CN110705824A - 一种基于聚类分析和关联分析的电压暂降分析方法 - Google Patents
一种基于聚类分析和关联分析的电压暂降分析方法 Download PDFInfo
- Publication number
- CN110705824A CN110705824A CN201910814396.6A CN201910814396A CN110705824A CN 110705824 A CN110705824 A CN 110705824A CN 201910814396 A CN201910814396 A CN 201910814396A CN 110705824 A CN110705824 A CN 110705824A
- Authority
- CN
- China
- Prior art keywords
- voltage sag
- analysis
- item set
- voltage
- frequent
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Abstract
本发明提供一种基于聚类分析和关联分析的电压暂降分析方法,该方法首先对历史电能质量检测记录的电压暂降记录数据进行聚类分析,而后再在各个聚类中进行关联分析,进而得到与电压暂降有关的一系列强关联规则。首先根据温度、湿度和风速这三个聚类指标对电压暂降记录数据进行聚类分析。其次在得到的每一个聚类中对数据进行关联分析。最后根据关联分析的结果得到与电压暂降有关的一系列强关联规则。另外,本文提出一种先聚类再关联的电压暂降分析方法,通过对电能质量监测系统累积的历史监测数据及历史气候数据进行分析,得到气候、负荷性质、所在电压等级、发生区域、星期、时间和电压暂降原因之间存在的关联规则,从而为电压暂降的防治工作提供理论依据。
Description
技术领域
本发明涉及区域电能质量故障识别领域,更具体地,涉及一种基于聚类分析和关联分析的电压暂降分析方法。
背景技术
电压暂降是电力系统中频繁出现的严重电能质量问题,据统计,由电压暂降造成的经济损失占全部电能质量问题所造成的经济损失的70%~90%。电压暂降是指“短时间电压下降”,多是由线路短路、雷击、大型电动机的启动、设备故障等引起的。电压暂降事故一旦发生,轻则导致电机停机、数据丢失等,重则直接导致设备损坏,严重影响用电用户的正常生活与作业。有调查显示,一次电压暂降事故可造成200-300百万元的损失。
目前,不少学者尝试利用数据挖掘方法对电压暂降进行研究。但都是从某些电压暂降数据维度的角度进行挖掘,具有一定的片面性。
发明内容
本发明提供一种结果较清晰和准确基于聚类分析和关联分析的电压暂降分析方法。
为了达到上述技术效果,本发明的技术方案如下:
一种基于聚类分析和关联分析的电压暂降分析方法,包括以下步骤:
S1:获取历史气候数据以及历史电压暂降数据;
S2:根据时间将历史气候数据与历史电压暂降数据进行连接;
S3:将气候因素作为聚类指标对历史电压暂降数据进行聚类分析;
S4:根据历史电压暂降数据选取用于关联分析的电压暂降特征维度并将其离散化;
S5:根据历史电压暂降数据生成各个聚类的电压暂降维度矩阵A;
S6:利用电压暂降维度矩阵A进行关联分析,得到频繁项集;
S7:根据频繁项集,利用其非空子集得到强关联规则。
进一步地,所述步骤S1的过程是:
S11:任意选取一个点作为第一个聚类中心Z1;
S14:以此类推,找出所有聚类中心,直到聚类中心数量不到增加;
S15:计算剩余点与各个聚类中心的距离,按最小距离原则分配到各个类中;
S16:重复上一步,直至所有的点都划分完成。
进一步地,选取负荷性质、所在电压等级、发生区域、星期、时间和暂降原因这六个维度作为电压暂降特征维度进行关联分析。
进一步地,将负荷性质分为普通负荷、重负荷、新能源、敏感用户;根据国家的电压等级:220V、380V、10kV、24kV、35kV、110kV、220kV、500kV、800kV和1000kV,将电压等级重新划分为5类:500kV及以上、330kV、220kV、110kV、35kV、10kV及以下;对电压暂降发生区域按地区进行编号;根据日期属性和户用电时间规律,将电压暂将发生星期分为工作日(标记0)和节假日(标记1),将电压暂降在一天中发生的时间分为00:00-8:00,8:00-18:00,18:00-24:00;根据电压暂降主要原因的分类,将暂降原因划分为短路、重负荷、新能源及其他。
进一步地,根据各特征维度离散数据项,建立维度矩阵A:
其中,U表示符合性质,包括普通负荷、重负荷、新能源、敏感用户;L表示所在线路电压等级;R表示电压暂降发生区域;W表示星期,星期分为工作日(标记0)和节假日(标记1);T表示电压暂降发生的时间段,包括00:00-8:00、8:00-18:00、18:00-24:00这三个时间段;O表示电压暂降事故原因,包括短路、重负荷、新能源以及其他原因。
进一步地,利用维度矩阵A进行关联分析,得到频繁项集,具体步骤如下:
S61:以维度矩阵A中的各个值作为候选1-项集;
S62:然后通过扫描矩阵A,对各值所在行中的统计值做累计,得到最小支持度;
S63:将候选1-项集中支持度不符合最小支持度要求的项集剔除,得到频繁1-项集;
S64:删除矩阵A中不包含频繁1-项集的行,得到维度矩阵A2,同时,对频繁1-项集中的项集进行连接,得到候选2-项集,剔除候选2-项集中支持度小于最小支持度的项,得到频繁2-项集;
S65:以此类推,通过删除维度矩阵Ak中不包含频繁k项集的行得到维度矩阵Ak+1,并根据频繁k项集自连接得到候选(k+1)-项集,去除候选(k+1)-项集中不符合最小支持度的项,得到频繁(k+1)-项集;
S66:当无法产生新的频繁项集时,运算结束。
进一步地,在关联规则中,每个样本数据称为一个“事务”,事务数据库D由n个事务构成,通过多个属性来规定每个事务,记为“项”,多个项就构成了“项集”,项集C出现的概率P(C),叫做支持度,超过最小支持度的项集称为频繁项集。
当规则X→Y的置信度不小于人为设定的最小支持度的集合的置信度时,该规则为强关联规则,规则X→Y的置信度为:
进一步地,根据频繁项集,利用其非空子集得到多个关联规则X→Y,其中,项集Y是电压暂降原因,项集X是其他6个维度即负荷性质、所在电压等级、发生区域、发生季度、星期和时间中的一个或多个,计算该关联规则的置信度,并与设定的最小置信度进行比较,不小于最小置信度的则为强关联规则。
与现有技术相比,本发明技术方案的有益效果是:
与现有技术相比,本发明技术方案的有益效果是:
本发明可以根据不同的要求,通过修改聚类指标以及增加、减少或者更改电压暂降维度来输出需要的电压暂降强关联规则,为不同情况的电压暂降事故多发区域提供相适应的理论指导。本发明先进行聚类分析,然后再在各个聚类中进行关联分析,结果更加清晰、准确。本发明综合考虑了多种可能与电压暂降发生有所关联的电压暂降维度并通过算法自动输出强关联规则,比起以往的研究更加全面。
附图说明
图1为本发明的基于聚类分析和关联分析的电压暂降分析方法的方法流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种基于聚类分析和关联分析的电压暂降分析方法,包括以下步骤:
S110:获取历史气候数据以及历史电压暂降数据;
S120:根据时间将历史气候数据与历史电压暂降数据进行连接;
S130:将气候因素作为聚类指标对历史电压暂降数据进行聚类分析;
S140:根据历史电压暂降数据选取用于关联分析的电压暂降特征维度并将其离散化;
S150:根据历史电压暂降数据生成各个聚类的电压暂降维度矩阵A;
S160:利用电压暂降维度矩阵A进行关联分析,得到频繁项集;
S170:根据频繁项集,利用其非空子集得到强关联规则。
历史电压暂降数据主要来源于电能质量检测系统的历史记录数据,本文的历史气候数据主要来源于互联网。
利用互联网获取到的历史气候数据将历史电压暂降数据的气候数据补充完整。
根据温度、湿度、风力,对电压暂降记录数据进行分类,步骤如下:
1)任意选取一个点作为第一个聚类中心Z1。
则把该点作为新的聚类中心Z3。
4)以此类推,找出所有聚类中心,直到聚类中心数量不到增加。
5)计算剩余点与各个聚类中心的距离,按最小距离原则分配到各个类中。
6)重复上一步,直至所有的点都划分完成。
选取负荷性质、所在电压等级、发生区域、星期、时间和暂降原因这六个维度作为电压暂降特征维度进行关联分析。
基于电能质量检测系统中的分类,我们将负荷性质分为普通负荷、重负荷、新能源、敏感用户;根据我国的电压等级(分别为220V、380V、10kV、24kV、35kV、110kV、220kV、500kV、800kV和1000kV),将电压等级重新划分为5类:500kV及以上、330kV、220kV、110kV、35kV、10kV及以下;为了方便处理,对电压暂降发生区域按地区进行编号;根据日期属性和户用电时间规律,将电压暂将发生星期分为工作日(标记0)和节假日(标记1),将电压暂降在一天中发生的时间分为00:00-8:00,8:00-18:00,18:00-24:00;根据电压暂降主要原因的分类,将暂降原因划分为短路、重负荷、新能源及其他。
根据各特征维度离散数据项,建立电压暂降维度矩阵A。
利用维度矩阵A进行关联分析,得到频繁项集,具体步骤如下:
(1)以维度矩阵A中的各个值作为候选1-项集;
(2)然后通过扫描矩阵A,对各值所在行中的统计值做累计,得到最小支持度;
(3)将候选1-项集中支持度不符合最小支持度要求的项集剔除,得到频繁1-项集;
(4)删除矩阵A中不包含频繁1-项集的行,得到维度矩阵A2。同时,对频繁1-项集中的项集进行连接,得到候选2-项集,剔除候选2-项集中支持度小于最小支持度的项,得到频繁2-项集。
(5)以此类推,通过删除维度矩阵Ak中不包含频繁k项集的行得到维度矩阵Ak+1,并根据频繁k项集自连接得到候选(k+1)-项集,去除候选(k+1)-项集中不符合最小支持度的项,得到频繁(k+1)-项集;
(6)当无法产生新的频繁项集时,运算结束。
优选地,在关联规则中,每个样本数据称为一个“事务”,事务数据库D由n个事务构成,通过多个属性来规定每个事务,记为“项”,多个项就构成了“项集”,项集C出现的概率P(C),叫做支持度,超过最小支持度的项集称为频繁项集。
当规则X→Y的置信度不小于人为设定的最小支持度的集合的置信度时,该规则为强关联规则。规则X→Y的置信度为:
根据频繁项集,利用其非空子集得到多个关联规则X→Y,其中,项集Y是电压暂降原因,项集X是其他6个维度即负荷性质、所在电压等级、发生区域、发生季度、星期和时间中的一个或多个,计算该关联规则的置信度,并与设定的最小置信度进行比较,不小于最小置信度的则为强关联规则。最小置信度一般设定为50%。
本发明所述方法通过获取历史气候数据以及历史电压暂降数据并根据时间将历史气候数据与历史电压暂降数据进行连接;将气候因素作为聚类指标对历史电压暂降数据进行聚类分析;根据历史电压暂降数据选取用于关联分析的电压暂降特征维度并将其离散化;根据历史电压暂降数据生成各个聚类的电压暂降维度矩阵A;利用电压暂降维度矩阵A进行关联分析,得到频繁项集;最后根据频繁项集,利用其非空子集就可以得到电压暂降维度与电压暂降原因之间的强关联规则。
本发明可以根据不同的要求,通过修改聚类指标以及增加、减少或者更改电压暂降维度来输出需要的电压暂降强关联规则,为不同情况的电压暂降事故多发区域提供相适应的理论指导。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种基于聚类分析和关联分析的电压暂降分析方法,其特征在于,包括以下步骤:
S1:获取历史气候数据以及历史电压暂降数据;
S2:根据时间将历史气候数据与历史电压暂降数据进行连接;
S3:将气候因素作为聚类指标对历史电压暂降数据进行聚类分析;
S4:根据历史电压暂降数据选取用于关联分析的电压暂降特征维度并将其离散化;
S5:根据历史电压暂降数据生成各个聚类的电压暂降维度矩阵A;
S6:利用电压暂降维度矩阵A进行关联分析,得到频繁项集;
S7:根据频繁项集,利用其非空子集得到强关联规则。
3.根据权利要求2所述的基于聚类分析和关联分析的电压暂降分析方法,其特征在于,选取负荷性质、所在电压等级、发生区域、星期、时间和暂降原因这六个维度作为电压暂降特征维度进行关联分析。
4.根据权利要求3所述的基于聚类分析和关联分析的电压暂降分析方法,其特征在于,将负荷性质分为普通负荷、重负荷、新能源、敏感用户;根据国家的电压等级:220V、380V、10kV、24kV、35kV、110kV、220kV、500kV、800kV和1000kV,将电压等级重新划分为5类:500kV及以上、330kV、220kV、110kV、35kV、10kV及以下;对电压暂降发生区域按地区进行编号;根据日期属性和户用电时间规律,将电压暂将发生星期分为工作日(标记0)和节假日(标记1),将电压暂降在一天中发生的时间分为00:00-8:00,8:00-18:00,18:00-24:00;根据电压暂降主要原因的分类,将暂降原因划分为短路、重负荷、新能源及其他。
5.根据权利要求4所述的基于聚类分析和关联分析的电压暂降分析方法,其特征在于,根据各特征维度离散数据项,建立维度矩阵A:
其中,U表示符合性质,包括普通负荷、重负荷、新能源、敏感用户;L表示所在线路电压等级;R表示电压暂降发生区域;W表示星期,星期分为工作日(标记0)和节假日(标记1);T表示电压暂降发生的时间段,包括00:00-8:00、8:00-18:00、18:00-24:00这三个时间段;O表示电压暂降事故原因,包括短路、重负荷、新能源以及其他原因。
6.根据权利要求5所述的基于聚类分析和关联分析的电压暂降分析方法,其特征在于,利用维度矩阵A进行关联分析,得到频繁项集,具体步骤如下:
S61:以维度矩阵A中的各个值作为候选1-项集;
S62:然后通过扫描矩阵A,对各值所在行中的统计值做累计,得到最小支持度;
S63:将候选1-项集中支持度不符合最小支持度要求的项集剔除,得到频繁1-项集;
S64:删除矩阵A中不包含频繁1-项集的行,得到维度矩阵A2,同时,对频繁1-项集中的项集进行连接,得到候选2-项集,剔除候选2-项集中支持度小于最小支持度的项,得到频繁2-项集;
S65:以此类推,通过删除维度矩阵Ak中不包含频繁k项集的行得到维度矩阵Ak+1,并根据频繁k项集自连接得到候选(k+1)-项集,去除候选(k+1)-项集中不符合最小支持度的项,得到频繁(k+1)-项集;
S66:当无法产生新的频繁项集时,运算结束。
7.根据权利要求6所述的基于聚类分析和关联分析的电压暂降分析方法,其特征在于,在关联规则中,每个样本数据称为一个“事务”,事务数据库D由n个事务构成,通过多个属性来规定每个事务,记为“项”,多个项就构成了“项集”,项集C出现的概率P(C),叫做支持度,超过最小支持度的项集称为频繁项集。
9.根据权利要求8所述的基于聚类分析和关联分析的电压暂降分析方法,其特征在于,根据频繁项集,利用其非空子集得到多个关联规则X→Y,其中,项集Y是电压暂降原因,项集X是其他6个维度即负荷性质、所在电压等级、发生区域、发生季度、星期和时间中的一个或多个,计算该关联规则的置信度,并与设定的最小置信度进行比较,不小于最小置信度的则为强关联规则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910814396.6A CN110705824A (zh) | 2019-08-30 | 2019-08-30 | 一种基于聚类分析和关联分析的电压暂降分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910814396.6A CN110705824A (zh) | 2019-08-30 | 2019-08-30 | 一种基于聚类分析和关联分析的电压暂降分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110705824A true CN110705824A (zh) | 2020-01-17 |
Family
ID=69194093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910814396.6A Pending CN110705824A (zh) | 2019-08-30 | 2019-08-30 | 一种基于聚类分析和关联分析的电压暂降分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705824A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240943A (zh) * | 2020-04-28 | 2020-06-05 | 成都派沃特科技股份有限公司 | 机房温度监控方法、装置、设备及存储介质 |
CN112016602A (zh) * | 2020-08-18 | 2020-12-01 | 广东电网有限责任公司韶关供电局 | 电网故障原因与状态量的关联分析方法,设备和存储介质 |
CN112035552A (zh) * | 2020-09-02 | 2020-12-04 | 国网河南省电力公司电力科学研究院 | 一种基于关联规则的电压暂降严重程度预测方法及装置 |
CN112052887A (zh) * | 2020-08-25 | 2020-12-08 | 国网福建省电力有限公司 | 一种基于关联规则的电压暂降严重度评估方法及设备 |
CN112198385A (zh) * | 2020-09-30 | 2021-01-08 | 国网山西省电力公司晋中供电公司 | 一种非侵入式负荷监测方法 |
CN112785042A (zh) * | 2020-12-31 | 2021-05-11 | 国网山东省电力公司菏泽供电公司 | 基于Prophet-LSTM组合算法的配电变压器重过载预测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040225625A1 (en) * | 2003-02-07 | 2004-11-11 | Van Gorp John Christopher | Method and system for calculating and distributing utility costs |
CN104123682A (zh) * | 2014-07-28 | 2014-10-29 | 国家电网公司 | 一种基于气象影响因素的配网故障风险评估方法 |
CN105225165A (zh) * | 2014-07-02 | 2016-01-06 | 深圳供电局有限公司 | 一种基于Apriori算法的变电站电压暂降特性分析方法 |
CN103400214B (zh) * | 2013-08-22 | 2016-01-20 | 华北电力大学 | 基于多维多层关联规则的电压暂降预测分析方法 |
-
2019
- 2019-08-30 CN CN201910814396.6A patent/CN110705824A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040225625A1 (en) * | 2003-02-07 | 2004-11-11 | Van Gorp John Christopher | Method and system for calculating and distributing utility costs |
CN103400214B (zh) * | 2013-08-22 | 2016-01-20 | 华北电力大学 | 基于多维多层关联规则的电压暂降预测分析方法 |
CN105225165A (zh) * | 2014-07-02 | 2016-01-06 | 深圳供电局有限公司 | 一种基于Apriori算法的变电站电压暂降特性分析方法 |
CN104123682A (zh) * | 2014-07-28 | 2014-10-29 | 国家电网公司 | 一种基于气象影响因素的配网故障风险评估方法 |
Non-Patent Citations (1)
Title |
---|
沈翔等: "基于灰靶理论与云模型的电压暂降事件数据挖掘分析方法", 《电网技术》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240943A (zh) * | 2020-04-28 | 2020-06-05 | 成都派沃特科技股份有限公司 | 机房温度监控方法、装置、设备及存储介质 |
CN111240943B (zh) * | 2020-04-28 | 2020-08-21 | 成都派沃特科技股份有限公司 | 机房温度监控方法、装置、设备及存储介质 |
CN112016602A (zh) * | 2020-08-18 | 2020-12-01 | 广东电网有限责任公司韶关供电局 | 电网故障原因与状态量的关联分析方法,设备和存储介质 |
CN112016602B (zh) * | 2020-08-18 | 2021-08-10 | 广东电网有限责任公司韶关供电局 | 电网故障原因与状态量的关联分析方法,设备和存储介质 |
CN112052887A (zh) * | 2020-08-25 | 2020-12-08 | 国网福建省电力有限公司 | 一种基于关联规则的电压暂降严重度评估方法及设备 |
CN112052887B (zh) * | 2020-08-25 | 2023-04-07 | 国网福建省电力有限公司 | 一种基于关联规则的电压暂降严重度评估方法及设备 |
CN112035552A (zh) * | 2020-09-02 | 2020-12-04 | 国网河南省电力公司电力科学研究院 | 一种基于关联规则的电压暂降严重程度预测方法及装置 |
CN112035552B (zh) * | 2020-09-02 | 2023-05-09 | 国网河南省电力公司电力科学研究院 | 一种基于关联规则的电压暂降严重程度预测方法及装置 |
CN112198385A (zh) * | 2020-09-30 | 2021-01-08 | 国网山西省电力公司晋中供电公司 | 一种非侵入式负荷监测方法 |
CN112785042A (zh) * | 2020-12-31 | 2021-05-11 | 国网山东省电力公司菏泽供电公司 | 基于Prophet-LSTM组合算法的配电变压器重过载预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705824A (zh) | 一种基于聚类分析和关联分析的电压暂降分析方法 | |
CN104462184B (zh) | 一种基于双向抽样组合的大规模数据异常识别方法 | |
CN106529707A (zh) | 一种负荷用电模式识别方法 | |
CN106096805A (zh) | 一种基于熵权法特征选择的居民用电负荷分类方法 | |
CN111476435B (zh) | 基于密度峰值的充电桩负荷预测方法 | |
CN110245783B (zh) | 一种基于c-均值聚类模糊粗糙集的短期负荷预测方法 | |
CN108805213B (zh) | 计及小波熵降维的电力负荷曲线双层谱聚类方法 | |
CN110610121B (zh) | 基于曲线聚类的小时级源荷功率异常数据辨识与修复方法 | |
CN106021545A (zh) | 用于车辆远程诊断与备件检索的方法 | |
CN108345908A (zh) | 电网数据的分类方法、分类设备及存储介质 | |
CN113112374A (zh) | 一种基于机器学习算法的空巢用户用电异常检测方法 | |
CN110738232A (zh) | 一种基于数据挖掘技术的电网电压越限成因诊断方法 | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN112183656A (zh) | 一种电网故障中scada数据频繁项集挖掘方法 | |
CN111798333A (zh) | 一种用能评估与用电安全分析方法和系统 | |
CN113191585A (zh) | 一种输电线路的台风致灾风险评估方法 | |
CN111339167A (zh) | 基于K-means和主成分线性回归的台区线损率影响因素分析方法 | |
CN110889565B (zh) | 一种基于多维矩阵决策的配网巡检周期计算方法 | |
CN116561692A (zh) | 一种动态更新的实时量测数据检测方法 | |
CN110781959A (zh) | 基于birch算法和随机森林算法的电力客户分群方法 | |
CN115907461A (zh) | 一种基于机理推导方程的电力工程方法 | |
CN112464168B (zh) | 一种综合能源潜力用户靶向评估提取方法 | |
CN112488360B (zh) | 基于人工智能的配变异常分析预警方法 | |
Liu et al. | Voltage sag analysis based on cluster analysis and correlation analysis | |
Yunmeng et al. | The application of the decision tree algorithm based on k-means in employee turnover prediction |
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 |
Application publication date: 20200117 |
|
RJ01 | Rejection of invention patent application after publication |