CN109582921B - 配电变压器负载状态评估方法及终端设备 - Google Patents

配电变压器负载状态评估方法及终端设备 Download PDF

Info

Publication number
CN109582921B
CN109582921B CN201811479991.0A CN201811479991A CN109582921B CN 109582921 B CN109582921 B CN 109582921B CN 201811479991 A CN201811479991 A CN 201811479991A CN 109582921 B CN109582921 B CN 109582921B
Authority
CN
China
Prior art keywords
distribution transformer
characteristic
value
preset
preset time
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.)
Active
Application number
CN201811479991.0A
Other languages
English (en)
Other versions
CN109582921A (zh
Inventor
马浩
申洪涛
陶鹏
武超飞
张洋瑞
冯波
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
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
State Grid Hebei Energy Technology Service Co Ltd
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
State Grid Hebei Energy Technology Service Co Ltd
Marketing Service Center of State Grid Hebei 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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd, State Grid Hebei Energy Technology Service Co Ltd, Marketing Service Center of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811479991.0A priority Critical patent/CN109582921B/zh
Publication of CN109582921A publication Critical patent/CN109582921A/zh
Application granted granted Critical
Publication of CN109582921B publication Critical patent/CN109582921B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种配电变压器负载状态评估方法及终端设备：根据预设时间段内配电变压器在每天多个预设时间点的负载率，获取配电变压器的n个预设特征项所对应的特征值，得到配电变压器所对应的特征向量；通过m个待评估配电变压器所对应的特征向量，得到特征矩阵Z1，并对其中的每一列数值进行标准化处理，得到特征矩阵Z2；根据每一个特征项所对应的预设权重，获取权重矩阵W；根据特征矩阵Z2与权重矩阵W的乘积，获取加权后的特征矩阵F；通过TOPSIS算法对特征矩阵F进行量化评估，分别得到m个待评估配电变压器所对应的状态评分值。通过对配电变压器的多项负荷特征进行分析，实现了配电变压器负载状态的精准评估。

