CN112182499B - 一种基于时序电量数据的低压配电网拓扑结构辨识方法 - Google Patents
一种基于时序电量数据的低压配电网拓扑结构辨识方法 Download PDFInfo
- Publication number
- CN112182499B CN112182499B CN202011144071.0A CN202011144071A CN112182499B CN 112182499 B CN112182499 B CN 112182499B CN 202011144071 A CN202011144071 A CN 202011144071A CN 112182499 B CN112182499 B CN 112182499B
- Authority
- CN
- China
- Prior art keywords
- electric quantity
- quantity data
- matrix
- phase
- meter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 84
- 238000000611 regression analysis Methods 0.000 claims abstract description 24
- 238000007405 data analysis Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims description 11
- 230000002354 daily effect Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000004146 energy storage Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种基于时序电量数据的低压配电网拓扑结构辨识方法,其技术特点是:通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据构建时序电量数据分析矩阵Z,通过对于时序电量数据分析矩阵Z的计算得到回归分析矩阵D,根据回归分析矩阵D内元素的值整理回归分析矩阵D,根据整理后的回归分析矩阵D判断配电网拓扑关系。本发明实现了能够快速辨识低压台区下每一户的用电负荷由变压器的哪一项提供电源,从而能够方便快速地更新低压配电网的拓扑结构,并且本发明的适用范围广,适应能力较强,同时不需要购置额外的设备,成本较低。
Description
技术领域
本发明属于电力系统拓扑分析领域,尤其是一种基于时序电量数据的低压配电网拓扑结构辨识方法。
背景技术
随着能源互联网建设的发展,分布式能源、储能等设备接入电网的渗透率逐渐升高。由于相当一部分分布式电源、储能等设备接入低压配电网,电网操作人员对低压配电网的监控及调度的需求也越来越强烈。对低压配电网实施主动管理的一个重要基础是获取准确的低压配电网拓扑结构。但是,低压配电网的拓扑结构复杂,信息量大,而且伴随着电力系统内的切改工程、负荷转移、均负荷等工作,低压配电网拓扑结构经常发生变化,因此,需要电力公司对低压配电网的拓扑结构进行系统性地管理和维护。
为了确保低压配电网拓扑结构的准确性,需要先辨识现有低压配电网的拓扑结构,并且定期对低压配电网的拓扑结构进行更新。现有的低压配电网络拓扑辨识方法中,第一类是依靠人工,根据历史竣工资料并结合现场排查进行拓扑辨识,但是这类方法在辨识拓扑时面临两方面的困难,一方面是历史竣工资料的缺失,另一方面是依靠人工很难辨认地下电缆的连接方式。第二类方法主要是以微处理器系统为基础,采用信号注入设备来辨识电网拓扑结构,这类方法在实际应用时面临的问题主要是设备投资费用高。综上所述,现有的低压配电网拓扑结构辨识方法主要存在的问题包括:1.依靠人工无法辨识地下电缆线路的拓扑结构;2.依靠专业电力设备进行拓扑辨识所需要的投资费用比较高;3.缺少有效、快速、成本低的拓扑结构辨识工具。
发明内容
本发明的目的在于克服现有技术的不足,提出一种基于时序电量数据的低压配电网拓扑结构辨识方法,能够快速辨识低压台区下每一户的用电负荷由变压器的哪一项提供电源,从而能够方便快速地更新低压配电网的拓扑结构。
本发明解决其技术问题是采取以下技术方案实现的:
一种基于时序电量数据的低压配电网拓扑结构辨识方法,包括以下步骤:
步骤1、通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据;
步骤2、关口表的三相电量数据、用户表的电量数据和用电信息采集系统的采样时间构成时序电量数据分析矩阵Z;
步骤3、计算关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1,并根据计算出的每天平均值β1计算关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2;
步骤4、根据每相偏差的每天平均值β2对时序电量数据分析矩阵Z进行映射,得到新的时序电量数据数据分析矩阵Z1;
步骤5、对新的时序电量数据数据分析矩阵Z1进行主成分分析,去除数据噪声干扰;得到时序电量数据回归分析矩阵D;
步骤6、在时序电量数据回归分析矩阵D中,判断元素的值,若元素的值接近1,则将该元素值用1替代,否则用0替代,根据归整后的时序电量数据回归分析矩阵判断配电网拓扑关系。
而且,所述步骤1中关口表的三相电量数据为台区电力系统每相的用电量数据;若用户为三相负荷用户则需要采集用户表每相的用电量数据。
而且,所述步骤2的具体实现方法为:将关口表三相电量数据中电量与用户表三相电量数据中电量作为矩阵的行变量,将用电信息采集系统的采样时间作为矩阵的列变量,构成时序电量数据分析矩阵Z:
其中,N为采集天数,m为用户数,zA(1)为关口表电能表电量数据中A相在第1天采集的电量数据,zA(N)为关口表电能表电量数据中A相在第N天采集的电量数据,zB(1)为关口表电能表电量数据中B相在第1天采集的电量数据,zB(N)为关口表电能表电量数据中B相在第N天采集的电量数据,zC(1)为关口表电能表电量数据中C相在第1天采集的电量数据,zC(N)为关口表电能表电量数据中C相在第N天采集的电量数据,z1(1)为用户表电能表电量数据中用户1在第1天采集的电量数据,z1(N)为用户表电能表电量数据中用户1在第N天采集的电量数据,zm(1)为用户表电能表电量数据中用户m在第1天采集的电量数据,zm(N)为用户表电能表电量数据中用户m在第N天采集的电量数据。
而且,所述步骤3中关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1的计算方法为:
关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2的计算方法为:
其中,x为关口表中的某一相,y为用户表的标号,u为采样时间,N为采集天数,m为用户数。
而且,所述步骤4中得到新的时序电量数据数据分析矩阵Z1的方法为:
其中N为采集天数。
而且,所述步骤5的计算方法为:
其中,SVD()为对矩阵进行奇异值分解,P1和P2是由Z1的奇异值组成的对角矩阵,若Z1的特征值共有n个,设前i个特征值最小,W1是最大的(n-i)个特征值对应的正交特征向量所组成的矩阵,W2是最小的i个特征值对应的正交特征向量所组成的矩阵,R1和R2是变量矩阵;
根据矩阵相似性质得到:
Zi=-(Qi)-1Q(n-i)Z=DZ
其中,矩阵D是(n-i)×i维的回归分析矩阵。
本发明的优点和积极效果是:
1、本发明通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据构建时序电量数据分析矩阵Z,通过对于时序电量数据分析矩阵Z的计算得到回归分析矩阵D,根据回归分析矩阵D内元素的值整理回归分析矩阵D,根据整理后的回归分析矩阵D判断配电网拓扑关系。本发明实现了能够快速辨识低压台区下每一户的用电负荷由变压器的哪一项提供电源,从而能够方便快速地更新低压配电网的拓扑结构。
2、本发明对于低压配电网的结构没有要求,对于台区下的用户数量也没有限制,对于单相负荷和三相负荷都能处理,本发明的适用范围广,适应能力较强,同时不需要购置额外的设备,成本较低。
3、本发明对于时序电量数据分析矩阵Z的计算时间复杂度是多项式级的,随着低压台区下用户数量的增高,计算时间有所增加,但是即使是面对大规模的用户电量数据,本方法的优化过的计算方法也能够快速的算出需要的数据。
4.本发明在计算过程中考虑了电能表的测量误差以及电能表测量数据的不同步所引起的误差等因素,在误差存在的条件下,减少误差对于计算过程的影响,因此本方法有很高的辨识准确度,可靠性较好。
附图说明
图1为本发明的流程图;
图2为本发明进行测试时的低压配电网的拓扑结构图。
具体实施方式
以下结合附图对本发明做进一步详述。
一种基于时序电量数据的低压配电网拓扑结构辨识方法,如图1所示,包括以下步骤:
步骤1、通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据。本步骤中关口表的三相电量数据为台区电力系统每相的用电量数据;若用户为三相负荷用户则需要采集用户表每相的用电量数据。
步骤2、关口表的三相电量数据、用户表的电量数据和用电信息采集系统的采样时间构成时序电量数据分析矩阵Z。
本步骤的具体实现方法为:将关口表三相电量数据中电量与用户表三相电量数据中电量作为矩阵的行变量,将用电信息采集系统的采样时间作为矩阵的列变量,根据行变量和列变量的定义构成时序电量数据分析矩阵Z:
其中N为采样天数,m为用户数,zA(1)为关口表电能表电量数据中A相在第1天采集的电量数据,zA(N)为关口表电能表电量数据中A相在第N天采集的电量数据,zB(1)为关口表电能表电量数据中B相在第1天采集的电量数据,zB(N)为关口表电能表电量数据中B相在第N天采集的电量数据,zC(1)为关口表电能表电量数据中C相在第1天采集的电量数据,zC(N)为关口表电能表电量数据中C相在第N天采集的电量数据,z1(1)为用户表电能表电量数据中用户1在第1天采集的电量数据,z1(N)为用户表电能表电量数据中用户1在第N天采集的电量数据,zm(1)为用户表电能表电量数据中用户m在第1天采集的电量数据,zm(N)为用户表电能表电量数据中用户m在第N天采集的电量数据。
步骤3、计算关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1,并根据计算出的每天平均值β1计算关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2。
本步骤β1的计算方法为:
β2的计算方法为:
其中,x为关口表中的某一相,y为用户表的标号,u为采样时间。
步骤4、根据每相偏差的每天平均值β2对时序电量数据分析矩阵Z进行映射,得到新的时序电量数据数据分析矩阵Z1,从而避免电量采样值的零点漂移。本步骤的计算方法为:
步骤5、对新的时序电量数据数据分析矩阵Z1进行主成分分析,去除数据噪声干扰;得到时序电量数据回归分析矩阵D。本步骤的具体实现方法为:通过对电量数据数据分析矩阵Z1进行奇异值分解:
其中,SVD()为对矩阵进行奇异值分解,P1和P2是由Z1的奇异值组成的对角矩阵,若Z1的特征值共有n个,设前i个特征值最小,W1是最大的(n-i)个特征值对应的正交特征向量所组成的矩阵,W2是最小的i个特征值对应的正交特征向量所组成的矩阵,R1和R2是变量矩阵;
根据矩阵奇异值分解及矩阵相似性质得到:
QiZi+Q(n-i)Z(n-i)=0
进而得到:
Zi=-(Qi)-1Q(n-i)Z=DZ
其中,矩阵D是(n-i)×i维的回归分析矩阵。
步骤6、在时序电量数据回归分析矩阵D中,判断元素的值,若元素的值接近1,则将该元素值用1替代,否则用0替代,根据归整后的时序电量数据回归分析矩阵判断配电网拓扑关系。
根据上述一种基于时序电量数据的低压配电网拓扑结构辨识方法对于某个拥有7个用户的台区进行计算:
其中,构建的时序电量数据分析矩阵Z为:
关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1为:
通过本发明步骤6对于回归分析矩阵D的规整后进行分析,得到如图2所示的拓扑结构,其中A、B和C为关口表的三相电量的各个相电量,1、2、3、4、5、6和7为用户表的电量,从图2能够明显辨识出低压台区下每一户的用电负荷由变压器的哪一项提供电源,从而能够方便快速地更新低压配电网的拓扑结构。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (5)
1.一种基于时序电量数据的低压配电网拓扑结构辨识方法,其特征在于:包括以下步骤:
步骤1、通过用电信息采集系统采集多天台区关口表的三相电量数据和用户表的电量数据;
步骤2、关口表的三相电量数据、用户表的电量数据和用电信息采集系统的采样时间构成时序电量数据分析矩阵Z;
步骤3、计算关口表的三相电量数据和用户表的电量数据偏差的每天平均值β1,并根据计算出的每天平均值β1计算关口表三相电量数据每相和对应所有用户表的电量数据偏差的每天平均值β2;
步骤4、根据每相偏差的每天平均值β2对时序电量数据分析矩阵Z进行映射,得到新的时序电量数据数据分析矩阵Z1;
其中,得到新的时序电量数据数据分析矩阵Z1的方法为:
其中N为采集天数;
步骤5、对新的时序电量数据数据分析矩阵Z1进行主成分分析,去除数据噪声干扰;得到时序电量数据回归分析矩阵D;
步骤6、在时序电量数据回归分析矩阵D中,判断元素的值,若元素的值接近1,则将该元素值用1替代,否则用0替代,根据归整后的时序电量数据回归分析矩阵判断配电网拓扑关系。
2.根据权利要求1所述的一种基于时序电量数据的低压配电网拓扑结构辨识方法,其特征在于:所述步骤1中关口表的三相电量数据为台区电力系统每相的用电量数据;若用户为三相负荷用户则需要采集用户表每相的用电量数据。
3.根据权利要求1所述的一种基于时序电量数据的低压配电网拓扑结构辨识方法,其特征在于:所述步骤2的具体实现方法为:将关口表三相电量数据中电量与用户表三相电量数据中电量作为矩阵的行变量,将用电信息采集系统的采样时间作为矩阵的列变量,构成时序电量数据分析矩阵Z:
其中,N为采集天数,m为用户数,zA(1)为关口表电能表电量数据中A相在第1天采集的电量数据,zA(N)为关口表电能表电量数据中A相在第N天采集的电量数据,zB(1)为关口表电能表电量数据中B相在第1天采集的电量数据,zB(N)为关口表电能表电量数据中B相在第N天采集的电量数据,zC(1)为关口表电能表电量数据中C相在第1天采集的电量数据,zC(N)为关口表电能表电量数据中C相在第N天采集的电量数据,z1(1)为用户表电能表电量数据中用户1在第1天采集的电量数据,z1(N)为用户表电能表电量数据中用户1在第N天采集的电量数据,zm(1)为用户表电能表电量数据中用户m在第1天采集的电量数据,zm(N)为用户表电能表电量数据中用户m在第N天采集的电量数据。
5.根据权利要求1所述的一种基于时序电量数据的低压配电网拓扑结构辨识方法,其特征在于:所述步骤5的计算方法为:
其中,SVD()为对矩阵进行奇异值分解,P1和P2是由Z1的奇异值组成的对角矩阵,若Z1的特征值共有n个,设前i个特征值最小,W1是最大的(n-i)个特征值对应的正交特征向量所组成的矩阵,W2是最小的i个特征值对应的正交特征向量所组成的矩阵,R1和R2是变量矩阵;
根据矩阵相似性质得到:
W2 TZ1=0
根据回归分析原理得到,Z1矩阵中含有(n-i)个独立变量,含有i个非独立变量,令Q=W2 T,将矩阵分割得Q=[Qi,Q(n-i)],Qi为(i×i)维的矩阵,Q(n-i)为(n-i)×i维的矩阵,根据W2 TZ1=0得到:
Zi=-(Qi)-1Q(n-i)Z=DZ
其中,矩阵D是(n-i)×i维的回归分析矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011144071.0A CN112182499B (zh) | 2020-10-23 | 2020-10-23 | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011144071.0A CN112182499B (zh) | 2020-10-23 | 2020-10-23 | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112182499A CN112182499A (zh) | 2021-01-05 |
CN112182499B true CN112182499B (zh) | 2022-10-14 |
Family
ID=73922589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011144071.0A Active CN112182499B (zh) | 2020-10-23 | 2020-10-23 | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182499B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191656B (zh) * | 2021-05-13 | 2022-08-02 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种基于数据关联分析的低压配电网设备负荷与拓扑联动方法 |
CN113489619B (zh) * | 2021-09-06 | 2021-11-19 | 中国人民解放军国防科技大学 | 一种基于时间序列分析的网络拓扑推断方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135716A (zh) * | 2019-05-06 | 2019-08-16 | 华北电力大学 | 一种电网基建项目动态预警识别方法和系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH710823A1 (de) * | 2015-03-05 | 2016-09-15 | Bkw Energie Ag | Verfahren und Einrichtung zur Bestimmung der Topologie eines Stromversorgungsnetzes. |
CN106911133B (zh) * | 2017-04-27 | 2019-06-28 | 武汉理工大学 | 一种基于mmc的分布式潮流控制器拓扑结构及控制方法 |
US11205901B2 (en) * | 2017-09-12 | 2021-12-21 | Depsys Sa | Method for estimating the topology of an electric power network using metering data |
CN108564485B (zh) * | 2018-04-16 | 2022-05-06 | 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 |
CN108683180B (zh) * | 2018-05-07 | 2020-06-19 | 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 |
CN111611543B (zh) * | 2020-04-29 | 2024-04-23 | 北京智芯微电子科技有限公司 | 低压台区用户网络拓扑识别方法及系统 |
CN111654392A (zh) * | 2020-05-11 | 2020-09-11 | 国网浙江省电力有限公司电力科学研究院 | 基于互信息的低压配电网拓扑识别方法及系统 |
CN111628494B (zh) * | 2020-05-11 | 2021-12-10 | 国网浙江省电力有限公司电力科学研究院 | 一种基于逻辑回归法的低压配电网拓扑识别方法及系统 |
CN111625991A (zh) * | 2020-05-20 | 2020-09-04 | 国网河北省电力有限公司电力科学研究院 | 一种低压配电网拓扑校验方法 |
-
2020
- 2020-10-23 CN CN202011144071.0A patent/CN112182499B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135716A (zh) * | 2019-05-06 | 2019-08-16 | 华北电力大学 | 一种电网基建项目动态预警识别方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112182499A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
CN107643507B (zh) | 一种基于电网线路运行误差远程校准的精益线损分析与管控方法 | |
CN111624544B (zh) | 一种台区户变关系识别方法及相关装置 | |
CN107340492A (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 | |
CN112329806B (zh) | 一种用于低压台区拓扑识别的电表聚类方法 | |
CN112182499B (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 | |
CN113011481B (zh) | 一种基于决策树算法的电能表功能异常评估方法及系统 | |
CN107727955B (zh) | 一种基于电网线路运行误差远程校准的变压器损耗分析与管控方法 | |
CN113435610B (zh) | 基于低压物联感知终端确定分级线损的方法 | |
CN110687361A (zh) | 一种用于识别低压配网台区相序的方法及系统 | |
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 | |
CN112615428A (zh) | 一种线损分析治理系统及方法 | |
CN111654392A (zh) | 基于互信息的低压配电网拓扑识别方法及系统 | |
CN112232382A (zh) | 一种低压台区的分路与电表隶属关系识别方法及系统 | |
CN110555619A (zh) | 一种基于智能配电网的供电能力评估方法 | |
CN116910602B (zh) | 一种基于关联性分析的线损分析方法及系统 | |
CN115508662B (zh) | 一种用于判定台区电表与表箱间归属关系的方法 | |
Hu et al. | Transformer-customer relationship identification for low-voltage distribution networks based on joint optimization of voltage silhouette coefficient and power loss coefficient | |
CN116502149A (zh) | 基于电流特征传导的低压配电网户变关系识别方法及系统 | |
CN116136580A (zh) | 一种基于感知设备的线损分级检测方法及装置 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
Li | Abnormal energy consumption analysis based on big data mining technology | |
Zhong et al. | Low-voltage distribution network topology identification method based on segmented current features and cnn-lstm deep learning | |
Li et al. | Modeling and algorithm research on identification of wrong wiring power supply region based on classification analysis | |
Galhardo et al. | Energy box mapping and energy balance in low voltage grids |
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 |