CN109948909A - 一种电网数据采集分析方法及系统 - Google Patents
一种电网数据采集分析方法及系统 Download PDFInfo
- Publication number
- CN109948909A CN109948909A CN201910143439.2A CN201910143439A CN109948909A CN 109948909 A CN109948909 A CN 109948909A CN 201910143439 A CN201910143439 A CN 201910143439A CN 109948909 A CN109948909 A CN 109948909A
- Authority
- CN
- China
- Prior art keywords
- data
- cloud server
- acquisition
- upload
- control platform
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 230000005611 electricity Effects 0.000 claims abstract description 18
- 230000006399 behavior Effects 0.000 claims description 15
- 238000003064 k means clustering Methods 0.000 claims description 15
- 238000004321 preservation Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000009412 basement excavation Methods 0.000 abstract description 2
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000255789 Bombyx mori Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种电网数据采集分析方法及系统，包括如下步骤：控制平台发送指令到智能采集终端启动数据采集终端进行数据采集；云服务器获取智能采集终端采集的数据；云服务器对获取的数据进行分析处理；控制平台发送指令到云服务器，云服务器将分析处理后的数据传输到控制平台进行显示。通过本方法对全网的电量数据进行采集，并对采集的数据保存完整性进行验证，解决由于时间问题，致使人工上报数据不完整、缺乏一致性，部分数据不准确的问题，对海量数据进行数据分析进一步对用户用电价值的挖掘，实现对海量用户用电行为的定量分析，提高用户行为定位的准确性，进一步实现电网负荷的均衡和电网的平稳运行。
Description
技术领域
本发明涉及电网供电技术领域，具体涉及一种电网数据采集分析方法及系统。
背景技术
近年来，随着智能电网的发展，涌现海量的分布式的电能数据。这些海量的电网数据隐藏着许多有价值的信息，包括用户用电行为规律、不同用户的负荷特性等。现有的对用户电量的统计大多是根据省公司上报时间节点需要协调各专业部门分别提供上述数据，由于时间问题，致使上报数据不完整、缺乏一致性，部分数据不准确。造成对电网现状分析不全面，不能及时充分反映电网薄弱环节，无法有针对性安排项目解决问题；从这些数据的分析和研究得到有用的知识，能对供给侧电能质量评估、需求侧用电管理等问题提供用的参考。然而，电网数据的指数级增长对传统的数据存储和数据分析带来很大的挑战。
发明内容
为了克服上述现有技术中的不足，本发明提供一种电网用电数据采集分析方法及系统，以解决上述技术问题。
本发明的技术方案是：
一种电网数据采集分析方法，包括如下步骤：
控制平台发送指令到智能采集终端启动数据采集终端进行数据采集；
云服务器获取智能采集终端采集的数据；
云服务器对获取的数据进行分析处理；
控制平台发送指令到云服务器，云服务器将分析处理后的数据传输到控制平台进行显示。
优选地，云服务器获取智能采集终端采集的数据包括：
控制平台发送数据上传指令到智能采集终端；
智能采集终端接收到数据上传指令后发送数据上传请求到云服务器；
云服务器接收到上传数据请求时创建与上传数据对应的数据项列表；
根据数据项列表将上传数据进行上传保存；
通过查询数据项列表获取上传数据。
优选地，根据数据项列表将上传数据进行上传保存；包括：
将上传数据保存到数据项列表中保存，并验证数据保存的完整性；
若存在异常数据，根据数据项列表中数据项包含的策略信息调整上传数据的保存策略；
根据调整后的保存策略进行数据的上传保存。
优选地，将上传数据保存到数据项列表中保存，并验证数据保存的完整性中，验证数据保存的完整性包括：
控制平台从智能采集终端获取到上传数据的文件信息后将上传数据的文件信息配置成验证码，并将验证码发送到云服务器；
云服务器获取保存到数据项列表中的数据文件信息配置成测试码并接收控制平台发送的验证码，将测试码与验证码进行匹配；
若不匹配，则存在数据保存异常即数据保存不完整。
优选地，根据数据项列表将上传数据进行上传保存；包括：
将当前时间点保存有上传数据的数据项列表存储在数据库中，数据库中存储有不同时间点上传数据对应的数据项列表；
更新数据库对应的元数据信息；
当接收到新上传数据时，根据更新后的数据库对应的元数据信息，创建与新上传数据对应的数据项列表，对新上传数据进行保存。
优选地，云服务器对获取的数据进行分析处理，包括：
对获取的数据进行滤波处理，滤除噪声；
对滤波后的数据进行处理存储；
结合历史存储数据输出电网及用户负荷曲线。
优选地，结合历史存储数据输出电网及用户负荷曲线之后，还包括：
根据输出的电网及用户负荷曲线分析用户用电行为特征与电网负荷特征的匹配关系，确定用户用电行为类型；其中包括：
基于EM算法对云服务器存储的历史一年电网日负荷曲线数据进行聚类分析，根据时间不同得到不同时期电网负荷特征并输出电网负荷特征曲线；
针对每个时期，利用K-means聚类算法分别对海量用户的日负荷曲线数据进行聚类分析得到不同电网特征对应的用户负荷特征并输出用户负荷特征曲线；
对比电网负荷特征曲线与用户负荷特征曲线得到用户的用电行为类型。
优选地，根据EM算法将电网的日负荷曲线分成不同的群体并通过最优聚类评价公式设置聚类结果，通过聚类结果分析得到电网不同日期群体的负荷特征；
最优聚类评价公式：
其中，n表示聚类的个数，n∈[1,5]，Vi、Vm分别为第i类和第m类的类中心，ki表示第i类的样本数量，xij表示第i类的第j个样本，||*||为范数，欧式距离的度量，为排列组合式；
根据K-means聚类算法对每一类电网群体下所有日期的用户的日负荷曲线数据进行聚类分析，得到用户群体的负荷特征；
对比电网负荷特征曲线与用户群体的负荷特征曲线得到用户群体的用电行为类型。
本发明技术方案还提供一种电网数据采集分析系统，包括：电能采集终端、云服务器及控制平台；
智能采集终端，用于采集用户用电信息并对采集的原始数据进行处理后存储；
所述电能采集终端分别与云服务器和控制平台连接，所述云服务器与控制平台连接；云服务器，用于通过控制平台控制获取智能采集终端存储的数据；
云服务器，还用于对获取的数据进行验证及分析处理后进行存储和/或传输到控制平台进行输出显示；
云服务器包括获取模块、滤波模块、分析处理模块和存储模块；
获取模块，用于接收控制平台的指令获取电能采集终端的采集数据；
滤波模块，用于对获取的数据进行滤波去噪处理；
分析处理模块，用于通过相关算法存储的数据进行统计分析得到用户的用电行为类型。
优选地，所述的相关算法包括EM聚类算法、K-means聚类算法；
基于EM算法对云服务器存储的历史一年电网日负荷曲线数据进行聚类分析，根据时间不同得到不同时期电网负荷特征并输出电网负荷特征曲线；
针对每个时期，利用K-means聚类算法分别对海量用户的日负荷曲线数据进行聚类分析得到不同电网特征对应的用户负荷特征并输出用户负荷特征曲线。
从以上技术方案可以看出，本发明具有以下优点：通过本方法对全网的电量数据进行采集，并对采集的数据保存完整性进行验证，解决由于时间问题，致使人工上报数据不完整、缺乏一致性，部分数据不准确的问题，对海量数据进行数据分析进一步对用户用电价值的挖掘，实现对海量用户用电行为的定量分析，提高用户行为定位的准确性，进一步实现电网负荷的均衡和电网的平稳运行。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。
附图说明
图1为一种电网数据采集分析方法流程示意图。
具体实施方式
下面结合附图并通过具体实施例对本发明进行详细阐述，以下实施例是对本发明的解释，而本发明并不局限于以下实施方式。
实施例一
如图1所示，一种电网数据采集分析方法，包括如下步骤：
S1：控制平台发送指令到智能采集终端启动数据采集终端进行数据采集；
本步骤中，智能采集终端数量为若干个，智能采集终端可以包括用户电量采集终端、电网运行状态采集终端；
S2：云服务器获取智能采集终端采集的数据；
需要说明的是，本步骤包括：
S21：控制平台发送数据上传指令到智能采集终端；
S22：智能采集终端接收到数据上传指令后发送数据上传请求到云服务器；
S23：云服务器接收到上传数据请求时创建与上传数据对应的数据项列表；
S24：根据数据项列表将上传数据进行上传保存；
需要说明的是，本步骤包括：
将上传数据保存到数据项列表中保存，并验证数据保存的完整性；
其中，验证数据的完整性，具体包括：
控制平台从智能采集终端获取到上传数据的文件信息后将上传数据的文件信息配置成验证码，并将验证码发送到云服务器；
云服务器获取保存到数据项列表中的数据文件信息配置成测试码并接收控制平台发送的验证码，将测试码与验证码进行匹配；
若不匹配，则存在数据保存异常即数据保存不完整。
数据完整性验证过程，若判断存在异常数据，根据数据项列表中数据项包含的策略信息调整上传数据的保存策略；
根据调整后的保存策略进行数据的上传保存。
需要说明的是，将当前时间点保存有上传数据的数据项列表存储在数据库中，数据库中存储有不同时间点上传数据对应的数据项列表；
更新数据库对应的元数据信息；
当接收到新上传数据时，根据更新后的数据库对应的元数据信息，创建与新上传数据对应的数据项列表，对新上传数据进行保存。
S25：通过查询数据项列表获取上传数据。
S3：云服务器对获取的数据进行分析处理；
需要说明的是，对获取的数据进行滤波处理，滤除噪声；
对滤波后的数据进行处理存储；
结合历史存储数据输出电网及用户负荷曲线；
根据输出的电网及用户负荷曲线分析用户用电行为特征与电网负荷特征的匹配关系，确定用户用电行为类型；其中包括：
基于EM算法对云服务器存储的历史一年电网日负荷曲线数据进行聚类分析，根据时间不同得到不同时期电网负荷特征并输出电网负荷特征曲线；
针对每个时期，利用K-means聚类算法分别对海量用户的日负荷曲线数据进行聚类分析得到不同电网特征对应的用户负荷特征并输出用户负荷特征曲线；
在这里需要说明的是，每个群体内的日期具备相似的负荷曲线特征，进一步的也就是说，不同群体之间的日期的负荷曲线差异比较大。
最优聚类评价公式：
其中，n表示聚类的个数，n∈[1,5]，Vi、Vm分别为第i类和第m类的类中心，ki表示第i类的样本数量，xij表示第i类的第j个样本，||*||为范数，欧式距离的度量，为排列组合式。
根据K-means聚类算法对每一类电网群体下所有日期的用户的日负荷曲线数据进行聚类分析，得到用户群体的负荷特征；
对比电网负荷特征曲线与用户群体的负荷特征曲线得到用户群体的用电行为类型。
S4：控制平台发送指令到云服务器，云服务器将分析处理后的数据传输到控制平台进行显示。
实施例二
本发明技术方案还提供一种电网用电数据采集分析系统，包括：电能采集终端、云服务器及控制平台；
智能采集终端，用于采集用户用电信息并对采集的原始数据进行处理后存储；
所述电能采集终端分别与云服务器和控制平台连接，所述云服务器与控制平台连接；云服务器，用于通过控制平台控制获取智能采集终端存储的数据；
云服务器，还用于对获取的数据进行验证及分析处理后进行存储和/或传输到控制平台进行输出显示；
云服务器包括获取模块、滤波模块、分析处理模块和存储模块；
获取模块，用于接收控制平台的指令获取电能采集终端的采集数据；
滤波模块，用于对获取的数据进行滤波去噪处理；
分析处理模块，用于通过相关算法存储的数据进行统计分析得到用户的用电行为类型。
所述的相关算法包括EM聚类算法、K-means聚类算法
基于EM算法对云服务器存储的历史一年电网日负荷曲线数据进行聚类分析，根据时间不同得到不同时期电网负荷特征并输出电网负荷特征曲线；
针对每个时期，利用K-means聚类算法分别对海量用户的日负荷曲线数据进行聚类分析得到不同电网特征对应的用户负荷特征并输出用户负荷特征曲线；
在这里需要说明的是，每个群体内的日期具备相似的负荷曲线特征，进一步的也就是说，不同群体之间的日期的负荷曲线差异比较大。
最优聚类评价公式：
其中，n表示聚类的个数，n∈[1,5]，Vi、Vm分别为第i类和第m类的类中心，ki表示第i类的样本数量，xij表示第i类的第j个样本，||*||为范数，欧式距离的度量，为排列组合式。
根据K-means聚类算法对每一类电网群体下所有日期的用户的日负荷曲线数据进行聚类分析，得到用户群体的负荷特征；
对比电网负荷特征曲线与用户群体的负荷特征曲线得到用户群体的用电行为类型。
本实施例中提到的EM算法指的是最大期望算法(Expectation MaximizationAlgorithm，又译期望最大化算法)，是一种迭代算法，用于含有隐变量(latent variable)的概率参数模型的最大似然估计或极大后验概率估计。
K-means聚类算法是一种被广泛应用于科学研究的经典聚类算法，本实施例蚕蛹的是改进后的分布式K-means聚类算法，首先是局部聚类分析，也就是每个节点对本节点的数据集进行聚类分析，然后将各节点的聚类结果进行汇总得到全局聚类。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种电网数据采集分析方法，其特征在于，包括如下步骤：
控制平台发送指令到智能采集终端启动数据采集终端进行数据采集；
云服务器获取智能采集终端采集的数据；
云服务器对获取的数据进行分析处理；
控制平台发送指令到云服务器，云服务器将分析处理后的数据传输到控制平台进行显示。
2.根据权利要求1所述的一种电网数据采集分析方法，其特征在于，步骤云服务器获取智能采集终端采集的数据包括：
控制平台发送数据上传指令到智能采集终端；
智能采集终端接收到数据上传指令后发送数据上传请求到云服务器；
云服务器接收到上传数据请求时创建与上传数据对应的数据项列表；
根据数据项列表将上传数据进行上传保存；
通过查询数据项列表获取上传数据。
3.根据权利要求2所述的一种电网数据采集分析方法，其特征在于，步骤根据数据项列表将上传数据进行上传保存；包括：
将上传数据保存到数据项列表中保存，并验证数据保存的完整性；
若存在异常数据，根据数据项列表中数据项包含的策略信息调整上传数据的保存策略；
根据调整后的保存策略进行数据的上传保存。
4.根据权利要求3所述的一种电网数据采集分析方法，其特征在于，步骤将上传数据保存到数据项列表中保存，并验证数据保存的完整性中，验证数据保存的完整性包括：
控制平台从智能采集终端获取到上传数据的文件信息后将上传数据的文件信息配置成验证码，并将验证码发送到云服务器；
云服务器获取保存到数据项列表中的数据文件信息配置成测试码并接收控制平台发送的验证码，将测试码与验证码进行匹配；
若不匹配，则存在数据保存异常即数据保存不完整。
5.根据权利要求4所述的一种电网数据采集分析方法，其特征在于，步骤根据数据项列表将上传数据进行上传保存；包括：
将当前时间点保存有上传数据的数据项列表存储在数据库中，数据库中存储有不同时间点上传数据对应的数据项列表；
更新数据库对应的元数据信息；
当接收到新上传数据时，根据更新后的数据库对应的元数据信息，创建与新上传数据对应的数据项列表，对新上传数据进行保存。
6.根据权利要求1或5所述的一种电网数据采集分析方法，其特征在于，步骤云服务器对获取的数据进行分析处理，包括：
对获取的数据进行滤波处理，滤除噪声；
对滤波后的数据进行处理存储；
结合历史存储数据输出电网及用户负荷曲线。
7.根据权利要求6所述的一种电网数据采集分析方法，其特征在于，步骤结合历史存储数据输出电网及用户负荷曲线之后，还包括：
根据输出的电网及用户负荷曲线分析用户用电行为特征与电网负荷特征的匹配关系，确定用户用电行为类型；其中包括：
基于EM算法对云服务器存储的历史一年电网日负荷曲线数据进行聚类分析，根据时间不同得到不同时期电网负荷特征并输出电网负荷特征曲线；
针对每个时期，利用K-means聚类算法分别对海量用户的日负荷曲线数据进行聚类分析得到不同电网特征对应的用户负荷特征并输出用户负荷特征曲线；
对比电网负荷特征曲线与用户负荷特征曲线得到用户的用电行为类型。
8.根据权利要求7所述的一种电网数据采集分析方法，其特征在于，
根据EM算法将电网的日负荷曲线分成不同的群体并通过最优聚类评价公式设置聚类结果，通过聚类结果分析得到电网不同日期群体的负荷特征；
最优聚类评价公式：
其中，n表示聚类的个数，n∈[1,5]，Vi、Vm分别为第i类和第m类的类中心，ki表示第i类的样本数量，xij表示第i类的第j个样本，||*||为范数，欧式距离的度量，为排列组合式；
根据K-means聚类算法对每一类电网群体下所有日期的用户的日负荷曲线数据进行聚类分析，得到用户群体的负荷特征；
对比电网负荷特征曲线与用户群体的负荷特征曲线得到用户群体的用电行为类型。
9.一种电网数据采集分析系统，其特征在于，包括：电能采集终端、云服务器及控制平台；
智能采集终端，用于采集用户用电信息并对采集的原始数据进行处理后存储；
所述电能采集终端分别与云服务器和控制平台连接，所述云服务器与控制平台连接；云服务器，用于通过控制平台控制获取智能采集终端存储的数据；
云服务器，还用于对获取的数据进行验证及分析处理后进行存储和/或传输到控制平台进行输出显示；
云服务器包括获取模块、滤波模块、分析处理模块和存储模块；
获取模块，用于接收控制平台的指令获取电能采集终端的采集数据；
滤波模块，用于对获取的数据进行滤波去噪处理；
分析处理模块，用于通过相关算法存储的数据进行统计分析得到用户的用电行为类型。
10.根据权利要求9所述的一种电网数据采集分析系统，其特征在于，所述的相关算法包括EM聚类算法、K-means聚类算法；
基于EM算法对云服务器存储的历史一年电网日负荷曲线数据进行聚类分析，根据时间不同得到不同时期电网负荷特征并输出电网负荷特征曲线；
针对每个时期，利用K-means聚类算法分别对海量用户的日负荷曲线数据进行聚类分析得到不同电网特征对应的用户负荷特征并输出用户负荷特征曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910143439.2A CN109948909A (zh) | 2019-02-26 | 2019-02-26 | 一种电网数据采集分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910143439.2A CN109948909A (zh) | 2019-02-26 | 2019-02-26 | 一种电网数据采集分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109948909A true CN109948909A (zh) | 2019-06-28 |
Family
ID=67007745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910143439.2A Pending CN109948909A (zh) | 2019-02-26 | 2019-02-26 | 一种电网数据采集分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109948909A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110729718A (zh) * | 2019-09-18 | 2020-01-24 | 国网江苏省电力有限公司 | 一种基于日负荷曲线的行业用户开工监测方法 |
| CN111127254A (zh) * | 2020-03-27 | 2020-05-08 | 国网山东省电力公司青州市供电公司 | 一种营配贯通数据管理系统 |
| CN111275582A (zh) * | 2020-04-03 | 2020-06-12 | 国网新疆电力有限公司经济技术研究院 | 一种自动化处理数据的方法及装置 |
| CN112488876A (zh) * | 2020-12-11 | 2021-03-12 | 四川川能智网实业有限公司 | 一种多层次大数据采集及电力分析系统 |
| CN113051589A (zh) * | 2021-03-17 | 2021-06-29 | 重庆扬成大数据科技有限公司 | 一种大数据政务分析处理安全应用平台 |
| CN114596015A (zh) * | 2022-05-10 | 2022-06-07 | 深圳百胜扬工业电子商务平台发展有限公司 | 一种反馈式云计算数据采集方法、系统及装置 |
| WO2023004699A1 (zh) * | 2021-07-29 | 2023-02-02 | 西门子股份公司 | 一种变压器的数据完整性的呈现方法、装置和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106022959A (zh) * | 2016-05-19 | 2016-10-12 | 北京中电普华信息技术有限公司 | 一种面向削峰填谷的用电行为分析方法及系统 |
| CN106447206A (zh) * | 2016-10-09 | 2017-02-22 | 国网浙江省电力公司信息通信分公司 | 基于用电信息采集数据的用电分析方法 |
| CN107291808A (zh) * | 2017-05-16 | 2017-10-24 | 南京邮电大学 | 一种基于语义的云制造大数据分类方法 |
| CN107292413A (zh) * | 2016-04-10 | 2017-10-24 | 国网山东省电力公司经济技术研究院 | 基于大数据和信息融合的电力负荷分析预测系统 |
| CN108270834A (zh) * | 2016-12-30 | 2018-07-10 | 北京国双科技有限公司 | 数据传输方法及装置 |
| CN108596496A (zh) * | 2018-04-25 | 2018-09-28 | 哈尔滨电气股份有限公司 | 一种用于发电设备数据分析的模块化混合云服务系统 |
-
2019
- 2019-02-26 CN CN201910143439.2A patent/CN109948909A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292413A (zh) * | 2016-04-10 | 2017-10-24 | 国网山东省电力公司经济技术研究院 | 基于大数据和信息融合的电力负荷分析预测系统 |
| CN106022959A (zh) * | 2016-05-19 | 2016-10-12 | 北京中电普华信息技术有限公司 | 一种面向削峰填谷的用电行为分析方法及系统 |
| CN106447206A (zh) * | 2016-10-09 | 2017-02-22 | 国网浙江省电力公司信息通信分公司 | 基于用电信息采集数据的用电分析方法 |
| CN108270834A (zh) * | 2016-12-30 | 2018-07-10 | 北京国双科技有限公司 | 数据传输方法及装置 |
| CN107291808A (zh) * | 2017-05-16 | 2017-10-24 | 南京邮电大学 | 一种基于语义的云制造大数据分类方法 |
| CN108596496A (zh) * | 2018-04-25 | 2018-09-28 | 哈尔滨电气股份有限公司 | 一种用于发电设备数据分析的模块化混合云服务系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王炳鑫等: "面向"削峰填谷"的电力客户用电行为分析", 《电信科学》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110729718A (zh) * | 2019-09-18 | 2020-01-24 | 国网江苏省电力有限公司 | 一种基于日负荷曲线的行业用户开工监测方法 |
| CN111127254A (zh) * | 2020-03-27 | 2020-05-08 | 国网山东省电力公司青州市供电公司 | 一种营配贯通数据管理系统 |
| CN111275582A (zh) * | 2020-04-03 | 2020-06-12 | 国网新疆电力有限公司经济技术研究院 | 一种自动化处理数据的方法及装置 |
| CN112488876A (zh) * | 2020-12-11 | 2021-03-12 | 四川川能智网实业有限公司 | 一种多层次大数据采集及电力分析系统 |
| CN113051589A (zh) * | 2021-03-17 | 2021-06-29 | 重庆扬成大数据科技有限公司 | 一种大数据政务分析处理安全应用平台 |
| WO2023004699A1 (zh) * | 2021-07-29 | 2023-02-02 | 西门子股份公司 | 一种变压器的数据完整性的呈现方法、装置和存储介质 |
| CN114596015A (zh) * | 2022-05-10 | 2022-06-07 | 深圳百胜扬工业电子商务平台发展有限公司 | 一种反馈式云计算数据采集方法、系统及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109948909A (zh) | 一种电网数据采集分析方法及系统 | |
| CN111144468B (zh) | 电力用户信息标签化方法和装置、电子设备以及存储介质 | |
| CN108681973A (zh) | 电力用户的分类方法、装置、计算机设备和存储介质 | |
| CN107133652A (zh) | 基于K‑means聚类算法的用电客户价值评估方法及系统 | |
| CN104200275A (zh) | 基于用户行为特点的用电模式分类和控制方法 | |
| CN109461025A (zh) | 一种基于机器学习的电能替代潜在客户预测方法 | |
| CN109558467B (zh) | 用电用户类别识别方法及系统 | |
| CN110569316A (zh) | 基于t-SNE降维技术和BIRCH聚类的低压台区用户拓扑辨识方法 | |
| CN108428055B (zh) | 一种考虑负荷纵向特性的负荷聚类方法 | |
| CN112711616A (zh) | 一种基于聚类算法的用户用电特性分析方法 | |
| CN110321934A (zh) | 一种检测用户用电异常数据的方法及系统 | |
| CN107248031B (zh) | 一种针对负荷曲线峰谷差的快速电力用户分类方法 | |
| CN109145995A (zh) | 一种基于聚类离散点检测的反窃电方法 | |
| CN115422788B (zh) | 一种配电网线损分析管理方法、装置、存储介质及系统 | |
| CN106296315A (zh) | 基于用户用电数据的情境感知系统 | |
| CN110162390A (zh) | 一种雾计算系统的任务分配方法及系统 | |
| CN108596227A (zh) | 一种用户用电行为主导影响因素挖掘方法 | |
| CN115758188A (zh) | 一种非侵入式的负荷识别方法、装置、设备和介质 | |
| Grigoras et al. | Processing of smart meters data for peak load estimation of consumers | |
| CN110555619A (zh) | 一种基于智能配电网的供电能力评估方法 | |
| CN109858667A (zh) | 一种基于雷电气候对负荷影响的短期负荷聚类方法 | |
| CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
| CN107818678A (zh) | 用于用电信息采集系统的实时在线修正方法及装置 | |
| CN112116205A (zh) | 针对台区用电特征的画像方法、装置和存储介质 | |
| CN110851502A (zh) | 一种基于数据挖掘技术的负荷特征场景分类方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |