CN110865328B - 基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法 - Google Patents
基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法 Download PDFInfo
- Publication number
- CN110865328B CN110865328B CN201911086906.9A CN201911086906A CN110865328B CN 110865328 B CN110865328 B CN 110865328B CN 201911086906 A CN201911086906 A CN 201911086906A CN 110865328 B CN110865328 B CN 110865328B
- Authority
- CN
- China
- Prior art keywords
- intelligent electric
- voltage
- transformer
- phase
- meters
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing 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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于AMI的智能电表相位识别、拓扑辨识及阻抗估计方法,包括如下步骤:(1)获取变压器和智能电表的历史数据;(2)利用电压相关性原理及回归模型判别智能电表与变压器单相抽头的匹配关系,确定智能电表相位;(3)将连接在变压器同一单相抽头下的智能电表组成集合A;(4)利用电压相关性原理及回归模型将集合A中的智能电表两两进行配对求解,确定共用一个公共点的紧密耦合智能电表对;(5)将紧密耦合的智能电表对替换成一个新的智能电表并更新集合A,重复步骤(4)完成集合A中所有智能电表的配对,确定位于同一单相抽头下的智能电表的拓扑连接;(6)生成配电系统阻抗模型。与现有技术相比,本发明简便、准确度高。
Description
技术领域
本发明涉及电力系统配电技术领域,尤其是涉及一种基于AMI的智能电表相位识别、拓扑辨识及阻抗估计方法。
背景技术
随着地理信息系统(GIS)的广泛应用,配电线路的实用模型变得越来越复杂。在GIS数据中很容易出现相位误差等问题,而数据的准确性关乎着电力系统配电模型的准确应用。
得益于通信技术和信息技术的迅猛发展,高级量测体系(AMI)为配电线路建模和分析提供了新的方法,也得到了越来越广泛的推广和使用。AMI利用双向通信系统和记录用户详细负荷信息的智能电表,定时或即时取得用户带有时标的分时段的或实时的多种计量值(用电量、用电需求、电压、电流等),并通过安装在用户端的智能电表测量、收集、储存、分析和运用电力用户用电信息。AMI中的智能电表能够按照预先设定的时间间隔记录用户的多种用电信息,并通过通信网络将信息传送到数据中心,根据不同的要求和目的(如故障响应和需求侧管理等)进行处理和分析。此外,AMI数据在相位识别、变压器识别、盗窃检测、二次电路自动生成以及将AMI作为虚拟计量系统等方面都具有广阔的应用前景。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于AMI的智能电表相位识别、拓扑辨识及阻抗估计方法。
本发明的目的可以通过以下技术方案来实现:
一种基于AMI的智能电表相位识别、拓扑辨识及阻抗估计方法,该方法包括如下步骤:
(1)获取变压器和所有智能电表的历史数据,包括电压和功率;
(2)基于历史数据,利用电压相关性原理及回归模型判别智能电表与变压器单相抽头的匹配关系,确定智能电表相位;
(3)将连接在变压器同一单相抽头下的智能电表组成集合A;
(4)基于历史数据,利用电压相关性原理及回归模型将集合A中的智能电表两两进行配对求解,确定共用一个公共点的紧密耦合智能电表对;
(5)将紧密耦合的智能电表对替换成一个新的智能电表并更新集合A,重复步骤(4)完成集合A中所有智能电表的配对,确定位于同一单相抽头下的智能电表的拓扑连接;
(6)确定所有智能电表的拓扑连接后生成配电系统阻抗模型。
步骤(2)具体为:
(21)根据历史数据建立变压器与智能电表的回归模型,所述的回归模型用于根据智能电表的电压和功率测量值估计变压器侧每一相的电压预测值;
(22)对于任意一个智能电表,利用回归模型预测变压器侧每一相的电压预测值;
(23)利用变压器电压预测值与实测值分别求取各智能电表与变压器每一相的决定系数R2,同时将具有最大决定系数R2的相确定为对应智能电表与变压器连接的相位。
步骤(21)中变压器与智能电表的回归模型为:
Vn=k0+k1Vm+k2Wm+k3Wn,
其中,Vm为智能电表m所测电压,Wm为智能电表m所测功率,Vn为变压器n相电压,Wn为变压器n相平均功率,k0、k1、k2和k3为回归系数,n=A、B、C,分别表示电压器的A、B、C三相。
步骤(23)中决定系数R2通过下式获得:
步骤(4)具体为:
(41)根据历史数据建立智能电表之间的回归模型,所述的回归模型用于根据智能电表的电压和功率测量值估计与之配对的另一智能电表的电压;
(42)对于任意一个待配对的智能电表,分别利用回归模型预测其他智能电表的电压预测值;
(43)根据电压预测值与实测值分别求取待配对的智能电表与其他智能电表的决定系数R2,将具有最大决定系数R2的智能电表确定为与待配对的智能电表共用一个公共点。
步骤(41)中智能电表之间的回归模型为:
V1=β0+β1·V2+R2·I2,R+X2·I2,X+R1·(-I1,R)+X1·(-I1,X),
其中,V1、V2为待配对的两个智能电表的电压,P1、P2为待配对的两个智能电表的有功功率,Q1、Q2为待配对的两个智能电表的无功功率,β0、β1、R1、X1、R2、X2为回归系数。
步骤(43)中决定系数R2通过下式获得:
步骤(5)中将紧密耦合的智能电表对替换成一个新的智能电表并更新集合A具体操作方法为:计算紧密耦合的智能电表对公共点处的电压、有功功率以及无功功率,将公共点作为一个新的智能电表,从集合A中移除已匹配的紧密耦合的智能电表对,并将新的智能电表添加至集合A中。
与现有技术相比,本发明具有如下优点:本发明基于线性回归和基本电压降关系,通过智能电表测量出一系列的电压和功率数据,根据电压相关性原理识别变压器单相抽头与智能电表的相位,并在此基础之上创建智能电表之间的配对关系,自动生成配电系统拓扑和阻抗模型,该方法仅需历史数据即可完成智能电表相位识别、拓扑辨识及阻抗估计,方法简便,准确度高。
附图说明
图1为基于AMI的智能电表相位识别、拓扑辨识及阻抗估计方法的流程图;
图2为本发明位于同一相位下的智能电表拓扑辨识和阻抗估计的具体流程图;
图3为本发明紧密耦合的智能电表对的电路示意图;
图4为实施例中位于变压器B相抽头下的智能电表的拓扑图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意,以下的实施方式的说明只是实质上的例示,本发明并不意在对其适用物或其用途进行限定,且本发明并不限定于以下的实施方式。
实施例
如图1所示,一种基于AMI的智能电表相位识别、拓扑辨识及阻抗估计方法,该方法包括如下步骤:
S1:获取变压器和所有智能电表的历史数据,包括电压和功率,本实施例智能电表每15分钟采集一个点,一天采集96个点,对应地,变压器也在对应时刻进行采样;
S2:基于历史数据,利用电压相关性原理及回归模型判别智能电表与变压器单相抽头的匹配关系,确定智能电表相位;
S3:将连接在变压器同一单相抽头下的智能电表组成集合A;
S4:基于历史数据,利用电压相关性原理及回归模型将集合A中的智能电表两两进行配对求解,确定共用一个公共点的紧密耦合智能电表对;
S5:将紧密耦合的智能电表对替换成一个新的智能电表并更新集合A,重复步骤S4完成集合A中所有智能电表的配对,确定位于同一单相抽头下的智能电表的拓扑连接;
S6:存储紧密耦合的智能电表每个分支的线路和阻抗;
S7:生成配电系统阻抗模型。
配电变压器通常是三相的,智能电表连接在变压器单相抽头ABC三相的哪一相通常是未知的。变压器上的每相电压通常会随时间而存在差异,每相上具有独立电压调节器的变压器上电压差异更加明显。基于这些差异性,利用电压相关性原理以及线性回归模型能够对变压器单相抽头与智能电表相位进行识别,判别出各个智能电表与变压器相位的连接关系。因此,步骤S2具体为:
(21)根据历史数据建立变压器与智能电表的回归模型,所述的回归模型用于根据智能电表的电压和功率测量值估计变压器侧每一相的电压预测值,具体地:变压器与智能电表的回归模型为:
Vn=k0+k1Vm+k2Wm+k3Wn,
其中,Vm为智能电表m所测电压,Wm为智能电表m所测功率,Vn为变压器n相电压,Wn为变压器n相平均功率,k0、k1、k2和k3为回归系数,n=A、B、C,分别表示电压器的A、B、C三相;
(22)对于任意一个智能电表,利用回归模型预测变压器侧每一相的电压预测值;
(23)利用变压器电压预测值与实测值分别求取各智能电表与变压器每一相的决定系数R2,同时将具有最大决定系数R2的相确定为对应智能电表与变压器连接的相位,其中,决定系数R2通过下式获得:
通过决定系数R2值来判断智能电表与变压器单相抽头ABC三相中的哪一相关系最为紧密,某一相决定系数R2越大说明该电表与变压器该相连接的可能性越大。由此判断智能电表与变压器单相抽头的连接相位。智能电表捕捉大量的电压和功率数据,对这些数据的处理需要一段时间,可以通过在某一相位上产生电压变化来减少相位识别所需数据的持续时间。例如在变压器A相上施加一个较为明显的电压变化,在相同时间段内智能电表侧可以采集到更多数据点以进行数据分析,采集数据所需要的时间减少,因此能够减少相位识别所需数据的持续时间。
步骤S4具体为:
(41)根据历史数据建立智能电表之间的回归模型,所述的回归模型用于根据智能电表的电压和功率测量值估计与之配对的另一智能电表的电压;
(42)对于任意一个待配对的智能电表,分别利用回归模型预测其他智能电表的电压预测值;
(43)根据电压预测值与实测值分别求取待配对的智能电表与其他智能电表的决定系数R2,将具有最大决定系数R2的智能电表确定为与待配对的智能电表共用一个公共点。
步骤(41)中智能电表之间的回归模型为:
V1=β0+β1·V2+R2·I2,R+X2·I2,X+R1·(-I1,R)+X1·(-I1,X),
其中,V1、V2为待配对的两个智能电表的电压,P1、P2为待配对的两个智能电表的有功功率,Q1、Q2为待配对的两个智能电表的无功功率,β0、β1、R1、X1、R2、X2为回归系数。
步骤(43)中决定系数R2通过下式获得:
步骤(5)中将紧密耦合的智能电表对替换成一个新的智能电表并更新集合A具体操作方法为:计算紧密耦合的智能电表对公共点处的电压、有功功率以及无功功率,将公共点作为一个新的智能电表,从集合A中移除已匹配的紧密耦合的智能电表对,并将新的智能电表添加至集合A中。其中,公共点电压V0可以估计为:
V0,estimate1=V1+R1·I1,R+X1·I1,X,
V0,estimate2=V2+R2·I2,R+X2·I2,X,
V0=(V0,estimate1+V0,estimate2)/2。
更为具体地,本发明位于同一相位下的智能电表拓扑辨识和阻抗估计的具体流程图如图2所示:
步骤a1:分相后,设定一组连接在变压器同一单相抽头下的智能电表集合组(集合A),所有智能电表的连接方式及其公共点处的数据未知,将对这组集合A中的智能电表进行拓扑连接关系识别。
步骤a2:每个智能电表同时捕获一系列电压、有功和无功平均值。
步骤a3:对于集合A中的每一个智能电表i使用回归模型与集合中的其他智能电表配对求解。
步骤a4:利用以上回归模型选择与智能电表i在回归变换中具有最大R2值的智能电表j。根据上述步骤判别出智能电表i和j是共用一个公共点的紧密耦合仪表对,由此识别出一对智能电表的连接关系。
步骤a5:对于紧密耦合的智能电表对i和j,存储回归模型中每个分支的线路电阻和电抗。计算公共点处的电压、有功功率以及无功功率,在公共点处形成一个新的计量点k。如图3中所示为本发明紧密耦合的智能电表对的电路示意图,图中公共上游点即为形成的新的计量点k。
步骤a6:识别出智能电表i和j的连接关系并形成新的计量点k后,从集合A中移除智能电表i和j。集合A中添加新的计量点k代替已完成配对的智能电表i和j。计量点k与集合A中剩余智能电表运用线性回归模型进行配对求解以寻找其与剩余电表的连接关系。
步骤a7:重复步骤a3至步骤a6,直至所有智能电表都配对成功。配对结束后完成了对配电侧拓扑的识别工作,得到了配电侧的拓扑结构。
步骤a8:在配对过程中存储了每个分支的线路阻抗,自动生成了配电系统阻抗模型。由此建立一个基于AMI数据的模拟电路。
本实施例统计了30天的数据,对来自B相上的一组智能电表进行配对分析求解。配电系统均由25KVA变压器进行供电,如图4显示了B相上智能电表的拓扑图,智能电表配对始于智能电表6和7,这两个智能电表之间是高度耦合的,关联最紧密的。每个分支的长度基于回归模型估计的线电阻。此方法可用于配电系统阻抗模型的自动生成。
上述实施方式仅为例举,不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施,且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (2)
1.一种基于AMI的智能电表相位识别、拓扑辨识及阻抗估计方法,其特征在于,该方法包括如下步骤:
(1)获取变压器和所有智能电表的历史数据,包括电压和功率;
(2)基于历史数据,利用电压相关性原理及回归模型判别智能电表与变压器单相抽头的匹配关系,确定智能电表相位;
(3)将连接在变压器同一单相抽头下的智能电表组成集合A;
(4)基于历史数据,利用电压相关性原理及回归模型将集合A中的智能电表两两进行配对求解,确定共用一个公共点的紧密耦合智能电表对;
(5)将紧密耦合的智能电表对替换成一个新的智能电表并更新集合A,重复步骤(4)完成集合A中所有智能电表的配对,确定位于同一单相抽头下的智能电表的拓扑连接;
(6)确定所有智能电表的拓扑连接后生成配电系统阻抗模型;
步骤(2)具体为:
(21)根据历史数据建立变压器与智能电表的回归模型,所述的回归模型用于根据智能电表的电压和功率测量值估计变压器侧每一相的电压预测值;
(22)对于任意一个智能电表,利用回归模型预测变压器侧每一相的电压预测值;
(23)利用变压器电压预测值与实测值分别求取各智能电表与变压器每一相的决定系数R2,同时将具有最大决定系数R2的相确定为对应智能电表与变压器连接的相位;
步骤(21)中变压器与智能电表的回归模型为:
Vn=k0+k1Vm+k2Wm+k3Wn,
其中,Vm为智能电表m所测电压,Wm为智能电表m所测功率,Vn为变压器n相电压,Wn为变压器n相平均功率,k0、k1、k2和k3为回归系数,n=A、B、C,分别表示电压器的A、B、C三相;
步骤(23)中决定系数R2通过下式获得:
步骤(4)具体为:
(41)根据历史数据建立智能电表之间的回归模型,所述的回归模型用于根据智能电表的电压和功率测量值估计与之配对的另一智能电表的电压;
(42)对于任意一个待配对的智能电表,分别利用回归模型预测其他智能电表的电压预测值;
(43)根据电压预测值与实测值分别求取待配对的智能电表与其他智能电表的决定系数R2,将具有最大决定系数R2的智能电表确定为与待配对的智能电表共用一个公共点;
步骤(41)中智能电表之间的回归模型为:
V1=β0+β1·V2+R2·I2,R+X2·I2,X+R1·(-I1,R)+X1·(-I1,X),
其中,V1、V2为待配对的两个智能电表的电压,P1、P2为待配对的两个智能电表的有功功率,Q1、Q2为待配对的两个智能电表的无功功率,β0、β1、R1、X1、R2、X2为回归系数;
步骤(43)中决定系数R2通过下式获得:
2.根据权利要求1所述的一种基于AMI的智能电表相位识别、拓扑辨识及阻抗估计方法,其特征在于,步骤(5)中将紧密耦合的智能电表对替换成一个新的智能电表并更新集合A具体操作方法为:计算紧密耦合的智能电表对公共点处的电压、有功功率以及无功功率,将公共点作为一个新的智能电表,从集合A中移除已匹配的紧密耦合的智能电表对,并将新的智能电表添加至集合A中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086906.9A CN110865328B (zh) | 2019-11-08 | 2019-11-08 | 基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086906.9A CN110865328B (zh) | 2019-11-08 | 2019-11-08 | 基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110865328A CN110865328A (zh) | 2020-03-06 |
CN110865328B true CN110865328B (zh) | 2021-10-08 |
Family
ID=69653320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911086906.9A Active CN110865328B (zh) | 2019-11-08 | 2019-11-08 | 基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110865328B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112117763B (zh) * | 2020-09-25 | 2022-03-15 | 东南大学 | 一种低压配电网拓扑识别与参数估计方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015223145A1 (en) * | 2014-02-25 | 2016-09-08 | Itron, Inc. | Smart grid topology estimator |
CN106250927A (zh) * | 2016-07-29 | 2016-12-21 | 国网河南省电力公司电力科学研究院 | 基于k最近邻分类算法的配电网拓扑结构校验方法 |
AU2015337110A1 (en) * | 2014-10-20 | 2017-05-18 | Itron, Inc. | Grid topology mapping with voltage data |
CN108564485A (zh) * | 2018-04-16 | 2018-09-21 | 国网河南省电力公司电力科学研究院 | 基于电压曲线相似性分析的低压台区用户相位识别方法 |
CN108683180A (zh) * | 2018-05-07 | 2018-10-19 | 国网河南省电力公司电力科学研究院 | 一种三相低压配电网拓扑重建方法 |
CN109274095A (zh) * | 2018-10-30 | 2019-01-25 | 东北大学秦皇岛分校 | 基于互信息的低压配电网用户拓扑估计方法及系统 |
CN109873501A (zh) * | 2019-04-15 | 2019-06-11 | 东南大学 | 一种低压配电网拓扑自动识别方法 |
CN110086165A (zh) * | 2018-12-10 | 2019-08-02 | 国网江苏省电力有限公司扬州供电分公司 | 基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 |
CN110190600A (zh) * | 2019-06-21 | 2019-08-30 | 国网天津市电力公司 | 一种基于ami量测近邻回归的三相配电网拓扑辨识方法 |
CN110350528A (zh) * | 2019-07-22 | 2019-10-18 | 石家庄科林电气股份有限公司 | 一种低压台区拓扑自动辨识方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10337885B2 (en) * | 2015-10-14 | 2019-07-02 | Inventus Holdings, Llc | Voltage pattern analysis system and method |
-
2019
- 2019-11-08 CN CN201911086906.9A patent/CN110865328B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015223145A1 (en) * | 2014-02-25 | 2016-09-08 | Itron, Inc. | Smart grid topology estimator |
AU2015337110A1 (en) * | 2014-10-20 | 2017-05-18 | Itron, Inc. | Grid topology mapping with voltage data |
CN106250927A (zh) * | 2016-07-29 | 2016-12-21 | 国网河南省电力公司电力科学研究院 | 基于k最近邻分类算法的配电网拓扑结构校验方法 |
CN108564485A (zh) * | 2018-04-16 | 2018-09-21 | 国网河南省电力公司电力科学研究院 | 基于电压曲线相似性分析的低压台区用户相位识别方法 |
CN108683180A (zh) * | 2018-05-07 | 2018-10-19 | 国网河南省电力公司电力科学研究院 | 一种三相低压配电网拓扑重建方法 |
CN109274095A (zh) * | 2018-10-30 | 2019-01-25 | 东北大学秦皇岛分校 | 基于互信息的低压配电网用户拓扑估计方法及系统 |
CN110086165A (zh) * | 2018-12-10 | 2019-08-02 | 国网江苏省电力有限公司扬州供电分公司 | 基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 |
CN109873501A (zh) * | 2019-04-15 | 2019-06-11 | 东南大学 | 一种低压配电网拓扑自动识别方法 |
CN110190600A (zh) * | 2019-06-21 | 2019-08-30 | 国网天津市电力公司 | 一种基于ami量测近邻回归的三相配电网拓扑辨识方法 |
CN110350528A (zh) * | 2019-07-22 | 2019-10-18 | 石家庄科林电气股份有限公司 | 一种低压台区拓扑自动辨识方法 |
Non-Patent Citations (3)
Title |
---|
Topology Fault Detection in Low Voltage Grids based on Statistical Analyses of Smart Meter Data;Dominik Waeresch等;《2016 IEEE PES Innovative Smart Grid Technologies Conference Europe (ISGT-Europe)》;20170216;全文 * |
基于三维时空特性的抵押配电网拓扑识别方法;邹时容等;《电网与清洁能源》;20190930;第35卷(第9期);第34-42、56页 * |
基于智能电表数据的配电网络拓扑修正;王丹;《科学技术与工程》;20190831;第19卷(第23期);第150-155页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110865328A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111026927B (zh) | 一种低压台区运行状态智能监测系统 | |
CN107340492B (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
CN110633744B (zh) | 一种智能电表的台区识别方法 | |
CN111242391B (zh) | 用于电力负荷识别的机器学习模型训练方法及系统 | |
CN112117763B (zh) | 一种低压配电网拓扑识别与参数估计方法 | |
US9702730B2 (en) | Systems and methods for estimating conservation allocation with partial AMI | |
CN109472231B (zh) | 变电站谐波源定位方法及装置、计算机可读存储介质 | |
CN110907884A (zh) | 一种基于非侵入式量测电能表误差诊断分析方法 | |
CN112966219A (zh) | 识别户表与表箱关系的方法及系统、设备、介质 | |
CN109636663B (zh) | 背靠背配电变压器的户变关系识别方法与装置 | |
CN112288303A (zh) | 确定线损率的方式、装置 | |
CN111091223B (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN110865328B (zh) | 基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法 | |
CN113777551B (zh) | 一种专线专变电力用户计量装置电流互感器变比核查方法 | |
CN104537233A (zh) | 一种基于核密度估计的配电网伪量测生成方法 | |
CN110781450A (zh) | 一种配电馈线电压测量数据的不良数据检测系统及方法 | |
CN113724101A (zh) | 台区的箱表关系识别方法及系统、设备、存储介质 | |
CN109541346A (zh) | 一种稳态工况下的非侵入式电力负载识别提升方法 | |
CN112182499A (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 | |
CN111965479A (zh) | 一种基于数据精细化量测比对的线损异常定位方法 | |
CN115508662B (zh) | 一种用于判定台区电表与表箱间归属关系的方法 | |
CN108732425B (zh) | 一种低压配网供电线路电阻值实时监测方法 | |
Bessa | Solar power forecasting for smart grids considering ICT constraints | |
CN112667567B (zh) | 一种结合电力数据与电网拓扑的作业成本存档方法及装置 | |
Hu et al. | A data-driven method of users-transformer relationship identification in the secondary power distribution system |
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 |