CN110807539A - 一种故障设备维修路径选择方法和装置 - Google Patents
一种故障设备维修路径选择方法和装置 Download PDFInfo
- Publication number
- CN110807539A CN110807539A CN201810805728.XA CN201810805728A CN110807539A CN 110807539 A CN110807539 A CN 110807539A CN 201810805728 A CN201810805728 A CN 201810805728A CN 110807539 A CN110807539 A CN 110807539A
- Authority
- CN
- China
- Prior art keywords
- fault
- maintenance
- equipment
- path
- state
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 119
- 238000010187 selection method Methods 0.000 title abstract description 3
- 230000008901 benefit Effects 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000008439 repair process Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002787 reinforcement Effects 0.000 claims description 6
- 230000006872 improvement Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种故障设备维修路径选择方法和装置,选择方法包括如下步骤:获取系统中各故障设备所处的位置和故障类型;根据系统中各故障设备所处位置和故障类型选择维修路径;在选择维修路径的过程中,将维修效益最大的故障设备作为维修路径中当前故障设备的下一故障设备;所述维修效益与当前故障设备到下一故障设备之间的距离负相关,与下一故障设备故障类型所造成影响的严重程度正相关。本发明所提供的技术方案,根据故障设备所处位置和故障类型所造成的影响范围选择出维修效益最高的维修路径,从而解决现有技术中在对故障设备进行维修时,由于没有充分考虑到设备故障所造成的影响和与故障设备之间的距离而造成工作效率低下的问题。
Description
技术领域
本发明属于设备维修技术领域,具体涉及一种故障设备维修路径选择方法和装置。
背景技术
随着科学技术的发展,电力能源已经成为日常生活和工业生产中不可或缺的重要资源,为了满足对电能的需求,很多地方都建立了电力系统,负责对相应区域内的能源进行调配和管理。
在电力系统中通常都设置有很多电力设备,如断路器、变压器和智能电表等,这些设备在电力系统工作过程中起到了非常重要的作用,因此,当这些设备出现故障时,为了保证电力系统的正常运行,需要对其及时进行维修。
目前,维修人员对电力系统中的设备进行维修时,通常根据自己的维修经验选择维修路径。但是设备的故障通常有很多种,以智能电表为例,常见的故障有计量精度类故障、485红外通讯类故障、显示屏故障、费控类故障、电力异常故障、用电异常故障、负荷异常故障、外观故障等。不同的故障对用户使用会造成不同程度的影响,有些故障直接影响用户生产生活,如死机故障、多功能口故障等,此类功能性故障需要及时尽快解决;而有些故障如显示屏故障、外观故障等则不会产生较大的影响,可以适当延后维修。如果维修人员只根据自己的经验选择维修路径,而不考虑设备故障所造成的影响和与故障设备之间的距离,不仅会浪费大量的时间,工作效率低下,还会影响到电力系统的正常运行。
申请公布号为CN106934484A的中国专利公开了一种基于PDA的现场运维日常工作规划方法,该方法根据维修点到驻点的距离以及维修点故障的紧急程度选择派工路线,能够同时兼顾驻点到维修点距离和维修点故障紧急程度对维修效益的影响,但是这种方法首先考虑维修点与驻点之间的距离再考虑维修点故障的紧急程度,很可能出现某个故障点出现非常严重的故障却不能得到优先处理的现象,因此这种派工路线规划方式考虑的不够全面,存在较大的不合理性,不能获取最大的维修效益。
发明内容
本发明提供一种故障设备维修路径选择方法和装置,用于解决现有技术中在对故障设备进行维修路线进行规划时,由于没有充分考虑到设备故障所造成的影响和与故障设备之间的距离而造成工作效率低下的问题。
为实现上述目的,本发明提供的技术方案是:
一种故障设备维修路径选择方法,包括如下步骤:
(1)获取系统中各故障设备所处的位置和故障类型;
(2)根据系统中各故障设备所处位置和故障类型选择维修路径;
在选择维修路径的过程中,将维修效益最大的故障设备作为维修路径中当前故障设备的下一故障设备;
