CN108830406A - 一种基于数据挖掘的主配网预停电配置方法 - Google Patents
一种基于数据挖掘的主配网预停电配置方法 Download PDFInfo
- Publication number
- CN108830406A CN108830406A CN201810530982.3A CN201810530982A CN108830406A CN 108830406 A CN108830406 A CN 108830406A CN 201810530982 A CN201810530982 A CN 201810530982A CN 108830406 A CN108830406 A CN 108830406A
- Authority
- CN
- China
- Prior art keywords
- power failure
- data
- main distribution
- advance
- power
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000007418 data mining Methods 0.000 title claims abstract description 13
- 238000000714 time series forecasting Methods 0.000 claims abstract description 4
- 238000010276 construction Methods 0.000 claims description 15
- 238000012512 characterization method Methods 0.000 claims description 14
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 230000005611 electricity Effects 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000005065 mining Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008439 repair process 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (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
一种基于数据挖掘的主配网预停电配置方法，包括历史停电数据的收集，数据预处理储存，预停电相关因子提取，预停电时序预测分析，停电影响范围，停电经济损失预估，停电时长判断，最终实现预停电安排的优化。通过对全省电网的主配网历史预停电数据进行分析挖掘，联系相关经济数据，以及主配网设备指标数据，天气，节假日数据，对电网预停电事件在时序上进行预测，并分析不同类型预停电的影响范围，造成的经济损失大小，停电时间等，根据结果对未来预停电计划的合理制定，提供全面有效的分析依据，减少了计划制定的混乱，减少经济损失，提高用电客户对于电网服务的满意度。
Description
技术领域
本发明属于配电管理系统建设与应用领域，具体涉及一种基于数据挖掘的主配网预停电配置方法。
背景技术
目前，电网调控中心在负责全省综合停电计划的管理和执行时，支撑综合停电计划管理的主要是OMS及融冰检修系统，主要功能是数据的填报，流程审核及相关安全约束规则的校验功能，对于预停电计划的生成还处于人工方式，面对系统和外部大量的数据不能及时有效的处理，预停电计划处于混乱状态，给客户和电网造成较大的经济损失，降低了客户对于电网服务的满意度。
中国专利(公开号：CN105069529A)公开了一种预安排停电时间预测方法及系统，其使用了历史数据样本确定回归系数和相应的线性模型，并根据相应系数确定预安排停电的时间，考虑了供应能力、网络结构水平、运行管理水平、装备技术水平及基建技改投资等多方面生产管控因素，并未从整体上将一个省内的所有停电数据进行计算，此外，其使用的线性回归系数和系统用于确定停电时间的方案精确度难以得到保障。
发明内容
为解决上述技术问题，本发明提供了一种基于数据挖掘的主配网预停电配置方法。
本发明通过以下技术方案得以实现。
本发明提供的一种基于数据挖掘的主配网预停电配置方法，其特征在于包括以下步骤：
步骤一，采集省内电网系统主配网停电的相关数据，包括主配网配网计划施工相关历史数据、用户工程相关历史数据、主配网历史检修数据以及市政工程建设相关历史数据；
步骤二，对数据进行预处理，对缺失部分较小的数据进行补充，剔除残缺较大的数据和数据异常的数据，并对数据进行标准化处理；
步骤三，提取停电相关的特征因子，对历史预停电信息进行分类和聚类；
步骤四，进行预停电时序预测，利用深度学习的方法分析不同类型的预停电对电网的影响范围大小，经济损失估计，时间长短预测；
步骤五，制定未来时间的预停电计划。
进一步的，所述步骤一中所收集的停电相关数据还包括电网主配网的设备指标数据，天气，节假日数据的采集。
进一步的，所述步骤二中的数据预处理包括对数据缺失值，异常值的处理，对于数据非结构化的数据进行转换，将其转换为可计算的形式。
进一步的，所述步骤三中在提取特征因子时，采用皮尔逊相关系数的方法，将高维的特征因子降维，选取相关性大的特征因子，针对不同类型的预停电进行聚类。
进一步的，所述步骤四中，通过建立神经网络时序模型对预停电时间进行预测，并根据深度学习自动测算不同类型预停电将要影响的范围大小，经济损失大小，影响时长。
进一步的，所述步骤五中，在制定未来时间的预停电计划时，根据步骤四的结果进行时间上的安排。
