CN108985645A - 一种基于大数据分析的gis运行状态评估方法 - Google Patents
一种基于大数据分析的gis运行状态评估方法 Download PDFInfo
- Publication number
- CN108985645A CN108985645A CN201810846575.3A CN201810846575A CN108985645A CN 108985645 A CN108985645 A CN 108985645A CN 201810846575 A CN201810846575 A CN 201810846575A CN 108985645 A CN108985645 A CN 108985645A
- Authority
- CN
- China
- Prior art keywords
- gis
- value
- evaluation
- key
- operating status
- 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 70
- 238000007405 data analysis Methods 0.000 title claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 239000013598 vector Substances 0.000 claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003638 chemical reducing agent Substances 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 239000000463 material Substances 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
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (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
本发明公开了一种基于大数据分析的GIS运行状态评估方法，使用模糊综合评判法在Hadoop平台的Map/Reduce并行计算框架上进行计算，对GIS的运行状态进行评估。步骤：从GIS的本身特性出发构建多维层次型GIS评价体系，并确定GIS运行状态的评价标准；通过Hadoop平台的Map/Reduce并行计算框架，建立一个任务；在Map任务阶段使用CRITIC法、层次分析法和灰色关联理论三种方法对GIS评价体系中各评价因素进行权值评估；使用合作博弈理法将三种算法的评估结果进行融合，得出各评价因素的组合权值向量；计算各评价因素的相关系数矩阵，结合各评价因素的组合权值向量，求出评价向量，判定GIS的运行状态；在Reduce任务阶段将结果保存在存储文件系统HDFS中。本发明在Hadoop平台上实现了对GIS状态数据的高效处理。
Description
技术领域
本发明涉及一种基于大数据分析的GIS运行状态评估方法，属于预装式变电站技术领域。
背景技术
气体绝缘组合电器设备(GIS)是预装式变电站的重要组成部分，其健康状况对整个电网的运行有着举足轻重的作用。安全、可靠的GIS是保障国民经济持续稳定发展以及人民生活水平不断提高的重要物质基础。科学、合理的对GIS进行运行状态评估，及时对GIS进行维修保养，是保障电网稳定运行的重要前提。只有对GIS进行准确的运行状态评估,才能制定出合理的维修计划。大数据分析可以通过多次运算并求取平均值提高了评估的准确性，并且通过并行运算可以实现对繁杂数据的快速分析和整理。因此通过大数据分析对GIS进行科学合理的运行状态评估具有十分重要的现实意义。
Hadoop是一个开源的分布式数据处理软件框架。它以一种可靠的、有效的和容易扩展的方式处理数据。Hadoop框架具有较低的阈值和较低的开源功能，通过并行化执行任务可以提高处理数据的效率。因此使用Hadoop平台可以实现对GIS状态数据的高效处理。
发明内容
本发明所要解决的技术问题是提供一种GIS运行状态评估方法，对GIS的运行状态进行评估。
为解决上述技术问题，本发明提供了一种基于大数据分析的GIS运行状态评估方法，使用模糊综合评判法在Hadoop平台的Map/Reduce并行计算框架上进行计算，对GIS的运行状态进行评估，包括以下步骤：
1)考虑目的性、系统性、可操作性、独立性、显著性、动态性六大原则，从GIS的本身特性出发构建多维层次型GIS指标体系；
2)根据实际情况，确定GIS运行状态的评价标准：优秀、良好、轻微故障、严重故障；
3)通过Hadoop平台的Map/Reduce并行计算框架，建立一个任务；
4)读取GIS的相关数据，解析成<key,value>类型的键值对，包括绝缘结构、断路器、隔离接地开关以及维修记录；
5)在Map任务阶段使用CRITIC法、层次分析法和灰色关联理论三种方法对GIS评价体系中各评价因素进行权值评估；
6)使用合作博弈法将三种算法的权值评估结果进行融合，得出各评价因素的组合权值向量data；
7)通过层次分析法中构造的评判矩阵来计算各评价因素的相关系数矩阵R，结合各评价因素的组合权值向量data，求出GIS的评价向量W，判定GIS的运行状态；
8)将每种算法的评估结果通过value值记录下来；
9)在Reduce任务阶段将GIS运行状态的评估结果保存在Hadoop平台的存储文件系统HDFS中。
上述步骤3)中通过Hadoop平台的Map/Reduce并行计算框架建立一个任务的步骤如下：
31)创建并运行Hadoop作业，设置数据的读入路径、Mapper类和Reducer类的输入输出键值对<key,value>的类型、结果输出路径；
32)检验HDFS中是否有CRITIC法的权值文件、层次分析法的权值文件、灰色关联度参考数列文件，如果没有，则创建并赋值；
33)在Map阶段，使用setup()函数加载CRITIC法中评价因素的权值文件、层次分析法中评价因素的权值文件、灰色关联度算法中子序列文件；
