CN110070272A - 基于自学习技术的电能量采集数据质量管控多维评价方法 - Google Patents
基于自学习技术的电能量采集数据质量管控多维评价方法 Download PDFInfo
- Publication number
- CN110070272A CN110070272A CN201910262460.4A CN201910262460A CN110070272A CN 110070272 A CN110070272 A CN 110070272A CN 201910262460 A CN201910262460 A CN 201910262460A CN 110070272 A CN110070272 A CN 110070272A
- Authority
- CN
- China
- Prior art keywords
- data
- point
- electric energy
- continue
- window value
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 230000005611 electricity Effects 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 241001269238 Data Species 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 10
- 230000004907 flux Effects 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 2
- 238000012423 maintenance Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明提供一种基于自学习技术的电能量采集数据质量管控多维评价方法,涉及电力领域,根据人工设定的标准检测电能量计量系统生成的母平、变损、线损数据是否合理;采用分析算法对电能量计量系统生成的母线、主变、线路数据进行分析,检测是否存在问题数据和事项;所有母平、变损、线损数据的检测结果以树型结构显示出来,并且能对合理、不合理的数据加以区分;根据分析出来的结果,做进一步的智能分析处理。有益效果:自动检测电能量计量系统生成的母平、变损、线损数据是否合理;分析母平、变损、线损数据不合理的原因;针对导致母平、变损、线损数据不合理的原因,可以启动一系列的修复措施确保向管理人员提供准确可靠的电量数据和报表。
Description
技术领域:
本发明涉及电力领域,尤其涉及一种基于自学习技术的电能量采集数据质量管控多维评价方法。
背景技术:
电能量计量系统存储了大量的电量数据,对这些数据的正确性检查成为系统日常维护工作的重点。常用的方法是检查系统生成的母平、线损、变损等指标数据,对指标所涉及的计量点数据进行分析,确定导致指标数据错误的原因并予以纠正。由于指标所涉及的计量点数量庞大,并且存在多种可能导致数据出错的原因,因此依靠维护人员手工完成错误数据的查找和纠正往往耗费大量时间,效率很低。国内目前主流的电能计量主站系统也均提供了一些用于错误数据分析的手段,比如母平指标的分量查询,数据突变的告警等,但这些维护手段一般都分散到不同的功能模块来实现,不便于维护人员快速确定异常数据产生的原因,至于错误数据纠正则必须完全依赖人工完成。随着电能量计量系统实现地县一体化的实现,其采集的数据量会进一步增加,若要依靠有限的人力对所有数据进行日常巡视是不现实的,为此必须研究电量数据的智能分析告警技术,替代繁琐和耗时的人工作业。
发明内容:
本发明所要解决的技术问题在于克服现有技术的缺陷,本发明提出一种基于自学习技术的电能量采集数据质量管控多维评价方法。
本发明所要解决的技术问题采用以下技术方案来实现。
基于自学习技术的电能量采集数据质量管控多维评价方法,包括以下步骤:
1)根据人工设定的标准检测电能量计量系统生成的母平、变损、线损数据是否合理;
2)采用分析算法对电能量计量系统生成的母线、主变、线路数据进行分析,检测是否存在问题数据和事项;
3)所有母平、变损、线损数据的检测结果以树型结构显示出来,并且能对合理、不合理的数据加以区分;
4)根据分析出来的结果,做进一步的智能分析处理。
有益效果:
自动检测电能量计量系统生成的母平、变损、线损数据是否合理;
分析母平、变损、线损数据不合理的原因,包括检查原始电能表窗口值数据是否有效、合理,是否有换表、旁代事件等;
针对导致母平、变损、线损数据不合理的原因,可以启动一系列的修复措施确保向管理人员提供准确可靠的电量数据和报表。
具体实施方式:
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施例,进一步阐述本发明。
基于自学习技术的电能量采集数据质量管控多维评价方法,包括以下步骤:
1)根据人工设定的标准检测电能量计量系统生成的母平、变损、线损数据是否合理;
2)采用分析算法对电能量计量系统生成的母线、主变、线路数据进行分析,检测是否存在问题数据和事项;
3)所有母平、变损、线损数据的检测结果以树型结构显示出来,并且能对合理、不合理的数据加以区分;
4)根据分析出来的结果,做进一步的智能分析处理。
所述分析算法包括换表检测算法、旁代检测算法、数据异常检测算法、数据突变纠错算法。
所述换表检测算法,根据采集的电表数据检测出可能发生的换表事件,主要通过检测电能表窗口值数据根据数据的变化判断是否可能存在换表操作,顺序检测15分钟密度的电能表窗口值数据记录以下几个数据点的数据:
1)当日0点:获取0点的电能量窗口值,如果数据为空或者为无效,则向前追查最近一次的数值为A0;
2)当日24点:获取24点的电能量窗口值,如果数据为空或者为无效,则向前追查最近一次的数值为A24;
3)时间点一:寻找24点之前(含24点)第一个有效数据出现时间。如果找到,则记这个时间点为Tend,记这个时间点的电能表窗口值为Aend;
4)时间点二:寻找0点之后(含0点)第一个有效数据出现时间。如果找到,则记这个时间点为Tstart,记这个时间点的电能表窗口值为Astart;
检测过程为:
1)如果Astart<Aend,则判计量点未换表;
记计量点当日电量EΣ1=(A24-A0)×计量点倍率;
2)如果Astart>Aend,则判计量点有换表,以事项显示,继续3)步;
3)在Tstart之后的有效的电能表窗口值序列中按时间先后顺序向后寻找(跳过无效数据),寻找最后一个大于Astart的有效数据(记窗口值为Astart-1,时间点为Tstart-1),继续4)步;
4)在Tend之前的有效的电能表窗口值序列中按时间先后顺序向前寻找(跳过无效数据),寻找最后一个小于Aend的有效数据(记窗口值为Aend-1,时间点为Tend-1),继续5)步;
5)据此判断换表时段为(Tstart-1,Tend-1);
6)计量点当日电量
EΣ1=(Astart-1-Astart)×计量点倍率+(Aend-Aend-1)×计量点倍率,并生成可能出现换表的告警事项。
所述旁代检测算法,根据旁路计量点(前提电能量计量系统平台上可以判断某计量为旁路计量点,把顺序的15分钟密度的电能量窗口值记做An),15分钟密度的电能表窗口值差值μn=An-An-1,如果差值μn大于0则判断旁路有运行电量,从而检测是否可能发生旁路事件;
算法过程
1)根据时间顺序变大,计算旁路计量点15分钟密度的电能量窗口值差值μn=An-An-1,如果μlimit>μn>0,则记录时间T0执行步骤2),否则继续执行1)步,直到最后所有数据检测完毕;
2)根据时间逆序变小,计算旁路计量点15分钟密度的电能量窗口值差值μn=An-An-1,如果μlimit>μn>0,则记录时间T1执行步骤3),否则继续执行2)步,当Tn<=T0时,进行3)步;
3)寻找和旁路计量点相同厂站相同电压等级的非旁路计量点列表M,如果寻找到继续4)步,否则退出算法;
4)从3)寻找到的计量点列表中,获取一个计量点Mn,继续5)步,否则退出算法;
5)获取一个计量点Mn,某一功率类型的(T0,T1)时间段内的15分钟的电能表窗口值数据B0、B1,计算μn=B1-B0,如果所有功率类型μn=0,则可能存在旁路,继续4)步。
所述数据异常检测算法,当采集数据发生异常的时候,采用该算法对电量数据进行智能分析计算保证电量的准确计算。该算法是顺序检测15分钟密度的电能表窗口值,分析任意一个电能表窗口值的数据状态、记录发生时间段,并且能够在错误数据、突变数据的情况下正常计算电量数据;
算法过程:
1)从计量点列表中获取一个计量点,获取该计量点的电能表窗口值,如果成功继续2),否则退出;
2)顺序检测计量点电能表窗口值,获取一个数据An的状态进行判断:
如果数据为无效记录时间点为Tnovalid-start、Tnovalid-end,继续3)步;
如果数据为空记录时间点为Tnull-start、Tnull-end,继续4)步;
如果数据正常继续2);
如果检测到最后一个数据,继续1);
3)从An开始向后检测,获取下一个数据Am的状态进行判断:
如果数据为无效,记录时间点为Tnovalid-end,继续3)步;
如果数据为空,保存上一条无效时间段的事项,继续4)步;
如果数据正常,保存上一条无效时间段的事项,继续2)步;
如果检测到最后一个数据,继续1);
4)从An开始向后检测,获取下一个数据Am的状态进行判断:
如果数据为无效,保存上一条无效时间段的事项,继续3)步;
如果数据为空,记录时间点为Tnull-end,继续4)步;
如果数据正常,保存上一条无效时间段的事项,继续2)步;
如果检测到最后一个数据,继续1)。
所述数据突变纠错算法,根据计量点的15分钟密度的电能表窗口值差值μn=(An-An-1)*倍率,如果差值μn大于一般设定的阀值f则表示可能变大突变、如果μn小于0,并且An的数据状态正常,那么可能变小突变或者可能存在换表事项,对这些异常数据将不累计到本日的电量中,对于存在的这类事项进行保存,并且把计量点电量的数据状态标示为相应的判断结果;
算法过程:
1)从计量点列表中获取一个计量点,获取该计量点的(Tn,Tn+1)电能表窗口值(An,An+1),继续2)步;
2)计算μn=(An+1-An)*倍率,如果μn>f或者μn<0,继续3步;
3)如果An,An+1都为正常数据,则判断为突变μn不做电量累计值,继续4)步,如果An+1为无效或者空数据,则直接继续4);
4)向前追查数据An+1=An,继续1)步。
所述智能分析处理,根据算法检测:0点表码数据异常、24点表码数据异常、计量点可能发生换表、计量点可能被旁路等事项,在发生以上事项的时候,采用纠错算法;
处理描述
0点表码数据异常、24点表码数据异常,可以直接进行纠错处理,”补招”历史数据处理,采集完成后,电能量计量系统会自动触发相关统计进行纠错处理;
计量点可能发生换表,提示可能发生事项,可以根据换表发生事件进行纠错处理,人工确认后,进行统计纠错;
计量点可能被旁路,提示可能发生事项,可以根据旁路发生事项进行纠错处理,人工确认后,进行统计纠错。
在电能量计量系统平台上,结合上面的分析与纠错算法,利用现代先进的数据库技术、通信技术、组件技术等实现对变电站母线平衡数据、变电站主变损耗数据、变电站输电线路损耗数据的,合格性分析、原因分析。
以下为实际利用情况:
可靠性:
系统年可用率:99.99%;
服务器、网络主设备的平均无故障时间MTBF:≥20,000小时;
其它设备的平均无故障时间MTBF:≥10,000小时;
系统运行寿命>15年。
连续性:
系统全年365天、每天24小时都能提供连续的服务;
CRT画面调用时间≤2秒;
联机检索数据平均响应时间≤5秒。
系统负荷率:
数据服务器(正常情况下)CPU负荷率≤25%;
用户工作站CPU负荷率≤25%;
正常情况下,网络负荷率≤10%。
以上显示和描述了本发明的基本原理、主要特征以及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种基于自学习技术的电能量采集数据质量管控多维评价方法,其特征在于:包括以下步骤:
1)根据人工设定的标准检测电能量计量系统生成的母平、变损、线损数据是否合理;
2)采用分析算法对电能量计量系统生成的母线、主变、线路数据进行分析,检测是否存在问题数据和事项;
3)所有母平、变损、线损数据的检测结果以树型结构显示出来,并且能对合理、不合理的数据加以区分;
4)根据分析出来的结果,做进一步的智能分析处理。
2.根据权利要求1中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法,其特征在于:所述分析算法包括换表检测算法、旁代检测算法、数据异常检测算法、数据突变纠错算法。
3.根据权利要求2中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法,其特征在于:所述换表检测算法,根据采集的电表数据检测出可能发生的换表事件,主要通过检测电能表窗口值数据根据数据的变化判断是否可能存在换表操作,顺序检测15分钟密度的电能表窗口值数据记录以下几个数据点的数据:
1)当日0点:获取0点的电能量窗口值,如果数据为空或者为无效,则向前追查最近一次的数值为A0;
2)当日24点:获取24点的电能量窗口值,如果数据为空或者为无效,则向前追查最近一次的数值为A24;
3)时间点一:寻找24点之前(含24点)第一个有效数据出现时间,如果找到,则记这个时间点为Tend,记这个时间点的电能表窗口值为Aend;
4)时间点二:寻找0点之后(含0点)第一个有效数据出现时间,如果找到,则记这个时间点为Tstart,记这个时间点的电能表窗口值为Astart;
检测过程为:
1)如果Astart<Aend,则判计量点未换表;
记计量点当日电量EΣ1=(A24-A0)×计量点倍率;
2)如果Astart>Aend,则判计量点有换表,以事项显示,继续3)步;
3)在Tstart之后的有效的电能表窗口值序列中按时间先后顺序向后寻找(跳过无效数据),寻找最后一个大于Astart的有效数据(记窗口值为Astart-1,时间点为Tstart-1),继续4)步;
4)在Tend之前的有效的电能表窗口值序列中按时间先后顺序向前寻找(跳过无效数据),寻找最后一个小于Aend的有效数据(记窗口值为Aend-1,时间点为Tend-1),继续5)步;
5)据此判断换表时段为(Tstart-1,Tend-1);
6)计量点当日电量
EΣ1=(Astart-1-Astart)×计量点倍率+(Aend-Aend-1)×计量点倍率,并生成可能出现换表的告警事项。
4.根据权利要求2中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法,其特征在于:所述旁代检测算法,根据旁路计量点,15分钟密度的电能表窗口值差值μn=An-An-1,如果差值μn大于0则判断旁路有运行电量,从而检测是否可能发生旁路事件;
算法过程
1)根据时间顺序变大,计算旁路计量点15分钟密度的电能量窗口值差值μn=An-An-1,如果μlimit>μn>0,则记录时间T0执行步骤2),否则继续执行1)步,直到最后所有数据检测完毕;
2)根据时间逆序变小,计算旁路计量点15分钟密度的电能量窗口值差值μn=An-An-1,如果μlimit>μn>0,则记录时间T1执行步骤3),否则继续执行2)步,当Tn<=T0时,进行3)步;
3)寻找和旁路计量点相同厂站相同电压级的非旁路计量点列表M,如果寻找到继续4)步,否则退出算法;
4)从3)寻找到的计量点列表中,获取一个计量点Mn,继续5)步,否则退出算法;
5)获取一个计量点Mn,某一功率类型的(T0,T1)时间段内的15分钟的电能表窗口值数据B0、B1,计算μn=B1-B0,如果所有功率类型μn=0,则可能存在旁路,继续4)步。
5.根据权利要求2中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法,其特征在于:所述数据异常检测算法,当采集数据发生异常的时候,采用该算法对电量数据进行智能分析计算保证电量的准确计算,该算法是顺序检测15分钟密度的电能表窗口值,分析任意一个电能表窗口值的数据状态、记录发生时间段,并且能够在错误数据、突变数据的情况下正常计算电量数据;
算法过程:
1)从计量点列表中获取一个计量点,获取该计量点的电能表窗口值,如果成功继续2),否则退出;
2)顺序检测计量点电能表窗口值,获取一个数据An的状态进行判断:
如果数据为无效记录时间点为Tnovalid-start、Tnovalid-end,继续3)步;
如果数据为空记录时间点为Tnull-start、Tnull-end,继续4)步;
如果数据正常继续2);
如果检测到最后一个数据,继续1);
3)从An开始向后检测,获取下一个数据Am的状态进行判断:
如果数据为无效,记录时间点为Tnovalid-end,继续3)步;
如果数据为空,保存上一条无效时间段的事项,继续4)步;
如果数据正常,保存上一条无效时间段的事项,继续2)步;
如果检测到最后一个数据,继续1);
4)从An开始向后检测,获取下一个数据Am的状态进行判断:
如果数据为无效,保存上一条无效时间段的事项,继续3)步;
如果数据为空,记录时间点为Tnull-end,继续4)步;
如果数据正常,保存上一条无效时间段的事项,继续2)步;
如果检测到最后一个数据,继续1)。
6.根据权利要求2中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法,其特征在于:所述数据突变纠错算法,根据计量点的15分钟密度的电能表窗口值差值μn=(An-An-1)*倍率,如果差值μn大于一般设定的阀值f则表示可能变大突变、如果μn小于0,并且An的数据状态正常,那么可能变小突变或者可能存在换表事项,对这些异常数据将不累计到本日的电量中,对于存在的这类事项进行保存,并且把计量点电量的数据状态标示为相应的判断结果;
算法过程:
1)从计量点列表中获取一个计量点,获取该计量点的(Tn,Tn+1)电能表窗口值(An,An+1),继续2)步;
2)计算μn=(An+1-An)*倍率,如果μn>f或者μn<0,继续3步;
3)如果An,An+1都为正常数据,则判断为突变μn不做电量累计值,继续4)步,如果An+1为无效或者空数据,则直接继续4);
4)向前追查数据An+1=An,继续1)步。
7.根据权利要求1中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法,其特征在于:所述智能分析处理,根据算法检测:0点表码数据异常、24点表码数据异常、计量点可能发生换表、计量点可能被旁路事项,在发生以上事项的时候,采用纠错算法;
处理描述
0点表码数据异常、24点表码数据异常,可以直接进行纠错处理,”补招”历史数据处理,采集完成后,电能量计量系统会自动触发相关统计进行纠错处理;
计量点可能发生换表,提示可能发生事项,可以根据换表发生事件进行纠错处理,人工确认后,进行统计纠错;
计量点可能被旁路,提示可能发生事项,可以根据旁路发生事项进行纠错处理,人工确认后,进行统计纠错。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910262460.4A CN110070272A (zh) | 2019-04-02 | 2019-04-02 | 基于自学习技术的电能量采集数据质量管控多维评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910262460.4A CN110070272A (zh) | 2019-04-02 | 2019-04-02 | 基于自学习技术的电能量采集数据质量管控多维评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110070272A true CN110070272A (zh) | 2019-07-30 |
Family
ID=67367023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910262460.4A Pending CN110070272A (zh) | 2019-04-02 | 2019-04-02 | 基于自学习技术的电能量采集数据质量管控多维评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070272A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034307A (zh) * | 2021-03-05 | 2021-06-25 | 西安热工研究院有限公司 | 一种电力企业数据采集方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122843A (zh) * | 2011-02-23 | 2011-07-13 | 江西省电力科学研究院 | 关口电能计量装置运行异常预警技术 |
CN104332987A (zh) * | 2014-09-12 | 2015-02-04 | 国家电网公司 | 电网元件损耗异常判断方法 |
CN105528662A (zh) * | 2014-10-21 | 2016-04-27 | 国家电网公司 | 一种基于电能量计量系统的数据管理系统 |
CN208158632U (zh) * | 2018-05-08 | 2018-11-27 | 国网安徽省电力有限公司太湖县供电公司 | 电能量计量系统数据智能处理系统 |
CN109063125A (zh) * | 2018-08-02 | 2018-12-21 | 国网安徽省电力有限公司 | 一种基于电能计量事项的电能量数据异常检测与处理方法 |
-
2019
- 2019-04-02 CN CN201910262460.4A patent/CN110070272A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122843A (zh) * | 2011-02-23 | 2011-07-13 | 江西省电力科学研究院 | 关口电能计量装置运行异常预警技术 |
CN104332987A (zh) * | 2014-09-12 | 2015-02-04 | 国家电网公司 | 电网元件损耗异常判断方法 |
CN105528662A (zh) * | 2014-10-21 | 2016-04-27 | 国家电网公司 | 一种基于电能量计量系统的数据管理系统 |
CN208158632U (zh) * | 2018-05-08 | 2018-11-27 | 国网安徽省电力有限公司太湖县供电公司 | 电能量计量系统数据智能处理系统 |
CN109063125A (zh) * | 2018-08-02 | 2018-12-21 | 国网安徽省电力有限公司 | 一种基于电能计量事项的电能量数据异常检测与处理方法 |
Non-Patent Citations (1)
Title |
---|
刘增明: "供电企业防窃电方法和对策的研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034307A (zh) * | 2021-03-05 | 2021-06-25 | 西安热工研究院有限公司 | 一种电力企业数据采集方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106779505B (zh) | 一种基于大数据驱动的输电线路故障预警方法及系统 | |
CN109308571B (zh) | 配电线路线变关系检测方法 | |
CN110989521A (zh) | 一种生产线智能管理系统 | |
CN111191878A (zh) | 一种基于异常分析的台区及电能表状态评价方法及系统 | |
CN109376924A (zh) | 一种物资需求预测的方法、装置、设备及可读存储介质 | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN109948877B (zh) | 一种基于异常事件组合的用电异常精准分析方法 | |
CN108319649A (zh) | 一种提高水情水调数据质量的系统和方法 | |
CN113592343A (zh) | 二次系统的故障诊断方法、装置、设备和存储介质 | |
CN112464995A (zh) | 一种基于决策树算法的电网配变故障诊断方法及系统 | |
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN113591393A (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
CN111861786A (zh) | 一种基于特征选择和孤立随机森林的专变窃电识别方法 | |
CN109542742A (zh) | 基于专家模型的数据库服务器硬件健康评估方法 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN112560214A (zh) | 变电站母线平衡故障诊断方法、系统、设备及存储介质 | |
CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
CN115270974A (zh) | 基于大数据分析的智能窃电检测系统 | |
CN110070272A (zh) | 基于自学习技术的电能量采集数据质量管控多维评价方法 | |
CN108845285B (zh) | 电能计量装置检测方法和系统 | |
CN104504504B (zh) | 一种基于全息时标量测的电网数据跳变检测与分析系统 | |
CN112418548B (zh) | 一种基于人工智能技术的智能车间管理方法和系统 | |
CN109946640A (zh) | 基于计量自动化系统数据的专变终端失压失流判断方法 | |
CN115587635A (zh) | 一种基于中性点偏移判断的台区线损分析方法、系统 |
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: 20190730 |