CN115085195A - 一种配电变压器年最高负载率预测方法及其相关装置 - Google Patents
一种配电变压器年最高负载率预测方法及其相关装置 Download PDFInfo
- Publication number
- CN115085195A CN115085195A CN202210889206.9A CN202210889206A CN115085195A CN 115085195 A CN115085195 A CN 115085195A CN 202210889206 A CN202210889206 A CN 202210889206A CN 115085195 A CN115085195 A CN 115085195A
- Authority
- CN
- China
- Prior art keywords
- load rate
- year
- maximum load
- prediction
- annual
- 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
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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种配电变压器年最高负载率预测方法及其相关装置,方法包括:将获取的待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列;对年最高负载率序列中的数据进行累加,生成累加年最高负载率序列;根据累加年最高负载率序列构建一阶常微分方程;采用累积法求解一阶常微分方程,生成预测函数,预测函数为最高负载率与年份之间的关系函数;通过预测函数预测下一年份的最高负载率,改善了现有技术存在的年最高负载率预测精度不高的技术问题。
Description
技术领域
本申请涉及负载率预测技术领域,尤其涉及一种配电变压器年最高负载率预测方法及其相关装置。
背景技术
负载率是配电变压器的一项重要运行指标,轻载或者重载都会导致线损的增加,而长期的重过载不但会影响配电变压器的寿命,而且会引发线路末端低电压的问题,使得用户的用电体验变差。要解决配电变压器重过载问题,首先是要发现重过载问题,发现问题的手段有两种,一种是归纳法,一种是演绎法。所谓归纳法,就是通过分析配变负荷终端的监测历史数据来判断配电变压器有无产生重过载,据此来拟定的解决方案是一种事后的补救措施,是一种粗放式的运维措施。所谓演绎法,就是根据配变负荷终端的监测历史数据来预测配电变压器在未来的一段时间是否会产生重过载,据此来拟定的解决方法是一种预防性的措施。随着企业管理方式、管理理念的进步和用户用电体验需求的转变,粗放式的运维所带来的矛盾已然凸显,亟待解决,因此开展配电变压器负载率的预测,从内、外因素上来讲都非常重要。
配电变压器负载率预测属于配网负荷预测的范畴,目前配网负荷预测属于中长期预测,主要用于配网规划,是基于当地经济发展态势、招商引资情况的负荷自然增长以及转变用户业扩报装需求开展,目的在于确定何时、何地需要增加多大容量的配电变压器,主要考虑增量的问题,对于存量的、网架结构已经确定的配电变压器重过载问题考虑不足,也就是说服务于配网规划的中长期负荷预测方法无法开展存量配电变压器年最高负载率预测。
抛开应用场景,从负荷预测的方法上来看,现阶段有很多成熟的方法,主要包括线性回归法、最小二乘法、神经网络法、随机森林法等,如果将这些方法用于配电变压器年最高负载率预测,会存在两个明显弊端:一方面,与配电变压器年最高负载率相关联的数据量少,而上述方法都需要大量的、连续的数据;另一方面,配电变压器年最高负载率属于中长期预测,上述预测方法主要服务于电力调度,在短期负荷预测特别是超短期负荷预测方面精度高,对于中长期预测,精度上无法满足需求。
发明内容
本申请提供了一种配电变压器年最高负载率预测方法及其相关装置,用于改善现有技术存在的年最高负载率预测精度不高的技术问题。
有鉴于此,本申请第一方面提供了一种配电变压器年最高负载率预测方法,包括:
将获取的待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列;
对所述年最高负载率序列中的数据进行累加,生成累加年最高负载率序列;
根据所述累加年最高负载率序列构建一阶常微分方程;
采用累积法求解所述一阶常微分方程,生成预测函数,所述预测函数为最高负载率与年份之间的关系函数;
通过所述预测函数预测下一年份的最高负载率。
可选的,所述一阶常微分方程为:
其中,为年最高负载率序列中的第t个年份的最高负载率,为中间参数,为累加年最高负载率序列中的第t个年份的最高负载率累加值,为累加年最高负载率序列中的第t-1个年份的最高负载率累加值,a为第一未知参数,u为第二未知参数。
可选的,所述采用累积法求解所述一阶常微分方程,生成预测函数,包括:
在所述一阶常微分方程的等号两边施加累计算子,得到两个变换后的一阶常微分方程,所述两个变换后的一阶常微分方程分别为:
联合所述两个变换后的一阶常微分方程求解所述第一未知参数和所述第二未知参数;
结合求解得到的第一未知参数的数值、求解得到的第二未知参数的数值和所述一阶常微分方程获取预测函数。
可选的,所述预测函数为:
本申请第二方面提供了一种配电变压器年最高负载率预测装置,包括:
排序单元,用于将获取的待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列;
累加单元,用于对所述年最高负载率序列中的数据进行累加,生成累加年最高负载率序列;
构建单元,用于根据所述累加年最高负载率序列构建一阶常微分方程;
求解单元,用于采用累积法求解所述一阶常微分方程,生成预测函数,所述预测函数为最高负载率与年份之间的关系函数;
预测单元,用于通过所述预测函数预测下一年份的最高负载率。
可选的,所述一阶常微分方程为:
其中,为年最高负载率序列中的第t个年份的最高负载率,为中间参数,为累加年最高负载率序列中的第t个年份的最高负载率累加值,为累加年最高负载率序列中的第t-1个年份的最高负载率累加值,a为第一未知参数,u为第二未知参数。
可选的,所述求解单元具体用于:
在所述一阶常微分方程的等号两边施加累计算子,得到两个变换后的一阶常微分方程,所述两个变换后的一阶常微分方程分别为:
联合所述两个变换后的一阶常微分方程求解所述第一未知参数和所述第二未知参数;
结合求解得到的第一未知参数的数值、求解得到的第二未知参数的数值和所述一阶常微分方程获取预测函数。
可选的,所述预测函数为:
本申请第三方面提供了一种配电变压器年最高负载率预测设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的配电变压器年最高负载率预测方法。
本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码被处理器执行时实现第一方面任一种所述的配电变压器年最高负载率预测方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供了一种配电变压器年最高负载率预测方法,包括:将获取的待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列;对年最高负载率序列中的数据进行累加,生成累加年最高负载率序列;根据累加年最高负载率序列构建一阶常微分方程;采用累积法求解一阶常微分方程,生成预测函数,预测函数为最高负载率与年份之间的关系函数;通过预测函数预测下一年份的最高负载率。
本申请中,对待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列,然后对其进行累加生成累加年最高负载率序列,以将年最高负载率在时间序列上的隐性指数发展规律或者类指数发展规律显性化,以便更准确的构建最高负载率与年份之间的关系,从而提高最高负载率的预测精度,改善了现有技术存在的预测精度不高的技术问题。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种配电变压器年最高负载率预测方法的一个流程示意图;
图2为本申请实施例提供的一种各年份序列标号与年最高负载率之间的关系图;
图3为本申请实施例提供的一种各年份序列标号与累加年最高负载率之间的关系图;
图4为本申请实施例提供的一种配电变压器年最高负载率预测装置的一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请实施例提供了一种配电变压器年最高负载率预测方法,包括:
步骤101、将获取的待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列。
获取待预测配电变压器从投运日至今的各年份的最高负载率,然后按照时间顺序进行升序排序,生成年最高负载率序列X 0,其中,,t=1,2,3,...,k,为待预测配电变压器投运至今的自然年的年份序列标号,投运第一个自然年的年份序列标号记为1,以此类推,k为待预测配电变压器从投运日至今的年份总数,也即当前自然年对应的年份序列标号。
步骤102、对年最高负载率序列中的数据进行累加,生成累加年最高负载率序列。
对年最高负载率序列中的数据进行累加,生成累加年最高负载率序列,,目的是用于将年最高负载率在时间序列上的隐性指数发展规律或者类指数发展规律显性化,生成的累加年最高负载率序列里的第t个元素是年最高负载率序列X 0前t个数相加之和,即:
步骤103、根据累加年最高负载率序列构建一阶常微分方程。
由于一阶常微分方程的通解形式就是指数函数,所以采用一阶常微分方程对累加年最高负载率序列进行拟合,来获取最高负载率与年份之间的关系函数,从而得到预测函数。
根据累加年最高负载率序列构造初始一阶常微分方程,初始一阶常微分方程为:
式中,a为第一未知参数,u为第二未知参数;
可以将初始一阶常微分方程进行转换,得到转换后的一阶常微分方程,即:
最终的一阶常微分方程为:
其中,为年最高负载率序列中的第t个年份的最高负载率,为中间参数,为累加年最高负载率序列中的第t个年份的最高负载率累加值,为累加年最高负载率序列中的第t-1个年份的最高负载率累加值,a为第一未知参数,u为第二未知参数。
步骤104、采用累积法求解一阶常微分方程,生成预测函数。
在一阶常微分方程的等号两边施加累计算子,得到两个变换后的一阶常微分方程,两个变换后的一阶常微分方程分别为:
对上式进行移项可得:
将求解得到的第一未知参数的数值a 0、求解得到的第二未知参数的数值u 0代入上式,得到预测函数,即最高负载率与年份之间的关系函数:
步骤105、通过预测函数预测下一年份的最高负载率。
将下一年份的年份标号代入预测函数中预测下一年份的最高负载率,得到下一年份的最高负载率预测值。
本申请实施例中,对待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列,然后对其进行累加生成累加年最高负载率序列,以将年最高负载率在时间序列上的隐性指数发展规律或者类指数发展规律显性化,以便更准确的构建最高负载率与年份之间的关系,从而提高最高负载率的预测精度,改善了现有技术存在的预测精度不高的技术问题。
以上为本申请提供的一种配电变压器年最高负载率预测方法的一个实施例,以下为本申请提供的一种配电变压器年最高负载率预测方法的一个具体应用例。
某S13系列的10kV配电变压器于2015年3月份投运,2015年度最高负载率为71.1%,2016年度最高负载率为72.4%,2017年度最高负载率为72.4%,2018年度最高负载率为72.1%,2019年度最高负载率为71.4%,2020年最高负载率为72%,2021年最高负载率为71.6%,按照时间顺序生成初始的年最高负载率序列X 0,然后对其进行累加生成累加年最高负载率序列X 1,将年最高负载率序列X 0和年最高负载率序列X 1用表格表示如下表1所示,所有数据均去掉百分号。
表1 数据序列
可以参考图2提供的各年份序列标号与最高负载率之间的关系图以及图3提供的各年份序列标号与累加后的最高负载率之间的关系图,对比图2和图3,可以看出,年份与原始数据序列X 0的关系并无规律可循,无法构造函数预测下年自然年的年最高负载率,但年份与累加后的数据序列X 1的关系近似线性关系,线性关系是指数函数关系的特殊形式,也就是说,通过累加将原始数据序列X 0隐含的指数函数关系显性化了,这时候就可以通过构造一阶常微分方程,然后求解得到预测函数,从而开展预测。
为了验证本申请所提出预测方法的准确性,采用本申请提出的方法,用2015-2020年度的数据预测2021年度的最高负载率,预测值为72.9%,预测误差为1.3%,在可接受范围内,充分证明了本申请提出的预测方法的准确性。
以上为本申请提供的一种配电变压器年最高负载率预测方法的一个实施例,以下为本申请提供的一种配电变压器年最高负载率预测装置的一个实施例。
请参考图4,本申请实施例提供的一种配电变压器年最高负载率预测装置,包括:
排序单元401,用于将获取的待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列;
累加单元402,用于对年最高负载率序列中的数据进行累加,生成累加年最高负载率序列;
构建单元403,用于根据累加年最高负载率序列构建一阶常微分方程;
求解单元404,用于采用累积法求解一阶常微分方程,生成预测函数,预测函数为最高负载率与年份之间的关系函数;
预测单元405,用于通过预测函数预测下一年份的最高负载率。
其中,一阶常微分方程为:
其中,为年最高负载率序列中的第t个年份的最高负载率,为中间参数,为累加年最高负载率序列中的第t个年份的最高负载率累加值,为累加年最高负载率序列中的第t-1个年份的最高负载率累加值,a为第一未知参数,u为第二未知参数。
作为进一步地改进,求解单元404具体用于:
在一阶常微分方程的等号两边施加累计算子,得到两个变换后的一阶常微分方程,两个变换后的一阶常微分方程分别为:
联合两个变换后的一阶常微分方程求解第一未知参数和第二未知参数;
结合求解得到的第一未知参数的数值、求解得到的第二未知参数的数值和一阶常微分方程获取预测函数。
其中,预测函数为:
本申请实施例中,对待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列,然后对其进行累加生成累加年最高负载率序列,以将年最高负载率在时间序列上的隐性指数发展规律或者类指数发展规律显性化,以便更准确的构建最高负载率与年份之间的关系,从而提高最高负载率的预测精度,改善了现有技术存在的预测精度不高的技术问题。
本申请实施例还提供了一种配电变压器年最高负载率预测设备,设备包括处理器以及存储器;
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行前述方法实施例中的配电变压器年最高负载率预测方法。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码被处理器执行时实现前述方法实施例中的配电变压器年最高负载率预测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种配电变压器年最高负载率预测方法,其特征在于,包括:
将获取的待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列;
对所述年最高负载率序列中的数据进行累加,生成累加年最高负载率序列;
根据所述累加年最高负载率序列构建一阶常微分方程;
采用累积法求解所述一阶常微分方程,生成预测函数,所述预测函数为最高负载率与年份之间的关系函数;
通过所述预测函数预测下一年份的最高负载率。
5.一种配电变压器年最高负载率预测装置,其特征在于,包括:
排序单元,用于将获取的待预测配电变压器从投运日至今的各年份的最高负载率按时间升序排序,生成年最高负载率序列;
累加单元,用于对所述年最高负载率序列中的数据进行累加,生成累加年最高负载率序列;
构建单元,用于根据所述累加年最高负载率序列构建一阶常微分方程;
求解单元,用于采用累积法求解所述一阶常微分方程,生成预测函数,所述预测函数为最高负载率与年份之间的关系函数;
预测单元,用于通过所述预测函数预测下一年份的最高负载率。
9.一种配电变压器年最高负载率预测设备,其特征在于,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的配电变压器年最高负载率预测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码被处理器执行时实现权利要求1-4任一项所述的配电变压器年最高负载率预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210889206.9A CN115085195B (zh) | 2022-07-27 | 2022-07-27 | 一种配电变压器年最高负载率预测方法及其相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210889206.9A CN115085195B (zh) | 2022-07-27 | 2022-07-27 | 一种配电变压器年最高负载率预测方法及其相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115085195A true CN115085195A (zh) | 2022-09-20 |
CN115085195B CN115085195B (zh) | 2023-01-10 |
Family
ID=83242326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210889206.9A Active CN115085195B (zh) | 2022-07-27 | 2022-07-27 | 一种配电变压器年最高负载率预测方法及其相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115085195B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001282362A1 (en) * | 2000-09-02 | 2002-06-06 | Extec Screens And Crushers Limited | Self-propelled screening apparatus |
CN105826921A (zh) * | 2016-05-26 | 2016-08-03 | 广东电网有限责任公司佛山供电局 | 一种基于变压器运行数据的配电网负荷预测方法及系统 |
US20170011297A1 (en) * | 2015-01-06 | 2017-01-12 | Ming Li | Power distribution transformer load prediction analysis system |
CN108805310A (zh) * | 2017-04-26 | 2018-11-13 | 苏文电能科技有限公司 | 一种变压器运行的智能在线分析系统 |
CN113947251A (zh) * | 2021-10-22 | 2022-01-18 | 广东电网有限责任公司广州供电局 | 一种变压器的日最大负载率预测方法、装置、设备和介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0021584D0 (en) * | 2000-09-02 | 2000-10-18 | Rose Holdings Ltd | Self-propelled screening apparatus |
-
2022
- 2022-07-27 CN CN202210889206.9A patent/CN115085195B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001282362A1 (en) * | 2000-09-02 | 2002-06-06 | Extec Screens And Crushers Limited | Self-propelled screening apparatus |
US20170011297A1 (en) * | 2015-01-06 | 2017-01-12 | Ming Li | Power distribution transformer load prediction analysis system |
CN105826921A (zh) * | 2016-05-26 | 2016-08-03 | 广东电网有限责任公司佛山供电局 | 一种基于变压器运行数据的配电网负荷预测方法及系统 |
CN108805310A (zh) * | 2017-04-26 | 2018-11-13 | 苏文电能科技有限公司 | 一种变压器运行的智能在线分析系统 |
CN113947251A (zh) * | 2021-10-22 | 2022-01-18 | 广东电网有限责任公司广州供电局 | 一种变压器的日最大负载率预测方法、装置、设备和介质 |
Non-Patent Citations (2)
Title |
---|
JIAN WANG: "New Design and Implementation of Power Distribution Network Management System", 《2020 15TH IEEE CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS (ICIEA)》 * |
王倩: "基于中长期负荷预测的调容变压器经济型分析", 《能源与化学》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115085195B (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165763B (zh) | 一种电网客服工单的潜在被投诉的评估方法及装置 | |
CN107194502B (zh) | 一种居民用户电力负荷预测方法 | |
CN109165809B (zh) | 一种新电改环境下电网规划项目投资排序评估方法 | |
CN113283096B (zh) | 配网线路台账数据获取及异常数据分析的方法和相关装置 | |
CN110838076B (zh) | 一种月度跨省区可再生能源消纳方法及终端设备 | |
Villarinho et al. | A simheuristic algorithm for the stochastic permutation flow‐shop problem with delivery dates and cumulative payoffs | |
CN106530139A (zh) | 电网投资分析模型指标参数计算方法 | |
CN105678414A (zh) | 对资源消耗量进行预测的数据处理方法 | |
CN109345109A (zh) | 一种基于分类预测模型的员工评估方法及终端设备 | |
de Oliveira Ventura et al. | A new way for comparing solutions to non-technical electricity losses in South America | |
CN109272140A (zh) | 一种基于大数据分析的变电设备运行期成本预测方法 | |
CN112016965A (zh) | 设备供应商的评价方法及装置 | |
CN115085195B (zh) | 一种配电变压器年最高负载率预测方法及其相关装置 | |
CN116912034A (zh) | 一种配电网工程造价数据拆分方法及辅助计算系统 | |
CN113112136A (zh) | 一种配电网可靠性综合评估方法及系统 | |
Wang | Risk-based security-constrained optimal power flow: Mathematical fundamentals, computational strategies, validation, and use within electricity markets | |
CN113361746B (zh) | 一种配电网物资品类优化方法 | |
Yang et al. | Myopic analysis for multi‐echelon inventory systems with batch ordering and nonstationary/time‐correlated demands | |
CN109255470A (zh) | 一种基于大数据分析的变电设备非项目类成本预测方法 | |
CN106651055A (zh) | 一种短期售电量预测方法及系统 | |
Triebs et al. | The Direct Costs and Benefits of US Electric Utility Divestitures | |
Cullmann et al. | No differences in efficiency between public and private utilities | |
CN114564474B (zh) | 一种光伏台账数据自动校验方法及相关装置 | |
CN116070781B (zh) | 电能计量设备需求预测方法、装置和计算机设备 | |
CN113780630B (zh) | 一种基于用电客户历史用电数据实现表码预测的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |