CN111884334B - 一种适于无人值守低压柜的监控方法和系统 - Google Patents

一种适于无人值守低压柜的监控方法和系统 Download PDF

Info

Publication number
CN111884334B
CN111884334B CN202010619664.1A CN202010619664A CN111884334B CN 111884334 B CN111884334 B CN 111884334B CN 202010619664 A CN202010619664 A CN 202010619664A CN 111884334 B CN111884334 B CN 111884334B
Authority
CN
China
Prior art keywords
energy consumption
data
low
consumption data
unit
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
Application number
CN202010619664.1A
Other languages
English (en)
Other versions
CN111884334A (zh
Inventor
张元林
林琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Hezong Power Equipment Co ltd
Original Assignee
Nanjing Hezong Power Equipment Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Hezong Power Equipment Co ltd filed Critical Nanjing Hezong Power Equipment Co ltd
Priority to CN202010619664.1A priority Critical patent/CN111884334B/zh
Publication of CN111884334A publication Critical patent/CN111884334A/zh
Application granted granted Critical
Publication of CN111884334B publication Critical patent/CN111884334B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J13/00002—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 characterised by monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • 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
    • H02J13/00006—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 characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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]
    • 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
    • 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
    • Y04S40/12—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 characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Strategic Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种适于无人值守低压柜的监控方法，采用低压柜的用能数据对用电单元的用能数据进行缺失数据补充和去噪处理，结合用能设备样本序列特征，得到每个用电单元对应的用能设备的工作状态，综合区域内低压柜的用电数据得到区域内的用能环境数据，再结合每个用电单元对应的用能设备的工作状态，对每个低压柜的每条出线回路的用能数据进行分析，以获取更加精确的用能趋势分析结果和异常类型；根据不同的异常等级调整对应出线回路的采样频率，平衡采样功耗和监控强度，针对异常线路获取更加精细的用能设备信息，并以此为基础得到精确度更高的预测分析结果，提高了接收数据中有效数据的比例，运算更具针对性。

