x的第i个特征的值；
52)在之间确定K值；
53)采用余弦相似性作为距离度量算法计算两个样本之间的相似度；任意样本x表示为特征向量x＝(x1,x2,x3……x18),xi表示样本x的第i个特征的值；那么，2个样本xi,xj的相似度定义为sim(xi,xj)
54)根据样本相似度计算每一类的权重
55)按照类别权重大小对新文本进行归类；
56)判断出电压异常的原因，并根据专家知识库制定电压异常治理措施。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810370701.2A CN108549995A (zh) | 2018-04-24 | 2018-04-24 | 一种通过数据挖掘实现配网公变电压异常决策分析的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810370701.2A CN108549995A (zh) | 2018-04-24 | 2018-04-24 | 一种通过数据挖掘实现配网公变电压异常决策分析的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108549995A true CN108549995A (zh) | 2018-09-18 |
Family
ID=63512156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810370701.2A Pending CN108549995A (zh) | 2018-04-24 | 2018-04-24 | 一种通过数据挖掘实现配网公变电压异常决策分析的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108549995A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109615266A (zh) * | 2018-12-26 | 2019-04-12 | 贵州电网有限责任公司 | 基于数据挖掘的电网异常信息的文本分析决策方法 |
| CN110414441A (zh) * | 2019-07-31 | 2019-11-05 | 浙江大学 | 一种行人行踪分析方法及系统 |
| CN110457856A (zh) * | 2019-08-21 | 2019-11-15 | 云南电网有限责任公司电力科学研究院 | 一种配网电压问题库构建方法及装置 |
| CN111104977A (zh) * | 2019-12-16 | 2020-05-05 | 国网新疆电力有限公司信息通信公司 | 电网三相不平衡多维时序分析方法 |
| CN111177223A (zh) * | 2019-12-27 | 2020-05-19 | 国网北京市电力公司 | 电压异常分析方法及装置、电子设备 |
| CN111738412A (zh) * | 2020-05-28 | 2020-10-02 | 江门职业技术学院 | 一种不完全网络的大数据异常挖掘方法、系统及存储介质 |
| CN111784003A (zh) * | 2020-06-11 | 2020-10-16 | 重庆东电通信技术有限公司 | 基于大数据分析的输变电设备状态评估方法 |
| CN111881177A (zh) * | 2020-07-14 | 2020-11-03 | 国网河北省电力有限公司信息通信分公司 | 一种电力物联网数据流异常检测系统及方法 |
| CN116660672A (zh) * | 2023-08-02 | 2023-08-29 | 国网四川省电力公司乐山供电公司 | 基于大数据的电网设备故障诊断方法及系统 |
| CN117132022A (zh) * | 2023-10-20 | 2023-11-28 | 江苏瑞问科技有限公司 | 基于动态负荷的数字化电网智能管理系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090157573A1 (en) * | 2006-01-23 | 2009-06-18 | The Trustees Of Columbia University In The City Of New York | System And Method For Grading Electricity Distribution Network Feeders Susceptible To Impending Failure |
| CN103903189A (zh) * | 2014-03-20 | 2014-07-02 | 华南理工大学 | 基于模糊聚类的低压配网台区聚类方法 |
| CN107834551A (zh) * | 2017-11-20 | 2018-03-23 | 国网湖南省电力有限公司 | 一种基于支持向量机的配电网低电压预测方法 |
-
2018
- 2018-04-24 CN CN201810370701.2A patent/CN108549995A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090157573A1 (en) * | 2006-01-23 | 2009-06-18 | The Trustees Of Columbia University In The City Of New York | System And Method For Grading Electricity Distribution Network Feeders Susceptible To Impending Failure |
| CN103903189A (zh) * | 2014-03-20 | 2014-07-02 | 华南理工大学 | 基于模糊聚类的低压配网台区聚类方法 |
| CN103903189B (zh) * | 2014-03-20 | 2017-11-07 | 华南理工大学 | 基于模糊聚类的低压配网台区聚类方法 |
| CN107834551A (zh) * | 2017-11-20 | 2018-03-23 | 国网湖南省电力有限公司 | 一种基于支持向量机的配电网低电压预测方法 |
Non-Patent Citations (4)
| Title |
|---|
| 付龙明: "基于大数据的主变压器监测预警技术研究与应用", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 吴芬琳: "自适应加权KNN文本分类", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 陈航: "基于数据挖掘的电力计量自动化系统异常分析", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 黄娟娟: "基于KNN的文本分类特征选择与分类算法的研究与改进", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109615266A (zh) * | 2018-12-26 | 2019-04-12 | 贵州电网有限责任公司 | 基于数据挖掘的电网异常信息的文本分析决策方法 |