本发明的有益效果在于：通过本发明的实施，对全省电网的主配网历史预停电数据进行分析挖掘，联系相关经济数据，以及主配网设备指标数据，天气，节假日数据，对电网预停电事件在时序上进行预测，并分析不同类型预停电的影响范围，造成的经济损失大小，停电时间等，根据结果对未来预停电计划的合理制定，提供全面有效的分析依据，减少了计划制定的混乱，减少经济损失，提高用电客户对于电网服务的满意度。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
如图1所示，一种基于数据挖掘的主配网预停电配置方法，其特征在于包括以下步骤：
步骤一，采集省内电网系统主配网停电的相关数据，包括主配网配网计划施工相关历史数据、用户工程相关历史数据、主配网历史检修数据以及市政工程建设相关历史数据；
全省的停电相关数据包括：主配网配网计划施工相关历史数据，用户工程相关历史数据，主配网历史检修数据，市政工程建设相关历史数据等，除了直接与预安排停电的电网相关数据外，还包括间接相关的天气历史数据，节假日时间段数据，设备性能指标数据，电力相关的经济数据等。
步骤二，对数据进行预处理，对缺失部分较小的数据进行补充，剔除残缺较大的数据和数据异常的数据，并对数据进行标准化处理；
针对采集的庞大数据利用大型数据库进行存储，并进行数据的预处理，利用拉格朗日插值，平均数等方法对不同的缺失较少的数据段进行数据的完整性补充，针对数据残缺较严重，数据表现特别异常的数据进行剔除，对于非结构化的数据进行转换，将其转换成可进行数值计算的类型，为保证数据的统一，对数据进行标准化处理，最后对数据进行时间上的对齐，以保证数据之间的关联性不会发生质的变化，接下来进行下一步。
步骤三，提取停电相关的特征因子，对历史预停电信息进行分类和聚类；
对于预停电主要要判别预停电的类型，时间，影响范围，时长等直接性特征因子，通过相关性分析提取预停电相关的间接因子，如天气，节假日，经济，设备使用情况等，针对不同的预停电类型进行聚类，并且利用皮尔逊相关系数的方法找出与该预停电类型间接相关的特征因子。
步骤四，进行预停电时序预测，利用深度学习的方法分析不同类型的预停电对电网的影响范围大小，经济损失估计，时间长短预测；
设定时间为一年，以市政施工为例，利用深度神经网络训练因为市政施工而停电的历史数据和相关特征因子数据，预测一年内将会因为市政施工而导致停电的时间区域，计算机自动评估优化停电影响范围，经济损失和时间长短。
步骤五，制定未来时间的预停电计划。
根据步骤四的结果根据实际需要制定未来时间的预停电计划，不仅仅是根据计算机的结果，还需要结合业务理解和实际需要，在计划的过程中不断的改进和优化。
进一步的，进一步的，所述步骤一中所收集的停电相关数据还包括电网主配网的设备指标数据，天气，节假日数据的采集。
进一步的，所述步骤二中的数据预处理包括对数据缺失值，异常值的处理，对于数据非结构化的数据进行转换，将其转换为可计算的形式。
进一步的，所述步骤三中在提取特征因子时，采用皮尔逊相关系数的方法，将高维的特征因子降维，选取相关性大的特征因子，针对不同类型的预停电进行聚类。
进一步的，所述步骤四中，通过建立神经网络时序模型对预停电时间进行预测，并根据深度学习自动测算不同类型预停电将要影响的范围大小，经济损失大小，影响时长。
进一步的，所述步骤四中预停电的时间预测是通过历史数据中的由市政施工引起的停电时间数据作为训练数据，构建神经网络的输入输出模型，将未来一年的时间作为模型的监督值，将要停电的时间作为输出，通过10000次的模型迭代训练最终得到精确度更高的模型；对于具体的停电时间段，利用同样的方式，将历史数据中，同样时间，同样是由于市政施工引起的停电情况下的，温度，耗电量，设备相关的参数，日均用电量，负荷大小等作为卷积神经网络的输入值，停电影响范围，停电经济损失，时长等作为输出，进行模型的训练，进行10000次的模型迭代训练时效果是最好的，将输出的模型用于在评估未来一年的由于市政施工引起的停电的相关影响上的评估。
进一步的，所述步骤五中，在制定未来时间的预停电计划时，根据步骤四的输出结果进行时间上的安排，减少重大停电事故的发生，规避用电高峰期的停电计划。
本发明通过对全省电网的主配网历史预停电数据进行分析挖掘，联系相关经济数据，以及主配网设备指标数据，天气，节假日数据，对电网预停电事件在时序上进行预测，并分析不同类型预停电的影响范围，造成的经济损失大小，停电时间等，根据结果对未来预停电计划的合理制定，提供全面有效的分析依据，减少了计划制定的混乱，减少经济损失，提高用电客户对于电网服务的满意度。
Claims (6)
1.一种基于数据挖掘的主配网预停电配置方法，其特征在于包括以下步骤：
步骤一，采集省内电网系统主配网停电的相关数据，包括主配网配网计划施工相关历史数据、用户工程相关历史数据、主配网历史检修数据以及市政工程建设相关历史数据；
步骤二，对数据进行预处理，对缺失部分较小的数据进行补充，剔除残缺较大的数据和数据异常的数据，并对数据进行标准化处理；
步骤三，提取停电相关的特征因子，对历史预停电信息进行分类和聚类；
步骤四，进行预停电时序预测，利用深度学习的方法分析不同类型的预停电对电网的影响范围大小，经济损失估计，时间长短预测；
步骤五，制定未来时间的预停电计划。
2.如权利要求1所述的基于数据挖掘的主配网预停电配置方法，其特征在于：所述步骤一中所收集的停电相关数据还包括电网主配网的设备指标数据，天气，节假日数据的采集。
3.如权利要求1所述的基于数据挖掘的主配网预停电配置方法，其特征在于：所述步骤二中的数据预处理包括对数据缺失值，异常值的处理，对于数据非结构化的数据进行转换，将其转换为可计算的形式。
4.如权利要求1所述的基于数据挖掘的主配网预停电配置方法，其特征在于：所述步骤三中在提取特征因子时，采用皮尔逊相关系数的方法，将高维的特征因子降维，选取相关性大的特征因子，针对不同类型的预停电进行聚类。
