CN110531304A - 一种在线监测台区失准率的计算方法、设备及介质 - Google Patents

一种在线监测台区失准率的计算方法、设备及介质 Download PDF

Info

Publication number
CN110531304A
CN110531304A CN201910723915.8A CN201910723915A CN110531304A CN 110531304 A CN110531304 A CN 110531304A CN 201910723915 A CN201910723915 A CN 201910723915A CN 110531304 A CN110531304 A CN 110531304A
Authority
CN
China
Prior art keywords
platform area
error rate
summary table
rate
user
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.)
Granted
Application number
CN201910723915.8A
Other languages
English (en)
Other versions
CN110531304B (zh
Inventor
李颖杰
黄安子
黄勇光
于洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN201910723915.8A priority Critical patent/CN110531304B/zh
Publication of CN110531304A publication Critical patent/CN110531304A/zh
Application granted granted Critical
Publication of CN110531304B publication Critical patent/CN110531304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/04Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种在线监测台区失准率的计算方法、设备及介质,其包括步骤:步骤S1,在线获取台区总表下的各用户计量表的时点电量数据;步骤S2,验证获取的台区的总表电量数据是否为0,台区的总表电量数据为0则判定台区未使用或总表故障,台区的总表电量数据不为0则进行进一步计算;步骤S3,根据在线获取的数据运用电能表误差率模型的原型流量守恒公式计算各用户计量表误差率、台区的线损率、台区的固定损耗;步骤S4,利用修正模型计算总表误差率,并修正各用户计量表误差率、台区的线损率、台区的固定损耗。实施本发明,在线监测计算的智能电表失准率,使失准率计算的考虑因素更加丰富,增加结果量的输出,使结果更加可信和准确。

Description

一种在线监测台区失准率的计算方法、设备及介质
技术领域
本发明属于信息技术领域,涉及在线监测台区失准率的计算方法、设备及介质。
背景技术
随着智能电表的进一步普及,电网数据从数量、时效等层面进一步丰富和拓展,尤其设备在线监测数据进一步丰富,为计量资产状态的在线监测提供了数据支撑。计量设备其全生命周期涵盖了从采购到货管理、设备验收管理、检定检测管理、仓储配送管理、设备安装管理、设备运行管理、设备拆除管理到最终资产报废管理的各个阶段。其中电网在智能电表运行管理过程中主要包括如下流程:首次强制检定,运行过程中第1、3、5、7、8年进行运行抽检,8年使用期满进行到期轮换俗称“换表”,进入报废流程。然而电能表实际运行寿命普遍能够达到10到15年,而且电能表在网运行质量水平已能够有效监测,所以“一刀切”式到期轮换机制不合理,检定合格并提前报废的电能表数量巨大,不利于节能环保且浪费社会资源,同时换表引发旧拆卸处理、新购置安装等工作产生巨大的人力物力的浪费。
近年市场监管总局转变管理思路逐渐由“积极探索破解合理确定轮换周期”转变为“不断完善电能表实时运行监测功能,及时评估电能表的运行情况,为全国相关工作提供借鉴”。为最大限度地保护用户和供电企业之的公平利益,有必要基于电网丰富的在线运行数据信息,借助大数据技术,运用科学的数理分析对电能表运行误差计算和分析,开展台区及电能表异常工单的管理、支撑运行电能表失准更换策略。
发明内容
本发明实施例所要解决的技术问题在于,提供在线监测台区失准率的计算方法、设备及介质,使在线监测计算的智能电表失准率更加准确,增加台区总表失准率的计算,通过得到台区电表失准率与台区下智能电表失准率的关系,从而对智能电表失准率进行修正。
本发明的一方面,提供在线监测台区失准率的计算方法,其包括如下步骤:
步骤S1,在线获取台区总表下的各用户计量表的时点电量数据;
步骤S2,验证获取的台区的总表电量数据是否为0,台区的总表电量数据为0则判定台区未使用或总表故障,台区的总表电量数据不为0则进行进一步计算;
步骤S3,根据在线获取的数据运用电能表误差率模型的原型流量守恒公式计算各用户计量表误差率、台区的线损率、台区的固定损耗;
步骤S4,利用修正模型计算总表误差率,并修正各用户计量表误差率、台区的线损率、台区的固定损耗。
优选地,
所述步骤S3中所述原型流量守恒公式进一步包括:
其中,y(i)代表台区总表电量,而ε'S代表台区总表的误差率,ε0代表台区其它固定损耗,εj代表计量表误差率,εy代表台区的线损率。
具体的,
所述步骤S3进一步包括:其中,y'(i)表示台区实际供电量,则
即:
则进一步得出,
其中,ε'j表示计量表实际误差率;ε'y表示台区实际线损率;ε'0表示台区实际其它固定损耗。
更具体的,所述步骤S3进一步包括:
通过原型流量守恒公式与上述公式进行关联得到
既:
进一步得出原模型与实际模型的计算误差:
得出原模型与实际模型的计算误差率:
其中,y′(i)代表实际台区总表电量,ε'j表示计量表实际误差率;ε'y表示台区实际线损率;ε'0表示台区实际其它固定损耗,y(i)代表台区
总表电量,而ε'S代表台区总表的误差率。
优选的,所述步骤S4修正各用户计量表误差率、台区的线损率、台区的固定损耗进一步包括:
ε'j符合正太分布N(μ',σ'2),其中μ'=0,μ代表εj的平均值,则
进一步得出的平均值为:
进一步可得出ε'jε'S-ε'S的平均值为:
综上可知,ε'S=-μ。
具体的,所述步骤S4利用修正模型计算总表误差率进一步包括: 由公式进一步得出:
其中,通过提取其中的最大值εjmax和最小值εjmin,降低异常误差, 最终得到μ的准确值:
具体的,所述用户计量表为可采集数据及数据通信的智能电表。相应地,本发明的另一方面,还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任一项所述方法的步骤。
相应地,本发明的另一方面,还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述的方法的步骤。
实施本发明实施例,具有如下有益效果:
本发明实施例提供在线监测台区失准率的计算方法、设备及介质,完全基于在线监测数据,所使用数据均为在线监测数据,失准率的计算尽量减少不确定因素对计算结果的影响,通过增加台区总表失准率的形式,计算台区失准率和智能电表是准率的关系,在转换过程中得到更加准确的智能电表失准率;
在本发明的实施例中,在原来基础上增加台区总表的失准率考虑后,通过总表失准率与智能电表的关系进行转换,使失准率计算的考虑因素更加丰富,增加结果量的输出,使结果更加可信和准确,作为失准率计算后的一个补充修正。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明提供的在线监测台区失准率的计算方法的一个实施例的主流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,示出了本发明提供的在线监测台区失准率的计算方法的一个实施例的主流程示意图,在本实施例中,所述方法包括如下步骤:
步骤S1,在线获取台区总表下的各用户计量表的时点电量数据;
步骤S2,验证获取的台区的总表电量数据是否为0,台区的总表电量数据为0则判定台区未使用或总表故障,台区的总表电量数据不为0则进行进一步计算;
步骤S3,根据在线获取的数据运用电能表误差率模型的原型流量守恒公式计算各用户计量表误差率、台区的线损率、台区的固定损耗;
在本发明的一个实施例中,
所述步骤S3中所述原型流量守恒公式进一步包括:
其中,y(i)代表台区总表电量,而ε'S代表台区总表的误差率,ε0代表台区其它固定损耗,εj代表计量表误差率,εy代表台区的线损率。
更具体地,在一个实施例中,
所述步骤S3进一步包括:其中,y'(i)表示台区实际供电量,则
即:
则进一步得出,
其中,ε'j表示计量表实际误差率;ε'y表示台区实际线损率;ε'0表示台区实际其它固定损耗。
更具体的,所述步骤S3进一步包括:
通过原型流量守恒公式与上述公式进行关联得到
既:
进一步得出原模型与实际模型的计算误差:
得出原模型与实际模型的计算误差率:
其中,y′(i)代表实际台区总表电量,ε'j表示计量表实际误差率;ε'y表示台区实际线损率;ε'0表示台区实际其它固定损耗,y(i)代表台区总表电量,而ε'S代表台区总表的误差率。
步骤S4,利用修正模型计算总表误差率,并修正各用户计量表误差率、台区的线损率、台区的固定损耗。
在本实施例中,
优选的,所述步骤S4修正各用户计量表误差率、台区的线损率、台区的固定损耗进一步包括:
ε'j符合正太分布N(μ',σ'2),其中μ'=0,μ代表εj的平均值,则
进一步得出的平均值为:
进一步可得出ε'jε'S-ε'S的平均值为:
综上可知,ε'S=-μ。
具体的,所述步骤S4利用修正模型计算总表误差率进一步包括: 由公式进一步得出:
其中,通过提取其中的最大值εjmax和最小值εjmin,降低异常误差, 最终得到μ的准确值:
优选的,所述用户计量表为可采集数据及数据通信的智能电表。
更多的细节,可以参照并结合前述对附图的描述,在此不进行详述。
相应地,本发明的再一方面,还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任一项所述方法的步骤。
相应地,本发明的另一方面,还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述的方法的步骤。
其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
实施本发明实施例,具有如下有益效果:
本发明实施例提供在线监测台区失准率的计算方法、设备及介质;
在本发明的实施例中,提供在线监测台区失准率的计算方法、设备及介质,完全基于在线监测数据,所使用数据均为在线监测数据,失准率的计算尽量减少不确定因素对计算结果的影响,通过增加台区总表失准率的形式,计算台区失准率和智能电表失准率的关系,在转换过程中得到更加准确的智能电表失准率;
在本发明的实施例中,在原来基础上增加台区总表的失准率考虑后,通过总表失准率与智能电表的关系进行转换,使失准率计算的考虑因素更加丰富,增加结果量的输出,使结果更加可信和准确,作为失准率计算后的一个补充修正。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。

Claims (9)

1.一种在线监测台区失准率的计算方法,其特征在于,包括如下步骤:
步骤S1,在线获取台区总表下的各用户计量表的时点电量数据;
步骤S2,验证获取的台区的总表电量数据是否为0,台区的总表电量数据为0则判定台区未使用或总表故障,台区的总表电量数据不为0则进行进一步计算;
步骤S3,根据在线获取的数据运用电能表误差率模型的原型流量守恒公式计算各用户计量表误差率、台区的线损率、台区的固定损耗;
步骤S4,利用修正模型计算总表误差率,并修正各用户计量表误差率、台区的线损率、台区的固定损耗。
2.如权利要求1所述的方法,其特征在于,所述步骤S3中所述原型流量守恒公式进一步包括:
其中,y(i)代表台区总表电量,而ε′S代表台区总表的误差率,ε0代表台区其它固定损耗,εj代表计量表误差率,εy代表台区的线损率。
3.如权利要求2所述的方法,其特征在于,所述步骤S3进一步包括:其中,y′(i)表示台区实际供电量,则
即:
则进一步得出,
其中,ε′j表示计量表实际误差率;ε′y表示台区实际线损率;ε′0表示台区实际其它固定损耗。
4.如权利要求3所述的方法,其特征在于,所述步骤S3进一步包括:
通过原型流量守恒公式与上述公式进行关联得到
既:
进一步得出原模型与实际模型的计算误差:
得出原模型与实际模型的计算误差率:
其中,y′(i)代表实际台区总表电量,ε′j表示计量表实际误差率;ε′y表示台区实际线损率;ε′0表示台区实际其它固定损耗,y(i)代表台区总表电量,而ε′S代表台区总表的误差率。
5.如权利要求4所述的方法,其特征在于,所述步骤S4修正各用户计量表误差率、台区的线损率、台区的固定损耗进一步包括:
ε′j符合正太分布N(μ′,σ′2),其中μ′=0,μ代表εj的平均值,则
进一步得出的平均值为:
进一步可得出ε′jε′S-ε′S的平均值为:
综上可知,ε′S=-μ。
6.如权利要求5所述的方法,其特征在于,所述步骤S4利用修正模型计算总表误差率进一步包括:由公式进一步得出:
其中,通过提取其中的最大值εjmax和最小值εjmin,降低异常误差,最终得到μ的准确值:
7.如权利要求1所述的方法,其特征在于,所述用户计量表为可采集数据及数据通信的智能电表。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201910723915.8A 2019-08-07 2019-08-07 一种在线监测台区失准率的计算方法、设备及介质 Active CN110531304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910723915.8A CN110531304B (zh) 2019-08-07 2019-08-07 一种在线监测台区失准率的计算方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910723915.8A CN110531304B (zh) 2019-08-07 2019-08-07 一种在线监测台区失准率的计算方法、设备及介质

Publications (2)

Publication Number Publication Date
CN110531304A true CN110531304A (zh) 2019-12-03
CN110531304B CN110531304B (zh) 2021-11-16

Family

ID=68661520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910723915.8A Active CN110531304B (zh) 2019-08-07 2019-08-07 一种在线监测台区失准率的计算方法、设备及介质

Country Status (1)

Country Link
CN (1) CN110531304B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111398885A (zh) * 2020-03-27 2020-07-10 天津大学 一种结合线损分析的智能电表运行误差监控方法
CN111693928A (zh) * 2020-06-22 2020-09-22 广东电网有限责任公司计量中心 电能表计量误差计算方法、装置和计算机设备
CN111948596A (zh) * 2020-08-24 2020-11-17 国网四川省电力公司电力科学研究院 基于多时间尺度的台区电能表误差在线检测方法和系统
CN112596020A (zh) * 2020-12-30 2021-04-02 广东电网有限责任公司电力科学研究院 一种台区内智能电表运行误差的修正方法及相关装置
CN113010998A (zh) * 2021-02-08 2021-06-22 武汉数澎科技有限公司 基于随动线损及遗忘因子最小二乘法的电表误差估计方法
CN113281697A (zh) * 2021-05-20 2021-08-20 国网河南省电力公司营销服务中心 一种运行误差在线分析方法及系统
CN114063003A (zh) * 2022-01-06 2022-02-18 山东省计量科学研究院 基于小台区的电能表测量误差检测方法、系统及存储介质
CN115169613A (zh) * 2022-07-27 2022-10-11 云南电网有限责任公司 一种电表维护方案确定方法、装置、电子设备及存储介质
CN115267645A (zh) * 2022-07-27 2022-11-01 云南电网有限责任公司 一种低功率因数电能表的误差计算方法、监测系统及设备
WO2023173754A1 (zh) * 2022-03-14 2023-09-21 浙江万胜智能科技股份有限公司 一种基于多表合一的数据采集管理方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1164402A (ja) * 1997-08-11 1999-03-05 Mitsubishi Electric Corp 電子式電力量計及びその誤差調整方法
CN101477185A (zh) * 2009-02-13 2009-07-08 成都博高科技有限责任公司 一种电能表计量准确度的评估方法
KR20110043052A (ko) * 2009-10-20 2011-04-27 한국전기연구원 전력량계의 오차 보상방법
CN106154213A (zh) * 2016-09-06 2016-11-23 武汉尤瑞卡节能科技有限公司 一种用于充电桩误差检测的移动式误差标准器及其检测方法
CN106338706A (zh) * 2015-07-10 2017-01-18 侯飞 一种电能计量装置整体误差检测的方法、装置和系统
CN107462863A (zh) * 2017-09-05 2017-12-12 中国电力科学研究院 一种智能电能表运行误差运行诊断分析方法及系统
CN107561481A (zh) * 2017-09-05 2018-01-09 天津市电力科技发展有限公司 一种基于全样本数据思维的在线运行智能电能表误差控制方法
CN107655549A (zh) * 2017-09-05 2018-02-02 天津市电力科技发展有限公司 一种智能燃气表在线综合误差校准方法
CN107703475A (zh) * 2017-09-05 2018-02-16 天津市电力科技发展有限公司 一种在线运行智能电能表的期间核查方法
CN107728099A (zh) * 2017-09-05 2018-02-23 天津市电力科技发展有限公司 一种用于广义流量仪表运行误差远程校准的虚拟支路修正拓扑模型
CN107818395A (zh) * 2017-09-05 2018-03-20 天津市电力科技发展有限公司 一种基于测量不确定度的电能表误差迭代计算方法
CN107870312A (zh) * 2017-09-05 2018-04-03 天津市电力科技发展有限公司 一种智能电能表运行误差远程校准方法
CN109342989A (zh) * 2018-08-16 2019-02-15 全球能源互联网研究院有限公司 一种电能表的误差分析方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1164402A (ja) * 1997-08-11 1999-03-05 Mitsubishi Electric Corp 電子式電力量計及びその誤差調整方法
CN101477185A (zh) * 2009-02-13 2009-07-08 成都博高科技有限责任公司 一种电能表计量准确度的评估方法
KR20110043052A (ko) * 2009-10-20 2011-04-27 한국전기연구원 전력량계의 오차 보상방법
CN106338706A (zh) * 2015-07-10 2017-01-18 侯飞 一种电能计量装置整体误差检测的方法、装置和系统
CN106154213A (zh) * 2016-09-06 2016-11-23 武汉尤瑞卡节能科技有限公司 一种用于充电桩误差检测的移动式误差标准器及其检测方法
CN107561481A (zh) * 2017-09-05 2018-01-09 天津市电力科技发展有限公司 一种基于全样本数据思维的在线运行智能电能表误差控制方法
CN107462863A (zh) * 2017-09-05 2017-12-12 中国电力科学研究院 一种智能电能表运行误差运行诊断分析方法及系统
CN107655549A (zh) * 2017-09-05 2018-02-02 天津市电力科技发展有限公司 一种智能燃气表在线综合误差校准方法
CN107703475A (zh) * 2017-09-05 2018-02-16 天津市电力科技发展有限公司 一种在线运行智能电能表的期间核查方法
CN107728099A (zh) * 2017-09-05 2018-02-23 天津市电力科技发展有限公司 一种用于广义流量仪表运行误差远程校准的虚拟支路修正拓扑模型
CN107818395A (zh) * 2017-09-05 2018-03-20 天津市电力科技发展有限公司 一种基于测量不确定度的电能表误差迭代计算方法
CN107870312A (zh) * 2017-09-05 2018-04-03 天津市电力科技发展有限公司 一种智能电能表运行误差远程校准方法
CN109342989A (zh) * 2018-08-16 2019-02-15 全球能源互联网研究院有限公司 一种电能表的误差分析方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘小康: "基于智能电能表大数据的分析方法和应用", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
刘浩宇等: "基于低压台区的电能表远程误差计算探索与实践", 《科技创新与应用》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111398885A (zh) * 2020-03-27 2020-07-10 天津大学 一种结合线损分析的智能电表运行误差监控方法
CN111693928A (zh) * 2020-06-22 2020-09-22 广东电网有限责任公司计量中心 电能表计量误差计算方法、装置和计算机设备
CN111693928B (zh) * 2020-06-22 2021-07-23 广东电网有限责任公司计量中心 电能表计量误差计算方法、装置和计算机设备
CN111948596B (zh) * 2020-08-24 2023-03-14 国网四川省电力公司电力科学研究院 基于多时间尺度的台区电能表误差在线检测方法和系统
CN111948596A (zh) * 2020-08-24 2020-11-17 国网四川省电力公司电力科学研究院 基于多时间尺度的台区电能表误差在线检测方法和系统
CN112596020A (zh) * 2020-12-30 2021-04-02 广东电网有限责任公司电力科学研究院 一种台区内智能电表运行误差的修正方法及相关装置
CN113010998A (zh) * 2021-02-08 2021-06-22 武汉数澎科技有限公司 基于随动线损及遗忘因子最小二乘法的电表误差估计方法
CN113281697A (zh) * 2021-05-20 2021-08-20 国网河南省电力公司营销服务中心 一种运行误差在线分析方法及系统
CN113281697B (zh) * 2021-05-20 2023-04-18 国网河南省电力公司营销服务中心 一种运行误差在线分析方法及系统
CN114063003A (zh) * 2022-01-06 2022-02-18 山东省计量科学研究院 基于小台区的电能表测量误差检测方法、系统及存储介质
WO2023173754A1 (zh) * 2022-03-14 2023-09-21 浙江万胜智能科技股份有限公司 一种基于多表合一的数据采集管理方法及系统
CN115169613A (zh) * 2022-07-27 2022-10-11 云南电网有限责任公司 一种电表维护方案确定方法、装置、电子设备及存储介质
CN115267645A (zh) * 2022-07-27 2022-11-01 云南电网有限责任公司 一种低功率因数电能表的误差计算方法、监测系统及设备

Also Published As

Publication number Publication date
CN110531304B (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN110531304A (zh) 一种在线监测台区失准率的计算方法、设备及介质
CN110533299B (zh) 一种在线监测电表失准率的计算方法、设备及介质
Syreyshchikova et al. Automation of Production Activities of an Industrial Enterprise based on the ERP System
CN101408769A (zh) 一种基于乘积arima模型的在线能源预测系统及方法
CN111695744B (zh) 一种基于大数据的维修器材需求预测分析系统
EP2312506A1 (en) Computer-based method and device for automatically providing a prediction on a future energy demand to an energy source
CN112085285A (zh) 母线负荷预测方法、装置、计算机设备和存储介质
CN111340307B (zh) 预测风机风力发电功率的方法以及相关装置
CN112488427A (zh) 基于arima模型的中长期光伏可用电量预测方法
CN115829145A (zh) 一种光伏发电量预测系统及方法
CN115358437A (zh) 基于卷积神经网络的供电负荷预测方法
Algarvio et al. Agent-based simulation of day-ahead energy markets: impact of forecast uncertainty and market closing time on energy prices
CN112381242A (zh) 核电站设备维修项目数据处理方法及系统
Kim et al. Predicting 24-hours ahead photovoltaic power output using forecast information
Béguery et al. Microgrid energy management optimization-a common platform for research, development and design tools
CN114738212B (zh) 一种考虑多属性气象特性的风电机组检修方法及装置
CN112381266B (zh) 基于历史供电及天气数据预测未来供电量的系统及其方法
Rinaldi et al. A novel reliability-based simulation tool for offshore renewable technologies
Pakrashi et al. Wind power prediction and early downtime detection for Ireland
CN112749820A (zh) 一种风电功率预测方法及系统
Namrata et al. Data-Driven Hyperparameter Optimized Extreme Gradient Boosting Machine Learning Model for Solar Radiation Forecasting
Zheng et al. Optimal post-warranty maintenance contracts for wind turbines considering availability
Abeywickrama et al. Integrating weather patterns into machine learning models for improved electricity demand forecasting in Sri Lanka
Akhsani et al. Development of Reliability-Based Decision Making for Optimum Operation and Maintenance Strategy in Coal-Fired Power Plant
Adoh et al. Le-ol." Cost Reduction in a Brewery Boiler Operation Using Reliability Centered Maintenance: A Case Study."

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