| CN110414441A (zh) * | 2019-07-31 | 2019-11-05 | 浙江大学 | 一种行人行踪分析方法及系统 |
| CN110457856B (zh) * | 2019-08-21 | 2023-06-09 | 云南电网有限责任公司电力科学研究院 | 一种配网电压问题库构建方法及装置 |
| CN110457856A (zh) * | 2019-08-21 | 2019-11-15 | 云南电网有限责任公司电力科学研究院 | 一种配网电压问题库构建方法及装置 |
| CN111104977A (zh) * | 2019-12-16 | 2020-05-05 | 国网新疆电力有限公司信息通信公司 | 电网三相不平衡多维时序分析方法 |
| CN111177223A (zh) * | 2019-12-27 | 2020-05-19 | 国网北京市电力公司 | 电压异常分析方法及装置、电子设备 |
| CN111738412A (zh) * | 2020-05-28 | 2020-10-02 | 江门职业技术学院 | 一种不完全网络的大数据异常挖掘方法、系统及存储介质 |
| CN111784003A (zh) * | 2020-06-11 | 2020-10-16 | 重庆东电通信技术有限公司 | 基于大数据分析的输变电设备状态评估方法 |
| CN111881177A (zh) * | 2020-07-14 | 2020-11-03 | 国网河北省电力有限公司信息通信分公司 | 一种电力物联网数据流异常检测系统及方法 |
| CN116660672A (zh) * | 2023-08-02 | 2023-08-29 | 国网四川省电力公司乐山供电公司 | 基于大数据的电网设备故障诊断方法及系统 |
| CN116660672B (zh) * | 2023-08-02 | 2023-10-10 | 国网四川省电力公司乐山供电公司 | 基于大数据的电网设备故障诊断方法及系统 |
| CN117132022A (zh) * | 2023-10-20 | 2023-11-28 | 江苏瑞问科技有限公司 | 基于动态负荷的数字化电网智能管理系统及方法 |
| CN117132022B (zh) * | 2023-10-20 | 2023-12-29 | 江苏瑞问科技有限公司 | 基于动态负荷的数字化电网智能管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108549995A (zh) | 一种通过数据挖掘实现配网公变电压异常决策分析的方法 | |
| CN110705873B (zh) | 一种配电网运行状态画像分析方法 | |
| Yang et al. | A parallel genetic algorithm approach to solving the unit commitment problem: Implementation on the transputer networks | |
| CN105894177A (zh) | 一种基于决策树算法的电力设备运行风险分析评估方法 | |
| CN116628220A (zh) | 基于关系图卷积神经网络的电力工作票生成方法及系统 | |
| CN110910026B (zh) | 一种跨省输电线路线损智能管理与决策方法及系统 | |
| CN110321947A (zh) | 一种基于卷积神经网络的用电异常预判方法 | |
| CN113030633B (zh) | 基于ga-bp神经网络的配电网故障大数据分析方法和系统 | |
| CN116231871B (zh) | 一种基于数字孪生的电网态势监管方法、系统及存储介质 | |
| CN114997745B (zh) | 一种基于深度特征提取的光伏故障诊断溯源方法 | |
| CN107862442A (zh) | 一种10kv及以下电力客户受电工程建设质量综合评价方法 | |
| Xing et al. | Genetic algorithm based unit commitment with energy contracts | |
| CN115186964A (zh) | 计及主观评估数据的配电网线路风险预测系统及方法 | |
| CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与系统 | |
| CN112633665A (zh) | 一种基于层次分析法的配电网防雷决策方法 | |
| CN113902062A (zh) | 一种基于大数据的台区线损异常原因分析方法及装置 | |
| CN109002994A (zh) | 一种电网立项管理方法及系统、计算机设备、介质 | |
| CN112016858A (zh) | 一种基于主客观赋权法的舆情风险评价方法 | |
| CN116467658A (zh) | 一种基于马尔科夫链的设备故障溯源方法 | |
| CN114021758A (zh) | 一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法和装置 | |
| CN107220905A (zh) | 一种基于逻辑回归的配电变压器运行状态风险预警方法 | |
| CN112270485B (zh) | 一种用于配电网络不停电作业综合评估的主成分因子分析方法 | |
| CN113822533A (zh) | 基于实时事件驱动的风险评估量化模型构建方法及系统 | |
| Shayeghi et al. | GEP considering purchase prices, profits of IPPs and reliability criteria using hybrid GA and PSO | |
| CN106384307A (zh) | 一种县域配电网规划差异化评估方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 210024 civil defense building, No. 189, Guangzhou Road, Gulou District, Nanjing, Jiangsu Applicant after: Jiangsu Electric Power Information Technology Co., Ltd. Applicant after: STATE GRID JIANGSU ELECTRIC POWER Co. Address before: 210024 civil defense building, No. 189, Guangzhou Road, Gulou District, Nanjing, Jiangsu Applicant before: Jiangsu Electric Power Information Technology Co., Ltd. Applicant before: STATE GRID JIANGSU ELECTRIC POWER COMPANY |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180918 |
|
| RJ01 | Rejection of invention patent application after publication |