5.如权利要求1所述的基于数据挖掘的主配网预停电配置方法，其特征在于：所述步骤四中，通过建立神经网络时序模型对预停电时间进行预测，并根据深度学习自动测算不同类型预停电将要影响的范围大小，经济损失大小，影响时长。
6.如权利要求1所述的基于数据挖掘的主配网预停电配置方法，其特征在于：所述步骤五中，在制定未来时间的预停电计划时，根据步骤四的结果进行预停电的安排。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810530982.3A CN108830406A (zh) | 2018-05-29 | 2018-05-29 | 一种基于数据挖掘的主配网预停电配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810530982.3A CN108830406A (zh) | 2018-05-29 | 2018-05-29 | 一种基于数据挖掘的主配网预停电配置方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108830406A true CN108830406A (zh) | 2018-11-16 |
Family
ID=64146154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810530982.3A Pending CN108830406A (zh) | 2018-05-29 | 2018-05-29 | 一种基于数据挖掘的主配网预停电配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108830406A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109995132A (zh) * | 2019-03-28 | 2019-07-09 | 武汉普天新能源有限公司 | 一种高频开关电源系统 |
| CN110874689A (zh) * | 2019-09-24 | 2020-03-10 | 国网天津静海供电有限公司 | 一种基于云平台的停电计划管控方法 |
| CN111864732A (zh) * | 2020-01-09 | 2020-10-30 | 南方电网科学研究院有限责任公司 | 一种配电网的供电装置优化系统 |
| CN112036682A (zh) * | 2020-07-10 | 2020-12-04 | 广西电网有限责任公司 | 一种频繁停电的预警方法及装置 |
| CN112465235A (zh) * | 2020-12-01 | 2021-03-09 | 国网浙江杭州市富阳区供电有限公司 | 一种用于降低电量损失的停电区间预测方法 |
| CN113706014A (zh) * | 2021-08-27 | 2021-11-26 | 广东电网有限责任公司 | 一种停电工期的编排方法及装置 |
| CN114022009A (zh) * | 2021-11-10 | 2022-02-08 | 广东电网有限责任公司 | 一种多区域电力企业可靠性的分类方法、装置及存储介质 |
| CN114048904A (zh) * | 2021-11-11 | 2022-02-15 | 国网江苏省电力有限公司营销服务中心 | 一种依据数据治理的停电预警方法 |
| CN114282694A (zh) * | 2021-12-23 | 2022-04-05 | 北京东土拓明科技有限公司 | 电力维保控制方法及装置、计算设备和计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722759A (zh) * | 2012-05-17 | 2012-10-10 | 河海大学 | 基于bp神经网络的电网供电可靠性预测方法 |
| CN106408016A (zh) * | 2016-09-13 | 2017-02-15 | 广西电网有限责任公司北海供电局 | 一种配电网停电时间自动识别模型构造方法 |
| CN106779442A (zh) * | 2016-12-26 | 2017-05-31 | 国网山东省电力公司泰安供电公司 | 停电计划的生成方法和装置 |
| CN107194529A (zh) * | 2017-04-01 | 2017-09-22 | 中国电力科学研究院 | 一种基于文本挖掘技术的配电网可靠性经济效益分析方法 |
| CN107507076A (zh) * | 2017-09-26 | 2017-12-22 | 贵州电网有限责任公司 | 基于数据挖掘的电力客户的综合评级的方法 |
-
2018
- 2018-05-29 CN CN201810530982.3A patent/CN108830406A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722759A (zh) * | 2012-05-17 | 2012-10-10 | 河海大学 | 基于bp神经网络的电网供电可靠性预测方法 |
| CN106408016A (zh) * | 2016-09-13 | 2017-02-15 | 广西电网有限责任公司北海供电局 | 一种配电网停电时间自动识别模型构造方法 |
| CN106779442A (zh) * | 2016-12-26 | 2017-05-31 | 国网山东省电力公司泰安供电公司 | 停电计划的生成方法和装置 |
| CN107194529A (zh) * | 2017-04-01 | 2017-09-22 | 中国电力科学研究院 | 一种基于文本挖掘技术的配电网可靠性经济效益分析方法 |
