CN109768540B - 基于大数据分析的配电网停电优化排期方法 - Google Patents
基于大数据分析的配电网停电优化排期方法 Download PDFInfo
- Publication number
- CN109768540B CN109768540B CN201811255049.6A CN201811255049A CN109768540B CN 109768540 B CN109768540 B CN 109768540B CN 201811255049 A CN201811255049 A CN 201811255049A CN 109768540 B CN109768540 B CN 109768540B
- Authority
- CN
- China
- Prior art keywords
- power failure
- distribution network
- tolerance
- power
- line
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000009826 distribution Methods 0.000 title claims abstract description 52
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 238000012423 maintenance Methods 0.000 claims abstract description 36
- 230000005611 electricity Effects 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000012512 characterization method Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000012271 agricultural production Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于大数据分析的配电网停电优化排期方法,属于电网系统技术领域,包括如下步骤:步骤一、配电网负荷数据提取;步骤二、利用K‑means方法进行线路负荷特征曲线拟合;步骤三、利用Matlab的K‑means算法对10kV线路多年的负荷数据进行聚类拟合,得出该条线路的负荷拟合曲线;步骤四、提取适宜停电检修时间区段;步骤五、根据停电对用户的影响程度,将停电影响产生的表征耐受度划分为五个等级;步骤六、提取国网公司营销部SG186系统中关于用户用电性质的定义,将用户用电性质归纳为9类;步骤七、基于层次分析法的停电耐受度评价;步骤八、配电网停电计划优化排期。
Description
技术领域
本发明属于电网系统技术领域,尤其涉及一种基于大数据分析的配电网停电优化排期方法。
背景技术
近年来,随着“数字化道路”建设的不断深入,对大型城市配电网的供电品质要求日益提高,而停电成为影响用户体验的最重要方面。目前,配电网计划停电安排主要以运检、业扩和基建等工程项目需求和进度为依据,还存在着重复停多、停电时间长、停电安排与用户接受程度不匹配等掣肘问题,停电计划的安排主要依靠人员经验,缺乏技术手段。有必要针对配电网停电计划安排的不足,建立一套能综合考量配网停电的经济性和社会影响性的优化排期方法,满足人民日益增长的供电稳定需求。
发明内容
针对现有技术存在的问题,本发明提出一种基于大数据分析的配电网停电优化排期方法,利用大数据的工具方法,挖掘电网运行和用户信息数据规律和价值,综合得出一种综合考虑停电的经济性和社会影响性的配电网停电计划优化排期方法。采用K‐means算法对调度自动化系统中10kV线路负荷数据进行聚类曲线拟合,得出每条线路的年负荷特征曲线,选取波谷区段为适宜检修区段,从而考量了停电的经济性,降低电力公司和用户的停电损失;再运用层次分析法(AHP)分析用户信息数据,建立层次分析模型,从停电的安全性、经济性和社会影响性三个方面较量对不同用电性质的用户的“停电耐受度”,从工作日和休息日两个维度校核用户对停电的接受程度,选取停电耐受度高的作为停电时段,从而考量停电的社会影响性。两者取交集后得出综合考量了停电的经济性和社会影响性的配电网停电计划日历,用以反向约束电网工程项目进度需求,改变传统停电计划安排模式,实现停电计划排期的主动化和智能化。
本发明的目的之一在于提供一种基于大数据分析的配电网停电优化排期方法,包括如下步骤:
步骤一、配电网负荷数据提取;
步骤二、利用K‐means方法进行线路负荷特征曲线拟合;
步骤三、利用Matlab的K‐means算法对10kV线路多年的负荷数据进行聚类拟合,得出该条线路的负荷拟合曲线;
步骤四、提取适宜停电检修时间区段;具体为:
根据线路停电检修的规律,得出线路年度负荷拟合特征曲线后,选取波形平滑的波谷区域为适宜检修时间区段,该区段不大于30天,若不足30天,则选取其他波谷区段进行填补;
步骤五、根据停电对用户的影响程度,将停电影响产生的表征耐受度划分为五个等级;
步骤六、提取国网公司营销部SG186系统中关于用户用电性质的定义,将用户用电性质归纳为9类;
步骤七、基于层次分析法的停电耐受度评价;
步骤八、配电网停电计划优化排期;
利用K‐means方法分析配电网运行数据而得到的考量停电经济性的适宜检修区段,与利用层次分析法得出的考量停电社会影响性的适宜检修特征区段,两者取交集后得出配电线路适宜检修期,并形成配电网适宜停电检修日历。
进一步:所述步骤一具体为:针对于10kV线路负荷,采用线上收集的方式从调度自动化
系统上获取五年内的周期数据,上述周期数据的数据频率为五分钟。
进一步:所述步骤二具体为:
第一步,初始化,输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在对象集X中随机选取N个对象作为初始聚类中心;设定迭代中止条件,比如最大循环次数或者聚类中心收敛误差容限;
第二步,进行迭代,根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类,初始化隶属度矩阵;更新聚类中心;然后以每一类的平均向量作为新的聚类中心,重新分配数据对象;
第三步,重复执行第二步直至满足中止条件。
进一步:所述步骤七具体为:
第一步、构造判断矩阵,
判断矩阵是指针对某一个父指标A,假设它拥有n个子指标,将这n个子指标之间的相对重要程度用矩阵表示出来,称为判断矩阵;判断矩阵包含了评价者对于指标重要程度的基本判断,是进行权重计算的根据;判断矩阵的形式如下:
式中,bij(i=1,2,…,n;j=1,2,…,n)表示第i个指标相对于第j个指标的重要性标度值;其大小采用1~9标度方法给出;
第二步、采用方根法计算指标权重;
③计算各级子指标最终权重Wi;
第三步、建立用户停电耐受度层次分析模型;
建立用户停电耐受度层次分析模型,从工作日和休息日两个评价权重指标,从9种用电用电性质、停电安全性、经济性和社会影响性三个方面进行评价;
第四步、用户停电耐受度基准值计算;
运用层次分析法计算出不用用电性质用户的工作日、休息日相对停电耐受度基准值;
第五步、线路停电耐受度特征;
用户的停电耐受度值为该用户的容量与工作日或休息日的停电耐受度系数之积,线路的停电耐受度为该线路全部用户的停电耐受度之和;分别得出该条线路的工作日和休息日的停电耐受度值,两者进行比较,耐受度值较高的为适宜停电检修特征区段。
本发明的目的之二在于提供一种实现基于大数据分析的配电网停电优化排期方法的计算机程序。
本发明的目的之三在于提供一种实现基于大数据分析的配电网停电优化排期方法的信息数据处理终端。
本发明的目的之四在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行基于大数据分析的配电网停电优化排期方法。
综上所述,本发明的优点及积极效果为:
本发明利用大数据的工具方法,挖掘电网运行和用户信息数据规律和价值,综合得出一种综合考虑停电的经济性和社会影响性的配电网停电计划优化排期方法。采用K‐means算法对调度自动化系统中10kV线路负荷数据进行聚类曲线拟合,得出每条线路的年负荷特征曲线,选取波谷区段为适宜检修区段,从而考量了停电的经济性,降低电力公司和用户的停电损失;再运用层次分析法(AHP)分析用户信息数据,建立层次分析模型,从停电的安全性、经济性和社会影响性三个方面较量对不同用电性质的用户的“停电耐受度”,从工作日和休息日两个维度校核用户对停电的接受程度,选取停电耐受度高的作为停电时段,从而考量停电的社会影响性。两者取交集后得出综合考量了停电的经济性和社会影响性的配电网停电计划日历,用以反向约束电网工程项目进度需求,改变传统停电计划安排模式,实现停电计划排期的主动化和智能化。本方法在国网天津东丽公司进行了试用和推广,2017年实现了配电网重复停电次数同比降低36.35%,停电户时数同比降低62.68%,极大地减少了停电损失,提高了用户供电可靠性和服务满意度。
附图说明
图1为本发明优选实施例中K‐means算法聚类;
图2为本发明优选实施例中线路负荷拟合特征曲线;
图3为本发明优选实施例中停电耐受度层次分析模型。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1至图3,一种基于大数据分析的配电网停电优化排期方法,包括如下步骤:
1、配电网停电计划经济性优化排期策略。影响配电网停电经济性的主要考量停电产生的电量损失,而每日配电线路的负荷大小具有随机性,同时具有一定的规律。
1.1 配电网负荷数据提取。对配电网负荷数据提取需求主要见下表:
表1、配电网负荷数据提取需求条件
序号 | 数据项名称 | 收集方式 | 来源系统 | 数据时间范围 | 数据频度 |
1 | 10kV线路负荷 | 线上 | 调度自动化系统 | 5年 | 五分钟 |
1.2 原始数据处理
利用excle软件编写公式对线路负荷数据进行处理,通过纠正错误、删除重复项、统一规格、修正逻辑、转换构造、数据压缩、补足残缺/空值、丢弃数据/变量,实现数据的完整性、唯一性、权威性、合法性和一致性的校验。
1.3 利用K‐means方法进行线路负荷特征曲线拟合
(1)K‐means原理:
第一步,初始化。输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在X中随机选取N个对象作为初始聚类中心。设定迭代中止条件,比如最大循环次数或者聚类中心收敛误差容限。
第二步,进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类。初始化隶属度矩阵。更新聚类中心。然后以每一类的平均向量作为新的聚类中心,重新分配数据对象。
第三步,反复执行第二步直至满足中止条件。
(2)利用Matlab软件中自带的K‐means算法对10kV线路多年的负荷数据进行聚类拟合,得出该条线路的负荷拟合曲线。
1.4 提取适宜停电检修时间区段。
按照线路停电检修的规律,需要一年内有30天左右的停电窗口期,约占全年的8.3%。得出线路年度负荷拟合特征曲线后,选取波形平滑的波谷区域为适宜检修时间区段,该区段不大于30天。若不足30天,则可以选取其他波谷区段进行填补。综合得出考量了停电经济性影响的适宜检修区段。
2、配电网停电计划社会影响性优化排期策略。影响配电网停电社会影响性的主要考量停电时停电用户对停电的接受程度。
2.1 停电耐受度指标定义:指用户对停电的接受程度,分为1‐5分,得分越高表征耐受度越高,越能够接受停电。
表2、用户停电耐受度分级
2.2 用户用电性质划分
提取国网公司营销部SG186系统中关于用户用电性质的定义,将用户用电性质归纳为9类。
表3、用户用电性质划分
2.3 基于层次分析法(AHP)的停电耐受度评价
(1)构造判断矩阵
判断矩阵是指针对某一个父指标A,假设它拥有n个子指标,将这n个子指标之间的相对重要程度用矩阵表示出来,称为判断矩阵。判断矩阵包含了评价者对于指标重要程度的基本判断,是进行权重计算的根据,由多位业内专家共同商讨确定。形式如下:
式中,bij(i=1,2,…,n;j=1,2,…,n)表示第i个指标相对于第j个指标的重要性标度值。其大小通常采用1~9标度方法给出,如表4所示。
表4层次分析法1~9标度含义
(2)采用方根法计算指标权重
③计算各级子指标最终权重Wi。
各层级判断矩阵、单层次权重、最终权重。
(3)建立用户停电耐受度层次分析模型
建立用户停电耐受度层次分析模型,从工作日和休息日两个评价权重指标,从9种用电用电性质、停电安全性、经济性和社会影响性三个方面进行评价。
(4)用户停电耐受度基准值计算
运用层次分析法计算出不用用电性质用户的工作日、休息日相对停电耐受度基准值。由于相对重要性赋值采用专家法,具有随机性,本研究中,选取了营销用电检查专业、大客户经理专业、计量专业、运检部配电运行、配电抢修、调控运行、调控停电计划等7个专业,每个专业3名专家进行打分,分别进行层次分析模型计算,取平均值,得出用户停电耐受度基准值。
表5、9种用户用电性质耐受表
序号 | 停电类型 | 工作日耐受度系数 | 休息日耐受度系数 |
1 | 普通工业 | 0.2951 | 0.7049 |
2 | 大工业用电 | 0.1795 | 0.8205 |
3 | 非工业用电 | 0.2835 | 0.7165 |
4 | 商业用电 | 0.8292 | 0.1708 |
5 | 农业生产用电 | 0.6996 | 0.3004 |
6 | 非居民照明 | 0.6259 | 0.3741 |
7 | 城镇居民生活用电 | 0.6152 | 0.3848 |
8 | 乡村居民生活用电 | 0.6077 | 0.3923 |
9 | 中小学教学用电 | 0.1795 | 0.8205 |
(5)线路停电耐受度特征
用户的停电耐受度值为该用户的容量与工作日或休息日的停电耐受度系数之积,线路的停电耐受度为该线路全部用户的停电耐受度之和。可以分别得出该条线路的工作日和休息日的停电耐受度值,两者进行比较,耐受度值较高的为适宜停电检修特征区段。
3.配电网停电计划优化排期
基于利用K‐means方法分析配电网运行数据而得到的考量停电经济性的适宜检修区段,与利用层次分析法得出的考量停电社会影响性的适宜检修特征区段,两者取交集后得出配电线路适宜检修期,并形成配电网适宜停电检修日历。利用该日历指导电网公司停电计划相关的部门合理安排电网检修、基建工程、业扩工程的项目的进度,从而促进综合检修的开展,合理的优化停电计划布局,从而减少重复停电,提高供电服务水平。
一种实现上述优选实施例,即基于大数据分析的配电网停电优化排期方法的计算机程序。
一种实现上述优选实施例,即基于大数据分析的配电网停电优化排期方法的信息数据处理终端。
一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行上述优选实施例,即基于大数据分析的配电网停电优化排期方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于大数据分析的配电网停电优化排期方法,其特征在于:至少包括如下步骤:
步骤一、配电网负荷数据提取;
步骤二、利用K-means方法进行线路负荷特征曲线拟合;
步骤三、利用Matlab的K-means算法对10kV线路多年的负荷数据进行聚类拟合,得出该条线路的负荷拟合曲线;
步骤四、提取适宜停电检修时间区段;具体为:
根据线路停电检修的规律,得出线路年度负荷拟合特征曲线后,选取波形平滑的波谷区域为适宜检修时间区段,该区段不大于30天,若不足30天,则选取其他波谷区段进行填补;
步骤五、根据停电对用户的影响程度,将停电影响产生的表征耐受度划分为五个等级;所述表征耐受度包括:将“不可忍受”划分为1级;将“影响重大”划分为2级;将“影响较大”划分为3级;将“稍有影响”划分为4级;将“完全无影响”划分为5级;
步骤六、提取国网公司营销部SG186系统中关于用户用电性质的定义,将用户用电性质归纳为9类;9类具体为普通工业、大工业用电、非工业用电、商业用电、农业生产用电、非居民照明、城镇居民生活用电、乡村居民生活用电和中小学教学用电;
步骤七、基于层次分析法的停电耐受度评价;具体为:
第一步、构造判断矩阵,
判断矩阵是指针对某一个父指标A,假设它拥有n个子指标,将这n个子指标之间的相对重要程度用矩阵表示出来,称为判断矩阵;判断矩阵包含了评价者对于指标重要程度的基本判断,是进行权重计算的根据;判断矩阵的形式如下:
式中,bij(i=1,2,…,n;j=1,2,…,n)表示第i个指标相对于第j个指标的重要性标度值,当i=j时,bij=1;其大小采用1~9标度方法给出;
第二步、采用方根法计算指标权重;
③计算各级子指标最终权重Wi;
Wi=Wi fatherWi sigle
其中,Wi father为第i个指标的父指标的权重,Wi sigle为第i个指标的单层次权重;
第三步、建立用户停电耐受度层次分析模型;
建立用户停电耐受度层次分析模型,包括工作日和休息日两个评价指标层、影响因素层和目标层;所述影响因素层包括9种用户用电性质的停电安全性、经济性和社会影响性三个方面;
第四步、用户停电耐受度基准值计算;
运用层次分析法计算出不用用电性质用户的工作日、休息日相对停电耐受度基准值;
第五步、线路停电耐受度特征;
用户的停电耐受度值为该用户的容量与工作日或休息日的停电耐受度系数之积,线路的停电耐受度为该线路全部用户的停电耐受度之和;分别得出该条线路的工作日和休息日的停电耐受度值,两者进行比较,耐受度值较高的为适宜停电检修特征区段;
步骤八、配电网停电计划优化排期;
利用K-means方法分析配电网运行数据而得到的考量停电经济性的适宜检修区段,与利用层次分析法得出的考量停电社会影响性的适宜停电检修特征区段,两者取交集后得出配电线路适宜检修期,并形成配电网适宜停电检修日历。
2.基于权利要求1所述的基于大数据分析的配电网停电优化排期方法,其特征在于:所述步骤一具体为:针对于10kV线路负荷,采用线上收集的方式从调度自动化系统上获取五年内的周期数据,上述周期数据的数据频率为五分钟。
3.基于权利要求1所述的基于大数据分析的配电网停电优化排期方法,其特征在于:所述步骤二具体为:
第一步,初始化,输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在对象集X中随机选取N个对象作为初始聚类中心;设定迭代中止条件,比如最大循环次数或者聚类中心收敛误差容限;
第二步,进行迭代,根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类,初始化隶属度矩阵;更新聚类中心;然后以每一类的平均向量作为新的聚类中心,重新分配数据对象;
第三步,重复执行第二步直至满足中止条件。
4.一种实现权利要求1-3任一项所述基于大数据分析的配电网停电优化排期方法的信息数据处理终端。
5.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-3任一项所述的基于大数据分析的配电网停电优化排期方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811255049.6A CN109768540B (zh) | 2018-10-26 | 2018-10-26 | 基于大数据分析的配电网停电优化排期方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811255049.6A CN109768540B (zh) | 2018-10-26 | 2018-10-26 | 基于大数据分析的配电网停电优化排期方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109768540A CN109768540A (zh) | 2019-05-17 |
CN109768540B true CN109768540B (zh) | 2022-07-29 |
Family
ID=66449543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811255049.6A Active CN109768540B (zh) | 2018-10-26 | 2018-10-26 | 基于大数据分析的配电网停电优化排期方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109768540B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465235B (zh) * | 2020-12-01 | 2023-08-04 | 国网浙江杭州市富阳区供电有限公司 | 一种用于降低电量损失的停电区间预测方法 |
CN113327006B (zh) * | 2021-04-20 | 2024-07-02 | 国网浙江省电力有限公司杭州供电公司 | 一种满足差异化可靠性需求的配电网供电恢复系统和方法 |
CN113673791B (zh) * | 2021-10-21 | 2022-02-15 | 华南理工大学 | 基于回溯搜索和交替迭代的电网停电计划编排优化方法 |
CN115577996B (zh) * | 2022-12-12 | 2023-04-07 | 广东电网有限责任公司中山供电局 | 一种电网停电计划的风险评估方法、系统、设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123678A (zh) * | 2014-07-12 | 2014-10-29 | 东北电力大学 | 一种基于状态等级评估模型的电力继电保护状态检修方法 |
CN106157174A (zh) * | 2016-07-21 | 2016-11-23 | 中国南方电网有限责任公司电网技术研究中心 | 以减少停电时间与电量为目标的停电计划优化决策方法 |
-
2018
- 2018-10-26 CN CN201811255049.6A patent/CN109768540B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123678A (zh) * | 2014-07-12 | 2014-10-29 | 东北电力大学 | 一种基于状态等级评估模型的电力继电保护状态检修方法 |
CN106157174A (zh) * | 2016-07-21 | 2016-11-23 | 中国南方电网有限责任公司电网技术研究中心 | 以减少停电时间与电量为目标的停电计划优化决策方法 |
Non-Patent Citations (2)
Title |
---|
Research and Application of Maintenance Schedule Optimization Based on Intelligent Algorithm;LIU Yongmei等;《2011 The International Conference on Advanced Power System Automation and Protection》;20111231;第957-961页 * |
考虑灵活定义约束的配电网检修计划双层优化方法;刘志文等;《电工技术学报》;20180531;第33卷(第10期);第2208-2216页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109768540A (zh) | 2019-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109768540B (zh) | 基于大数据分析的配电网停电优化排期方法 | |
CN107169628B (zh) | 一种基于大数据互信息属性约简的配电网可靠性评估方法 | |
CN109919489B (zh) | 基于企业资产管理系统和ga-bp的企业设备寿命预测方法 | |
CN107862455A (zh) | 一种电力系统云平台建设的主客观混合评估方法 | |
Yan | Research on green suppliers' evaluation based on AHP & genetic algorithm | |
Chen et al. | Genetic algorithm-based design and simulation of manufacturing flow shop scheduling | |
CN110222183A (zh) | 一种供电客户满意度评价模型的构建方法 | |
Song et al. | An stochastic multiattribute acceptability analysis‐based method for the multiattribute project portfolio selection problem with rank‐level information | |
CN114154716B (zh) | 一种基于图神经网络的企业能耗预测方法及装置 | |
CN111339167A (zh) | 基于K-means和主成分线性回归的台区线损率影响因素分析方法 | |
CN117575564A (zh) | 可扩展的基础设施网络组件维修与改造决策评估方法及系统 | |
Wang et al. | A Novel Multi‐Input AlexNet Prediction Model for Oil and Gas Production | |
CN115511297A (zh) | 一种虚拟电厂应用效益评估方法、设备及存储介质 | |
Wu et al. | Machine learning–driven deduction prediction methodology for power grid infrastructure investment and planning | |
CN115689201A (zh) | 面向企业资源供需调配的多准则智能决策优化方法及系统 | |
Ermoliev et al. | Linking distributed sectorial and regional optimization models under asymmetric information: towards robust food-water-energy-environmental nexus | |
CN111445079B (zh) | 一种应用于车间计划投产的多保真仿真优化方法及设备 | |
CN108694527B (zh) | 一种配电网评价方法 | |
CN109767051B (zh) | 基于大数据分析的变压器停电计划安排方法 | |
Shao et al. | Minimizing makespan for parallel batch processing machines with non-identical job sizes using neural nets approach | |
Sun et al. | Analysis of Public Management Performance Evaluation Model Based on Fuzzy DEA Model | |
Wei | Design of Intelligent Transportation Control System Based on Blockchain Technology | |
Ling et al. | Application research of data mining technology in power dispatching management system | |
Chen | [Retracted] Improved Design of Engineering Cost Model Based on Improved Genetic Algorithm | |
Jiao | Human resource allocation method based on multi objective optimization |
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 |