CN114696328A - 电力线损分析方法、系统及存储介质 - Google Patents
电力线损分析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114696328A CN114696328A CN202210475258.1A CN202210475258A CN114696328A CN 114696328 A CN114696328 A CN 114696328A CN 202210475258 A CN202210475258 A CN 202210475258A CN 114696328 A CN114696328 A CN 114696328A
- Authority
- CN
- China
- Prior art keywords
- data
- outgoing line
- power
- cabinet
- line cabinet
- 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
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/00125—Transmission line or load transient problems, e.g. overvoltage, resonance or self-excitation of inductive loads
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
- H02H3/42—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to product of voltage and current
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能电网技术领域，具体涉及一种电力线损分析方法、系统及存储介质，系统包括数据获取模块用于获取当前周期内各用电节点的用电数据，用电数据包括电量数据；线损计算模块用于根据各用电节点的电量数据，计算该出线柜出线到对应各表箱的第一线损率；判断模块用于根据计算出的第一线损率，判断第一线损率是否大于预设第一阈值，若是，则判断该出线柜到各表箱用电异常，若否，则用电正常；限制模块用于当判断出该出线柜到表箱用电异常时，则在下一个周期内，当出线柜对应的电量数据达到供电阈值时，停止出线柜对各表箱的供电。本方案能够自动发现线损异常的情况并及时的处理，减少损失进一步的扩大。
Description
技术领域
本发明涉及智能电网技术领域，具体涉及一种电力线损分析方法、系统及存储介质。
背景技术
线损是供电企业重要经济技术指标，这项指标牵动电网的发、供、变、用等多个环节，是电力网的规划设计、生产运营管理水平的反映，也与企业的经济效益挂钩，在配网自动化飞速发展的情况下，配网线损分析计算和监测已成为电力企业迫切改善的环节。
现有的技术中在面对线损的情况，更多的只能进行线损的判断，但并不能很好的对不合理的线损进行判断，同时在发现不合理的线损之后，更多的是通知对应的操作人员进行实地的勘查，来判定出现线损的原因，从而避免不合理的线损问题的出现，但是这种方式对应的处理比较复杂，不能很好的不合理线损进行处理，这就会导致线损问题的严重化，对应的损失也会更加的大。
发明内容
本发明意在提供电力线损分析方法、系统及存储介质，能够自动发现线损异常的情况并及时的处理，减少损失进一步的扩大。
为达到上述目的，本发明采用如下技术方案：一种电力线损分析系统，包括：
数据获取模块，用于获取当前周期内各用电节点的用电数据，所述用电节点包括配电变压器、出线柜、分支箱、用户表箱；所述用电数据包括电量数据；
线损计算模块，用于根据各用电节点的电量数据，计算该出线柜出线到对应各表箱的第一线损率；
判断模块，用于根据计算出的第一线损率，判断第一线损率是否大于预设第一阈值，若是，则判断该出线柜到各表箱用电异常，若否，则用电正常；
限制模块，用于当判断出该出线柜到表箱用电异常时，则在下一个周期内，当出线柜对应的电量数据达到供电阈值时，停止出线柜对各表箱的供电。
本方案的原理及优点是：通过数据获取模块获取各用电节点的用电数据，用电节点包括配电变压器、出线柜、分支箱、用户表箱，用电数据包括电量数据；然后根据获取到的电量数据，对出线柜出线到对应的各表箱的第一线损率进行计算，之后通过判断模块来对第一线损率是否大于预设第一阈值进行判断，以此来判定该出线柜到各表箱之间的用电是否异常，在用电异常的时候，就会在下一个周期对出线柜的电量数据进行判断，在其达到供电阈值时，会停止出线柜对各表箱的供电。在对应的用电异常时，即该出线柜到对应的各电箱之间的线损不正常，这样的话，在下一个周期时，就会对该周期内的电量数据进行预测，形成一个供电阈值，只要该出线柜的电量数据达到供电阈值，就会停止该出线柜对其连接的各表箱进行供电，也就进一步避免了线损造成的供电浪费，能够自动发现线损异常的情况并及时的处理，减少损失进一步的扩大。
优选的，作为一种改进，还包括历史数据存储模块，用于存储各用电节点的之前周期下的用电数据；
阈值预测模块，用于根据各用电节点的之前周期下的用电数据，匹配出该出线柜所对应的历史电量数据，生成该出线柜上一个周期内的电量数据总量，然后根据该出线柜上一个周期内的电量数据总量，预测出该出线柜下一个周期的供电阈值。
根据对应的历史用电数据，来预测下一个周期的出线柜的供电阈值，可以使得对应的供电阈值更加的合理，更加的符合用户的用电情况，给予客户的客户体验感更好。
优选的，作为一种改进，所述数据获取模块包括用电数据获取模块、数量统计模块；
所述用电数据获取模块，用于根据当前周期内的各用电节点的用电数据，获取该出线柜的电量数据以及与该出线柜连接的各表箱的总电量数据；
数量统计模块，用于对该出线柜下的各表箱的数量进行统计，生成对应的表箱数量数据。
优选的，作为一种改进，还包括比较模块，用于在判断出该出线柜到表箱异常时，将该出线柜的供电阈值同与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量进行比较判断，判断两者之间的差值是否大于预设第二阈值，若是，则判断出该供电阈值不准确，需重新预测该供电阈值，反之则判断该供电阈值准确；
所述阈值预测模块，还用于在判断出该供电阈值不准确时，根据该出线柜的上一周期内的电量数据总量和与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量，重新预测出该出线柜下一个周期的供电阈值。
在对出线柜的供电阈值进行预测时，是根据上一个周期的该出线柜的电量数据总量来进行预测的，可能出现的情况是该电量数据总量可能也会有与本周期相同的线损率，即历史用电数据中有可能一个周期内的电量数据总量还把线损加上了，这样之后的预测出来的供电阈值可能就不是很准确了，而通过比较模块的设置可以对预测出来的供电阈值进行判断，使得最后得到的供电阈值是正确的，这样对之后的用电限制的依据会更加的牢固和准确。
本发明还提供一种电力线损分析方法，包括以下步骤：
数据获取步骤，获取当前周期内各用电节点的用电数据，所述用电节点包括配电变压器、出线柜、分支箱、用户表箱；所述用电数据包括电量数据；
线损计算步骤，根据各用电节点的电量数据，计算该出线柜出线到对应各表箱的第一线损率；
判断步骤，根据计算出的第一线损率，判断第一线损率是否大于预设第一阈值，若是，则判断该出线柜到各表箱用电异常，若否，则用电正常；
限制步骤，当判断出该出线柜到表箱用电异常时，则在下一个周期内，当出线柜对应的电量数据达到供电阈值时，停止出线柜对各表箱的供电。
本方案的原理和效果：
一般在整个供电线路上，比较容易出现线损的主要集中在出线柜到各表箱之间，人为的随意乱搭电线，导致电量被损耗，为了能够更好的避免出线柜到各表箱之间出现线损过大，本方案对出线柜出线到各表箱的线损率进行计算，通过线损率来判定对应的出线柜供电是否出现异常，在发现异常后，对下一个周期的出线柜的供电进行供电阈值的设定，在到达供电阈值之后，停止对应的出线柜对各表箱的供电。
通过对线损率的计算和比较，可以很直观的判断出对应的出线柜到各表箱之间是否出现人为造成线损过大的问题，而通过在下一周期内对应出线柜的电量数据达到供电阈值，就停止出线柜对各表箱的供电，停止供电后能够及时的避免在下一个周期还出现电量被无端损耗，导致线损过大的问题出现，毕竟在出线柜到各表箱之间如果出现用户随意搭设电线导致线损过大时，如果要在各表箱上制止这种行为，只能通过通知工作人员进行实地的考察和制止，这样对应的效率和成本就比较高，而本申请是在出线柜这一端对各表箱的供电进行控制，在其达到供电阈值时，及时停止供电，这样可以在很大程度上劝退这些人为造成线损过大的行为，毕竟，人们都知道如果造成线损过大的话，就会停电，这样在他们之后正常生活需要电时就会很不方便，同时这种做法也能使得同一出线柜供电的各用户相互监督，从而进一步减低出现人为造成线损过大的问题出现的概率，能够自动发现线损异常的情况并及时的处理，减少损失进一步的扩大。
优选的，作为一种改进，还包括：
历史数据存储步骤，存储各用电节点的之前周期下的用电数据；
阈值预测步骤，根据各用电节点的之前周期下的用电数据，匹配出该出线柜所对应的历史电量数据，生成该出线柜上一个周期内的电量数据总量，然后根据该出线柜上一个周期内的电量数据总量，预测出该出线柜下一个周期的供电阈值。
对出线柜下一个周期的供电阈值的预测可以使得下一个周期内对应的线损会减低。
优选的，作为一种改进，所述数据获取步骤包括：
用电数据获取步骤，根据当前周期内的各用电节点的用电数据，获取该出线柜的电量数据以及与该出线柜连接的各表箱的总电量数据；
数量统计步骤，对该出线柜下的各表箱的数量进行统计，生成对应的表箱数量数据。
优选的，作为一种改进，还包括：
比较步骤，在判断出该出线柜到表箱异常时，将该出线柜的供电阈值同与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量进行比较判断，判断两者之间的差值是否大于预设第二阈值，若是，则判断出该供电阈值不准确，需重新预测该供电阈值，反之则判断该供电阈值准确；
所述阈值预测步骤，在判断出该供电阈值不准确时，根据该出线柜的上一周期内的电量数据总量和与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量，重新预测出该出线柜下一个周期的供电阈值。
在对出线柜的供电阈值进行预测时，是根据上一个周期的该出线柜的电量数据总量来进行预测的，可能出现的情况是该电量数据总量可能也会有与本周期相同的线损率，即历史用电数据中有可能一个周期内的电量数据总量还把线损加上了，这样之后的预测出来的供电阈值可能就不是很准确了，而通过比较模块的设置可以对预测出来的供电阈值进行判断，使得最后得到的供电阈值是正确的，这样对之后的用电限制的依据会更加的牢固和准确。
电力线损分析存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述中任一项所述的电力线损分析方法的步骤。
附图说明
图1为本发明实施例一中电力线损分析系统的逻辑框图。
图2为本发明实施例一中电力线损分析方法的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例基本如附图1所示：一种电力线损分析系统包括：
数据获取模块，用于获取当前周期内各用电节点的用电数据，所述用电节点包括配电变压器、出线柜、分支箱、用户表箱；所述用电数据包括电量数据。
所述数据获取模块包括用电数据获取模块、数量统计模块；
所述用电数据获取模块，用于根据当前周期内的各用电节点的用电数据，获取该出线柜的电量数据以及与该出线柜连接的各表箱的总电量数据；
数量统计模块，用于对该出线柜下的各表箱的数量进行统计，生成对应的表箱数量数据。
线损计算模块，用于根据各用电节点的电量数据，计算该出线柜出线到对应各表箱的第一线损率。在本实施例中对应的第一线损率的计算公式为：
判断模块，用于根据计算出的第一线损率，判断第一线损率是否大于预设第一阈值，若是，则判断该出线柜到各表箱用电异常，若否，则用电正常。
限制模块，用于当判断出该出线柜到表箱用电异常时，则在下一个周期内，当出线柜对应的电量数据达到供电阈值时，停止出线柜对各表箱的供电。
历史数据存储模块，用于存储各用电节点的之前周期下的用电数据。
阈值预测模块，用于根据各用电节点的之前周期下的用电数据，匹配出该出线柜所对应的历史电量数据，生成该出线柜上一个周期内的电量数据总量，然后根据该出线柜上一个周期内的电量数据总量，预测出该出线柜下一个周期的供电阈值。还用于在判断出该供电阈值不准确时，根据该出线柜的上一周期内的电量数据总量和与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量，重新预测出该出线柜下一个周期的供电阈值。
在本实施例中，阈值预测模块对供电阈值进行预测主要是通过人工智能的方式，具体的，主要是通过对BP神经网络进行建立，用于根据对应的电量数据总量，预测对下一周期的供电阈值，具体的，首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，本实施例中，为了使得整个预测更加的准确，在进行预测时还会结合下一周期所处的时间环境，比如，在对于上一周期来说，与下一周期相比，下一周期所处的时间环境可能与上一周期不同，对应的用电量会更多，例如，下一周期刚好处于7月份，这样相比于上一周期的5月份，对应的用电量会明显更多一些，所以，本实施例中以该出线柜上一个周期内的电量数据总量、下一周期所处的时间环境、以及与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量作为输入层，因此输入层有3个节点，而输出是对该出线柜下一个周期的供电阈值，因此输出层有1个节点。；针对隐层，本实施例使用了以下公式来确定隐层节点的数量：
其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数，本实施例中取为4，因此隐层共有6个节点。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。本实施例选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP网络模型构建完毕后，利用历史数据中的用电数据作为样本对模型进行训练，通过用电数据训练完成后得到的预测模型可以取得较为准确的预测结果。
比较模块，用于在判断出该出线柜到表箱异常时，将该出线柜的供电阈值同与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量进行比较判断，判断两者之间的差值是否大于预设第二阈值，若是，则判断出该供电阈值不准确，需重新预测该供电阈值，反之则判断该供电阈值准确。
在本实施例中，并没有从一开始就对用户的用电量进行限制，本着信任客户的原则，随便其使用，只要其线损率没有超出预设第一阈值，并将一旦线损率过大，极有可能是人为的进行电线的搭设，造成了对应的线损增大。只有在线损率大于预设第一阈值的时候，这是就会判断对应的出线柜到表箱是异常的，这时说明在这个用电周期用户的用电是不正常的，为了避免下一个用电周期出现相同的情况，会在第一时间利用历史用电数据中该出线柜的上一周期内的电量数据总量，来对下一个周期内的供电阈值进行预测，为了保证供电阈值的准确性，会同与该出线柜所对应的额表箱数量数据相同的其他出线柜的一个周期内的电量数据总量进行比较，只有其供电阈值与该电量数据总量的差值不大于预设第二阈值的情况时，才会认为这个供电阈值的预测是准确的可行的，之后就会在该出线柜的下一个周期对各表箱进行供电时，只要对应的电量数据总量超过供电阈值，就会马上停止出线柜对其表箱的供电，即进行停电处理，这样就尽可能的避免电量被损耗，导致国有资源的流失。反之，就会对供电阈值进行再次预测，此次预测时对应的输入为该出线柜的上一周期内的电量数据总量和与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量。
如图2所示，本实施例中还提供一种电力线损分析方法，包括以下步骤：
数据获取步骤，获取当前周期内各用电节点的用电数据，所述用电节点包括配电变压器、出线柜、分支箱、用户表箱；所述用电数据包括电量数据；
所述数据获取步骤包括：
用电数据获取步骤，根据当前周期内的各用电节点的用电数据，获取该出线柜的电量数据以及与该出线柜连接的各表箱的总电量数据；
数量统计步骤，对该出线柜下的各表箱的数量进行统计，生成对应的表箱数量数据。
线损计算步骤，根据各用电节点的电量数据，计算该出线柜出线到对应各表箱的第一线损率；
判断步骤，根据计算出的第一线损率，判断第一线损率是否大于预设第一阈值，若是，则判断该出线柜到各表箱用电异常，若否，则用电正常；
限制步骤，当判断出该出线柜到表箱用电异常时，则在下一个周期内，当出线柜对应的电量数据达到供电阈值时，停止出线柜对各表箱的供电。
历史数据存储步骤，存储各用电节点的之前周期下的用电数据；
阈值预测步骤，根据各用电节点的之前周期下的用电数据，匹配出该出线柜所对应的历史电量数据，生成该出线柜上一个周期内的电量数据总量，然后根据该出线柜上一个周期内的电量数据总量，预测出该出线柜下一个周期的供电阈值。
在判断出该供电阈值不准确时，根据该出线柜的上一周期内的电量数据总量和与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量，重新预测出该出线柜下一个周期的供电阈值。
比较步骤，在判断出该出线柜到表箱异常时，将该出线柜的供电阈值同与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量进行比较判断，判断两者之间的差值是否大于预设第二阈值，若是，则判断出该供电阈值不准确，需重新预测该供电阈值，反之则判断该供电阈值准确。
本实施例还提供一种电力线损分析存储介质，用于存储计算机可执行指令，其特征在于：所述计算机可执行指令在被执行时实现上述实施例中任一项所述的电力线损分析方法的步骤。
以上所述的仅是本发明的实施例，方案中公知的具体技术方案和/或特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明技术方案的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (9)
1.电力线损分析系统，其特征在于：包括：
数据获取模块，用于获取当前周期内各用电节点的用电数据，所述用电节点包括配电变压器、出线柜、分支箱、用户表箱；所述用电数据包括电量数据；
线损计算模块，用于根据各用电节点的电量数据，计算该出线柜出线到对应各表箱的第一线损率；
判断模块，用于根据计算出的第一线损率，判断第一线损率是否大于预设第一阈值，若是，则判断该出线柜到各表箱用电异常，若否，则用电正常；
限制模块，用于当判断出该出线柜到表箱用电异常时，则在下一个周期内，当出线柜对应的电量数据达到供电阈值时，停止出线柜对各表箱的供电。
2.根据权利要求1所述的电力线损分析系统，其特征在于：还包括历史数据存储模块，用于存储各用电节点的之前周期下的用电数据；
阈值预测模块，用于根据各用电节点的之前周期下的用电数据，匹配出该出线柜所对应的历史电量数据，生成该出线柜上一个周期内的电量数据总量，然后根据该出线柜上一个周期内的电量数据总量，预测出该出线柜下一个周期的供电阈值。
3.根据权利要求2所述的电力线损分析系统，其特征在于：所述数据获取模块包括用电数据获取模块、数量统计模块；
所述用电数据获取模块，用于根据当前周期内的各用电节点的用电数据，获取该出线柜的电量数据以及与该出线柜连接的各表箱的总电量数据；
数量统计模块，用于对该出线柜下的各表箱的数量进行统计，生成对应的表箱数量数据。
4.根据权利要求3所述的电力线损分析系统，其特征在于：还包括比较模块，用于在判断出该出线柜到表箱异常时，将该出线柜的供电阈值同与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量进行比较判断，判断两者之间的差值是否大于预设第二阈值，若是，则判断出该供电阈值不准确，需重新预测该供电阈值，反之则判断该供电阈值准确；
所述阈值预测模块，还用于在判断出该供电阈值不准确时，根据该出线柜的上一周期内的电量数据总量和与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量，重新预测出该出线柜下一个周期的供电阈值。
5.电力线损分析方法，其特征在于：包括以下步骤：
数据获取步骤，获取当前周期内各用电节点的用电数据，所述用电节点包括配电变压器、出线柜、分支箱、用户表箱；所述用电数据包括电量数据；
线损计算步骤，根据各用电节点的电量数据，计算该出线柜出线到对应各表箱的第一线损率；
判断步骤，根据计算出的第一线损率，判断第一线损率是否大于预设第一阈值，若是，则判断该出线柜到各表箱用电异常，若否，则用电正常；
限制步骤，当判断出该出线柜到表箱用电异常时，则在下一个周期内，当出线柜对应的电量数据达到供电阈值时，停止出线柜对各表箱的供电。
6.根据权利要求5所述的电力线损分析方法，其特征在于：还包括：
历史数据存储步骤，存储各用电节点的之前周期下的用电数据；
阈值预测步骤，根据各用电节点的之前周期下的用电数据，匹配出该出线柜所对应的历史电量数据，生成该出线柜上一个周期内的电量数据总量，然后根据该出线柜上一个周期内的电量数据总量，预测出该出线柜下一个周期的供电阈值。
7.根据权利要求6所述的电力线损分析方法，其特征在于：所述数据获取步骤包括：
用电数据获取步骤，根据当前周期内的各用电节点的用电数据，获取该出线柜的电量数据以及与该出线柜连接的各表箱的总电量数据；
数量统计步骤，对该出线柜下的各表箱的数量进行统计，生成对应的表箱数量数据。
8.根据权利要求7所述的电力线损分析方法，其特征在于：还包括：
比较步骤，在判断出该出线柜到表箱异常时，将该出线柜的供电阈值同与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量进行比较判断，判断两者之间的差值是否大于预设第二阈值，若是，则判断出该供电阈值不准确，需重新预测该供电阈值，反之则判断该供电阈值准确；
所述阈值预测步骤，在判断出该供电阈值不准确时，根据该出线柜的上一周期内的电量数据总量和与该出线柜所对应的表箱数量数据相同的其他出线柜的一个周期内的电量数据总量，重新预测出该出线柜下一个周期的供电阈值。
9.电力线损分析存储介质，用于存储计算机可执行指令，其特征在于：所述计算机可执行指令在被执行时实现上述权利要求5至8中任一项所述的电力线损分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210475258.1A CN114696328A (zh) | 2022-04-29 | 2022-04-29 | 电力线损分析方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210475258.1A CN114696328A (zh) | 2022-04-29 | 2022-04-29 | 电力线损分析方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114696328A true CN114696328A (zh) | 2022-07-01 |
Family
ID=82143953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210475258.1A Pending CN114696328A (zh) | 2022-04-29 | 2022-04-29 | 电力线损分析方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114696328A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114937992A (zh) * | 2022-07-21 | 2022-08-23 | 国网湖北省电力有限公司经济技术研究院 | 输变电节能方法及系统 |
-
2022
- 2022-04-29 CN CN202210475258.1A patent/CN114696328A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114937992A (zh) * | 2022-07-21 | 2022-08-23 | 国网湖北省电力有限公司经济技术研究院 | 输变电节能方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113487447A (zh) | 一种基于大数据的配电网负荷预测及线损成因分析方法 | |
| CN103745280A (zh) | 用电量预测方法、装置及处理器 | |
| Xue et al. | Adaptive ultra-short-term wind power prediction based on risk assessment | |
| Chen et al. | A BP neural network-based hierarchical investment risk evaluation method considering the uncertainty and coupling for the power grid | |
| CN117526344A (zh) | 一种配电网无功电压控制优化方法及系统 | |
| CN114696328A (zh) | 电力线损分析方法、系统及存储介质 | |
| CN115146977A (zh) | 一种基于物联网的企业能效数据管理方法及系统 | |
| CN117952598A (zh) | 一种基于故障率近似的能源系统安全性评估分析方法及装置 | |
| CN110826776B (zh) | 一种配网线变关系识别中基于动态规划的初始解优化方法 | |
| CN111864728B (zh) | 一种可重构配电网重要设备识别方法和系统 | |
| Salman et al. | Using recurrent neural network to forecast day and year ahead performance of load demand: A case study of France | |
| Daraghmi et al. | Accurate and time‐efficient negative binomial linear model for electric load forecasting in IoE | |
| CN114904655A (zh) | 一种单电场节能控制方法及装置 | |
| CN114091325A (zh) | 一种基于多模型分层学习的配电台区负荷预测方法及系统 | |
| Petrichenko et al. | Short-term forecasting of district heating demand | |
| CN113809789A (zh) | 功率控制方法、能量路由器、功率控制系统及存储介质 | |
| Talwariya et al. | Domestic energy consumption forecasting using machine learning | |
| CN113377835A (zh) | 基于长短期记忆深度学习网络的配网线路停电鉴别方法 | |
| CN118014318B (zh) | 一种基于多能系统的电力能源需求动态管理方法及装置 | |
| Lee et al. | Determinants of reserve margin volatility: A new approach toward managing energy supply and demand | |
| CN117220419B (zh) | 一种电力调度方法、系统及存储介质 | |
| CN118137572B (zh) | 一种基于电力负荷分配的清洁能源消纳能力提升方法 | |
| Lin et al. | Research on Operation Strategy of User-side Energy System Based on Data Driving | |
| CN117972401B (zh) | 电网全局拓扑的控制方法、装置、设备以及存储介质 | |
| CN117691583B (zh) | 一种用于虚拟电厂的电力调度系统及方法 |
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 |