CN112633738A - 一种配电控制柜终端负荷分配方法 - Google Patents

一种配电控制柜终端负荷分配方法 Download PDF

Info

Publication number
CN112633738A
CN112633738A CN202011609924.3A CN202011609924A CN112633738A CN 112633738 A CN112633738 A CN 112633738A CN 202011609924 A CN202011609924 A CN 202011609924A CN 112633738 A CN112633738 A CN 112633738A
Authority
CN
China
Prior art keywords
terminal load
control cabinet
distribution control
load
demand data
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
Application number
CN202011609924.3A
Other languages
English (en)
Inventor
章敏
章小平
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.)
Anhui Guangzhi Electric Co ltd
Original Assignee
Anhui Guangzhi Electric 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 Anhui Guangzhi Electric Co ltd filed Critical Anhui Guangzhi Electric Co ltd
Priority to CN202011609924.3A priority Critical patent/CN112633738A/zh
Publication of CN112633738A publication Critical patent/CN112633738A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书一个或多个实施例提供一种配电控制柜终端负荷分配方法，通过采集配电控制柜终端负荷的运行数据和终端负荷的需求数据，从终端负荷的需求数据中提取特征向量，将提取出的特征向量形成为样本集，利用该样本集和终端负荷的运行数据训练负荷预测模型，从而得出配电控制柜终端负荷的负荷预测结果，便于对配电控制柜的分配进行指导，得出准确可靠的分配结果，解决了现有技术中不能根据终端负荷的需求状况，实时对用电分配进行调整的问题，有利于能源的充分利用，满足用电设备的需求。

Description

一种配电控制柜终端负荷分配方法
技术领域
本说明书一个或多个实施例涉及配电控制柜管理技术领域，尤其涉及一种配电控制柜终端负荷分配方法。
背景技术
配电控制柜是按电气接线要求将开关设备、测量仪表、保护电器和辅助设备组装在封闭或半封闭金属柜中或屏幅上，满足电力系统正常运行的要求的电力设备，在配电控制柜工作的过程中，由于终端负荷设备的用电需求变化，需要对配电控制柜的终端负荷分配进行调整，现有技术中主要是根据用电的结果进行延迟调整，这就造成在调整之前容易出现能源浪费和配电不足的情况。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种配电控制柜终端负荷分配方法，以解决现有技术无法对负荷分配进行及时调整的问题。
基于上述目的，本说明书一个或多个实施例提供了一种配电控制柜终端负荷分配方法，包括以下步骤：
采集配电控制柜终端负荷的运行数据和终端负荷的需求数据；
从终端负荷的需求数据中提取特征向量，将提取出的特征向量形成为样本集；
利用形成的样本集和所述终端负荷的运行数据训练负荷预测模型；
获取终端负荷的当前需求数据；
基于预测模型，对当前需求数据进行预测，得出配电控制柜终端负荷的负荷预测结果；
基于所述负荷预测结果，对配电控制柜的终端负荷进行分配。
优选地，将提取出的特征向量形成为样本集之前，所述方法还包括：
将所述样本集划分为训练集和测试集；
所述训练集用于对所述预测模型的参数进行训练，所述测试集用于对所述预测模型的效果进行验证。
优选地，训练集和测试集的划分比例为7:3。
优选地，采集配电控制柜终端负荷的运行数据和终端负荷的需求数据后，本方法还包括：
对采集到的运行数据和需求数据进行预处理。
优选地，预处理包括：数据标准化、数据去重、数据降噪。
优选地，需求数据包括终端负荷的类型、用电时间、用电人数。
优选地，方法还包括：根据终端负荷的类型，对样本集进行分类；
根据样本集的分类，训练出多组可用的预测模型参数；
所述基于预测模型，对当前需求数据进行预测包括：
根据当前需求数据中的终端负荷的类型，选择合适的预测模型参数，对当前需求数据进行预测。
优选地，本方法还包括：
基于对样本集的分类结果进行分类模型训练，得到可用的分类模型参数；
在选择合适的预测模型参数，对当前需求数据进行预测前，利用训练好的分类模型对当前需求数据进行识别，得出配电控制柜终端负荷的分类结果；
根据得出的分类结果，选择合适的预测模型参数，对当前需求数据进行预测。
优选地，本方法还包括：
根据预设的权重对终端负荷的类型、用电时间、用电人数进行优先度计算；
若配电控制柜的输出负荷不满足终端负荷的需求，则按计算出的优先度，优先对优先度高的终端设备进行分配。
从上面所述可以看出，本说明书一个或多个实施例提供的配电控制柜终端负荷分配方法，通过采集配电控制柜终端负荷的运行数据和终端负荷的需求数据，从终端负荷的需求数据中提取特征向量，将提取出的特征向量形成为样本集，利用该样本集和终端负荷的运行数据训练负荷预测模型，从而得出配电控制柜终端负荷的负荷预测结果，便于对配电控制柜的分配进行指导，得出准确可靠的分配结果，解决了现有技术中不能根据终端负荷的需求状况，实时对用电分配进行调整的问题，有利于能源的充分利用，满足用电设备的需求。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例的配电控制柜终端负荷分配方法流程示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
本说明书一个或多个实施例提供一种配电控制柜终端负荷分配方法，该方法包括以下步骤：
S101采集配电控制柜终端负荷的运行数据和终端负荷的需求数据；
举例来说，配电控制柜终端负荷包括直接或间接连接在配电控制柜终端的所有用电设备，在该配电控制柜作为居民用电配电控制柜时，可以将终端负荷简化为以户为单位的需求数据。
S102从终端负荷的需求数据中提取特征向量，将提取出的特征向量形成为样本集；
举例来说，若需求数据是文本，则采用one-hot编码处理离散型特征，首先分离文本中的所有词，对每个词进行编号，使用one-hot编码对每段文本提取特征向量。
S103利用形成的样本集和所述终端负荷的运行数据训练负荷预测模型；
S104获取终端负荷的当前需求数据；
上述当前需求数据，是指当前时间段下，配电控制柜终端负荷的需求数据。
S105基于预测模型，对当前需求数据进行预测，得出配电控制柜终端负荷的负荷预测结果；
S106基于所述负荷预测结果，对配电控制柜的终端负荷进行分配。
本说明书的实施例提供的配电控制柜终端负荷分配方法，通过采集配电控制柜终端负荷的运行数据和终端负荷的需求数据，从终端负荷的需求数据中提取特征向量，将提取出的特征向量形成为样本集，利用该样本集和终端负荷的运行数据训练负荷预测模型，从而得出配电控制柜终端负荷的负荷预测结果，便于对配电控制柜的分配进行指导，得出准确可靠的分配结果，解决了现有技术中不能根据终端负荷的需求状况，实时对用电分配进行调整的问题，有利于能源的充分利用，满足用电设备的需求。
作为一种实施方式，将提取出的特征向量形成为样本集之前，本方法还包括：
将所述样本集划分为训练集和测试集；
所述训练集用于对所述预测模型的参数进行训练，所述测试集用于对所述预测模型的效果进行验证。
举例来说，训练集和测试集的划分比例为7:3，通过划分训练集和测试集，对训练集训练出的模型参数进行验证，可以使训练出的预测模型更加准确。
作为一种实施方式，采集配电控制柜终端负荷的运行数据和终端负荷的需求数据后，本方法还包括：
对采集到的运行数据和需求数据进行预处理。
举例来说，预处理包括对数据进行数据标准化、数据去重和数据降噪等，有利于去除冗余数据，提高运行速度，并使预处理后的数据更加可靠。
作为一种实施方式，上述需求数据包括终端负荷的类型、用电时间和用电人数等。
作为一种实施方式，本方法还包括：
根据终端负荷的类型，对样本集进行分类；
根据样本集的分类，训练出多组可用的预测模型参数；
所述基于预测模型，对当前需求数据进行预测包括：
根据当前需求数据中的终端负荷的类型，选择合适的预测模型参数，对当前需求数据进行预测。
基于对样本集的分类结果进行分类模型训练，得到可用的分类模型参数；
在选择合适的预测模型参数，对当前需求数据进行预测前，利用训练好的分类模型对当前需求数据进行识别，得出配电控制柜终端负荷的分类结果；
根据得出的分类结果，选择合适的预测模型参数，对当前需求数据进行预测。
通过训练分类模型，并对当前需求数据进行识别，得出分类结果，根据分类结果选择合适的预测模型参数，可以针对用电设备的类型进行更加准确的负荷预测。
作为一种实施方式，本方法还包括：
根据预设的权重对终端负荷的类型、用电时间、用电人数进行优先度计算；
若配电控制柜的输出负荷不满足终端负荷的需求，则按计算出的优先度，优先对优先度高的终端设备进行分配。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (9)

1.一种配电控制柜终端负荷分配方法，其特征在于，所述方法包括：
采集配电控制柜终端负荷的运行数据和终端负荷的需求数据；
从终端负荷的需求数据中提取特征向量，将提取出的特征向量形成为样本集；
利用形成的样本集和所述终端负荷的运行数据训练负荷预测模型；
获取终端负荷的当前需求数据；
基于预测模型，对当前需求数据进行预测，得出配电控制柜终端负荷的负荷预测结果；
基于所述负荷预测结果，对配电控制柜的终端负荷进行分配。
2.根据权利要求1所述的配电控制柜终端负荷分配方法，其特征在于，所述将提取出的特征向量形成为样本集之前，所述方法还包括：
将所述样本集划分为训练集和测试集；
所述训练集用于对所述预测模型的参数进行训练，所述测试集用于对所述预测模型的效果进行验证。
3.根据权利要求2所述的配电控制柜终端负荷分配方法，其特征在于，所述训练集和测试集的划分比例为7:3。
4.根据权利要求1所述的配电控制柜终端负荷分配方法，其特征在于，采集配电控制柜终端负荷的运行数据和终端负荷的需求数据后，所述方法还包括：
对采集到的运行数据和需求数据进行预处理。
5.根据权利要求4所述的配电控制柜终端负荷分配方法，其特征在于，所述预处理包括：数据标准化、数据去重、数据降噪。
6.根据权利要求1所述的配电控制柜终端负荷分配方法，其特征在于，所述需求数据包括终端负荷的类型、用电时间、用电人数。
7.根据权利要求6所述的配电控制柜终端负荷分配方法，其特征在于，所述方法还包括：根据终端负荷的类型，对样本集进行分类；
根据样本集的分类，训练出多组可用的预测模型参数；
所述基于预测模型，对当前需求数据进行预测包括：
根据当前需求数据中的终端负荷的类型，选择合适的预测模型参数，对当前需求数据进行预测。
8.根据权利要求7所述的配电控制柜终端负荷分配方法，其特征在于，所述方法还包括：
基于对样本集的分类结果进行分类模型训练，得到可用的分类模型参数；
在选择合适的预测模型参数，对当前需求数据进行预测前，利用训练好的分类模型对当前需求数据进行识别，得出配电控制柜终端负荷的分类结果；
根据得出的分类结果，选择合适的预测模型参数，对当前需求数据进行预测。
9.根据权利要求7所述的配电控制柜终端负荷分配方法，其特征在于，所述方法还包括：
根据预设的权重对终端负荷的类型、用电时间、用电人数进行优先度计算；
若配电控制柜的输出负荷不满足终端负荷的需求，则按计算出的优先度，优先对优先度高的终端设备进行分配。
CN202011609924.3A 2020-12-30 2020-12-30 一种配电控制柜终端负荷分配方法 Pending CN112633738A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011609924.3A CN112633738A (zh) 2020-12-30 2020-12-30 一种配电控制柜终端负荷分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011609924.3A CN112633738A (zh) 2020-12-30 2020-12-30 一种配电控制柜终端负荷分配方法

Publications (1)

Publication Number Publication Date
CN112633738A true CN112633738A (zh) 2021-04-09

Family

ID=75286825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011609924.3A Pending CN112633738A (zh) 2020-12-30 2020-12-30 一种配电控制柜终端负荷分配方法

Country Status (1)

Country Link
CN (1) CN112633738A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485262A (zh) * 2016-09-09 2017-03-08 国网山西省电力公司晋城供电公司 一种母线负荷预测方法
CN107707603A (zh) * 2017-06-29 2018-02-16 青岛恒金源电子科技有限公司 一种智能家居网络电能管理方法
CN108846549A (zh) * 2018-05-08 2018-11-20 天津大学 基于智能家电端的电网供配电调控方法
CN109934392A (zh) * 2019-02-28 2019-06-25 武汉大学 一种基于深度学习的微电网短期负荷预测方法
CN110110892A (zh) * 2019-04-01 2019-08-09 新奥数能科技有限公司 电力用户负荷预测模型选择方法和装置
CN111191811A (zh) * 2018-11-14 2020-05-22 中兴通讯股份有限公司 集群负荷预测方法、装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485262A (zh) * 2016-09-09 2017-03-08 国网山西省电力公司晋城供电公司 一种母线负荷预测方法
CN107707603A (zh) * 2017-06-29 2018-02-16 青岛恒金源电子科技有限公司 一种智能家居网络电能管理方法
CN108846549A (zh) * 2018-05-08 2018-11-20 天津大学 基于智能家电端的电网供配电调控方法
CN111191811A (zh) * 2018-11-14 2020-05-22 中兴通讯股份有限公司 集群负荷预测方法、装置及存储介质
CN109934392A (zh) * 2019-02-28 2019-06-25 武汉大学 一种基于深度学习的微电网短期负荷预测方法
CN110110892A (zh) * 2019-04-01 2019-08-09 新奥数能科技有限公司 电力用户负荷预测模型选择方法和装置

Similar Documents

Publication Publication Date Title
Yang et al. Seismic-resilient electric power distribution systems: Harnessing the mobility of power sources
Ahmadyar et al. A framework for assessing renewable integration limits with respect to frequency performance
EP2751896B1 (en) Methods and apparatus for determining conditions of power lines
CN106056265B (zh) 一种基于灰色关联分析法的电压稳定故障筛选与排序方法
CN111505434B (zh) 一种低压配电表箱线路、表箱故障隐患识别方法
CN109802382A (zh) 一种低压配电网用户连接关系识别方法及系统
Wang et al. A novel fault let-through energy based fault location for LVDC distribution networks
Cebrian et al. Hybrid method to assess sensitive process interruption costs due to faults in electric power distribution networks
US20130282317A1 (en) Method of controlling fault current in system for monitoring and controlling power system
Shekar et al. A transient current based micro-grid connected power system protection scheme using wavelet approach.
Guder et al. Data mining framework for power quality event characterization of iron and steel plants
CN104036074B (zh) 配电台区电压偏低判别方法
Maslennikov et al. Adaptive emergency transmission rates in power system and market operation
CN112633738A (zh) 一种配电控制柜终端负荷分配方法
Deckmann et al. About voltage sags and swells analysis
Singhal et al. A reserve response set model for systems with stochastic resources
CN106295176B (zh) 一种评估变压器短路及损坏风险的方法
CN104598713A (zh) 一种电网理论线损计算需求数据合成方法
Yi et al. Phase identification of low-voltage distribution network based on stepwise regression method
Semwal et al. Group control and identification of residential appliances using a nonintrusive method
Pylvänäinen et al. Advanced failure rate and distribution network reliability modelling as part of network planning software
Larscheid et al. Modelling reactive power demand of distribution grids subjected to renewable energy sources
CN115579845A (zh) 一种基于大数据分析的继电保护定值分析校验方法
Mahoor et al. Leveraging sensory data in estimating transformer lifetime
Guerra Sánchez et al. A review of tools, models and techniques for long-term assessment of distribution systems using OpenDSS and parallel computing

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210409

RJ01 Rejection of invention patent application after publication