CN109460441A - 一种多维电网灾害数据挖掘方法及装置 - Google Patents

一种多维电网灾害数据挖掘方法及装置 Download PDF

Info

Publication number
CN109460441A
CN109460441A CN201811125019.3A CN201811125019A CN109460441A CN 109460441 A CN109460441 A CN 109460441A CN 201811125019 A CN201811125019 A CN 201811125019A CN 109460441 A CN109460441 A CN 109460441A
Authority
CN
China
Prior art keywords
data
disaster
dimension
contingency management
grid
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
Application number
CN201811125019.3A
Other languages
English (en)
Inventor
于振
王学军
甘德志
刘军
芦倩
郭雨松
房殿阁
徐希源
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.)
State Grid Corp of China SGCC
State Grid Anhui Electric Power Co Ltd
Global Energy Interconnection Research Institute
Original Assignee
State Grid Corp of China SGCC
State Grid Anhui Electric Power Co Ltd
Global Energy Interconnection Research Institute
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 State Grid Corp of China SGCC, State Grid Anhui Electric Power Co Ltd, Global Energy Interconnection Research Institute filed Critical State Grid Corp of China SGCC
Priority to CN201811125019.3A priority Critical patent/CN109460441A/zh
Publication of CN109460441A publication Critical patent/CN109460441A/zh
Pending legal-status Critical Current

Links

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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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

Abstract

本发明公开了一种多维电网灾害数据挖掘方法及装置，其中所述方法包括：初步筛选出与电网损失数据相关的应急管理数据的维度；根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型；通过所述灾害影响分析模型对待挖掘空间内的数据进行挖掘处理，得到与电网损失数据有关联的一个维度的数据集。通过本发明所提供的多维电网灾害数据挖掘方法及装置，无需人去判断哪些数据之间存在关联关系，便于处理器进行处理，从而能够通过处理器对大数据进行处理。

