CN110276511A - 一种基于电量与线损关联性的线变关系异常判别方法 - Google Patents
一种基于电量与线损关联性的线变关系异常判别方法 Download PDFInfo
- Publication number
- CN110276511A CN110276511A CN201910304264.9A CN201910304264A CN110276511A CN 110276511 A CN110276511 A CN 110276511A CN 201910304264 A CN201910304264 A CN 201910304264A CN 110276511 A CN110276511 A CN 110276511A
- Authority
- CN
- China
- Prior art keywords
- data
- line
- electricity
- line loss
- relationship
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 53
- 230000002547 anomalous effect Effects 0.000 title claims abstract description 17
- 238000012850 discrimination method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000012098 association analyses Methods 0.000 claims abstract 2
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000011835 investigation Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000012800 visualization Methods 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
-
- 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
本发明公开了一种基于电量与线损关联性的线变关系异常判别方法,包括用于电量信息采集的数据采集模块,用于电量与线损关联性分析的数据处理模块以及用于异常线变关系显示的数据显示模块,所述数据采集模块,数据处理模块以及数据显示模块依次连接。该方法利用用电信息采集系统提供的线路与变压器用电量、电压、电流等数据,利用大数据分析技术和台区线损非线性相关性分析方法,构建不依赖于本地通信关系的线变关系纠错模型,查找出统计错误的线变关系,提高输电线路拓扑信息的准确性,为开展线变关系现场排查提供技术指导,从而提高线路损耗的计算精度,为精益化的营销管理提供技术支撑。
Description
技术领域
本发明涉及电力技术领域,具体涉及一种基于电量与线损关联性的线变关系异常判别方法。
背景技术
配电网中压线路在实际运行的过程中,存在暂时的倒闸行为,倒闸之后线变关系发生了变化,但由于档案数据未随之变化,将对线损造成影响,因此需要分析电量与线损的关联性,进而判别线变关系异常的情况。现有的技术判断时线损异常依据条件单一,即电量的采集数据出现一次异常波动就认定为采集电量异常,没有将异常与满负荷电量数值、采集电量上限、所属台区或线路的线损率区间及波动值等多方面因素综合考虑,导致筛选出的大部分异常并未影响线损率,采集电量与线损率相对独立,线损分析人员无法直观判断其对应关系,从而异常情况的出现需要检查人员现场排查,增加了现场检查人员工作量,降低了专业人员的工作效率。
发明内容
本发明的目是解决线损异常判定不准确的问题,提出了一种基于电量与线损关联性的线变关系异常判别方法,该方法利用用电信息采集系统提供的线路与变压器用电量、电压、电流等数据,利用大数据分析技术和台区线损非线性相关性分析方法,构建不依赖于本地通信关系的线变关系纠错模型,查找出统计错误的线变关系,提高输电线路拓扑信息的准确性,为开展线变关系现场排查提供技术指导,从而提高线路损耗的计算精度,为精益化的营销管理提供技术支撑。
为实现上述技术目的,本发明提供的一种技术方案是,一种基于电量与线损关联性的线变关系异常判别方法,包括如下步骤:
S1:数据采集:采集线路的电量信息;
S2:数据处理:对采集到的信息进行归类处理,建立相关性模型,分析数据之间的相关性;
S3:数据显示:对数据处理结果进行可视化。
本方案中,通过用电信息采集系统提供的变压器端和用户端的电量信息,建立用电量和线损相关模型,计算线路、台区的用电情况和线损情况,做出判定规则,然后可视化呈现线变嫌疑台区以及嫌疑时间区间,方便巡检人员及时检修查看,提高巡检效率。
所述的数据采集是基于用电信息采集系统提供的用户端用电信息以及变压器端的用电信息,所述用电信息包括用电总量、电压值数据以及电流值数据。
所述的数据处理模块处理数据采用以下步骤:
步骤1:供电单位根据需要配置关联线路{N_1,N_2,…,N_m},并给定最小正关联度C_cr,大于C_cr为强正关联,小于-C_cr为强负关联;
步骤2:使用台区、线路的负荷数据,计算固定时间间隔A的线损数据,A的单位为小时,即可得到24/A个线损数据;
步骤3:遍历每一组关联台区,计算其电量数据与线路集合中各条线路线损数据;判定:若遍历完所有关联线路,则跳到步骤8,否则执行步骤3;
步骤4:针对指定的一组关联线路Nk进行分析,Nk共有线路m条{T1,T2,...,Tm},台区z个{U1,U2,...,Uz};
步骤5:遍历指定的一组关联线路的每一个台区;判定:若遍历完指定关联线路的所有台区,返回步骤2,否则执行步骤5;
步骤6:给定关联时间区间TD,最小时间区间为5个时刻,得到关联系数矩阵C,其中Cij表示台区Ui与线路Tj的相关系数;
步骤7:找到台区Ui档案所属线路为Tu及关联系数Ciu;判定:若Ciu<-Ccr,执行步骤7;否则输出用户Ui为正常台区,返回步骤4;
步骤8:找到台区Ui与所有线路的关联度最大值Civ及台区Tv;判定:若Ciu>Ccr,输出用户Ui为线变嫌疑台区以及嫌疑时间区间;否则输出台区Ui为正常台区,返回步骤4。
所述的步骤1中,关联度按照正确线变负荷数据的统计信息进行设置,即统计关系正确的线变历史数据,得到变压器与其正确所属线路相关性系数的统计值集合,将其中的最小值设置为最小正关联度C_cr。
所述相关度的计算采用皮尔逊积矩相关系数法进行计算。
所述的皮尔逊积矩相关系数描述了2个定距变量间联系的紧密程度,用于度量2个变量Xi和Xj之间的相关程度,其值介于-1与1之间,一般用Cij表示,计算公式为:
其中,变量Xi表示一个变压器n天日电量数据;Xj一条线路n天日线损数据。
相关性的判定遵循以下规律:
A:若Cij(Xi,Xj)>0,表明该变压器电量与该线路线损是正相关;
B:若Cij(Xi,Xj)<0,表明两者之间是负相关;
C:若Cij(Xi,Xj)越接近于0,则表明二者间相关性越弱。
数据显示的内容包括:日电量信息、线损信息、线变嫌疑台区以及嫌疑时间区间。
本发明的有益效果:利用用电信息采集系统提供的线路与变压器用电量、电压、电流等数据,利用大数据分析技术和台区线损非线性相关性分析方法,构建不依赖于本地通信关系的线变关系纠错模型,查找出统计错误的线变关系,提高输电线路拓扑信息的准确性,为开展线变关系现场排查提供技术指导,从而提高线路损耗的计算精度,为精益化的营销管理提供技术支撑。
附图说明
图1为本发明的一种基于电量与线损关联性的线变关系异常判别方法的流程图。
图2为本发明的一种基于电量与线损关联性的线变关系异常判别方法的算法流程图。
具体实施方式
为使本发明的目的、技术方案以及优点更加清楚明白,下面结合附图和实施例对本发明作进一步详细说明,应当理解的是,此处所描述的具体实施方式仅是本发明的一种最佳实施例,仅用以解释本发明,并不限定本发明的保护范围,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例:如图1所示,一种基于电量与线损关联性的线变关系异常判别方法,调用用电信息采集系统提供的变压器端和用户端的用电总量、电压值数据以及电流数据,计算线损率,然后建立用电量和线损相关模型,计算线路、台区的用电情况和线损情况,做出判定规则,然后可视化呈现线变嫌疑台区以及嫌疑时间区间,方便巡检人员及时检修查看,提高巡检效率。
如图2所示为本发明的一种基于电量与线损关联性的线变关系异常判别方法的算法流程图,
算法具体步骤如下:
步骤1:供电单位根据需要配置关联线路{N_1,N_2,…,N_m},并给定最小正关联度C_cr,大于C_cr为强正关联,小于-C_cr为强负关联;其中关联度按照正确线变负荷数据的统计信息进行设置,即统计关系正确的线变历史数据,得到变压器与其正确所属线路相关性系数的统计值集合,将其中的最小值设置为最小正关联度C_cr;
步骤2:使用台区、线路的负荷数据,计算固定时间间隔A的线损数据,A的单位为小时,即可得到24/A个线损数据;如,设定固定时间间隔A=0.25小时,则可以得到96个线损数据;
步骤3:遍历每一组关联台区,计算其电量数据与线路集合中各条线路线损数据;判定:若遍历完所有关联线路,则跳到步骤8,否则执行步骤3
步骤4:针对指定的一组关联线路Nk进行分析,Nk共有线路m条{T1,T2,...,Tm},台区z个{U1,U2,...,Uz};
步骤5:遍历指定的一组关联线路的每一个台区;判定:若遍历完指定关联线路的所有台区,返回步骤2,否则执行步骤5;
步骤6:给定关联时间区间TD,最小时间区间为5个时刻,得到关联系数矩阵C,其中Cij表示台区Ui与线路Tj的相关系数;
步骤7:找到台区Ui档案所属线路为Tu及关联系数Ciu;判定:若Ciu<-Ccr,执行步骤7;否则输出用户Ui为正常台区,返回步骤4;
步骤8:找到台区Ui与所有线路的关联度最大值Civ及台区Tv;判定:若Ciu>Ccr,输出用户Ui为线变嫌疑台区以及嫌疑时间区间;否则输出台区Ui为正常台区,返回步骤4;
步骤9:最后通过数据显示模块显示日电量信息、线损信息、线变嫌疑台区以及嫌疑时间区间,方便巡检人员及时了解线路异常情况,同时可以建立线路异常预警模型,对易故障线路进行针对性的整改,以提高供电质量以及增加电厂的效益。
相关度的计算采用皮尔逊积矩相关系数法进行计算,皮尔逊积矩相关系数描述了2个定距变量间联系的紧密程度,用于度量2个变量Xi和Xj之间的相关程度,其值介于-1与1之间,一般用Cij表示,计算公式为:
其中,变量Xi表示一个变压器n天日电量数据;Xj一条线路n天日线损数据。
相关性的判定遵循以下规律:
A:若Cij(Xi,Xj)>0,表明该变压器电量与该线路线损是正相关;
B:若Cij(Xi,Xj)<0,表明两者之间是负相关;
C:若Cij(Xi,Xj)越接近于0,则表明二者间相关性越弱。
以上所述之具体实施方式为本发明一种基于电量与线损关联性的线变关系异常判别方法的较佳实施方式,并非以此限定本发明的具体实施范围,本发明的范围包括并不限于本具体实施方式,凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。
Claims (8)
1.一种基于电量与线损关联性的线变关系异常判别方法,其特征在于:包括用于电量信息采集的数据采集模块,用于电量与线损关联性分析的数据处理模块以及用于异常线变关系显示的数据显示模块,所述数据采集模块,数据处理模块以及数据显示模块依次连接。
2.根据权利要求1所述的一种基于电量与线损关联性的线变关系异常判别方法,其特征在于:所述的数据采集模块是基于用电信息采集系统提供的用户端用电信息以及变压器端的用电信息,所述用电信息包括用电总量、电压值数据以及电流值数据。
3.根据权利要求1所述的一种基于电量与线损关联性的线变关系异常判别方法,其特征在于:所述的数据处理模块处理数据采用以下步骤:
步骤1:供电单位根据需要配置关联线路{N_1,N_2,…,N_m},并给定最小正关联度C_cr,大于C_cr为强正关联,小于-C_cr为强负关联;
步骤2:使用台区、线路的负荷数据,计算固定时间间隔A的线损数据,A的单位为小时,即可得到24/A个线损数据;
步骤3:遍历每一组关联台区,计算其电量数据与线路集合中各条线路线损数据;判定:若遍历完所有关联线路,则跳到步骤8,否则执行步骤3;
步骤4:针对指定的一组关联线路Nk进行分析,Nk共有线路m条{T1,T2,...,Tm},台区z个{U1,U2,...,Uz};
步骤5:遍历指定的一组关联线路的每一个台区;判定:若遍历完指定关联线路的所有台区,返回步骤2,否则执行步骤5;
步骤6:给定关联时间区间TD,最小时间区间为5个时刻,得到关联系数矩阵C,其中Cij表示台区Ui与线路Tj的相关系数;
步骤7:找到台区Ui档案所属线路为Tu及关联系数Ciu;判定:若Ciu<-Ccr,执行步骤7;否则输出用户Ui为正常台区,返回步骤4;
步骤8:找到台区Ui与所有线路的关联度最大值Civ及台区Tv;判定:若Ciu>Ccr,输出用户Ui为线变嫌疑台区以及嫌疑时间区间;否则输出台区Ui为正常台区,返回步骤4。
4.根据权利要求3所述的一种基于电量与线损关联性的线变关系异常判别方法,其特征在于:所述的步骤1中,关联度按照正确线变负荷数据的统计信息进行设置,即统计关系正确的线变历史数据,得到变压器与其正确所属线路相关性系数的统计值集合,将其中的最小值设置为最小正关联度C_cr。
5.根据权利要求4所述的一种基于电量与线损关联性的线变关系异常判别方法,其特征在于:所述相关度的计算采用皮尔逊积矩相关系数法进行计算。
6.根据权利要求5所述的一种基于电量与线损关联性的线变关系异常判别方法,其特征在于:所述的皮尔逊积矩相关系数描述了2个定距变量间联系的紧密程度,用于度量2个变量Xi和Xj之间的相关程度,其值介于-1与1之间,一般用Cij表示,计算公式为:
其中,变量Xi表示一个变压器n天日电量数据;Xj一条线路n天日线损数据。
7.根据权利要求6所述的一种基于电量与线损关联性的线变关系异常判别方法,其特征在于:相关性的判定遵循以下规律:
A:若Cij(Xi,Xj)>0,表明该变压器电量与该线路线损是正相关;
B:若Cij(Xi,Xj)<0,表明两者之间是负相关;
C:若Cij(Xi,Xj)越接近于0,则表明二者间相关性越弱。
8.根据权利要求1所述的一种基于电量与线损关联性的线变关系异常判别方法,其特征在于:数据显示模块显示日电量信息、线损信息、线变嫌疑台区以及嫌疑时间区间,并将数据可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910304264.9A CN110276511A (zh) | 2019-04-16 | 2019-04-16 | 一种基于电量与线损关联性的线变关系异常判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910304264.9A CN110276511A (zh) | 2019-04-16 | 2019-04-16 | 一种基于电量与线损关联性的线变关系异常判别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110276511A true CN110276511A (zh) | 2019-09-24 |
Family
ID=67959390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910304264.9A Pending CN110276511A (zh) | 2019-04-16 | 2019-04-16 | 一种基于电量与线损关联性的线变关系异常判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276511A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874373A (zh) * | 2019-12-10 | 2020-03-10 | 杭州岑石能源科技有限公司 | 一种基于机器学习stacking模型的线变关系判定方法 |
CN110928866A (zh) * | 2019-12-09 | 2020-03-27 | 国网天津市电力公司 | 基于停电信息大数据分析的线路拓扑核查方法及系统 |
CN111191915A (zh) * | 2019-12-27 | 2020-05-22 | 国网浙江海盐县供电有限公司 | 一种基于配电网运行数据的10kV双电源用户线变关系分析方法 |
CN111458661A (zh) * | 2020-03-03 | 2020-07-28 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网线变关系诊断方法、装置及系统 |
CN111541301A (zh) * | 2020-04-27 | 2020-08-14 | 杭州沃瑞电力科技有限公司 | 一种基于波动率的配电网线变关系校验方法 |
CN111861121A (zh) * | 2020-06-17 | 2020-10-30 | 国网安徽省电力有限公司 | 基于用户电量波动与线损波动分析的异常用电判定方法 |
CN112462133A (zh) * | 2020-11-06 | 2021-03-09 | 国网江苏省电力有限公司营销服务中心 | 一种高压用户私换互感器窃电判别方法 |
CN112529725A (zh) * | 2020-11-05 | 2021-03-19 | 国网天津市电力公司 | 基于Spearman模型的线损影响因子查找方法 |
CN113469488A (zh) * | 2021-05-08 | 2021-10-01 | 国网宁夏电力有限公司银川供电公司 | 配电网设备拓扑结构在线诊断分析系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集系统的多时间尺度用电异常分析方法 |
CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
CN108573350A (zh) * | 2018-04-19 | 2018-09-25 | 国网湖北省电力有限公司电力科学研究院 | 一种配网线损同期化计算与多维分析方法 |
CN108710990A (zh) * | 2018-04-19 | 2018-10-26 | 国网天津市电力公司 | 基于同期数据的线变台户多级线损分析方法及系统 |
CN109461096A (zh) * | 2018-11-05 | 2019-03-12 | 杭州致成电子科技有限公司 | 一种基于电量关联性的户变关系异常判别方法 |
-
2019
- 2019-04-16 CN CN201910304264.9A patent/CN110276511A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集系统的多时间尺度用电异常分析方法 |
CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
CN108573350A (zh) * | 2018-04-19 | 2018-09-25 | 国网湖北省电力有限公司电力科学研究院 | 一种配网线损同期化计算与多维分析方法 |
CN108710990A (zh) * | 2018-04-19 | 2018-10-26 | 国网天津市电力公司 | 基于同期数据的线变台户多级线损分析方法及系统 |
CN109461096A (zh) * | 2018-11-05 | 2019-03-12 | 杭州致成电子科技有限公司 | 一种基于电量关联性的户变关系异常判别方法 |
Non-Patent Citations (1)
Title |
---|
郁浩: "异常电能表查找系统研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928866A (zh) * | 2019-12-09 | 2020-03-27 | 国网天津市电力公司 | 基于停电信息大数据分析的线路拓扑核查方法及系统 |
CN110874373A (zh) * | 2019-12-10 | 2020-03-10 | 杭州岑石能源科技有限公司 | 一种基于机器学习stacking模型的线变关系判定方法 |
CN111191915A (zh) * | 2019-12-27 | 2020-05-22 | 国网浙江海盐县供电有限公司 | 一种基于配电网运行数据的10kV双电源用户线变关系分析方法 |
CN111191915B (zh) * | 2019-12-27 | 2023-05-30 | 国网浙江海盐县供电有限公司 | 一种基于配电网运行数据的10kV双电源用户线变关系分析方法 |
CN111458661A (zh) * | 2020-03-03 | 2020-07-28 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网线变关系诊断方法、装置及系统 |
CN111541301A (zh) * | 2020-04-27 | 2020-08-14 | 杭州沃瑞电力科技有限公司 | 一种基于波动率的配电网线变关系校验方法 |
CN111541301B (zh) * | 2020-04-27 | 2022-03-22 | 杭州沃瑞电力科技有限公司 | 一种基于波动率的配电网线变关系校验方法 |
CN111861121A (zh) * | 2020-06-17 | 2020-10-30 | 国网安徽省电力有限公司 | 基于用户电量波动与线损波动分析的异常用电判定方法 |
CN112529725A (zh) * | 2020-11-05 | 2021-03-19 | 国网天津市电力公司 | 基于Spearman模型的线损影响因子查找方法 |
CN112462133A (zh) * | 2020-11-06 | 2021-03-09 | 国网江苏省电力有限公司营销服务中心 | 一种高压用户私换互感器窃电判别方法 |
CN113469488A (zh) * | 2021-05-08 | 2021-10-01 | 国网宁夏电力有限公司银川供电公司 | 配电网设备拓扑结构在线诊断分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276511A (zh) | 一种基于电量与线损关联性的线变关系异常判别方法 | |
CN107340492B (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN113267692B (zh) | 一种低压台区线损智能诊断分析方法和系统 | |
CN110311709A (zh) | 用电信息采集系统故障判别方法 | |
CN102692615B (zh) | 自动采集电量数据系统 | |
CN110503136A (zh) | 台区线损异常分析方法、计算机可读存储介质及终端设备 | |
US20190369570A1 (en) | System and method for automatically detecting anomalies in a power-usage data set | |
CN109670675A (zh) | 充电桩运行状态评价方法及装置 | |
CN112688431A (zh) | 一种基于大数据的配电网负荷过载可视化方法及系统 | |
CN112288303A (zh) | 确定线损率的方式、装置 | |
CN109450089B (zh) | 一种台区低电压识别方法、装置及终端设备 | |
CN109829560A (zh) | 一种配电网可再生能源发电集群接入规划方法 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
CN106908752A (zh) | 一种基于特征分组的电能计量异常诊断方法及系统 | |
CN110489783A (zh) | 一种基于qrnn的低压台区线损率合理范围估计方法 | |
CN106600145A (zh) | 一种配电网的可靠性分析方法及装置 | |
CN115270974A (zh) | 基于大数据分析的智能窃电检测系统 | |
CN103018611A (zh) | 一种基于电流分解的非侵入式负载监测方法及系统 | |
CN106709623B (zh) | 一种基于风险计算模型的电网营销稽查风险管控方法 | |
CN113687293A (zh) | 基于大数据的线损异常智能分析方法 | |
CN117010946A (zh) | 一种火电厂生产经营成本核算系统及其使用方法 | |
CN115951172A (zh) | 一种母线电量不平衡异常计量点定位方法、装置及设备 | |
CN109886538A (zh) | 基于动态监测数据的铁路信号设备质量评价方法及装置 | |
CN102419584A (zh) | 利用物联网络对污染源排放规律进行计量评价的方法及物联网络控制器 |
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: 20190924 |