| CN107507076A (zh) * | 2017-09-26 | 2017-12-22 | 贵州电网有限责任公司 | 基于数据挖掘的电力客户的综合评级的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 盛银波等: "基于停电明细数据的配电网可靠性检测与研究", 《浙江电力》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109995132A (zh) * | 2019-03-28 | 2019-07-09 | 武汉普天新能源有限公司 | 一种高频开关电源系统 |
| CN110874689A (zh) * | 2019-09-24 | 2020-03-10 | 国网天津静海供电有限公司 | 一种基于云平台的停电计划管控方法 |
| CN111864732A (zh) * | 2020-01-09 | 2020-10-30 | 南方电网科学研究院有限责任公司 | 一种配电网的供电装置优化系统 |
| CN112036682A (zh) * | 2020-07-10 | 2020-12-04 | 广西电网有限责任公司 | 一种频繁停电的预警方法及装置 |
| CN112465235A (zh) * | 2020-12-01 | 2021-03-09 | 国网浙江杭州市富阳区供电有限公司 | 一种用于降低电量损失的停电区间预测方法 |
| CN113706014A (zh) * | 2021-08-27 | 2021-11-26 | 广东电网有限责任公司 | 一种停电工期的编排方法及装置 |
| CN113706014B (zh) * | 2021-08-27 | 2024-09-06 | 广东电网有限责任公司 | 一种停电工期的编排方法及装置 |
| CN114022009A (zh) * | 2021-11-10 | 2022-02-08 | 广东电网有限责任公司 | 一种多区域电力企业可靠性的分类方法、装置及存储介质 |
| CN114048904A (zh) * | 2021-11-11 | 2022-02-15 | 国网江苏省电力有限公司营销服务中心 | 一种依据数据治理的停电预警方法 |
| CN114282694A (zh) * | 2021-12-23 | 2022-04-05 | 北京东土拓明科技有限公司 | 电力维保控制方法及装置、计算设备和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108830406A (zh) | 一种基于数据挖掘的主配网预停电配置方法 | |
| CN111429027A (zh) | 一种基于大数据的地区输电网运行多维度分析方法 | |
| CN106909933B (zh) | 一种三阶段多视角特征融合的窃电分类预测方法 | |
| CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
| CN108320043A (zh) | 一种基于电力大数据的配电网设备状态诊断预测方法 | |
| CN110889466B (zh) | 一种基于线损分类器的台区线损分析方法 | |
| CN113723844B (zh) | 一种基于集成学习的低压台区理论线损计算方法 | |
| CN114638425B (zh) | 一种基于历史数据的大用户月度用电量预测方法及系统 | |
| CN103729804A (zh) | 一种应对电能质量预警的在线决策支持方法 | |
| CN115456410A (zh) | 一种电网风险的评估方法及评估系统 | |
| CN111582338A (zh) | 一种电动汽车充电设施运行状态评估方法和系统 | |
| Xue et al. | Adaptive ultra-short-term wind power prediction based on risk assessment | |
| CN114091549A (zh) | 一种基于深度残差网络的设备故障诊断方法 | |
| 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 | |
| CN117614137A (zh) | 基于多源数据融合的配电网优化系统 | |
| CN118378832A (zh) | 基于人工智能的调度负荷数据分析提示系统 | |
| CN115965266A (zh) | 一种基于大数据的智能分析系统 | |
| CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
| CN116611589B (zh) | 主网输变电设备停电窗口期预测方法、系统、设备及介质 | |
| CN117937744A (zh) | 一种基于电网运行方式的智能辅助分析方法 | |
| CN112418662A (zh) | 一种利用人工神经网络的配电网运行可靠性分析方法 | |
| Jing et al. | Reliability analysis of distribution network operation based on short-term future big data technology | |
| CN108335014B (zh) | 负荷分析方法、装置、存储介质和处理器 | |
| CN110261693A (zh) | 一种基于稳态采样技术的在线热力试验方法及系统 | |
| CN108923413A (zh) | 基于支持向量机的电压质量预测方法 |
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: 20181116 |
|
| RJ01 | Rejection of invention patent application after publication |