Description

配电变压器负载状态评估方法及终端设备
技术领域
本发明属于电力大数据应用技术领域，尤其涉及一种配电变压器负载状态评估方法及终端设备。
背景技术
随着社会经济的发展及居民工商业用户生活条件逐步改善，用电设备、大功率设备使用数量迅速增多，电力逐渐取代燃油、煤炭资源成为了用户首选的绿色资源。用电需求增长给配电变压器带来了一定的压力，为了避免配电变压器长期重载而导致设备故障烧毁及停电事件，提升配电变压器的供电可靠性，应对处于重过载运行状态的配电变压器进行改造、更换。
传统判断配电变压器是否需要更换、改造的方法通常是基于设备的运行年限、型号、最大负荷数据等一些简单的数据。缺乏全面客观的判断依据，造成配电变压器升级改造不精准，有些需要更换的配电变压器没有进行改造，有些投运年限时间较长但运行良好的配电变压器却参与了更换，造成投资成本的浪费。
因此，现有技术缺少一种能够精准评估配电变压器负载状态的方法。
发明内容
有鉴于此，本发明实施例提供了一种配电变压器负载状态评估方法及终端设备，以解决现有技术中对配电变压器负载状态评估不精准的问题。
本发明实施例的第一方面提供了一种配电变压器负载状态评估方法，包括：
获取预设时间段内m个待评估配电变压器中每个配电变压器在每天多个预设时间点的负载率；
针对任一配电变压器，根据所述预设时间段内所述配电变压器在每天多个预设时间点的负载率，获取所述配电变压器的n个预设特征项所对应的特征值；
根据所述配电变压器的n个预设特征项所对应的特征值，得到所述配电变压器所对应的特征向量；
通过所述m个待评估配电变压器所对应的特征向量，得到特征矩阵Z1，所述特征矩阵Z1的每一行对应一个配电变压器所对应的特征向量；
分别对所述特征矩阵Z1中的每一列数值进行标准化处理，得到特征矩阵Z2；
根据所述n个预设特征项中每一个特征项所对应的预设权重，获取权重矩阵W；
根据特征矩阵Z2与权重矩阵W的乘积，获取加权后的特征矩阵F；
通过TOPSIS算法对所述特征矩阵F进行量化评估，得到所述m个待评估配电变压器中每个配电变压器所对应的状态评分值。
本发明实施例的第二方面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有计算机可读指令，所述计算机可读指令被处理器执行时实现如下步骤：
获取预设时间段内m个待评估配电变压器中每个配电变压器在每天多个预设时间点的负载率；
针对任一配电变压器，根据所述预设时间段内所述配电变压器在每天多个预设时间点的负载率，获取所述配电变压器的n个预设特征项所对应的特征值；
根据所述配电变压器的n个预设特征项所对应的特征值，得到所述配电变压器所对应的特征向量；
通过所述m个待评估配电变压器所对应的特征向量，得到特征矩阵Z1，所述特征矩阵Z1的每一行对应一个配电变压器所对应的特征向量；
分别对所述特征矩阵Z1中的每一列数值进行标准化处理，得到特征矩阵Z2；
根据所述n个预设特征项中每一个特征项所对应的预设权重，获取权重矩阵W；
根据特征矩阵Z2与权重矩阵W的乘积，获取加权后的特征矩阵F；
通过TOPSIS算法对所述特征矩阵F进行量化评估，得到所述m个待评估配电变压器中每个配电变压器所对应的状态评分值。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：
获取预设时间段内m个待评估配电变压器中每个配电变压器在每天多个预设时间点的负载率；
针对任一配电变压器，根据所述预设时间段内所述配电变压器在每天多个预设时间点的负载率，获取所述配电变压器的n个预设特征项所对应的特征值；
根据所述配电变压器的n个预设特征项所对应的特征值，得到所述配电变压器所对应的特征向量；
通过所述m个待评估配电变压器所对应的特征向量，得到特征矩阵Z1，所述特征矩阵Z1的每一行对应一个配电变压器所对应的特征向量；
分别对所述特征矩阵Z1中的每一列数值进行标准化处理，得到特征矩阵Z2；
根据所述n个预设特征项中每一个特征项所对应的预设权重，获取权重矩阵W；
根据特征矩阵Z2与权重矩阵W的乘积，获取加权后的特征矩阵F；
通过TOPSIS算法对所述特征矩阵F进行量化评估，得到所述m个待评估配电变压器中每个配电变压器所对应的状态评分值。
本发明提供了一种配电变压器负载状态评估方法及终端设备，通过对配电变压器多项运行负荷数据进行分析，结合TOPSIS评估算法，得到每个配电变压器所对应的状态评分值，评分值越高，说明该配电变压器的负载状态越好，评分值越低，说明该配电变压器的负载状态越差。通过本发明提供的配电变压器负载状态评估方法，不需要人工评估每个配电变压器的状态，不但减少了人力物力的浪费，还提高了配电变压器负载状态的评估精度和评估效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种配电变压器负载状态评估方法的流程示意图；
图2为本发明实施例提供的一种配电变压器负载状态评估装置的结构框图；
图3为本发明实施例提供的一种配电变压器负载状态评估终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
本发明实施例提供了一种配电变压器负载状态评估方法。结合图1，该方法包括：
S101，获取预设时间段内m个待评估配电变压器中每个配电变压器在每天多个预设时间点的负载率。
可选的，所述预设时间段可以为近一年，所述每天的多个预设时间点为每天24小时所对应的24个整点，针对所述m个待评估配电变压器中的任一配电变压器，通过如下方法获取该配电变压器在每天多个预设时间点的负载率：
从现有的用电信息采集系统中选取配电变压器近期一年的二次运行负荷数据，二次运行负荷数据每天每个整点采集一次，一天共采集24次，即每天对应24个采集点，在本发明中，一个采集点即对应一个预设时间点，通过如下公式计算该配电变压器在每个采集点的负载率：
计算配电变压器每天整点的一次有功及无功运行负荷，计算公式如下所示，
Pi＝pi×CT×PT
Qi＝qi×CT×PT
式中，i为该配电变压器每天的采集时间点，取值范围为1至24。Pi为每个采集时间点对应的一次有功负荷值，pi为每个采集时间点的二次有功负荷值，Qi为每个采集时间点对应的一次无功负荷值，qi为每个采集时间点的二次无功负荷值，CT为电流互感器变比，PT为电压互感器变比。
分析配电变压器的运行负荷特征，计算如下：
计算配电变压器在该天各个采集点的负载率，计算公式如下所示，
Figure BDA0001893129190000051
式中，CAP为配电变压器的运行容量，ri为配电变压器每个采集点的负载率。
S102，针对任一配电变压器，根据所述预设时间段内所述配电变压器在每天多个预设时间点的负载率，获取所述配电变压器的n个预设特征项所对应的特征值。
具体的，在本发明实施例中，选取配电变压器的14个预设特征项，根据配电变压器在每个预设时间点的负载率，获取该配电变压器的14个预设特征项所对应的特征值，其中，所述每天的多个预设时间点为每天24小时所对应的24个整点。
第一个特征项，获取配电变压器每天负载率最高的c个时间点所对应的负载率，统计该配电变压器在预设时间段内尖c小时平均负载率ravgc，c为大于等于1的正整数，其中：
Figure BDA0001893129190000061
式中，
Figure BDA0001893129190000062
表示配电变压器每日负载率最大的c个预设时间点的负载率之和，D为预设时间段所包含的天数，ravgc为配电变压器在预设时间段内尖端c小时平均负载率，可选的，c＝2。
第二个特征项，若配电变压器某天所有预设时间点中最大的负载率等于零，则判断为当天为空载，统计预设时间段内配电变压器出现的空载的天数的比例KZtian，特征项KZtian的特征值的计算公式如公式(2)所示：
Figure BDA0001893129190000063
式中，D为预设时间段所包含的天数，
Figure BDA0001893129190000064
表示该配电变压器在预设时间段内的空载天数之和，KZtian为配电变压器在预设时间段内空载天数所占比例。
第三个特征项，若配电变压器某天所有预设时间点中最大的负载率小于等于0.2且大于0，则判断为当天为轻载，统计预设时间段内配电变压器出现轻载的天数比例QZtian，特征项QZtian的特征值的计算公式如(3)所示，
Figure BDA0001893129190000065
式中，D为预设时间段所包含的天数，
Figure BDA0001893129190000066
表示该配电变压器在预设时间段内的轻载天数之和，QZtian为配电变压器在预设时间段内轻载天数所占比例。
第四个特征项，若配电变压器某天所有预设时间点中最大的负载率大于等于0.8且小于等于1，则判断当天为重载，统计预设时间段内配电变压器出现重载的天数比例ZZtian，特征项ZZtian的特征值的计算公式如(4)所示，
Figure BDA0001893129190000067
式中，D为预设时间段所包含的天数，
Figure BDA0001893129190000071
表示该配电变压器在预设时间段内的重载天数之和，ZZtian为配电变压器在预设时间段内重载天数所占比例。
第五个特征项，若配电变压器某天所有预设时间点最大的负载率大于1且小于等于1.2，则判断当天为过载，统计预设时间段内配电变压器出现过载的天数比例GZtian，特征项GZtian的特征值的计算公式如(5)所示，
Figure BDA0001893129190000072
式中，D为预设时间段所包含的天数，
Figure BDA0001893129190000073
表示该配电变压器在预设时间段内的过载天数之和，GZtian为配电变压器在预设时间段内过载天数所占比例。
第六个特征项，若配电变压器某天所有预设时间点中最大的负载率大于1.2且小于等于1.5，则判断当天为1.2倍过载，统计预设时间段内配电变压器出现1.2倍过载的天数比例SGZtian，特征项SGZtian的特征值的计算公式如(6)所示，
Figure BDA0001893129190000074
式中，D为预设时间段所包含的天数，
Figure BDA0001893129190000075
表示该配电变压器在预设时间段内的1.2倍过载天数之和，SGZtian为配电变压器在预设时间段内1.2倍过载天数所占的比例。
第七个特征项，若配电变压器某天所有预设采集点中最大的负载率大于1.5，则判断当天为1.5倍过载，统计预设时间段内配电变压器出现1.5倍过载的天数比例TGZtian，特征项TGZtian的特征值的计算公式如(7)所示，
Figure BDA0001893129190000076
式中，D为预设时间段所包含的天数，
Figure BDA0001893129190000081
表示该配电变压器在预设时间段内的1.5倍过载天数之和，TGZtian为配电变压器在预设时间段内1.5倍过载天数所占比例。
第八个特征项，若在一个预设时间点，配电变压器的负载率ri大于0.8且小于等于1，则判断该时间点为重载点，统计预设时间段内重载点平均每日出现的点数C0.8，特征项C0.8的特征值的计算公式如(8)所示，
Figure BDA0001893129190000082
式中，D为预设时间段所包含的天数，K0.8表示配电变压器每天负载率ri大于等于0.8且小于等于1的点数，C0.8为配电变压器在预设时间段内重载点平均每日出现的点数。
第九个特征项，若在一个预设时间点，配电变压器的负载率ri大于1且小于等于1.2，则判断该时间点为过载点，统计预设时间段内过载点平均每日出现的点数C1，特征项C1的特征值的计算公式如(9)所示，
Figure BDA0001893129190000083
式中，D为预设时间段所包含的天数，K1表示配电变压器每天负载率ri大于1且小于等于1.2的点数，C1为配电变压器在预设时间段内过载点平均每日出现的点数。
第十个特征项，若在一个预设时间点，配电变压器的负载率ri大于1.2且小于等于1.5，则判断该时间点为1.2倍过载点，统计预设时间段内1.2倍过载点平均每日出现的点数C1.2，特征项C1.2的特征值的计算公式如(10)所示，
Figure BDA0001893129190000084
式中，D为预设时间段所包含的天数，K1.2表示配电变压器的负载率ri每天大于1.2且小于等于1.5的点数，C1.2为配电变压器在预设时间段内1.2倍过载点平均每日出现的点数。
第十一个特征项，若在一个预设时间点，配电变压器的负载率ri大于1.5，则判断该时间点为1.5倍过载点，统计预设时间段内1.5倍过载点平均每日出现的点数C1.5，特征项C1.5的特征值的计算公式如(11)所示，
Figure BDA0001893129190000091
式中，D为预设时间段所包含的天数，K1.5表示配电变压器的负载率ri每天大于1.5的点数，C1.5为配电变压器在预设时间段内1.5倍过载点平均每日出现的点数。
第十二项，若配电变压器在一天中连续两个及以上预设时间点的负载率ri大于等于0.8，则判断该配电变压器重过载1次，统计预设时间段内配电变压器平均每日发生的重过载次数Czgz。特征项Czgz的特征值的计算公式如(12)所示，
Figure BDA0001893129190000092
式中，D为预设时间段所包含的天数，Kzgz表示配电变压器每日发生重过载的次数，Czgz表示预设时间段内配电变压器平均每日发生重过载的次数。
第十三个特征项，若配电变压器在一天中连续两个及以上预设时间点的ri大于1，则判断配电变压器过载1次，统计预设时间段内配电变压器平均每日发生的过载次数Cgz。特征项Cgz的特征值的计算公式如(13)所示，
Figure BDA0001893129190000093
式中，D为预设时间段所包含的天数，Kgz表示配电变压器每日发生过载的次数，Cgz表示预设时间段内配电变压器平均每日发生过载的次数。
第十四个特征项，若配电变压器在一天中连续六个及以上预设时间点的负载率ri大于1，则判断配电变压器发生极限过载1次，统计预设时间段内配电变压器平均每日发生的极限过载次数Ctgz。特征项Ctgz的特征值的计算公式如(14)所示，
Figure BDA0001893129190000101
式中，D为预设时间段所包含的天数，Ktgz表示配电变压器每日发生极限过载的次数，Ctgz表示预设时间段内配电变压器平均每日发生极限过载的次数。
S103，根据所述配电变压器的n个预设特征项所对应的特征值，得到所述配电变压器所对应的特征向量。
针对任一配电变压器，其特征向量由步骤S102中得到的14项特征项所对应的特征值构成，针对m个待评估配电变压器中的配电变压器i，其特征向量为：
zi＝[riavgc,KZitian,…Citgz]
S104，通过所述m个待评估配电变压器所对应的特征向量，得到特征矩阵Z1，所述特征矩阵Z1的每一行对应一个配电变压器所对应的特征向量。
具体的：
Figure BDA0001893129190000102
Z1为m行n列的矩阵，当n取14时，Z1为m行14列的矩阵。
其中，Z1为图1中步骤S104所述的第一特征矩阵。
S105，分别对所述特征矩阵Z1中的每一列数值进行标准化处理，得到特征矩阵Z2。
具体的，针对步骤S102所述14项特征项，本发明所提供的标准化过程如下：
若Z1中的一列对应的是特征项ravgc，则标准化处理过程包含如下2步：
第一步，对于该列中的任一个数值ravgc，当该数值ravgc大于等于0.5小于等于0.75时，即该数值ravgc落入区间[0.5,0.75]时，用数值0代替该数值；若该数值ravgc小于0.5，则用数值|ravgc-0.5|代替该数值；若该数值ravgc大于0.75，则用数值|ravgc-0.75|代替该数值。
第二步，完成第一步后，在新形成的一列数值中找出最大值ravgcmax和最小值ravgcmin，针对新形成的一列数值中的任一新数值r’avgc，并通过如下公式对r’avgc进行标准化处理，得到标准化数值ravgcnorm；
Figure BDA0001893129190000111
若Z1中的一列对应的是特征项是除ravgc之外的13项特征项中的任一项，设该列对应的特征项为特征项X，该列中的最大值为Xmax，最小值为Xmin，则通过如下公式得到X对应的标准化值Xnorm：
Figure BDA0001893129190000112
对每一列进行标准化后，得到的特征矩阵Z2如下：
Figure BDA0001893129190000113
其中，Z2为图1中步骤S105所述的第二特征矩阵。
S106，根据所述n个预设特征项中每一个特征项所对应的预设权重，获取权重矩阵W。
具体的，对于每项特征项预设一个该特征项所对应的权重，得到如下权重矩阵W：
Figure BDA0001893129190000121
具体的，针对步骤S102中的14项特征项，对每个特征项预设权重的规则包括：
所述第二个特征项的预设权重≥所述第三个特征项的预设权重；
所述第七个特征项的预设权重≥所述第六个特征项的预设权重≥所述第五个特征项的预设权重≥所述第四个特征项的预设权重；
所述第十一个特征项的预设权重≥所述第十个特征项的预设权重≥所述第九个特征项的预设权重≥所述第八个特征项的预设权重；
所述第十四个特征项的预设权重≥所述第十三个特征项的预设权重≥所述第十二个特征项的预设权重。
示例的，如下表所示：
Figure BDA0001893129190000122
S107，根据特征矩阵Z2与权重矩阵W的乘积，获取加权后的特征矩阵F。
具体的，
Figure BDA0001893129190000131
式中，m标识待评估配电变压器的数量，n为特征项的项数，在本发明实施例中，n等于14。
S108，通过TOPSIS算法对所述特征矩阵F进行量化评估，得到所述m个待评估配电变压器中每个配电变压器所对应的状态评分值。
具体的，该方法通过如下步骤实现：
第一步：获取特征矩阵F的最优解向量F1和最劣解向量F2。
本发明实施例提供两种获取最优解向量F1和最劣解向量F2的方法：
一种方法，自定义示例配电变压器所对应的特征向量z0，z0为1×n维向量，z0中的第一项元素的值为预设值，z0中的第2项元素至第n项元素的值为0，其中，所述预设值大于等于0.5小于等于0.75；将特征向量z0放入所述特征矩阵Z1中，其中，特征向量z0位于所述特征矩阵Z1中的任一行；将包含特征向量z0的特征矩阵Z1中的每一列进行标准化处理，得到特征矩阵Z2，根据特征矩阵Z2与权重矩阵W的乘积，获取加权后的特征矩阵F，获取所述特征矩阵F中每一列的最小值，得到所述最优解向量F1；获取所述特征矩阵F中每一列的最大值，得到所述最劣解向量F2。
第二种方法：直接设定所述最优解向量F1＝[0,0,0……0]，所述F1包含n个元素，每个元素的值为0；获取所述特征矩阵F中每一列的最大值，得到所述最劣解向量F2。
第二步：针对所述m个待评估配电变压器中的任一配电变压器，获取所述配电变压器在所述特征矩阵F中所对应的特征向量与所述最优解向量F1的欧式距离S1，和所述配电变压器在所述特征矩阵F中所对应的特征向量与所述最劣解向量F2的欧式距离S2。
具体的，设最优解F1＝[f1*,f2*,f3*…fn*]；
最劣解F2＝[f1^,f2^,f3^…fn^]；
则F中所对应的任一行特征向量与最优解F1的欧式距离S1通过如下公式计算：
Figure BDA0001893129190000141
则F中所对应的任一行特征向量与最劣解F2的欧式距离S2通过如下公式计算：
Figure BDA0001893129190000142
其中，在本发明实施例中，n等于14。
第三步：通过如下公式计算所述配电变压器所对应的状态评分值R：
Figure BDA0001893129190000143
进一步的，该方法还包括：对所述m个待评估配电变压器所对应的状态评分值进行升序排序；选取排列在前预设数量的a台配电变压器，并获取所述a台配电变压器的标识；或，选取状态评分值低于预设阈值的b台配电变压器，并获取所述b台配电变压器的标识。
由于配电变压器的状态评分值越高，说明该配电变压器的负载状态越好，状态评分值越低，说明该配电变压器的负载状态越差。通过上述方法，能够选取出负载状态较差的配电变压器，进行更换、升级和维护等操作。
本发明提供了一种配电变压器负载状态评估方法，通过对配电变压器多项运行负荷数据进行分析，结合TOPSIS评估算法，得到每个配电变压器所对应的状态评分值，评分值越高，说明该配电变压器的负载状态越好，评分值越低，说明该配电变压器的负载状态越差。通过本发明提供的配电变压器负载状态评估方法，不需要人工评估每个配电变压器的状态，不但减少了人力物力的浪费，还提高了配电变压器负载状态的评估精度和评估效率。
图2为本发明实施例提供的一种配电变压器负载状态评估装置示意图，结合图2，该装置包括：负载率获取单元21、特征值获取单元22、特征向量获取单元23、特征矩阵获取单元24、处理单元25、权重矩阵获取单元26和评估单元27；
所述负载率获取单元21，用于获取预设时间段内m个待评估配电变压器中每个配电变压器在每天多个预设时间点的负载率；
所述特征值获取单元22，用于针对任一配电变压器，根据所述预设时间段内所述配电变压器在每天多个预设时间点的负载率，获取所述配电变压器的n个预设特征项所对应的特征值；
所述特征向量获取单元23，用于根据所述配电变压器的n个预设特征项所对应的特征值，得到所述配电变压器所对应的特征向量；
所述特征矩阵获取单元24，用于通过所述m个待评估配电变压器所对应的特征向量，得到特征矩阵Z1，所述特征矩阵Z1的每一行对应一个配电变压器所对应的特征向量；
所述处理单元25，用于分别对所述特征矩阵Z1中的每一列数值进行标准化处理，得到特征矩阵Z2；
权重矩阵获取单元26，用于根据所述n个预设特征项中每一个特征项所对应的预设权重，获取权重矩阵W；
所述特征矩阵获取单元24还用于：根据特征矩阵Z2与权重矩阵W的乘积，获取加权后的特征矩阵F；
所述评估单元27，用于通过TOPSIS算法对所述特征矩阵F进行量化评估，得到所述m个待评估配电变压器中每个配电变压器所对应的状态评分值。
进一步的，所述每个多个预设时间点为每天24小时所对应的24个整点，所述配电变压器的n个预设特征项包含所述配电变压器的如下14个特征项：
第一个特征项，获取配电变压器每天负载率最高的c个时间点所对应的负载率，统计该配电变压器在预设时间段内尖c小时平均负载率ravgc，c为大于等于1的正整数，其中：
Figure BDA0001893129190000161
式中，
Figure BDA0001893129190000162
表示配电变压器每日负载率最大的c个预设时间点的负载率之和，D为预设时间段所包含的天数，ravgc为配电变压器在预设时间段内尖端c小时平均负载率；
第二个特征项，若配电变压器某天所有预设时间点中最大的负载率等于零，则判断为当天为空载，统计预设时间段内配电变压器出现的空载的天数的比例KZtian；
第三个特征项，若配电变压器某天所有预设时间点中最大的负载率小于等于0.2且大于0，则判断为当天为轻载，统计预设时间段内配电变压器出现轻载的天数比例QZtian；
第四个特征项，若配电变压器某天所有预设时间点中最大的负载率大于等于0.8且小于等于1，则判断当天为重载，统计预设时间段内配电变压器出现重载的天数比例ZZtian；
第五个特征项，若配电变压器某天所有预设时间点最大的负载率大于1且小于等于1.2，则判断当天为过载，统计预设时间段内配电变压器出现过载的天数比例GZtian；
第六个特征项，若配电变压器某天所有预设时间点中最大的负载率大于1.2且小于等于1.5，则判断当天为1.2倍过载，统计预设时间段内配电变压器出现1.2倍过载的天数比例SGZtian；
第七个特征项，若配电变压器某天所有预设采集点中最大的负载率大于1.5，则判断当天为1.5倍过载，统计预设时间段内配电变压器出现1.5倍过载的天数比例TGZtian；
第八个特征项，若在一个预设时间点，配电变压器的负载率ri大于0.8且小于等于1，则判断该时间点为重载点，统计预设时间段内重载点平均每日出现的点数C0.8；
第九个特征项，若在一个预设时间点，配电变压器的负载率ri大于1且小于等于1.2，则判断该时间点为过载点，统计预设时间段内过载点平均每日出现的点数C1；
第十个特征项，若在一个预设时间点，配电变压器的负载率ri大于1.2且小于等于1.5，则判断该时间点为1.2倍过载点，统计预设时间段内1.2倍过载点平均每日出现的点数C1.2；
第十一个特征项，若在一个预设时间点，配电变压器的负载率ri大于1.5，则判断该时间点为1.5倍过载点，统计预设时间段内1.5倍过载点平均每日出现的点数C1.5；
第十二个特征项，若配电变压器在一天中连续两个及以上预设时间点的负载率ri大于等于0.8，则判断该配电变压器重过载1次，统计预设时间段内配电变压器平均每日发生的重过载次数Czgz；
第十三个特征项，若配电变压器在一天中连续两个及以上预设时间点的ri大于1，则判断配电变压器过载1次，统计预设时间段内配电变压器平均每日发生的过载次数Cgz；
第十四个特征项，若配电变压器在一天中连续六个及以上预设时间点的负载率ri大于1，则判断配电变压器发生极限过载1次，统计预设时间段内配电变压器平均每日发生的极限过载次数Ctgz；
所述根据所述n个预设特征项中每一个特征项所对应的预设权重，获取权重矩阵W包括：
所述第二个特征项的预设权重≥所述第三个特征项的预设权重；
所述第七个特征项的预设权重≥所述第六个特征项的预设权重≥所述第五个特征项的预设权重≥所述第四个特征项的预设权重；
所述第十一个特征项的预设权重≥所述第十个特征项的预设权重≥所述第九个特征项的预设权重≥所述第八个特征项的预设权重；
所述第十四个特征项的预设权重≥所述第十三个特征项的预设权重≥所述第十二个特征项的预设权重。
进一步的，所述处理单元25具体用于：
若Z1中的一列对应的是特征项ravgc，则对该列数值进行标准化处理的过程包括：
第一步，对于该列中的任一个数值ravgc，当该数值ravgc大于等于0.5小于等于0.75时，用数值0代替该数值；若该数值ravgc小于0.5，则用数值|ravgc-0.5|代替该数值；若该数值ravgc大于0.75，则用数值|ravgc-0.75|代替该数值；
第二步，完成第一步后，在新形成的一列数值中找出最大值ravgcmax和最小值ravgcmin，针对新形成的一列数值中的任一新数值r’avgc，通过如下公式对r’avgc进行标准化处理，得到标准化数值ravgcnorm：
Figure BDA0001893129190000181
进一步的，所述处理单元25具体用于：
若Z1中的一列对应的是特征项是除ravgc之外的13项特征项中的任一项，设该列对应的特征项为特征项X，该列中的最大值为Xmax，最小值为Xmin，则通过如下公式得到X对应的标准化值Xnorm：
Figure BDA0001893129190000182
进一步的，所述评估单元27具体用于：
获取特征矩阵F的最优解向量F1和最劣解向量F2；
针对所述m个待评估配电变压器中的任一配电变压器，获取所述配电变压器在所述特征矩阵F中所对应的特征向量与所述最优解向量F1的欧式距离S1，和所述配电变压器在所述特征矩阵F中所对应的特征向量与所述最劣解向量F2的欧式距离S2；
通过如下公式计算所述配电变压器所对应的状态评分值R：
Figure BDA0001893129190000191
进一步的，所述特征矩阵获取单元24还用于：
自定义示例配电变压器所对应的特征向量z0，z0为1×n维向量，z0中的第一项元素的值为预设值，z0中的第2项元素至第n项元素的值为0，其中，所述预设值大于等于0.5小于等于0.75；
将特征向量z0放入所述特征矩阵Z1中，其中，特征向量z0位于所述特征矩阵Z1中的任一行；
所述评估单元27具体用于：
获取所述特征矩阵F中每一列的最小值，得到所述最优解向量F1；
获取所述特征矩阵F中每一列的最大值，得到所述最劣解向量F2。
进一步的，所述评估单元27具体用于：
预设定所述最优解向量F1＝[0,0,0……0]，所述F1包含n个元素，每个元素的值为0；
获取所述特征矩阵F中每一列的最大值，得到所述最劣解向量F2。
进一步的，所述评估单元27还用于：
对所述m个待评估配电变压器所对应的状态评分值进行升序排序；
选取排列在前预设数量的a台配电变压器，并获取所述a台配电变压器的标识；或，
选取状态评分值低于预设阈值的b台配电变压器，并获取所述b台配电变压器的标识。
本发明提供了一种配电变压器负载状态评估终端设备，通过对配电变压器多项运行负荷数据进行分析，结合TOPSIS评估算法，得到每个配电变压器所对应的状态评分值，评分值越高，说明该配电变压器的负载状态越好，评分值越低，说明该配电变压器的负载状态越差。通过本发明提供的配电变压器负载状态评估方法，不需要人工评估每个配电变压器的状态，不但减少了人力物力的浪费，还提高了配电变压器负载状态的评估精度和评估效率。
图3为本发明实施例提供的一种终端设备的示意图。如图3所示，该实施例的终端设备3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32，例如配电变压器负载状态评估程序。所述处理器30执行所述计算机程序32时实现上述各个配电变压器负载状态评估方法实施例中的步骤，例如图1所示的步骤101至108。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块21至27的功能。
示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端设备3的示例，并不构成对终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端设备3的内部存储单元，例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备，例如所述终端设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述配电变压器负载状态评估方法的步骤。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使对应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (9)

1.一种配电变压器负载状态评估方法，其特征在于，该方法包括：
获取预设时间段内m个待评估配电变压器中每个配电变压器在每天多个预设时间点的负载率；
针对任一配电变压器，根据所述预设时间段内所述配电变压器在每天多个预设时间点的负载率，获取所述配电变压器的n个预设特征项所对应的特征值；
根据所述配电变压器的n个预设特征项所对应的特征值，得到所述配电变压器所对应的特征向量；
通过所述m个待评估配电变压器所对应的特征向量，得到特征矩阵Z1，所述特征矩阵Z1的每一行对应一个配电变压器所对应的特征向量；
分别对所述特征矩阵Z1中的每一列数值进行标准化处理，得到特征矩阵Z2；根据所述n个预设特征项中每一个特征项所对应的预设权重，获取权重矩阵W；根据特征矩阵Z2与权重矩阵W的乘积，获取加权后的特征矩阵F；
通过TOPSIS算法对所述特征矩阵F进行量化评估，得到所述m个待评估配电变压器中每个配电变压器所对应的状态评分值；
所述每个多个预设时间点为每天24小时所对应的24个整点，所述配电变压器的n个预设特征项包含所述配电变压器的如下14个特征项：
第一个特征项，获取配电变压器每天负载率最高的c个时间点所对应的负载率，统计该配电变压器在预设时间段内尖端c小时平均负载率ravgc，c为大于等于1的正整数，其中：
Figure QLYQS_1
式中，
Figure QLYQS_2
表示配电变压器每日负载率最大的c个预设时间点的负载率之和，D为预设时间段所包含的天数，ravgc为配电变压器在预设时间段内尖端c小时平均负载率；
第二个特征项，若配电变压器某天所有预设时间点中最大的负载率等于零，则判断为当天为空载，统计预设时间段内配电变压器出现的空载的天数的比例KZtian；
第三个特征项，若配电变压器某天所有预设时间点中最大的负载率小于等于0.2且大于0，则判断为当天为轻载，统计预设时间段内配电变压器出现轻载的天数比例QZtian；
第四个特征项，若配电变压器某天所有预设时间点中最大的负载率大于等于0.8且小于等于1，则判断当天为重载，统计预设时间段内配电变压器出现重载的天数比例ZZtian；
第五个特征项，若配电变压器某天所有预设时间点最大的负载率大于1且小于等于1.2，则判断当天为过载，统计预设时间段内配电变压器出现过载的天数比例GZtian；
第六个特征项，若配电变压器某天所有预设时间点中最大的负载率大于1.2且小于等于1.5，则判断当天为1.2倍过载，统计预设时间段内配电变压器出现1.2倍过载的天数比例SGZtian；
第七个特征项，若配电变压器某天所有预设采集点中最大的负载率大于1.5，则判断当天为1.5倍过载，统计预设时间段内配电变压器出现1.5倍过载的天数比例TGZtian；
第八个特征项，若在一个预设时间点，配电变压器的负载率ri大于0.8且小于等于1，则判断该时间点为重载点，统计预设时间段内重载点平均每日出现的点数C0.8；
第九个特征项，若在一个预设时间点，配电变压器的负载率ri大于1且小于等于1.2，则判断该时间点为过载点，统计预设时间段内过载点平均每日出现的点数C1；
第十个特征项，若在一个预设时间点，配电变压器的负载率ri大于1.2且小于等于1.5，则判断该时间点为1.2倍过载点，统计预设时间段内1.2倍过载点平均每日出现的点数C1.2；
第十一个特征项，若在一个预设时间点，配电变压器的负载率ri大于1.5，则判断该时间点为1.5倍过载点，统计预设时间段内1.5倍过载点平均每日出现的点数C1.5；
第十二个特征项，若配电变压器在一天中连续两个及以上预设时间点的负载率ri大于等于0.8，则判断该配电变压器重过载1次，统计预设时间段内配电变压器平均每日发生的重过载次数Czgz；
第十三个特征项，若配电变压器在一天中连续两个及以上预设时间点的ri大于1，则判断配电变压器过载1次，统计预设时间段内配电变压器平均每日发生的过载次数Cgz；
第十四个特征项，若配电变压器在一天中连续六个及以上预设时间点的负载率ri大于1，则判断配电变压器发生极限过载1次，统计预设时间段内配电变压器平均每日发生的极限过载次数Ctgz；
所述权重矩阵W的14项特征项中，各个特征项对应的预设权重的规则包括：
所述第二个特征项的预设权重≥所述第三个特征项的预设权重；
所述第七个特征项的预设权重≥所述第六个特征项的预设权重≥所述第五个特征项的预设权重≥所述第四个特征项的预设权重；
所述第十一个特征项的预设权重≥所述第十个特征项的预设权重≥所述第九个特征项的预设权重≥所述第八个特征项的预设权重；
所述第十四个特征项的预设权重≥所述第十三个特征项的预设权重≥所述第十二个特征项的预设权重。
2.根据权利要求1所述的配电变压器负载状态评估方法，其特征在于，分别对所述特征矩阵Z中的每一列数值进行标准化处理包括：
若Z1中的一列对应的是特征项ravgc，则对该列数值进行标准化处理的过程包括：
第一步，对于该列中的任一个数值ravgc，当该数值ravgc大于等于0.5小于等于0.75时，用数值0代替该数值；若该数值ravgc小于0.5，则用数值|ravgc-0.5|代替该数值；若该数值ravgc大于0.75，则用数值|ravgc-0.75|代替该数值；
第二步，完成第一步后，在新形成的一列数值中找出最大值ravgcmax和最小值ravgcmin，针对新形成的一列数值中的任一新数值r’avgc，通过如下公式对r’avgc进行标准化处理，得到标准化数值ravgcnorm：
Figure QLYQS_3
3.根据权利要求1所述的配电变压器负载状态评估方法，其特征在于，分别对所述特征矩阵Z中的每一列数值进行标准化处理包括：
若Z1中的一列对应的是特征项是除ravgc之外的13项特征项中的任一项，设该列对应的特征项为特征项X，该列中的最大值为Xmax，最小值为Xmin，则通过如下公式得到X对应的标准化值Xnorm：
Figure QLYQS_4
4.根据权利要求1-3任一项所述的配电变压器负载状态评估方法，其特征在于，所述通过TOPSIS算法对所述特征矩阵F进行量化评估，得到所述m个待评估配电变压器中每个配电变压器所对应的状态评分值包括：
获取特征矩阵F的最优解向量F1和最劣解向量F2；
针对所述m个待评估配电变压器中的任一配电变压器，获取所述配电变压器在所述特征矩阵F中所对应的特征向量与所述最优解向量F1的欧式距离S1，和所述配电变压器在所述特征矩阵F中所对应的特征向量与所述最劣解向量F2的欧式距离S2；
通过如下公式计算所述配电变压器所对应的状态评分值R：
Figure QLYQS_5
5.根据权利要求4所述的配电变压器负载状态评估方法，其特征在于，该方法还包括：
自定义示例配电变压器所对应的特征向量z0，z0为1×n维向量，z0中的第一项元素的值为预设值，z0中的第2项元素至第n项元素的值为0，其中，所述预设值大于等于0.5小于等于0.75；
将特征向量z0放入所述特征矩阵Z1中，其中，特征向量z0位于所述特征矩阵Z1中的任一行；
所述获取特征矩阵F的优解向量F1和最劣解向量F2包括：
获取所述特征矩阵F中每一列的最小值，得到所述最优解向量F1；
获取所述特征矩阵F中每一列的最大值，得到所述最劣解向量F2。
6.根据权利要求4所述的配电变压器负载状态评估方法，其特征在于，所述获取特征矩阵F的最优解向量F1和最劣解向量F2包括：
预设定所述最优解向量F1＝[0,0,0……0]，所述F1包含n个元素，每个元素的值为0；
获取所述特征矩阵F中每一列的最大值，得到所述最劣解向量F2。
7.根据权利要求1所述的配电变压器负载状态评估方法，其特征在于，在得到所述m个待评估配电变压器中每个配电变压器所对应的状态评分值之后，该方法还包括：
对所述m个待评估配电变压器所对应的状态评分值进行升序排序；
选取排列在前预设数量的a台配电变压器，并获取所述a台配电变压器的标识；或，
选取状态评分值低于预设阈值的b台配电变压器，并获取所述b台配电变压器的标识。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7所述方法的步骤。
CN201811479991.0A 2018-12-05 2018-12-05 配电变压器负载状态评估方法及终端设备 Active CN109582921B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811479991.0A CN109582921B (zh) 2018-12-05 2018-12-05 配电变压器负载状态评估方法及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811479991.0A CN109582921B (zh) 2018-12-05 2018-12-05 配电变压器负载状态评估方法及终端设备

Publications (2)

Publication Number Publication Date
CN109582921A CN109582921A (zh) 2019-04-05
CN109582921B true CN109582921B (zh) 2023-03-31

Family

ID=65927257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811479991.0A Active CN109582921B (zh) 2018-12-05 2018-12-05 配电变压器负载状态评估方法及终端设备

Country Status (1)

Country Link
CN (1) CN109582921B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111999753B (zh) * 2020-08-27 2023-01-06 贵州电网有限责任公司 一种配电线路单相接地故障定位技术及自愈决策方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392390A (zh) * 2014-11-13 2015-03-04 国家电网公司 一种基于topsis模型的智能变电站二次设备评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106099984B (zh) * 2016-07-29 2018-10-19 清华大学 一种数据驱动的主动配电网分布式电源最大容量评估方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392390A (zh) * 2014-11-13 2015-03-04 国家电网公司 一种基于topsis模型的智能变电站二次设备评估方法

Also Published As

Publication number Publication date
CN109582921A (zh) 2019-04-05

Similar Documents

Publication Publication Date Title
CN108959187B (zh) 一种变量分箱方法、装置、终端设备及存储介质
CN110429653B (zh) 考虑储能和dr的农网分布式光伏消纳方法及终端设备
CN112002949A (zh) 一种动力电池主动均衡的监测管理方法及系统
CN110610431A (zh) 基于大数据的智能理赔方法及智能理赔系统
CN104102840A (zh) 配电网对光伏电源接纳能力的测评方法
CN114266444A (zh) 基于熵权法-层次分析法的电网设备运维成本分析方法
CN109582921B (zh) 配电变压器负载状态评估方法及终端设备
CN116699446A (zh) 退役电池快速分选方法、装置、设备及存储介质
CN113592192A (zh) 短期电力负荷预测方法、装置及终端设备
CN109800085A (zh) 资源配置的检测方法、装置、存储介质和电子设备
CN114418226A (zh) 电力通信系统的故障分析方法及装置
CN107274025B (zh) 一种实现用电模式智能识别与管理的系统和方法
CN117592656A (zh) 基于碳数据核算的碳足迹监控方法及系统
CN104240144B (zh) 一种基于需求响应的电力负荷聚类方法
CN116452054A (zh) 一种电力系统物资抽检管理方法和装置
CN113505943B (zh) 一种电网短期负荷的预测方法、系统、设备和介质
CN113393099A (zh) 配电网项目群价值指标评估方法、装置及终端设备
CN114462298A (zh) 电力计量资产管理方法、装置、设备及存储介质
CN114429172A (zh) 基于变电站用户构成的负荷聚类方法、装置、设备及介质
CN111967896A (zh) 提高可中断类负荷参与需求响应积极性的方法及系统
CN114139621A (zh) 确定模型分类性能标识的方法、装置、设备及存储介质
CN113344410A (zh) 配电网节能改造多维评估方法、系统、终端和存储介质
CN111178939B (zh) 供热机组辅助服务市场调峰报价的测算方法及终端设备
CN116894605A (zh) 一种配电变压器采购客观量化评审方法、系统、设备及介质
CN108390368B (zh) 一种不同形态弹性控制负荷的辨识方法

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
TA01 Transfer of patent application right

Effective date of registration: 20210929

Address after: 050021 No. 238 South Sports street, Hebei, Shijiazhuang

Applicant after: STATE GRID HEBEI ELECTRIC POWER Research Institute

Applicant after: Marketing service center of State Grid Hebei Electric Power Co.,Ltd.

Applicant after: STATE GRID CORPORATION OF CHINA

Applicant after: STATE GRID HEBEI ENERGY TECHNOLOGY SERVICE Co.,Ltd.

Address before: 050011 no.238, TIYU South Street, Yuhua District, Shijiazhuang City, Hebei Province

Applicant before: STATE GRID HEBEI ELECTRIC POWER Research Institute

Applicant before: STATE GRID CORPORATION OF CHINA

Applicant before: STATE GRID HEBEI ENERGY TECHNOLOGY SERVICE Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant