CN108920810A - 基于大数据架构的电力仿真方法 - Google Patents
基于大数据架构的电力仿真方法 Download PDFInfo
- Publication number
- CN108920810A CN108920810A CN201810686089.XA CN201810686089A CN108920810A CN 108920810 A CN108920810 A CN 108920810A CN 201810686089 A CN201810686089 A CN 201810686089A CN 108920810 A CN108920810 A CN 108920810A
- Authority
- CN
- China
- Prior art keywords
- data
- big data
- analysis
- electric
- result
- 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 42
- 238000004088 simulation Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000005516 engineering process Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000012800 visualization Methods 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 9
- 238000007418 data mining Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000009412 basement excavation Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 9
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于大数据架构的电力仿真方法，具体包括以下步骤：组合电力系统状态的基本数据；数据预处理，形成以表征目的状态的空间向量模型；进行大数据的分析处理；分析结果的可视化处理，并进行结果的表现。本发明通过将电力大数据技术和电网仿真技术有机的整合在一起，形成基于大数据架构的电力仿真计算平台，越来越多的数据加入、计算速度的提升，能够更早更快的发现电网运行过程中的实际问题，做到准确认识，及时解决，从而使电网运行更加稳定、安全，减少了电网的运行成本。
Description
技术领域
本发明涉及计算机大数据处理技术领域，特别是一种基于大数据技术架构的电力仿真方法。
背景技术
目前，国内外市场上的电力仿真计算已经研究几十年，电力仿真计算主要包括离线计算和在线计算，是电网规划、设计和运行的重要支撑。仿真计算进行过程中和结束后能够提供大量的计算数据，对这些数据进行挖掘和分析，并与在线量测结合解决电网实际问题，特别是暂态稳定问题，这是电网仿真技术着重研究的方向，而电网系统仿真分析通常只是监测少数关键数量以及分析个别算例，这必然会遗漏可能的有效信息，对研究结论产生不利影响。造成这种情况的原因有很多，其中受限于数据吞吐速度、硬件计算能力，以及对各类计算数据的整合与利用不足是很重要的方面。
近年来，大数据技术的兴起引起各行各业的关注，2013年《中国电力大数据白皮书》的发表，为我国电力大数据技术指明了方向。大数据技术具有很强的4V特征，强调跨领域、多类型数据的融合与利用，其以云计算为基础，在理论研究和实际应用方面涉及一系列软硬件技术的进步。
南网科研院的业务数据符合大数据的4V特性：（1）数据规模大，比如计量中的计量数据、负荷辨识数据，每年产生的数据量达到PB级；（2）数据多源多样，科研院业务多样性特点决定了业务数据构成复杂，既有科研院专业应用系统的数据来源，也有公司业务系统来源数据、互联网来源数据；既有结构化的数据，也有技术情报、电网规划文档等非结构化数据；（3）数据计算高速度，为了解决电网系统问题，需要对电网历史数据的分析获得系统稳定性的指标或规则，用于快速判稳，以及解决电网自身的问题，如推进计算算法研究，需要对电网的数据进行高速计算；（4）数据价值发现，电网仿真不在限于再现现象了，更在于包括对电网现阶段诸多新型问题的分析和发现，从而避免电网事故的发生。
电力大数据技术是大数据技术在电力行业的应用和发展，包括有分布式存储、并行计算，以及各种分析算法等组件，并充分吸收电力系统云计算的先进成果。但是电力大数据由于数据的体量巨大，同时又不断在增长，因此单位数量的价值密度在不断的降低，需要从海量的数据中查找到潜在的电网问题，存在很大难度，这也是无法单独使用电力大数据技术来解决电网现阶段的新型问题。
电网仿真技术是一种基于建立恰当的数学模型来通过模拟实际电网系统运行的技术。电网系统的仿真分析有助于电网系统在改革过程中的运行安全、运行质量以及运行的经济性，同时也有助于了解实际的电网系统所具有的特性。但随着电网规模的持续增长，电网仿真计算的收敛性、鲁棒性、准确性和计算速度提出了更高要求；对于现有仿真结果数据庞杂而分散，提高仿真数据的智能化分析、快速归纳出明晰的信息和结论，也是电网仿真计算面临的问题。
综上所述，不管用电网大数据技术还是电网仿真技术，单独使用时对电网仿真计算都存在一定的弊端和局限性，如何使用一种方法把两种技术有机的结合是本专利的目的。
发明内容
本发明需要解决的技术问题是提供基于大数据架构的电力仿真方法，将电网大数据技术和电网仿真技术有机的结合在一起，总而有效解决现阶段电网存在的数据存储、计算能力等方面自行无法克服的问题。
为解决上述技术问题，本发明所采取的技术方案如下。
基于大数据架构的电力仿真方法，具体包括以下步骤：
A.组合电力系统状态的基本数据；
B.数据预处理，形成以表征目的状态的空间向量模型；
C.进行大数据的分析处理；
D.分析结果的可视化处理，并进行结果的表现。
上述基于大数据架构的电力仿真方法，步骤A具体包括以下内容：收集实际状态信息数据，采用相应的方法将不同系统、不同时域、不同颗粒度、不同格式的数据进行整合，然后将各来源的数据按照国际规定格式CIM 进行转化，形成大数据电力仿真平台所需的格式。
上述基于大数据架构的电力仿真方法，步骤B具体以下内容：首先针对数据进行过滤和预处理，其次是基于所分析问题的目标形成数据向量空间，包括训练集和随机测试向量集。
上述基于大数据架构的电力仿真方法，步骤C具体以下内容：基于大数据网络科技进行降维、聚类、线性或非线性判别，归纳总结状态数据之间的关联性，再针对状态信息的随机行为通过马尔科夫模型、贝叶斯估计等分析方法进行深入研究，借助组合多学习器深入挖掘各种非线性关系。
上述基于大数据架构的电力仿真方法，步骤C中大数据分析处理时电力系统仿真数据的演变过程为：首先在经过预处理的数据中提取进行特征两的提取，建立分析模型；然后再通过机器学习、数据挖掘、人工智能技术进行数据的挖掘，形成具有关联关系的数据分析结果。
上述基于大数据架构的电力仿真方法，步骤D具体以下内容：对大数据分析后的数据进行抽取，验证与电力系统运行状态是否符合结果，若出现与电力系统状态、机理或经验不一致的情况，首先要分析是否发现新的规律，其次要判断是否是因为结果出错，然后将结果与电力系统基本知识基本原理相结合进行纠错与梳理，最后将结果通过可视化方法表现出来。
由于采用了以上技术方案，本发明所取得技术进步如下。
本发明通过将电力大数据技术和电网仿真技术有机的整合在一起，形成基于大数据架构的电力仿真计算平台，越来越多的数据加入、计算速度的提升，能够更早更快的发现电网运行过程中的实际问题，做到准确认识，及时解决，从而使电网运行更加稳定、安全，减少了电网的运行成本。
附图说明
图1为本发明的仿真数据演变过程。
具体实施方式
下面将结合附图和具体实施例对本发明进行进一步详细说明。
本发明搭建大数据分析的电力仿真平台由实验室及仿真软件系统、大数据分析处理系统和可视化输出系统构成，用以实现数据的采集、分析、可视化表达等一系列过程。实验室和仿真软件系统是电力系统专业中常用到的研究设备，其不仅可以很好的仿真现实中电力系统的运行状态，而且可以产生大量的状态数据，这些状态数据为进一步的大数据分析提供数据支撑，故将他们相互结合统一就可以得到可以实现大数据分析的更高平台。而实现大数据技术与电力系统仿真计算结合的首要条件是建立电力大数据平台，解决单机用户在数据存储、计算能力等方面无法自行克服的问题，在此基础上，可结合系统仿真的技术背景、研究目的和数据特点，从专业角度出发采取理论研究与应用开发相结合的方式开展工作。
基于大数据架构的电力仿真方法，具体包括以下步骤。
A.组合电力系统状态的基本数据。
大数据分析的特征就在于有大量的实际状态信息数据，只有数据具有大量的全面真实的信息量，才可以得出有用的信息特征。所以首先要做的就是对信息的收集和整合。具体来说包括以下两个步骤。
A1.收集实际状态信息数据。
A2.采用相应的方法将不同系统、不同时域、不同颗粒度、不同格式的数据进行整合，然后将各来源的数据按照国际规定格式CIM 进行转化，形成大数据电力仿真平台所需的格式。
B.数据预处理，形成以表征目的状态的空间向量模型。
对数据预处理主要是对收集的数据进行筛选、删减、整合，使之形成用以表征目标状态的空间向量模型，主要包括两道关键工序，首先针对数据进行过滤和预处理，其次是基于所分析问题的目标形成数据向量空间，包括训练集和随机测试向量集。
C.进行大数据的分析处理。