Description

一种适于无人值守低压柜的监控方法和系统
技术领域
本发明涉及低压柜监控技术领域，具体而言涉及一种适于无人值守低压柜的监控方法和系统。
背景技术
在当前大力推广电力改革的情况下，用电量预测对于用户购电决策有重要作用，同时也为各类相关管理部门提供有效的管理支撑。另外，供电公司为了满足用电单位高峰时用电的需求，通常会提升的发电能力来满足潜在的峰值需求，对未来用电量进行预测，有利于发电厂以及供电网络制定合理的发电、输电计划，减少电力资源的浪费，尤其是绿色能源得到大力发展的今天。目前的用电量预测多是基于单个对象进行，例如针对供电公司需求，结合输电线路的用能数据进行区域内的用电预测；或者针对用户需求基于智能电表的用电量数据，采用神经网络模型(如GRU网络)进行短期用电量预测。然而，前者预测粒度过大，偏差大，为了确保顺利供电，需要预留较大的容错空间；后者由于智能收集的用电量数据存在信道环境恶劣和信号易受干扰的问题，造成采集数据缺失、波动性强以及有效特征不明显等性质，预测结果也不够准确。
电力作为现代社会不可缺少的必须品，其中低压用电是最为普遍的电压等级，低压成套开关设备就是在低压供电系统中负责完成电能控制、保护、转换和分配使用最广泛的电气设备。在具体应用过程中，每条线路均具有异常切断功能，而通过对低压柜进行开关控制以避免造成更大的损失也是目前常用的一种手段。为了提高低压柜的监控效率和成本节约，目前低压柜无人值守化的趋势越发明显，对低压柜的用能数据进行准确分析和趋势预测的需求也越来越高。另外，低压柜的用能数据作为承上启下的中间数据，对于用能分析和用能预测具有极其重要的意义。而目前尚无一种方法，能够有效综合低压柜和智能电表的采样数据，对低压柜中每条出线回路的用能数据进行准确分析和趋势分析，同时为用户和供电公司提供精度更高的分析预测服务。
发明内容
本发明针对现有技术中的不足，提供一种适于无人值守低压柜的监控方法和系统，采用低压柜的用能数据对用电单元的用能数据进行缺失数据补充和去噪处理，结合用能设备样本序列特征，得到每个用电单元对应的用能设备的工作状态，综合区域内低压柜的用电数据得到区域内的用能环境数据，再结合每个用电单元对应的用能设备的工作状态，对每个低压柜的每条出线回路的用能数据进行分析，以获取更加精确的用能趋势分析结果和异常类型；根据不同的异常等级调整对应出线回路的采样频率，平衡采样功耗和监控强度，针对异常线路获取更加精细的用能设备信息，并以此为基础得到精确度更高的预测分析结果，提高了接收数据中有效数据的比例，运算更具针对性。
为实现上述目的，本发明采用以下技术方案：
一种适于无人值守低压柜的监控方法，所述监控方法包括以下步骤：
S1，构建区域内所有低压柜的出线回路与其对应的所有用电单元的拓扑关系网络；
S2，按照预设的采样频率周期性采集每个低压柜内的所有出线回路的用能数据，每个出线回路具有独立可调的采样频率；
S3，实时/周期性采集每个用电单元对应的智能电表的用能数据，智能电表的采样频率大于低压柜内所有出线回路的采样频率；
S4，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，以拟合得到的变化曲线为基准，对每个出线回路对应的所有用电单元的用能数据进行缺失数据补充和去噪处理；
S5，将去噪后的每个用电单元的用能数据导入预先训练的电量分解模型，得到每个用电单元对应的用能设备的用电量数据；所述电量分解模型采用去噪后的用电单元样本用电总量对应的序列数据和各个用能设备的样本用能数据进行训练得到；
S6，结合每个低压柜内的每个出线回路的用能数据、对应的用电单元所包含的用能设备的用电量数据以及区域内的用能环境数据，采用预先训练的用能分析模块对所有低压柜的每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。
为优化上述技术方案，采取的具体措施还包括：
进一步地，步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行补充的过程包括以下步骤：
查找每个用电单元的用能数据中的缺失数据对应的时间点，结合在每个时间点用电单元所属的低压柜用能数据和同属一个低压柜的其他用电单元的用能数据，计算得到当前时间点的缺失数据之和：
(1)如果在其中一个时间点只有一个用电单元的用能数据有缺失，根据下述公式计算得到该用电单元缺失的用能数据：
Figure GDA0002662804810000021
式中，Pi(t)是第i个用电单元在t时刻缺失的用能数据，Q(t)是第i个用电单元所属的低压柜在t时刻的用能数据，m是第i个用电单元所属的低压柜包含的用电单元总数；
(2)如果在其中一个时间点有多个用电单元的用能数据有缺失，根据下述公式计算得到每个用电单元缺失的用能数据：
Figure GDA0002662804810000022
式中，所述τ是一个用电单元的用能数据采集周期时长；
(3)如果多个用电单元的用能数据均在连续两个或者多个采集周期内缺失数据，将每个用电单元的连续两个或多个缺失数据视为一个整体，进行补充计算，得到每个用电单元连续缺失数据之和，再根据前后K个采样数据进行多项式拟合，得到每个缺失数据。
进一步地，步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行去噪处理的过程包括以下步骤：
