CN110837946A - 一种基于遗传算法的电能表状态评价方法 - Google Patents
一种基于遗传算法的电能表状态评价方法 Download PDFInfo
- Publication number
- CN110837946A CN110837946A CN201910952663.6A CN201910952663A CN110837946A CN 110837946 A CN110837946 A CN 110837946A CN 201910952663 A CN201910952663 A CN 201910952663A CN 110837946 A CN110837946 A CN 110837946A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- energy meter
- data
- state evaluation
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 25
- 230000002068 genetic effect Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000005611 electricity Effects 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000005065 mining Methods 0.000 claims description 13
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 230000008713 feedback mechanism Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000010801 machine learning 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
- 238000012797 qualification Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Genetics & Genomics (AREA)
- Evolutionary Computation (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于遗传算法的电能表状态评价方法，其特征在于：包括如下步骤：步骤一，建立电能表用电信息库，进行用电特征的提取；步骤二，基于提取的用电特征，采用用电信息采集数据、遗传算法和社团聚类方法进行电能表的状态评价分析。本发明具有能够减少资源浪费，及时发现故障表及存在质量隐患的电能表，保障电能表运行质量的优点，是一种具有较高创新性的基于遗传算法的电能表状态评价方法。
Description
技术领域
本发明属于电网运营管理领域，涉及一种电能表的状态评价方法，特别是一种基于遗传算法的电能表状态评价方法。
背景技术
近年，国网公司推出的《电能表状态检验试点工作技术方案》，采用传统的指标体系和数学统计方法，利用相应的评价算法和模型对运行中的I、II、III类电能表开展状态评价，实现模型配置、状态评估、现场检验执行、人力资源配置指导等系统功能。但该系统采用人工加权计算模型，人力成本较大，且涉及指标体系较为单一，对于用电信息采集系统仅涉及电量异常和时钟异常两项指标，不能对用电信息大数据进行充分的利用，因此遗传算法电能表采用一种基于多维度数据分析的人工智能方法代替传统的专家系统对智能电能表运行状态进行客观、合理的评价，实现电能表故障的提前识别与科学判断，将有效提升电能表状态评价的精准性和轮换管理智能化水平。项目研究成果可在整个国网公司范围内进行应用推广，通过建立完善评价体系，减少资源浪费，及时发现故障表及存在质量隐患的电能表，保障电能表运行质量水平。
发明内容
本发明的目的在于通过建立完善评价体系，提供一种能够减少资源浪费，及时发现故障表及存在质量隐患的电能表，保障电能表运行质量的基于遗传算法的电能表状态评价方法。
本发明解决其技术问题是通过以下技术方案实现的：
一种基于遗传算法的电能表状态评价方法，其特征在于：包括如下步骤：
步骤一，建立电能表用电信息库，进行用电特征的提取；
步骤二，基于提取的用电特征，采用用电信息采集数据、遗传算法和社团聚类方法进行电能表的状态评价分析：
1)建立数据模型数据接口和信息通道，为模型建立提供数据支撑和功能基础；
2)根据实际计量业务需要，对海量数据进行挖掘分析，开展数据清理，根据各类电能表结构、性能、运行状态差异制定差异化方案，应用人工智能和信息挖掘技术提取特征量，以遗传算法、社团聚类的策略方法为手段，以用电信息采集数据为来源，以SG186系统、MDS系统等数据为补充，建立一套或多套能对应网内现存各种智能电能表进行有效状态评估及聚类分析的状态评价分析模型；
3)根据建立的电能表状态评价模型以及初始样本数据库对电能表状态进行评价；
4)采用聚类定性结合风险评级的方式，有针对性地给出状态评价结论以及状态评价确定性参考结论，结合分析结果反馈机制进行模型自优化，实现对电能表的状态评价分析；
5)针对现有系统功能对批次划分不合理、轮换依据不充分的问题，采用社团聚类技术建设批次分析评价功能，根据电能表关键影响因素的相似性实现智能聚类，依据用电特征和安装环境实现划分，按照典型状态样本库数据在聚类结果中的分布情况，自动化、智能化地对在运行的大量电能表运行状态进行定位和判断，实现对大量共性电能表的故障预警和隐患排查，并为电能表智能轮换提供依据和参考，推动电能表状态轮换合理化、智能化。
而且，所述用电特征提取的方法为：
1)采用大数据分析及信息挖掘工具，对网内现存电能表数据进行调研和初筛；
2)对于初筛分类后的每一类电能表，分别从不同业务系统提取相关关联数据，整合形成电能表用电信息库；
3)根据各类电能表结构、性能、运行状态的差异性，扩充状态检验模式下电能表状态参数的维度，加强对电能表环境因素以及用户特性的考量，应用人工智能和信息挖掘技术对用电特征进行提取，并利用小规模样本进行可行性验证；
而且，所述的业务系统包括用电采集系统、SG186营销业务系统、MDS生产调度平台。
本发明的优点和有益效果为：
1.本基于遗传算法的电能表状态评价方法，通过对营销数据的深度挖掘，利用时间序列分析方法，提取表征电能表状态的关键特征，建立基于人工智能的状态评价模型，利用遗传算法和社团聚类算法实现现场运行电能表的批次划分，采用一种基于多维度数据分析的人工智能方法代替传统的专家系统对智能电能表运行状态进行客观、合理的评价，实现电能表故障的提前识别与科学判断，将有效提升电能表状态评价的精准性和轮换管理智能化水平。本发明可在整个国网公司范围内进行应用推广，通过建立完善评价体系，减少资源浪费，及时发现故障表及存在质量隐患的电能表，保障电能表运行质量水平。
附图说明
图1为本发明用电特征提取的流程图；
图2为本发明电能表状态评价流程图。
具体实施方式
主要对基础信息采集、电能表状态参量选取、业务系统数据及功能分析等做调研工作，明确用电特性表征参数及其获取方法，廓清电能表运行性能关键影响因素及特性。对调研问题梳理，以时间维度为序列选取表征用户用电特征的相关数据项，研究时间维度上的客户用电特征序列提取技术，及在单、三相智能表状态评价方面的适用性研究。完成用电信息参数及表征指标选取，形成用电特征提取技术，定义电能表用电特征标准化范式。完成电能表状态评价工具的研发。并对电能表状态评价工具软硬件开发，完成电能表状态评价工具的完善和优化和完成电能表状态评价工具上线试运行，期间持续收集改进建议、缺陷报告等反馈信息，开展工具消缺及升级优化工作。
下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
一种基于遗传算法的电能表状态评价方法，其创新之处在于：包括如下步骤：
步骤一，建立电能表用电信息库，进行用电特征的提取；
步骤二，基于提取的用电特征，采用用电信息采集数据、遗传算法和社团聚类方法进行电能表的状态评价分析：
针对客户用电特征模糊，难以全面准确表征的问题，根据各类智能表用电特征信息序列需求，基于用电信息采集系统，综合SG186营销业务系统、MDS生产调度平台以及用户用电特征参数数据建立电能表用电信息数据库选定各项原始数据信息来源及获取方式，建立数据模型数据接口和信息通道，为模型建立提供数据支撑和功能基础；
针对电能表运行状态表征的合理性和全面性问题，考虑电能表运行模型以及影响因素作用机理，结合误差理论和时间序列分析，建立遗传算法优化和多元神经网络算法的智能电能表状态评价分析模型，通过实验室试验以及对典型事件现有数据的筛选提炼建立典型、准确的初始样本数据库对模型进行初始设置和初期训练，针对专家评分模式下人为因素对评价结论的影响问题，采取样本训练+机器学习的方式，避免了权重设置、专家评分等人为环节的干涉，针对状态检验模式下分级评价指向性弱，业务指向单一的问题，采用聚类定性结合风险评级的方式，有针对性地给出状态评价结论以及状态评价确定性参考结论，结合分析结果反馈机制进行模型自优化，实现对电能表的状态评价分析；
针对现有系统功能对批次划分不合理、轮换依据不充分的问题，采用社团聚类技术建设批次分析评价功能，根据电能表关键影响因素的相似性实现智能聚类，依据用电特征和安装环境实现划分，按照典型状态样本库数据在聚类结果中的分布情况，自动化、智能化地对在运的大量电能表运行状态进行定位和判断，实现对大量共性电能表的故障预警和隐患排查，并为电能表智能轮换提供依据和参考，推动电能表状态轮换合理化、智能化。
所述用电特征提取的方法为：
1)采用大数据分析及信息挖掘工具，对网内现存电能表数据进行调研和初筛：针对不同电能表间系统参数、运行状态、影响因素差异性问题，采用大数据分析及信息挖掘工具对网内现存智能表数据进行调研和初筛，考虑到电压等级、用户类型、电价策略以及电能表运行参数之间关联性客观存在且便于区分的特性，拟定以电能表接线方式作为分类因素进行电能表种类初筛，实现现有状态检验应用范围的扩充；
针对电能表状态参数与营销业务复杂交错的对应关系，对于初筛分类后的每一类电能表，分别从用电采集系统、SG186营销业务系统、MDS生产调度平台等不同业务系统提取相关关联数据，整合形成电能表用电信息库；根据各类电能表结构、性能、运行状态的差异性，采用面向对象的思路，为不同种类的待分析电能表制定差异化方案，扩充状态检验模式下电能表状态参数的维度，加强对电能表环境因素以及用户特性的考量，应用人工智能和信息挖掘技术开展用电特征提取技术研究，并利用小规模样本进行可行性验证；
2)对于初筛分类后的每一类电能表，分别从不同业务系统提取相关关联数据，整合形成电能表用电信息库；
3)根据各类电能表结构、性能、运行状态的差异性，扩充状态检验模式下电能表状态参数的维度，加强对电能表环境因素以及用户特性的考量，应用人工智能和信息挖掘技术对用电特征进行提取，并利用小规模样本进行可行性验证；
所述的业务系统包括用电采集系统、SG186营销业务系统、MDS生产调度平台。
本发明以用电特征提取技术为基础，以遗传算法、社团聚类等策略方法为手段，以用电信息采集数据为来源，以SG186系统、MDS系统等数据为补充，建立一套或多套能对应网内现存各种智能电能表进行有效状态评估及聚类分析的状态评价分析模型；研发应用阶段以功能的完整性和稳定性为导向，以示范应用及后续推广为目标，同时在应用过程中注重实际应用效果的反馈，持续开展模型优化和系统升级工作，考察其普遍适用性、功能实用性和推广应用价值。
尽管为说明目的公开了本发明的实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。
Claims (3)
1.一种基于遗传算法的电能表状态评价方法，其特征在于：包括如下步骤：
步骤一，建立电能表用电信息库，进行用电特征的提取；
步骤二，基于提取的用电特征，采用用电信息采集数据、遗传算法和社团聚类方法进行电能表的状态评价分析，其步骤为：
1)建立数据模型数据接口和信息通道，为模型建立提供数据支撑和功能基础；
2)根据实际计量业务需要，对海量数据进行挖掘分析，开展数据清理，根据各类电能表结构、性能、运行状态差异制定差异化方案，应用人工智能和信息挖掘技术提取特征量，以遗传算法、社团聚类的策略方法为手段，以用电信息采集数据为来源，以SG186系统、MDS系统等数据为补充，建立一套或多套能对应网内现存各种智能电能表进行有效状态评估及聚类分析的状态评价分析模型；
3)根据建立的电能表状态评价模型以及初始样本数据库对电能表状态进行评价；
4)采用聚类定性结合风险评级的方式，有针对性地给出状态评价结论以及状态评价确定性参考结论，结合分析结果反馈机制进行模型自优化，实现对电能表的状态评价分析；
5)针对现有系统功能对批次划分不合理、轮换依据不充分的问题，采用社团聚类技术建设批次分析评价功能，根据电能表关键影响因素的相似性实现智能聚类，依据用电特征和安装环境实现划分，按照典型状态样本库数据在聚类结果中的分布情况，自动化、智能化地对在运行的大量电能表运行状态进行定位和判断，实现对大量共性电能表的故障预警和隐患排查，并为电能表智能轮换提供依据和参考，推动电能表状态轮换合理化、智能化。
2.根据权利要求1所述的一种基于遗传算法的电能表状态评价方法，其特征在于：所述用电特征提取的方法为：
1)采用大数据分析及信息挖掘工具，对网内现存电能表数据进行调研和初筛；
2)对于初筛分类后的每一类电能表，分别从不同业务系统提取相关关联数据，整合形成电能表用电信息库；
3)根据各类电能表结构、性能、运行状态的差异性，扩充状态检验模式下电能表状态参数的维度，加强对电能表环境因素以及用户特性的考量，应用人工智能和信息挖掘技术对用电特征进行提取，并利用小规模样本进行可行性验证。
3.根据权利要求1所述的一种基于遗传算法的电能表状态评价方法，其特征在于：所述的业务系统包括用电采集系统、SG186营销业务系统、MDS生产调度平台。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910952663.6A CN110837946A (zh) | 2019-10-09 | 2019-10-09 | 一种基于遗传算法的电能表状态评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910952663.6A CN110837946A (zh) | 2019-10-09 | 2019-10-09 | 一种基于遗传算法的电能表状态评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110837946A true CN110837946A (zh) | 2020-02-25 |
Family
ID=69575154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910952663.6A Pending CN110837946A (zh) | 2019-10-09 | 2019-10-09 | 一种基于遗传算法的电能表状态评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110837946A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111596255A (zh) * | 2020-07-27 | 2020-08-28 | 国网江西省电力有限公司电力科学研究院 | 一种强化学习算法的计量误差远程在线检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102426676A (zh) * | 2011-11-06 | 2012-04-25 | 中国科学院电工研究所 | 一种智能用电策略的特征提取方法 |
| CN105044656A (zh) * | 2015-08-11 | 2015-11-11 | 国网天津市电力公司 | 一种电能表状态检验方法 |
| CN106842101A (zh) * | 2015-12-03 | 2017-06-13 | 中国电力科学研究院 | 一种电能表运行状态的评价方法 |
| CN108663651A (zh) * | 2018-05-04 | 2018-10-16 | 国网上海市电力公司 | 一种基于多源数据融合的智能电能表运行状态评价系统 |
| CN109635950A (zh) * | 2018-11-30 | 2019-04-16 | 国网上海市电力公司 | 基于遗传算法和社团聚类的电能表运行状态监测方法 |
-
2019
- 2019-10-09 CN CN201910952663.6A patent/CN110837946A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102426676A (zh) * | 2011-11-06 | 2012-04-25 | 中国科学院电工研究所 | 一种智能用电策略的特征提取方法 |
| CN105044656A (zh) * | 2015-08-11 | 2015-11-11 | 国网天津市电力公司 | 一种电能表状态检验方法 |
| CN106842101A (zh) * | 2015-12-03 | 2017-06-13 | 中国电力科学研究院 | 一种电能表运行状态的评价方法 |
| CN108663651A (zh) * | 2018-05-04 | 2018-10-16 | 国网上海市电力公司 | 一种基于多源数据融合的智能电能表运行状态评价系统 |
| CN109635950A (zh) * | 2018-11-30 | 2019-04-16 | 国网上海市电力公司 | 基于遗传算法和社团聚类的电能表运行状态监测方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111596255A (zh) * | 2020-07-27 | 2020-08-28 | 国网江西省电力有限公司电力科学研究院 | 一种强化学习算法的计量误差远程在线检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yan et al. | A study of information technology used in oil monitoring | |
| CN109635950B (zh) | 基于遗传算法和社团聚类的电能表运行状态监测方法 | |
| CN109615004A (zh) | 一种多源数据融合的防窃电预警方法 | |
| CN111506618B (zh) | 一种结合lightgbm-stacking算法的异常用电行为分析方法 | |
| CN107832927B (zh) | 基于灰色关联分析法的10kV线路线变关系评价方法 | |
| CN108920609A (zh) | 基于多维度分析的电力实验数据挖掘方法 | |
| Shin et al. | Spatiotemporal load-analysis model for electric power distribution facilities using consumer meter-reading data | |
| CN111738573A (zh) | 一种基于电能表全寿命周期数据的健康评价方法 | |
| CN110942084A (zh) | 一种基于同期线损异常辨识的降损措施制定方法 | |
| CN113379196A (zh) | 一种基于数字孪生技术的变电设备管理评价系统 | |
| CN112257937B (zh) | 一种基于大数据技术的配电网故障预测系统及方法 | |
| CN112232625A (zh) | 基于时空大数据的输变电工程造价评估方法 | |
| CN110837946A (zh) | 一种基于遗传算法的电能表状态评价方法 | |
| Böttcher et al. | Investigating systemic extrapolation of distribution grid investment costs | |
| Mokhtar et al. | Automating the verification of the low voltage network cables and topologies | |
| CN111391694B (zh) | 一种充电站运行维护的多层次快速数据监测方法和系统 | |
| CN109886316B (zh) | 基于云系相似度权重分配的变压器状态参量组合预测方法 | |
| CN116796906A (zh) | 基于数据融合的电力配电网投资预测分析系统及方法 | |
| Li et al. | A statistical study on topological features of high voltage distribution networks in Western Australia | |
| Pavlov et al. | Ensuring Reliability in the Operational Management of the Power Supply System Modes of the Mineral Industrie’s Enterprises | |
| CN115186935A (zh) | 一种机电设备非线性故障预测方法及系统 | |
| Rosenlund et al. | Clustering and dimensionality-reduction techniques applied on power quality measurement data | |
| Shijian et al. | Energy efficiency evaluation system based on ladder-based comprehensive assessment method | |
| Chuangpishit et al. | Comparative Assessment of Hosting Capacity Analysis Methods: Industry Best Practices and Standardization Framework | |
| CN112488410A (zh) | 基于设备综合效率的生产设备性能优化方法及装置 |
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: 20200225 |
|
| RJ01 | Rejection of invention patent application after publication |