CN110162902B - 一种基于云计算的配电系统可靠性评估方法 - Google Patents
一种基于云计算的配电系统可靠性评估方法 Download PDFInfo
- Publication number
- CN110162902B CN110162902B CN201910451792.7A CN201910451792A CN110162902B CN 110162902 B CN110162902 B CN 110162902B CN 201910451792 A CN201910451792 A CN 201910451792A CN 110162902 B CN110162902 B CN 110162902B
- Authority
- CN
- China
- Prior art keywords
- power supply
- power
- power failure
- value
- gdi
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000007405 data analysis Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 32
- 238000012423 maintenance Methods 0.000 claims description 21
- 238000013479 data entry Methods 0.000 claims description 9
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云计算的配电系统可靠性评估方法，该方法具体为：首先获取到所需评估区域的配电子系统；之后利用评估系统对该配电子系统的可靠性进行评估，得到各个供电区域Gdi及其对应的可靠分逆值Kpi和该配电子系统的可靠逆值Kp；再之后对可靠逆值Kp具体数值与预设值X1、X2比较分析，并对不同的分析结果给出相应的整改建议；本发明通过数据分析模块结合相关规则，对需要监控的区域进行了需要供电用户的区域划分，并根据该区域划分，将供电网络进行对应划分，得到若干个供电区域；本发明简单有效，且易于实用。
Description
技术领域
本发明属于配电领域，涉及配电系统可靠性评估技术，具体是一种基于云计算的配电系统可靠性评估方法。
背景技术
配电系统可靠性，所谓配电网可靠性的评估，是对已运行的配电网，或是新设计的配电网，在所用线路设备的情况下的供电可靠性作出评价，以此来判定该配电网供电可靠性的优劣。通过对配电网可靠性的评估，可以确定出预安排停电、变电站全停、故障停电，对供电可靠性的影响，并以此来确定提高供电可靠性的技术措施和寻求提高供电可靠性的管理方法。
当前，对于配电系统可靠性评估的准则一般包括一般性准则和配电系统的N-1准则；而当前用于定量评估配电系统可靠性的方法一般分为三种，具体包括解析法、模拟法和人工智能算法；而针对解析法，我们一般采用的是概率分布法、表格法、故障模式与后果分析法、最小路法、频率和平均持续世间法以及裕度法；针对模拟法和人工智能算法又具体包括很多的现有解决方法；
但是这些方法普遍的评估出发角度为评价配电系统出现问题的概率，和能供电的最大限度；基本上都是出于配电系统的本身性能评价，很少有从维修角度去评价配电系统的可靠性，也没有针对已有的配电系统进行分析，并具体分析某一区域的配电子系统是否与当前区域的电量需求相匹配；为了从这一角度来评价配电系统，现提出一种技术方案。
发明内容
本发明的目的在于提供一种基于云计算的配电系统可靠性评估方法，通过数据分析模块实现了对配电子系统供电区域的划分；同时通过路径分析模块的设置，得到了各个供电区域的耽搁值；并通过云计算单元计算得到了各个供电区域可靠性的量化值，能够直观的反应各个供电区域的可靠性。
本发明所要解决的技术问题为：
(1)如何对配电系统的各个配电区域进行划分，得到若干个供电区域：
(2)如何对若干个供电区域的可靠性进行评估：
(3)针对若干个供电区域的可靠值，该针对性给出何种建议。
本发明的目的可以通过以下技术方案实现：
一种基于云计算的配电系统可靠性评估方法，该方法包括下述步骤：
步骤一：获取到所需评估区域的配电子系统；
步骤二：利用评估系统对该配电子系统的可靠性进行评估，得到各个供电区域Gdi及其对应的可靠分逆值Kpi和该配电子系统的可靠逆值Kp；
步骤三：对可靠逆值Kp具体数值与预设值X1、X2比较分析，且X1<X2；并根据分析结果给出相应建议，具体为：
A：当Kp<X1时，表示此配电子系统可靠程度高，不需要进行相应调整；
B：当X1<Kp<X2时，表示此配电子系统可靠程度一般，建议用户需要微调；微调区域具体确定方法为：
B1：获取到所有的Kpi和供电区域Gdi；
B2：将Kpi≥(X1+X2)/2的值对应的供电区域标记为需要调整区域；
C：当Kp>X2时，表示配电子系统可靠程度很低，需要对整个配电子系统重新调整。
进一步地，所述评估系统包括配电子系统、数据分析模块、数据上传单元、大数据模块、交通大数据单元、路径分析模块、地图库、数据上传单元、云计算单元、显示模块、云存储单元、智能设备和数据录入模块；
其中，所述数据分析模块用于对配电子系统的配电网络进行区域划分，具体划分步骤为：
S1：获取到所需评估区域的地图；
S2：对该区域按照预设的矩形进行划分，对于边缘不规则地区，采用矩形对其进行全部覆盖的划分方式得到若干个供电区域，并获取到供电区域的用电户数；将供电区域标记为Gdi，i＝1...n；将对应供电区域的用户数标记为Hi，i＝1...n；其中Hi与Gdi一一对应；
S3：按照供电区域对配电网络进行区域划分，将为一个供电区域的配电网络标记为一个配电单元，得到若干个配电单元；将配电单元标记为Pdi，i＝1...n；所述Pdi与Gdi一一对应；
所述大数据模块存储有该所需评估区域的配电子系统所有停电信息，停电信息包括停电时长、停电时间和停电位置；停电时间表明为何时停电，停电时长表示此次停电一共多长时间；
所述数据分析模块还用于结合大数据模块对配电单元Pdi、供电区域Gdi进行断电分析，具体分析步骤表现为：
步骤一：获取到大数据模块的停电信息；
步骤二：根据停电信息内的停电位置，将供电区域Gdi与停电信息一一对应；
步骤三：对供电区域进行单独分析；具体分析表现为：
S1：任选一供电区域Gdi；
S2：获取到该供电区域Gdi上一年的停电信息；
S3：根据停电信息内的停电时间，得到上一年停电次数，将停电次数除以12得到月均停电次数，并将月均停电次数对应标记为Yti；
S4：获取到停电信息内的停电时长，求和得到停电总时长；
S5：将停电总时长除以停电次数得到该区域每次停电的均停电时长，并将均停电时长对应标记为Jti；
S6：任选下一供电区域Gdi，重复步骤S2-S6，直至得到所有供电区域Gdi对应的月均停电次数Yti，i＝1...n，和均停电时长Jti，i＝1...n；且Yti、Jti与Gdi一一对应；
所述数据分析模块用于通过数据上传单元，将月均停电次数Yti、均停电时长Jti、供电区域Gdi与对应的用户数Hi传输到云计算单元；所述数据上传单元通过通信网络与云计算单元远程连接；
其中，所述数据分析模块还用于将供电区域Gdi传输到路径分析模块，所述路径分析模块用于结合交通大数据单元和地图库对供电区域进行耽搁程度分析；
所述地图库内标记为维修人员出发地，所述交通大数据单元存储有所需评估区域上一年度的所有交通信息；交通信息为所有人员从维修人员出发地到各处花费的时间信息，该花费的时间信息包括所有车辆的行驶时间信息；
耽搁程度分析具体步骤表现为：
S100：获取到所有的供电区域Gdi，i＝1...n；
S200：任选一供电区域；
S300：将维修人员出发地到该供电区域的最远距离标记为最长路段；对最长路段的均长时间进行分析，具体为：
S301：从交通大数据单元获取到驾车行驶完该最长路段花费的最长时间和最短时间；
S302：求取得到该最长时间和最短时间的平均值，并将该平均值标记为第一均值；
S400：将维修人员出发地到该供电区域的最近距离标记为最短路段；对最短路段的均长时间进行分析，具体为：
S401：从交通大数据单元获取到驾车行驶完该最短路段花费的最长时间和最短时间；
S402：求取得到该最长时间和最短时间的平均值，并将该平均值标记为第二均值；
S500：获取得到第一均值和第二均值的平均值，并将该求得的平均值标记为耽搁值Dgi；
S600：任选下一供电区域Gdi，重复步骤S300-S600，得到所有供电区域的耽搁值Dgi，i＝1...n；且Dgi与Gdi一一对应；
所述路径分析模块用于将供电区域Gdi对应的耽搁值Dgi传输到云计算单元；
所述云计算接收数据上传单元传输的月均停电次数Yti、均停电时长Jti、供电区域Gdi、用户数Hi和耽搁值Dgi，并对上述所有数据进行可靠值分析，具体分析步骤如下：
SS1：获取到所有供电区域Gdi及其对应的月均停电次数Yti、均停电时长Jti、用户数Hi和耽搁值Dgi；
SS2：利用公式
求取得到该配电子系统各个供电区域的可靠分逆值Kpi；式中，Q为预设值；
SS3：根据公式
得到该系统的可靠逆值Kp。
进一步地，所述云计算单元用于将可靠逆值Kp和可靠分逆值Kpi传输到显示模块进行显示，所述云计算单元用于将可靠逆值Kp和可靠分逆值Kpi打上时间戳传输到云存储单元进行存储。
进一步地，所述云计算单元还用于将可靠逆值Kp和可靠分逆值Kpi传输到智能设备，该智能设备为便携式移动终端。
进一步地，所述数据录入模块用于工作人员录入Q的具体数值，所述数据录入模块用于将Q值传输到云计算单元。
本发明的有益效果：
(1)本发明通过数据分析模块结合相关规则，对需要监控的区域进行了需要供电用户的区域划分，并根据该区域划分，将供电网络进行对应划分，得到若干个供电区域；
(2)同时本发明通过数据分析模块经过相关算法得到各个供电区域的月均停电次数Yti、均停电时长Jti、供电区域Gdi与对应的用户数Hi的这些数据，和路径分析模块得到的耽搁值，最终根据相关公式合理计算得到可靠分逆值和可靠逆值；并用可靠分逆值和可靠逆值来评价整个配电子系统的可靠程度；
(3)同时本发明通过对靠分逆值和可靠逆值的评价，当Kp<X1时，表示此配电子系统可靠程度高，不需要进行相应调整；当X1<Kp<X2时，表示此配电子系统可靠程度一般，建议用户需要微调；微调区域具体确定方法为获取到所有的Kpi和供电区域Gdi；将Kpi≥(X1+X2)/2的值对应的供电区域标记为需要调整区域；当Kp>X2时，表示配电子系统可靠程度很低，需要对整个配电子系统重新调整。从而对整个配电子系统进行可靠的监督和评估。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明评估系统的系统框图。
具体实施方式
如图1所示，一种基于云计算的配电系统可靠性评估方法，该方法包括下述步骤：
步骤一：获取到所需评估区域的配电子系统；
步骤二：利用评估系统对该配电子系统的可靠性进行评估，得到各个供电区域Gdi及其对应的可靠分逆值Kpi和该配电子系统的可靠逆值Kp；
步骤三：对可靠逆值Kp具体数值与预设值X1、X2比较分析，且X1<X2；并根据分析结果给出相应建议，具体为：
A：当Kp<X1时，表示此配电子系统可靠程度高，不需要进行相应调整；
B：当X1<Kp<X2时，表示此配电子系统可靠程度一般，建议用户需要微调；微调区域具体确定方法为：
B1：获取到所有的Kpi和供电区域Gdi；
B2：将Kpi≥(X1+X2)/2的值对应的供电区域标记为需要调整区域；
C：当Kp>X2时，表示配电子系统可靠程度很低，需要对整个配电子系统重新调整。
其中，所述评估系统包括配电子系统、数据分析模块、数据上传单元、大数据模块、交通大数据单元、路径分析模块、地图库、数据上传单元、云计算单元、显示模块、云存储单元、智能设备和数据录入模块；
其中，所述数据分析模块用于对配电子系统的配电网络进行区域划分，具体划分步骤为：
S1：获取到所需评估区域的地图；
S2：对该区域按照预设的矩形进行划分，对于边缘不规则地区，采用矩形对其进行全部覆盖的划分方式得到若干个供电区域，并获取到供电区域的用电户数；将供电区域标记为Gdi，i＝1...n；将对应供电区域的用户数标记为Hi，i＝1...n；其中Hi与Gdi一一对应；
S3：按照供电区域对配电网络进行区域划分，将为一个供电区域的配电网络标记为一个配电单元，得到若干个配电单元；将配电单元标记为Pdi，i＝1...n；所述Pdi与Gdi一一对应；
所述大数据模块存储有该所需评估区域的配电子系统所有停电信息，停电信息包括停电时长、停电时间和停电位置；停电时间表明为何时停电，停电时长表示此次停电一共多长时间；
所述数据分析模块还用于结合大数据模块对配电单元Pdi、供电区域Gdi进行断电分析，具体分析步骤表现为：
步骤一：获取到大数据模块的停电信息；
步骤二：根据停电信息内的停电位置，将供电区域Gdi与停电信息一一对应；
步骤三：对供电区域进行单独分析；具体分析表现为：
S1：任选一供电区域Gdi；
S2：获取到该供电区域Gdi上一年的停电信息；
S3：根据停电信息内的停电时间，得到上一年停电次数，将停电次数除以12得到月均停电次数，并将月均停电次数对应标记为Yti；
S4：获取到停电信息内的停电时长，求和得到停电总时长；
S5：将停电总时长除以停电次数得到该区域每次停电的均停电时长，并将均停电时长对应标记为Jti；
S6：任选下一供电区域Gdi，重复步骤S2-S6，直至得到所有供电区域Gdi对应的月均停电次数Yti，i＝1...n，和均停电时长Jti，i＝1...n；且Yti、Jti与Gdi一一对应；
所述数据分析模块用于通过数据上传单元，将月均停电次数Yti、均停电时长Jti、供电区域Gdi与对应的用户数Hi传输到云计算单元；所述数据上传单元通过通信网络与云计算单元远程连接；
其中，所述数据分析模块还用于将供电区域Gdi传输到路径分析模块，所述路径分析模块用于结合交通大数据单元和地图库对供电区域进行耽搁程度分析；因为天气情况和路况情况不仅会影响到供电网络的正常使用，同时也会对供电网络在产生损坏时的维修造成很大的麻烦，为了平衡的将环境因素纳入配电子系统的可靠性评估过程中，此处将维修人员从维修处到达维修现场的时间标记为其维修难度的衡量值，因为天气和其他环境的多变性比较强，但是在恶劣环境下，维修人员到场的维修时间必然受到影响；因此借用维修人员的到场时间来评估配电子系统的可靠性很有参考价值；此处具体借用路径分析模块进行耽搁程度分析；
所述地图库内标记为维修人员出发地，所述交通大数据单元存储有所需评估区域上一年度的所有交通信息；交通信息为所有人员从维修人员出发地到各处花费的时间信息，该花费的时间信息包括所有车辆的行驶时间信息；
耽搁程度分析具体步骤表现为：
S100：获取到所有的供电区域Gdi，i＝1...n；
S200：任选一供电区域；
S300：将维修人员出发地到该供电区域的最远距离标记为最长路段；对最长路段的均长时间进行分析，具体为：
S301：从交通大数据单元获取到驾车行驶完该最长路段花费的最长时间和最短时间；
S302：求取得到该最长时间和最短时间的平均值，并将该平均值标记为第一均值；
S400：将维修人员出发地到该供电区域的最近距离标记为最短路段；对最短路段的均长时间进行分析，具体为：
S401：从交通大数据单元获取到驾车行驶完该最短路段花费的最长时间和最短时间；
S402：求取得到该最长时间和最短时间的平均值，并将该平均值标记为第二均值；
S500：获取得到第一均值和第二均值的平均值，并将该求得的平均值标记为耽搁值Dgi；
S600：任选下一供电区域Gdi，重复步骤S300-S600，得到所有供电区域的耽搁值Dgi，i＝1...n；且Dgi与Gdi一一对应；
所述路径分析模块用于将供电区域Gdi对应的耽搁值Dgi传输到云计算单元；
所述云计算接收数据上传单元传输的月均停电次数Yti、均停电时长Jti、供电区域Gdi、用户数Hi和耽搁值Dgi，并对上述所有数据进行可靠值分析，具体分析步骤如下：
SS1：获取到所有供电区域Gdi及其对应的月均停电次数Yti、均停电时长Jti、用户数Hi和耽搁值Dgi；
SS2：利用公式
求取得到该配电子系统各个供电区域的可靠分逆值Kpi；式中，Q为预设值；
SS3：根据公式
得到该系统的可靠逆值Kp；
该公式的主要衡量原理为：利用月均停电次数乘以均停电时长得到每个月的平均停电时长，并将该每个月平均停电时长加上耽搁值，再乘以该区域的用户数，用这个来评价某一个供电区域的配电子系统的可靠值，最终将所有区域的可靠值相加并得到均值，用该均值来衡量该配电子系统的可靠值，具有很大程度的参考价值；
所述云计算单元用于将可靠逆值Kp传输到显示模块进行显示，所述云计算单元用于将可靠逆值Kp打上时间戳传输到云存储单元进行存储。
所述云计算单元还用于将可靠逆值Kp传输到智能设备，该智能设备为工作人员便携式移动终端，具体可为手机。
所述数据录入模块用于工作人员录入Q的具体数值，所述数据录入模块用于将Q值传输到云计算单元。
一种基于云计算的配电系统可靠性评估方法，在工作时，首先通过获取到所需评估区域的配电子系统；之后利用评估系统对该配电子系统进行供电区域的划分，之后针对各个供电区域之前的停电大数据，根据相关算法和规则获取得到各个供电区域的月均停电次数Yti、均停电时长Jti、供电区域Gdi与对应的用户数Hi等这些数据；之后又通过路径分析模块结合交通大数据，并通过相关算法和规则得到各个供电区域的耽搁值；最终利用月均停电次数Yti、均停电时长Jti、供电区域Gdi与对应的用户数Hi和耽搁值，利用公式处理得到各个供电区域的可靠分逆值，跟根据可靠分逆值计算到可靠逆值；在可靠逆值大小不同的情况下判断整个配电子系统的各个供电区域是否需要整改，并给出需要整改的区域；
本发明通过数据分析模块结合相关规则，对需要监控的区域进行了需要供电用户的区域划分，并根据该区域划分，将供电网络进行对应划分，得到若干个供电区域；
同时本发明通过数据分析模块经过相关算法得到各个供电区域的月均停电次数Yti、均停电时长Jti、供电区域Gdi与对应的用户数Hi的这些数据，和路径分析模块得到的耽搁值，最终根据相关公式合理计算得到可靠分逆值和可靠逆值；并用可靠分逆值和可靠逆值来评价整个配电子系统的可靠程度；
同时本发明通过对靠分逆值和可靠逆值的评价，当Kp<X1时，表示此配电子系统可靠程度高，不需要进行相应调整；当X1<Kp<X2时，表示此配电子系统可靠程度一般，建议用户需要微调；微调区域具体确定方法为获取到所有的Kpi和供电区域Gdi；将Kpi≥(X1+X2)/2的值对应的供电区域标记为需要调整区域；当Kp>X2时，表示配电子系统可靠程度很低，需要对整个配电子系统重新调整。从而对整个配电子系统进行可靠的监督和评估。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (4)
1.一种基于云计算的配电系统可靠性评估方法，其特征在于，该方法包括下述步骤：
步骤一：获取到所需评估区域的配电子系统；
步骤二：利用评估系统对该配电子系统的可靠性进行评估，得到各个供电区域Gdi及其对应的可靠分逆值Kpi和该配电子系统的可靠逆值Kp；
步骤三：对可靠逆值Kp具体数值与预设值X1、X2比较分析，且X1<X2；并根据分析结果给出相应建议，具体为：
A：当Kp<X1时，表示此配电子系统可靠程度高，不需要进行相应调整；
B：当X1<Kp<X2时，表示此配电子系统可靠程度一般，建议用户需要微调；微调区域具体确定方法为：
B1：获取到所有的Kpi和供电区域Gdi；
B2：将Kpi≥(X1+X2)/2的值对应的供电区域标记为需要调整区域；
C：当Kp>X2时，表示配电子系统可靠程度很低，需要对整个配电子系统重新调整；
其中，所述评估系统包括配电子系统、数据分析模块、大数据模块、交通大数据单元、路径分析模块、地图库、数据上传单元、云计算单元、显示模块、云存储单元、智能设备和数据录入模块；
其中，所述数据分析模块用于对配电子系统的配电网络进行区域划分，具体划分步骤为：
S1：获取到所需评估区域的地图；
S2：对该区域按照预设的矩形进行划分，对于边缘不规则地区，采用矩形对其进行全部覆盖的划分方式得到若干个供电区域，并获取到供电区域的用电户数；将供电区域标记为Gdi，i＝1...n；将对应供电区域的用户数标记为Hi，i＝1...n；其中Hi与Gdi一一对应；
S3：按照供电区域对配电网络进行区域划分，将为一个供电区域的配电网络标记为一个配电单元，得到若干个配电单元；将配电单元标记为Pdi，i＝1...n；所述Pdi与Gdi一一对应；
所述大数据模块存储有该所需评估区域的配电子系统所有停电信息，停电信息包括停电时长、停电时间和停电位置；停电时间表明为何时停电，停电时长表示此次停电一共多长时间；
所述数据分析模块还用于结合大数据模块对配电单元Pdi、供电区域Gdi进行断电分析，具体分析步骤表现为：
步骤一：获取到大数据模块的停电信息；
步骤二：根据停电信息内的停电位置，将供电区域Gdi与停电信息一一对应；
步骤三：对供电区域进行单独分析；具体分析表现为：
S1：任选一供电区域Gdi；
S2：获取到该供电区域Gdi上一年的停电信息；
S3：根据停电信息内的停电时间，得到上一年停电次数，将停电次数除以12得到月均停电次数，并将月均停电次数对应标记为Yti；
S4：获取到停电信息内的停电时长，求和得到停电总时长；
S5：将停电总时长除以停电次数得到该区域每次停电的均停电时长，并将均停电时长对应标记为Jti；
S6：任选下一供电区域Gdi，重复步骤S2-S6，直至得到所有供电区域Gdi对应的月均停电次数Yti，i＝1...n，和均停电时长Jti，i＝1...n；且Yti、Jti与Gdi一一对应；
所述数据分析模块用于通过数据上传单元，将月均停电次数Yti、均停电时长Jti、供电区域Gdi与对应的用户数Hi传输到云计算单元；所述数据上传单元通过通信网络与云计算单元远程连接；
其中，所述数据分析模块还用于将供电区域Gdi传输到路径分析模块，所述路径分析模块用于结合交通大数据单元和地图库对供电区域进行耽搁程度分析；
所述地图库内标记为维修人员出发地，所述交通大数据单元存储有所需评估区域上一年度的所有交通信息；交通信息为所有人员从维修人员出发地到各处花费的时间信息，该花费的时间信息包括所有车辆的行驶时间信息；
耽搁程度分析具体步骤表现为：
S100：获取到所有的供电区域Gdi，i＝1...n；
S200：任选一供电区域；
S300：将维修人员出发地到该供电区域的最远距离标记为最长路段；对最长路段的均长时间进行分析，具体为：
S301：从交通大数据单元获取到驾车行驶完该最长路段花费的最长时间和最短时间；
S302：求取得到该最长时间和最短时间的平均值，并将该平均值标记为第一均值；
S400：将维修人员出发地到该供电区域的最近距离标记为最短路段；对最短路段的均长时间进行分析，具体为：
S401：从交通大数据单元获取到驾车行驶完该最短路段花费的最长时间和最短时间；
S402：求取得到该最长时间和最短时间的平均值，并将该平均值标记为第二均值；
S500：获取得到第一均值和第二均值的平均值，并将该平均值标记为耽搁值Dgi；
S600：任选下一供电区域Gdi，重复步骤S300-S600，得到所有供电区域的耽搁值Dgi，i＝1...n；且Dgi与Gdi一一对应；
所述路径分析模块用于将供电区域Gdi对应的耽搁值Dgi传输到云计算单元；
所述云计算接收数据上传单元传输的月均停电次数Yti、均停电时长Jti、供电区域Gdi、用户数Hi和耽搁值Dgi，并对上述所有数据进行可靠值分析，具体分析步骤如下：
SS1：获取到所有供电区域Gdi及其对应的月均停电次数Yti、均停电时长Jti、用户数Hi和耽搁值Dgi；
SS2：利用公式
求取得到该配电子系统各个供电区域的可靠分逆值Kpi；式中，Q为预设值；
SS3：根据公式
得到该系统的可靠逆值Kp。
2.根据权利要求1所述的一种基于云计算的配电系统可靠性评估方法，其特征在于，所述云计算单元用于将可靠逆值Kp和可靠分逆值Kpi传输到显示模块进行显示，所述云计算单元用于将可靠逆值Kp和可靠分逆值Kpi打上时间戳传输到云存储单元进行存储。
3.根据权利要求1所述的一种基于云计算的配电系统可靠性评估方法，其特征在于，所述云计算单元还用于将可靠逆值Kp和可靠分逆值Kpi传输到智能设备，该智能设备为便携式移动终端。
4.根据权利要求1所述的一种基于云计算的配电系统可靠性评估方法，其特征在于，所述数据录入模块用于工作人员录入Q的具体数值，所述数据录入模块用于将Q值传输到云计算单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910451792.7A CN110162902B (zh) | 2019-05-28 | 2019-05-28 | 一种基于云计算的配电系统可靠性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910451792.7A CN110162902B (zh) | 2019-05-28 | 2019-05-28 | 一种基于云计算的配电系统可靠性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110162902A CN110162902A (zh) | 2019-08-23 |
| CN110162902B true CN110162902B (zh) | 2020-03-27 |
Family
ID=67629586
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910451792.7A Active CN110162902B (zh) | 2019-05-28 | 2019-05-28 | 一种基于云计算的配电系统可靠性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110162902B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115564180B (zh) * | 2022-09-01 | 2023-10-10 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种基于大数据分析的电力网络可靠性评估方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361529A (zh) * | 2014-11-04 | 2015-02-18 | 海南电网有限责任公司 | 一种基于云模型的配电系统可靠性评测方法 |
| CN105337275A (zh) * | 2015-10-26 | 2016-02-17 | 天津大学 | 一种基于配电系统可靠性的中压配电网供电能力评估方法 |
| CN108320043A (zh) * | 2017-12-19 | 2018-07-24 | 江苏瑞中数据股份有限公司 | 一种基于电力大数据的配电网设备状态诊断预测方法 |
| CN109345138A (zh) * | 2018-10-28 | 2019-02-15 | 陕西巨丰投资资讯有限责任公司广州分公司 | 一种基于大数据的投资风险评估系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9367935B2 (en) * | 2007-07-26 | 2016-06-14 | Alstom Technology Ltd. | Energy management system that provides a real time assessment of a potentially compromising situation that can affect a utility company |
-
2019
- 2019-05-28 CN CN201910451792.7A patent/CN110162902B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361529A (zh) * | 2014-11-04 | 2015-02-18 | 海南电网有限责任公司 | 一种基于云模型的配电系统可靠性评测方法 |
| CN105337275A (zh) * | 2015-10-26 | 2016-02-17 | 天津大学 | 一种基于配电系统可靠性的中压配电网供电能力评估方法 |
| CN108320043A (zh) * | 2017-12-19 | 2018-07-24 | 江苏瑞中数据股份有限公司 | 一种基于电力大数据的配电网设备状态诊断预测方法 |
| CN109345138A (zh) * | 2018-10-28 | 2019-02-15 | 陕西巨丰投资资讯有限责任公司广州分公司 | 一种基于大数据的投资风险评估系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110162902A (zh) | 2019-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105303285B (zh) | 一种电力应急处置物资的智能化调拨方法 | |
| EP2490169A1 (en) | Position information analysis device and position information analysis method | |
| CN102158879A (zh) | 要因失分的数据处理方法及设备 | |
| CN110309952B (zh) | 一种基于通勤模型的城市就业空间布局优化辅助系统 | |
| AU2017204562A1 (en) | Visualizing energy consumption and cost trends using virtual billing cycle calculations and statistical analysis | |
| CN110162902B (zh) | 一种基于云计算的配电系统可靠性评估方法 | |
| CN114493038A (zh) | 一种全天时全路网的交通流量估计方法 | |
| CN116744357A (zh) | 基站故障预测方法、装置、设备和介质 | |
| He et al. | Using spatial regression methods to evaluate rural emergency medical services (EMS) | |
| CN112734973A (zh) | 一种点位巡更方法及点位巡更系统 | |
| CN104684014A (zh) | 移动通信网络传输测试方法 | |
| CN114511233A (zh) | 水质异常成因分析方法、装置及计算机设备 | |
| CN111797918A (zh) | 大气污染源识别方法、装置、计算机设备及存储介质 | |
| US20090157418A1 (en) | Method And System For Obtaining Geographic Location Information | |
| CN117681201A (zh) | 一种基于人工智能的机器人智能运行远程控制系统 | |
| CN114492927A (zh) | 气象信息的推送方法、存储介质及计算机终端 | |
| CN107896159B (zh) | 变电站运维绩效评价的系统和方法 | |
| CN112213755A (zh) | Gps信息处理方法、装置、计算机设备及存储介质 | |
| CN111723169B (zh) | 一种地图显示方法、装置、电子设备和存储介质 | |
| CN112735072B (zh) | 一种基于物联网林区动态及林区火情预警云平台 | |
| CN111612183A (zh) | 信息处理方法、装置、电子设备及计算机可读存储介质 | |
| CN114980135A (zh) | 一种基于大数据的5g基站布址系统及方法 | |
| US11234164B2 (en) | Forecasting traffic demand experienced by wireless communication system with application to channel allocation | |
| CN110111216B (zh) | 一种基于云计算的校内服务平台 | |
| US20100241635A1 (en) | System and Method for Quantifying and Calculating the Difference Between Occupations |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211129 Address after: 450000 four building, 50 C11-1, Wutong street, Zhengzhou new and high tech Zone, Henan Patentee after: Henan Niurui Electric Technology Co.,Ltd. Address before: 467036 Henan province Pingdingshan city new city Longxiang Road Patentee before: Henan University of Urban Construction |
|
| TR01 | Transfer of patent right |