S41，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，查找其中幅值超过预设幅值阈值的第一尖峰信号；所述尖峰信号的持续时长小于用电单元的采样周期；
S42，拟合每个用电单元的用能数据的变化曲线，查找每个用电单元的用能曲线的第二尖峰信号和对应的采样周期；
S43，以时间为基准，构建第一尖峰信号和第二尖峰信号的对应关系；
S44，选取其中一个第一尖峰信号，判断与其对应的第二尖峰信号的数量是否超过预设数量阈值，如果是，根据下述公式削减与之对应的每个用电单元的用能曲线上的第二尖峰信号的幅值：
Figure GDA0002662804810000031
式中，P′x(t)是第x个用电设备的削减后的第二尖峰信号幅值，β是第一尖峰信号的削减比例因子，Px(t)是第x个用电设备的原始第二尖峰信号幅值；
否则，对与之对应的每个用电单元的用能曲线上的第二尖峰信号作平滑处理；
S45，重复步骤S44，直至完成对每个第一尖峰信号的处理过程。
进一步地，所述电量分解模型的构建过程包括以下步骤：
S51，采集智能电表用电数据和各设备运行状态信息的时序信息；所述智能电表用电数据包括总用电量、有功功率、无功功率、电压、电流在内的各种物理量数据；
S52，预处理所有数据，包括去除其中的无效数据和对数据做增强处理；
S53，对智能电表用电数据进行去噪处理；
S54，通过依次滑动一个时间步长来获得一定量的训练窗口，提取每个训练窗口内的属于特征状态的用电数据序列，将每个训练窗口的总用电量序列和对应的属于特征状态的用电数据序列作为输入，以每个训练窗口的各个用能设备的开关状态作为输出，创建一定量的训练样本数据；
S55，采用神经网络模型构建电量分解模型，采用训练样本数据对构建的电量分解模型进行训练和测试。
进一步地，步骤S6中，针对任意一个区域内包含的所有低压柜的用能数据统一分析得到该区域的用能环境数据。
进一步地，步骤S6中，所述用能分析模型包括模型参数优化模块和趋势分析模块；
所述模型参数优化模块用于结合预设时长范围的区域内的用能环境数据，调整趋势分析模块的相关参数；
所述趋势分析模块用于结合每个低压柜内的每个出线回路的用能数据、对应的用电单元所包含的用能设备的用电量数据，对每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。
进一步地，所述趋势分析模块为引入注意力机制的GRU网络模型，所述GRU网络模型的输出是以当前时间步长为终点的前n个时间步长的出线回路历史用能数据，输出为以当前时间步长为起点的接下来n个时间步长的用能数据，其中，所述出线回路历史用能数据根据采样对象优先级设置有不同的权重；
所述采样对象包括用电量、有功功率、无功功率、电压、电流在内的各种物理量数据；
所述采样对象优先级与监控装置对应的出线回路的异常类型有关。
基于前述监控方法，本发明还提及一种适于无人值守低压柜的监控系统，所述监控系统包括监控中心、M个远程控制终端和N个监控装置；
每个所述远程控制终端均与所属区域内的一个或多个低压柜具有对应关系；
所述N个监控装置分布安装在区域内的所有低压柜内，每个所述监控装置均与区域内的其中一个低压柜的一条出线回路连接，并且与远程控制终端建立有独立的通讯链路，用于按照预设的采样频率周期性采集所属低压柜内对应出线回路的用能数据，将采集到的用能数据发送至远程控制终端；每个低压柜内的每个出线回路均具有独立可调的采样频率；
所述远程控制终端将接收到的所有监控装置发送的用能数据发送至监控中心，由监控中心计算得到区域内的用能环境数据，再反馈至远程控制终端；
所述远程控制终端还用于实时/周期性采集每个用电单元对应的智能电表的用能数据，采用如权利要求1-7任意一项所述的监控方法，对所有低压柜的每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。
进一步地，所述监控装置包括采样单元、设定单元和开关单元；
所述设定单元根据远程控制终端发送的控制指令以设定采样单元的采样对象优先级和每个采样对象的采样频率，以及控制开关单元切断/连通对应的出线回路。
进一步地，所述监控中心用于接收用户终端发送的用能分析请求，从远程控制中心调取该用户对应的出线回路的用能数据、智能电表用能数据和对应的用能设备的用电量数据，计算得到对应的用能比例关系，并且结合该用户对应的出线回路的用能数据变化趋势，生成该用户的用能数据趋势分析结果，将智能电表数据、用能设备的用电量数据和用能数据趋势分析结果反馈至该用户终端。
本发明的有益效果是：
(1)采用低压柜的用能数据对用电单元的用能数据进行缺失数据补充和去噪处理，使每个用电单元的用能数据尽可能完整，并且在补充后，滤除或削减其中对用能设备分析帮助不大的部分数据(例如由于输电线路等原因造成的集体波动)，同时保留受设备本身运行特性影响较大的变化特征较为明显的部分非常规运行数据，作为其中一种特征向量，结合用能设备样本序列特征，得到每个用电单元对应的用能设备的用电量数据。
(2)综合区域内低压柜的用电数据得到区域内的用能环境数据，再结合每个用电单元对应的用能设备的用电量数据，对每个低压柜的每条出线回路的用能数据进行分析，以获取更加精确的用能趋势分析结果和异常类型。
(3)根据不同的异常等级调整对应出线回路的采样频率，以拟合得到更加平滑信息量更多的出线回路的用能数据，一方面，获取更加精细的用能设备信息，并以此为基础得到精确度更高的预测分析结果，另一方面，通过提高监测频率，提高异常监控强度。根据异常等级调整出线回路的采样频率，还有利于平衡采样功耗和监控强度，对于远程控制终端来说，提高了接收数据中有效数据的比例，运算更具针对性。
(4)结合预设时长范围的区域内的用能环境数据，调整趋势分析模块的相关参数，增强了趋势分析模块的实时性特点；而根据异常类型调整采样对象优先级，有利于提高采集数据的针对性，同时，针对采样对象优先级设置不同的权重，引入注意力机制，加快了趋势分析模块的分析速度，提高了预测分析结果的准确性。
(5)采用监控中心作为外围服务装置和区域数据提供者，远程控制终端只对应于低压柜的运行控制，确保远程控制终端的运行能力。
(6)结合智能电表的用能数据与对应出线回路的用能数据的比例关系，以及对应出线回路的趋势分析结果，计算得到智能电表的用能趋势分析结果，相比于只参考智能电表的历史数据进行趋势分析，降低了其中的随机分量的影响力，能够为用户提供更为稳定可靠的用能分析需求。
附图说明
图1是本发明的适于无人值守低压柜的监控方法的流程图。
图2是本发明的适于无人值守低压柜的监控系统的结构示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
结合图1，本发明提及一种适于无人值守低压柜的监控方法，所述监控方法包括以下步骤：
S1，构建区域内所有低压柜的出线回路与其对应的所有用电单元的拓扑关系网络。
S2，按照预设的采样频率周期性采集每个低压柜内的所有出线回路的用能数据，每个出线回路具有独立可调的采样频率。
S3，实时/周期性采集每个用电单元对应的智能电表的用能数据，智能电表的采样频率大于低压柜内所有出线回路的采样频率。
S4，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，以拟合得到的变化曲线为基准，对每个出线回路对应的所有用电单元的用能数据进行缺失数据补充和去噪处理。
S5，将去噪后的每个用电单元的用能数据导入预先训练的电量分解模型，得到每个用电单元对应的用能设备的用电量数据；所述电量分解模型采用去噪后的用电单元样本用电总量对应的序列数据和各个用能设备的样本用电量进行训练得到。
S6，结合每个低压柜内的每个出线回路的用能数据、对应的用电单元所包含的用能设备的用电量数据以及区域内的用能环境数据，采用预先训练的用能分析模块对所有低压柜的每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。
在此基础上，参见图2，本发明还提及一种适于无人值守低压柜的监控系统，所述监控系统包括监控中心、M个远程控制终端和N个监控装置。
每个所述远程控制终端均与所属区域内的一个或多个低压柜具有对应关系。
所述N个监控装置分布安装在区域内的所有低压柜内，每个所述监控装置均与区域内的其中一个低压柜的一条出线回路连接，并且与远程控制终端建立有独立的通讯链路，用于按照预设的采样频率周期性采集所属低压柜内对应出线回路的用能数据，将采集到的用能数据发送至远程控制终端；每个低压柜内的每个出线回路均具有独立可调的采样频率。
所述远程控制终端将接收到的所有监控装置发送的用能数据发送至监控中心，由监控中心计算得到区域内的用能环境数据，再反馈至远程控制终端。
所述远程控制终端还用于实时/周期性采集每个用电单元对应的智能电表的用能数据，采用如前所述的适于无人值守低压柜的监控方法，对所有低压柜的每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。
在本发明中，采用监控中心作为外围服务装置和区域数据提供者，远程控制终端只对应于低压柜的运行控制，确保远程控制终端的运行能力，以及低压柜采样频率的快速切换和对异常的快速响应。
本发明具体包括以下步骤：
步骤一、构建低压柜与用电单元的拓扑关系网络
低压柜内包含有多条出线回路，每条出线回路对应多个用电单元，为用电单元提供电能。以小区为例，用电单元为住宅用户，而每条出线回路可能对应一个单元、一栋甚至几栋楼的住宅用户。或者如工业园区，其中布设多个低压柜，一个低压柜对应其中一个片区，而用电单元为单个车间或者办公单元等。低压柜的出线回路上的用能信息为其所对应的用电单元的用能信息的汇总，作为输电线路上的中间设备，低压柜出线回路上的用能数据具有巨大的分析价值，而低压柜与用电单元的拓扑关系网络则是有效运用前述用能数据的基础。
步骤二、按照预设的采样频率周期性采集每个低压柜内的所有出线回路的用能数据
考虑到每个出线回路对应的用电单元的情况不同，本发明提出，每个出线回路具有独立可调的采样频率，使得最终采集至远程控制终端的数据更具针对性，满足无人值守对于关键线路和异常状态的监控需求。
步骤三、实时/周期性采集每个用电单元对应的智能电表的用能数据
智能电表与用电单元是一一对应的关系，智能电表作为低压柜的下端设备，同时也是用电数据的最原始来源，智能电表的采样频率大于低压柜内所有出线回路的采样频率。
步骤四、对每个出线回路对应的所有用电单元的用能数据进行缺失数据补充和去噪处理
在本发明中，用电单元内设置有一个或多个用能设备，当其只存在少数用能设备时，可以由智能电表的采样数据直观计算得到每一时刻的用能设备的工作情况，而当用能设备较多，且每个用电单元的用能设备的开关状态较为随机时，需要采用运算量更为复杂的电量分解模型，对用电单元的用能数据进行分解得到每个用电单元的用能设备的工作状态。
智能电表的采集数据由于信道环境恶劣和信号易受干扰的问题，具有采集数据缺失、波动性强以及有效特征不明显等性质。为了能够有效分解得到每个用电单元的用能设备的工作状态，本发明采用低压柜出线回路的用能数据对智能电表数据依次进行补缺和去噪处理。
(一)补缺处理
步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行补充的过程包括以下步骤：
查找每个用电单元的用能数据中的缺失数据对应的时间点，结合在每个时间点用电单元所属的低压柜用能数据和同属一个低压柜的其他用电单元的用能数据，计算得到当前时间点的缺失数据之和：
(1)如果在其中一个时间点只有一个用电单元的用能数据有缺失，根据下述公式计算得到该用电单元缺失的用能数据：
Figure GDA0002662804810000071
式中，Pi(t)是第i个用电单元在t时刻缺失的用能数据，Q(t)是第i个用电单元所属的低压柜在t时刻的用能数据，m是第i个用电单元所属的低压柜包含的用电单元总数。
(2)如果在其中一个时间点有多个用电单元的用能数据有缺失，根据下述公式计算得到每个用电单元缺失的用能数据：
Figure GDA0002662804810000072
式中，所述τ是一个用电单元的用能数据采集周期时长。
(3)如果多个用电单元的用能数据均在连续两个或者多个采集周期内缺失数据，将每个用电单元的连续两个或多个缺失数据视为一个整体，进行补充计算，得到每个用电单元连续缺失数据之和，再根据前后K个采样数据进行多项式拟合，得到每个缺失数据。
假设某出线回路对应用电单元A、B、C：
例子一，在t1时刻，用电单元A缺失采样数据，此时可以采用出线回路在t1时刻的用能数据减去用电单元B、C在t1时刻的用能数据，得到用电单元A的缺失数据。
例子二，在t2时刻，用电单元A和B同时缺失采样数据，则先结合出线回路和用电单元C在t2时刻的用能数据，计算得到用电单元A和B缺失数据之和，再根据两个缺失数据在t2时刻前后相邻采样数据计算得到两者之间的比例关系，根据比例关系计算得到两个缺失数据。
例子三，在相邻的采样时刻t3和t4，用电单元A缺失了采样数据A3和A4，用电单元B缺失了采样数据B3和B4，此时可以将A3和A4视为一个整体，B3和B4视为一个整体，先计算得到四个缺失数据的总和，再按比例关系得到A3和A4之和，B3和B4之和，最后按照多项式拟合的方式，得到四个缺失数据的取值。
例子四，在相邻的采样时刻t5和t6，用电单元A缺失了采样数据A5和A6，用电单元B缺失了采样数据B5和B6，用电单元C缺失了采样数据C5，可以类比例子三的算法，根据比例关系分别计算得到A5和A6之和、B5和B6之和、C5和C6之后，再结合现有C6数值得到C5数值，而A5、A6、、B5和B6仍采用例子三的拟合方式计算得到。
例子五，在相邻的采样时刻t7和t8，用电单元A缺失了采样数据A7和A8，用电单元B只缺失了采样数据B7，用电单元缺失了采样数据C7，则采用例子二的方式计算采样时刻t8缺失的采样数据A8，再根据比例关系计算得到A7、B7和C7。
(二)去噪处理
智能电表采集到的数据中包含有毛刺(尖峰信号)，这些毛刺产生的原因多种多样，由因为电器设备运行特性导致的“噪声信号”，也有因为输电线路波动或信号传输干扰等外界因素带来的噪声，甚至包括用户短暂开关等用户主观用电行为导致的干扰信号。对于后续的用能设备分析来说，不同电器设备运行特性导致的“噪声信号”也不同，这部分毛刺信号也可以作为一种特征向量，帮助电量分解模型快速分解得到用能设备的工作状态。而由于外界因素导致的噪声对于分解过程来说，弊大于利。为此，本发明提出，尽可能滤除或削减由外界因素带来的噪声，保留电器设备运行特性导致的“噪声信号”，将其作为分解过程中的一种特殊特征向量。
考虑到输电线路波动或信号传输干扰等外界因素通常不止为一个用电单元带来噪声干扰，本发明提出，步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行去噪处理的过程包括以下步骤：
S41，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，查找其中幅值超过预设幅值阈值的第一尖峰信号；所述尖峰信号的持续时长小于用电单元的采样周期。
S42，拟合每个用电单元的用能数据的变化曲线，查找每个用电单元的用能曲线的第二尖峰信号和对应的采样周期。
S43，以时间为基准，构建第一尖峰信号和第二尖峰信号的对应关系。
S44，选取其中一个第一尖峰信号，判断与其对应的第二尖峰信号的数量是否超过预设数量阈值，如果是，根据下述公式削减与之对应的每个用电单元的用能曲线上的第二尖峰信号的幅值：
Figure GDA0002662804810000081
式中，P′x(t)是第x个用电设备的削减后的第二尖峰信号幅值，β是第一尖峰信号的削减比例因子，Px(t)是第x个用电设备的原始第二尖峰信号幅值。
否则，对与之对应的每个用电单元的用能曲线上的第二尖峰信号作平滑处理。
S45，重复步骤S44，直至完成对每个第一尖峰信号的处理过程。
而部分由于电器设备运行特性导致的“噪声信号”，通常分散在每个用电单元的用能曲线上，在同一个采样周期内，只对应一个或者少量用电单元。由于低压柜通常对应大量用电单元，其基础用能数据的量级大于用电单元的量级，这类“噪声信号”在其变化曲线上并不能明显体现。作为其中一种特例，如果单个或者少量用电单元的尖峰信号明显体现在低压柜上，说明该用电单元的用能出现了异常，此时可以直接发出异常警示，提高对该出线回路的采样频率。
步骤五、分解得到的每个用电单元的用能设备的工作状态
所述电量分解模型的构建过程包括以下步骤：
S51，采集智能电表用电数据和各设备运行状态信息的时序信息；所述智能电表用电数据包括总用电量、有功功率、无功功率、电压、电流在内的各种物理量数据。
S52，预处理所有数据，包括去除其中的无效数据和对数据做增强处理。
S53，对智能电表用电数据进行缺失数据补充和去噪处理。此处的缺失数据补充和去噪处理参见步骤四。
S54，通过依次滑动一个时间步长来获得一定量的训练窗口，提取每个训练窗口内的属于特征状态的用电数据序列，将每个训练窗口的总用电量序列和对应的属于特征状态的用电数据序列作为输入，以每个训练窗口的各个用能设备的开关状态作为输出，创建一定量的训练样本数据。
S55，采用神经网络模型构建电量分解模型，采用训练样本数据对构建的电量分解模型进行训练和测试。
相比于现有只根据序列信号进行用能设备分析的电量分解方式，本发明在去除或削弱外界因素引起的尖峰信号基础上，引入了由于电器设备运行特性导致的“噪声信号”作为特征向量之一，进一步提高了分解的精度和效率。
步骤六、低压柜用能数据趋势分析和异常分析
在前述用能设备的分解结果基础上，采用用能分析模型对所有低压柜的每个出线回路的用能数据进行分析。另外，考虑到环境因素(如季节、天气和场所因素等)，本发明还引入了区域内的用能环境数据，作为另一个参量进行实际分析过程，以获取更加精确的用能趋势分析结果和异常类型。
具体的，首先针对任意一个区域内包含的所有低压柜的用能数据统一分析得到该区域的用能环境数据。所述远程控制终端将接收到的所有监控装置发送的用能数据发送至监控中心，由监控中心计算得到区域内的用能环境数据，再反馈至远程控制终端。本发明的用能环境数据是对区域内所有低压柜数据进行综合分析得到，具有极强的针对性，尤其适合区域内设置有多个同类型低压柜的情况。作为其中一种优选例，如果区域内的用电单元类型多样，低压柜之间的数据差异也较大时，可以参考历史数据和当前实际检测到的环境参量，分析得到符合当下的用能环境数据。
在此基础上，采用用能分析模型对所有低压柜的每个出线回路的用能数据进行分析。所述用能分析模型包括模型参数优化模块和趋势分析模块。所述模型参数优化模块用于结合预设时长范围的区域内的用能环境数据，调整趋势分析模块的相关参数。结合预设时长范围的区域内的用能环境数据，调整趋势分析模块的相关参数，增强了趋势分析模块的实时性特点。所述趋势分析模块用于结合每个低压柜内的每个出线回路的用能数据、对应的用电单元所包含的用能设备的用电量数据，对每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。对于该步骤来说，由于引入了用电单元所包含的用能设备的工作状态，可以更加合理地判断当前出线回路的用能数据是否异常，例如，根据各用能设备的工作状态，实时调整出线回路的正常工作数值范围等，如果当前出线回路的用能数据的取值明显超出正处于工作状态的用能设备的理论用能数值之和，即使其没有到达最大允许阈值，也需要引起警惕，说明其中有用能设备的工作状态异常，很可能给出线回路引发连锁反应。
优选的，所述趋势分析模块为引入注意力机制的GRU网络模型，所述GRU网络模型的输出是以当前时间步长为终点的前n个时间步长的出线回路历史用能数据，输出为以当前时间步长为起点的接下来n个时间步长的用能数据，其中，所述出线回路历史用能数据根据采样对象优先级设置有不同的权重。所述采样对象包括用电量、有功功率、无功功率、电压、电流在内的各种物理量数据。所述采样对象优先级与监控装置对应的出线回路的异常类型有关。根据异常类型调整采样对象优先级，有利于提高采集数据的针对性，同时，针对采样对象优先级设置不同的权重，引入注意力机制，加快了趋势分析模块的分析速度，提高了预测分析结果的准确性。
本发明提出，根据不同的异常等级调整对应出线回路的采样频率，具有以下几个目的：
(1)针对异常等级较高的出线回路，拟合得到更加平滑信息量更多的用能数据，获取更加精细的用能设备信息，并以此为基础得到精确度更高的预测分析结果。
(2)通过提高监测频率，提高异常监控强度。
(3)根据异常等级调整各个出线回路的采样频率，还有利于平衡采样功耗和监控强度，使能耗和通讯负荷集中在更关键的出线回路上。
(4)对于远程控制终端来说，提高了接收数据中有效数据的比例，运算更具针对性。
优选的，所述监控装置包括采样单元、设定单元和开关单元。
所述设定单元根据远程控制终端发送的控制指令以设定采样单元的采样对象优先级和每个采样对象的采样频率，以及控制开关单元切断/连通对应的出线回路。
作为其中的一种优选例，所述监控中心用于接收用户终端发送的用能分析请求，从远程控制中心调取该用户对应的出线回路的用能数据、智能电表用能数据和对应的用能设备的用电量数据，计算得到对应的用能比例关系，并且结合该用户对应的出线回路的用能数据变化趋势，生成该用户的用能数据趋势分析结果，将智能电表数据、用能设备的用电量数据和用能数据趋势分析结果反馈至该用户终端。一方面，采用监控中心作为外围服务装置和区域数据提供者，远程控制终端只对应于低压柜的运行控制，确保远程控制终端的运行能力。另一方面，结合智能电表的用能数据与对应出线回路的用能数据的比例关系，以及对应出线回路的趋势分析结果，计算得到智能电表的用能趋势分析结果，相比于只参考智能电表的历史数据进行趋势分析，降低了其中的随机分量的影响力，能够为用户提供更为稳定可靠的用能分析需求
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (10)

1.一种适于无人值守低压柜的监控方法，其特征在于，所述监控方法包括以下步骤：
S1，构建区域内所有低压柜的出线回路与其对应的所有用电单元的拓扑关系网络；
S2，按照预设的采样频率周期性采集每个低压柜内的所有出线回路的用能数据，每个出线回路具有独立可调的采样频率；
S3，实时/周期性采集每个用电单元对应的智能电表的用能数据，智能电表的采样频率大于低压柜内所有出线回路的采样频率；
S4，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，以拟合得到的变化曲线为基准，对每个出线回路对应的所有用电单元的用能数据进行缺失数据补充和去噪处理；
S5，将去噪后的每个用电单元的用能数据导入预先训练的电量分解模型，得到每个用电单元对应的用能设备的用能数据；所述电量分解模型采用去噪后的用电单元样本用电总量对应的序列数据和各个用能设备的样本用能数据进行训练得到；
S6，结合每个低压柜内的每个出线回路的用能数据、对应的用电单元所包含的用能设备的用能数据以及区域内的用能环境数据，采用预先训练的用能分析模型对所有低压柜的每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。
2.根据权利要求1所述的适于无人值守低压柜的监控方法，其特征在于，步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行补充的过程包括以下步骤：
查找每个用电单元的用能数据中的缺失数据对应的时间点，结合在每个时间点用电单元所属的低压柜用能数据和同属一个低压柜的其他用电单元的用能数据，计算得到当前时间点的缺失数据之和：
(1)如果在其中一个时间点只有一个用电单元的用能数据有缺失，根据下述公式计算得到该用电单元缺失的用能数据：
Figure FDA0002931024930000011
式中，Pi(t)是第i个用电单元在t时刻缺失的用能数据，Q(t)是第i个用电单元所属的低压柜在t时刻的用能数据，m是第i个用电单元所属的低压柜包含的用电单元总数；
(2)如果在其中一个时间点有多个用电单元的用能数据有缺失，根据下述公式计算得到每个用电单元缺失的用能数据：
Figure FDA0002931024930000012
式中，所述τ是一个用电单元的用能数据采集周期时长；
(3)如果多个用电单元的用能数据均在连续两个或者多个采集周期内缺失数据，将每个用电单元的连续两个或多个缺失数据视为一个整体，进行补充计算，得到每个用电单元连续缺失数据之和，再根据前后K个采样数据进行多项式拟合，得到每个缺失数据。
3.根据权利要求1所述的适于无人值守低压柜的监控方法，其特征在于，步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行去噪处理的过程包括以下步骤：
S41，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，查找其中幅值超过预设幅值阈值的第一尖峰信号；所述第一尖峰信号的持续时长小于用电单元的采样周期；
S42，拟合每个用电单元的用能数据的变化曲线，查找每个用电单元的用能曲线的第二尖峰信号和对应的采样周期；
S43，以时间为基准，构建第一尖峰信号和第二尖峰信号的对应关系；
S44，选取其中一个第一尖峰信号，判断与其对应的第二尖峰信号的数量是否超过预设数量阈值，如果是，根据下述公式削减与之对应的每个用电单元的用能曲线上的第二尖峰信号的幅值：
Figure FDA0002931024930000021
式中，P′x(t)是第x个用电设备的削减后的第二尖峰信号幅值，β是第一尖峰信号的削减比例因子，Px(t)是第x个用电设备的原始第二尖峰信号幅值；
否则，对与之对应的每个用电单元的用能曲线上的第二尖峰信号作平滑处理；
S45，重复步骤S44，直至完成对每个第一尖峰信号的处理过程。
4.根据权利要求1所述的适于无人值守低压柜的监控方法，其特征在于，所述电量分解模型的构建过程包括以下步骤：
S51，采集智能电表用能数据和各设备运行状态信息的时序信息；所述智能电表用能数据包括用电总量、有功功率、无功功率、电压、电流在内的各种物理量数据；
S52，预处理所有数据，包括去除其中的无效数据和对数据做增强处理；
S53，对智能电表用能数据进行去噪处理；
S54，通过依次滑动一个时间步长来获得一定量的训练窗口，提取每个训练窗口内的属于特征状态的用电数据序列，将每个训练窗口的用电总量序列和对应的属于特征状态的用电数据序列作为输入，以每个训练窗口的各个用能设备的开关状态作为输出，创建一定量的训练样本数据；
S55，采用神经网络模型构建电量分解模型，采用训练样本数据对构建的电量分解模型进行训练和测试。
5.根据权利要求1所述的适于无人值守低压柜的监控方法，其特征在于，步骤S6中，针对任意一个区域内包含的所有低压柜的用能数据统一分析得到该区域的用能环境数据。
6.根据权利要求1所述的适于无人值守低压柜的监控方法，其特征在于，步骤S6中，所述用能分析模型包括模型参数优化模块和趋势分析模块；
所述模型参数优化模块用于结合预设时长范围的区域内的用能环境数据，调整趋势分析模块的相关参数；
所述趋势分析模块用于结合每个低压柜内的每个出线回路的用能数据、对应的用电单元所包含的用能设备的用能数据，对每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。
7.根据权利要求6所述的适于无人值守低压柜的监控方法，其特征在于，所述趋势分析模块为引入注意力机制的GRU网络模型，所述GRU网络模型的输入是以当前时间步长为终点的前n个时间步长的出线回路历史用能数据，输出为以当前时间步长为起点的接下来n个时间步长的用能数据，其中，所述出线回路历史用能数据根据采样对象优先级设置有不同的权重；
所述采样对象包括用电量、有功功率、无功功率、电压、电流在内的各种物理量数据；
所述采样对象优先级与监控装置对应的出线回路的异常类型有关。
8.一种适于无人值守低压柜的监控系统，其特征在于，所述监控系统包括监控中心、M个远程控制终端和N个监控装置；
每个所述远程控制终端均与所属区域内的一个或多个低压柜具有对应关系；
所述N个监控装置分布安装在区域内的所有低压柜内，每个所述监控装置均与区域内的其中一个低压柜的一条出线回路连接，并且与远程控制终端建立有独立的通讯链路，用于按照预设的采样频率周期性采集所属低压柜内对应出线回路的用能数据，将采集到的用能数据发送至远程控制终端；每个低压柜内的每个出线回路均具有独立可调的采样频率；
所述远程控制终端将接收到的所有监控装置发送的用能数据发送至监控中心，由监控中心计算得到区域内的用能环境数据，再反馈至远程控制终端；
所述远程控制终端还用于实时/周期性采集每个用电单元对应的智能电表的用能数据，采用如权利要求1-7任意一项所述的监控方法，对所有低压柜的每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。
9.根据权利要求8所述的适于无人值守低压柜的监控系统，其特征在于，所述监控装置包括采样单元、设定单元和开关单元；
所述设定单元根据远程控制终端发送的控制指令以设定采样单元的采样对象优先级和每个采样对象的采样频率，以及控制开关单元切断/连通对应的出线回路。
10.根据权利要求8所述的适于无人值守低压柜的监控系统，其特征在于，所述监控中心用于接收用户终端发送的用能分析请求，从远程控制中心调取该用户对应的出线回路的用能数据、智能电表用能数据和对应的用能设备的用能数据，计算得到对应的用能比例关系，并且结合该用户对应的出线回路的用能数据变化趋势，生成该用户的用能数据趋势分析结果，将智能电表数据、用能设备的用能数据和用能数据趋势分析结果反馈至该用户终端。
CN202010619664.1A 2020-07-01 2020-07-01 一种适于无人值守低压柜的监控方法和系统 Active CN111884334B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010619664.1A CN111884334B (zh) 2020-07-01 2020-07-01 一种适于无人值守低压柜的监控方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010619664.1A CN111884334B (zh) 2020-07-01 2020-07-01 一种适于无人值守低压柜的监控方法和系统

Publications (2)

Publication Number Publication Date
CN111884334A CN111884334A (zh) 2020-11-03
CN111884334B true CN111884334B (zh) 2021-04-02

Family

ID=73158329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010619664.1A Active CN111884334B (zh) 2020-07-01 2020-07-01 一种适于无人值守低压柜的监控方法和系统

Country Status (1)

Country Link
CN (1) CN111884334B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112486096A (zh) * 2020-12-09 2021-03-12 中国兵器装备集团自动化研究所 一种机床运行状态的监控方法
CN112699605B (zh) * 2020-12-28 2022-09-16 山东鲁软数字科技有限公司智慧能源分公司 一种充电桩故障元件预测方法及系统
CN113961347B (zh) * 2021-10-27 2022-05-17 缪周航 提升移动计算平台可靠性的方法
CN114976986B (zh) * 2022-08-02 2022-10-21 山东汇能电气有限公司 一种基于大数据的空气绝缘充气柜自适应调控系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105827016A (zh) * 2015-01-09 2016-08-03 天津清能科技有限公司 一种基于3g通信网络的中低压配电网智能化监控系统
CN105391178A (zh) * 2015-12-24 2016-03-09 无锡信大气象传感网科技有限公司 一种变电站防孤岛运行监控系统
CN107342576A (zh) * 2017-06-05 2017-11-10 江苏尚坤电力安装有限公司 一种高压开关柜在线监测与预警保护方法及其系统
WO2019150816A1 (ja) * 2018-02-01 2019-08-08 住友電気工業株式会社 監視システム、解析装置および判定方法
CN111160621B (zh) * 2019-12-06 2022-06-14 江苏方天电力技术有限公司 一种融合多源信息的短期风电功率预测方法

Also Published As

Publication number Publication date
CN111884334A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN111884334B (zh) 一种适于无人值守低压柜的监控方法和系统
CN110888913B (zh) 一种基于物联网技术用电信息智能分析系统
Pinson et al. Dynamic sizing of energy storage for hedging wind power forecast uncertainty
CN103872782A (zh) 一种电能质量数据综合服务系统
EP2610986A1 (en) A method for determining a power outage probability of an electrical power grid, a method for an adaptation of a power generation capacity and a method for determining an energy storage unit size
CN104319774A (zh) 智能社区的监控方法和装置
US20130158725A1 (en) Adaptive stochastic controller for distributed electrical energy storage management
CN109228952A (zh) 一种基于功率智能调配的充电桩充电系统和方法
KR20200128232A (ko) 전력 수요 예측 장치 및 그 방법
CN105914735B (zh) 一种配电网经济负荷潮流计算方法
CN103018611B (zh) 一种基于电流分解的非侵入式负载监测方法及系统
CN112467879A (zh) 一种园区能源智能监测系统、方法和设备
CN111654044A (zh) 基于大数据分析的配变三相负荷不平衡问题诊断治理方法及系统
CN116923168B (zh) 基于变电站联网的充电桩电能调度系统及其调度方法
CN106160232B (zh) 一种用于电力系统的负荷监管设备
CN205230109U (zh) 短路限流器优化配置系统
CN113159496A (zh) 一种基于台区用电负荷的非工业用电器调度方法及系统
Kumar et al. A novel architecture for data management and control in autonomous intelligent microgrid
Fernández et al. Control structure for optimal demand-side management with a multi-technology battery storage system
CN115566679B (zh) 一种基于能量路由器的微电网能量控制方法及系统
CN115377975B (zh) 一种配电控制方法及配电控制系统
CN115700963B (zh) 基于非侵入式感知技术的变压器管理方法及系统
CN114884095B (zh) 一种光伏返送导致的配网线路年最大电流分析方法和系统
CN110244149B (zh) 基于电流幅值标准差的非侵入式电器识别方法
CN115085664A (zh) 基于智能电能表的分布式光伏控制监测系统

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