CN109164317A - 一种变电站短期负荷监测方法、系统、介质及设备 - Google Patents

一种变电站短期负荷监测方法、系统、介质及设备 Download PDF

Info

Publication number
CN109164317A
CN109164317A CN201811004481.8A CN201811004481A CN109164317A CN 109164317 A CN109164317 A CN 109164317A CN 201811004481 A CN201811004481 A CN 201811004481A CN 109164317 A CN109164317 A CN 109164317A
Authority
CN
China
Prior art keywords
model
substation
load data
monitored
target substation
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.)
Granted
Application number
CN201811004481.8A
Other languages
English (en)
Other versions
CN109164317B (zh
Inventor
汪宇怀
陈炜骏
屠永伟
胡晓琴
郭强
钱喜鹤
朱杰
汪伟斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Power Equipment Manufacturing Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Hangzhou Power Equipment Manufacturing Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Power Equipment Manufacturing Co Ltd, Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Hangzhou Power Equipment Manufacturing Co Ltd
Priority to CN201811004481.8A priority Critical patent/CN109164317B/zh
Publication of CN109164317A publication Critical patent/CN109164317A/zh
Application granted granted Critical
Publication of CN109164317B publication Critical patent/CN109164317B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere

Abstract

本申请公开了一种变电站短期负荷监测方法,包括:获取目标变电站当前运行的负荷数据;将负荷数据按照预设规则转换为不同波长的光信号,并利用多维偏最小二乘算法对光信号进行建模,得到子模型;将各个子模型进行模型融合,得到待监测模型;利用目标变电站的历史负荷数据对待监测模型中的未知参数进行计算,得到监测模型;利用监测模型对目标变电站的短期负荷进行监测。可见,通过本申请中的方法,能够更为精确地监测到目标变电站的短期负荷。相应的,本申请公开的一种变电站短期负荷监测系统、介质及设备,同样具有上述有益效果。

Description

一种变电站短期负荷监测方法、系统、介质及设备
技术领域
本发明涉及变电站维护领域,特别涉及一种变电站短期负荷监测方法、系统、介质及设备。
背景技术
变电站是电力系统当中变换电压、分配电能和调整电压的一种电力设施,通过变电站能够将电网中各级电压联系起来,是电网当中最为重要的电力设施。短期负荷预测是指从已知电力系统的相关数据入手,得出变电站负荷之间的内在联系和发展规律,从而可以经济合理地安排电网当中各个机组的启动和关闭,从而提高对电能的利用率,显然,变电站短期负荷预测是电力系统安全、经济和稳定运行的重要保障。但是,目前对于变电站短期负荷监测的准确率较低,不能达到实际应用的需求,所以,如何利用一种更好的方法来监测变电站的短期负荷,是本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种变电站短期负荷监测方法、系统、介质及设备,以提高对变电站短期负荷监测的准确率。其具体方案如下:
一种变电站短期负荷监测方法,包括:
获取目标变电站当前运行的负荷数据;
将所述负荷数据按照预设规则转换为不同波长的光信号,并利用多维偏最小二乘算法对所述光信号进行建模,得到子模型;
将各个子模型进行模型融合,得到待监测模型;
利用所述目标变电站的历史负荷数据计算所述待监测模型中的未知参数,得到监测模型;
利用所述监测模型对所述目标变电站的短期负荷进行监测。
优选的,所述获取目标变电站当前运行的负荷数据的过程,包括:
利用目标传感器获取所述目标变电站当前运行的负荷数据;其中,所述目标传感器包括电压传感器、电流传感器、频率检测器和负载测试仪。
优选的,所述获取目标变电站当前运行的负荷数据的过程之后,还包括:
利用北斗模块对所述负荷数据所对应的地理位置和时间进行标记。
优选的,所述利用所述监测模型对所述目标变电站的短期负荷进行监测的过程之后,还包括:
若利用所述监测模型检测到所述目标变电站处于异常状态,则提示维修人员维修所述目标变电站。
优选的,所述提示维修人员维修所述目标变电站的过程,包括:
以短信通知的方式提示所述维修人员维修所述目标变电站。
优选的,所述获取目标变电站当前运行的负荷数据的过程之后,还包括:
判断所述负荷数据是否处于预设范围内;
若否,则发出预警信息。
优选的,所述利用所述目标变电站的历史负荷数据计算所述待监测模型中的未知参数,得到监测模型的过程,包括:
根据所述目标变电站的历史负荷数据,利用预设算法计算所述待监测模型中的未知参数,得到第一参数;
若利用所述预设算法未计算得到所述待监测模型的全部未知参数,则利用仿真算法调试所述待监测模型的未知参数,得到第二参数;
利用所述第一参数和所述第二参数替换所述待监测模型中的未知参数,得到所述监测模型。
相应的,本发明还公开了一种变电站短期负荷监测系统,包括:
数据获取模块,用于获取目标变电站当前运行的负荷数据;
数据转换模块,用于将所述负荷数据按照预设规则转换为不同波长的光信号,并利用多维偏最小二乘算法对所述光信号进行建模,得到子模型;
模型融合模块,用于将各个子模型进行模型融合,得到待监测模型;
参数计算模块,用于利用所述目标变电站的历史负荷数据计算所述待监测模型中的未知参数,得到监测模型;
负荷监测模块,用于利用所述监测模型对所述目标变电站的短期负荷进行监测。
相应的,本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如前述公开的变电站短期负荷监测方法的步骤。
相应的,本发明还公开了一种变电站短期负荷监测设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如前述公开的变电站短期负荷监测方法的步骤。
可见,在本发明中,首先是获取目标变电站当前运行的负荷数据,然后,将获取到的负荷数据按照预设规则转换为不同波长的光信号,再利用多维偏最小二乘算法对各种不同波长的光信号进行建模,得到与每一种波长相对应的子模型,之后,再将各个子模型进行模型融合,得到待监测模型,最后,利用目标变电站的历史负荷数据计算待监测模型中的未知参数,使得待监测模型变为一个没有未知参数的监测模型,从而使得工作人员可以利用监测模型对目标变电站的短期负荷进行监控。显然,在本发明中,利用多维偏最小二乘算法对目标变电站的负荷数据进行建模,因为兼顾了目标变电站负荷数据的内在联系,所以,通过此种方法能够提高目标变电站短期负荷监测的准确率。相应的,本发明公开的一种变电站短期负荷监测系统、介质及设备,同样具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种变电站短期负荷监测方法的流程图;
图2为本发明实施例提供的另一种变电站短期负荷监测方法的流程图;
图3为本发明实施例提供的又一种变电站短期负荷监测方法的流程图;
图4为本发明实施例提供的一种变电站短期负荷监测系统的结构图;
图5为本发明实施例提供的一种变电站短期负荷监测设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种变电站短期负荷监测方法,如图1所示,该方法包括:
步骤S11:获取目标变电站当前运行的负荷数据;
可以理解的是,为了对目标变电站的短期负荷进行监测,首先需要获取目标变电站当前运行的负荷数据,然后利用目标变电站的负荷数据来建立监测模型。在实际应用当中,可以利用传感器来获取目标变电站当前运行的负荷数据,比如:利用电压传感器来获取目标变电站的电压,利用电流传感器来获取目标变电站的电流等等。
步骤S12:将负荷数据按照预设规则转换为不同波长的光信号,并利用多维偏最小二乘算法对光信号进行建模,得到子模型;
为了利用多维偏最小二乘算法对目标变电站的负荷数据进行建模,首先,需要将负荷数据按照预设规则转换为不同波长的光信号,比如,可以将5V的电压转换成波长为λ1的光信号,将10V的电压转换成波长为λ2的光信号,然后,利用多维偏最小二乘算法对各个波长的光信号进行建模。可以理解的是,多维偏最小二乘算法是一种多因变量对多自变量进行回归建模的方法,所以,利用多维偏最小二乘算法对光信号进行建模,就可以兼顾到目标变电站负荷数据的内在联系,并由此来预测目标变电站短期负荷的运行规律。
步骤S13:将各个子模型进行模型融合,得到待监测模型;
能够想到的是,将目标变电站的负荷数据按照预设规则转换为不同波长的光信号时,利用多维偏最小二乘算法得到的是与各个不同波长相对应的子模型,为了使得对目标变电站建立的待监测模型更加具有普适性与全面性,所以,需要将各个子模型进行融合,得到待监测模型。
步骤S14:利用目标变电站的历史负荷数据计算待监测模型中的未知参数,得到监测模型;
步骤S15:利用监测模型对目标变电站的短期负荷进行监测。
可以理解的是,通过上述方法构建得到的待监测模型中,存在有很多未知参数,也即,构建的待监测模型并不能直接用来对目标变电站的短期负荷进行监测。
而目标变电站的历史负荷数据中蕴含着目标变电站之前的短期负荷的变化情况,所以,利用目标变电站的历史负荷数据就可以计算得到目标变电站的待监测模型中的各个未知参数,从而可以使得一个包含有未知参数的待监测模型变为一个没有未知参数的监测模型,所以,工作人员就可以利用监测模型来对目标变电站的短期负荷进行监测,从而使得工作人员可以根据目标变电站短期负荷的监测结果,来经济合理地安排电网内各个机组的启停,进而保证电网运行的安全性。
可见,在本实施例中,首先是获取目标变电站当前运行的负荷数据,然后,将获取到的负荷数据按照预设规则转换为不同波长的光信号,再利用多维偏最小二乘算法对各种不同波长的光信号进行建模,得到与每一种波长相对应的子模型,之后,再将各个子模型进行模型融合,得到待监测模型,最后,利用目标变电站的历史负荷数据计算待监测模型中的未知参数,使得待监测模型变为一个没有未知参数的监测模型,从而使得工作人员可以利用监测模型对目标变电站的短期负荷进行监控。显然,在本实施例中,利用多维偏最小二乘算法对目标变电站的负荷数据进行建模,因为兼顾了目标变电站负荷数据的内在联系,所以,通过此种方法能够提高目标变电站短期负荷监测的准确率。
基于上述实施例,本实施例对上一实施例进行进一步的说明与优化,具体的,上述步骤S11:获取目标变电站当前运行的负荷数据的过程,包括:
利用目标传感器获取目标变电站当前运行的负荷数据;
其中,目标传感器包括电压传感器、电流传感器、频率检测器和负载测试仪。
可以理解的是,为了获取目标变电站当前运行的负荷数据,在实际应用中,可以利用目标传感器来获取目标变电站的负荷数据,具体的,可以利用电压传感器来获取目标变电站的电压,利用电流传感器来获取目标变电站的电流,利用频率检测器获取目标变电站的频率,利用负载测试仪来获取目标变电站的负载状况,当然,在实际应用当中,还可以通过其它的传感器来获取目标变电站的负荷数据,此处不作具体的限定。然后,将获取到的各种数据信息进行汇总,就可以得到目标变电站的负荷数据,最后,利用这些负荷数据就可以对目标变电站的短期负荷进行建模。
基于上述实施例,本实施例对上一实施例进行进一步的说明与优化,具体的,上述步骤S11:获取目标变电站当前运行的负荷数据的过程之后,还包括:
利用北斗模块对负荷数据所对应的地理位置和时间进行标记。
可以理解的是,为了使得建立的监测模型更加准确,还可以对负荷数据进行标记,以使得负荷数据蕴含的信息内容更为丰富。具体的,北斗模块作为一种能够对物体进行定位的硬件模块,具有体积小、功耗低和易于组装等优点,特别适合于在户外现场进行作业。而目标变电站所处的地理位置环境较为复杂,所以,可以将北斗模块安装在目标变电站上,然后,利用北斗模块对负荷数据所对应的地理位置和时间进行标记,以使得负荷数据可以包含目标变电站上各个元器件所处的地理位置与运行时间的信息,从而使得利用标记后的负荷数据对目标变电站的短期负荷进行建模时,可以使得建立的模型更加精确。当然,在实际应用当中,还可以通过其它的方法,来对负荷数据所对应的地理位置和时间进行标记,此处不作具体的限定。
基于上述实施例,本实施例对上一实施例进行进一步的说明与优化,具体的,上述步骤S15:利用监测模型对目标变电站的短期负荷进行监测的过程之后,还包括:
若利用监测模型检测到目标变电站处于异常状态,则提示维修人员维修目标变电站。
可以理解的是,当获取到了目标变电站的监测模型时,就可以利用获取到的监测模型对目标变电站进行监测,并判断目标变电站的当前运行状态是否处于异常,如果利用监测模型监测到目标变电站是处于异常状态,则发出预警信息,提示维修人员对目标变电站进行维修,以降低目标变电站的经济损失。
具体的,提示维修人员维修目标变电站的过程,包括:
以短信通知的方式提示维修人员维修目标变电站。
能够想到的是,以短信的方式通知维修人员维修目标变电站时,可以使得维修人员更为详细的了解到目标变电站当前的运行状况。比如:在短信内容当中,可以包括目标变电站当前运行状态的各种数据信息,以及与目标变电站当前运行状态所对应的应急措施,以使得维修人员在到达目标变电站之前,可以对目标变电站的运行状况有一个宏观上的把控。
基于上述实施例,本实施例对上一实施例进行进一步的说明与优化,如图2所示,具体的,上述步骤S11:获取目标变电站当前运行的负荷数据的过程之后,还包括:
S01:判断负荷数据是否处于预设范围内;
S02:若否,则发出预警信息。
可以理解的是,当利用传感器获取到了目标变电站当前运行的负荷数据以后,为了进一步的提高对目标变电站监测的准确率,还可以判断获取到的负荷数据是否处于预设范围之内,如果获取到的负荷数据不在预设范围之内,则说明负荷数据处于异常状态,在此种情况下,可以发出预警信息,以提示目标变电站的维修人员对目标变电站中的传感器进行维修,从而避免在后续过程中,利用错误的负荷数据来创建监测模型。需要说明的是,此处的预警信息可以是以短信的形式通知目标变电站的维修人员,或者是以其他的方式通过维修人员维修目标变电站,此处不作具体的限定。
基于上述实施例,本实施例对上一实施例进行进一步的说明与优化,如图3所示,具体的,上述步骤S14:利用目标变电站的历史负荷数据计算待监测模型中的未知参数,得到监测模型的过程,包括:
步骤S141:根据目标变电站的历史负荷数据,利用预设算法计算待监测模型中的未知参数,得到第一参数;
步骤S142:若利用预设算法未计算得到待监测模型的全部未知参数,则利用仿真算法调试待监测模型的未知参数,得到第二参数;
步骤S143:利用第一参数和第二参数替换待监测模型中的未知参数,得到监测模型。
可以理解的是,当利用目标变电站的负荷数据创建了监测模型之后,就可以利用监测模型对目标变电站的运行状况进行监测,但是,在构建的待监测模型当中,存在有很多未知参数,所以,在本实施例中,提供了一种具体的计算未知参数的方法。
具体的,首先根据目标变电站的历史负荷数据,利用预设算法来计算待监测模型中的未知参数,得到第一参数。能够想到的是,构建的待监测模型中未知参数较多,所以,利用预设算法不能够得到待监测模型中的全部未知参数,在此种情况下,就可以利用仿真算法调试得到待监测模型中除去第一参数之外的其它未知参数,从而可以得到待监测模型的全部未知参数,也即,第一参数和第二参数。然后,利用第一参数和第二参数来替换待监测模型中的未知参数,从而得到监测模型。
相应的,本发明还公开了一种变电站短期负荷监测系统,如图4所示,该系统包括:
数据获取模块31,用于获取目标变电站当前运行的负荷数据;
数据转换模块32,用于将负荷数据按照预设规则转换为不同波长的光信号,并利用多维偏最小二乘算法对光信号进行建模,得到子模型;
模型融合模块33,用于将各个子模型进行模型融合,得到待监测模型;
参数计算模块34,用于利用所述目标变电站的历史负荷数据计算所述待监测模型中的未知参数,得到监测模型;
负荷监测模块35,用于利用监测模型对目标变电站的短期负荷进行监测。
优选的,数据获取模块31,包括:
利用目标传感器获取目标变电站当前运行的负荷数据;其中,目标传感器包括电压传感器、电流传感器、频率检测器和负载测试仪。
优选的,该系统还包括:
数据标记模块,用于获取目标变电站当前运行的负荷数据的过程之后,利用北斗模块对负荷数据所对应的地理位置和时间进行标记。
变电站维修模块,用于利用监测模型对目标变电站的短期负荷进行监测的过程之后,若利用监测模型检测到目标变电站处于异常状态,则提示维修人员维修目标变电站。
优选的,变电站维修模块,包括:
变电站维修单元,用于以短信通知的方式提示维修人员维修目标变电站。
优选的,该系统还包括:
范围判断模块,用于获取目标变电站当前运行的负荷数据的过程之后,判断负荷数据是否处于预设范围内;
信息预警模块,用于若否,则发出预警信息。
优选的,参数计算模块34,包括:
第一计算单元,用于根据目标变电站的历史负荷数据,利用预设算法计算待监测模型中的未知参数,得到第一参数;
第二计算单元,用于若利用预设算法未计算得到待监测模型的全部未知参数,则利用仿真算法调试待监测模型的未知参数,得到第二参数;
参数替换单元,用于利用第一参数和所述第二参数替换待监测模型中的未知参数,得到监测模型。
相应的,本发明还公开了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如前述公开的变电站短期负荷监测方法的步骤。
相应的,本发明还公开了一种变电站短期负荷监测设备,如图5所示,该设备包括:
存储器41,用于存储计算机程序;
处理器42,用于执行计算机程序时实现如前述公开的变电站短期负荷监测方法的步骤。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种变电站短期负荷监测方法、系统、介质及设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种变电站短期负荷监测方法,其特征在于,包括:
获取目标变电站当前运行的负荷数据;
将所述负荷数据按照预设规则转换为不同波长的光信号,并利用多维偏最小二乘算法对所述光信号进行建模,得到子模型;
将各个子模型进行模型融合,得到待监测模型;
利用所述目标变电站的历史负荷数据计算所述待监测模型中的未知参数,得到监测模型;
利用所述监测模型对所述目标变电站的短期负荷进行监测。
2.根据权利要求1所述的方法,其特征在于,所述获取目标变电站当前运行的负荷数据的过程,包括:
利用目标传感器获取所述目标变电站当前运行的负荷数据;其中,所述目标传感器包括电压传感器、电流传感器、频率检测器和负载测试仪。
3.根据权利要求1所述的方法,其特征在于,所述获取目标变电站当前运行的负荷数据的过程之后,还包括:
利用北斗模块对所述负荷数据所对应的地理位置和时间进行标记。
4.根据权利要求1所述的方法,其特征在于,所述利用所述监测模型对所述目标变电站的短期负荷进行监测的过程之后,还包括:
若利用所述监测模型检测到所述目标变电站处于异常状态,则提示维修人员维修所述目标变电站。
5.根据权利要求4所述的方法,其特征在于,所述提示维修人员维修所述目标变电站的过程,包括:
以短信通知的方式提示所述维修人员维修所述目标变电站。
6.根据权利要求1所述的方法,其特征在于,所述获取目标变电站当前运行的负荷数据的过程之后,还包括:
判断所述负荷数据是否处于预设范围内;
若否,则发出预警信息。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述利用所述目标变电站的历史负荷数据计算所述待监测模型中的未知参数,得到监测模型的过程,包括:
根据所述目标变电站的历史负荷数据,利用预设算法计算所述待监测模型中的未知参数,得到第一参数;
若利用所述预设算法未计算得到所述待监测模型的全部未知参数,则利用仿真算法调试所述待监测模型的未知参数,得到第二参数;
利用所述第一参数和所述第二参数替换所述待监测模型中的未知参数,得到所述监测模型。
8.一种变电站短期负荷监测系统,其特征在于,包括:
数据获取模块,用于获取目标变电站当前运行的负荷数据;
数据转换模块,用于将所述负荷数据按照预设规则转换为不同波长的光信号,并利用多维偏最小二乘算法对所述光信号进行建模,得到子模型;
模型融合模块,用于将各个子模型进行模型融合,得到待监测模型;
参数计算模块,用于利用所述目标变电站的历史负荷数据计算所述待监测模型中的未知参数,得到监测模型;
负荷监测模块,用于利用所述监测模型对所述目标变电站的短期负荷进行监测。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的变电站短期负荷监测方法的步骤。
10.一种变电站短期负荷监测设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的变电站短期负荷监测方法的步骤。
CN201811004481.8A 2018-08-30 2018-08-30 一种变电站短期负荷监测方法、系统、介质及设备 Active CN109164317B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811004481.8A CN109164317B (zh) 2018-08-30 2018-08-30 一种变电站短期负荷监测方法、系统、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811004481.8A CN109164317B (zh) 2018-08-30 2018-08-30 一种变电站短期负荷监测方法、系统、介质及设备

Publications (2)

Publication Number Publication Date
CN109164317A true CN109164317A (zh) 2019-01-08
CN109164317B CN109164317B (zh) 2021-08-10

Family

ID=64893439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811004481.8A Active CN109164317B (zh) 2018-08-30 2018-08-30 一种变电站短期负荷监测方法、系统、介质及设备

Country Status (1)

Country Link
CN (1) CN109164317B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024001722A1 (zh) * 2022-06-29 2024-01-04 第四范式(北京)技术有限公司 机台建模方法、装置、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010218394A (ja) * 2009-03-18 2010-09-30 Fuji Electric Systems Co Ltd エネルギー需要予測装置
CN103401238A (zh) * 2013-08-02 2013-11-20 深圳市双合电气股份有限公司 一种基于总体测辨法的电力负荷建模方法
CN103606022A (zh) * 2013-12-05 2014-02-26 国家电网公司 一种短期负荷预测方法
CN105528645A (zh) * 2015-11-05 2016-04-27 国家电网公司 一种大电网脆弱性的预测方法
CN106067075A (zh) * 2016-06-01 2016-11-02 新奥泛能网络科技股份有限公司 一种建筑用能负荷预测模型建立、负荷预测方法及其装置
CN108829910A (zh) * 2018-04-08 2018-11-16 徐璐 一种变电站短期负荷监测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010218394A (ja) * 2009-03-18 2010-09-30 Fuji Electric Systems Co Ltd エネルギー需要予測装置
CN103401238A (zh) * 2013-08-02 2013-11-20 深圳市双合电气股份有限公司 一种基于总体测辨法的电力负荷建模方法
CN103606022A (zh) * 2013-12-05 2014-02-26 国家电网公司 一种短期负荷预测方法
CN105528645A (zh) * 2015-11-05 2016-04-27 国家电网公司 一种大电网脆弱性的预测方法
CN106067075A (zh) * 2016-06-01 2016-11-02 新奥泛能网络科技股份有限公司 一种建筑用能负荷预测模型建立、负荷预测方法及其装置
CN108829910A (zh) * 2018-04-08 2018-11-16 徐璐 一种变电站短期负荷监测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗治强 等: "中压配电网中长期负荷预测方法研究与应用", 《华东电力》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024001722A1 (zh) * 2022-06-29 2024-01-04 第四范式(北京)技术有限公司 机台建模方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN109164317B (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
US10962999B2 (en) Microgrid model based automated real time simulation for market based electric power system optimization
CN109001649A (zh) 一种电源智能诊断系统及保护方法
US8321194B2 (en) Real time microgrid power analytics portal for mission critical power systems
CN109784574A (zh) 设备状态的预测方法及装置、存储介质、电子装置
WO2016128978A1 (en) System for analyzing electricity consumption
KR101660102B1 (ko) 용수량 수요 예측 장치
CN102498629B (zh) 对电能供应网的监视
CN116455085B (zh) 一种电池储能电站智能监控系统
CN103630781B (zh) 有源电子式电流互感器的复合供能非接触在线监测系统及其数据处理方法
CN116341919B (zh) 一种数据与模型联合驱动的安全风险评估预警方法
CN107862391A (zh) 一种基于云计算的设备运行状况测试系统
CN111199292B (zh) 确保配电系统的低压网络中的安全维修
CN103093287B (zh) 电网指标预测误差评估方法和系统
Zhang et al. Health condition assessment for pumped storage units using multihead self-attentive mechanism and improved radar chart
CN114812833A (zh) 一种配网开关温度在线监测与预测系统及方法
CN109164317A (zh) 一种变电站短期负荷监测方法、系统、介质及设备
Mansour et al. Applications of IoT and digital twin in electrical power systems: A comprehensive survey
Wang et al. Power equipment fault information acquisition system based on Internet of things
KR101896442B1 (ko) Ict 융합형 풍력 발전 단지 모니터링 시스템, 서버 및 방법
CN203932958U (zh) 电网一体化智能整定及在线校核系统
CN115689532A (zh) 一种电力系统故障分析方法及其装置
Yuan et al. Design of an intelligent decision model for power grid fault location and isolation based on topology analysis
KR101314716B1 (ko) 앱기반 풍력발전기 체크시스템
Ohnewein et al. IP-Solar: development of a web-based monitoring and diagnostics tool for solar thermal systems
Devarajan et al. IoT Based Under Ground Cable Fault Detection with Cloud Storage

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