Description

一种多维电网灾害数据挖掘方法及装置
技术领域
本发明涉及电网技术领域，具体涉及一种多维电网灾害数据挖掘方法及装置。
背景技术
电力突发事件发生之后，必然需要根据相关数据给出处理决策。其中,相关数据包括气象数据(例如：气象预报、实时气象监测数据、雷达数据及卫星云图数据等)、电网业务数据(例如：设备台账、故障数据、营销数据以及调度数据等，可分为三类：电网运行和设备检测或监测数据、电力企业营销数据、电力企业管理数据)以及现场损失数据(例如：变电站及线路损失数据集损毁数据)。与电力直接或间接相关的数据相互关联、相互影响，存在着比较复杂的关系，例如：气象条件和社会经济形势会影响用户的用电情况，用户用电数据影响电路市场交易情况，电力市场数据可以为相关公共服务部门决策提供依据，而电力企业的GIS数据必须以市政规划数据作为参考。
现有条件下，当电力突发事件发生后，往往由人依据自身所积累的经验及知识储备，去判断哪些数据之间存在关联关系。
然而，随着智能电网技术的发展，电力相关数据将以指数级的速度增长，数据量特别大，形成“大数据”，处理的工作量增大；在“大数据”背景下，数据既包括存储在上关系型数据库中的结构化数据，也包括视频监控、图像处理等产生的、难以在数据库中用二维逻辑来表达的数据，数据的处理难度增大。由此导致现有方法难以厘清数据之间的关联关系。
发明内容
有鉴于此，本发明实施例提供了一种多维电网灾害数据挖掘方法及装置，以解决现有方法面对大数据，难以厘清数据之间的关联关系的问题。
根据第一方面，本发明实施例提供了一种多维电网灾害数据挖掘方法，包括：初步筛选出与电网损失数据相关的应急管理数据的维度；根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型；通过所述灾害影响分析模型对待挖掘空间内的数据进行挖掘处理，得到与电网损失数据有关联的一个维度的数据集。
可选地，所述方法还包括：判断所述数据集实际是否与应急管理有关联；当所述数据集实际与应急管理没有关联时，选取另一个数据维度，采用所述灾害影响分析模型重新进行挖掘，直至得到实际与电网损失数据有关联的数据集或者所有数据维度都被选取过。
可选地，所述初步筛选出与电网损失数据相关的应急管理数据的维度的步骤，包括：判断电网损失数据与应急管理数据的不同维度数据是否为线性关系；当为线性关系时，通过因子分析法筛选出与电网损失数据相关的应急管理数据的维度。
可选地，所述初步筛选出与电网损失数据相关的应急管理数据的维度的步骤，包括：当回归分析法确定应急管理数据的不同维度数据之间不是线性关系时，通过贡献分析法筛选出与电网损失数据相关的应急管理数据的维度。
可选地，所述灾害影响分析模型为人工神经网络模型。
根据第二方面，本发明实施例提供了一种多维电网灾害数据挖掘装置，包括：筛选模块，用于初步筛选出与电网损失数据相关的应急管理数据的维度；构建模块，用于根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型；挖掘处理模块，用于通过所述灾害影响分析模型对待挖掘空间内的数据进行挖掘处理，得到与电网损失数据有关联的一个维度的数据集。
可选地，所述装置还包括：判断模块，用于判断所述数据集实际是否与应急管理有关联；所述挖掘处理模块，还用于当所述数据集实际与应急管理没有关联时，选取另一个数据维度，采用所述灾害影响分析模型重新进行挖掘，直至得到实际与电网损失数据有关联的数据集或者所有数据维度都被选取过。
可选地，所述筛选模块包括：判断子模块，用于判断电网损失数据与应急管理数据的不同维度数据是否为线性关系；第一筛选子模块，用于当为线性关系时，通过因子分析法筛选出与电网损失数据相关的应急管理数据的维度；或者，第二筛选子模块，用于当回归分析法确定应急管理数据的不同维度数据之间不是线性关系时，通过贡献分析法筛选出与电网损失数据相关的应急管理数据的维度。
根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的多维电网灾害数据挖掘方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的多维电网灾害数据挖掘方法。
本发明实施例所提供的多维电网灾害数据挖掘方法及装置，根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型，然后通过灾害影响分析模型对待挖掘空间内的数据进行挖掘，以得到与电网损失数据有关联的一个维度的数据集，无需人去判断哪些数据之间存在关联关系，便于处理器进行处理，从而能够通过处理器对大数据进行处理。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。
图1A示出了根据本发明实施例的一种多维电网灾害数据挖掘方法的流程图；
图1B示出了根据本发明实施的另一种多维电网灾害数据挖掘方法的流程图；
图2A示出了根据本发明实施例的一种多维电网灾害数据挖掘装置的原理框图；
图2B示出了根据本发明实施例的另一种多维电网灾害数据挖掘装置的原理框图；
图3示出了根据本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有作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。
图1A示出了根据本发明实施例的一种多维电网灾害数据挖掘方法的流程图。如图1A所示，该方法包括如下步骤：
S110：初步筛选出与电网损失数据相关的应急管理数据的维度。
应急管理数据可分为应急组织、应急队伍、应急车辆、应急物资、预警管理、应急响应、应急值班、应急培训、应急演练的相关数据。
