CN111861121A - 基于用户电量波动与线损波动分析的异常用电判定方法 - Google Patents
基于用户电量波动与线损波动分析的异常用电判定方法 Download PDFInfo
- Publication number
- CN111861121A CN111861121A CN202010557004.5A CN202010557004A CN111861121A CN 111861121 A CN111861121 A CN 111861121A CN 202010557004 A CN202010557004 A CN 202010557004A CN 111861121 A CN111861121 A CN 111861121A
- Authority
- CN
- China
- Prior art keywords
- fluctuation
- abnormal
- user
- line loss
- daily
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 90
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 230000005611 electricity Effects 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000010835 comparative analysis Methods 0.000 claims abstract description 6
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 claims description 8
- 238000011835 investigation Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011160 research 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开基于用户电量波动与线损波动分析的异常用电判定方法,通过用户电量异常电量波动与线损异常波动的相关性进行对比分析,其具体分析包括如下步骤:a1、样本选取;a2、K值计算;a3、绘制异常用户日电量曲线;a4、异常用户与线损波动相关性分析;a5、实地核查。本发明提升了异常用电用户的判定精准度,从而提高锁定异常用电用户效率。
Description
技术领域
本发明涉及用户异常用电分析技术领域,具体是基于用户电量波动与线损波动分析的异常用电判定方法。
背景技术
随着社会经济实力不断增强,电力规划建设规模不断扩大,电力作为清洁能源更是深入到人们日常生活与工作当中,而随着电力规划建设步伐不断加快,用户用电量的需求不断增强,用户用电行为异常问题也成为了困扰电力正常供应的突出问题,隐蔽的用户用电行为异常问题层出不穷,现阶段针对各种户用电行为异常实施的措施也难以面面俱到,从大量用户数据中精准锁定异常用电用户。用户异常用电行为不仅给供电企业带来巨大的经济损失,还给正常供电带来安全隐患。因此,需要从多维度分析异常用电特征,不断创新用户异常用电分析方法,提升异常用电用户判定的精准度,从而创造良好的用电环境。
发明内容
本发明提供基于用户电量波动与线损波动分析的异常用电判定方法,能够有效的解决上述背景中存在的技术问题。
为了实现上述目的,本发明提供如下技术方案:
基于用户电量波动与线损波动分析的异常用电判定方法,通过用户电量异常电量波动与线损异常波动的相关性进行对比分析,其具体分析包括如下步骤:
a1、样本选取:选取单元线路或台区线损率波动异常数据,即单元的线损率波动幅度偏离正常线损率区间“x±3σ”内时,其中X为正常线损率的平均值,σ为单元的线损率波动幅度的标准差值;选取这些单元线路或台区做为分析样本,通过捕捉样本日线损率的异常拐点,该拐点的上下波动的幅值是超过3%,同时,获取拐点下所有用户电量明细数据;
a2、K值计算:K值采用的公式为:K=ΔQ/ΔT*100%,其中,ΔQ和ΔT的计算,1)计算拐点用户变化日电量ΔQ,ΔQ为拐点处后一天用户电量数据与当日用户电量数据之间的差值;2)计算拐点单元损耗变化日电量ΔT,ΔT为选取拐点处后一天单元日损耗电量与当日损耗电量之间的差值;
a3、绘制异常用户日电量曲线:通过步骤a2计算得出所有用户的K值,锁定K值最大的一个或者多个用户,获取K值最大的一个或者多个用户拐点前后日电量明细,并绘制成日电量曲线图;
a4、异常用户与线损波动相关性分析:将步骤a3中绘制的日电量曲线图中的曲线与对应台区或单元线路的线损率曲线进行对比,并分析两者之间是否存在曲线耦合或曲线背驰规律,从而锁定异常用电用户;
a5、实地核查:根据步骤a4中的对比分析结果,组织人员进行实地勘察检验。
优选的,对比用户日电量波动与单元线路或台区线损异常波动之间的相关性;步骤a4中,曲线耦合规律:通过分析用户用电量异常波动与线损率异常波动是否正相关,即用电量大、线损率大,则为连续性异常用电。
优选的,对比用户日电量波动与单元线路或台区线损异常波动之间的相关性;步骤a4中,曲线背驰规律:通过分析用户用电量异常波动与线损率异常波动是否负相关,即用电量小、线损率大,则为间歇性异常用电。
本发明的有益效果在于:
本发明的方法能够基于电量波动与损耗电量波动相关性研究,提升了异常用电用户的判定精准度,从而提高锁定异常用电用户效率。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1:本发明实施例一某一单元线路或台区的线损率曲线图。
图2:本发明实施例一拐点下所有用户K值计算的表格。
图3:本发明实施例一用户1的某段时间日电量曲线。
图4:本发明实施例一用户1的曲线耦合判断图。
图5:本发明实施例一用户2的曲线耦合判断图。
图6:本发明实施例二某一单元线路或台区的线损率曲线图。
图7:本发明实施例一拐点下所有用户K值计算的表格。
图8:本发明实施例二用户1的曲线背驰判断图。
图9:本发明实施例二用户2的曲线背驰判断图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施:
实施例一,曲线耦合的判断情况:
如图1~图5所示,本实施例提供基于用户电量波动与线损波动分析的异常用电判定方法,通过用户电量异常电量波动与线损异常波动的相关性进行对比分析,其具体分析包括如下步骤:
a1、样本选取:选取单元线路或台区线损率波动异常数据,即单元的线损率波动幅度偏离正常线损率区间“x±3σ”内时,其中X为正常线损率的平均值,σ为单元的线损率波动幅度的标准差值;选取这些单元线路或台区做为分析样本,通过捕捉样本日线损率的异常拐点,该拐点的上下波动的幅值是超过3%,同时,获取拐点下所有用户电量明细数据;图1是某一单元线路或台区线损率的曲线走势图,其中拐点选取如图1所示,图1中使用圆圈标识的则是通过捕捉单元线路或台区日线损率波动异常的两个拐点。
因此,可以获取图1中标注出来拐点下所有用户电量明细数据,如图2所示。
a2、K值计算:K值采用的公式为:K=ΔQ/ΔT*100%,其中,ΔQ和ΔT的计算,1)计算拐点用户变化日电量ΔQ,ΔQ为拐点处后一天用户电量数据与当日用户电量数据之间的差值;2)计算拐点单元损耗变化日电量ΔT,ΔT为选取拐点处后一天单元日损耗电量与当日损耗电量之间的差值,如图2所示的表格,计算出用户1到用户9的ΔQ以及ΔT,从而可以计算用户1到用户9的K值。
a3、绘制异常用户日电量曲线:通过步骤a2计算得出所有用户的K值,锁定K值最大的一个或者两个用户,获取K值最大的一个或者两个用户拐点前后日电量明细,并绘制成日电量曲线图;锁定K值最大的用户,在图2中,是用户1的K1以及用户2的K2值较大,在获取用户1以及用户2拐点前后日电量明细后,绘制成如图3所示的用户1的日电量曲线图。
a4、异常用户与线损波动相关性分析:将步骤a3中用户1和用户2的日电量曲线图中的曲线均与图1中对应台区或单元线路的线损率曲线进行对比,并分析两者之间是否存在曲线耦合规律,从而锁定异常用电用户,具体曲线耦合规律的判断标准是:通过分析用户用电量异常波动与线损率异常波动是否正相关,若用电量大、线损率大,即为连续性异常用电。用户1以及用户2的情况分析如下:
(1)如图4所示,是用户1的日电量曲线与图1中对应台区或单元线路的线损率曲线的结合,从图4中可以看出,通过分析用户1的日电量异常波动与线损率异常波动相关性高,存在曲线耦合规律,即用户1的用电量大、线损率大,即可判断用户1为连续性异常用电。
(2)通过步骤a3,可以将用户2的拐点前后日电量明细绘制成曲线并与图1中对应台区或单元线路的线损率曲线进行结合,从而形成图5,从图5中可以看出,用户2的用电量异常波动与线损率异常波动相关性低,可判断用户2不为连续性异常用电。
实施例二,曲线背驰的判断情况:
如图6~图9所示,本实施例提供基于用户电量波动与线损波动分析的异常用电判定方法,通过用户电量异常电量波动与线损异常波动的相关性进行对比分析,其具体分析包括如下步骤:
a1、样本选取:选取单元线路或台区线损率波动异常数据,即单元的线损率波动幅度偏离正常线损率区间“x±3σ”内时,其中X为正常线损率的平均值,σ为单元的线损率波动幅度的标准差值;选取这些单元线路或台区做为分析样本,通过捕捉样本日线损率的异常拐点,该拐点的上下波动的幅值是超过3%,同时,获取拐点下所有用户电量明细数据;图6是另一单元线路或台区线损率的曲线走势图,其中拐点选取如图6所示。
因此,获取图6中拐点下所有用户电量明细数据,并分别计算所有用户的K值,如图7所示。
a2、K值计算:K值采用的公式为:K=ΔQ/ΔT*100%,其中,ΔQ和ΔT的计算,1)计算拐点用户变化日电量ΔQ,ΔQ为拐点处后一天用户电量数据与当日用户电量数据之间的差值;2)计算拐点单元损耗变化日电量ΔT,ΔT为选取拐点处后一天单元日损耗电量与当日损耗电量之间的差值,如图2所示的表格,计算出用户1到用户12的ΔQ以及ΔT,从而可以计算用户1到用户12的K值,如图7所示的表格。
a3、绘制异常用户日电量曲线:通过步骤a2计算得出所有用户的K值,锁定K值最大的用户,在图7中,是用户1的K1以及用户2的K2值较大,在获取用户1以及用户2拐点前后日电量明细后,可以分别绘制用户1与用户2的日电量曲线图。
a4、异常用户与线损波动相关性的分析:将步骤a3中用户1和用户2的日电量曲线图中的曲线均与图6中对应台区或单元线路的线损率曲线进行对比,并分析两者之间是否存在曲线背驰规律,从而锁定异常用电用户,具体曲线背驰规律的判断标准是:通过分析用户用电量异常波动与线损率异常波动是否负相关,即用电量小、线损率大,则为间歇性异常用电。用户1以及用户2的情况分析如下:
(1)如图8所示,是用户1的日电量曲线与图6中对应台区或单元线路的线损率曲线的结合,从图8中可以看出,通过分析用户1的日电量异常波动与线损率异常波动相关性高,存在曲线背驰规律,即用户1的用电量小、线损率大,即可判断用户1为间歇性异常用电。
(2)通过步骤a3,可以将用户2的拐点前后日电量明细绘制成曲线并与图1中对应台区或单元线路的线损率曲线进行结合,从而形成图9,从图9中可以看出,用户2的用电量异常波动与线损率异常波动相关性低,可判断用户2不为间歇性异常用电。
a5、实地核查:根据步骤a4中的对比分析结果,组织人员进行实地勘察检验。
上述结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的这种非实质改进,或未经改进将本发明的构思和技术方案直接应用于其他场合的,均在本发明的保护范围之内。
Claims (3)
1.基于用户电量波动与线损波动分析的异常用电判定方法,其特征在于,通过用户电量异常电量波动与线损异常波动的相关性进行对比分析,其具体分析包括如下步骤:
a1、样本选取:选取单元线路或台区线损率波动异常数据,即单元的线损率波动幅度偏离正常线损率区间“x±3σ”内时,其中X为正常线损率的平均值,σ为单元的线损率波动幅度的标准差值;选取这些单元线路或台区做为分析样本,通过捕捉样本日线损率的异常拐点,该拐点的上下波动的幅值是超过3%,同时,获取拐点下所有用户电量明细数据;
a2、K值计算:K值采用的公式为:K=ΔQ/ΔT*100%,其中,ΔQ和ΔT的计算,1)计算拐点用户变化日电量ΔQ,ΔQ为拐点处后一天用户电量数据与当日用户电量数据之间的差值;2)计算拐点单元损耗变化日电量ΔT,ΔT为选取拐点处后一天单元日损耗电量与当日损耗电量之间的差值;
a3、绘制异常用户日电量曲线:通过步骤a2计算得出所有用户的K值,锁定K值最大的一个或者多个用户,获取K值最大的一个或者多个用户拐点前后日电量明细,并绘制成日电量曲线图;
a4、异常用户与线损波动相关性分析:将步骤a3中绘制的日电量曲线图中的曲线与对应台区或单元线路的线损率曲线进行对比,并分析两者之间是否存在曲线耦合或曲线背驰规律,从而锁定异常用电用户;
a5、实地核查:根据步骤a4中的对比分析结果,组织人员进行实地勘察检验。
2.根据权利要求1所述的基于用户电量波动与线损波动分析的异常用电判定方法,其特征在于,对比用户日电量波动与单元线路或台区线损异常波动之间的相关性;步骤a4中,曲线耦合规律:通过分析用户用电量异常波动与线损率异常波动是否正相关,即用电量大、线损率大,则为连续性异常用电。
