CN109740872A - 一种台区运行状态的诊断方法及系统 - Google Patents
一种台区运行状态的诊断方法及系统 Download PDFInfo
- Publication number
- CN109740872A CN109740872A CN201811551526.3A CN201811551526A CN109740872A CN 109740872 A CN109740872 A CN 109740872A CN 201811551526 A CN201811551526 A CN 201811551526A CN 109740872 A CN109740872 A CN 109740872A
- Authority
- CN
- China
- Prior art keywords
- area
- platform
- data
- diagnostic
- 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
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000001131 transforming effect Effects 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims 1
- 241001269238 Data Species 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种台区运行状态的诊断方法,包括:步骤S100,从各台区各业务系统中采集营销数据和配网数据;步骤S200,对所述营销数据和配网数据进行预处理;步骤S300,对预处理后的营销数据和配网数据,进行非监督聚类,确定各台区的台区类型;步骤S400,针对不同类型的台区结合专家经验,指定不同的指标权重,采用层次分析法、熵权法、TOPSIS相结合的经典量化评分模型,对各台区的运行进行综合评分;步骤S500,根据各台区的运行综合评分,确定各台区的运行状态。此外,本发明还公开了一种台区运行状态的诊断系统。
Description
技术领域
本发明涉及运行状态诊断方法,更具体地,涉及一种台区运行状态的诊断方法及系统。
背景技术
在大数据时代背景下,当前台区管理(台区指一个变压器的供电区域)主要存在三方面主要问题:一是缺乏大数据应用手段,过于强调专业分工,人为造成了台区管理工作中的专业壁垒、数据分割。二是台区点多面广,设备众多、问题复杂,现场管理粗放,各级管理层缺乏直观的台区设备运行健康信息,造成了在台区决策、投资、运维、服务等方面缺乏精准、高效的数据支撑。三是高投诉、高跳闸、高线损是困扰台区经理的首要难题,台区设备指标信息分散,各专业更多注重单项指标的异常分析,无法彻底解决问题。
发明内容
为解决上述技术问题,本发明公开了一种台区运行状态的诊断方法,包括:步骤S100,从各台区各业务系统中采集营销数据和配网数据;步骤S200,对所述营销数据和配网数据进行预处理;步骤S300,对预处理后的营销数据和配网数据,进行非监督聚类,确定各台区的台区类型;步骤S400,针对不同类型的台区结合专家经验,指定不同的指标权重,采用层次分析法、熵权法、TOPSIS相结合的经典量化评分模型,对各台区的运行进行综合评分;步骤S500,根据各台区的运行综合评分,确定各台区的运行状态。
此外,本发明还公开了一种台区运行状态的诊断系统,包括:数据采集模块,用于从各台区各业务系统中采集营销数据和配网数据;数据处理模块,用于对所述营销数据和配网数据进行预处理,形成面向主题的应用数据;数据分析模块,包括台区细分模块、台区运行评分模块和台区运行状态诊断模块,其中所述台区细分模块,用于对面向主题的应用数据进行非监督聚类,确定各台区的台区类型;所述台区运行评分模块,用于针对不同类型的台区结合专家经验,指定不同的指标权重,采用层次分析法、熵权法、TOPSIS相结合的经典量化评分模型,对各台区的运行进行综合评分;所述台区运行状态诊断模块,用于根据各台区的运行综合评分,确定各台区的运行状态。
附图说明
图1为本发明一种台区运行状态的诊断系统对应的大数据平台架构示意图;
图2为本发明的台区运行评分过程示意图;
图3为本发明的台区聚类细分模型示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,将结合附图对本发明作进一步地详细描述。这种描述是通过示例而非限制的方式介绍了与本发明的原理相一致的具体实施方式,这些实施方式的描述是足够详细的,以使得本领域技术人员能够实践本发明,在不脱离本发明的范围和精神的情况下可以使用其他实施方式并且可以改变和/或替换各要素的结构。因此,不应当从限制性意义上来理解以下的详细描述。
本发明公开了一种台区运行状态的诊断系统,其包括:
数据采集模块,用于从各台区各业务系统中采集营销数据和配网数据;
数据处理模块,用于对所述营销数据和配网数据进行预处理;
数据分析模块,包括台区细分模块、台区运行评分模块和台区运行状态诊断模块,其中所述台区细分模块,用于对预处理后的营销数据和配网数据,进行非监督聚类,确定各台区的台区类型;所述台区运行评分模块,用于针对不同类型的台区结合专家经验,指定不同的指标权重,采用层次分析法、熵权法、TOPSIS相结合的经典量化评分模型,对各台区的运行进行综合评分;所述台区运行状态诊断模块,用于根据各台区的运行综合评分,确定各台区的运行状态。
为解决海量业务数据的“存、通、用”问题,基于开源Hadoop生态圈技术,采用源端数据采集、过程数据分析与上层业务应用的松耦合架构,构建了统一的营销大数据平台。如图1所示,数据采集层对接各类业务系统,利用ETL、Hive等平台技术构建统一的数据仓库。数据分析层利用Spark内存计算技术将数据仓库中的数据进行清洗、集成、变换和规约,形成面向主题应用数据集市,进而采用数据挖掘、机器学习、深度学习领域内经典算法模型进行业务建模和数据分析。业务应用层采用可快速部署的微服务架构,利用模型之间易插拔特性,实现数据共享以及信息互通。
本发明还公开了一种台区运行状态的诊断方法,包括:
步骤S100,从各台区各业务系统中采集营销数据和配网数据。具体地,在本发明中,采集各类业务系统的数据,收集梳理了营销、配网两大专业,11个系统的海量数据,集成132张数据表,形成覆盖计量采集、营业管理、客户服务、台区线损、配变运行、台区规划6个专业,包含台区配变运行、台区同期线损、台区用电异常等15个主题,涉及电压合格率、采集成功率、三相不平衡度等40项指标的台区运行智能体检体系,日均交互数据量4200万条以上,表1给出了本发明中的数据源详细情况。
表1
步骤S200,对所述营销数据和配网数据进行预处理。在该步骤中,本发明利用Spark内存计算技术,对所述营销数据和配网数据进行清洗、集成、变换和规约,形成面向台区配变运行、台区同期线损、台区用电异常、用户故障报修、台区停电复电、用户用电行为等15个主题的应用数据。
步骤S300,对预处理后的营销数据和配网数据,进行非监督聚类,确定各台区的台区类型。在该步骤中,对预处理后的营销数据和配网数据,进行非监督聚类,确定各台区的台区类型。优选地,所述非监督聚类方法为自组织神经网络聚类方法。
步骤S400,针对不同类型的台区结合专家经验,指定不同的指标权重,采用层次分析法、熵权法、TOPSIS相结合的经典量化评分模型,对各台区的运行进行综合评分。具体地,在台区个性化体检评分模型中,采用层次分析法(AHP)、熵权法、TOPSIS相结合的经典量化评分模型,针对不同类型的台区结合专家经验指定不同的指标权重,如图2所示。本发明提出两种体检模型,区别在于使用的AHP不同:A体检模型使用的A-C AHP,P体检模型是的的是P-C AHP。
步骤S500,根据各台区的运行综合评分,确定各台区的运行状态。在该步骤中,根据各台区的综合评分,将台区运行状态诊断为优秀、正常、注意、异常、严重。运行状态的划分标准如下:[0,30)为严重,[30,60)为异常,[60,80)为注意,[80,90)为正常,[90,100]为优秀。
由上述内容可知,本发明基于各台区采集的较全面业务属性数据,使用非监督聚类方法对台区进行分类,并依据分类结果获取台区的运行状态,使得管理人员可以快速、准确获取各台区的运行状况信息,以便于根据其运行状况给出正确的决策,提高了台区管理效率,节约了台区管理时间。
进一步,根据本发明,所述步骤S300具体包括:
步骤S301,从预处理后的营销数据和配网数据中,选取台区用户数据、台区地理数据、台区运行数据和台区管理数据,构成台区特征。
台区用户数据包括4种用户数量数据、11种用户属性数据、2种用户用电数据;台区地理数据包括4种线路分布数据、15种地理位置数据、7种地理环境数据;台区运行数据包括10种台区设备数据、8种供电售电数据;台区管理数据包括10种营业管理数据、6种计量采集数据、5种客户服务数据、11种台区线损数据、5种配变运行数据、3种选点规划数据;上述选取的各种数据共同构成台区相关的101个特征。
步骤S302,使用自组织神经网络模型聚类各台区的台区特征,确定各台区的台区类型。
优选地,本发明采用稀疏自动编码器进行非线性特征提取。如图3所示,本发明考虑特征之间的非线性组合建模,使用自组织神经网络聚类算法,将台区从地理和经济两个维度划分为15种类型。从地理的角度,将各台区分为山村、农村、乡镇、城乡、城市5种类型;从经济的角度,将各台区分为经营、生活、综合3种类型;综合地理和经济两个维度,将各台区分为15种台区类型。
在本发明的一个实施例中,所述步骤S500之后还包括步骤S600,根据各台区的台区特征、运行综合评分和运行状态,构建省、市、县、所、台区以及台区经理的六个层级的体检报告。
具体地,本发明所述的体检报告包括:综合结论、指标清单和诊断建议三部分;所述综合结论直观给出台区的病症标签和症结指标所在;所述指标清单给出计量采集、营业管理、客户服务、台区线损、配变运行、台区规划六个维度的运行指标;诊断建议针对异常指标给出整改建议措施,优选地,按照异常的“轻重缓急”程度给出整改建议措施。
在本发明的另一实施例中,所述步骤S600之后还包括步骤S700,根据预处理后的营销数据和配网数据,进行疑似窃电用户分析、台区失电用户分析、台区失电自动告警、用户报修故障研判、配变运行情况监测。
台区运行智能体检试点应用以来,一是在配网建设、台区改造、设备运维等方面决策更加精准,投资更加高效,成效更加显著,累计治理高损台区671个,挽回电量2109万千瓦时,合并改造台区324个,异常处理和现场运维工作量减少45%以上。二是做到一张界面就可以看到全部指标,减少使用人员多系统之间切换,在定性分析、趋势分析基础上做到精准、高效。三是基层人员根据依靠台区运行智能体检,提出了“一看、二记、三穿、四诊、五走”的台区管理工作法,有效解决了长期困扰台区管理的难题。
此外,根据公开的本发明的说明书,本发明的其他实现对于本领域的技术人员是明显的。实施方式和/或实施方式的各个方面可以单独或者以任何组合用于本发明的系统和方法中。说明书和其中的示例应该是仅仅看作示例性,本发明的实际范围和精神由所附权利要求书表示。
Claims (10)
1.一种台区运行状态的诊断方法,其特征在于,包括:
步骤S100,从各台区各业务系统中采集营销数据和配网数据;
步骤S200,对所述营销数据和配网数据进行预处理;
步骤S300,对预处理后的营销数据和配网数据,进行非监督聚类,确定各台区的台区类型;
步骤S400,针对不同类型的台区结合专家经验,指定不同的指标权重,采用层次分析法、熵权法、TOPSIS相结合的经典量化评分模型,对各台区的运行进行综合评分;
步骤S500,根据各台区的运行综合评分,确定各台区的运行状态。
2.如权利要求1所述的诊断方法,其特征在于,步骤S300包括以下子步骤:
步骤S301,从预处理后的营销数据和配网数据中,选取台区用户数据、台区地理数据、台区运行数据和台区管理数据,构成台区特征;
步骤S302,使用自组织神经网络模型聚类各台区的台区特征,确定各台区的台区类型。
3.如权利要求2所述的诊断方法,其特征在于,从地理的角度,将台区分为山村、农村、乡镇、城乡、城市5种类型;从经济的角度,将台区分为经营、生活、综合3种类型;综合地理和经济两个维度,将台区分为15种台区类型。
4.如权利要求1所述的诊断方法,其特征在于,步骤S500中,根据各台区的综合评分,将台区运行状态诊断为优秀、正常、注意、异常、严重。
5.如权利要求1所述的诊断方法,其特征在于,所述步骤S500之后还包括步骤S600,根据各台区的台区特征、运行综合评分和运行状态,构建省、市、县、所、台区以及台区经理的六个层级的体检报告;
所述体检报告包括:综合结论、指标清单和诊断建议;
所述综合结论给出台区的病症标签和症结指标所在;
所述指标清单给出计量采集、营业管理、客户服务、台区线损、配变运行、台区规划六个维度的运行指标;
所述诊断建议针对异常指标给出明确的整改建议措施。
6.如权利要求1所述的诊断方法,其特征在于,所述步骤S600之后还包括步骤S700,根据所述预处理后的营销数据和配网数据,进行疑似窃电用户分析、台区失电用户分析、台区失电自动告警、用户报修故障研判、配变运行情况监测。
7.一种台区运行状态的诊断系统,其特征在于,包括:
数据采集模块,用于从各台区各业务系统中采集营销数据和配网数据;
数据处理模块,用于对所述营销数据和配网数据进行预处理,形成面向主题的应用数据;
数据分析模块,包括台区细分模块、台区运行评分模块和台区运行状态诊断模块,其中所述台区细分模块,用于对面向主题的应用数据进行非监督聚类,确定各台区的台区类型;所述台区运行评分模块,用于针对不同类型的台区结合专家经验,指定不同的指标权重,采用层次分析法、熵权法、TOPSIS相结合的经典量化评分模型,对各台区的运行进行综合评分;所述台区运行状态诊断模块,用于根据各台区的运行综合评分,确定各台区的运行状态。
8.如权利要求7所述的诊断系统,其特征在于,所述台区细分模块中非监督聚类为自组织神经网络模型聚类。
9.如权利要求7所述的诊断系统,其特征在于,所述诊断系统还包括体检报告查看模块,用于查看根据各台区的台区特征、运行综合评分和运行状态,构建的省、市、县、所、台区以及台区经理六个层级的体检报告;
所述体检报告包括:综合结论、指标清单和诊断建议;
所述综合结论给出台区的病症标签和症结指标所在;
所述指标清单给出计量采集、营业管理、客户服务、台区线损、配变运行、台区规划六个维度的运行指标;
所述诊断建议针对异常指标给出明确的整改建议措施。
10.如权利要求7所述的诊断系统,其特征在于,所述诊断系统还包括业务应用模块,用于根据所述预处理后的营销数据和配网数据,进行疑似窃电用户分析、台区失电用户分析、台区失电自动告警、用户报修故障研判、配变运行情况监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811551526.3A CN109740872A (zh) | 2018-12-18 | 2018-12-18 | 一种台区运行状态的诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811551526.3A CN109740872A (zh) | 2018-12-18 | 2018-12-18 | 一种台区运行状态的诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109740872A true CN109740872A (zh) | 2019-05-10 |
Family
ID=66360616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811551526.3A Pending CN109740872A (zh) | 2018-12-18 | 2018-12-18 | 一种台区运行状态的诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740872A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765268A (zh) * | 2019-10-31 | 2020-02-07 | 国网河北省电力有限公司电力科学研究院 | 一种基于客户诉求的配网精准投资策略方法 |
CN111401687A (zh) * | 2020-02-14 | 2020-07-10 | 重庆国翰能源发展有限公司 | 功率模块故障诊断方法、装置、设备及存储介质 |
CN111694822A (zh) * | 2020-04-30 | 2020-09-22 | 云南电网有限责任公司信息中心 | 一种低压配网运行状态数据采集系统及其采集方法 |
CN112256735A (zh) * | 2020-10-23 | 2021-01-22 | 北京合众伟奇科技股份有限公司 | 一种用电监测方法、装置、计算机设备和存储介质 |
CN112257803A (zh) * | 2020-10-30 | 2021-01-22 | 青岛东软载波科技股份有限公司 | 一种台区故障智能分析方法和系统 |
CN112288303A (zh) * | 2020-11-05 | 2021-01-29 | 国家电网有限公司 | 确定线损率的方式、装置 |
CN112445948A (zh) * | 2019-08-29 | 2021-03-05 | 湖南志辉知识产权有限公司 | 一种配网线变关系数据诊断分析软件系统 |
CN114638554A (zh) * | 2022-05-18 | 2022-06-17 | 国网浙江省电力有限公司 | 营销业务健康指数评价联控方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809658A (zh) * | 2015-04-14 | 2015-07-29 | 华南理工大学 | 一种低压配网台区线损的快速分析方法 |
CN106372747A (zh) * | 2016-08-27 | 2017-02-01 | 天津大学 | 基于随机森林的台区合理线损率估计方法 |
CN106779279A (zh) * | 2016-11-10 | 2017-05-31 | 广东工业大学 | 一种工业用户能效评估方法及系统 |
CN106779341A (zh) * | 2016-11-30 | 2017-05-31 | 广东工业大学 | 一种电力用户用电状况效能评估的方法及系统 |
CN107122881A (zh) * | 2017-03-13 | 2017-09-01 | 国网江苏省电力公司扬州供电公司 | 基于配电台区的综合能效评价系统 |
CN107944747A (zh) * | 2017-12-11 | 2018-04-20 | 国网江苏省电力公司宿迁供电公司 | 一种基于改进主成分分析的低压台区评价方法 |
CN108805433A (zh) * | 2018-05-30 | 2018-11-13 | 国网上海市电力公司 | 一种台区线损精细化管理系统 |
-
2018
- 2018-12-18 CN CN201811551526.3A patent/CN109740872A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809658A (zh) * | 2015-04-14 | 2015-07-29 | 华南理工大学 | 一种低压配网台区线损的快速分析方法 |
CN106372747A (zh) * | 2016-08-27 | 2017-02-01 | 天津大学 | 基于随机森林的台区合理线损率估计方法 |
CN106779279A (zh) * | 2016-11-10 | 2017-05-31 | 广东工业大学 | 一种工业用户能效评估方法及系统 |
CN106779341A (zh) * | 2016-11-30 | 2017-05-31 | 广东工业大学 | 一种电力用户用电状况效能评估的方法及系统 |
CN107122881A (zh) * | 2017-03-13 | 2017-09-01 | 国网江苏省电力公司扬州供电公司 | 基于配电台区的综合能效评价系统 |
CN107944747A (zh) * | 2017-12-11 | 2018-04-20 | 国网江苏省电力公司宿迁供电公司 | 一种基于改进主成分分析的低压台区评价方法 |
CN108805433A (zh) * | 2018-05-30 | 2018-11-13 | 国网上海市电力公司 | 一种台区线损精细化管理系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445948A (zh) * | 2019-08-29 | 2021-03-05 | 湖南志辉知识产权有限公司 | 一种配网线变关系数据诊断分析软件系统 |
CN110765268A (zh) * | 2019-10-31 | 2020-02-07 | 国网河北省电力有限公司电力科学研究院 | 一种基于客户诉求的配网精准投资策略方法 |
CN110765268B (zh) * | 2019-10-31 | 2022-04-22 | 国网河北省电力有限公司电力科学研究院 | 一种基于客户诉求的配网精准投资策略方法 |
CN111401687A (zh) * | 2020-02-14 | 2020-07-10 | 重庆国翰能源发展有限公司 | 功率模块故障诊断方法、装置、设备及存储介质 |
CN111694822A (zh) * | 2020-04-30 | 2020-09-22 | 云南电网有限责任公司信息中心 | 一种低压配网运行状态数据采集系统及其采集方法 |
CN112256735A (zh) * | 2020-10-23 | 2021-01-22 | 北京合众伟奇科技股份有限公司 | 一种用电监测方法、装置、计算机设备和存储介质 |
CN112256735B (zh) * | 2020-10-23 | 2024-04-09 | 北京合众伟奇科技股份有限公司 | 一种用电监测方法、装置、计算机设备和存储介质 |
CN112257803A (zh) * | 2020-10-30 | 2021-01-22 | 青岛东软载波科技股份有限公司 | 一种台区故障智能分析方法和系统 |
CN112288303A (zh) * | 2020-11-05 | 2021-01-29 | 国家电网有限公司 | 确定线损率的方式、装置 |
CN112288303B (zh) * | 2020-11-05 | 2024-04-23 | 国家电网有限公司 | 确定线损率的方式、装置 |
CN114638554A (zh) * | 2022-05-18 | 2022-06-17 | 国网浙江省电力有限公司 | 营销业务健康指数评价联控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740872A (zh) | 一种台区运行状态的诊断方法及系统 | |
CN110362894B (zh) | 配电线路、变压器综合降损及节能计算分析方法及系统 | |
CN107977737A (zh) | 基于mxnet框架深度神经网络的配变负荷预测方法 | |
CN105574652B (zh) | 一种智能配电网规划大数据管控系统及方法 | |
CN102509178B (zh) | 配网设备状态评估系统 | |
WO2023115842A1 (zh) | 一种数据驱动的离线在线一体化配电网仿真系统及方法 | |
CN108959424B (zh) | 一种用于电力系统负荷监测的城市用电地图的操作方法 | |
CN112859822B (zh) | 基于人工智能的设备健康分析及故障诊断的方法及系统 | |
CN105045869B (zh) | 基于多数据中心的自然资源地理空间数据组织方法和系统 | |
CN106204330A (zh) | 一种配电网智能诊断系统 | |
CN108830745A (zh) | 基于监控信息的电网连锁故障诊断、预警、评估系统 | |
CN107679634A (zh) | 一种基于数据可视化的供电故障报修分析和预测的方法 | |
CN104951894A (zh) | 医院疾病管理智能分析和评估系统 | |
CN107609754A (zh) | 一种电网信息系统性能监测系统及方法 | |
CN107038512A (zh) | 一种指标体系建立方法 | |
CN107085164A (zh) | 一种电网故障类型确定方法及装置 | |
CN103632306B (zh) | 一种基于聚类分析的配电网供电区域划分方法 | |
CN107993004A (zh) | 一种用电信息处理系统和方法 | |
CN115908046A (zh) | 基于航站楼bim的可视化配电系统 | |
CN106022976A (zh) | 一种面向需求侧的电力用户分类方法及系统 | |
CN115860694A (zh) | 一种基于即时消息技术的业扩流程管控方法及系统 | |
CN117610214A (zh) | 一种基于动态地理特征的配电网接线智能规划方法 | |
CN111965442A (zh) | 一种数字孪生环境下的能源互联网故障诊断方法及装置 | |
CN116187640B (zh) | 一种基于网格多属性画像体系的配电网规划方法及装置 | |
CN113486586B (zh) | 设备健康状态评估方法、装置、计算机设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190510 |