所述维修效益与当前故障设备到下一故障设备之间的距离负相关,与下一故障设备故障类型所造成影响的严重程度正相关。
本发明所提供的技术方案,根据故障设备所处位置和故障类型所造成的影响范围选择出维修效益最高的维修路径,从而解决现有技术中在对故障设备进行维修时,由于没有充分考虑到设备故障所造成的影响和与故障设备之间的距离而造成工作效率低下的问题。
作为对选择效益最高维修路径方法的进一步改进,所述步骤(2)中采用增强学习法选择出所述维修路径;
所述增强学习法中采用如下反向迭代公式计算维修效益的累计值Q(s,a):
Q(s,a)=r+γ(maxQ(s′,a′))
上式中γ为折扣系数,maxQ(s′,a′)为维修故障设备s′状态时的最大反向维修效益,r为通过操作a由维修故障设备s状态到维修故障设备s′状态所获得的维修效益。
作为对折扣系数的进一步改进,所述γ的取值范围为[0.85,0.95]。
作为对计算维修效益的进一步改进,在选择维修路径的过程中,通过操作a由维修故障设备s状态到维修故障设备s′状态时,如果不是第一次达到维修故障s′状态,则该操作所获得的维修效益为0。
作为对维修效益计算方法的进一步改进,在计算维修效益的累计值时,通过公式:
Q(s,a)←Q(s,a)+α(r+γmaxQ(s′,a′)-Q(s,a))
对维修状态进行更新,其中α为学习速率。
作为对学习速率的进一步改进,所述α的取值范围为[0.85,0.95]。
一种故障设备维修路径选择装置,包括处理器和存储器,所述存储器上存储有用于在处理器上执行的计算机程序,在处理器执行所述存储器上的计算机程序时实现如下步骤:
(1)获取系统中各故障设备所处的位置和故障类型;
(2)根据系统中各故障设备所处位置和故障类型选择维修路径;
在选择维修路径的过程中,将维修效益最大的故障设备作为维修路径中当前故障设备的下一故障设备;
所述维修效益与当前故障设备到下一故障设备之间的距离负相关,与下一故障设备故障类型所造成影响的严重程度正相关。
作为对选择效益最高维修路径方法的进一步改进,所述步骤(2)中采用增强学习法选择出所述维修路径;
所述增强学习法中采用如下反向迭代公式计算维修效益的累计值Q(s,a):
Q(s,a)=r+γ(maxQ(s′,a′))
上式中γ为折扣系数,maxQ(s′,a′)为维修故障设备s′状态时的最大反向维修效益,r为通过操作a由维修故障设备s状态到维修故障设备s′状态所获得的维修效益。
作为对折扣系数的进一步改进,所述γ的取值范围为[0.85,0.95]。
作为对计算维修效益的进一步改进,在选择维修路径的过程中,通过操作a由维修故障设备s状态到维修故障设备s′状态时,如果不是第一次达到维修故障s′状态,则该操作所获得的维修效益为0。
作为对维修效益计算方法的进一步改进,在计算维修效益的累计值时,通过公式:
Q(s,a)←Q(s,a)+α(r+γmaxQ(s′,a′)-Q(s,a))
对维修状态进行更新,其中α为学习速率。
作为对学习速率的进一步改进,所述α的取值范围为[0.85,0.95]。
附图说明
图1为方法实施例中故障设备维修路径选择方法的流程图;
图2为方法实施例中故障设备位置与类型的示意图。
具体实施方式
本发明提供一种故障设备维修路径选择方法和装置,用于解决现有技术中在对故障设备进行维修时,由于没有考虑到设备故障所造成的影响和与故障设备之间的距离而造成工作效率低下的问题。
为实现上述目的,本发明提供的技术方案是:
一种故障设备维修路径选择方法,包括如下步骤:
(1)获取系统中故障设备所处的位置和故障类型;
(2)根据系统中故障设备所处位置和故障类型,选择出维修效益最高的维修路径;
所述维修效益与维修人员到故障设备之间的距离成负相关,与故障类型所造成的影响范围成正相关。
下面结合附图对本发明的技术方案进一步说明。
方法实施例:
本实施例提供一种故障设备维修路径选择方法,根据故障设备所处的位置和故障的类型,为维修人员选择出一条效益最高的维修路径,以减小维修人员的工作量,提高工作效率。
本实施例中的故障设备以智能电表为例,在智能电表的运行过程中,常见的故障有计量精度故障、RS485红外通讯类故障、显示屏故障、费控类故障、电力异常故障、用电异常故障、负荷异常故障、外观故障等,根据对用户造成的影响程度对各故障进行评分,故障对用户造成的影响越大,其故障评分越高。
维修人员从当前位置到其中一个故障点进行维修所得到的效益与距离成反比,与该故障点的故障评分成正比,即维修人员与故障点的距离越近,且故障点的评分越高,则维修人员到该故障点的维修效益越高。
设维修人员从当前位置到其中一个故障点的距离评分为l,该故障点的故障评分为f,用r来表示维修人员到该故障点的维修效益,则r=-l+f。
按照此方法选择出维修效益最高的故障点,然后在该故障点的基础上,选择出下一个维修效益最高的故障点,以此确定出维修路径。如共有3个故障点,经计算得到维修人员到故障点1的维修效益最高,故障点1到故障点3的维修效益最高,那么维修的路径为故障点1-故障点3-故障点2。
本实施例中采用增强学习算法计算出各种维修路径的效益,最后确定出效益最高的维修路径,流程如图1所示,具体为:
设当前处于维修故障电表s的状态,当前的维修效益累计值为Q(s,a),采取动作a后到达维修故障电表s′的状态,所能够得到的维修效益为r,如果在计算过程中不是第一次达到维修故障电表s′的状态,则将相应的维修效益r设置为0;维修效益的累计值Q(s,a)按照如下反向迭代公式计算出:
Q(s,a)=r+γ(maxQ(s′,a′))
上式中γ为折扣系数,maxQ(s′,a′)为维修故障电表s′的状态时的最大反向累计回报;如当系统中共有7个故障电表时,如图2所示,以当前维修故障电表s的状态为其中的故障电表3时为例,在当前状态下,采取动作a后达到维修故障电表s′的状态,并且动作a的效益为r,设维修故障电表s′的状态为维修故障电表4的状态,在维修故障电表4的状态执行动作后的状态可能为故障电表1、故障电表2、故障电表3、故障电表5、故障电表6或故障电表7,但是只有经过动作a′到故障电表5所得到的维修效益为正,其余的为0,则可判断出由维修故障电表4的状态经过动作a′到维修故障电表5状态的效益最高,且维修故障电表5的状态为最终状态,由于上述公式为反向迭代公式,因此maxQ(s′,a′)为维修故障电表4的状态经过动作a′到维修故障电表5的状态所得到的效益。
每次计算出当前状态的维修效益的累计值Q(s,a)后,按照如下公式对状态值进行更新:
Q(s,a)←Q(s,a)+α(r+γmaxQ(s′,a′)-Q(s,a))
其中α为学习速率;采用该更新方式是希望将当前的状态进行调整,使之逐步趋于理想状态,上式中α后面的内容,即表示的是理想和现状之间的差异值,我们让它与学习速率α相乘,随后更新现状,即可逐步趋近于理想值。
按照上述增强学习算法遍历所有故障电表,计算出维修效益的累计值最高的维修路径,维修人员按照该维修路径对系统中的故障电表维修即可。
本实施例中,为了选取合适的学习速度,学习速率α和折扣系数的取值范围为[0.85,0.95];作为其他实施方式,学习速率α和折扣系数可根据对学习速度的要求等因素进行选择。
装置实施例:
本实施例提供一种故障设备维修路径选择装置,包括处理器和存储器,存储器上存储有用于在处理器上执行的计算机程序,在处理器执行存储器上的计算机程序时实现如方法实施例中所提供的故障设备维修路径选择的步骤。
Claims (10)
1.一种故障设备维修路径选择方法,其特征在于,包括如下步骤:
(1)获取系统中各故障设备所处的位置和故障类型;
(2)根据系统中各故障设备所处位置和故障类型选择维修路径;
在选择维修路径的过程中,将维修效益最大的故障设备作为维修路径中当前故障设备的下一故障设备;
所述维修效益与当前故障设备到下一故障设备之间的距离负相关,与下一故障设备故障类型所造成影响的严重程度正相关。
2.根据权利要求1所述的一种故障设备维修路径选择方法,其特征在于,所述步骤(2)中采用增强学习法选择出所述维修路径;
所述增强学习法中采用如下反向迭代公式计算维修效益的累计值Q(s,a):
Q(s,a)=r+γ(max Q(s',a'))
上式中γ为折扣系数,max Q(s',a')为维修故障设备s'状态时的最大反向维修效益,r为通过操作a由维修故障设备s状态到维修故障设备s'状态所获得的维修效益。
3.根据权利要求2所述的一种故障设备维修路径选择方法,其特征在于,所述γ的取值范围为[0.85,0.95]。
4.根据权利要求2所述的一种故障设备维修路径选择方法,其特征在于,在选择维修路径的过程中,通过操作a由维修故障设备s状态到维修故障设备s'状态时,如果不是第一次达到维修故障s'状态,则该操作所获得的维修效益为0。
5.根据权利要求2或4所述的一种故障设备维修路径选择方法,其特征在于,在计算维修效益的累计值时,通过公式:
Q(s,a)←Q(s,a)+α(r+γmax Q(s′,a′)-Q(s,a))
对维修状态进行更新,其中α为学习速率。
6.根据权利要求5所述的一种故障设备维修路径选择方法,其特征在于,所述α的取值范围为[0.85,0.95]。
7.一种故障设备维修路径选择装置,包括处理器和存储器,所述存储器上存储有用于在处理器上执行的计算机程序,其特征在于,在处理器执行所述存储器上的计算机程序时实现如下步骤:
(1)获取系统中各故障设备所处的位置和故障类型;
(2)根据系统中各故障设备所处位置和故障类型选择维修路径;
在选择维修路径的过程中,将维修效益最大的故障设备作为维修路径中当前故障设备的下一故障设备;
所述维修效益与当前故障设备到下一故障设备之间的距离负相关,与下一故障设备故障类型所造成影响的严重程度正相关。
8.根据权利要求7所述的一种故障设备维修路径选择装置,其特征在于,所述步骤(2)中采用增强学习法选择出所述维修路径;
所述增强学习法中采用如下反向迭代公式计算维修效益的累计值Q(s,a):
Q(s,a)=r+γ(max Q(s',a'))
上式中γ为折扣系数,max Q(s',a')为维修故障设备s'状态时的最大反向维修效益,r为通过操作a由维修故障设备s状态到维修故障设备s'状态所获得的维修效益。
9.根据权利要求8所述的一种故障设备维修路径选择装置,其特征在于,所述γ的取值范围为[0.85,0.95]。
10.根据权利要求8所述的一种故障设备维修路径选择装置,其特征在于,在选择维修路径的过程中,通过操作a由维修故障设备s状态到维修故障设备s'状态时,如果不是第一次达到维修故障s′状态,则该操作所获得的维修效益为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810805728.XA CN110807539A (zh) | 2018-07-20 | 2018-07-20 | 一种故障设备维修路径选择方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810805728.XA CN110807539A (zh) | 2018-07-20 | 2018-07-20 | 一种故障设备维修路径选择方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110807539A true CN110807539A (zh) | 2020-02-18 |
Family
ID=69486613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810805728.XA Pending CN110807539A (zh) | 2018-07-20 | 2018-07-20 | 一种故障设备维修路径选择方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110807539A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286180A (zh) * | 2020-09-16 | 2021-01-29 | 四川嘉能佳网创新能源科技有限责任公司 | 一种基于巡检机器人的电力巡检分析系统及方法 |
CN112906914A (zh) * | 2020-12-28 | 2021-06-04 | 交控科技股份有限公司 | 轨道交通it设备故障分析方法、装置和电子设备 |
CN113859226A (zh) * | 2021-11-04 | 2021-12-31 | 赵奕帆 | 一种基于强化学习的运动规划与自动泊车方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5132920A (en) * | 1988-02-16 | 1992-07-21 | Westinghouse Electric Corp. | Automated system to prioritize repair of plant equipment |
CN105225013A (zh) * | 2015-10-22 | 2016-01-06 | 国网上海市电力公司 | 一种基于最短路径法的配网抢修驻点分布方法 |
CN107067163A (zh) * | 2017-03-24 | 2017-08-18 | 青岛海信网络科技股份有限公司 | 一种故障维修派工方法和装置 |
CN108053037A (zh) * | 2017-10-16 | 2018-05-18 | 广东电网有限责任公司电力科学研究院 | 一种基于两网融合的配电网抢修策略制定方法及装置 |
-
2018
- 2018-07-20 CN CN201810805728.XA patent/CN110807539A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5132920A (en) * | 1988-02-16 | 1992-07-21 | Westinghouse Electric Corp. | Automated system to prioritize repair of plant equipment |
CN105225013A (zh) * | 2015-10-22 | 2016-01-06 | 国网上海市电力公司 | 一种基于最短路径法的配网抢修驻点分布方法 |
CN107067163A (zh) * | 2017-03-24 | 2017-08-18 | 青岛海信网络科技股份有限公司 | 一种故障维修派工方法和装置 |
CN108053037A (zh) * | 2017-10-16 | 2018-05-18 | 广东电网有限责任公司电力科学研究院 | 一种基于两网融合的配电网抢修策略制定方法及装置 |
Non-Patent Citations (1)
Title |
---|
高晓成: ""基于Q学习的震后救援路径寻优算法研究"", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286180A (zh) * | 2020-09-16 | 2021-01-29 | 四川嘉能佳网创新能源科技有限责任公司 | 一种基于巡检机器人的电力巡检分析系统及方法 |
CN112906914A (zh) * | 2020-12-28 | 2021-06-04 | 交控科技股份有限公司 | 轨道交通it设备故障分析方法、装置和电子设备 |
CN112906914B (zh) * | 2020-12-28 | 2024-03-29 | 交控科技股份有限公司 | 轨道交通it设备故障分析方法、装置和电子设备 |
CN113859226A (zh) * | 2021-11-04 | 2021-12-31 | 赵奕帆 | 一种基于强化学习的运动规划与自动泊车方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mohammed et al. | Available transfer capability calculation methods: A comprehensive review | |
AU2016335869B2 (en) | Building management system with electrical energy storage optimization based on statistical estimates of IBDR event probabilities | |
AU2016334359B2 (en) | Building control system with optimization of equipment life cycle economic value while participating in IBDR and PBDR programs | |
US20140222231A1 (en) | Energy search engine methods and systems | |
CN104219315B (zh) | 一种用电信息采集系统的运行监控系统及其监控方法 | |
Ruiz et al. | Wind power day-ahead uncertainty management through stochastic unit commitment policies | |
CA2724524C (en) | Method and system for demand response management in a network | |
US10613492B2 (en) | Method and system for providing flexible reserve power for power grid | |
CN102360467B (zh) | 一种考虑元件老化特性的配电系统长期检修策略制定方法 | |
CN104008432A (zh) | 基于emd-kelm-ekf的微网短期负荷预测方法 | |
CN110807539A (zh) | 一种故障设备维修路径选择方法和装置 | |
US20130282193A1 (en) | Method and system to co-optimize utilization of demand response and energy storage resources | |
CN102930344A (zh) | 一种基于负荷趋势变化的超短期母线负荷预测方法 | |
CN103839189A (zh) | 基于可靠性效益评估的配电自动化方案优化方法和系统 | |
US20170271915A1 (en) | Energy Demand Monitoring System and Smart micro-Grid Controller | |
Liang et al. | Safe reinforcement learning-based resilient proactive scheduling for a commercial building considering correlated demand response | |
CN109638812A (zh) | 一种自适应的配电线路超短期负荷预测方法及系统 | |
CN104361531A (zh) | 变电站自动化系统的高风险故障设备的识别方法和系统 | |
CN109472399A (zh) | 考虑预测不确定性的机票购买决策方法和系统 | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
CN104574211A (zh) | 基于风险源的电网调度操作风险预警方法和系统 | |
CN105225162A (zh) | 一种配电系统运行效率的协调性评价方法 | |
CN102969711A (zh) | 线损控制系统 | |
CN104809543A (zh) | 基于月度输变电设备检修计划的电网运行方式生成方法 | |
CN105335824B (zh) | 基于数据中心的配电网故障抢修指挥方法与系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
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: 20200218 |