S120：根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型。
灾害数据，可以分为气象数据、泥石流数据、地质数据、地震数据、水情数据、舆情数据、当地经济情况信息、当地人口分布信息等。灾害数据可以从电力企业的外部网络获取。
损失数据指灾害条件下的电网受损后的业务数据反馈。这里的业务数据可以分为业务数据和上述应急管理数据。其中，业务数据分别从调度、运检、营销、物资等专业的系统及统一视频监控平台等系统中来。其中，调度数据从智能电网调度控制系统中抽取“变电站停运及恢复信息”、“线路停运及恢复信息”和“负荷总加信息”等，省调可抽取220kV以上主网数据和省级电力公司负荷总加信息，地调可抽取110kV以下主网数据、配网数据和地市公司负荷总加信息；运检数据从省级电力公司设备(资产)运维精益管理系统中抽取“变电站停运及恢复信息”和“线路停运及恢复信息”；营销数据从省级电力公司用采系统抽取“用户停(复)电信息”，从省级电力公司营销业务管理系统抽取“配电台区与用户的关联关系信息”；物资系统从省级电力公司企业资源规划系统抽取“各级物资储备仓库”和“相关生产、应急物资”。从统一视频监控平台抽取变电站视频监控信息等相关视频信息。
S130：通过灾害影响分析模型对待挖掘空间内的数据进行挖掘处理，得到与电网损失数据有关联的一个维度的数据集。
这里的待挖掘空间是指因灾害导致发生一次电力突发事件时的相关数据的集合，相关数据既包括上述业务数据、灾害数据，也包括损失数据。步骤S130的目的是从数据空间中找出与电网损失数据有关联的数据集，以便为应急决策提供支持。
上述多维电网灾害数据挖掘方法，根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型，然后通过灾害影响分析模型对待挖掘空间内的数据进行挖掘，以得到与电网损失数据有关联的一个维度的数据集，无需人去判断哪些数据之间存在关联关系，便于处理器进行处理，从而能够通过处理器对大数据进行处理。
可选地，本申请中的灾害影响分析模型为人工神经网络(英文全称：ArtificialNeural Network，简称：ANN)模型。
图1B示出了根据本发明实施的另一种多维电网灾害数据挖掘方法的流程图。如图1B所示，该方法包括如下步骤：
S210：判断电网损失数据与应急管理数据的不同维度数据是否为线性关系。当为线性关系时，执行步骤S220；否则，执行步骤S230。
例如，可以通过回归分析法判断是否为线性关系。
S220：通过因子分析法筛选出与电网损失数据相关的应急管理数据的维度。
因子分析法，即在应急管理数据的多个维度基础上构筑若干组关系较为明确的因子，以它们为框架分解电网损失数据，以此考察多组因子分别对应的电网损失数据结果的联系与区别。
S230：通过贡献分析法筛选出与电网损失数据相关的应急管理数据的维度。
贡献分析法，即观察应急管理数据的变化对电网损失数据的影响，增加某个应急管理数据，引起电网损失数据降低，该应急管理数据为贡献较高的数据；反之亦然。
S240：根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型。
该步骤具体请参见步骤S120。
S250：通过灾害影响分析模型对待挖掘空间内的数据进行挖掘处理，得到与电网损失数据有关联的一个维度的数据集。
该步骤具体请参见步骤S130。
S260：判断数据集实际是否与应急管理有关联。当数据集实际与应急管理没有关联时，执行步骤S270；否则，执行其他操作或无操作。
该步骤可以通过人工的经验去判断数据集实际是否与应急管理有关联；或者也可以由处理器基于历史数据采用数据处理方法去判断。
S270：选取另一个数据维度，采用灾害影响分析模型重新进行挖掘，直至得到实际与电网损失数据有关联的数据集或者所有数据维度都被选取过。
自动执行的算法针应用于具体的个案可能会存在错误，步骤S260和S270可以用于进一步保证多维电网灾害数据挖掘方法所筛选出来的数据集是实际与应急管理相关的。
图2A示出了根据本发明实施例的一种多维电网灾害数据挖掘装置的原理框图，该装置可以用于实现图1A或图1B所示的方法。如图2A所示，该装置包括筛选模块10、构建模块20和挖掘处理模块30。
筛选模块10用于初步筛选出与电网损失数据相关的应急管理数据的维度。
构建模块20用于根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型。
挖掘处理模块30用于通过灾害影响分析模型对待挖掘空间内的数据进行挖掘处理，得到与电网损失数据有关联的一个维度的数据集。
上述多维电网灾害数据挖掘装置，根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型，然后通过灾害影响分析模型对待挖掘空间内的数据进行挖掘，以得到与电网损失数据有关联的一个维度的数据集，无需人去判断哪些数据之间存在关联关系，便于处理器进行处理，从而能够通过处理器对大数据进行处理。
图2B示出了根据本发明实施例的另一种多维电网灾害数据挖掘装置的原理框图，该装置可以用于实现图1A或图1B所示的方法。与图2A所示装置的区别在于，装置还包括判断模块40。筛选模块10包括判断子模块11，以及第一筛选子模块12或者第二筛选子模块13。
判断模块40用于判断数据集实际是否与应急管理有关联。挖掘处理模块30还用于当数据集实际与应急管理没有关联时，选取另一个数据维度，采用灾害影响分析模型重新进行挖掘，直至得到实际与电网损失数据有关联的数据集或者所有数据维度都被选取过。
判断子模块11用于判断电网损失数据与应急管理数据的不同维度数据是否为线性关系。第一筛选子模块12用于当为线性关系时，通过因子分析法筛选出与电网损失数据相关的应急管理数据的维度。第二筛选子模块13用于当回归分析法确定应急管理数据的不同维度数据之间不是线性关系时，通过贡献分析法筛选出与电网损失数据相关的应急管理数据的维度。
本发明实施例还提供了一种电子设备，如图3所示，该电子设备可以包括处理器N和存储器M，其中处理器N和存储器M可以通过总线或者其他方式连接，图3中以通过总线连接为例。
处理器N可以为中央处理器(Central Processing Unit，CPU)。处理器N还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器M作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的多维电网灾害数据挖掘方法对应的程序指令/模块(例如，图2A所示的筛选模块10、构建模块20和挖掘处理模块30)。处理器N通过运行存储在存储器M中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的多维电网灾害数据挖掘方法。
存储器M可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器N所创建的数据等。此外，存储器M可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器M可选包括相对于处理器N远程设置的存储器，这些远程存储器可以通过网络连接至处理器N。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器M中，当被所述处理器N执行时，执行如图1A或图1B所示实施例中的多维电网灾害数据挖掘方法。
上述电子设备具体细节可以对应参阅图1A或图1B所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种多维电网灾害数据挖掘方法，其特征在于，包括：
初步筛选出与电网损失数据相关的应急管理数据的维度；
根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型；
通过所述灾害影响分析模型对待挖掘空间内的数据进行挖掘处理，得到与电网损失数据有关联的一个维度的数据集。
2.根据权利要求1所述的多维电网灾害数据挖掘方法，其特征在于，所述方法还包括：
判断所述数据集实际是否与应急管理有关联；
当所述数据集实际与应急管理没有关联时，选取另一个数据维度，采用所述灾害影响分析模型重新进行挖掘，直至得到实际与电网损失数据有关联的数据集或者所有数据维度都被选取过。
3.根据权利要求1所述的多维电网灾害数据挖掘方法，其特征在于，所述初步筛选出与电网损失数据相关的应急管理数据的维度的步骤，包括：
判断电网损失数据与应急管理数据的不同维度数据是否为线性关系；
当为线性关系时，通过因子分析法筛选出与电网损失数据相关的应急管理数据的维度。
4.根据权利要求1或3所述的多维电网灾害数据挖掘方法，其特征在于，所述初步筛选出与电网损失数据相关的应急管理数据的维度的步骤，包括：
当回归分析法确定应急管理数据的不同维度数据之间不是线性关系时，通过贡献分析法筛选出与电网损失数据相关的应急管理数据的维度。
5.根据权利要求1所述的多维电网灾害数据挖掘方法，其特征在于，所述灾害影响分析模型为人工神经网络模型。
6.一种多维电网灾害数据挖掘装置，其特征在于，包括：
筛选模块，用于初步筛选出与电网损失数据相关的应急管理数据的维度；
构建模块，用于根据初步筛选的应急管理数据的维度、灾害数据、电网损失数据构建灾害影响分析模型；
挖掘处理模块，用于通过所述灾害影响分析模型对待挖掘空间内的数据进行挖掘处理，得到与电网损失数据有关联的一个维度的数据集。
7.根据权利要求6所述的多维电网灾害数据挖掘装置，其特征在于，所述装置还包括：
判断模块，用于判断所述数据集实际是否与应急管理有关联；
所述挖掘处理模块，还用于当所述数据集实际与应急管理没有关联时，选取另一个数据维度，采用所述灾害影响分析模型重新进行挖掘，直至得到实际与电网损失数据有关联的数据集或者所有数据维度都被选取过。
8.根据权利要求6所述的多维电网灾害数据挖掘装置，其特征在于，所述筛选模块包括：
判断子模块，用于判断电网损失数据与应急管理数据的不同维度数据是否为线性关系；
第一筛选子模块，用于当为线性关系时，通过因子分析法筛选出与电网损失数据相关的应急管理数据的维度；或者，
第二筛选子模块，用于当回归分析法确定应急管理数据的不同维度数据之间不是线性关系时，通过贡献分析法筛选出与电网损失数据相关的应急管理数据的维度。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-5所述的多维电网灾害数据挖掘方法。
10.一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存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-5所述的多维电网灾害数据挖掘方法。
CN201811125019.3A 2018-09-26 2018-09-26 一种多维电网灾害数据挖掘方法及装置 Pending CN109460441A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811125019.3A CN109460441A (zh) 2018-09-26 2018-09-26 一种多维电网灾害数据挖掘方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811125019.3A CN109460441A (zh) 2018-09-26 2018-09-26 一种多维电网灾害数据挖掘方法及装置

Publications (1)

Publication Number Publication Date
CN109460441A true CN109460441A (zh) 2019-03-12

Family

ID=65606979

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811125019.3A Pending CN109460441A (zh) 2018-09-26 2018-09-26 一种多维电网灾害数据挖掘方法及装置

Country Status (1)

Country Link
CN (1) CN109460441A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103295079A (zh) * 2013-06-09 2013-09-11 国家电网公司 一种基于智能数据挖掘模型的电力多目标决策支持方法
CN103744850A (zh) * 2013-10-14 2014-04-23 国家电网公司 一种基于直觉模糊粗糙集的电网灾害实时调控装置及方法
CN105590160A (zh) * 2015-10-30 2016-05-18 国网山东省电力公司青岛供电公司 一种基于gis的三维应急指挥方法及其系统
CN105975640A (zh) * 2016-07-04 2016-09-28 吴本刚 一种大数据质量管理与有用数据挖掘装置
CN106022610A (zh) * 2016-05-20 2016-10-12 温州电力设计有限公司 一种电力系统防台抗台监控应急方法
CN106203833A (zh) * 2016-07-05 2016-12-07 杨林 电力通信网风险评估系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103295079A (zh) * 2013-06-09 2013-09-11 国家电网公司 一种基于智能数据挖掘模型的电力多目标决策支持方法
CN103744850A (zh) * 2013-10-14 2014-04-23 国家电网公司 一种基于直觉模糊粗糙集的电网灾害实时调控装置及方法
CN105590160A (zh) * 2015-10-30 2016-05-18 国网山东省电力公司青岛供电公司 一种基于gis的三维应急指挥方法及其系统
CN106022610A (zh) * 2016-05-20 2016-10-12 温州电力设计有限公司 一种电力系统防台抗台监控应急方法
CN105975640A (zh) * 2016-07-04 2016-09-28 吴本刚 一种大数据质量管理与有用数据挖掘装置
CN106203833A (zh) * 2016-07-05 2016-12-07 杨林 电力通信网风险评估系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张行: "电网防灾调度技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Similar Documents

Publication Publication Date Title
CN103236163B (zh) 一种基于群智网络的交通拥堵规避提示系统
WO2022012285A1 (zh) 一种多源融合的多平台能源信息管理系统
Kandaperumal et al. Resilience of the electric distribution systems: concepts, classification, assessment, challenges, and research needs
Mao et al. Assessment of the impact of interdependencies on the resilience of networked critical infrastructure systems
CN103116825B (zh) 智慧城市管理系统
CN104616205B (zh) 一种基于分布式日志分析的电力系统运行状态监视方法
CN106781455A (zh) 一种基于云计算的区域高速公路信息化系统
CN103559562A (zh) 电网智能运行系统及其实现方法
Min et al. A stochastic machine learning based approach for observability enhancement of automated smart grids
CN106845780B (zh) 一种发电机组运行工况分析系统及其分析方法
Serre Advanced methodology for risk and vulnerability assessment of interdependency of critical infrastructure in respect to urban floods
Yuanyuan et al. A new framework on regional smart water
Khuntia et al. Risk‐based security assessment of transmission line overloading considering spatio‐temporal dependence of load and wind power using vine copula
WO2022020409A1 (en) Spatial power outage estimation for natural hazards leveraging optimal synthetic power networks
CN109460441A (zh) 一种多维电网灾害数据挖掘方法及装置
Adeyeye et al. Socially-integrated resilience in building-level water networks using smart microgrid+ net
CN113049914B (zh) 一种输电线路故障诊断方法、系统、电子设备和存储介质
Baidya et al. A survey on social media to enhance the cyber-physical-social resilience of smart grid
CN113608470A (zh) 基于bim信息平台的雨水防洪泵站状态监测方法及装置
Wang et al. GIS cloud computing based government Big Data analysis platform
Wang et al. Short‐term planning model for distribution network restructuring based on heat maps
CN116596405B (zh) 纯数据驱动的电力系统分析方法及系统
Bionda et al. A demonstrator tool to provide the network operator with microservices based on big data and semantic web technologies
CN115115283B (zh) 一种城市关键基础设施的管理方法、电子设备及存储介质
CN115130193B (zh) 城市基础设施群弹性分析方法、电子设备及存储介质

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: 20190312

RJ01 Rejection of invention patent application after publication