3.根据权利要求1所述的基于用户电量波动与线损波动分析的异常用电判定方法,其特征在于,对比用户日电量波动与单元线路或台区线损异常波动之间的相关性;步骤a4中,曲线背驰规律:通过分析用户用电量异常波动与线损率异常波动是否负相关,即用电量小、线损率大,则为间歇性异常用电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557004.5A CN111861121A (zh) | 2020-06-17 | 2020-06-17 | 基于用户电量波动与线损波动分析的异常用电判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557004.5A CN111861121A (zh) | 2020-06-17 | 2020-06-17 | 基于用户电量波动与线损波动分析的异常用电判定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111861121A true CN111861121A (zh) | 2020-10-30 |
Family
ID=72986198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010557004.5A Pending CN111861121A (zh) | 2020-06-17 | 2020-06-17 | 基于用户电量波动与线损波动分析的异常用电判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861121A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669075A (zh) * | 2020-12-30 | 2021-04-16 | 广东电网有限责任公司中山供电局 | 一种用电客户电量异常波动核查方法 |
CN115169596A (zh) * | 2022-05-05 | 2022-10-11 | 国网山东省电力公司德州市陵城区供电公司 | 基于一体化电量与线损管理系统的台区线损分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106505593A (zh) * | 2016-10-14 | 2017-03-15 | 国网信通亿力科技有限责任公司 | 一种基于大数据的配变三相不平衡分析与负荷调整的方法 |
CN109919425A (zh) * | 2019-01-23 | 2019-06-21 | 国网浙江省电力有限公司 | 一种基于相关性分析的台区用户关系纠错方法 |
CN110276511A (zh) * | 2019-04-16 | 2019-09-24 | 国网浙江海盐县供电有限公司 | 一种基于电量与线损关联性的线变关系异常判别方法 |
CN110503136A (zh) * | 2019-07-31 | 2019-11-26 | 国家电网有限公司 | 台区线损异常分析方法、计算机可读存储介质及终端设备 |
CN111080485A (zh) * | 2019-12-27 | 2020-04-28 | 国网浙江省电力有限公司电力科学研究院 | 基于业务和数据集成的线损合格台区的降损方法 |
-
2020
- 2020-06-17 CN CN202010557004.5A patent/CN111861121A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106505593A (zh) * | 2016-10-14 | 2017-03-15 | 国网信通亿力科技有限责任公司 | 一种基于大数据的配变三相不平衡分析与负荷调整的方法 |
CN109919425A (zh) * | 2019-01-23 | 2019-06-21 | 国网浙江省电力有限公司 | 一种基于相关性分析的台区用户关系纠错方法 |
CN110276511A (zh) * | 2019-04-16 | 2019-09-24 | 国网浙江海盐县供电有限公司 | 一种基于电量与线损关联性的线变关系异常判别方法 |
CN110503136A (zh) * | 2019-07-31 | 2019-11-26 | 国家电网有限公司 | 台区线损异常分析方法、计算机可读存储介质及终端设备 |
CN111080485A (zh) * | 2019-12-27 | 2020-04-28 | 国网浙江省电力有限公司电力科学研究院 | 基于业务和数据集成的线损合格台区的降损方法 |
Non-Patent Citations (1)
Title |
---|
陈仕军;王长江;: "基于曲线相似度和关联分析的窃电智能识别与预警", 浙江电力, vol. 36, no. 12, pages 33 - 36 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669075A (zh) * | 2020-12-30 | 2021-04-16 | 广东电网有限责任公司中山供电局 | 一种用电客户电量异常波动核查方法 |
CN112669075B (zh) * | 2020-12-30 | 2022-03-29 | 广东电网有限责任公司中山供电局 | 一种用电客户电量异常波动核查方法 |
CN115169596A (zh) * | 2022-05-05 | 2022-10-11 | 国网山东省电力公司德州市陵城区供电公司 | 基于一体化电量与线损管理系统的台区线损分析方法 |
CN115169596B (zh) * | 2022-05-05 | 2024-03-08 | 国网山东省电力公司德州市陵城区供电公司 | 基于一体化电量与线损管理系统的台区线损分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701559A (zh) | 一种基于时间序列的短期负荷预测方法 | |
CN103839197A (zh) | 一种基于eemd方法的用户用电行为异常的判定方法 | |
CN111861121A (zh) | 基于用户电量波动与线损波动分析的异常用电判定方法 | |
CN110137947B (zh) | 一种基于itic曲线的电网电压暂降严重程度评估方法 | |
CN106786567B (zh) | 一种基于pmu类噪声数据的在线负荷建模方法 | |
Poncelet et al. | Selecting representative days for investment planning models | |
CN111371188A (zh) | 一种用电异常数据实时预警系统 | |
Fu et al. | A state tendency measurement for a hydro-turbine generating unit based on aggregated EEMD and SVR | |
CN103077484A (zh) | 基于电网历史信息统计分析的多维度潮流评价指标方法 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN114076841A (zh) | 基于用电信息数据的窃电行为识别方法及系统 | |
CN116014760B (zh) | 随机响应下电力系统超低频振荡辨识及振荡源定位方法 | |
CN112288496A (zh) | 电力行业负荷分类计算方法及其跟踪分析方法 | |
CN112925827B (zh) | 一种基于电力采集物联数据的用户性质异常分析方法 | |
CN110009231A (zh) | 一种基于重复性和熵权区分性的用电负荷识别方法及装置 | |
Abid et al. | Causal relationship between energy consumption and GDP in Tunisia: aggregated and disaggregated analysis | |
CN112787322B (zh) | 基于scada系统和多时间尺度的电网动态管理方法 | |
CN111552911B (zh) | 一种基于多场景生成的技术线损影响因素定量分析方法 | |
CN110896218B (zh) | 一种用于建立集合性居民负荷的谐波建模方法及系统 | |
CN109615558B (zh) | 一种基于用电参数大数据统计的用户用电习惯分析方法 | |
CN111181172B (zh) | 一种面向调度主站的电网频率扰动源定位方法 | |
CN106295067A (zh) | 功率谱密度非参数估计的置信水平分析方法 | |
CN111199014A (zh) | 一种基于时间序列的seq2point的NILM方法及装置 | |
CN110990791A (zh) | 一种基于大数据处理的智能电网建设用数据分析方法 | |
CN110162745A (zh) | 一种用于判断变压器是否需要节能降耗的方法 |
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 |