34)在Map阶段，使用map()函数调用相关算法程序对每行待评估数据进行评估；
35)将每种算法的评估结果记录下来；
36)在Reduce阶段，将Map阶段的输出键值保存到存储文件系统HDFS中。
上述步骤5)中对GIS评价体系中各评价因素进行权值评估的步骤如下：
51)读取步骤4)中已经转化为<key，value>类型的待评估数据，通过CRITIC法计算出对应于每个评价因素的权值，记为data1；
52)读取步骤4)中已经转化为<key，value>类型的待评估数据，通过层次分析法计算出属于每个评价因素的权值，记为data2；
53)读取步骤4)中已经转化为<key，value>类型的待评估数据，通过灰色关联度法计算出对于每个评价因素的关联度，记为data3。
上述步骤6)中Map阶段求组合权值向量data的步骤如下：
61)读取步骤51)、步骤52)和步骤53)中生成的权重向量data1、data2和data3；
62)使用合作博弈法中的一致相关性系数求解公式计算出三种权重向量对应的一致相关性系数L1、L2、L3；
63)计算过程向量data’，其计算过程为：
data’＝data1×L1+data2×L2+data3×L3 (1)
64)将data’归一化得到归一化组合权重向量data。
上述步骤7)中Map阶段求评价向量W的步骤如下：
71)读取步骤4)中已经转化为<key，value>类型的待评估数据，通过这些数据计算出评价因素的相关系数矩阵R；
72)使用组合权值向量data和相关系数矩阵R计算出评价向量W，使用最大隶属度法确定GIS的运行状态，计算公式为：
W＝data·R (2)。
上述步骤8)中每种算法的评估结果通过value值记录的步骤如下：
81)步骤51)中生成的<key，value>键值对中，value使用Text类型，记录为datal；
82)步骤52)中生成的<key，value>键值对中，value使用Text类型，记录为data2；
83)步骤53)中生成的<key,value>键值对中，value使用Text类型，记录为data3；
84)步骤64)中生成的<key,value>键值对中，value使用Text类型，记录为data；
85)步骤72)中生成的<key,value>键值对中，value使用Text类型，记录为W。
上述步骤9)中在Reduce任务阶段的步骤如下：
91)输入Map阶段的输出结果；
92)保存data1、data2、data3、data和W到存储文件系统HDFS中。
本发明所达到的有益效果：
本发明提出的一种基于大数据分析的GIS运行状态评估方法，考虑了目的性、系统性、可操作性、独立性、显著性、动态性六大原则，从气体绝缘组合电器设备(GIS)的本身特性出发构建了多维层次型GIS指标体系，科学完备，数据结构合理。将CRITIC法、层次分析法和灰色关联理论三种赋权方法结合起来，避免了单一权重导致的指标权重精确度偏差。同时使用了合作博弈法，能够协调一致并寻找三种赋权法之间的共用利益，能够兼顾主客观权重，全面考虑各指标之间的相互关系，得出准确的GIS的最终评估结果，整个算法具有极强的适应性和鲁棒性。大数据分析提高了评估的准确性，并且通过并行运算可以实现对繁杂数据的快速分析和整理。
本发明使用模糊综合评判法在Hadoop平台的Map/Reduce并行计算框架上进行计算，并行化执行任务，提高了处理数据的效率。在Hadoop平台上实现了对GIS状态数据的高效处理。
附图说明
图1是GIS运行状态评估流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种基于大数据分析的GIS运行状态评估方法，使用模糊综合评判法在Hadoop平台的Map/Reduce并行计算框架上进行计算，对GIS的运行状态进行评估，包括以下步骤：
1)考虑目的性、系统性、可操作性、独立性、显著性、动态性六大原则，从GIS的本身特性出发构建多维层次型GIS指标体系；
2)根据实际情况，确定GIS运行状态的评价标准：优秀、良好、轻微故障、严重故障；
3)通过Hadoop平台的Map/Reduce并行计算框架，建立一个任务；
31)创建并运行Hadoop作业，设置数据的读入路径、Mapper类和Reducer类的输入输出键值对<key,value>的类型、结果输出路径；
32)检验存储文件系统HDFS中是否有CRITIC法的权值文件、层次分析法的权值文件、灰色关联度参考数列文件，如果没有，则创建并赋值；
33)在Map阶段，使用setup()函数加载CRITIC法中评价因素的权值文件、层次分析法中评价因素的权值文件、灰色关联度算法中子序列文件；
34)在Map阶段，使用map()函数调用相关算法程序对每行待评估数据进行评估；
35)将每种算法的评估结果记录下来；
36)在Reduce阶段，将Map阶段的输出键值保存到存储文件系统HDFS中。
4)读取GIS的相关数据，解析成<key,value>类型的键值对，包括绝缘结构、断路器、隔离接地开关以及维修记录；
5)在Map任务阶段使用CRITIC法、层次分析法和灰色关联理论三种方法对GIS评价体系中各评价因素进行权值评估；
51)读取步骤4)中已经转化为<key,value>类型的待评估数据，通过CRITIC法计算出对应于每个评价因素的权值，记为data1；
52)读取步骤4)中已经转化为<key,value>类型的待评估数据，通过层次分析法计算出属于每个评价因素的权值，记为data2；
53)读取步骤4)中已经转化为<key，value>类型的待评估数据，通过灰色关联度法计算出对于每个评价因素的关联度，记为data3。
6)使用合作博弈法将三种算法的权值评估结果进行融合，得出各评价因素的组合权值向量data；
61)读取步骤51)、步骤52)和步骤53)中生成的权重向量data1、data2和data3；
62)使用合作博弈法中的一致相关性系数求解公式计算出三种权重向量对应的一致相关性系数L1、L2、L3；
63)计算过程向量data’，其计算过程为：
data’＝data1×L1+data2×L2+data3×L3 (1)
64)将data’归一化得到归一化组合权值向量data。
7)通过层次分析法中构造的评判矩阵来计算各评价因素的相关系数矩阵R，结合各评价因素的组合权值向量data，求出GIS的评价向量W，判定GIS的运行状态；
71)读取步骤4)中已经转化为<key，value>类型的待评估数据，通过这些数据计算出评价因素的相关系数矩阵R；
72)使用组合权值向量data和相关系数矩阵R计算出评价向量W，使用最大隶属度法确定GIS的运行状态，计算公式为：
W＝data·R (2)。
8)将每种算法的评估结果通过value值记录下来；
81)步骤51)中生成的<key，value>键值对中，value使用Text类型，记录为data1；
82)步骤52)中生成的<key，value>键值对中，value使用Text类型，记录为data2；
83)步骤53)中生成的<key，value>键值对中，value使用Text类型，记录为data3；
84)步骤64)中生成的<key，value>键值对中，value使用Text类型，记录为data；
85)步骤72)中生成的<key，value>键值对中，value使用Text类型，记录为W。
9)在Reduce任务阶段将GIS运行状态的评估结果保存在Hadoop的存储文件系统HDFS中。
91)输入Map阶段的输出结果；
92)保存data1、data2、data3、data和W到存储文件系统HDFS中。
实施例：
GIS某次实际运行记录如表1所示为：
表1
将以上数据代入评估系统中，求得：
data1＝[0.3749 0.3263 0.1895 0.1003]
data2＝[0.6596 0.2402 0.1002 0.1000]
data3＝[0.3390 0.3211 0.1783 0.1015]
data＝[0.3614 0.2934 0.2826 0.0896]
GIS的评价向量为：
W＝[0.8121 0.0961 0.0407 0.0511]
根据最大隶属度原则，可以判定GIS此时的运行状态为优秀。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种基于大数据分析的GIS运行状态评估方法，其特征是使用模糊综合评判法在Hadoop平台的Map/Reduce并行计算框架上进行计算，对GIS的运行状态进行评估，包括以下步骤：
1)考虑目的性、系统性、可操作性、独立性、显著性、动态性六大原则，从GIS的本身特性出发构建多维层次型GIS指标体系；
2)根据实际情况，确定GIS运行状态的评价标准：优秀、良好、轻微故障、严重故障；
3)通过Hadoop平台的Map/Reduce并行计算框架，建立一个任务；
4)读取GIS的相关数据，解析成<key,value>类型的键值对，包括绝缘结构、断路器、隔离接地开关以及维修记录；
5)在Map任务阶段使用CRITIC法、层次分析法和灰色关联理论三种方法对GIS评价体系中各评价因素进行权值评估；
6)使用合作博弈法将三种算法的权值评估结果进行融合，得出各评价因素的组合权值向量data；
7)通过层次分析法中构造的评判矩阵来计算各评价因素的相关系数矩阵R，结合各评价因素的组合权值向量data，求出GIS的评价向量W，判定GIS的运行状态；
8)将每种算法的评估结果通过value值记录下来；
9)在Reduce任务阶段将GIS运行状态的评估结果保存在Hadoop平台的存储文件系统HDFS中。
2.根据权利要求1中所述的一种基于大数据分析的GIS运行状态评估方法，其特征在于，所述步骤3)中通过Hadoop平台的Map/Reduce并行计算框架建立一个任务的步骤如下：
31)创建并运行Hadoop作业，设置数据的读入路径、Mapper类和Reducer类的输入输出键值对<key,value>的类型、结果输出路径；
32)检验HDFS中是否有CRITIC法的权值文件、层次分析法的权值文件、灰色关联度参考数列文件，如果没有，则创建并赋值；
33)在Map阶段，使用setup()函数加载CRITIC法中评价因素的权值文件、层次分析法中评价因素的权值文件、灰色关联度算法中子序列文件；
34)在Map阶段，使用map()函数调用相关算法程序对每行待评估数据进行评估；
35)将每种算法的评估结果记录下来；
36)在Reduce阶段，将Map阶段的输出键值保存到存储文件系统HDFS中。
3.根据权利要求1中所述的一种基于大数据分析的GIS运行状态评估方法，其特征在于，所述步骤5)中对GIS评价体系中各评价因素进行权值评估的步骤如下：
51)读取步骤4)中已经转化为<key,value>类型的待评估数据，通过CRITIC法计算出对应于每个评价因素的权值，记为data1；
52)读取步骤4)中已经转化为<key,value>类型的待评估数据，通过层次分析法计算出属于每个评价因素的权值，记为data2；
53)读取步骤4)中已经转化为<key,value>类型的待评估数据，通过灰色关联度法计算出对于每个评价因素的关联度，记为data3。
4.根据权利要求3中所述的一种基于大数据分析的GIS运行状态评估方法，其特征在于，所述步骤6)中Map阶段求组合权值向量data的步骤如下：
61)读取步骤51)、步骤52)和步骤53)中生成的权重向量data1、data2和data3；
62)使用合作博弈法中的一致相关性系数求解公式计算出三种权重向量对应的一致相关性系数L1、L2、L3；
63)计算过程向量data’，其计算过程为：
data’＝data1×L1+data2×L2+data3×L3 (1)
64)将data’归一化得到归一化组合权值向量data。
5.根据权利要求1中所述的一种基于大数据分析的GIS运行状态评估方法，其特征在于，所述步骤7)中Map阶段求评价向量W的步骤如下：
71)读取步骤4)中已经转化为<key,value>类型的待评估数据，通过这些数据计算出评价因素的相关系数矩阵R；
72)使用组合权值向量data和相关系数矩阵R计算出评价向量W，使用最大隶属度法确定GIS的运行状态，计算公式为：
W＝data·R (2)。
6.根据权利要求3中所述的一种基于大数据分析的GIS运行状态评估方法，其特征在于，所述步骤8)中每种算法的评估结果通过value值记录的步骤如下：
81)步骤51)中生成的<key,value>键值对中，value使用Text类型，记录为data1；
82)步骤52)中生成的<key,value>键值对中，value使用Text类型，记录为data2；
83)步骤53)中生成的<key,value>键值对中，value使用Text类型，记录为data3；
84)步骤64)中生成的<key,value>键值对中，value使用Text类型，记录为data；
85)步骤72)中生成的<key,value>键值对中，value使用Text类型，记录为W。
7.根据权利要求6中所述的一种基于大数据分析的GIS运行状态评估方法，其特征在于，所述步骤9)中在Reduce任务阶段的步骤如下：
91)输入Map阶段的输出结果；
92)保存data1、data2、data3、data和W到存储文件系统HDFS中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810846575.3A CN108985645A (zh) | 2018-07-27 | 2018-07-27 | 一种基于大数据分析的gis运行状态评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810846575.3A CN108985645A (zh) | 2018-07-27 | 2018-07-27 | 一种基于大数据分析的gis运行状态评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108985645A true CN108985645A (zh) | 2018-12-11 |
Family
ID=64551664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810846575.3A Pending CN108985645A (zh) | 2018-07-27 | 2018-07-27 | 一种基于大数据分析的gis运行状态评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108985645A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109615246A (zh) * | 2018-12-14 | 2019-04-12 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种主动配电网经济运行状态确定方法 |
| CN109697570A (zh) * | 2018-12-27 | 2019-04-30 | 北京科东电力控制系统有限责任公司 | 变电站二次设备状态评估方法、系统及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975735A (zh) * | 2016-07-19 | 2016-09-28 | 广西电网有限责任公司电力科学研究院 | 一种用于电力设备健康状态评估的建模方法 |
| CN107609061A (zh) * | 2017-08-28 | 2018-01-19 | 武汉奇米网络科技有限公司 | 一种数据同步的方法和装置 |
| CN107977672A (zh) * | 2017-11-10 | 2018-05-01 | 河海大学常州校区 | 基于海量数据并行运算的sf6设备二级故障诊断方法 |
| CN108108875A (zh) * | 2017-11-29 | 2018-06-01 | 国家电网公司 | 一种基于合作博弈法和梯形云模型的配电网运行状态模糊综合评价方法 |
-
2018
- 2018-07-27 CN CN201810846575.3A patent/CN108985645A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975735A (zh) * | 2016-07-19 | 2016-09-28 | 广西电网有限责任公司电力科学研究院 | 一种用于电力设备健康状态评估的建模方法 |
| CN107609061A (zh) * | 2017-08-28 | 2018-01-19 | 武汉奇米网络科技有限公司 | 一种数据同步的方法和装置 |
| CN107977672A (zh) * | 2017-11-10 | 2018-05-01 | 河海大学常州校区 | 基于海量数据并行运算的sf6设备二级故障诊断方法 |
| CN108108875A (zh) * | 2017-11-29 | 2018-06-01 | 国家电网公司 | 一种基于合作博弈法和梯形云模型的配电网运行状态模糊综合评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| HONGXIA MIAO等: "Fault Diagnosis System of High Voltage Switchgear Based on Cloud Computing Technology", 《2017 3RD IEEE INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATIONS》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109615246A (zh) * | 2018-12-14 | 2019-04-12 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种主动配电网经济运行状态确定方法 |
| CN109697570A (zh) * | 2018-12-27 | 2019-04-30 | 北京科东电力控制系统有限责任公司 | 变电站二次设备状态评估方法、系统及设备 |
| WO2020134361A1 (zh) * | 2018-12-27 | 2020-07-02 | 北京科东电力控制系统有限责任公司 | 变电站二次设备状态评估方法、系统及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ardakanian et al. | On identification of distribution grids | |
| CN110969347B (zh) | 一种输电网结构形态评估方法 | |
| de Oliveira et al. | Transmission system expansion planning using a sigmoid function to handle integer investment variables | |
| Reche et al. | Data mining-based method to reduce multiple estimation for fault location in radial distribution systems | |
| Xu et al. | A decision tree-based on-line preventive control strategy for power system transient instability prevention | |
| Srivastava et al. | Fault diagnosis, service restoration, and data loss mitigation through multi-agent system in a smart power distribution grid | |
| CN105140919A (zh) | 一种基于图论的快速拓扑分析及拓扑岛建立的方法 | |
| CN108985645A (zh) | 一种基于大数据分析的gis运行状态评估方法 | |
| Li et al. | Taxonomic description for western Australian distribution medium‐voltage and low‐voltage feeders | |
| Lalitha et al. | A two stage methodology for siting and sizing of DG for minimum loss in radial distribution system using RCGA | |
| Gang et al. | A load forecasting method of electric vehicles charging station group based on gan-rf model | |
| Wang et al. | Charging station recommendation for electric vehicle based on federated learning | |
| Li et al. | Identification of distribution network topology parameters based on multidimensional operation data | |
| Zhou et al. | Wind power prediction based on random forests | |
| CN107918832A (zh) | 一种针对建筑物耗电量智能采集方法 | |
| CN110490488B (zh) | 基于大数据分析技术的电力企业主网规划数据分析系统 | |
| Li et al. | Researches on data processing and data preventing technologies in the environment of big data in power system | |
| Lin et al. | Efficiency evaluation and productivity analysis of complex electric power systems in China: A directional slacks-based network data envelopment analysis approach | |
| Huang et al. | Latin hypercube sampling and spectral clustering based typical scenes generation and analysis for effective reserve dispatch | |
| Cartes et al. | The ieee computer society smart grid vision project opens opportunites for computational intelligence | |
| Earla et al. | A particle swarm based method for composite system reliability analysis | |
| Bai et al. | Correlation analysis and prediction of power network loss based on mutual information and artificial neural network | |
| Li et al. | Statistical discriminant analysis of high voltage feeders in Western Australia distribution networks | |
| CN109583671A (zh) | 一种基于系统脆弱性分析的信息系统开发通用支撑平台 | |
| Yuan et al. | An improved self-organization antibody network for pattern recognition and its performance study |
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: 20181211 |
|
| RJ01 | Rejection of invention patent application after publication |