CN109766517A - 一种用于变电站能效评估的能耗基准修正方法 - Google Patents
一种用于变电站能效评估的能耗基准修正方法 Download PDFInfo
- Publication number
- CN109766517A CN109766517A CN201811443560.9A CN201811443560A CN109766517A CN 109766517 A CN109766517 A CN 109766517A CN 201811443560 A CN201811443560 A CN 201811443560A CN 109766517 A CN109766517 A CN 109766517A
- Authority
- CN
- China
- Prior art keywords
- regression
- substation
- energy consumption
- test
- regression equation
- 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
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012937 correction Methods 0.000 title claims description 12
- 238000011156 evaluation Methods 0.000 title claims description 10
- 238000012360 testing method Methods 0.000 claims abstract description 29
- 238000012417 linear regression Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000001419 dependent effect Effects 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 19
- 230000009021 linear effect Effects 0.000 claims description 10
- 238000012353 t test Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000000692 Student's t-test Methods 0.000 claims description 3
- 238000004378 air conditioning Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 10
- 230000009466 transformation Effects 0.000 abstract description 6
- 230000006872 improvement Effects 0.000 abstract description 5
- 238000000540 analysis of variance Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000009418 renovation Methods 0.000 description 2
- 238000010224 classification analysis Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000009420 retrofitting Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种用于变电站能效评估的能耗基准修正方法，其利用能耗基准对变电站能效提升改造前后进行纵向能效评估。首先分析了能耗基准模型的建立思路，确定采用多元线性回归分析进行建模；在自变量的选择上，只考虑变电站的运行和环境等外部影响因素，忽略变电站设备和建筑等内在影响因素。在实际拟合过程中，采用散点图法和相关系数法首先剔除了CDD、HDD和年负荷形状系数三个自变量，接着用逐步回归法剔除了自变量三相负载不平衡度，最终建立变电站能耗和年供电量、主变年平均负载率、平均功率因数以及母线电压偏差之间的线性回归模型。从检验的结果来看，所建立的变电站能耗基准模型是较为理想的。
Description
技术领域
本发明涉及变电站评估技术领域，特别涉及一种用于变电站能效评估的能耗基准修正方法。
背景技术
现在常用的基于灰色层次分析法的变电站能效评估，该评估为变电站之间的横向评估，无法针对变电站能效提升改造前后进行纵向的能效评估。在对变电站能效提升过改造过程中，面临的一个重要问题是如何评估改造后的节能效果，改造前后变电站能耗的变化一方面是由实施改造措施造成的，另一方面，变电站的运行因素和环境因素都发生了变化，也造成了变电站能耗的变化。在节能效果评估中，应扣除外界因素变化导致的变电站能耗变化部分。因此，需要对变电站能耗基准进行研究，为变电站能效改造提供节能效果评估的基准参考。
发明内容
针对上述问题，本发明分析了变电站能耗基准模型的建立思路，对变电站能耗影响因素进行筛选，然后采用多元线性回归分析方法拟合变电站能耗基准方程，并通过显著性检验验证所建立模型的准确性。
本发明具体为一种用于变电站能效评估的能耗基准修正方法，所述能耗基准修正方法具体步骤为：
步骤(1)：确定样本数据来源和相应变电站的信息数据结构；
步骤(2)：确定用于建立变电站能效评估的能耗基准模型的影响因素；
步骤(3)：建立多元线性回归模型；
步骤(4)：利用样本数据对多元回归方程中的常数项和回归系数进行估计；
步骤(5)：对多元回归方程的显著性进行校验；
步骤(6)：采用“逐步回归法”进行自变量的选择；
步骤(7)：确定变电站能耗基准模型；
步骤(8)：对变电站进行能效评估。
所述步骤(1)中变电站的信息数据结构包括变电站的电压等级、地址、年耗电量、年供电量、年负荷形状系数、主变年平均负载率、母线电压偏差、平均功率因数、三相负载不平衡度、空调度日数CDD和采暖度日数HDD；其中，CDD是指在供冷期中，室外逐日平均气温高于室内基准气温的度数之和；HDD是指在采暖期内，室外逐日平均气温低于室内基准气温的度数之和。
所述步骤(2)中的确定用于建立变电站能效评估的能耗基准模型的影响因素，具体为：选择受到变电站外部运行所限制的运行因素和环境因素作为建立变电站能耗基准模型的基础。
所述步骤(3)中的多元线性回归模型为：y＝β0+β1x1+β2x2+…+βpxp+ε，式中，β0,β1,…,βp是p+1个未知参数，β0为回归方程的常数项，β1,…,βp为回归方程的回归系数，y为因变量，x为自变量，ε是回归方程的随机误差，假定得到理论回归方程为E(y)＝β0+β1x1+β2x2+…+βpxp。
所述步骤(4)中利用样本数据对多元回归方程中的常数项和回归系数进行估计，具体为：利用最小二乘估计法求取未知参数β0,β1,…,βp的估计值使得回归方程的离差平方和取值最小，即寻找使式的函数取到最小，上式中，求出的即为回归参数β0,β1,…,βp的最小二乘估计值。
所述步骤(5)中对多元回归方程的显著性进行校验，具体为：
(a)F检验：用于检验自变量xi与因变量y的线性关系总体上是否显著，等价于检验自变量回归系数βi(i＝1,2,…,p)是否同时为零，原假设H0:β1＝β2＝…＝βp＝0，则H1:β1,β2,…,βp不全为零，当H0成立时，则表明因变量y与自变量xi之间的线性关系不存在，F检验通过直接考察回归效果对回归方程显著性进行检验，根据平方和分解式：
式中，表示总平方和，记为SST，为回归平方和，记为SSR，为残差平方和，记为SSE，SSR与回归方程有关，是由x的波动引起，SSE是无法用自变量解释的波动，受x之外未加控制的因素引起，因此回归方程的回归平方和SSR越大回归效果越好；
(b)复判定系数检验：检验方程的总体回归效果，由平方和分解式知，如果回归平方和在总平方和中占比较大，则说明自变量与因变量的线性效果较好，如果残差平方和在总平方和中占比较大，则说明线性回归的效果较差，因此，将复判定系数R2定义为：R2取值范围为[0,1]，取值越大表明拟合效果越好，实际拟合中，R2的值与自变量个数p有关，p的增加会导致R2增大的假象，这种情况下，可加上系数进行调整，使得R2随自变量个数的增大不一定增大，调整后复判定系数为：
(c)回归系数的t检验：用于检验回归系数是否显著，即从统计数据上评价自变量对因变量的影响是否显著，假设H0:βi＝0，如果接受原假设H0，则xi对y的影响不显著，反之显著，构造并计算检验的统计量t：
其中，为回归系数估计值的标准差，当确定显著性水平为α时，根据t检验查表得到显著性水平P值，若P值小于事先确定的显著性水平α，则拒绝原假设，认为βi≠0，即自变量xi对因变量的影响显著。
所述步骤(6)中采用“逐步回归法”进行自变量的选择，具体为：首先将变量逐个带入回归方程，计算加入各个变量后回归方程的F检验值，选取满足显著性水平α的最大者，则将对应的变量引入回归方程；引入新的变量后，对回归方程进行回归系数的t检验，选取不满足显著性水平α的最不重要变量，将其从回归方程剔除。重复以上过程，直到进行F检验时没有满足显著性水平的自变量引入，且进行t检验时也无不满足显著性水平的自变量剔除为止。
本发明采用多元线性回归分析模型和逐步回归法，建立变电站能耗和年供电量、主变年平均负载率、平均功率因数以及母线电压偏差之间的线性回归模型，利用能耗基准对变电站能效提升改造前后进行纵向能效评估。
附图说明
图1是本发明能耗基准修正方法的流程图；
图2是变电站年供电量与年耗电量散点图；
图3是变电站三相负载不平衡度与年耗电量散点图；
图4是CDD与变电站年耗电量散点图；
图5是回归标准化残差直方图；
图6是回归标准化残差散点图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细阐述。
如图1所示，所述能耗基准修正方法具体步骤为：步骤(1)：确定样本数据来源和相应变电站的信息数据结构；步骤(2)：确定用于建立变电站能效评估的能耗基准模型的影响因素；步骤(3)：建立多元线性回归模型；步骤(4)：利用样本数据对多元回归方程中的常数项和回归系数进行估计；步骤(5)：对多元回归方程的显著性进行校验；步骤(6)：采用“逐步回归法”进行自变量的选择；步骤(7)：确定变电站能耗基准模型；步骤(8)：对变电站进行能效评估。
1、数据来源及基本情况
样本数据包括辽宁鞍山、湖南长沙、湖南湘潭、山西朔州、山西长治以及江苏南京范围内变电站共30座，其中220kV变电站13座，110kV变电站13座，35kV变电站4座。数据不仅包括变电站全年的能耗量，也包括了一些与运行和环境有关的变量。样本数据采集表的数据结构见表1。
表1 变电站能耗和基本信息数据结构
由于本发明统计的变电站能耗和基本信息数据全部为2014年全数据，因此应根据2014年全年气象参数情况计算实际HDD和CDD值，详细计算结果见表2。其中，HDD的基准温度为室外19℃；CDD基准温度为室外25℃。
表2 2014年相关城市HDD和CDD计算结果
2、自变量的筛选
在对变电站能耗基准进行拟合回归分析时，自变量的个数并非越多越好。自变量太多则难以满足各自变量之间的独立性，过多的自变量容易造成拟合模型的预测值增大，破坏了模型的简洁性和稳定性。本发明对自变量的筛选按照以下由粗到细的顺序进行：
(1)通过变电站能耗影响因素的分类分析初步选取自变量；
(2)观测各自变量与因变量分布的散点图；
(3)各自变量与因变量的相关系数分析；
(4)拟合回归分析中采用逐步回归法选取自变量。
通过以上筛选标准对自变量进行选取后，保留对变电站能耗贡献较大的自变量，拟合并建立模型。
对变电站能耗基准的自变量进行初选，经过分析，排除了变电站设备影响因素和建筑影响因素，保留了运行因素和环境因素。在对初选的自变量进行散点图分析时，首先选择变电站年耗电量作为因变量，由于自变量个数较多，需要将每个自变量与因变量的变化趋势进行比较，通过变化趋势来判断是否具选择此自变量。图2-图4给出了部分自变量与因变量的散点图分布。图2是变电站年供电量与年耗电量散点图；图3是变电站三相负载不平衡度与年耗电量散点图；图4是CDD与变电站年耗电量散点图。
从图2中可以看出，各样本变电站年供电量越大，总体上其耗电量越高，两者表现出线性正相关关系，可以选定年供电量作为候选自变量。分析图3的散点图可以得到相似的结果。对于图4所示的CDD和年耗电量散点图，由于样本数据的局限性，只包含了六个地区的变电站数据，从散点图无法看出变量具有线性相关关系，因此予以剔除。表3给出了经过散点图观测后的自变量选择情况。
表3 自变量的保留和剔除情况
对保留的自变量，依次计算其与因变量的皮尔逊相关系数，计算结果如表4所示。分析该表可知，除年负荷形状系数外，所选自变量与因变量之间均具有较高的线性相关性，因此，剔除年负荷形状系数，保留余下变量。另外，平均功率因数与因变量之间呈负相关性，即平均功率因数越大，变电站能耗越小。
表4 各自变量与因变量的相关性分析
经过散点图和相关系数分析，确定参加变电站能耗基准模型分析的待选自变量如下：年供电量，万kWh；主变年平均负载率，％；母线电压偏差，％；平均功率因数；三相负载不平衡度，％。
3、能耗基准的拟合及检验
用逐步回归法，剔除P值显著性检验不合格的自变量——三相负载不平衡度。建立的变电站能耗基准模型摘要见表5，回归系数见表6，方差分析表(ANOVA)见表7，残差统计见表8。
表5 变电站能耗基准模型摘要
表6 回归系数表
表7 ANOVA
表8 残差统计
(1)回归方程。从回归系数表5可以看到，所拟合的变电站能耗基准模型为：
式中，为变电站能耗拟合值，万kWh；X1为年供电量，万kWh；X2为主变年平均负载率，％；X3为平均功率因数；X4为母线电压偏差，％。回归系数表示若其它自变量保持不变，年供电量每增加1万kWh，变电站年能耗将平均增加0.001万kWh；表示若其它自变量保持不变，主变年平均负载率每增加1％，变电站年能耗平均增加4.349万kWh；表示若其它自变量保持不变，平均功率因数每增加0.001，变电站年能耗平均减少3.031万kWh；表示若其它自变量保持不变，母线电压偏差每增加1％，变电站年能耗平均增加56.627万kWh。
(2)标准化回归系数。从标准化回归系数可以看到， 因此标准化回归方程为：
比较标准化回归系数可以看到，年供电量对变电站能耗的影响最大，其次分别是平均功率因数、主变年平均负载率、母线电压偏差。
(3)回归方程与回归系数的检验。从回归系数的t检验及其P值(显著性水平)计算结果看：其P值＝0.042；其P值＝0.010；其P值＝0.006；其P值＝0.012。P值均小于0.05，即拒绝H0:βi＝0的原假设，这说明四个自变量对变电站能耗均有显著的影响。
从ANOVA表可以看到，F检验统计量＝19.922，P值＝0.000，即拒绝H0:β1＝β2＝β3＝β4＝0的原假设，统计检验表明回归方程的线性关系显著。
(4)拟合优度检验。从R2＝0.761，看，通过年供电量、三相负载不平衡度、主变年平均负载率和母线电压偏差可以解释76.1％的变电站能耗差异。
(5)残差分析。从回归标准化残差直方图来看，回归方程的残差项基本符合正态分布，如图5；从图6回归标准化残差散点图来看，所有的点都几乎在45度线上，这是最为理想的结果，同样证明了变电站能耗基准模型的拟合效果很好。
4、变电站能效评估
下表9为改造前后的能耗信息统计值，其中，基期为能效提升改造措施实施前的时间段；统计期为能效提升措施实施后的时间段。时间跨度均为1年。将基期和统计期各自变量值分别带入能耗基准方程，求得能耗基准值分别为505.313万kWh和414.966万kWh。
表9 变电站改造前后的能耗信息统计
在评估崔家变改造后的节能效果时，节能量并不是等于基期能耗实测值与统计期能耗实测值之差，而应该排除由于外部因素变化(年供电量、主变年平均负载率、平均功率因数和母线电压偏差)导致的统计期能耗的变化。因此，根据基准能耗对统计期能耗进行修正：统计期能耗修正值＝统计期能耗实测值+(基期能耗基准值-统计期能耗基准值)。据此可计算出崔家变改造后统计期能耗修正值为411.377+(505.313-414.966)＝501.724万kWh，则修正后的能耗率为0.439％，能耗率下降0.062个百分点，从能耗率的角度看，崔家变实施能效提升改造后，能效提升了0.062个百分点。而从表9可计算出未修正时能耗率下降0.141个百分点，其中一部分为变电站运行和环境因素变化导致的能耗下降，另一部分为实施节能改造造成的能效提升，可见采用能耗基准修正后，排除了外界因素变化的影响，所得的评估结果更加准确合理。
最后应该说明的是，结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到，本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换，但这些修改或变更均在申请待批的权利要求保护范围之中。
Claims (7)
1.一种用于变电站能效评估的能耗基准修正方法，其特征在于，所述能耗基准修正方法具体步骤为：
步骤(1)：确定样本数据来源和相应变电站的信息数据结构；
步骤(2)：确定用于建立变电站能效评估的能耗基准模型的影响因素；
步骤(3)：建立多元线性回归模型；
步骤(4)：利用样本数据对多元回归方程中的常数项和回归系数进行估计；
步骤(5)：对多元回归方程的显著性进行校验；
步骤(6)：采用“逐步回归法”进行自变量的选择；
步骤(7)：确定变电站能耗基准模型；
步骤(8)：对变电站进行能效评估。
2.根据权利要求1所述的一种用于变电站能效评估的能耗基准修正方法，其特征在于，所述步骤(1)中变电站的信息数据结构包括变电站的电压等级、地址、年耗电量、年供电量、年负荷形状系数、主变年平均负载率、母线电压偏差、平均功率因数、三相负载不平衡度、空调度日数CDD和采暖度日数HDD；其中，CDD是指在供冷期中，室外逐日平均气温高于室内基准气温的度数之和；HDD是指在采暖期内，室外逐日平均气温低于室内基准气温的度数之和。
3.根据权利要求1所述的一种用于变电站能效评估的能耗基准修正方法，其特征在于，所述步骤(2)中的确定用于建立变电站能效评估的能耗基准模型的影响因素，具体为：选择受到变电站外部运行所限制的运行因素和环境因素作为建立变电站能耗基准模型的基础。
4.根据权利要求1所述的一种用于变电站能效评估的能耗基准修正方法，其特征在于，所述步骤(3)中的多元线性回归模型为：y＝β0+β1x1+β2x2+…+βpxp+ε，式中，β0,β1,…,βp是p+1个未知参数，β0为回归方程的常数项，β1,…,βp为回归方程的回归系数，y为因变量，x为自变量，ε是回归方程的随机误差，假定得到理论回归方程为E(y)＝β0+β1x1+β2x2+…+βpxp。
5.根据权利要求1所述的一种用于变电站能效评估的能耗基准修正方法，其特征在于，所述步骤(4)中利用样本数据对多元回归方程中的常数项和回归系数进行估计，具体为：利用最小二乘估计法求取未知参数β0,β1,…,βp的估计值使得回归方程的离差平方和取值最小，即寻找使式的函数取到最小，上式中，求出的即为回归参数β0,β1,…,βp的最小二乘估计值。
6.根据权利要求1所述的一种用于变电站能效评估的能耗基准修正方法，其特征在于，所述步骤(5)中对多元回归方程的显著性进行校验，具体为：
(a)F检验：用于检验自变量xi与因变量y的线性关系总体上是否显著，等价于检验自变量回归系数βi(i＝1,2,…,p)是否同时为零，原假设H0:β1＝β2＝…＝βp＝0，则H1:β1,β2,…,βp不全为零，当H0成立时，则表明因变量y与自变量xi之间的线性关系不存在，F检验通过直接考察回归效果对回归方程显著性进行检验，根据平方和分解式：
式中，表示总平方和，记为SST，为回归平方和，记为SSR，为残差平方和，记为SSE，SSR与回归方程有关，是由x的波动引起，SSE是无法用自变量解释的波动，受x之外未加控制的因素引起，因此回归方程的回归平方和SSR越大回归效果越好；
(b)复判定系数检验：检验方程的总体回归效果，由平方和分解式知，如果回归平方和在总平方和中占比较大，则说明自变量与因变量的线性效果较好，如果残差平方和在总平方和中占比较大，则说明线性回归的效果较差，因此，将复判定系数R2定义为：R2取值范围为[0,1]，取值越大表明拟合效果越好，实际拟合中，R2的值与自变量个数p有关，p的增加会导致R2增大的假象，这种情况下，可加上系数进行调整，使得R2随自变量个数的增大不一定增大，调整后复判定系数为：
(c)回归系数的t检验：用于检验回归系数是否显著，即从统计数据上评价自变量对因变量的影响是否显著，假设H0:βi＝0，如果接受原假设H0，则xi对y的影响不显著，反之显著，构造并计算检验的统计量t：
其中，为回归系数估计值的标准差，当确定显著性水平为α时，根据t检验查表得到显著性水平P值，若P值小于事先确定的显著性水平α，则拒绝原假设，认为βi≠0，即自变量xi对因变量的影响显著。
7.根据权利要求1所述的一种用于变电站能效评估的能耗基准修正方法，其特征在于，所述步骤(6)中采用“逐步回归法”进行自变量的选择，具体为：首先将变量逐个带入回归方程，计算加入各个变量后回归方程的F检验值，选取满足显著性水平α的最大者，则将对应的变量引入回归方程；引入新的变量后，对回归方程进行回归系数的t检验，选取不满足显著性水平α的最不重要变量，将其从回归方程剔除。重复以上过程，直到进行F检验时没有满足显著性水平的自变量引入，且进行t检验时也无不满足显著性水平的自变量剔除为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811443560.9A CN109766517B (zh) | 2018-11-29 | 2018-11-29 | 一种用于变电站能效评估的能耗基准修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811443560.9A CN109766517B (zh) | 2018-11-29 | 2018-11-29 | 一种用于变电站能效评估的能耗基准修正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109766517A true CN109766517A (zh) | 2019-05-17 |
| CN109766517B CN109766517B (zh) | 2022-08-19 |
Family
ID=66450735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811443560.9A Active CN109766517B (zh) | 2018-11-29 | 2018-11-29 | 一种用于变电站能效评估的能耗基准修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109766517B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160598A (zh) * | 2019-11-13 | 2020-05-15 | 浙江中控技术股份有限公司 | 一种基于动态能耗基准的能源预测与能耗管控方法及系统 |
| CN111581845A (zh) * | 2020-05-23 | 2020-08-25 | 利辛县佳辉服饰有限公司 | 一种复杂环境下针织布料延伸性的评估方法 |
| CN111737855A (zh) * | 2020-05-22 | 2020-10-02 | 中国人民解放军陆军防化学院 | 一种基于活动强度的空气呼吸器耗气量预测方法 |
| CN111783213A (zh) * | 2020-07-09 | 2020-10-16 | 沈阳建筑大学 | 一种特大型火车站候车厅的腔体通风设计优化方法及系统 |
| CN111783308A (zh) * | 2020-07-08 | 2020-10-16 | 西南交通大学 | 一种精确预测隧道围岩位移的方法 |
| CN111832174A (zh) * | 2020-07-14 | 2020-10-27 | 国网冀北电力有限公司 | 一种基于多元回归的配线线损率处理方法及装置 |
| CN112258019A (zh) * | 2020-10-19 | 2021-01-22 | 佛山众陶联供应链服务有限公司 | 一种煤耗的评估方法 |
| CN112633528A (zh) * | 2020-12-22 | 2021-04-09 | 国网经济技术研究院有限公司 | 基于支持向量机的电网一次设备运维检修成本确定方法 |
| CN113345525A (zh) * | 2021-06-03 | 2021-09-03 | 谱天（天津）生物科技有限公司 | 一种用于高通量检测中减少协变量对检测结果影响的分析方法 |
| CN117690572A (zh) * | 2023-12-25 | 2024-03-12 | 南京天溯自动化控制系统有限公司 | 一种基于多元回归的ct使用时间风险预测方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024761A (zh) * | 2011-09-26 | 2013-04-03 | 艾默生网络能源有限公司 | 基站能耗模型建立方法、能耗预测方法及装置 |
| US20130173220A1 (en) * | 2006-03-17 | 2013-07-04 | Canberra Industries, Inc. | Radiation Analysis System and Method |
| CN105225033A (zh) * | 2015-09-08 | 2016-01-06 | 国家电网公司 | 一种基于层次分析法的变电站能效评估方法 |
| CN107274047A (zh) * | 2017-04-24 | 2017-10-20 | 国网江西省电力公司赣州供电分公司 | 一种基于多级可拓评价法的电网项目后评价方法 |
-
2018
- 2018-11-29 CN CN201811443560.9A patent/CN109766517B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130173220A1 (en) * | 2006-03-17 | 2013-07-04 | Canberra Industries, Inc. | Radiation Analysis System and Method |
| CN103024761A (zh) * | 2011-09-26 | 2013-04-03 | 艾默生网络能源有限公司 | 基站能耗模型建立方法、能耗预测方法及装置 |
| CN105225033A (zh) * | 2015-09-08 | 2016-01-06 | 国家电网公司 | 一种基于层次分析法的变电站能效评估方法 |
| CN107274047A (zh) * | 2017-04-24 | 2017-10-20 | 国网江西省电力公司赣州供电分公司 | 一种基于多级可拓评价法的电网项目后评价方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160598A (zh) * | 2019-11-13 | 2020-05-15 | 浙江中控技术股份有限公司 | 一种基于动态能耗基准的能源预测与能耗管控方法及系统 |
| CN111737855B (zh) * | 2020-05-22 | 2023-10-17 | 中国人民解放军陆军防化学院 | 一种基于活动强度的空气呼吸器耗气量预测方法 |
| CN111737855A (zh) * | 2020-05-22 | 2020-10-02 | 中国人民解放军陆军防化学院 | 一种基于活动强度的空气呼吸器耗气量预测方法 |
| CN111581845A (zh) * | 2020-05-23 | 2020-08-25 | 利辛县佳辉服饰有限公司 | 一种复杂环境下针织布料延伸性的评估方法 |
| CN111783308A (zh) * | 2020-07-08 | 2020-10-16 | 西南交通大学 | 一种精确预测隧道围岩位移的方法 |
| CN111783213A (zh) * | 2020-07-09 | 2020-10-16 | 沈阳建筑大学 | 一种特大型火车站候车厅的腔体通风设计优化方法及系统 |
| CN111783213B (zh) * | 2020-07-09 | 2023-10-24 | 沈阳建筑大学 | 一种特大型火车站候车厅的腔体通风设计优化方法及系统 |
| CN111832174A (zh) * | 2020-07-14 | 2020-10-27 | 国网冀北电力有限公司 | 一种基于多元回归的配线线损率处理方法及装置 |
| CN111832174B (zh) * | 2020-07-14 | 2024-01-12 | 国网冀北电力有限公司 | 一种基于多元回归的配线线损率处理方法及装置 |
| CN112258019A (zh) * | 2020-10-19 | 2021-01-22 | 佛山众陶联供应链服务有限公司 | 一种煤耗的评估方法 |
| CN112633528A (zh) * | 2020-12-22 | 2021-04-09 | 国网经济技术研究院有限公司 | 基于支持向量机的电网一次设备运维检修成本确定方法 |
| CN113345525A (zh) * | 2021-06-03 | 2021-09-03 | 谱天（天津）生物科技有限公司 | 一种用于高通量检测中减少协变量对检测结果影响的分析方法 |
| CN117690572A (zh) * | 2023-12-25 | 2024-03-12 | 南京天溯自动化控制系统有限公司 | 一种基于多元回归的ct使用时间风险预测方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109766517B (zh) | 2022-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109753684B (zh) | 一种用于变电站能耗基准修正的多元线性回归建模方法 | |
| CN109766517B (zh) | 一种用于变电站能效评估的能耗基准修正方法 | |
| CN110555596B (zh) | 一种基于配电物资质量评价的抽检策略制定方法及系统 | |
| CN105022019B (zh) | 单相智能电能表可靠性综合评价的方法 | |
| CN107609783B (zh) | 一种基于数据挖掘的智能电能表综合性能进行评估的方法及系统 | |
| 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 | |
| CN109378823A (zh) | 一种电压暂降水平的综合评估方法 | |
| CN104992010B (zh) | 一种基于拓扑分区的多断面联合参数估计方法 | |
| CN109375143B (zh) | 一种确定智能电能表剩余寿命的方法 | |
| CN112801135B (zh) | 一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备 | |
| CN113884975A (zh) | 一种基于改进动态线损估计的超差电表检测方法 | |
| CN102357933A (zh) | 一种基于橡胶混炼过程的质量实时监控方法 | |
| CN107358542A (zh) | 一种励磁系统性能评估模型的参数确定方法 | |
| CN105843870A (zh) | 重复性和再现性的分析方法及其应用 | |
| CN110866691A (zh) | 一种孤立批智能电能表的分阶段与分层抽样方法 | |
| CN110764040B (zh) | 一种用于确定自动化检定系统误差测量功能的方法及系统 | |
| CN112966972A (zh) | 一种基于组合赋权topsis的线损数据处理方法、装置、介质 | |
| CN103632013B (zh) | 基于主成分回归分析的晶粒尺寸影响无取向硅钢磁性能的分析方法 | |
| CN102156783A (zh) | 电力系统仿真精度综合评估方法 | |
| CN109193639B (zh) | 一种电力系统抗差估计方法 | |
| CN104267270B (zh) | 基于向量相似性的变压器关键参量提取方法 | |
| CN107944466B (zh) | 一种基于分段思想的降雨偏差纠正方法 | |
| CN114624526A (zh) | 一种评估电表可靠性的步进应力加速寿命测试方法 | |
| CN114139932A (zh) | 一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法 | |
| CN109213963A (zh) | 一种激光沉积成型钛合金疲劳寿命统计分析方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |