CN110472801B - 直流输电线路电磁环境评估方法及系统 - Google Patents
直流输电线路电磁环境评估方法及系统 Download PDFInfo
- Publication number
- CN110472801B CN110472801B CN201910789425.8A CN201910789425A CN110472801B CN 110472801 B CN110472801 B CN 110472801B CN 201910789425 A CN201910789425 A CN 201910789425A CN 110472801 B CN110472801 B CN 110472801B
- Authority
- CN
- China
- Prior art keywords
- data
- electromagnetic environment
- model
- parameter
- parameters
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012937 correction Methods 0.000 claims abstract description 60
- 238000012360 testing method Methods 0.000 claims abstract description 59
- 238000009826 distribution Methods 0.000 claims abstract description 48
- 230000000694 effects Effects 0.000 claims abstract description 20
- 238000002790 cross-validation Methods 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000013179 statistical model Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 230000001932 seasonal effect Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000010200 validation analysis Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000000704 physical effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000011156 evaluation Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013485 heteroscedasticity test Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 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
- 239000013307 optical fiber Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
- G01R29/0871—Complete apparatus or systems; circuits, e.g. receivers or amplifiers
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种直流输电线路电磁环境评估方法及系统,所述方法包括:对电磁环境信息进行筛选;对基础数据库进行分段化的同分布抽样;将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型;对初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型;当电磁环境参数预测模型的预测结果与所测试验线段测试结果的偏差值小于或等于预设值时,则该电磁环境参数预测模型合格,本发明能够解决现有技术缺少科学合理的电磁环境参数预测模型,因此会使对测试区域的电磁环境的监控与评估产生较大误差的问题。
Description
技术领域
本发明涉及高压直流传输技术领域,特别是涉及一种直流输电线路电磁环境评估方法及系统。
背景技术
高压直流输电(HVDC),是利用稳定的直流电具有无感抗,容抗也不起作用,无同步问题等优点而采用的大功率远距离直流输电。高压直流输电技术被用于通过架空线和海底电缆远距离输送电能;同时在一些不适于用传统交流联接的场合,它也被用于独立电力系统间的联接。
我国高压直流输电技术在远距离大容量输电领域中得到飞速发展。随着经济的不断发展和民众环境意识的增强,直流线路的电晕及其电磁环境问题已成为输电线路设计的瓶颈与最大障碍。其中,电磁环境是指设备、分系统或系统在执行规定任务时,可能遇到的辐射或传导电磁发射电平在不同频率范围内功率和时间的分布。电磁环境由空间、时间和频谱三个要素组成。
现有电磁环境(Electromagnetic environment,EME)的评估缺乏实际数据支撑,不能充分考虑输电线路运行状态、地理参数、气象参数及阴雨雾霾等复杂气候类型的综合影响,且参数预测模型均为通过多元线性回归获得,忽视了电磁环境参数异方差、多重非线性特性,缺少更为科学合理的EME参数预测模型,因此会使对测试区域的电磁环境的监控与评估产生较大的误差,从而不利于对电磁环境指标控制、环境评估和保护、降低线路造价、提高直流工程的环境友好性工作的准确实施。
发明内容
为了解决上述问题,本发明的目的是提供一种能够提高对待测区域电磁环境评估准确性及可靠性的直流输电线路电磁环境评估方法及系统。
根据本发明提供的直流输电线路电磁环境评估方法,包括:
获取待测直流输电线路的电磁环境信息,并对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据;
计算电压参数、线路参数及气象参数对所述电磁环境参数的影响因子,按降序排序,并将影响程度最大的影响因子作为预测因子;
根据所述预测因子,对基础数据库进行分段化的同分布抽样;
将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型;
对所述初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型;
当所述电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值小于或等于预设值时,则所述电磁环境参数预测模型合格。
根据本发明提供的直流输电线路电磁环境评估方法,首先通过实时获取待测直流输电线路的电磁环境信息,以提高电磁环境信息获取的及时性及可靠性;通过对所述电磁环境信息进行筛选,剔除无效数据,以避免由于突发性干扰及暂时性设备故障而出现的数据异常或缺失,从而使参数获取的真实性及可靠性降低,进而产生累计性误差;通过对待测直流输电线路的无线电干扰及可听噪声进行海拔修正,避免由风速和相对湿度在该季节内的分布差异所引起季节性差异;通过计算电压参数、线路参数及气象参数对所述电磁环境参数的影响因子,按降序排序,并将影响程度最大的影响因子作为预测因子,从而避免由于所获取的参数过于杂乱而影响所需预测参数的可靠性及效率;通过对基础数据库进行分段化的同分布抽样,以确保各个数据子集内的电磁环境参数的概率密度分布仍为高斯分布;将所述电磁环境信息的基本模型进行线性混合效应的数据拟合,从而能够适用于具有异方差性和多重共线性的数据集,可以更好地反应气象参数的作用,提高预测精度,并获得所有测点的全局最小化残差;通过对所述初步预测模型进行系数校正与10阶交叉验证,以实现通过提高待测直流输电线路的电磁环境参数预测模型的可靠性,来提高对待测区域电磁环境评估准确性及可靠性;通过判断电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值是否小于或等于预设值来进一步验证电磁环境参数预测模型的可靠性及准确性。本申请能够提高对测试区域电磁环境监控与评估的准确性及可靠性,从而便于对电磁环境指标控制、环境评估和保护、降低线路造价、提高直流工程的环境友好性工作的准确实施,满足了实际应用需求。
另外,根据本发明上述的直流输电线路电磁环境评估方法,还可以具有如下附加的技术特征:
进一步地,对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据的步骤包括:
将电磁环境测试数据、气象参数及线路结构参数合并为待清理数据集;
清理所述待清理数据集中的缺失数据及各维度物理层面上的非正常数据;
根据离散的线路结构参数,将清理后的所述待清理数据集划分为至少一子数据集,并将所述气象参数作为该子数据集的向量空间;
计算各子数据集中每个数据的离群点因子,并清理所述离群点因子在前5%的数据。
进一步地,对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据的步骤包括:
当所述电磁环境信息中各参数数据的上、下限均在预设区间内,各参数数据的参数累计概率分布曲线呈S型且无突变或平直段,各参数数据的横向分布与参数的特性相关联时,则将该参数数据保留。
进一步地,根据所述预测因子,对基础数据库进行分段化的同分布抽样的步骤包括:将所述基础数据库Data_base随机等分为模型拟合数据Data_trainning、参数校正数据Data_calibration及模型验证数据Data_testing三块数据子集:
其中,y为因变量矩阵,x1至xm为m个自变量矩阵,n为观测次数或数据记录条数。
进一步地,将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型的步骤包括:
将所述基本模型yi=Xiβ+Zibi+εi与模型拟合数据Data_trainning进行拟合,并将拟合后的自变量组合带入统计模型Y=f(X)中进行自变量选择,经自变量选择后得到所述初步预测模型:y′=c′×x′+C′
其中,矩阵x'为最终确定的自变量组合,其维度及内容根据影响因素的实际物理作用过程确定,c'为x'对应的系数矩阵,C'为常数。
进一步地,对所述初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型的步骤包括:
将所述初步预测模型通过参数校正数据Data_calibration进行参数校正以得到最小预测误差的校正统计模型;
将所述校正统计模型通过模型验证数据Data_testing进行10阶交叉验证;
若得到的预测误差小于或等于标准误差,则将所述校正统计模型作为待测直流输电线路的电磁环境参数预测模型。
进一步地,将所述校正统计模型通过模型验证数据Data_testing进行10阶交叉验证的步骤之后,所述方法还包括:
若得到的预测误差大于标准误差,则返回将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型的步骤。可以理解的,若获得的最终预测误差满足要求,则将该模型用于该条输电线路电磁环境参数预测;否则,返回重新进行模型拟合。
进一步地,所述方法还包:括根据所述电磁环境信息的季节分布特性及天气分布特性对待测直流输电线路的无线电干扰及可听噪声进行海拔修正,所述无线电干扰的海拔修正系数为1dB/1000m,所述可听噪声的海拔修正系数为4.3dB/1000m。
本发明的另一实施例提出一种直流输电线路电磁环境评估系统,解决现有技术针对电磁环境(Electromagnetic environment,EME)的评估缺乏实际数据支撑,不能充分考虑输电线路运行状态、地理参数、气象参数及阴雨雾霾等复杂气候类型的综合影响,且参数预测模型均为通过多元线性回归获得,忽视了电磁环境参数异方差、多重非线性特性,因此缺少更为科学合理的EME参数预测模型的问题,满足了实际应用需求。
根据本发明实施例的直流输电线路电磁环境评估系统,包括:
获取模块,用于获取待测直流输电线路的电磁环境信息,并对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据;
计算模块,用于计算电压参数、线路参数及气象参数对所述电磁环境参数的影响因子,按降序排序,并将影响程度最大的影响因子作为预测因子;
抽样模块,用于根据所述预测因子,对基础数据库进行分段化的同分布抽样;
拟合模块,用于将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型;
验证模块,用于对所述初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型
确定模块,用于当所述电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值小于或等于预设值时,则所述电磁环境参数预测模型合格。
进一步地,所述获取模块包括:
合并单元,用于将电磁环境测试数据、气象参数及线路结构参数合并为待清理数据集;
清理单元,用于清理所述待清理数据集中的缺失数据及各维度物理层面上的非正常数据;
划分单元,用于根据离散的线路结构参数,将清理后的所述待清理数据集划分为至少一子数据集,并将所述气象参数作为该子数据集的向量空间;
计算单元,用于计算各子数据集中每个数据的离群点因子,并清理所述离群点因子在前5%的数据。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实施例了解到。
附图说明
图1是本发明第一实施例提出的直流输电线路电磁环境评估方法的流程图;
图2是图1中步骤S101的具体流程图;
图3是图1中步骤S105的具体流程图;
图4是图3的具体流程图示意图;
图5是本发明第二实施例提出的直流输电线路电磁环境评估系统的结构框图;
图6是图5中获取模块的具体结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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。
请参阅图1,本发明第一实施例提出的一种直流输电线路电磁环境评估方法,其中,包括步骤S101~S106:
步骤S101,获取待测直流输电线路的电磁环境信息,并对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据。
为保证电力系统中各直流输电线路电磁环境评估的可靠性,具体实施时,在各直流输电线路上设置多个监测点,以便于充分获取输电线路运行状态、地理参数、气象参数及阴雨雾霾等复杂气候类型的综合影响。同时,通过各监测点获取的参数信息能够进一步的分析温度、湿度、气压等对电磁环境的影响,实现复杂影响因素的定量修正,解决复杂条件下已建、新建输电线路电磁环境快速的预测及评估。
进一步地,所述电磁环境信息包括可听噪声、无线电干扰、电晕损耗、合成场强度及地面离子流密度中的一种或多种,在此不做限制。其中,除了电晕损耗测量是在线路上的单点测量,其他电磁环境信息均是在测试场中沿垂直试验线段的方向进行多点测量。本实施例中,可听噪声采用A计权声级计,无线电干扰采用无线电干扰场强接收机,合成场强及离子流密度的测量分别使用旋转伏特计(场强仪)和威尔逊板(离子流板)进行,且各测试仪所获得的电磁环境信息中携带对应的位置及编号。
请参阅图2,对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据的方法包括如下步骤:
步骤S1011,将电磁环境测试数据、气象参数及线路结构参数合并为待清理数据集。
步骤S1012,清理所述待清理数据集中的缺失数据及各维度物理层面上的非正常数据。
如上所述,通过将环境测试数据、气象参数及线路结构参数合并为待清理数据集,以便于对连续不间断的长期统计测试中由于突发性干扰及暂时性的设备故障所产生的无效数据进行完全统计与清除。其中,突发性干扰如:偶然经过的车对可听噪声值测试的干扰,或实验基地其他放电试验对无线电干扰的干扰等,在数据上的表现是异常值,突发性干扰由于持续时间短,包含的声能或电磁能非常有限,在大数据量分析时影响易于剔除。暂时性的设备故障如:数据记录上的产生量程的极大(小)值或NAN值(即空值)。可以理解的,通过对清理数据集中度的缺失数据及非正常数据进行清除,以提高参数获取的真实性。
进一步地,将电磁环境测试数据、气象参数及线路结构参数合并为待清理数据集之前,所述方法还包括根据所述电磁环境信息的季节分布特性及天气分布特性对待测直流输电线路的无线电干扰及可听噪声进行海拔修正。可以理解的,无线电干扰及可听噪声干扰易受季节分布及天气分布的影响,因此需要对其进行海拔修正,以提高参数获取的准确性。具体可通过BPA经验公式计算海平面附近的无线电干扰,采用EPRI经验公式计算长期的可听噪声。本实施例中,是在海拔2100m的地方进行测试,所述无线电干扰的海拔修正系数为1dB/1000m,所述可听噪声的海拔修正系数为4.3dB/1000m。
步骤S1013,根据离散的线路结构参数,将清理后的所述待清理数据集划分为至少一子数据集,并将所述气象参数作为该子数据集的向量空间。
步骤S1014,计算各子数据集中每个数据的离群点因子,并清理所述离群点因子在前5%的数据。
如上所述,通过根据离散的线路结构的参数分布特点,将清理后的所述待清理数据集划分为至少一子数据集,以便于确定各个子数据集的数据分布情况。由于气象参数使各个子数据集存在一定的时空性,因此需将气象参数作为该子数据集的向量空间。通过计算各个子数据集中每个数据的离群点因子,以便于对各个子数据集内的数据进行分段处理,从而使各子数据集中各数据的离群情况尽量一致,本实施例中,将各子数据集中离群点因子在前5%的数据进行清除。可以理解的,数据清理过程识别并清除了数据集中的不合理点,但不应当改变或者极小改变数据集的统计分位值,以免对限值控制造成影响。
在此还需要说明的是,在本发明其他实施例中,对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据的步骤还包括:当所述电磁环境信息中各参数数据的上、下限均在预设区间内,各参数数据的参数累计概率分布曲线呈S型且无突变或平直段,各参数数据的横向分布与参数的特性相关联时,则将该参数数据保留,以实现对有效数数据的选择及无效数据的清除。
作为一个具体的实施例,以电磁环境信息中的可听噪声的数据清理为例进行说明,
整个基础数据库中可听噪声值需在30~60dBA之间,因测试期间背景噪声维持在30~31dB之间,考虑到较远测点可听噪声值随着离开导线距离的增加,可能逐渐衰减到接近背景值,故从30dBA开始;根据声波的产生及衰减机理,声能随着离开声源的距离成平方反比的关系衰减,故可听噪声的横向分布应从导线开始向两个方向衰减,只正极导线加压时,主声源为正极导线,可听噪声以正极线下为极大值,向两个方向递减,只负极导线加压时,主声源为负极导线,可听噪声横向分布应以负极线下为极大值,向两个方向递减,而双极导线同时加压时,正极导线仍为主声源,确保各参数数据的上、下限均在预设区间内,并通过数据清理以使各参数数据的参数累计概率分布曲线曲线呈S型且无突变或平直段,最终当各参数数据的横向分布与参数的特性相关联时,则将该参数数据保留,以实现对所述电磁环境信息进行筛选。其中,可听噪声测试期间风速不应超过2.5m/s,且保证当天测试无降水。
步骤S102,计算电压参数、线路参数及气象参数对所述电磁环境参数的影响因子,按降序排序,并将影响程度最大的影响因子作为预测因子。
如上所述,由于在进行预测的时候不可能每个参数都用到,否则计算会非常复杂,因此需对各个因素的影响程度进行排序,提取影响较大的因素作为预测因子。具体的,给电压参数、线路参数及气象参数分配相应的权重,且各参数的权重之和为1,如电压参数:线路参数:气象参数为3:4:2,根据各参数的权重及对所述电磁环境参数影响力的大小,得到电压参数、线路参数及气象参数分别对所述电磁环境参数的影响因子,将该影响因子进行降序排序,并将影响程度最大的影响因子作为预测因子。
步骤S103,根据所述预测因子,对基础数据库进行分段化的同分布抽样。
具体的,根据所述预测因子,将所述基础数据库Data_base随机等分为模型拟合数据Data_trainning、参数校正数据Data_calibration及模型验证数据Data_testing三块数据子集:
Data_base={y,x1,x2,…,xm},
Data_trainning={yi,x1i,x2i,…,xmi},i=1,2,…,n/3
Data_calibration={yj,x1j,x2j,…,xmj},j=n/3+1,n/3+2,…,2n/3
Data_testing={yk,x1k,x2k,…,xmk},k=2n/3+1,2n/3+2,…,n
其中,y为因变量矩阵,x1至xm为m个自变量矩阵,n为观测次数或数据记录条数。可以理解的,对基础数据库进行分段化的同分布抽样是为了确保各数据的同分布性,即各个数据子集内电磁环境信息单数的概率分布密度仍为高斯分布。其中以可听噪声为例,具体实施时,将所有可听噪声数据按照测点位置分成9段,将每段数据以可听噪声测试值为主键,以元组为单位依序排列,对每个元组数据重新编号,号码为1、2和3的重复,相同编号数据元组进行样本合成。
步骤S104,将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型。
具体的,设电磁环境信息的参数预测为Y=f(X)的统计模型,其中Y为待预测的电磁环境信息中的某参数,X为其影响因素。由于,所述电磁环境信息的基本模型yi=Xiβ+Zibi+εi。其中,Xi为自变量矩阵,β为参数估计,Zi为选取的特定自变量作为随机效应参数,bi即为随机效应,εi为随机项,i为元组编号,则,对于归一化后的基础数据库,bi和εi分别有:
bi~N(0,σbi 2)
εi~N(0,σ2)
将所述基本模型yi=Xiβ+Zibi+εi与模型拟合数据Data_trainning进行拟合,并将拟合后的自变量组合带入统计模型Y=f(X)中进行自变量选择,经自变量选择后得到所述初步预测模型:y′=c′×x′+C′。其中,矩阵x'为最终确定的自变量组合,其维度及内容根据影响因素的实际物理作用过程确定,c'为x'对应的系数矩阵,C'为常数。
步骤S105,对所述初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型。
如上所述,为提高所述初步预测模型的准确性,并且确定待测直流输电线路的电磁环境参数预测模型,因此需对所述初步预测模型进行系数矫正及10阶交叉验证。
请参阅图3至图4,对所述初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型的方法包括如下步骤:
步骤S1051,将所述初步预测模型通过参数校正数据Data_calibration进行参数校正以得到最小预测误差的校正统计模型;
步骤S1052,将所述校正统计模型通过模型验证数据Data_testing进行10阶交叉验证;
具体的,通过预测值与实际值在累计概率分布、概率密度分布及电磁环境参数特性分布方面的对比,对初步统计模型中的各个系数及常数项进行修正。
通过参数校正的数据Data_calibration对初步预测模型进行参数校正以得到校正模型:y″=c″×x″+C″。其中,c″为x″对应的系数矩阵,C″为随机项。
将初步预测模型和校正统计模型相减可获得误差:Δy=Δc1x1+Δc2x2+…+Δcmxm+ΔC。其中Δy=y′-y″,Δcm=cm′-cm″。
则最小误差为:
minΔy=Δc1x1+Δc2x2+...+Δcmxm+ΔC
s·t·x∈{观测范围}
参数校正为:
<c1′,c2′,…,cn′,C′〉→<c1,c2,…,cn,C>
最小预测误差的校正统计模型为:
y=c1x1+c2x2+…+cmxm+C
将所述校正统计模型通过模型验证数据Data_testing进行10阶交叉验证,若获得的最终预测误差满足要求,则将该模型用于该条输电线路电磁环境参数预测;否则,返回重新进行模型拟合。如:若得到的预测误差小于或等于标准误差,则将所述校正统计模型作为待测直流输电线路的电磁环境参数预测模型。若得到的预测误差大于标准误差,则返回将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型的步骤,即若获得的最终预测误差满足要求,则将该模型用于该条输电线路电磁环境参数预测;否则,返回重新进行模型拟合。其中,本实施例中,所述标准误差为5%。
步骤S106,当所述电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值小于或等于预设值时,则所述待测直流输电线路合格。
如上所述,当所述电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值小于或等于预设值如:5%时,则确定所述待测直流输电线路电磁环境合格,在该待测直流输电线路电磁环境参数合格时,生成一分析报告,以供相关人员进行查阅与存档。
在此还需要说明的是,在本发明其他实施例中,当所述电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值大于预设值时,需要重新进行模型拟合;当所述电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值大于预设值时,说明模型拟合错误,应重新进行Data trainning的自变量组合。
根据本发明提供的直流输电线路电磁环境评估方法,首先通过实时获取待测直流输电线路的电磁环境信息,以提高电磁环境信息获取的及时性及可靠性;通过对所述电磁环境信息进行筛选,剔除无效数据,以避免由于突发性干扰及暂时性设备故障而出现的数据异常或缺失,从而使参数获取的真实性及可靠性降低,进而产生累计性误差;通过对待测直流输电线路的无线电干扰及可听噪声进行海拔修正,避免由风速和相对湿度在该季节内的分布差异所引起季节性差异;通过计算电压参数、线路参数及气象参数对所述电磁环境参数的影响因子,按降序排序,并将影响程度最大的影响因子作为预测因子,从而避免由于所获取的参数过于杂乱而影响所需预测参数的可靠性及效率;通过对基础数据库进行分段化的同分布抽样,以确保各个数据子集内的电磁环境参数的概率密度分布仍为高斯分布;将所述电磁环境信息的基本模型进行线性混合效应的数据拟合,从而能够适用于具有异方差性和多重共线性的数据集,可以更好地反应气象参数的作用,提高预测精度,并获得所有测点的全局最小化残差;通过对所述初步预测模型进行系数校正与10阶交叉验证,以实现通过提高待测直流输电线路的电磁环境参数预测模型的可靠性,来提高对待测区域电磁环境评估准确性及可靠性;通过判断电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值是否小于或等于预设值来进一步验证电磁环境参数预测模型的可靠性及准确性。本申请能够提高对测试区域电磁环境监控与评估的准确性及可靠性,从而便于对电磁环境指标控制、环境评估和保护、降低线路造价、提高直流工程的环境友好性工作的准确实施,满足了实际应用需求。
请参阅图5至图6,基于同一发明构思,本发明第二实施例提供的直流输电线路电磁环境评估系统,包括:
获取模块10,用于获取待测直流输电线路的电磁环境信息,并对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据。其中,所述电磁环境信息中无线电干扰的海拔修正系数为1dB/1000m,所述可听噪声的海拔修正系数为4.3dB/1000m。
本实施例中,所述获取模块10包括:
合并单元11,用于将电磁环境测试数据、气象参数及线路结构参数合并为待清理数据集。
清理单元12,用于清理所述待清理数据集中的缺失数据及各维度物理层面上的非正常数据。
划分单元13,用于根据离散的线路结构参数,将清理后的所述待清理数据集划分为至少一子数据集,并将所述气象参数作为该子数据集的向量空间.
计算单元14,用于计算各子数据集中每个数据的离群点因子,并清理所述离群点因子在前5%的数据。
计算模块20,用于计算电压参数、线路参数及气象参数对所述电磁环境参数的影响因子,按降序排序,并将影响程度最大的影响因子作为预测因子。
具体的,将所述基础数据库Data_base随机等分为模型拟合数据Data_trainning、参数校正数据Data_calibration及模型验证数据Data_testing三块数据子集:Data_base={y,x1,x2,…,xm}。其中,y为因变量矩阵,x1至xm为m个自变量矩阵,n为观测次数或数据记录条数。
在本发明另一实施例中,所述计算模块还用于当所述电磁环境信息中各参数数据的上、下限均在预设区间内,各参数数据的参数累计概率分布曲线呈S型且无突变或平直段,各参数数据的横向分布与参数的特性相关联时,则将该参数数据保留。
抽样模块30,用于根据所述预测因子,对基础数据库进行分段化的同分布抽样。
拟合模块40,用于将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型。
具体的,将所述基本模型yi=Xiβ+Zibi+εi与模型拟合数据Data_trainning进行拟合,并将拟合后的自变量组合带入统计模型Y=f(X)中进行自变量选择,经自变量选择后得到所述初步预测模型:y′=c′×x′+C′。其中,矩阵x'为最终确定的自变量组合,其维度及内容根据影响因素的实际物理作用过程确定,c'为x'对应的系数矩阵,C'为常数。
验证模块50,用于对所述初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型。
具体的,将所述初步预测模型通过参数校正数据Data_calibration进行参数校正以得到最小预测误差的校正统计模型;将所述校正统计模型通过模型验证数据Data_testing进行10阶交叉验证;若得到的预测误差小于或等于标准误差,则将所述校正统计模型作为待测直流输电线路的电磁环境参数预测模型。若得到的预测误差大于标准误差,则返回将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型的步骤。
确定模块60,用于当所述电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值小于或等于预设值时,则所述待测直流输电线路电磁环境参数预测模型合格。
根据本发明提供的直流输电线路电磁环境评估系统,首先通过实时获取待测直流输电线路的电磁环境信息,以提高电磁环境信息获取的及时性及可靠性;通过对所述电磁环境信息进行筛选,剔除无效数据,以避免由于突发性干扰及暂时性设备故障而出现的数据异常或缺失,从而使参数获取的真实性及可靠性降低,进而产生累计性误差;通过对待测直流输电线路的无线电干扰及可听噪声进行海拔修正,避免由风速和相对湿度在该季节内的分布差异所引起季节性差异;通过计算电压参数、线路参数及气象参数对所述电磁环境参数的影响因子,按降序排序,并将影响程度最大的影响因子作为预测因子,从而避免由于所获取的参数过于杂乱而影响所需预测参数的可靠性及效率;通过对基础数据库进行分段化的同分布抽样,以确保各个数据子集内的电磁环境参数的概率密度分布仍为高斯分布;将所述电磁环境信息的基本模型进行线性混合效应的数据拟合,从而能够适用于具有异方差性和多重共线性的数据集,可以更好地反应气象参数的作用,提高预测精度,并获得所有测点的全局最小化残差;通过对所述初步预测模型进行系数校正与10阶交叉验证,以实现通过提高待测直流输电线路的电磁环境参数预测模型的可靠性,来提高对待测区域电磁环境评估准确性及可靠性;通过判断电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值是否小于或等于预设值来进一步验证电磁环境参数预测模型的可靠性及准确性。本申请能够提高对测试区域电磁环境监控与评估的准确性及可靠性,从而便于对电磁环境指标控制、环境评估和保护、降低线路造价、提高直流工程的环境友好性工作的准确实施,满足了实际应用需求。
本发明实施例提出的直流输电线路电磁环境评估系统的技术特征和技术效果与本发明实施例提出的方法相同,在此不予赘述。
此外,本发明的实施例还提出一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
此外,本发明的实施例还提出一种智能设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述方法的步骤。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (6)
1.一种直流输电线路电磁环境评估方法,其特征在于,所述方法包括如下步骤:
获取待测直流输电线路的电磁环境信息,并对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据;所述电磁环境信息包括可听噪声、无线电干扰、电晕损耗、合成场强度及地面离子流密度中的一种或多种;
计算电压参数、线路参数及气象参数对电磁环境参数的影响因子,按降序排序,并将影响程度最大的影响因子作为预测因子;
根据所述预测因子,对基础数据库Data_base进行分段化的同分布抽样;
将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型;
对所述初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型;
当所述电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值小于或等于预设值时,则所述电磁环境参数预测模型合格;
对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据的步骤包括:
将电磁环境测试数据、气象参数及线路结构参数合并为待清理数据集;清理所述待清理数据集中的缺失数据及各维度物理层面上的非正常数据;根据离散的线路结构参数,将清理后的所述待清理数据集划分为至少一子数据集,并将所述气象参数作为该子数据集的向量空间;计算各子数据集中每个数据的离群点因子,并清理所述离群点因子在前5%的数据;或
当所述电磁环境信息中各参数数据的上、下限均在预设区间内,各参数数据的参数累计概率分布曲线呈S型且无突变或平直段,各参数数据的横向分布与参数的特性相关联时,则将该参数数据保留;
对所述初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型的步骤包括:
将所述初步预测模型通过参数校正数据Data_calibration进行参数校正以得到最小预测误差的校正统计模型;
将所述校正统计模型通过模型验证数据Data_testing进行10阶交叉验证;
若得到的预测误差小于或等于标准误差,则将所述校正统计模型作为待测直流输电线路的电磁环境参数预测模型。
2.根据权利要求1所述的直流输电线路电磁环境评估方法,其特征在于,根据所述预测因子,对基础数据库Data_base进行分段化的同分布抽样的步骤包括:将所述基础数据库Data_base随机等分为模型拟合数据Data_trainning、参数校正数据Data_calibration及模型验证数据Data_testing三块数据子集:
其中,y为因变量矩阵,x 1 至x m 为m个自变量矩阵,n为观测次数或数据记录条数。
3.根据权利要求2所述的直流输电线路电磁环境评估方法,其特征在于,将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型的步骤包括:
将所述基本模型与模型拟合数据Data_trainning进行拟合,并将拟合后的自变量组合带入统计模型中进行自变量选择,经自变量选择后得到所述初步预测模型:
其中,矩阵x'为最终确定的自变量组合,其维度及内容根据影响因素的实际物理作用过程确定,c'为x'对应的系数矩阵,C'为常数。
4.根据权利要求1所述的直流输电线路电磁环境评估方法,其特征在于,将所述校正统计模型通过模型验证数据Data_testing进行10阶交叉验证的步骤之后,所述方法还包括:
若得到的预测误差大于标准误差,则返回将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型的步骤。
5.根据权利要求1至4任意一项所述的直流输电线路电磁环境评估方法,其特征在于,所述方法还包括:根据所述电磁环境信息的季节分布特性及天气分布特性对待测直流输电线路的无线电干扰及可听噪声进行海拔修正,所述无线电干扰的海拔修正系数为1dB/1000m,所述可听噪声的海拔修正系数为4.3dB/1000m。
6.一种直流输电线路电磁环境评估系统,其特征在于,所述系统包括:
获取模块,用于获取待测直流输电线路的电磁环境信息,并对所述电磁环境信息进行筛选,以剔除所述电磁环境信息中所携带的无效数据;所述电磁环境信息包括可听噪声、无线电干扰、电晕损耗、合成场强度及地面离子流密度中的一种或多种;
所述获取模块包括:
合并单元,用于将电磁环境测试数据、气象参数及线路结构参数合并为待清理数据集;
清理单元,用于清理所述待清理数据集中的缺失数据及各维度物理层面上的非正常数据;
划分单元,用于根据离散的线路结构参数,将清理后的所述待清理数据集划分为至少一子数据集,并将所述气象参数作为该子数据集的向量空间;
计算单元,用于计算各子数据集中每个数据的离群点因子,并清理所述离群点因子在前5%的数据;
所述获取模块还用于,
当所述电磁环境信息中各参数数据的上、下限均在预设区间内,各参数数据的参数累计概率分布曲线呈S型且无突变或平直段,各参数数据的横向分布与参数的特性相关联时,则将该参数数据保留
计算模块,用于计算电压参数、线路参数及气象参数对电磁环境参数的影响因子,按降序排序,并将影响程度最大的影响因子作为预测因子;
抽样模块,用于根据所述预测因子,对基础数据库Data_base进行分段化的同分布抽样;
拟合模块,用于将所述电磁环境信息的基本模型进行线性混合效应的数据拟合以形成初步预测模型;
验证模块,用于对所述初步预测模型进行系数校正与10阶交叉验证以确定待测直流输电线路的电磁环境参数预测模型;具体的,
将所述初步预测模型通过参数校正数据Data_calibration进行参数校正以得到最小预测误差的校正统计模型;将所述校正统计模型通过模型验证数据Data_testing进行10阶交叉验证;若得到的预测误差小于或等于标准误差,则将所述校正统计模型作为待测直流输电线路的电磁环境参数预测模型;
确定模块,用于当所述电磁环境参数预测模型的预测结果与试验线段测试结果的偏差值小于或等于预设值时,则所述待测直流输电线路合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910789425.8A CN110472801B (zh) | 2019-08-26 | 2019-08-26 | 直流输电线路电磁环境评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910789425.8A CN110472801B (zh) | 2019-08-26 | 2019-08-26 | 直流输电线路电磁环境评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110472801A CN110472801A (zh) | 2019-11-19 |
CN110472801B true CN110472801B (zh) | 2023-04-07 |
Family
ID=68512830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910789425.8A Active CN110472801B (zh) | 2019-08-26 | 2019-08-26 | 直流输电线路电磁环境评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472801B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112881818A (zh) * | 2021-01-15 | 2021-06-01 | 广州穗能通能源科技有限责任公司 | 电场强度测量方法、装置、计算机设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107966638A (zh) * | 2017-12-29 | 2018-04-27 | 国网北京市电力公司 | 校正误差的方法和装置、存储介质及处理器 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184421A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 基于数据分段及模型校准的电磁环境参数预测方法 |
CN106021452A (zh) * | 2016-05-16 | 2016-10-12 | 南方电网科学研究院有限责任公司 | 一种电磁环境测量数据清洗方法 |
CN107679292B (zh) * | 2017-09-15 | 2021-01-05 | 广西电网有限责任公司电力科学研究院 | 一种基于数据挖掘的输电线路电磁环境参数预测方法 |
-
2019
- 2019-08-26 CN CN201910789425.8A patent/CN110472801B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107966638A (zh) * | 2017-12-29 | 2018-04-27 | 国网北京市电力公司 | 校正误差的方法和装置、存储介质及处理器 |
Also Published As
Publication number | Publication date |
---|---|
CN110472801A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112488395B (zh) | 一种配电网线损预测方法及系统 | |
CN110634080B (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
CN109270482B (zh) | 电压互感器计量准确度在线评价方法及终端设备 | |
CN109359894A (zh) | 一种基于rpn的电力计量设备风险评价方法及装置 | |
CN110210606A (zh) | 一种基于bp神经网络的输电线路泄漏电流预测方法、系统及存储介质 | |
CN112213585A (zh) | 考虑温度场变化的高压开关柜局部放电定位方法及系统 | |
CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
CN109598052B (zh) | 基于相关系数分析的智能电表寿命周期预测方法及装置 | |
CN104502410A (zh) | 最小二乘支持向量机与遗传算法的绝缘子等值盐密及灰度预测方法 | |
CN115796059A (zh) | 一种基于深度学习的电气设备寿命预测方法及系统 | |
CN114626769B (zh) | 一种电容式电压互感器运维方法及系统 | |
CN110472801B (zh) | 直流输电线路电磁环境评估方法及系统 | |
CN116720622A (zh) | 一种电流互感器计量误差值预测方法 | |
CN115239105A (zh) | 一种在役风电场的风资源的评估方法以及装置 | |
CN113721182A (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及系统 | |
CN117347087A (zh) | 一种基于微波形变雷达的桥梁监测方法及装置 | |
CN109799440B (zh) | 基于高光谱技术的绝缘子污层电导检测方法 | |
CN112100711A (zh) | 一种基于arima和pso-elm的混凝土坝变形组合预报模型构建方法 | |
CN115932704A (zh) | 一种基于模型和数据双驱动的cvt误差测量方法及系统 | |
CN116796168A (zh) | 一种基于多头注意力机制的CNN-BiLSTM高海拔多因素输电线路可听噪声预测方法 | |
CN115684908A (zh) | 用于电力gis设备的状态监测方法、存储介质及电子装置 | |
CN112507290B (zh) | 配电设备故障概率预判方法、装置及存储介质 | |
CN115684855A (zh) | 基于孪生模型的电力设备内部绝缘缺陷放电量定量方法及系统 | |
CN115166625A (zh) | 智能电表误差估计方法及装置 | |
CN114814092A (zh) | 基于bp神经网络的ip指标测量方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |