CN113298415A - 一种用于能量枢纽的协同运行质量分析评估方法 - Google Patents

一种用于能量枢纽的协同运行质量分析评估方法 Download PDF

Info

Publication number
CN113298415A
CN113298415A CN202110657966.2A CN202110657966A CN113298415A CN 113298415 A CN113298415 A CN 113298415A CN 202110657966 A CN202110657966 A CN 202110657966A CN 113298415 A CN113298415 A CN 113298415A
Authority
CN
China
Prior art keywords
module
ith
operation quality
abnormal
energy
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.)
Granted
Application number
CN202110657966.2A
Other languages
English (en)
Other versions
CN113298415B (zh
Inventor
曹翀
郑罡
南钰
郝婧
秦泽华
王军亭
张皓月
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.)
State Grid Corp of China SGCC
Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Kaifeng Power Supply Co of State Grid Henan Electric Power 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 State Grid Corp of China SGCC, Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110657966.2A priority Critical patent/CN113298415B/zh
Publication of CN113298415A publication Critical patent/CN113298415A/zh
Application granted granted Critical
Publication of CN113298415B publication Critical patent/CN113298415B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (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)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明提供一种用于能量枢纽的协同运行质量分析评估方法，包括步骤一、获取能量枢纽内M个模块的历史工作数据，从而获取各模块出现异常的总数量；步骤二、计算各个模块出现异常时其它模块出现异常的概率，并形成各模块异常概率矩阵；步骤三、计算能量枢纽各个模块与其它模块之间多能协同运行质量的相对熵值，得到相对熵矩阵；步骤四、计算相对因子D(i)，步骤五、对当前能量枢纽的协同运行质量分析评估，当前第第i个模块的状态为Si，则能量枢纽的各模块的协同运行质量评价可以表示为：S=(S1)2*logD(1)+(S2)2*logD(2)+…+(Si)2*log D(i)+…+(SM)2*logD(M)；根据S计算的数值的大小，来评价能量枢纽的各模块的协同运行质量。

Description

一种用于能量枢纽的协同运行质量分析评估方法
技术领域
本发明一般涉及电力技术领域，具体涉及一种用于能量枢纽的协同运行质量分析评估方法。
背景技术
综合能源作为我国未来能源重大发展战略，受到电力行业广泛关注。与传统电力系统相比，综合能源系统在用户行为、运行方法、需求响应等方面都具有明显的区别，通过多种类型能源的耦合联动，扩展了传统电力行业的市场宽度、时间尺度与地理维度。能源枢纽(Energy Hub，EH)是储能、冷热电联供、负荷等多种用能形态的集合体，是构建综合能源系统的关键环节，近年来逐渐受到电力行业的广泛关注。
基于能量枢纽的综合能源运行质量分析是提高系统性能的重要手段，但目前缺乏完善的评价体系，当风电、光伏、储能等多类型设备接入系统后，系统的运行质量分析更加复杂化，为智能运行和维护等方面带来了困难。
发明内容
鉴于上述的问题，本申请提供了一种用于能量枢纽的协同运行质量分析评估方法，用以解决背景技术中提出的技术问题。
本发明提供一种用于能量枢纽的协同运行质量分析评估方法，包括以下步骤：
步骤一、获取能量枢纽内M个模块的历史工作数据，从而获取各模块出现异常的总数量，设定Gi为第i个模块出现异常总数量，第j个模块出现异常总数量为Gij；
步骤二、计算第i个模块出现异常时第j个模块出现异常的概率Pij，表达为：Pij＝Gij/Gi，使用相同的方法计算各个模块出现异常时其它模块出现异常的概率，并形成各模块异常概率矩阵；
步骤三、第i个模块与第j个模块之间多能协同运行质量的相对熵KLij，则：
Figure BDA0003111074150000011
通过同样的方法计算能量枢纽各个模块与其它模块之间多能协同运行质量的相对熵值，得到相对熵矩阵。
步骤四、计算相对因子，针对第i个模块，从相对熵矩阵第i行即KLi1，KLi2，…，KLiM中确定最大数值，记录为MAXi，同理，从系统相对熵矩阵第i行即KLi1，KLi2，…，KLiM中确定最小数值，记录为MINi，则第第i个模块的相对因子表达式为：
Figure BDA0003111074150000021
步骤五、对当前能量枢纽的协同运行质量分析评估，当前第第i个模块的状态为Si，则能量枢纽的各模块的协同运行质量评价可以表示为：S＝(S1)2*logD(1)+(S2)2*logD(2)+…+(Si)2*log D(i)+…+(SM)2*logD(M)；根据S计算的数值的大小，来评价能量枢纽的各模块的协同运行质量。
进一步地，其中Si的数值可以根据当前第i个模块的状态取值，取值范围为-10-0，其中Si的取值根据当前各模块的工作状况，可以预先进行定义，当Si＝0时，即为当前第i个模块的工作状态为正常，Si＝-1，即为当前第i个模块的工作状态为预警，-2--10为当前第i个模块出现异常，根据异常的等级取不同的数值，-2为轻微故障，-10为出现严重故障。
进一步地，为了使上述的协同运行质量分析评估方法更好的对能量枢纽进行分析评估，该一种用于能量枢纽的协同运行质量分析评估方法还包括一种能量枢纽的协同运行质量分析系统，包括：
获取模块，用于获取能量枢纽内各个模块工作异常的历史数据信息；
分析模块，用于接收所述获取模块的获取信息，并根据所述获取信息进行分析计算，获取能量枢纽第i个模块出现异常概率与能量枢纽其它模块出现异常的相对因子Di；
质量评估模块，基于能量枢纽内M个模块中每个模块的相对因子Di，计算当前状态下该能量枢纽的评估系数S，则S＝(S1)2*logD(1)+(S2)2*logD(2)+…+(Si)2*log D(i)+…+(SM)2*logD(M)；其中Si为当前状态下第i个模块的状态，取值范围为-10-0。
进一步地，所述分析模块包括：
第一分析模块，用于获取所述获取模块的获取信息，统计出协同运行中能量枢纽中各模块异常概率矩阵；
第二分析模块，基于所述第一分析模块统计的所述异常概率矩阵对每个模块的异常概率进行相对熵的计算，从而获取能量枢纽各模块的相对熵矩阵；
第三分析模块，基于所述相对熵矩阵计算能量枢纽第i个模块出现异常概率与能量枢纽其它模块出现异常的相对因子Di。
进一步地，所述第一分析模块的分析计算过程包括：根据每个模块出现异常的历史数据，获取第i个模块出现异常的总数量Gi，及第i个模块出现异常时第j个模块出现异常的总数量Gij，则第i个模块出现异常时第j个模块出现异常的概率表达为Pij＝Gij/Gi，从而可得各模块异常概率矩阵。
进一步地，所述对每个模块的异常概率进行相对熵的计算为对储能模块中每个模块之间协同运行质量的相对熵的计算，其计算过程包括：第i个模块与第j个模块之间协同运行质量的相对熵KLij表示为：
Figure BDA0003111074150000031
从而计算每个模块与其它模块之间的协同运行质量的相对熵，得到储能模块的相对熵矩阵。
进一步地，所述第i个模块出现异常概率与能量枢纽其它模块出现异常的相对因子Di的计算方法为：
Figure BDA0003111074150000032
其中MAXi为第i个模块的相对熵中的最大值，MINi为第i个模块的相对熵中的最小值。
本发明提供了一种能量枢纽的协同运行质量分析系统，通过获取模块获取能量枢纽的各个模块的运行历史数据，通过分析模块对历史数据进行分析，在对当前状态下每个模块的运行状态进行获取，从而计算当前状态下的能量枢纽的运行质量的评估系数，根据评估系数的数值评估当前能量枢纽的各个模块的协同运行质量，并根据评估系数对能量枢纽的各个模块进行智能化的运行和维护。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。
图1为本发明提供的一种能量枢纽的协同运行质量分析系统的结构框图。
图2为本发明提供的一种能量枢纽的协同运行质量分析系统中能量枢纽的各模块异常概率的矩阵图表。
图3为本发明提供的一种能量枢纽的协同运行质量分析系统中能量枢纽的相对熵矩阵图表。
图4为本发明提供的一种能量枢纽的协同运行质量分析系统对能量枢纽的协同运行质量的评估方法。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
实施例一
参考图4，本发明提供的一种能量枢纽的协同运行质量分析系统对能量枢纽的协同运行质量的评估方法，包括以下步骤：步骤一、获取能量枢纽内M个模块的历史工作数据，从而获取各模块出现异常的总数量，设定Gi为第i个模块出现异常总数量，第j个模块出现异常总数量为Gij；
步骤二、计算第i个模块出现异常时第j个模块出现异常的概率Pij，表达为：Pij＝Gij/Gi，使用相同的方法计算各个模块出现异常时其它模块出现异常的概率，并形成各模块异常概率矩阵，参考图2，为各模块异常概率矩阵图表；
步骤三、第i个模块与第j个模块之间多能协同运行质量的相对熵KLij，则：
Figure BDA0003111074150000041
通过同样的方法计算能量枢纽各个模块与其它模块之间多能协同运行质量的相对熵值，得到如图3所示的相对熵矩阵。
步骤四、计算相对因子，针对第i个模块，从相对熵矩阵第i行即KLi1，KLi2，…，KLiM中确定最大数值，记录为MAXi，同理，从系统相对熵矩阵第i行即KLi1，KLi2，…，KLiM中确定最小数值，记录为MINi，则第第i个模块的相对因子表达式为：：
Figure BDA0003111074150000042
步骤五、对当前能量枢纽的协同运行质量分析评估，当前第第i个模块的状态为Si，则能量枢纽的各模块的协同运行质量评价可以表示为：S＝(S1)2*logD(1)+(S2)2*logD(2)+…+(Si)2*log D(i)+…+(SM)2*logD(M)；根据S计算的数值的大小，来评价能量枢纽的各模块的协同运行质量。
其中Si的数值可以根据当前第i个模块的状态取值，取值范围为-10-0，其中Si的取值根据当前各模块的工作状况，可以预先进行定义，通常的，当Si＝0时，即为当前第i个模块的工作状态为正常，Si＝-1，即为当前第i个模块的工作状态为预警，-2--10为当前第i个模块出现异常，根据异常的等级取不同的数值，-2为轻微故障，-10为出现严重故障。
本发明提供了一种能量枢纽的协同运行质量分析系统及根据质量分析系统对能量枢纽的协同运行质量的评估方法，通过获取模块获取能量枢纽的各个模块的运行历史数据，通过分析模块对历史数据进行分析，在对当前状态下每个模块的运行状态进行获取，从而计算当前状态下的能量枢纽的运行质量的评估系数，根据评估系数的数值评估当前能量枢纽的各个模块的协同运行质量，并根据评估系数对能量枢纽的各个模块进行智能化的运行和维护，达到科学化，数字化的评估，填补相关技术空白。
实施例二
本发明提供一种能量枢纽的协同运行质量分析系统，参考图1，作为一种具体的实施方式，该质量分析系统包括：
获取模块，用于获取能量枢纽内各个模块工作异常的历史数据信息；
分析模块，用于接收所述获取模块的获取信息，并根据所述获取信息进行分析计算，获取能量枢纽第i个模块出现异常概率与能量枢纽其它模块出现异常的相对因子Di；
进一步地，参考图1，作为具体的实施方式，所述分析模块包括：
第一分析模块，用于获取所述获取模块的获取信息，统计出协同运行中能量枢纽中各模块异常概率矩阵；
具体的，参考图2，假定E1，E2，…，Ei，…，Ej…，EM代表基于能量枢纽的综合能源系统中风电、光伏、储能各模块，其中M代表模块总数量(i∈M、j∈M)；所述第一分析模块的分析计算过程包括：根据每个模块出现异常的历史数据，获取第i个模块出现异常的总数量Gi，及第i个模块出现异常时第j个模块出现异常的总数量Gij，则第i个模块出现异常时第j个模块出现异常的概率表达为Pij＝Gij/Gi，从而可得各模块异常概率矩阵，其中各模块异常概率矩阵图表参考图2。
第二分析模块，基于所述第一分析模块统计的所述异常概率矩阵对每个模块的异常概率进行相对熵的计算，从而获取储能模块的相对熵矩阵；具体的，作为一种具体的实施方式，所述对每个模块的异常概率进行相对熵的计算为对储能模块中每个模块之间协同运行质量的相对熵的计算，其计算过程包括：第i个模块与第j个模块之间协同运行质量的相对熵KLij表示为：
Figure BDA0003111074150000051
从而计算每个模块与其它模块之间的协同运行质量的相对熵，得到储能模块的相对熵矩阵，参考图3，为能量枢纽各模块的相对熵矩阵图表。
第三分析模块，基于所述相对熵矩阵计算能量枢纽第i个模块出现异常概率与能量枢纽其它模块出现异常的相对因子Di。
进一步地，在确定每个模块的相对熵矩阵图表后，计算各模块出现异常的相对因子Di，参考图3，针对第i个模块，从系统相对熵矩阵第i行即KLi1，KLi2，…，KLiM中确定最大数值，记录为MAXi，同理，从系统相对熵矩阵第i行即KLi1，KLi2，…，KLiM中确定最小数值，记录为MINi。
第i个模块的相对因子表达式为：所述第i个模块出现异常概率与能量枢纽其它模块出现异常的相对因子Di的计算方法为：
Figure BDA0003111074150000061
其中MAXi为第i个模块的相对熵中的最大值，MINIi为第i个模块的相对熵中的最小值。
质量评估模块，具体的，在计算每一个模块的相对因子Di后，基于能量枢纽内M个模块中每个模块的相对因子Di，计算当前状态下该能量枢纽的评估系数S，则S＝(S1)2*logD(1)+(S2)2*logD(2)+…+(Si)2*log D(i)+…+(SM)2*logD(M)；其中Si为当前状态下第i个模块的状态，取值范围为-10-0，其中Si的取值根据当前各模块的工作状况，可以预先进行定义，通常的，当Si＝0时，即为当前第i个模块的工作状态为正常，Si＝-1，即为当前第i个模块的工作状态为预警，-2--10为当前第i个模块出现异常，根据异常的等级取不同的数值，-2为轻微故障，-10为出现严重故障，根据公式S＝(S1)2*logD(1)+(S2)2*logD(2)+…+(Si)2*log D(i)+…+(SM)2*logD(M)可以计算当前能量枢纽的评估系数S，则评估系数S的数值对当前能量枢纽的各模块的协同运行质量进行可视化的评价，能够根据数值直观科学的进行分析。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (2)

1.一种用于能量枢纽的协同运行质量分析评估方法，其特征在于，包括以下步骤：
步骤一、获取能量枢纽内M个模块的历史工作数据，从而获取各模块出现异常的总数量，设定Gi为第i个模块出现异常总数量，第j个模块出现异常总数量为Gij；
步骤二、计算第i个模块出现异常时第j个模块出现异常的概率Pij，表达为：Pij＝Gij/Gi，使用相同的方法计算各个模块出现异常时其它模块出现异常的概率，并形成各模块异常概率矩阵；
步骤三、第i个模块与第j个模块之间多能协同运行质量的相对熵KLij，则：
Figure FDA0003111074140000011
通过同样的方法计算能量枢纽各个模块与其它模块之间多能协同运行质量的相对熵值，得到相对熵矩阵；
步骤四、计算相对因子，针对第i个模块，从相对熵矩阵第i行即KLi1，KLi2，…，KLiM中确定最大数值，记录为MAXi，同理，从系统相对熵矩阵第i行即KLi1，KLi2，…，KLiM中确定最小数值，记录为MINi，则第第i个模块的相对因子为D(i)，则，
Figure FDA0003111074140000012
步骤五、对当前能量枢纽的协同运行质量分析评估，当前第第i个模块的状态为Si，则能量枢纽的各模块的协同运行质量评价可以表示为：S＝(S1)2*logD(1)+(S2)2*logD(2)+…+(Si)2*log D(i)+…+(SM)2*logD(M)；根据S计算的数值的大小，来评价能量枢纽的各模块的协同运行质量。
2.根据权利1所述的一种用于能量枢纽的协同运行质量分析评估方法，其特征在于，其中Si的数值可以根据当前第i个模块的状态取值，取值范围为-10—0，其中Si的取值根据当前各模块的工作状况，可以预先进行定义，当Si＝0时，即为当前第i个模块的工作状态为正常，Si＝-1，即为当前第i个模块的工作状态为预警，-2--10为当前第i个模块出现异常，根据异常的等级取不同的数值，-2为轻微故障，-10为出现严重故障。
CN202110657966.2A 2021-06-10 2021-06-10 一种用于能量枢纽的协同运行质量分析评估方法 Active CN113298415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110657966.2A CN113298415B (zh) 2021-06-10 2021-06-10 一种用于能量枢纽的协同运行质量分析评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110657966.2A CN113298415B (zh) 2021-06-10 2021-06-10 一种用于能量枢纽的协同运行质量分析评估方法

Publications (2)

Publication Number Publication Date
CN113298415A true CN113298415A (zh) 2021-08-24
CN113298415B CN113298415B (zh) 2023-09-19

Family

ID=77328097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110657966.2A Active CN113298415B (zh) 2021-06-10 2021-06-10 一种用于能量枢纽的协同运行质量分析评估方法

Country Status (1)

Country Link
CN (1) CN113298415B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8966036B1 (en) * 2010-11-24 2015-02-24 Google Inc. Method and system for website user account management based on event transition matrixes
CN105653871A (zh) * 2016-01-06 2016-06-08 电子科技大学 基于相对熵和灰色关联度的符号化多质量特性分析方法
CN107292512A (zh) * 2017-06-20 2017-10-24 中国电力科学研究院 一种基于符号动力学和隐马尔科夫模型的电力设备时空多维安全评估方法
CN108848072A (zh) * 2018-05-25 2018-11-20 东南大学 一种基于相对熵的车载can总线异常检测方法
CN109034538A (zh) * 2018-06-26 2018-12-18 广东电网有限责任公司 一种面向变电站自动化设备运行质量的评价分析方法
WO2019160003A1 (ja) * 2018-02-16 2019-08-22 日本電信電話株式会社 モデル学習装置、モデル学習方法、プログラム
WO2020043267A1 (en) * 2018-08-27 2020-03-05 Huawei Technologies Co., Ltd. Device and method for anomaly detection on an input stream of events

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8966036B1 (en) * 2010-11-24 2015-02-24 Google Inc. Method and system for website user account management based on event transition matrixes
CN105653871A (zh) * 2016-01-06 2016-06-08 电子科技大学 基于相对熵和灰色关联度的符号化多质量特性分析方法
CN107292512A (zh) * 2017-06-20 2017-10-24 中国电力科学研究院 一种基于符号动力学和隐马尔科夫模型的电力设备时空多维安全评估方法
WO2019160003A1 (ja) * 2018-02-16 2019-08-22 日本電信電話株式会社 モデル学習装置、モデル学習方法、プログラム
CN108848072A (zh) * 2018-05-25 2018-11-20 东南大学 一种基于相对熵的车载can总线异常检测方法
CN109034538A (zh) * 2018-06-26 2018-12-18 广东电网有限责任公司 一种面向变电站自动化设备运行质量的评价分析方法
WO2020043267A1 (en) * 2018-08-27 2020-03-05 Huawei Technologies Co., Ltd. Device and method for anomaly detection on an input stream of events

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张思捷: "电力变压器状态评价与故障诊断技术研究", 中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑) *
王军亭: "电力系统配网长期电力负荷自动调度方法研究", 自动化与仪器仪表 *
蒋栋年: "非线性系统故障可诊断性评价及诊断方法研究", 中国优秀博士学位论文全文数据库 (工程科技Ⅱ辑) *

Also Published As

Publication number Publication date
CN113298415B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
CN112699913A (zh) 一种台区户变关系异常诊断方法及装置
CN110222991B (zh) 基于rf-gbdt的计量装置故障诊断方法
CN103617447B (zh) 智能变电站的评价系统及评价方法
CN112861350B (zh) 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法
CN111210170A (zh) 基于90%用电分布特征指标的环保管控监测及评价方法
CN116028887B (zh) 一种连续性工业生产数据的分析方法
CN112784216A (zh) 一种质子交换膜燃料电池系统的健康度评估方法及系统
CN116008714B (zh) 一种基于智能量测终端的反窃电分析方法
CN111598165A (zh) 一种基于极限学习机的密度聚类离群点检测方法
CN111539657A (zh) 结合用户日用电量曲线的典型用电行业负荷特性分类与综合方法
CN114266289A (zh) 一种复杂装备健康状态评估方法
CN114862229A (zh) 电能质量评估方法、装置、计算机设备和存储介质
CN117273195A (zh) 一种蒸汽供热系统需求负荷预测方法
CN112381422A (zh) 光伏电站性能的确定方法和装置
CN117332288A (zh) 一种建筑节能技术评估系统及方法
CN116128690B (zh) 一种碳排放量成本值计算方法、装置、设备及介质
CN113298415A (zh) 一种用于能量枢纽的协同运行质量分析评估方法
CN113327044B (zh) 一种能量枢纽的协同运行质量分析系统
CN107832928B (zh) 基于风力发电特性曲线的等效综合线损评价方法
CN110781959A (zh) 基于birch算法和随机森林算法的电力客户分群方法
CN108960332A (zh) 一种基于多向主元素分析法的在线监测方法
CN106779265B (zh) 一种基于电力智能移动终端在线状态安全性检测方法
CN117728587B (zh) 一种新能源发电设备运行数据的实时监控系统及方法
WO2024073932A1 (zh) 储能系统故障检测方法、装置及智能终端
Chen et al. Prediction of Hourly Subentry Energy Consumed in a Typical Public Building Based on Pattern Recognition

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