CN111199292B - 确保配电系统的低压网络中的安全维修 - Google Patents
确保配电系统的低压网络中的安全维修 Download PDFInfo
- Publication number
- CN111199292B CN111199292B CN201911049592.5A CN201911049592A CN111199292B CN 111199292 B CN111199292 B CN 111199292B CN 201911049592 A CN201911049592 A CN 201911049592A CN 111199292 B CN111199292 B CN 111199292B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- residence
- meter
- autonomous
- day
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 21
- 238000009826 distribution Methods 0.000 title claims abstract description 11
- 238000005265 energy consumption Methods 0.000 claims abstract description 82
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000010248 power generation Methods 0.000 claims abstract description 12
- 230000005611 electricity Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000002790 cross-validation Methods 0.000 claims description 5
- 238000005094 computer simulation Methods 0.000 claims description 2
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000008439 repair process Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
-
- 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2513—Arrangements for monitoring electric power systems, e.g. power lines or loads; Logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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"
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02B90/20—Smart grids as enabling technology in buildings sector
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/12—Energy storage units, uninterruptible power supply [UPS] systems or standby or emergency generators, e.g. in the last power distribution stages
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明旨在确保需要维修配电系统的低压网络的人员的安全。连接到该网络的居所可能包括用于发电的自主装置(PV1,...,PVn),从而产生电压并危及进行维修工作的人员。因此,提供了一个步骤,用于以规律的时间间隔从每个居所的仪表(C1,...,Cn)的消耗记录中获取第一数据和作为这些居所的地理区域中的气象数据的第二数据(MET),以便至少确定一些有助于自主发电的天气状况。然后,基于第一和第二数据,应用检测模型来检测由仪表测量的较低能耗时段与有利于自主装置在这些时段中发电的天气状况之间的一致性。因此推论出关于配备有该仪表的居所中是否存在自主装置的信息,该信息与相应的居所标识符一起存储在数据库(MEM)中,从而在数据库中识别出可能包含自主装置的居所。
Description
技术领域
本发明涉及确保需要为配电系统的低压网络维修的人员的安全。
背景技术
在进行此类维修时(常规或事后处理),必须切断电流,以使维修人员能够安全地工作。然而,随着个人自主产生可再生电能(光伏板、风力涡轮机等)的自主装置的发展,即使低压变电站已经由配电系统操作人员关闭,配电系统仍可能通过这些自主装置供电。当自主装置由个人直接布置(而不是由操作系统的公司布置)并且个人未向系统操作员申报这些自主装置的存在时,例如逆变器可能无法接收来自配电系统的电源,而是直接接收来自光伏板或风力涡轮机的电源。在断电的情况下,只要逆变器正确连接到主低压网络,逆变器的作用通常是停止仪表板上的发电,仪表板使逆变器正确地连接到主低压网络。如果不是这样或没有逆变器,则一个或多个仪表板板发电产生并因此向附近的低压网络供电。
因此,如果不检查网络电压,那些在网络上工作的人员就有危险。如果即使关闭了电站和已申报的光伏装置,但在网络上仍检测到非零电压,则维护技术人员必须在附近挨家挨户搜索所有未申报的自发电装置,以便关闭它们。除了给技术人员带来危险外,还可以看到这种方法冗长而乏味,而连接到低压变电站的用户却没有电。
本发明改善了这种情况。
发明内容
为此,本发明提出了一种用于确保需要为配电系统的低压网络维修的人员的安全的方法,其中,低压网络通常连接到向地理区域内的多个居所供电的变电站。居所配备有仪表,这些仪表被配置为按规律的时间间隔(通常每天或半小时)测量和传达能耗。
由于至少有一些居所可能包括使用可再生能源发电的自主装置,因此,尽管在工作期间关闭了变电站,但将这些自主装置投入运行仍可在低压网络中产生电压,从而危及执行工作的人员的生命。
由与所述仪表通信的服务器实现的方法,然后包括以下步骤:
-按规律的时间间隔从每个仪表的能耗记录中获取第一数据,
-获取作为地理区域中的气象数据的第二数据,以便识别至少一些有利于通过自主装置产生能源的天气状况,
-对于每个仪表,基于至少第一和第二数据应用检测模型,以检测由仪表测量的低能耗时段与有利于自主装置在所述时段内发电的天气状况之间的一致性,并从检测模型的应用推论出装配有仪表的居所中是否存在自主装置的信息,
-对于每个居所,将关于是否存在自主装置的信息以及所述居所特定的相应标识符存储在数据库中,
-以及,在执行维修工作之前,在数据库中识别可能包括自主装置的居所。
以上,术语“居所”应理解为是指居住场所、办公室或工厂。
“可再生能源”应理解为是指太阳能和/或风能,它们直接取决于上述天气状况(或甚至降雨产生的水力能量,其流量取决于降雨量,因此又取决于天气状况)。
通过实施本发明,居所不仅可以被鉴定为配备有自主发电装置的居所(因此称为“自产者”),还可以被鉴定为那些消耗自己的产生能源的居所(在下文中称为“自耗者”的居所)),然后再提供低压网络,这可能危及从事维修工作的人员。
在一个实施例中,服务器进一步获取在维修工作之前所述低压网络中的电压的瞬时测量,并且所述工作取决于所述服务器在低压网络中获得零电压测量。
在这样的实施例中,每个仪表被配置为通过来自服务器的命令被远程切断,存在的信息可以是在配备有所述仪表的居所中存在自主装置的概率得分的形式,以及所述方法进一步包括:
-建立存在自主装置的概率得分的列表,并具有相应的仪表标识符,
-如果在低压网络中测量到非零电压,则使用列表中得分最高的仪表标识符远程切断对应仪表,然后从列表中删除该仪表,然后重复这一步骤直到在网络中获得零电压测量为止。
根据第一实施例,检测模型是通过“提升树”技术获得的,“提升树”包括:
-学习样本中的一组变量,所述样本由居所组成,并对其能耗进行分析,
-定义相关性的解释变量,取自变量集,以及
-将提升树方法应用于解释变量,以便确定计算模型,计算模型用于计算配备有仪表的居所中存在自主装置的概率得分,仪表以规律的时间间隔测量和传达居所中的能耗,得分对应于存储在数据库中的存在的信息。
因此,可以理解的是,一旦该得分量化了自主装置的存在的可能性,该得分计算模型就能够最终对应于上述检测模型。
在该实施例中,可以进一步应用交叉验证,以便巩固对计算模型的确定。
根据第二实施例,检测模型是通过实现卷积神经网络获得的,实现卷积神经网络包括:
-学习样本中的一组变量,所述样本由居所组成,并对其能耗量进行分析,
-通过神经网络学习样本,以及
-通过神经网络确定计算模型,计算模型用于计算配备有仪表的居所中自主装置存在的概率得分,仪表以规律的时间间隔测量和传达居所中的能耗,所述得分对应于存储在所述数据库中的存在的信息。
在第一或第二实施例中,能够在学习变量中设置常规变量,对于每个居所,这些变量可能包括:
-预测变量,其指示该居所是否配备有自主发电装置;
-以规则的间隔的居所能耗;
-居所区域的天气状况,包括该区域的瞬时温度。
例如,如果待检测是否存在的自主发电装置是光伏面板,则天气状况可以至少包括给定时刻的日照水平(以下称为“辐照度”或“辐射”)。
因此,在每个仪表能够以每小时或不足一个小时的间隔进一步测量和传达能耗的情况下,解释变量能够包括以下至少一个变量:
-每个仪表在一天中的上午10点至下午4点和同一天整天的总能耗的平均比率,
-中午12点至下午2点之间的能耗对于日照水平的回归线的斜率,
-在日照水平较高的X天的上午10点至下午4点和在日照水平较低的X天的上午10点至下午4点之间所有仪表的平均能耗之比,
-每个仪表在上午10点至下午4点的能耗和同一天上午10点至下午4点的温度之间的平均比率,
-在日照水平较高的X天的上午10点至下午4点的每一度温度的能耗和在日照水平较低的X天的上午10点至下午4点的每一度温度能耗之间的平均比率。
在每台仪表能够以每天的间隔测量和传达能耗量的情况下,解释变量能够包括以下变量中的至少一个:
-一天的能耗与同一天的日照水平的比率;
-一天的能耗与同一天的上午10点至下午4点之间的平均日照水平的比率;
-一天的能耗与同一天的中午12点至下午2点之间的平均日照水平的比率;
-一天的能耗与同一天的上午10点至下午4点之间最大日照水平的比率;
-一天的能耗与同一天的中午12点至下午2点之间的最大日照水平的比率;
-在日照水平较高的X天的平均日能耗与在日照水平较低的X天的平均日能耗之间的比率;
-每天每一度温度的平均能耗比例;
-在日照水平较高的X天里每天每一度温度的能耗与在日照水平较低的X天里每天每一度温度的能耗之间的平均比率。
本发明还提供一种计算机程序,该计算机程序包括指令,当由处理模块的处理器执行这些指令时,指令用于实现上述方法。还涉及用于存储该计算机程序指令的非暂时性计算机介质。
本发明还涉及一种用于实现上述方法的服务器,该服务器包括存储器(图1中的MEM)和处理模块(图1中的MOD),存储器用于存储数据库,处理模块被配置为至少基于来自居所的仪表的能耗的第一数据和居所区域的天气状况的第二数据来应用检测模型,所述检测模型用于检测居所中的自主发电装置。
该处理模块(MOD,在图4中详细描述)能够是电子电路的形式,其具有输入IN(通常是通信接口)、存储器CIP、处理器PROC,输入IN用于接收第一数据(CONS)和第二数据(METEO),存储器CIP用于存储本发明含义内的计算机程序指令的代码,处理器PROC(如上所述)用于与存储器CIP一起工作,读取所存储的指令代码并执行计算机程序,以便应用检测模型,并从那里提供有关是否存在用于居所的自主装置(通过模块MOD的输出OUT)的信息,从而将数据添加到存储在服务器的存储器MEM的数据库中。
模块MOD和数据库MEM能够被分设在同一服务器SER(如图1所示)上,或者能够位于经由网络通信的几个不同的计算实体处。
因此,本发明还提供了在本发明的含义内的服务器的处理模块,如以上实施例所示。
附图说明
本发明的其他特征和优点将通过下列附图及一些示例性的实施例的详细描述加以展现,其中,
图1示出了用于实现本发明的示例性系统;
图2示出了根据一个特定的实施例,在本发明的含义内的示例性方法;
图3示出了通过深度学习来构建推算模型的方法,该模型的使用生成了可能存在自主发电装置的居所清单。
图4示意性地示出了本发明含义内的服务器的处理模块。
具体实施方式
在此给出的描述中,期望的是检测本地是否存在发电的自主装置(诸如一个或多个光伏模块和/或一个或多个风力涡轮机)。
因此,特别是尽管在低压网络的一部分中切断了电源,但仍然存在电流或电压,可以识别出自发电。
如上所述,并非所有发电的自主装置都已向低压网络的维护人员申报,这可能会危及这些维护人员。
本发明提出的解决方案是使用以下方法检测未申报的自发电装置:
-在给定时间段(例如,间隔对应一天或30分钟的负载曲线)中的电能消耗数据,然后通过从拟进行的工作的配电系统的低压电网的通信仪表中获取数据,从中识别出与平均能耗相比能耗不足的时间段,
-以及,最近的气象站的气象数据,以便在能耗不足的时间段鉴定天气状况是否有利于自发电(例如高辐照度或强风),在这种情况下,在安装了所述通信仪表的处所中识别到自主发电装备(分别是一个或多个光伏面板或一个或多个风力涡轮机)。
通过结合两个数据源(负荷曲线数据和气象数据),可以观察到某些用户(例如拥有光伏面板)的能耗量在辐照度较高时低于正常水平,而在辐照度较低时则正常。
根据这一观察结果,在本说明书的下文中,提出了说明该现象的相关变量的标识,然后进行建模,该模型允许计算定义用户是否是自耗者的概率得分(消耗其自主发电装备产生的电力)。
如果进行维修,即使低压网络LV的变电站已关闭,技术人员也很可能会遇到非零电压,因此需要足以了解仪表的历史并进行应用从上述过程得出的模型,以确定哪些居所可能是自耗者。
如图1所示,在由低压网络LV供电的区域中的居所L1,L2,...,Ln配备有通信仪表C1,C2,...,Cn,该通信仪表能够经由网络RES与服务器SER通信(例如通过电力线通信)。服务器SER还从气象站MET接收气象数据。进一步如图1所示,某些居所(此处为L1和Ln)配备有自主发电装置,例如光伏板(PV1,...,PVn)。对于服务器SER,它包括处理模块MOD,其功能将在下文介绍,与组织为数据库的存储器MEM一起工作,以便存储来自模块MOD的数据,这些数据通常是:
-关于每个居所的自主装置的存在(AUT)或不存在(N-AUT)的信息,该是否存在的信息由模块MOD检测,如下所述,
-具有该居所的相应联系信息(ID CT1,ID CT2,...,ID CTn)。
例如,此联系信息可能是:
-电话号码,和/或
-数字地址(电子邮件或其他类型的消息),和/或
-物理邮寄地址。
一旦由模块MOD执行了处理,然后能够访问存储器MEM,以便在对包含居所L1,L2,...,Ln的区域进行操作之前确定:
-某些居所是否配备了自主发电装置,以及
-在适当的情况下,开始向上述联系信息发送消息,以通知这些居所区将来的维修,并要求自主发电装置的用户在维修期间将其关闭。
在一种变体中,维修人员可以自行切断自主发电装置,存储器MEM存储每个居所的物理地址信息,以及与自主装置的存在有关的相应信息。然后可以访问存储器MEM,以便在包含居所L1,L2,...,Ln的区域中进行操作之前确定:
-某些居所是否配备了自主发电装置,以及
-在适当的情况下,开始向维修人员发送消息,在信息中警告指定地址的某些居所(L1,...,Ln)中存在这种自主装置。
因此,配备有自主装置的居所清单可以传送给负责维修工作的技术人员,他们可以以此为目标进行搜索。这种方法避免了浪费时间来检查变电站的低压网络LV所服务的每个房屋,以查找独立于网络的房屋。
在另一个变体中,只要网络中测得的电压非零,可能装有未申报的自耗的居所的仪表C1,...,Cn就可以按照降序被远程切断。在这种情况下,存储器MEM存储具有仪表标识符(ID C1,ID C2,...,ID Cn)的数据库,该仪表标识符具有关于每个居所L1,L2,...,Ln中是否存在自主装置或存在自主的概率得分的相应信息。
事实上,在网络中进行预定维修的情况下,或者在断电的情况下在有电的部分中预定维修时,可以通过降低仪表的切断功率来远程关闭仪表。因此,可以预先切断具有未申报的自耗的概率大于某个阈值p的住宅的仪表。在关闭期间,仍然有可能存在一个非零的测量电压,并且有可能决定恢复变电站的电源,以便切断额外的仪表。
通常,存储在数据库MEM中的数据与涉及自主发电装置的信息相对应,该数据可以是:
-居所用户的联系信息,
-居所的物理地址,
-或居所中存在的仪表的标识符。
该数据通常被称为“居所特定标识符”(特定于居所的用户、居所的仪表、居所本身和/或其他)。
图2示出了其中仪表被远程切断的方法中的一系列步骤的示例。在该实施例中,在步骤S1中,在配备有各自的计数器的各个居所中存在自主装置的概率得分的列表采集自存储器MEM,计数器具有标识符ID C1,ID C2,...,ID Cn。在步骤S2(可以重复执行)中,在计划要维修的低压网络中测量电压。如果电压为零(或其绝对值低于阈值),则可以在步骤S5中发出消息,将消息发送给维修团队以确认维修。然而,如果电压不为零(箭头KO退出测试S2),则在步骤S3中切断与来自数据库MEM的列表中的最高得分MAX(SCO)相对应的仪表。将最高得分MAX(SCO)从列表中删除以进行新的迭代,并在此再次检查低压网络中的电压是否为零。因此,重复步骤S2,S3和S4,直到测得的电压为零。
这种方法(由计算机装置自动化,例如服务器SER中提供的处理电路,并配备处理器),节省了维修时间,并确保了网络上工作的人员的安全。
学习预测模块MOD的操作,因此填充了来自仪表C1,C2,...,Cn的消耗数据以及来自气象站MET的针对居所L1,...,Ln地理区域的数据,如下所述。该模块预测低压网络每个居所中的自耗的可能性如下:
为此可以考虑两种方法:
-第一种方法称为“提升树”,需要构造变量(或“特征工程”),
-基于深度学习的第二种方法。
为了根据第一种方法实施模型,提供了一个学习样本,该学习样本由具有以下变量集的居所组成:
-指示该居所是否自耗的预测变量;
-居所的能耗(每半小时、每小时或几天中的每天);
-最近的气象站给出的辐照度和/或风强度;
-最近的气象站给出的温度,以便确定与热量有关的能耗(供暖设备或空调)。
然后,从上面列出的变量中构造解释变量,以便区分要观察的现象,这些变量例如是:
-每个用户在上午10点至下午4点之间和当天一整天的总能耗的平均比率(潜在的自发电者的比率低于非自发电者),
-如果希望检测光伏板的存在,则中午12点至下午2点之间的能耗对于辐照的回归线的斜率也是解释变量。事实上,辐照度越高,能耗水平越低(自发电量越高)。
-在辐照较高的X天的上午10点至下午4点和在辐照较低的X天的上午10点至下午4点之间的平均能耗之比。X取决于可用的历史记录。
-每个用户上午10点至下午4点的能耗和上午10点至下午4点的日度差的平均比率。
-在辐照较高的X天的上午10点至下午4点的日度差能耗和在辐照较低的X天的上午10点至下午4点的日度差能耗之间的平均比率。
仅在每日消耗换壳获取的情况下,创建的变量可能如下:
-日能耗与日辐照的比率;
-上午10点至下午4点之间日能耗与平均辐照的比率;
-中午12点至下午2点之间日能耗与平均辐照的比率;
-上午10点至下午4点之间日能耗与最大辐照的比率;
-中午12点至下午2点之间日能耗与最大辐照的比率;
-在辐照水平较高的X天的平均日能耗与在辐照水平较低的X天的平均日能耗之间的比率;
-每一度温度的平均日能耗比率;
-在辐照较高的X天里每一度温度的日能耗与在辐照较低的X天里每一度温度的日能耗之间的平均比率。
之所以定义这些变量,是因为它们在申请人进行的测试过程中将预测误差降至最低。
一旦获得了解释变量,就可以估计根据“提升树”方法的模型,以便分析是否存在自消耗。
基于以下类型中的第一个模型,“提升树”能够以下数学方式编写:
[公式1]:
yt=M1(xt)+ε1,t
其中,yt是预测变量,M1是回归树,差值ε1,t是模型产生的误差。
“提升树”的原理首先包括使用以下公式估算由上述模型产生的误差:
[公式2]:
在第二步中,我们尝试通过第二棵树对上述估计的误差建模:
[公式3]:
我们以这种方式继续建连续误差的模型,直到满足选定的停止标准为止。
最后,获得的预测如下:
[公式4]:
其中,k是学习到的树的数量。
然后,可以通过细化参数(例如树的数量、树的最大深度、学习样本的使用百分比等)来继续根据“提升树”方法对模型进行估计。为了顾及这些参数,可以执行交叉验证。交叉验证包括将样本分为L个部分。对于每个部分L,在L-1个其他部分上训练模型,然后在部分L上进行测试。因此,执行模型的L学习和L验证,直到可以用该参数集估计模型的泛化误差。最后,选择使交叉验证中的错误最小化的参数集。
一旦学习到模型,模块MOD就可以通过提取通信仪表和气象数据中可用的历史来应用模型。特别地,例如根据在上午10点至下午4点之间的低能耗量的变量来计算存在光伏面板的概率得分,尤其是在晴天的中午12点和下午2点之间。
深度学习的第二种方法可以从形成学习样本开始,该学习样本可能使用与上述“提升树”方法中使用的变量相同的变量(例如,日消耗、平均日辐照度、当天的最大辐照度、中午12点至下午4点的平均辐照度和日度差)。在此,我们不是使用通常解决此类问题的完全连接网络,而是使用卷积网络的原理,以便检测从仪表和局部温度以及相关性得出的负载曲线中的形状。
例如,由于神经网络的权值收敛需要大量数据,每个用户的历史记录能够被划分为7天,从而人为地增加数据量。
网络的第一层由卷积层组成,该卷积层包括对将n个滤波器应用到每个观察值(由样本用户的7天能耗的向量组成)。所应用的滤波器的深度为4(对于四个变量作为输入:温度、此处中午12点至下午4点之间的辐照度、一天中的辐照度、一天中的能耗),尺寸为1*1。
在每个滤波器之后,激活函数是ReLU函数:
[公式5]:
卷积网络根据梯度的“反向传播”算法获知滤波器的值,也称为权值。然后通过Adam方法对权值进行归一化。
在第一卷积步骤之后,应用大小为7的最大合并步骤。因此,每个观测值和每个滤波器仅剩一个输入变量值。
然后,将合并输出连接到具有如图3所示的一般架构的网络。网络完全连接到多个隐藏层,这些隐藏层根据数据而有所不同。网络在Softmax层终止,以便区分未申报的自消耗者和其他用户(例如,两个输出)。
当然,本发明不限于以上作为示例给出的实施例;能够扩展到其他变体。
例如,本发明可以解决的另一个问题涉及当太阳能发电量超过低压变电站规模的能耗时低压网络中的反向馈电,因为太大的失衡会导致网络中的电源切断。在网络中存在大量反向馈电的情况下,当前正在测试解决方案,例如在网络中安装电池。但是,这些仍然是全球性的解决方案(例如,在网络级别引入电池),而且通常价格昂贵,并且不针对产生反向馈电的少数用户。确定未申报的自发电者将有可能更好地适应要应用的解决方案:例如,提供特定的存储解决方案(家用热水箱、电池或其他),转移其使用方式,将其能源出售给其他用户,或者在网络中过多反向馈电的情况下建议隔离。
因此,本发明使得有可能自动检测网络中未申报的自消耗者,以便:
-确保技术人员执行维修工作时的安全,
-减少维修时间,
-并能够在未申报的自消耗者过多地反向馈电的情况下确保网络安全。
Claims (13)
1.一种用于确保需要为配电系统的低压网络维修的人员的安全的方法,其中:
将所述低压网络连接到变电站,所述变电站向地理区域内的多个居所供电,
所述居所配备了仪表,所述仪表配置为用于按规律的时间间隔测量和传达能耗,
至少一些居所可能包括使用可再生能源发电的自主装置,尽管在工作期间关闭了变电站,但运行中的所述自主装置仍会在低压网络中产生电压,从而危及正在维修的人员,
所述方法由与所述仪表进行通信的服务器实现,包括:
-按规律的时间间隔从每个仪表的能耗记录中获取第一数据,
-获取作为地理区域中的气象数据的第二数据,以便识别至少一些有利于通过所述自主装置产生能源的天气状况,
-对于每个仪表,基于至少第一和第二数据应用检测模型,以检测由仪表测量的低能耗时段与有利于所述自主装置在所述时段内发电的天气状况之间的一致性,并从所述检测模型的应用推论出装配有所述仪表的居所中是否存在自主装置的信息,
-对于每个居所,将关于是否存在自主装置的信息以及所述居所特定的相应标识符存储在数据库中,
-以及,在执行维修工作之前,在数据库中识别可能包括自主装置的居所。
2.根据权利要求1所述的方法,其特征在于,所述服务器进一步获取在维修工作之前所述低压网络中的电压的瞬时测量,并且所述工作取决于所述服务器在所述低压网络中获得零电压测量。
3.根据权利要求2所述的方法,其特征在于,每个仪表被配置为通过来自服务器的命令被远程切断,并且其中,所述存在的信息是在配备有所述仪表的居所中存在自主装置的概率得分,以及所述方法进一步包括:
-建立存在自主装置的概率得分的列表,并具有相应的仪表标识符,
-如果在低压网络中测量到非零电压,则使用所述列表中得分最高的仪表标识符远程切断对应仪表,然后从列表中删除所述仪表,并再次使用列表中具有新的最高得分的下一个仪表标识符切断对应的下一个仪表,直到在网络中获得零电压测量为止。
4.根据权利要求1所述的方法,其特征在于,所述检测模型是通过“提升树”技术获得的,所述“提升树”包括:
-学习样本中的一组变量,所述样本由居所组成,并对其能耗进行分析,
-定义相关性的解释变量,取自变量集,以及
-将提升树方法应用于解释变量,以便确定计算模型,所述计算模型用于计算配备有仪表的居所中存在自主装置的概率得分,所述仪表以规律的时间间隔测量和传达居所中的能耗,所述得分对应于存储在数据库中的存在的信息。
5.根据权利要求4所述的方法,其特征在于,进一步应用交叉验证,以便巩固对所述计算模型的确定。
6.根据权利要求1所述的方法,其特征在于,所述检测模型是通过实现卷积神经网络获得的,包括:
-学习样本中的一组变量,所述样本由居所组成,并对其能耗量进行分析,
-通过神经网络学习样本,以及
-通过神经网络确定计算模型,所述计算模型用于计算配备有仪表的居所中自主装置存在的概率得分,所述仪表以规律的时间间隔测量和传达居所中的能耗,所述得分对应于存储在所述数据库中的存在的信息。
7.根据权利要求4所述的方法,其特征在于,对于每个居所,要在所述学习样本中设置的变量包括:
-预测变量,其指示该居所是否配备有自主发电装置;
-以规则的间隔的居所能耗;
-居所区域的天气状况,包括该区域的瞬时温度。
8.根据权利要求1所述的方法,其特征在于,要检测其是否存在的自主发电装置是光伏面板,并且其中,天气状况至少包括给定时刻的日照水平。
9.根据权利要求7所述的方法,其特征在于,要检测其是否存在的自主发电装置是光伏面板,并且所述天气状况至少包括给定时刻的日照水平,并且其中,每个仪表被布置为以每小时或每半小时的间隔测量和传达能耗,所述解释变量包括以下至少一个变量:
-每个仪表在一天中的上午10点至下午4点和同一天整天的总能耗的平均比率,
-中午12点至下午2点之间的能耗对于日照水平的回归线的斜率,
-在日照水平较高的X天的上午10点至下午4点和在日照水平较低的X天的上午10点至下午4点之间所有仪表的平均能耗之比,
-每个仪表在上午10点至下午4点的能耗和同一天上午10点至下午4点的温度之间的平均比率,
-在日照水平较高的X天的上午10点至下午4点的每一度温度的能耗和在日照水平较低的X天的上午10点至下午4点的每一度温度能耗之间的平均比率。
10.根据权利要求7所述的方法,其特征在于,要检测其是否存在的自主发电装置是光伏面板,并且其中,天气状况至少包括给定时刻的日照水平,并且其中,每个仪表被设置为在每日间隔下测量和传达能耗,解释变量包括以下至少一个变量:
-一天的能耗与同一天的日照水平的比率;
-一天的能耗与同一天的上午10点至下午4点之间的平均日照水平的比率;
-一天的能耗与同一天的中午12点至下午2点之间的平均日照水平的比率;
-一天的能耗与同一天的上午10点至下午4点之间最大日照水平的比率;
-一天的能耗与同一天的中午12点至下午2点之间的最大日照水平的比率;
-在日照水平较高的X天的平均日能耗与在日照水平较低的X天的平均日能耗之间的比率;
-每天每一度温度的平均能耗比例;
-在日照水平较高的X天里每天每一度温度的能耗与在日照水平较低的X天里每天每一度温度的能耗之间的平均比率。
11.一种非暂时性计算机存储介质,当指令由处理电路的处理器执行时,导致根据权利要求1所述的方法的计算机程序的储存指令被执行。
12.一种服务器,其用于实现根据权利要求1所述的方法,并其包括:用于存储数据库的存储器;以及处理电路,所述处理电路被配置为至少基于来自居所的仪表的能耗的第一数据和居所区域的天气状况的第二数据来应用检测模型,所述检测模型用于检测居所中的自主发电装置。
13.一种处理电路,其用于根据权利要求12所述的服务器,并被配置为至少基于来自居所的仪表的能耗的第一数据和居所区域的天气状况的第二数据来应用检测模型来实现根据权利要求1所述的方法,检测模型用于检测居所中的自主发电装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1871345A FR3087926B1 (fr) | 2018-10-31 | 2018-10-31 | Securisation d’une intervention sur une branche basse tension du reseau de distribution electrique |
FR1871345 | 2018-10-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111199292A CN111199292A (zh) | 2020-05-26 |
CN111199292B true CN111199292B (zh) | 2023-10-13 |
Family
ID=66286409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911049592.5A Active CN111199292B (zh) | 2018-10-31 | 2019-10-31 | 确保配电系统的低压网络中的安全维修 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11551323B2 (zh) |
EP (1) | EP3648020B1 (zh) |
CN (1) | CN111199292B (zh) |
ES (1) | ES2943132T3 (zh) |
FR (1) | FR3087926B1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112925231A (zh) * | 2021-01-12 | 2021-06-08 | 南方电网数字电网研究院有限公司 | 一种电力安全监测系统 |
CN114123519B (zh) * | 2021-10-21 | 2022-10-28 | 国网山东省电力公司滨州市滨城区供电公司 | 一种智能储能电站系统 |
TWI830617B (zh) * | 2023-03-06 | 2024-01-21 | 友達光電股份有限公司 | 機台意外預測方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103117554A (zh) * | 2013-01-29 | 2013-05-22 | 中国电力科学研究院 | 智能rlc负载及防孤岛检测电路 |
CN103777097A (zh) * | 2014-01-21 | 2014-05-07 | 国家电网公司 | 一种低压用户侧分布式电源并网全过程通用检测平台及方法 |
CN204012683U (zh) * | 2014-07-16 | 2014-12-10 | 常州思普锐电力科技有限公司 | 一种用于含有分布式电源配电网的逆功率保护系统 |
CN104467198A (zh) * | 2014-12-11 | 2015-03-25 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于在线分布式的电能储能系统 |
CN105303268A (zh) * | 2015-11-25 | 2016-02-03 | 国家电网公司 | 基于相似度理论的风力发电输出功率预测方法 |
CN105678385A (zh) * | 2015-12-31 | 2016-06-15 | 江苏金风科技有限公司 | 用于海上风电场的运维方法及运维平台 |
CN106089543A (zh) * | 2016-03-24 | 2016-11-09 | 陈永远 | 超大型水力发电站 |
CN107834598A (zh) * | 2017-11-08 | 2018-03-23 | 国网安徽省电力公司亳州供电公司 | 一种基于太阳能发电的调度自动化系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9134353B2 (en) * | 2009-02-26 | 2015-09-15 | Distributed Energy Management Inc. | Comfort-driven optimization of electric grid utilization |
WO2017044737A1 (en) * | 2015-09-11 | 2017-03-16 | Powerscout, Inc. | Spatial modeling and other data analytics enabled energy platform |
-
2018
- 2018-10-31 FR FR1871345A patent/FR3087926B1/fr active Active
-
2019
- 2019-10-10 ES ES19202488T patent/ES2943132T3/es active Active
- 2019-10-10 EP EP19202488.3A patent/EP3648020B1/fr active Active
- 2019-10-30 US US16/668,317 patent/US11551323B2/en active Active
- 2019-10-31 CN CN201911049592.5A patent/CN111199292B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103117554A (zh) * | 2013-01-29 | 2013-05-22 | 中国电力科学研究院 | 智能rlc负载及防孤岛检测电路 |
CN103777097A (zh) * | 2014-01-21 | 2014-05-07 | 国家电网公司 | 一种低压用户侧分布式电源并网全过程通用检测平台及方法 |
CN204012683U (zh) * | 2014-07-16 | 2014-12-10 | 常州思普锐电力科技有限公司 | 一种用于含有分布式电源配电网的逆功率保护系统 |
CN104467198A (zh) * | 2014-12-11 | 2015-03-25 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于在线分布式的电能储能系统 |
CN105303268A (zh) * | 2015-11-25 | 2016-02-03 | 国家电网公司 | 基于相似度理论的风力发电输出功率预测方法 |
CN105678385A (zh) * | 2015-12-31 | 2016-06-15 | 江苏金风科技有限公司 | 用于海上风电场的运维方法及运维平台 |
CN106089543A (zh) * | 2016-03-24 | 2016-11-09 | 陈永远 | 超大型水力发电站 |
CN107834598A (zh) * | 2017-11-08 | 2018-03-23 | 国网安徽省电力公司亳州供电公司 | 一种基于太阳能发电的调度自动化系统 |
Also Published As
Publication number | Publication date |
---|---|
FR3087926B1 (fr) | 2021-09-17 |
EP3648020B1 (fr) | 2023-03-15 |
CN111199292A (zh) | 2020-05-26 |
US20200134761A1 (en) | 2020-04-30 |
US11551323B2 (en) | 2023-01-10 |
ES2943132T3 (es) | 2023-06-09 |
EP3648020A1 (fr) | 2020-05-06 |
FR3087926A1 (fr) | 2020-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sawle et al. | PV-wind hybrid system: A review with case study | |
CN111199292B (zh) | 确保配电系统的低压网络中的安全维修 | |
US10962576B2 (en) | Estimation of shading losses for photovoltaic systems from measured and modeled inputs | |
Lujano-Rojas et al. | Probabilistic modelling and analysis of stand-alone hybrid power systems | |
Atwa et al. | Reliability evaluation for distribution system with renewable distributed generation during islanded mode of operation | |
Engin | Sizing and simulation of PV‐wind hybrid power system | |
Ciabattoni et al. | Design of a home energy management system by online neural networks | |
WO2015073996A2 (en) | Solar energy disaggregation techniques for whole-house energy consumption data | |
Tavarov et al. | Model and Algorithm of Electricity Consumption Management for Household Consumers in the Republic of Tajikistan. | |
CN103927597A (zh) | 基于自回归滑动平均模型的风电功率超短期预测方法 | |
Rasmussen et al. | Effects of centralized and local PV plant control for voltage regulation in LV feeder based on cyber-physical simulations | |
CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
KR102615485B1 (ko) | 디지털트윈 기반 마이크로그리드 운영 방법 | |
CN115689532A (zh) | 一种电力系统故障分析方法及其装置 | |
WO2020125984A1 (en) | System and method for power outage prediction | |
CN103927596A (zh) | 基于复合数据源自回归模型的风电功率超短期预测方法 | |
Shiralievich et al. | Learning algorithm of artificial neural network factor forecasting power consumption of users | |
Miranda | Wind power, distributed generation: new challenges, new solutions | |
Gemeda et al. | Probabilistic ampacity forecasting of dynamic line rating considering tsos risk-averse | |
JP2022528759A (ja) | 太陽光発電エネルギー生産を評価するための方法およびその方法を実施する評価および管理ユニット | |
Nashrullah et al. | Performance Evaluation of Median Filter In Modeling Household Electric Load Profile | |
Zhang et al. | Research on operation optimization of integrated energy system based on importance scenario analysis method | |
EP4270711A1 (en) | Methods and systems for controlling a chp device in a microgrid | |
Hatziargyriou et al. | The" CARE" System Overview: Advanced Control Advice for Power Systems with Large-scale Integration of Renewable Energy Sources | |
Swanepoel | Microgrid energy management system based on artificial intelligence |
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 |