CN113807739B - 一种错接线台区识别方法、装置、设备及存储介质 - Google Patents
一种错接线台区识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113807739B CN113807739B CN202111162033.2A CN202111162033A CN113807739B CN 113807739 B CN113807739 B CN 113807739B CN 202111162033 A CN202111162033 A CN 202111162033A CN 113807739 B CN113807739 B CN 113807739B
- Authority
- CN
- China
- Prior art keywords
- identified
- area
- loss rate
- line loss
- modification
- 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 60
- 238000012986 modification Methods 0.000 claims abstract description 188
- 230000004048 modification Effects 0.000 claims abstract description 176
- 238000012937 correction Methods 0.000 claims abstract description 98
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000005192 partition Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 2
- 238000011835 investigation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (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)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种错接线台区识别方法、装置、设备及存储介质。该方法包括:获取预设数量个错接线台区的整改前数据和整改后数据,根据各所述整改前数据和各所述整改后数据,确定不同的指标条件组合对应的错接线概率;获取待识别台区的待识别数据,结合各所述指标条件组合对应的错接线概率,确定所述待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率;若所述待识别错接线概率大于等于预设错接线概率阈值,则确定所述待识别台区为待检测错接线台区。本发明根据历史错接线台区的整改前后数据构建错接线识别规则,快速准确的对待识别台区进行了初步的错接线识别,解决传统识别方法耗费大量人力物力、计算复杂、效率低的问题。
Description
技术领域
本发明实施例涉及电网运维技术领域,尤其涉及一种错接线台区识别方法、装置、设备及存储介质。
背景技术
台区错接线是指台区电能计量装置出现错误接线,台区错接线对台区电能计量的准确性有很大影响,常见的错接线主要类型有电压、电流回路发生短路或断路,电压、电流互感器极性接反,电压、电流不同相位接线错误等。目前台区错接线识别方法主要包括传统人工现场排查方法和基于电力业务的远程排查方法:
传统人工现场排查方法:电力业务人员通过对某区域内的所有台区逐一进行排查,根据台区现场接线情况和不同元件中电压、电流等指标测量情况,判断台区是否存在错接线问题。该方法需要耗费大量人力物力、工作量大,并且由于错接线台区占比小,往往排查大量台区后仅发现很少的错接线台区,排查效率低。
基于电力业务的远程排查方法:通过电力信息系统远程采集的台区三相电压、电流、有功功率、无功功率等大量指标数据,基于电力业务梳理这些指标组合为某种情况时台区可能的接线方式,进而判断台区是否存在错接线。该方法的工作量比传统人工现场排查小,但是存在需要采集的台区指标多、计算复杂,以及在台区接线方式梳理过程中需要的电力业务知识要求高的问题,并且该方法往往只能识别理论上的特定的错接线台区,而台区现场环境复杂,仅从理论角度难以发现预料之外的台区错接线问题。
发明内容
本发明提供一种错接线台区识别方法、装置、设备及存储介质,以实现对待识别台区进行错接线识别。
第一方面,本发明实施例提供了一种错接线台区识别方法,包括:
获取预设数量个错接线台区的整改前数据和整改后数据,根据各所述整改前数据和各所述整改后数据,确定不同的指标条件组合对应的错接线概率;
获取待识别台区的待识别数据,结合各所述指标条件组合对应的错接线概率,确定所述待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率;
若所述待识别错接线概率大于等于预设错接线概率阈值,则确定所述待识别台区为待检测错接线台区。
第二方面,本发明实施例还提供了一种错接线台区识别装置,该装置包括:
错接线概率计算模块,用于获取预设数量个错接线台区的整改前数据和整改后数据,根据各所述整改前数据和各所述整改后数据,确定不同的指标条件组合对应的错接线概率;
待识别错接线概率确定模块,用于获取待识别台区的待识别数据,结合各所述指标条件组合对应的错接线概率,确定所述待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率;
待检测错接线台区确定模块,用于若所述待识别错接线概率大于等于预设错接线概率阈值,则确定所述待识别台区为待检测错接线台区。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任意实施例所述的错接线台区识别方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的错接线台区识别方法。
本发明通过获取预设数量个错接线台区的整改前数据和整改后数据,根据各整改前数据和各整改后数据,确定不同的指标条件组合对应的错接线概率;获取待识别台区的待识别数据,结合各指标条件组合对应的错接线概率,确定待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率;若待识别错接线概率大于等于预设错接线概率阈值,则确定待识别台区为待检测错接线台区。本发明实施例根据历史错接线台区的整改前后数据构建错接线识别规则,快速准确的对待识别台区进行了初步的错接线识别,解决传统识别方法耗费大量人力物力、计算复杂、效率低的问题。
附图说明
图1是本发明实施例一提供的一种错接线台区识别方法的流程图;
图2是本发明实施例二提供的一种错接线台区识别装置的结构框图;
图3是本发明实施例三提供的一种计算机设备的结构框图。
具体实施方式
下面结合附图和实施例对本发明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本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构,此外,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
图1为本发明实施例一提供的一种错接线台区识别方法的流程图,本实施例可适用于对待识别台区进行初步错接线识别的情况,该方法可以由错接线台区识别装置来执行,该装置可以通过软件和/或硬件实现。
如图1所示,该方法具体包括如下步骤:
步骤110、获取预设数量个错接线台区的整改前数据和整改后数据,根据各整改前数据和各整改后数据,确定不同的指标条件组合对应的错接线概率。
其中,整改前数据可以包括整改前线损率集合、整改前功率因数集合和整改前日负功率值个数集合;整改后数据可以包括整改后线损率集合、整改后功率因数集合和整改后日负功率值个数集合。
在本实施例中,预设数量个错接线台区可以理解为历史发现并整改的错接线台区,整改前线损率集合可以包括错接线台区在整改前预设天数内每天的线损率,整改前功率因数集合可以包括错接线台区在整改前预设天数内每天的功率因数,整改前日负功率值个数集合可以包括错接线台区在整改前预设天数内每天的日96点功率曲线中的负功率值个数。日96点功率曲线,是一天每隔15分钟采集一次功率数据,一天共采集96个功率数据,负功率值个数则指日96点功率曲线中的负功率值个数,例如某天的96点功率曲线中有91个点的功率值是正的,5个点的功率值是负的,那么该天的日96点功率曲线中的负功率值个数为5。可以理解的是,本实施例也可以采用日48点功率曲线中的负功率值个数作为日负功率值个数集合中的元素,即,在统计功率数据时,按30分钟一次的频率进行采集。
同样的,整改后线损率集合可以包括错接线台区在整改后预设天数内每天的线损率,整改后功率因数集合可以包括错接线台区在整改后预设天数内每天的功率因数,整改后日负功率值个数集合可以包括错接线台区在整改后预设天数内每天的日96点功率曲线中的负功率值个数,同理,整改后日负功率值个数集合也可以包括错接线台区在整改后预设天数内每天的日48点功率曲线中的负功率值个数,整改后日负功率值个数的统计方式与整改前日负功率值个数的统计方式保持一致即可。
一个具体的示例中,预设天数取10天,错接线台区的预设数量为k个,错接线台区集合可以记为K={a1,a2,a3,...,ak},其中第i个错接线台区整改前10天的整改前线损率集合整改前功率因数集合/>和整改前日负功率值个数集合/>可以分别记为:
其中,i=1,2,...,k,集合中元素上标的-1、-2、-3、…、-10分别代表整改前1天、整改前2天、整改前3天、…、整改前10天。
第i个错接线台区整改后10天的整改前线损率集合整改后功率因数集合和整改后日负功率值个数集合/>可以分别记为:
其中,集合中元素上标的1、2、3、…、10分别为整改后1天、整改后2天、整改后3天、…、整改后10天。
可选的,根据各整改前数据和各整改后数据,确定不同的指标条件组合对应的错接线概率可以通过以下步骤实现:
S1101、针对每个错接线台区,根据错接线台区的整改前数据和整改后数据,确定错接线台区的整改前指标和整改后指标。
其中,整改前指标可以包括整改前最小负线损率、整改前最大正线损率、整改前最小功率因数和整改前最大负功率值个数,整改后指标包括整改后最小负线损率、整改后最大正线损率、整改后最小功率因数和整改后最大负功率值个数。
进一步的,整改前最小负线损率和整改后最小负线损率的确定方法可以为:
将错接线台区的整改前线损率集合中的非正最小线损率或零确定为整改前最小负线损率,将错接线台区的整改后线损率集合中的非正最小线损率或零确定为整改后最小负线损率。
对于第i个错接线台区,其整改前最小负线损率计算公式可以为:
对于第i个错接线台区,其整改后最小负线损率计算公式可以为:
进一步的,整改前最大正线损率和整改后最大正线损率的确定方法可以为:
将错接线台区的整改前线损率集合中的非负最大线损率或零确定为整改前最大正线损率,将错接线台区的整改后线损率集合中的非负最大线损率或零确定为整改后最大正线损率。
对于第i个错接线台区,其整改前最大正线损率计算公式可以为:
对于第i个错接线台区,其整改后最大正线损率计算公式可以为:
进一步的,整改前最小功率因数和整改后最小功率因数的确定方法可以为:
将错接线台区的整改前功率因数集合中的最小功率因数确定为整改前最小功率因数,将错接线台区的整改后功率因数集合中的最小功率因数确定为整改后最小功率因数。
对于第i个错接线台区,其整改前最小功率因数计算公式可以为:
对于第i个错接线台区,其整改后最小功率因数计算公式可以为:
进一步的,整改前最大负功率值个数和整改后最大负功率值个数的确定方法可以为:
将错接线台区的整改前日负功率值个数集合中的最大负功率值个数确定为整改前最大负功率值个数,将错接线台区的整改后日负功率值个数集合中的最大负功率值个数确定为整改后最大负功率值个数。
对于第i个错接线台区,其整改前最大负功率值个数计算公式可以为:
对于第i个错接线台区,其整改后最大负功率值个数计算公式可以为:
S1102、根据各错接线台区的整改前指标和整改后指标,确定指标错接线阈值。
其中,指标错接线阈值可以包括最小负线损率错接线阈值、最大正线损率错接线阈值、最小功率因数错接线阈值和最大负功率值个数错接线阈值。
根据S1101中定义计算的错接线台区整改前后的指标,可以得到如表1所示的错接线台区整改前后指标数据集,每个错接线台区有整改前的指标数据和整改后的指标数据,其中k为历史错接线台区数量,因此错接线台区整改前后指标数据集有2k条记录。
表1错接线台区整改前后指标数据集
根据上述2k条记录,可以分别对4种类型的指标进行统计得到4种指标对应的错接线阈值。
进一步的,最小负线损率错接线阈值的确定方法可以包括以下步骤:
确定第一区间数量个不同的最小负线损率分区间,根据各错接线台区的整改前最小负线损率和整改后最小负线损率,确定各最小负线损率分区间的最小负线损率整改前台区占比,将最小负线损率整改前台区占比大于等于第一占比阈值的最小负线损率分区间的最大区间上限值确定为最小负线损率错接线阈值。
具体的,根据表1中的台区类别和最小负线损率两列数据,按表2的最小负线损率分区间,统计不同区间下的整改前错接线台区占比。
表2最小负线损率分区间统计表
按照最小负线损率的计算公式,最小负线损率均小于或等于0,因此最小负线损率≤0%时的整改前台区数量和整改后台区数量均为k,整改前台区占比为50%。根据表2的统计结果,可以找到使整改前台区占比超过第一占比阈值FT1的最大区间,该区间的上限即为最小负线损率错接线阈值。当FT1取80%时,最小负线损率错接线阈值可以记为llmin,则有:
llmin=max(r%),其中r∈{-100,-90,-80,…,-10}
也就是说,当最小负线损率小于等于该最小负线损率错接线阈值时,台区为整改前台区的可能性超过80%,即台区出现错接线的可能性较大。
进一步的,最大正线损率错接线阈值的确定方法可以包括以下步骤:
确定第二区间数量个不同的最大正线损率分区间,根据各错接线台区的整改前最大正线损率和整改后最大正线损率,确定各最大正线损率分区间的最大正线损率整改前台区占比,将最大正线损率整改前台区占比大于等于第二占比阈值的最大正线损率分区间的最小区间下限值确定为最大正线损率错接线阈值。
具体的,根据表1中的台区类别和最大正线损率两列数据,按表3的最大正线损率分区间,统计不同区间下的整改前错接线台区占比。
表3最大正线损率分区间统计表
按照最大正线损率的计算公式,最大正线损率均大于或等于0,因此最大正线损率≥0%时的整改前台区数量和整改后台区数量均为k,整改前台区占比为50%。根据表3的统计结果,可以找到使整改前台区占比超过第二占比阈值FT2的最大区间,该区间的下限即为最大正线损率错接线阈值。当FT2取80%时,最大正线损率错接线阈值可以,记为llmax,则有:
llmax=min(s%),其中s∈{10,20,30,…,100}
也就是说,当最大正线损率大于等于该最大正线损率错接线阈值时,台区为整改前台区的可能性超过80%,即台区出现错接线的可能性较大。
进一步的,最小功率因数错接线阈值的确定方法可以包括以下步骤:
确定第三区间数量个不同的最小功率因数分区间,根据各错接线台区的整改前最小功率因数和整改后最小功率因数,确定各最小功率因数分区间的最小功率因数整改前台区占比,将最小功率因数整改前台区占比大于等于第三占比阈值的最小功率因数分区间的最大区间上限值确定为最小功率因数错接线阈值。
具体的,根据表1中的台区类别和最小功率因数两列数据,按表4的最小功率因数分区间,统计不同区间下的整改前错接线台区占比。
表4最小功率因数分区间统计表
由于功率因数均大于等于0且小于等于1,因此最小功率因数≤1时的整改前台区数量和整改后台区数量均为k,整改前台区占比为50%。根据表4的统计结果,可以找到使整改前台区占比超过第三占比阈值FT3的最大区间,该区间的上限即为最小功率因数错接线阈值。当FT3取80%时,最小功率因数错接线阈值可以记为pfmin,则有:
pfmin=max(p),其中p∈{0,0.1,0.2,…,1}
也就是说,当最小功率因数小于等于该最小功率因数错接线阈值时,台区为整改前台区的可能性超过80%,即台区出现错接线的可能性较大。
进一步的,最大负功率值个数错接线阈值的确定方法可以包括以下步骤:
确定第四区间数量个不同的最大负功率值个数分区间,根据各错接线台区的整改前最大负功率值个数和整改后最大负功率值个数,确定各最大负功率值个数分区间的最大负功率值个数整改前台区占比,将最大负功率值个数整改前台区占比大于等于第四占比阈值的最大负功率值个数分区间的最小区间下限值确定为最大负功率值个数错接线阈值。
具体的,根据表1中的台区类别和最大负功率值个数两列数据,按表5的最大负功率值个数分区间,统计不同区间下的整改前错接线台区占比。
表5最大负功率值个数分区间统计表
由于负功率值个数均大于或等于0,因此最大负功率值个数≥0时的整改前台区数量和整改后台区数量均为k,整改前台区占比为50%。根据表5的统计结果,可以找到使整改前台区占比超过第四占比阈值FT4的最大区间,该区间的下限即为最大负功率值个数错接线阈值。当FT4取80%时,最大负功率值个数错接线阈值可以记为pcmax,则有:
pcmax=min(q),其中q∈{1,2,3,4,5,6,12,24,48,96}
也就是说,当最大负功率值个数大于等于该最大负功率值个数错接线阈值时,台区为整改前台区的可能性超过80%,即台区出现错接线的可能性较大。
在最小负线损率错接线阈值、最大正线损率错接线阈值、最小功率因数错接线阈值和最大负功率值个数错接线阈值4个错接线阈值计算过程中,可以根据4个指标的实际分布情况,为每个指标设置不同的整改前台区占比阈值,即第一占比阈值、第二占比阈值、第三占比阈值和第四占比阈值可以取不同值。当然,4个占比阈值也可以设置为相同的数值,例如根据实际应用场景,一般情况下可设置为80%。占比阈值可根据实际需求进行调整,当希望以更加严格的条件找出更少的疑似错接线台区进行现场排查时,可适当调大该占比阈值,例如设置为90%;当希望以更加宽松的条件找出更多的疑似错接线台区进行现场排查时,可适当调小该占比阈值,例如设置为70%。
S1103、根据各指标错接线阈值,形成不同的指标条件组合,并确定各指标条件组合对应的错接线概率。
具体的,根据最小负线损率错接线阈值、最大正线损率错接线阈值、最小功率因数错接线阈值和最大负功率值个数错接线阈值4个指标错接线阈值,依据是否满足阈值条件进行组合,得到不同的指标条件组合。根据不同的指标条件组合,统计在不同的指标条件组合下的整改前台区个数和整改后台区个数,计算整改前台区占比,得到各指标条件组合对应的错接线概率。
根据表1所示的错接线台区数据集和4个指标的错接线阈值,统计不同指标情况下的整改前和整改后的台区数量,并计算整改前台区的占比,可以得到如表6所示的统计结果,整改前台区占比越高表明对应指标情况下出现错接线台区的可能性越高。表6中的4个指标条件组合情况即为错接线台区的识别规则,满足不同规则的台区为错接线台区的概率即为整改前台区占比。其中,表6中每一行的第2列至第5列可以认为是一种指标条件组合,最后一列可以认为是各指标条件组合对应的错接线概率。
表6各指标条件组合及其对应错接线概率统计表
其中,表中ft=Bt/(Bt+At),t∈{1,2,3,…,16}。
步骤120、获取待识别台区的待识别数据,结合各指标条件组合对应的错接线概率,确定待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率。
其中,待识别数据包括待识别线损率集合、待识别功率因数集合和待识别日负功率值个数集合。
在本实施例中,待识别线损率集合可以包括待识别台区在待识别前预设天数内每天的线损率,待识别功率因数集合可以包括待识别台区在待识别前预设天数内每天的功率因数,待识别日负功率值个数集合可以包括待识别台区在待识别前预设天数内每天的日96点功率曲线中的负功率值个数,与整改前日负功率值个数集合和整改后日负功率值个数集合一样,待识别日负功率值个数集合也可以包括待识别台区在待识别前预设天数内每天的日48点功率曲线中的负功率值个数,待识别日负功率值个数的统计方式与整改前后日负功率值个数的统计方式保持一致即可。
在具体的应用场景中,可以同步对多个待识别台区进行错接线识别。
一个具体的示例中,预设天数取10天,同时对n个待识别台区进行错接线识别,待识别台区集合可以记为N={b1,b2,b3,...,bn},其中第j个待识别台区待识别前10天的待识别线损率集合LLbj、待识别功率因数集合PFbj和待识别日负功率值个数集合PCbj可以分别记为:
其中,j=1,2,...,n,集合中元素上标的-1、-2、-3、…、-10分别代表待识别前1天、待识别前2天、待识别前3天、…、待识别前10天。
可选的,步骤120可以通过以下步骤实现:
S1201、获取待识别数据,根据待识别数据确定待识别指标。
其中,待识别指标包括待识别最小负线损率、待识别最大正线损率、待识别最小功率因数和待识别最大负功率值个数。
进一步的,待识别最小负线损率的确定方法可以为:
将待识别台区的待识别线损率集合中的非正最小线损率或零确定为待识别最小负线损率。
当同步对多个待识别台区进行错接线识别时,对于第j个待识别台区,其待识别最小负线损率计算公式可以为:
进一步的,待识别最大正线损率的确定方法可以为:
将待识别台区的待识别线损率集合中的非负最大线损率或零确定为待识别最大正线损率。
当同步对多个待识别台区进行错接线识别时,对于第j个待识别台区,其待识别最大正线损率计算公式可以为:
进一步的,待识别最小功率因数的确定方法可以为:
将待识别台区的待识别功率因数集合中的最小功率因数确定为待识别最小功率因数。
当同步对多个待识别台区进行错接线识别时,对于第j个待识别台区,其待识别最小功率因数计算公式可以为:
minPFbj=min(PFbj)
进一步的,待识别最大负功率值个数的确定方法可以为:
将待识别台区的待识别日负功率值个数集合中的最大负功率值个数确定为待识别最大负功率值个数。
当同步对多个待识别台区进行错接线识别时,对于第j个待识别台区,其待识别最大负功率值个数计算公式可以为:
maxPCbj=max(PCbj)
S1202、确定各待识别指标均满足的指标条件组合为待识别指标条件组合,以及对应的错接线概率为待识别错接线概率。
具体的,当确定待识别台区的各待识别指标后,可以通过查看表6,找到满足所有待识别指标的指标条件组合,将查找到的指标条件组合确定为待识别指标条件组合,对应的错接线概率即为待识别错接线概率。
在实际应用场景中,当同步对多个待识别台区进行错接线识别时,可以对各待识别台区的各待识别指标进行统计,并统计出不同错接线概率对应的待识别台区数量。
在对n个台区进行识别时,根据n个待识别台区的4个指标,可以得到如表7所示的待识别台区数据集。
表7待识别台区指标数据集
台区序号 | 最小负线损率 | 最大正线损率 | 最小功率因数 | 最大负功率值个数 |
b1 | minLLb1 | maxLLb1 | minPFb1 | maxPCb1 |
b2 | minLLb2 | maxLLb2 | minPFb2 | maxPCb2 |
b3 | minLLb3 | maxLLb3 | minPFb3 | maxPCb3 |
… | … | … | … | … |
bn | minLLbn | maxLLbn | minPFbn | maxPCbn |
根据表7所示的待识别台区数据集和表6各指标条件组合及其对应错接线概率统计表,可以得到表8所示结果。
表8不同错接线概率对应待识别台区数量统计表
步骤130、若待识别错接线概率大于等于预设错接线概率阈值,则确定待识别台区为待检测错接线台区。
具体的,当待识别错接线概率大于等于预设错接线概率阈值时,可以认为该待识别台区为错接线台区的可能性很大,因此将该待识别台区确定为待检测错接线台区,以进行现场排查。
当同步对多个待识别台区进行错接线识别时,表8中待识别错接线概率ft取值越高表明对应指标情况下出现错接线台区的可能性越高,选择ft较大的行对应的待识别台区进行错接线台区的现场排查工作,则需现场排查的台区数量为:
其中F为根据统计结果和业务需求设置的预设错接线概率阈值,当待识别错接线概率ft超过F时,认为第t行的指标条件组合情况下待识别台区为错接线台区的可能性较高,一般可设置为F=80%。当希望对更多台区进行现场排查时,可设置一个较小的阈值,例如F=70%;当由于人力、时间等因素希望对更少的台区进行现场排查时,可设置一个较大的阈值,例如F=90%。
本发明利用台区的日线损率、日功率因数和日负功率值个数3项数据,对台区是否出现错接线进行识别。首先利用历史发现的错接线台区整改前和整改后的台区数据计算分析指标,并分别统计各指标数据整改前后的分布情况,分别得到每个指标的错接线阈值;然后根据每个指标的错接线阈值,统计在不同指标条件组合情况下整改前台区数量占整改前台区数量与整改后台区数量之和的比值情况;最后利用每个指标的错接线阈值对待识别台区进行统计,得到待识别台区在不同指标组合情况下的台区数量,并与对应指标组合情况下的整改前台区数量占比进行对应,占比越大的组合出现错接线台区的可能性越大。
本实施例的技术方案,通过获取预设数量个错接线台区的整改前数据和整改后数据,根据各整改前数据和各整改后数据,确定不同的指标条件组合对应的错接线概率;获取待识别台区的待识别数据,结合各指标条件组合对应的错接线概率,确定待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率;若待识别错接线概率大于等于预设错接线概率阈值,则确定待识别台区为待检测错接线台区。本发明实施例根据历史错接线台区的整改前后数据构建错接线识别规则,快速准确的对待识别台区进行了初步的错接线识别,解决传统识别方法耗费大量人力物力、计算复杂、效率低的问题。
实施例二
本发明实施例所提供的错接线台区识别装置可执行本发明任意实施例所提供的错接线台区识别方法,具备执行方法相应的功能模块和有益效果。图2是本发明实施例二提供的一种错接线台区识别装置的结构框图,如图2所示,该装置包括:错接线概率计算模块210、待识别错接线概率确定模块220和待识别错接线概率确定模块230。
错接线概率计算模块210,用于获取预设数量个错接线台区的整改前数据和整改后数据,根据各所述整改前数据和各所述整改后数据,确定不同的指标条件组合对应的错接线概率。
待识别错接线概率确定模块220,用于获取待识别台区的待识别数据,结合各所述指标条件组合对应的错接线概率,确定所述待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率。
待检测错接线台区确定模块230,用于若所述待识别错接线概率大于等于预设错接线概率阈值,则确定所述待识别台区为待检测错接线台区。
本实施例的技术方案,通过获取预设数量个错接线台区的整改前数据和整改后数据,根据各整改前数据和各整改后数据,确定不同的指标条件组合对应的错接线概率;获取待识别台区的待识别数据,结合各指标条件组合对应的错接线概率,确定待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率;若待识别错接线概率大于等于预设错接线概率阈值,则确定待识别台区为待检测错接线台区。本发明实施例根据历史错接线台区的整改前后数据构建错接线识别规则,快速准确的对待识别台区进行了初步的错接线识别,解决传统识别方法耗费大量人力物力、计算复杂、效率低的问题。
可选的,所述整改前数据包括整改前线损率集合、整改前功率因数集合和整改前日负功率值个数集合;
所述整改后数据包括整改后线损率集合、整改后功率因数集合和整改后日负功率值个数集合;
相应的,所述待识别数据包括待识别线损率集合、待识别功率因数集合和待识别日负功率值个数集合。
可选的,所述错接线概率计算模块,包括:
错接线台区数据获取单元,用于获取预设数量个错接线台区的整改前数据和整改后数据;
整改前后指标确定单元,用于针对每个错接线台区,根据所述错接线台区的整改前数据和整改后数据,确定所述错接线台区的整改前指标和整改后指标,所述整改前指标包括整改前最小负线损率、整改前最大正线损率、整改前最小功率因数和整改前最大负功率值个数,所述整改后指标包括整改后最小负线损率、整改后最大正线损率、整改后最小功率因数和整改后最大负功率值个数;
指标错接线阈值确定单元,用于根据各所述错接线台区的整改前指标和整改后指标,确定指标错接线阈值,所述指标错接线阈值包括最小负线损率错接线阈值、最大正线损率错接线阈值、最小功率因数错接线阈值和最大负功率值个数错接线阈值;
错接线概率确定单元,用于根据各所述指标错接线阈值,形成不同的指标条件组合,并确定各所述指标条件组合对应的错接线概率。
可选的,所述整改前后指标确定单元,具体用于:
针对每个错接线台区,将所述错接线台区的整改前线损率集合中的非正最小线损率或零确定为整改前最小负线损率,将所述错接线台区的整改后线损率集合中的非正最小线损率或零确定为整改后最小负线损率;将所述错接线台区的整改前线损率集合中的非负最大线损率或零确定为整改前最大正线损率,将所述错接线台区的整改后线损率集合中的非负最大线损率或零确定为整改后最大正线损率;将所述错接线台区的整改前功率因数集合中的最小功率因数确定为整改前最小功率因数,将所述错接线台区的整改后功率因数集合中的最小功率因数确定为整改后最小功率因数;将所述错接线台区的整改前日负功率值个数集合中的最大负功率值个数确定为整改前最大负功率值个数,将所述错接线台区的整改后日负功率值个数集合中的最大负功率值个数确定为整改后最大负功率值个数。
可选的,所述指标错接线阈值确定单元,具体用于:
确定第一区间数量个不同的最小负线损率分区间,根据各所述错接线台区的整改前最小负线损率和整改后最小负线损率,确定各所述最小负线损率分区间的最小负线损率整改前台区占比,将所述最小负线损率整改前台区占比大于等于第一占比阈值的最小负线损率分区间的最大区间上限值确定为最小负线损率错接线阈值;
确定第二区间数量个不同的最大正线损率分区间,根据各所述错接线台区的整改前最大正线损率和整改后最大正线损率,确定各所述最大正线损率分区间的最大正线损率整改前台区占比,将所述最大正线损率整改前台区占比大于等于第二占比阈值的最大正线损率分区间的最小区间下限值确定为最大正线损率错接线阈值;
确定第三区间数量个不同的最小功率因数分区间,根据各所述错接线台区的整改前最小功率因数和整改后最小功率因数,确定各所述最小功率因数分区间的最小功率因数整改前台区占比,将所述最小功率因数整改前台区占比大于等于第三占比阈值的最小功率因数分区间的最大区间上限值确定为最小功率因数错接线阈值;
确定第四区间数量个不同的最大负功率值个数分区间,根据各所述错接线台区的整改前最大负功率值个数和整改后最大负功率值个数,确定各所述最大负功率值个数分区间的最大负功率值个数整改前台区占比,将所述最大负功率值个数整改前台区占比大于等于第四占比阈值的最大负功率值个数分区间的最小区间下限值确定为最大负功率值个数错接线阈值。
可选的,所述待识别错接线概率确定模块220,包括:
待识别指标确定单元,用于获取待识别数据,根据所述待识别数据确定待识别指标,所述待识别指标包括待识别最小负线损率、待识别最大正线损率、待识别最小功率因数和待识别最大负功率值个数;
待识别错接线概率确定单元,用于确定各所述待识别指标均满足的指标条件组合为待识别指标条件组合,以及对应的错接线概率为待识别错接线概率。
可选的,所述待识别指标确定单元,具体用于:
获取待识别数据,将所述待识别台区的待识别线损率集合中的非正最小线损率或零确定为待识别最小负线损率;
将所述待识别台区的待识别线损率集合中的非负最大线损率或零确定为待识别最大正线损率;
将所述待识别台区的待识别功率因数集合中的最小功率因数确定为待识别最小功率因数;
将所述待识别台区的待识别日负功率值个数集合中的最大负功率值个数确定为待识别最大负功率值个数。
实施例三
图3为本发明实施例三提供的一种计算机设备的结构框图,如图3所示,该计算机设备包括处理器310、存储器320、输入装置330和输出装置340;计算机设备中处理器310的数量可以是一个或多个,图3中以一个处理器310为例;计算机设备中的处理器310、存储器320、输入装置330和输出装置340可以通过总线或其他方式连接,图3中以通过总线连接为例。
存储器320作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的错接线台区识别方法对应的程序指令/模块(例如,错接线台区识别装置中的错接线概率计算模块210、待识别错接线概率确定模块220和待识别错接线概率确定模块230)。处理器310通过运行存储在存储器320中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的错接线台区识别方法。
存储器320可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器320可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器320可进一步包括相对于处理器310远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种错接线台区识别方法,该方法包括:
获取预设数量个错接线台区的整改前数据和整改后数据,根据各所述整改前数据和各所述整改后数据,确定不同的指标条件组合对应的错接线概率;
获取待识别台区的待识别数据,结合各所述指标条件组合对应的错接线概率,确定所述待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率;
若所述待识别错接线概率大于等于预设错接线概率阈值,则确定所述待识别台区为待检测错接线台区。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的错接线台区识别方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述错接线台区识别装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种错接线台区识别方法,其特征在于,包括:
获取预设数量个错接线台区的整改前数据和整改后数据,根据各所述整改前数据和各所述整改后数据,确定不同的指标条件组合对应的错接线概率;
获取待识别台区的待识别数据,结合各所述指标条件组合对应的错接线概率,确定所述待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率;
若所述待识别错接线概率大于等于预设错接线概率阈值,则确定所述待识别台区为待检测错接线台区;
所述根据各所述整改前数据和各所述整改后数据,确定不同的指标条件组合对应的错接线概率,包括:
针对每个错接线台区,根据所述错接线台区的整改前数据和整改后数据,确定所述错接线台区的整改前指标和整改后指标,所述整改前指标包括整改前最小负线损率、整改前最大正线损率、整改前最小功率因数和整改前最大负功率值个数,所述整改后指标包括整改后最小负线损率、整改后最大正线损率、整改后最小功率因数和整改后最大负功率值个数;
根据各所述错接线台区的整改前指标和整改后指标,确定指标错接线阈值,所述指标错接线阈值包括最小负线损率错接线阈值、最大正线损率错接线阈值、最小功率因数错接线阈值和最大负功率值个数错接线阈值;
根据各所述指标错接线阈值,形成不同的指标条件组合,并确定各所述指标条件组合对应的错接线概率。
2.根据权利要求1所述的错接线台区识别方法,其特征在于,
所述整改前数据包括整改前线损率集合、整改前功率因数集合和整改前日负功率值个数集合;
所述整改后数据包括整改后线损率集合、整改后功率因数集合和整改后日负功率值个数集合;
相应的,所述待识别数据包括待识别线损率集合、待识别功率因数集合和待识别日负功率值个数集合。
3.根据权利要求1所述的错接线台区识别方法,其特征在于,所述根据所述错接线台区的整改前数据和整改后数据,确定所述错接线台区的整改前指标和整改后指标,包括:
将所述错接线台区的整改前线损率集合中的非正最小线损率或零确定为整改前最小负线损率,将所述错接线台区的整改后线损率集合中的非正最小线损率或零确定为整改后最小负线损率;
将所述错接线台区的整改前线损率集合中的非负最大线损率或零确定为整改前最大正线损率,将所述错接线台区的整改后线损率集合中的非负最大线损率或零确定为整改后最大正线损率;
将所述错接线台区的整改前功率因数集合中的最小功率因数确定为整改前最小功率因数,将所述错接线台区的整改后功率因数集合中的最小功率因数确定为整改后最小功率因数;
将所述错接线台区的整改前日负功率值个数集合中的最大负功率值个数确定为整改前最大负功率值个数,将所述错接线台区的整改后日负功率值个数集合中的最大负功率值个数确定为整改后最大负功率值个数。
4.根据权利要求1所述的错接线台区识别方法,其特征在于,所述根据各所述错接线台区的整改前指标和整改后指标,确定指标错接线阈值,包括:
确定第一区间数量个不同的最小负线损率分区间,根据各所述错接线台区的整改前最小负线损率和整改后最小负线损率,确定各所述最小负线损率分区间的最小负线损率整改前台区占比,将所述最小负线损率整改前台区占比大于等于第一占比阈值的最小负线损率分区间的最大区间上限值确定为最小负线损率错接线阈值;
确定第二区间数量个不同的最大正线损率分区间,根据各所述错接线台区的整改前最大正线损率和整改后最大正线损率,确定各所述最大正线损率分区间的最大正线损率整改前台区占比,将所述最大正线损率整改前台区占比大于等于第二占比阈值的最大正线损率分区间的最小区间下限值确定为最大正线损率错接线阈值;
确定第三区间数量个不同的最小功率因数分区间,根据各所述错接线台区的整改前最小功率因数和整改后最小功率因数,确定各所述最小功率因数分区间的最小功率因数整改前台区占比,将所述最小功率因数整改前台区占比大于等于第三占比阈值的最小功率因数分区间的最大区间上限值确定为最小功率因数错接线阈值;
确定第四区间数量个不同的最大负功率值个数分区间,根据各所述错接线台区的整改前最大负功率值个数和整改后最大负功率值个数,确定各所述最大负功率值个数分区间的最大负功率值个数整改前台区占比,将所述最大负功率值个数整改前台区占比大于等于第四占比阈值的最大负功率值个数分区间的最小区间下限值确定为最大负功率值个数错接线阈值。
5.根据权利要求2所述的错接线台区识别方法,其特征在于,所述获取待识别台区的待识别数据,结合各所述指标条件组合对应的错接线概率,确定所述待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率,包括:
获取待识别数据,根据所述待识别数据确定待识别指标,所述待识别指标包括待识别最小负线损率、待识别最大正线损率、待识别最小功率因数和待识别最大负功率值个数;
确定各所述待识别指标均满足的指标条件组合为待识别指标条件组合,以及对应的错接线概率为待识别错接线概率。
6.根据权利要求5所述的错接线台区识别方法,其特征在于,所述根据所述待识别数据确定待识别指标,包括:
将所述待识别台区的待识别线损率集合中的非正最小线损率或零确定为待识别最小负线损率;
将所述待识别台区的待识别线损率集合中的非负最大线损率或零确定为待识别最大正线损率;
将所述待识别台区的待识别功率因数集合中的最小功率因数确定为待识别最小功率因数;
将所述待识别台区的待识别日负功率值个数集合中的最大负功率值个数确定为待识别最大负功率值个数。
7.一种错接线台区识别装置,其特征在于,包括:
错接线概率计算模块,用于获取预设数量个错接线台区的整改前数据和整改后数据,根据各所述整改前数据和各所述整改后数据,确定不同的指标条件组合对应的错接线概率;
待识别错接线概率确定模块,用于获取待识别台区的待识别数据,结合各所述指标条件组合对应的错接线概率,确定所述待识别数据满足的待识别指标条件组合以及对应的待识别错接线概率;
待检测错接线台区确定模块,用于若所述待识别错接线概率大于等于预设错接线概率阈值,则确定所述待识别台区为待检测错接线台区;
所述根据各所述整改前数据和各所述整改后数据,确定不同的指标条件组合对应的错接线概率,包括:
针对每个错接线台区,根据所述错接线台区的整改前数据和整改后数据,确定所述错接线台区的整改前指标和整改后指标,所述整改前指标包括整改前最小负线损率、整改前最大正线损率、整改前最小功率因数和整改前最大负功率值个数,所述整改后指标包括整改后最小负线损率、整改后最大正线损率、整改后最小功率因数和整改后最大负功率值个数;
根据各所述错接线台区的整改前指标和整改后指标,确定指标错接线阈值,所述指标错接线阈值包括最小负线损率错接线阈值、最大正线损率错接线阈值、最小功率因数错接线阈值和最大负功率值个数错接线阈值;
根据各所述指标错接线阈值,形成不同的指标条件组合,并确定各所述指标条件组合对应的错接线概率。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一所述的错接线台区识别方法。
9.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的错接线台区识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162033.2A CN113807739B (zh) | 2021-09-30 | 2021-09-30 | 一种错接线台区识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162033.2A CN113807739B (zh) | 2021-09-30 | 2021-09-30 | 一种错接线台区识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113807739A CN113807739A (zh) | 2021-12-17 |
CN113807739B true CN113807739B (zh) | 2024-01-23 |
Family
ID=78897273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111162033.2A Active CN113807739B (zh) | 2021-09-30 | 2021-09-30 | 一种错接线台区识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807739B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103913669A (zh) * | 2014-04-18 | 2014-07-09 | 广东美的暖通设备有限公司 | 接线错误检测方法、接线错误检测装置和暖通设备 |
CN107831350A (zh) * | 2017-09-14 | 2018-03-23 | 国家电网公司 | 基于电能表故障及典型错误接线判断线损异常的方法 |
CN110888101A (zh) * | 2019-12-05 | 2020-03-17 | 新奥数能科技有限公司 | 电能表异常诊断方法及装置 |
CN112288303A (zh) * | 2020-11-05 | 2021-01-29 | 国家电网有限公司 | 确定线损率的方式、装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6148266B2 (ja) * | 2015-02-16 | 2017-06-14 | ファナック株式会社 | 誤配線を検出する機能を備えたモータ制御装置 |
-
2021
- 2021-09-30 CN CN202111162033.2A patent/CN113807739B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103913669A (zh) * | 2014-04-18 | 2014-07-09 | 广东美的暖通设备有限公司 | 接线错误检测方法、接线错误检测装置和暖通设备 |
CN107831350A (zh) * | 2017-09-14 | 2018-03-23 | 国家电网公司 | 基于电能表故障及典型错误接线判断线损异常的方法 |
CN110888101A (zh) * | 2019-12-05 | 2020-03-17 | 新奥数能科技有限公司 | 电能表异常诊断方法及装置 |
CN112288303A (zh) * | 2020-11-05 | 2021-01-29 | 国家电网有限公司 | 确定线损率的方式、装置 |
Non-Patent Citations (1)
Title |
---|
基于数据时空相关性的智能台区识别技术;阿辽沙・叶;顾君;张小秋;;现代电子技术(04);错接线 * |
Also Published As
Publication number | Publication date |
---|---|
CN113807739A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651161A (zh) | 采集运维动态派工方法 | |
EP3968040A1 (en) | Abnormal electricity use recognition method and device, and computer readable storage medium | |
CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
CN115061013B (zh) | 基于停电事件大数据分析的低压常见故障研判方法及系统 | |
CN108171421A (zh) | 一种面向城市交通智能设备系统运维的路面运维处置效率和质量评估方法 | |
CN111147306B (zh) | 一种物联网设备的故障分析方法、装置以及物联网平台 | |
CN110909129B (zh) | 异常投诉事件的识别方法及装置 | |
CN112463807A (zh) | 一种数据处理方法、装置、服务器及存储介质 | |
CN110348717B (zh) | 基于栅格粒度的基站价值评分方法和装置 | |
CN114764535A (zh) | 用于仿真的电力数据处理方法、装置、设备及存储介质 | |
CN113807739B (zh) | 一种错接线台区识别方法、装置、设备及存储介质 | |
CN112184072B (zh) | 机房设备管理方法及装置 | |
CN113487051A (zh) | 一种配电网故障抢修维护数据处理方法、设备及计算机存储介质 | |
CN114707912B (zh) | 一种电网风险检测方法、装置和设备 | |
CN114095335A (zh) | 一种网络告警处理方法、装置和电子设备 | |
CN116091023A (zh) | 一种基于人工智能的考勤生成方法及系统 | |
CN105005939A (zh) | 基于点对点倍比法的电网跳跃运行数据甄别与修正方法 | |
CN113131469B (zh) | 一种静态负荷的分析方法及装置 | |
CN115103378A (zh) | 楼宇网络差点发掘方法及装置、优化方法、设备和介质 | |
CN104156802A (zh) | 市公司班组建设数据处理系统及数据处理方法 | |
CN112905956B (zh) | 一种基于电网运行特征分析的配网计量事件核对方法 | |
CN114662952A (zh) | 一种行为数据的评价方法、装置、设备及存储介质 | |
CN114742412A (zh) | 一种软件技术服务系统及方法 | |
CN114123190A (zh) | 确定电表所属目标台区的方法、装置、电子设备及存储介质 | |
CN113570388A (zh) | 一种远程反窃电检查方法、装置、计算机设备和存储介质 |
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 |