本步骤即是对电力系统中运行状态数据进行大数据分析，其中主要的分析处理方法分为有目标和无目标两种。这两种方法都包含了相同的处理步骤：基于大数据网络科技进行降维、聚类、线性或非线性判别，归纳总结状态数据之间的关联性，再针对状态信息的随机行为通过马尔科夫模型、贝叶斯估计等分析方法进行深入研究，借助组合多学习器深入挖掘各种非线性关系。
本步骤的分析过程可以以商用的大数据分析软件包为依托，也可以根据需要在仿真软件平台上编写自己的算法进行分析处理。
大数据分析处理时电力系统仿真数据的演变过程为：首先在经过预处理的数据中提取进行特征两的提取，建立分析模型；然后再通过机器学习、数据挖掘、人工智能技术进行数据的挖掘，形成具有关联关系的数据分析结果。在分析模型建模方面的首要问题是特征量(样本属性)的选取，主要包括特征初筛和压缩。在初筛中确定与问题可能相关的特征量，而后再根据需要进行数据压缩。在分析算法方面，主要涉及机器学习、数据挖掘、人工智能等技术，在与电网系统相结合时，需要结合电力系统仿真分析的特点，进行算法自身改进和算法融合。图1即为本发明中电力系统仿真数据的演变过程。
仿真数据演变过程中的关联关系泛指由数据挖掘、机器学习直接得到的数据分析结果。再学习是对数据分析结果的自动归纳，形成便于人工解读的初步结果，从大规模数据中提取的规律，其原始表达本身可能很复杂，如一条关联规则可由数十、乃至数百个频繁项组成，不经过自动化的缩减、凝练处理，根本无法理解；基于先验知识，利用语义转换可有助于将初始结果泛化，例如借助分区信息，将各个母线的具体电压水平概括为分区电压的高、低状态，从而更易解读。知识具有最大的出度居于核心地位，由数据向知识的演变可因知识的应用而被优化，进而在数据、信息、知识和思想之间形成一个螺旋上升的过程；同时，知识也可用于改进仿真计算和电网控制，而因果分析则是获得知识的关键性环节。思想由知识的进一步归纳总结得到，其对数据分析、仿真计算和电网控制，乃至于更广领域的研究都有着指导意义。
图1中存在的两个反馈环节，一是利用发现的关联关系对特征提取进行改进，二是根据发现的知识对找到的关联关系进行评估，调整搜索方向并改进算法。
D.分析结果的可视化处理，并进行结果的表现。
对大数据分析后的数据进行抽取，验证与电力系统运行状态是否符合结果，若出现与电力系统状态、机理或经验不一致的情况，首先要分析是否发现新的规律，其次要判断是否是因为结果出错，然后将结果与电力系统基本知识基本原理相结合进行纠错与梳理，最后将结果通过可视化方法表现出来。
电力系统仿真技术领域的数据具有较强的物理和数学联系。利用大数据技术实现对其的有效观测，以及以既有知识为基础的深度分析，将会使对电网的研究，从以“初始－结果”模式为主提升到新的高度，更多地关注系统的演变、数据的变化与融合等方面，开创出新的视角。
本发明建立的基于大数据架构的电网仿真平台，解决了电网仿真计算的数据存储、计算能力等方面自行无法克服的问题。在此基础上结合电网仿真计算的理论方法和技术，让电网仿真计算中的潮流计算、暂态稳定计算、小扰动分析计算等计算模型，在构建的电网大数据平台中建模、分析、运算、以及图形化的动态展示。本发明通过对电力大数据技术和电网仿真技术有机的整合在一起，形成基于大数据架构的电力仿真计算平台，越来越多的数据加入、计算速度的提升，能够更早更快的发现电网运行过程中的实际问题，做到准确认识，及时解决，从而使电网运行更加稳定、安全，减少了电网的运行成本。
Claims (6)
1.基于大数据架构的电力仿真方法，其特征在于，具体包括以下步骤：
A.组合电力系统状态的基本数据；
B.数据预处理，形成以表征目的状态的空间向量模型；
C.进行大数据的分析处理；
D.分析结果的可视化处理，并进行结果的表现。
2.根据权利要求1所述的基于大数据架构的电力仿真方法，其特征在于，步骤A具体包括以下内容：收集实际状态信息数据，采用相应的方法将不同系统、不同时域、不同颗粒度、不同格式的数据进行整合，然后将各来源的数据按照国际规定格式CIM 进行转化，形成大数据电力仿真平台所需的格式。
3.根据权利要求1所述的基于大数据架构的电力仿真方法，其特征在于，步骤B具体以下内容：首先针对数据进行过滤和预处理，其次是基于所分析问题的目标形成数据向量空间，包括训练集和随机测试向量集。
4.根据权利要求1所述的基于大数据架构的电力仿真方法，其特征在于，步骤C具体以下内容：基于大数据网络科技进行降维、聚类、线性或非线性判别，归纳总结状态数据之间的关联性，再针对状态信息的随机行为通过马尔科夫模型、贝叶斯估计等分析方法进行深入研究，借助组合多学习器深入挖掘各种非线性关系。
5.根据权利要求4所述的基于大数据架构的电力仿真方法，其特征在于，步骤C中大数据分析处理时电力系统仿真数据的演变过程为：首先在经过预处理的数据中提取进行特征两的提取，建立分析模型；然后再通过机器学习、数据挖掘、人工智能技术进行数据的挖掘，形成具有关联关系的数据分析结果。
6.根据权利要求1所述的基于大数据架构的电力仿真方法，其特征在于，步骤D具体以下内容：对大数据分析后的数据进行抽取，验证与电力系统运行状态是否符合结果，若出现与电力系统状态、机理或经验不一致的情况，首先要分析是否发现新的规律，其次要判断是否是因为结果出错，然后将结果与电力系统基本知识基本原理相结合进行纠错与梳理，最后将结果通过可视化方法表现出来。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810686089.XA CN108920810A (zh) | 2018-06-28 | 2018-06-28 | 基于大数据架构的电力仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810686089.XA CN108920810A (zh) | 2018-06-28 | 2018-06-28 | 基于大数据架构的电力仿真方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108920810A true CN108920810A (zh) | 2018-11-30 |
Family
ID=64423185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810686089.XA Pending CN108920810A (zh) | 2018-06-28 | 2018-06-28 | 基于大数据架构的电力仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108920810A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210145A (zh) * | 2020-01-05 | 2020-05-29 | 浙江大学 | 一种基于耦合评价指标的电力系统暂态稳定性分析方法 |
| CN111259541A (zh) * | 2020-01-15 | 2020-06-09 | 中国电力科学研究院有限公司 | 一种用于对大电网仿真数据进行可视分析的系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130325195A1 (en) * | 2012-06-05 | 2013-12-05 | Alstom Grid, Inc. | Pre-Processing of Data For Automatic Generation Control |
| US20150346287A1 (en) * | 2014-05-27 | 2015-12-03 | North China Electric Power University | Method For Analyzing Operation State Of Substation By Combining Whole Grid Model With Local Grid Model |
| CN106168993A (zh) * | 2016-06-30 | 2016-11-30 | 上海科梁信息工程股份有限公司 | 电网实时仿真分析平台 |
| CN108108517A (zh) * | 2017-11-23 | 2018-06-01 | 江苏瑞中数据股份有限公司 | 一种基于大数据的电网规划智能辅助分析方法 |
-
2018
- 2018-06-28 CN CN201810686089.XA patent/CN108920810A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130325195A1 (en) * | 2012-06-05 | 2013-12-05 | Alstom Grid, Inc. | Pre-Processing of Data For Automatic Generation Control |
| US20150346287A1 (en) * | 2014-05-27 | 2015-12-03 | North China Electric Power University | Method For Analyzing Operation State Of Substation By Combining Whole Grid Model With Local Grid Model |
| CN106168993A (zh) * | 2016-06-30 | 2016-11-30 | 上海科梁信息工程股份有限公司 | 电网实时仿真分析平台 |
| CN108108517A (zh) * | 2017-11-23 | 2018-06-01 | 江苏瑞中数据股份有限公司 | 一种基于大数据的电网规划智能辅助分析方法 |
Non-Patent Citations (6)
| Title |
|---|
| 何迈: "电力系统运行状态大数据分析实验仿真", 《实验室研究与探索》 * |
| 冯懿: "电力大数据技术与电力系统仿真计算的融合研究", 《电力讯息》 * |
| 张国庆: "电力大数据技术与电力系统仿真计算结合问题研究", 《工程设计》 * |
| 谢科军: "基于大数据分析的电力系统状态实验仿真", 《价值工程》 * |
| 黄彦浩: "基于数据认知的电网仿真数据智能分析系统架构研究", 《电力信息与通信技术》 * |
| 黄彦浩: "电力大数据技术与电力系统仿真计算结合问题研究", 《中国电机工程学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210145A (zh) * | 2020-01-05 | 2020-05-29 | 浙江大学 | 一种基于耦合评价指标的电力系统暂态稳定性分析方法 |
| CN111210145B (zh) * | 2020-01-05 | 2022-03-29 | 浙江大学 | 一种基于耦合评价指标的电力系统暂态稳定性分析方法 |
| CN111259541A (zh) * | 2020-01-15 | 2020-06-09 | 中国电力科学研究院有限公司 | 一种用于对大电网仿真数据进行可视分析的系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106096810B (zh) | 基于配电网运行数据与地理拓扑信息的规划方法及系统 | |
| CN102074955B (zh) | 基于知识发现技术的电力系统稳定评估及控制方法 | |
| CN110471979B (zh) | 基于多源仿真数据聚集与挖掘的电网信息展示仿真系统 | |
| CN108832619A (zh) | 基于卷积神经网络的电力系统暂态稳定评估方法 | |
| CN110059356A (zh) | 一种基于大数据和人工智能的大电网智能调控系统和方法 | |
| CN110417011B (zh) | 一种基于互信息与迭代随机森林的在线动态安全评估方法 | |
| CN111127246A (zh) | 一种输电线路工程造价的智能预测方法 | |
| JP2021509211A (ja) | ランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法 | |
| CN109886604A (zh) | 一种基于一维卷积神经网络的电力系统暂态稳定评估方法 | |
| CN110309955B (zh) | 一种云环境应用系统非停机升级时的负载预测方法及装置 | |
| CN104881741A (zh) | 基于支持向量机的电力系统暂态稳定判断方法 | |
| CN107730158A (zh) | 电网项目智能化评审方法及系统 | |
| CN111628494A (zh) | 一种基于逻辑回归法的低压配电网拓扑识别方法及系统 | |
| CN109378835A (zh) | 基于互信息冗余性最优的大规模电力系统暂态稳定评估系统 | |
| CN108920810A (zh) | 基于大数据架构的电力仿真方法 | |
| CN114298679A (zh) | 基于大数据的工业ai平台及其应用方法、介质及电子设备 | |
| CN113904384B (zh) | 一种基于梯度提升机的电网暂态稳定协调控制方法及系统 | |
| CN113642835B (zh) | 一种基于数据相似度的工作票生成方法及终端 | |
| CN113723869A (zh) | 一种电网基建项目后评价方法、装置、设备及介质 | |
| CN111965442A (zh) | 一种数字孪生环境下的能源互联网故障诊断方法及装置 | |
| CN103207804A (zh) | 基于集群作业日志的MapReduce负载模拟方法 | |
| CN108595415A (zh) | 一种法律差异化判定方法、装置及计算机设备、存储介质 | |
| CN116451170A (zh) | 一种基于多源异构数据的配电网检测方法 | |
| CN115409317A (zh) | 基于特征选择和机器学习的台区线损检测方法及装置 | |
| Hu et al. | Power grid's Intelligent Stability Analysis based on big data technology |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |