CN109378823A - 一种电压暂降水平的综合评估方法 - Google Patents
一种电压暂降水平的综合评估方法 Download PDFInfo
- Publication number
- CN109378823A CN109378823A CN201811371820.6A CN201811371820A CN109378823A CN 109378823 A CN109378823 A CN 109378823A CN 201811371820 A CN201811371820 A CN 201811371820A CN 109378823 A CN109378823 A CN 109378823A
- Authority
- CN
- China
- Prior art keywords
- index
- carried out
- comprehensive
- assessment
- node
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电压暂降水平的综合评估方法,基于IEEE Std 1564‑2014标准,选取幅值、频次、能量与严重程度指标构造节点指标向量;采用倒扣逆变换法与均值法对原始指标数据进行同趋势化和无量纲化,实现指标的预处理;基于层次分析法构造判断矩阵,对指标进行主观赋权;采用基于TOPSIS模型的主成分分析法,对指标进行客观评估;通过组合赋权对节点暂降水平进行综合评估;解决了暂降指标间信息冗余水平过高的问题,通过组合赋权方法能够结合主观经验与客观信息的优势,克服了传统电压暂降评估仅采用单一赋权方法、不能全面刻画暂降特征的缺陷,所提检验方法能够对综合评估方法的各方面性能进行较为准确、全面的描述。
Description
技术领域
本发明涉及电压暂降评估领域,尤其涉及一种基于结合层次分析法主观赋权和TOPSIS主成分分析法客观评估的电压暂降水平的综合评估方法。
背景技术
随着半导体、自动化等行业的发展和高新技术的应用,电压暂降造成的经济损失愈渐巨大,成为了最主要的电能质量问题之一。对电压暂降水平的度量和评估是科学解决电压暂降问题的基础,IEEE Std 1564-2014虽然已经建立起由单一事件、节点和系统指标构成的暂降指标体系,然而并未形成系统的评估流程,如何实现节点暂降水平的综合评估,成为当下亟待解决的问题。
电压暂降评估方法主要包括实测法、仿真模拟法和状态估计法等。实测法基于典型波形、累计概率等多个方面的参数特征对暂降事件进行分类统计,总结并分析电压暂降的统计与描述特性,具有结果可靠性好的优点,但成本较高;仿真模拟法以故障率、故障位置以及故障类型的历史统计数据为基础进行电压暂降仿真,所得结果仅能在理论上成立;状态估计法能够结合实测法与仿真模拟法的优点,基于必要的监测数据,通过状态估计方程实现电压暂降的估计,然而状态估计需要重构状态估计方程,计算量大。此外,现有的这些暂降评估方法仅针对暂降频次进行评估,无法完备刻画电网的暂降水平。
为克服暂降频次造成暂降信息缺失的问题,IEEE Std 1564-2014建立了包含暂降频次、暂降能量和严重程度等信息的暂降指标体系。基于此标准体系,相关研究通过K均值聚类算法选取系统中的代表性节点,由代表性节点指标向量来表征系统暂降特性,然而多项指标不利于直观地量化和对比暂降水平。为将分项指标合并为综合指标,相关学者提出了一种基于组合赋权的节点电压暂降严重程度综合评估方法,所得多类型综合性指标能够更全面直观地进行对比分析,但其所运用的变异系数法和熵值法仅考虑了数据的客观特性,而忽略了赋权主观判断的影响,所得评估结果存在与专家经验相违背的缺陷。因而在此基础之上,相关学者进一步将G1主观赋权与熵值客观赋权相结合得到组合权重,但方法并未考虑指标冗余性对评估结果的影响。以上评估方法均只能定性地分析和评价综合评估结果是否合理,其评价结果缺乏科学依据,更欠缺一套完备的综合评估流程。
发明内容
本发明的目的就在于为了解决上述问题而提供一种电压暂降水平的综合评估方法。
本发明通过以下技术方案来实现上述目的:
本发明包括以下步骤:
1)基于IEEE Std 1564-2014构造节点指标向量;
2)对指标数据进行同趋势化和无量纲化的预处理;
3)分别对指标进行主、客观赋权与评估;
4)通过组合赋权结合主客观特征,对暂降进行综合评估;
5)对综合评估方法的各项性能进行检验;
作为优选,所述步骤2)采用倒扣逆变换法和均值法进行预处理,能够保留原始指标数据的分布规律与变异系数特征。
作为优选,所述步骤3)采用基于TOPTSIS模型的PCA法进行客观评估,在充分反映节点暂降事件客观特征的同时,能够降低指标间信息冗余水平,使得评估结果更加真实可靠。
作为优选,所述步骤5)中基于一致性、稳定性、有效性和必要性四个角度对综合评估方法的性能特征进行刻画描述,建立了暂降综合评估方法优劣程度的评判标准。
本发明的有益效果在于:
本发明是一种电压暂降水平的综合评估方法,与现有技术相比,本发明具有如下优点:
(1)采用基于TOPTSIS模型的PCA法进行客观评估,在充分反映节点暂降事件客观特征的同时,能够降低指标间信息冗余水平,使得评估结果更加真实可靠;
(2)提出了一套较为完善的检验体系,通过一致性、稳定性、有效性和必要性对综合评估方法的性能进行全面的刻画,为后续理论的不断发展与完善提供了一个评估分析的准则;
(3)本发明方法具有一般性和合理性。
附图说明
图1为本发明一种电压暂降综合评估方法的流程;
图2为IEEE-30系统仿真下各节点暂降综合水平排序图;
图3为IEEE-30系统仿真下采用模糊C均值聚类对各节点进行分区所得结果。
具体实施方式
下面结合附图对本发明作进一步说明:
图1是本发明一种电压暂降水平综合评估方法的流程。为了全面刻画节点电压暂降特征,基于IEEE Std 1564-2014构造节点指标向量,弥补了现有方法大多采用单一指标对暂降事件进行刻画的不足。其次,考虑暂降指标的冗余性,建立基于TOPSIS的主成分分析模型,用于暂降指标的客观评估。同时考虑专家经验并充分反映指标中所蕴含的客观信息,通过组合赋权计算得到各节点综合指标,实现暂降水平的综合评估。最后,本文提出了一套以指标预处理、组合赋权、评估结果检验为关键环节的综合评估流程,该流程从一致性、稳定性、有效性和必要性等角度完备地分析了指标体系及其赋权方法对最终评估结果的影响,实现了对暂降评估方法的定量分析和评价。基于蒙特卡洛方法对IEEE 30节点系统仿真验证了本文方法的合理性和准确性。
节点n次暂降幅值的平均值,被称作期望暂降幅值ESM(Expected SagMagnitude),用n表示该节点上发生的暂降事件总数,Ui表示该节点第i个暂降事件的幅值,则有:
暂降频次指标,又被称为系统平均均方根值变化频率指标SARFI(System AverageRMS variation Frequency Index),包括SARFI-x和SARFI-Curve。SARFI-x表示某节点上发生暂降幅值低于参考电压x%的暂降事件总数;而SARFI-Curve则表示某节点上发生落在敏感设备耐受曲线下方的暂降事件总数。
节点n次暂降能量损失的平均值,被称作平均暂降能量损失指标ASEI(AverageSag Energy Index),用Ei=(1-Ui 2)Ti表示该节点上第i个暂降事件的能量损失,Ti表示第i个暂降事件的持续时间,则有:
节点单次暂降事件与敏感设备的兼容程度可以用暂降严重程度来进行衡量,n次暂降事件严重程度的平均值则为该节点的平均暂降严重程度指标ASSI(Average SagSeverity Index),若用Si=(1-Ui)/(UC(Ti))表示该节点上第i个暂降事件的严重程度,Ui表示第i个暂降事件的幅值,UC(Ti)表示参考曲线中持续时间Ti对应的幅值,则有:
可以看出:标准体系中的各项指标均与暂降幅值相关,因此指标之间存在较大的信息冗余,使得重叠部分的信息在赋权过程中会被放大,指标冗余最终造成评估结果不准确。
针对指标信息冗余的问题,本发明方法提出通过基于TOPTSIS模型的主成分分析法来去除指标冗余。主成分分析法(Principal Component Analysis,PCA)是将一组相关性水平较高的变量通过线性变换方法转化为另一组相互之间不相关变量的方法,可有效去除指标间的冗余性。此外,为解决主成分的二次加权问题,基于理想解法(Technique forOrder Preference by Similarity to an Ideal Solution,TOPSIS)求取目标理想点价值函数的解,得出各主成分的贴近度,从而得到主成分二次赋权的权重,并最终得到综合评估指标:
(1)求取预处理后指标数据的相关系数矩阵C,矩阵元素cij为指标Xi与指标Xj的协方差:
(2)计算相关系数矩阵C的特征值,其表示各个主成分反映原始信息的贡献程度大小:
(3)基于特征值求取对应的特征向量,计算方差贡献率并确定主成分的个数,一般要求累积的方差贡献率只要达到85%,所对应的主成分便能够满足评估要求;
(4)基于筛选出来的主成分,由传统赋权方法得到主成分得分矩阵S如下:
(5)建立理想系统,记正理想点为R+,负理想点为R-,则有:
(6)计算各主成分得分与正负理想点间的距离:
(7)由各主成分得分的距离计算贴近度ηi,即为各研究对象的综合评估指标:
在通过层次分析法与基于TOPTSIS模型的主成分分析法分别进行主客观赋权评估之后,为了综合考虑专家经验与客观信息,应将主观赋权和客观赋权进一步结合如下:
W=αW1+βW2
其中系数α和β满足α≥0,β≥0,α+β=1,W1为主观权重,W2为客观权重。本发明方法采用如下所示的差异系数法确定分配系数:
(1)将主观权重向量W1中各分量升序排列,得到向量{p1,p2,L,pn},计算差异系数:
(2)由差异系数G计算得到主客观权重系数:
通过组合赋权将主观评估与客观信息综合在一起,既兼顾了分析者对指标重要性的主观认知,同时又充分利用试验结果提供的指标重要性的客观信息,使对指标的赋权达到主观与客观的统一,进而使评价客观、真实、有效。
由于部分指标可能数值越大评估等级越高,即正向型指标,而部分指标正好相反,即逆向型指标,因此需要对指标进行同趋势化处理。为保持指标分布规律,采用倒扣逆变换法对指标进行同趋势化处理:
yij=max{xij}-xij
式中,xij表示节点i第j项指标的值,yij表示节点i第j项指标同趋势化后的值。
此外,不同类型的指标一般具有不同的量纲或单位,为了避免量纲或单位对综合评估结果的影响,需要对指标采取无量纲化处理。为了克服标准差法造成的指标变异度特征缺失的问题,本文采用均值法对原始指标进行标准化处理:
本发明方法还提出,需要从一致性、稳定性、有效性和必要性等方面出发,针对综合评估最终结果的合理性进行定量分析和评价:
(1)针对主观赋权方法,需要确定在一定显著性水平下,由不同样本计算得到的各平均值或各方差之间是否有显著性差异,即要求判断矩阵具有总体上的一致性,由平均随机一致性指标RI计算一致性比例,通过比较阈值来判断是否通过一致性检验;
(2)稳定性指的是当改变某些参数进行重复试验时,评估结果是否随着参数设定的改变而发生显著变化,采用针对多属性决策问题(MADM)的稳定性检验方法,可基于灵敏度分析得到稳定性范围;
(3)有效性是指估计量取值聚集在实际量附近的程度,即评估模型的可靠性和准确性,本发明方法采用模糊C均值聚类算法,通过计算各类别节点在不同方法下所得综合指标值的方差,来对不同方法的有效性水平作出量化评价,方差越小则有效性水平就越高;
(4)必要性是指组成综合评估指标的所有元素从全局出发是否都是必不可少的,有无冗余现象,通常采用“辨识度”和“冗余度”这两类指标:辨识度是指某一评估指标在区分各评估对象某一方面价值特征时的能力与效果,故又称“区分度”,通过变异系数可以衡量各评估指标的辨识度,变异程度越大则说明指标辨识度越高;冗余度是指各评估指标间在反映信息内容上的重复程度,若冗余度过高,则会加大重叠部分指标的权重,致使评估结果不合理,针对暂降指标间非线性相关的特点,采用基于Spearman相关系数的相关性分析,计算得到各分项指标两两之间的关联程度,从而实现了对指标冗余度的检验。
下面通过IEEE-30测试系统,基于1000次蒙特卡洛仿真所得暂降指标数据进行举例说明。所建立的故障概率模型参数有故障类型、故障时间、故障阻抗以及故障位置与距离,引起电压暂降事件的故障类型包括三相短路、两相相间短路、两相接地短路和单相短路四种,它们的故障概率分别设为0.05、0.1、0.2、0.65,故障位置随机分布于任一条线路上,故障距离服从U[0,1]均匀分布,故障阻抗服从N[5,1]正态分布,故障时间服从N[0.06,0.01]正态分布。所得部分暂降指标数据如表1所示。
表1节点指标向量仿真值
节点编号 | R<sub>ESM</sub> | SARFI-90 | SARFI-50 | R<sub>ASEI</sub> | R<sub>ASSI</sub> |
1 | 0.7747 | 28 | 4 | 0.0219 | 0.4506 |
M | M | M | M | M | M |
15 | 0.6195 | 175 | 30 | 0.0338 | 0.7610 |
M | M | M | M | M | M |
30 | 0.6703 | 250 | 35 | 0.0304 | 0.6595 |
由本发明方法对原始暂降指标数据进行分析计算,便可得到图2所示的暂降综合指标排序图,综合指标越大排序越靠后,则说明节点暂降水平越严重,同时由于主观层次分析法强调了电网侧暂降频次的重要性,因而暂降频次较高的节点,其暂降水平往往更高。最后,通过与几种单一赋权方法进行检验比较,进一步说明了本发明方法的性能优势,如表2。
表2评估结果检验对比
本发明方法基于组合赋权提出了一种电压暂降水平综合评估方法,能够更加全面地反映出节点暂降幅值与频次信息,利用主成分分析法的降维处理消除指标间信息冗余的影响。基于IEEE Std 1564-2014指标体系构造节点指标向量,适用性强且易于推广,在此基础之上通过结合主观层次分析法与客观TOPSIS主成分分析法的组合赋权方法,计算节点暂降综合指标对暂降水平进行评估,相较于目前大多采用单一赋权或仅考虑主客观某一角度的电压暂降评估方法来讲,能够更加准确、全面地反映出节点暂降特征信息。
以上显示和描述了本发明的基本原理和主要特征及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (3)
1.一种电压暂降水平的综合评估方法,其特征在于:包括以下步骤:
1)基于IEEE Std 1564-2014构造节点指标向量;
2)对指标数据进行同趋势化和无量纲化的预处理;
3)分别对指标进行主、客观赋权与评估;
4)通过组合赋权结合主客观特征,对暂降进行综合评估;
5)对综合评估方法的各项性能进行检验。
2.根据权利要求1所述一种电压暂降水平的综合评估方法,其特征在于,所述步骤3)采用基于TOPSIS模型的主成分分析法(PCA)对暂降指标进行客观评估。
3.根据权利要求1所述一种电压暂降水平的综合评估方法,其特征在于,步骤5)所述综合评估方法具有一致性、稳定性、有效性和必要性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811371820.6A CN109378823A (zh) | 2018-11-15 | 2018-11-15 | 一种电压暂降水平的综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811371820.6A CN109378823A (zh) | 2018-11-15 | 2018-11-15 | 一种电压暂降水平的综合评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109378823A true CN109378823A (zh) | 2019-02-22 |
Family
ID=65389630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811371820.6A Pending CN109378823A (zh) | 2018-11-15 | 2018-11-15 | 一种电压暂降水平的综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109378823A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110361961A (zh) * | 2019-07-10 | 2019-10-22 | 中国船舶工业综合技术经济研究院 | 一种网络化武器控制系统动态重构设计方法 |
CN111257619A (zh) * | 2020-02-17 | 2020-06-09 | 南京工程学院 | 一种基于多属性决策和改进s变换方法的电压暂降检测方法 |
CN111506878A (zh) * | 2020-04-08 | 2020-08-07 | 国网湖北省电力有限公司电力科学研究院 | 基于暂降系统指标随机样本估计的节点数量选择装置及方法 |
CN112116013A (zh) * | 2020-09-24 | 2020-12-22 | 四川大学 | 一种基于波形特征的电压暂降事件归一化方法 |
CN112186749A (zh) * | 2020-09-24 | 2021-01-05 | 四川大学 | 一种基于最优抽样的电压暂降系统指标评估方法 |
CN112285454A (zh) * | 2020-09-11 | 2021-01-29 | 国网天津市电力公司电力科学研究院 | 一种基于改进能量指标的电压暂降严重程度评估方法 |
CN112529066A (zh) * | 2020-12-07 | 2021-03-19 | 南京工程学院 | 一种基于bas-bp分类器模型的电压暂降源识别方法 |
CN112766727A (zh) * | 2021-01-20 | 2021-05-07 | 国家电网有限公司 | 一种高端敏感用户电压暂降严重度评价方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140239939A1 (en) * | 2011-10-19 | 2014-08-28 | Schneider Electric Industries Sas | Method and device for analysing the quality of the electrical energy in a three-phase electric network |
CN105427053A (zh) * | 2015-12-07 | 2016-03-23 | 广东电网有限责任公司江门供电局 | 一种应用于配网建设改造方案与供电质量评估指标的关联影响分析模型 |
CN105930976A (zh) * | 2016-04-28 | 2016-09-07 | 华北电力大学 | 基于加权理想点法的节点电压暂降严重程度综合评估方法 |
CN107967546A (zh) * | 2016-10-19 | 2018-04-27 | 浙江省电力公司电力科学研究院 | 一种基于灰色关联法的直流微网电能质量在线评估方法 |
CN108629525A (zh) * | 2018-05-15 | 2018-10-09 | 国网上海市电力公司 | 一种考虑负荷重要程度的节点电压暂降严重程度评估方法 |
-
2018
- 2018-11-15 CN CN201811371820.6A patent/CN109378823A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140239939A1 (en) * | 2011-10-19 | 2014-08-28 | Schneider Electric Industries Sas | Method and device for analysing the quality of the electrical energy in a three-phase electric network |
CN105427053A (zh) * | 2015-12-07 | 2016-03-23 | 广东电网有限责任公司江门供电局 | 一种应用于配网建设改造方案与供电质量评估指标的关联影响分析模型 |
CN105930976A (zh) * | 2016-04-28 | 2016-09-07 | 华北电力大学 | 基于加权理想点法的节点电压暂降严重程度综合评估方法 |
CN107967546A (zh) * | 2016-10-19 | 2018-04-27 | 浙江省电力公司电力科学研究院 | 一种基于灰色关联法的直流微网电能质量在线评估方法 |
CN108629525A (zh) * | 2018-05-15 | 2018-10-09 | 国网上海市电力公司 | 一种考虑负荷重要程度的节点电压暂降严重程度评估方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110361961A (zh) * | 2019-07-10 | 2019-10-22 | 中国船舶工业综合技术经济研究院 | 一种网络化武器控制系统动态重构设计方法 |
CN111257619A (zh) * | 2020-02-17 | 2020-06-09 | 南京工程学院 | 一种基于多属性决策和改进s变换方法的电压暂降检测方法 |
CN111257619B (zh) * | 2020-02-17 | 2022-06-14 | 南京工程学院 | 一种基于多属性决策和改进s变换方法的电压暂降检测方法 |
CN111506878A (zh) * | 2020-04-08 | 2020-08-07 | 国网湖北省电力有限公司电力科学研究院 | 基于暂降系统指标随机样本估计的节点数量选择装置及方法 |
CN111506878B (zh) * | 2020-04-08 | 2022-05-03 | 国网湖北省电力有限公司电力科学研究院 | 基于暂降系统指标随机样本估计的节点数量选择装置及方法 |
CN112285454A (zh) * | 2020-09-11 | 2021-01-29 | 国网天津市电力公司电力科学研究院 | 一种基于改进能量指标的电压暂降严重程度评估方法 |
CN112116013A (zh) * | 2020-09-24 | 2020-12-22 | 四川大学 | 一种基于波形特征的电压暂降事件归一化方法 |
CN112186749A (zh) * | 2020-09-24 | 2021-01-05 | 四川大学 | 一种基于最优抽样的电压暂降系统指标评估方法 |
CN112529066A (zh) * | 2020-12-07 | 2021-03-19 | 南京工程学院 | 一种基于bas-bp分类器模型的电压暂降源识别方法 |
CN112529066B (zh) * | 2020-12-07 | 2024-04-16 | 南京工程学院 | 一种基于bas-bp分类器模型的电压暂降源识别方法 |
CN112766727A (zh) * | 2021-01-20 | 2021-05-07 | 国家电网有限公司 | 一种高端敏感用户电压暂降严重度评价方法 |
CN112766727B (zh) * | 2021-01-20 | 2023-08-11 | 国家电网有限公司 | 一种高端敏感用户电压暂降严重度评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109378823A (zh) | 一种电压暂降水平的综合评估方法 | |
CN108520357B (zh) | 一种线损异常原因的判别方法、装置及服务器 | |
CN109409628B (zh) | 基于计量大数据聚类模型的采集终端生产厂商评价方法 | |
CN105930976B (zh) | 基于加权理想点法的节点电压暂降严重程度综合评估方法 | |
WO2017008180A1 (zh) | 一种光伏组件失效风险判别方法 | |
CN109389145B (zh) | 基于计量大数据聚类模型的电能表生产厂商评价方法 | |
US20070219741A1 (en) | Methods and apparatus for hybrid outlier detection | |
CN109271319B (zh) | 一种基于面板数据分析的软件故障的预测方法 | |
Yilmaz et al. | Adaptive test flow for mixed-signal/RF circuits using learned information from device under test | |
CN112347652B (zh) | 基于水文气象地区线性矩频率分析的暴雨高风险区划方法 | |
CN111967717A (zh) | 一种基于信息熵值的数据质量评价方法 | |
CN108717496B (zh) | 雷达天线阵面故障检测方法及系统 | |
CN111401784B (zh) | 一种消防安全等级评估方法 | |
CN114266289A (zh) | 一种复杂装备健康状态评估方法 | |
CN111832174A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
CN109389282A (zh) | 一种基于高斯混合模型的电能表生产厂商评价方法 | |
WO2023273249A1 (zh) | 基于tsvm模型的智能电能表自动化检定系统异常检测方法 | |
CN111914424B (zh) | 一种基于短期测风资料的设计风速取值方法及系统 | |
CN111832955B (zh) | 一种基于可靠度与多元统计的接触网状态评价方法 | |
CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 | |
CN116957534A (zh) | 一种预测智能电表更换数量的方法 | |
CN111507374A (zh) | 一种基于随机矩阵理论的电网海量数据异常检测方法 | |
WO2020220438A1 (zh) | 一种针对虚拟机不同类型的业务并发量预测方法 | |
CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
CN115454990A (zh) | 一种基于改进knn的油纸绝缘数据清洗方法 |
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: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |