CN115085274B - 新能源设备接入的自动识别方法、装置、电子设备及介质 - Google Patents
新能源设备接入的自动识别方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115085274B CN115085274B CN202210889252.9A CN202210889252A CN115085274B CN 115085274 B CN115085274 B CN 115085274B CN 202210889252 A CN202210889252 A CN 202210889252A CN 115085274 B CN115085274 B CN 115085274B
- Authority
- CN
- China
- Prior art keywords
- access
- new energy
- equipment
- data
- branch
- 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
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- 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
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/40—The network being an on-board power network, i.e. within a vehicle
- H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及配电自动化技术领域,具体涉及一种新能源设备接入的自动识别方法、装置、电子设备及介质,所述方法包括:获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取;基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型,所述特征数据包括电流特征数据、电压特征数据、功率特征数据和特征现象持续时间;将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备。采用本公开的技术方案,可以解决相关技术中因新能源设备私接或无序接入而导致的配电网的稳定性低,严重影响供电质量的技术问题。
Description
技术领域
本公开涉及配电自动化技术领域,具体涉及一种新能源设备接入的自动识别方法、装置、电子设备及介质。
背景技术
随着新能源政策的推广,分布式新能源接入是当前低压配电网发展的一大趋势。但伴随而来的是新能源私自接入现象越来越普遍,主要包括分布式光伏与电动汽车充电桩。分布式光伏与电动汽车充电桩的无序接入或私自接入会产生如下问题:(1)分布式光伏的发电功率受到光照、气候等自然条件影响,具有波动大、频繁投退等特性,会对配电网带来一定风险,影响配电网的稳定性与供电质量;(2)私接充电桩或者电动汽车充电桩的无序接入可能会产生电压突变、谐波畸变、三相不平衡等影响,进而严重影响供电质量。
在相关技术中,公开了一种基于低压配电网台区智慧物联网感知调控系统及方法,实现低压配电网各级低压开关状态监测以及分段线路、用户、分布式光伏以及充电桩进行周期性的电压、电流、功率、示值等电能量数据同步采集等,该系统能够实现分布式光伏监测以及充电桩有序充电等功能。 但是,该系统及方法只能对已知的分布式光伏和电动汽车充电桩等新能源设施进行状态监测与调控,而无法感知用户私接的新能源设备,也无法精确识别并定位新能源设备私接或无序接入的具体位置。上述系统只基于已知的新能源设备进行调控,而真实情况与已知情况不符时,依旧无法避免电压浮动、三相不平衡等问题。此外,在配电网台区的数据实时监测或持续监测、如何精确且快速识别新能源设备私接或无序接入的具体位置以及更及时进行有效管控等方面仍存在很大改进空间。
因此,有必要提出一种改进了的新能源设备接入的自动识别方法、自动定位方法,以在保证配电网的稳定性与供电质量的同时,能够实现精确且快速识别新能源设备私接或无序接入的具体位置以及进一步进行更及时且有效的管控处理。
发明内容
为了解决相关技术中因新能源设备私接或无序接入而导致的配电网的稳定性低,导致电压突变、谐波畸变、三相不平衡等不良影响,进而严重影响供电质量,无法精确且快速识别新能源设备私接或无序接入的具体位置等的问题,本公开实施例提供一种新能源设备接入的自动识别方法、装置、电子设备及介质。
第一方面,本公开实施例中提供了一种新能源设备接入的自动识别方法,包括:
获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取;基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型,所述特征数据包括电流特征数据、电压特征数据、功率特征数据和特征现象持续时间;将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备。
根据本公开的实施例,所述获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据包括:获取自当前时间向前推算一年的时间段的低压配电台区中设备整体的如下特征参数的一个或多个:三相电流、三相电压、三相线路功率、三相电压谐波畸变率、三相电流谐波畸变率、三相不平衡度、特征现象持续时间。
根据本公开的实施例,进一步包括:使用所提取的特征数据中一个或多个特征数据,根据历史数据的新能源设备接入情况进行样本类别标签标注,以建立训练数据集。
根据本公开的实施例,将所述训练数据集拆分成测试集和验证集,所述测试集和所述验证集的样本数量比为7:3;在模型训练完成后,使用所述验证集对所述设备接入识别模型进行验证。
根据本公开的实施例,还包括:使用LDA算法构建设备接入识别模型,并使用所述训练数据集训练所述设备接入识别模型。
根据本公开的实施例,将自当前时间向前推算指定时间的时间段的三相电流、三相电压和/或三相线路功率数据输入训练好的设备接入识别模型,以自动输出多维向量,或者自动输出当前时间是否接入新能源设备。
第二方面,本公开实施例中提供了一种新能源设备接入的自动定位方法,包括:采用如本公开的第一方面所述的方法识别是否接入新能源设备;在确定接入新能源设备时,使用拓扑关系结构图对所述新能源设备进行定位。
根据本公开的实施例,所述使用拓扑关系结构图对所述新能源设备进行定位包括:实时获取所述低压配电台区的拓扑关系结构图;使用所述拓扑关系结构图,进行广度优先遍历,逐层识别以定位。
根据本公开的实施例,所述使用所述拓扑关系结构图,进行广度优先遍历,逐层识别以定位包括:依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别;如果识别到当前分支节点有充电接入行为,则对所述当前分支节点下属的线路进行遍历识别,以确定接入新能源设备的分支节点;或者如果未识别到当前分支节点有充电接入行为,则对与所述当前分支节点相并联的其他分支节点进行运算识别,确定所述其他分支节点是否有充电接入行为,直至确定有充电接入行为的分支节点为止。
根据本公开的实施例,所述依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别包括:将同一层级的各分支节点所对应的线路的电气量监测数据依次输入所述设备接入识别模型,直到输出有充电接入行为的分支节点为止;对所输出的分支节点下属的线路上的下一级分支节点进行遍历识别,以最终确定有充电接入行为的分支节点的层级和分支级。
根据本公开的实施例,还包括:将所确定的新接入新能源设备以及所定位的分支节点的位置信息、接入时间进行上报告警。
第三方面,本公开实施例中提供了一种新能源设备接入的自动识别装置,包括:数据处理模块,用于获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取;模型构建模块,基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型,所述特征数据包括电流特征数据、电压特征数据、功率特征数据和特征现象持续时间;识别确定模块,用于将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备。
根据本公开的实施例,进一步包括:所述获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据包括:获取自当前时间向前推算指定时间的历史特定时间段的低压配电台区中设备整体的如下特征参数的一个或多个:三相电流、三相电压、三相线路功率、三相电压谐波畸变率、三相电流谐波畸变率、三相不平衡度、特征现象持续时间。
根据本公开的实施例,还包括:使用所提取的特征数据中一个或多个特征数据,根据历史数据的新能源设备接入情况进行样本类别标签标注,以建立训练数据集。
根据本公开的实施例,还包括:将所述训练数据集拆分成测试集和验证集,所述测试集和所述验证集的样本数量比为7:3;在模型训练完成后,使用所述验证集对所述设备接入识别模型进行验证。
根据本公开的实施例,还包括:使用LDA算法构建设备接入识别模型,并使用所述训练数据集训练所述设备接入识别模型。
根据本公开的实施例,还包括:将自当前时间向前推算指定时间段的三相电流、三相电压和/或三相线路功率数据输入训练好的设备接入识别模型,以自动输出多维向量,或者自动输出当前时间是否接入新能源设备。
第四方面,本公开实施例中提供了一种新能源设备接入的自动定位装置,包括:如本公开第一方面中任一项所述的新能源设备接入的自动识别装置;定位模块,用于在所述自动识别装置确定接入新能源设备时,使用所述拓扑关系结构图对所述新能源设备进行定位。
根据本公开的实施例,所述使用拓扑关系结构图对所述新能源设备进行定位包括:实时获取所述低压配电台区的拓扑关系结构图;使用所述拓扑关系结构图,进行广度优先遍历,逐层识别以定位。
根据本公开的实施例,所述使用所述拓扑关系结构图,进行广度优先遍历,逐层识别以定位包括:依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别;如果识别到当前分支节点有充电接入行为,则对所述当前分支节点下属的线路进行遍历识别,以确定接入新能源设备的分支节点;或者,如果未识别到当前分支节点有充电接入行为,则对与所述当前分支节点相并联的其他分支节点进行运算识别,确定所述其他分支节点是否有充电接入行为,直至确定有充电接入行为的分支节点为止。
根据本公开的实施例,所述依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别包括:将同一层级的各分支节点所对应的线路的电气量监测数据依次输入所述设备接入识别模型,直到输出有充电接入行为的分支节点为止;对所输出的分支节点下属的线路上的下一级分支节点进行遍历识别,以最终确定有充电接入行为的分支节点的层级和分支级。
根据本公开的实施例,还包括报警模块,所述报警模块用于将所确定的新接入新能源设备以及所定位的分支节点的位置信息、接入时间进行上报告警。
第五方面,本公开实施例提供了一种芯片,所述芯片包括如本公开的第三方面或第四方面中任一项所述的装置。
第六方面,本公开实施例提供了一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如本公开的第一方面或第二方面中任一项所述的方法。
第七方面,本公开实施例中提供了一种计算机可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现如本公开的第一方面或第二方面中任一项所述的方法。
根据本公开实施例提供的技术方案,本公开的第一方面通过获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取,能够精确提取用于模型训练的特征数据;基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型,能够提供模型精度;通过将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备,能够自动识别是否接入新能源设备,能够对分布式光伏与电动汽车充电桩等新能源设备的私自接入、无序接入或其他非正常接入进行自动识别,为配电台区的电能调配和安全隐患的主动治理提供支撑。
此外,本公开的第二方面通过使用具有多分支的分支开关的拓扑关系结构图,进行广度优先遍历,进行运算识别,由此逐层识别以精确定位新能源设备的私自接入、无序接入或其他非正常接入的私接线路。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中。
图1示出根据本公开实施例的新能源设备接入的自动识别方法的一示例的流程图。
图2示出根据本公开实施例的新能源设备接入的自动识别方法的一示例的流程图。
图3示出根据本公开实施例的新能源设备接入的自动定位方法的一示例的流程图。
图4示出根据本公开实施例的新能源设备接入的自动定位方法中拓扑关系结构图的一示例的示意图。
图5示出根据本公开的实施例的新能源设备接入的自动识别装置的一示例的结构框图。
图6示出根据本公开的实施例的新能源设备接入的自动定位装置的另一示例的结构框图。
图7示出根据本公开的实施例的新能源设备接入的自动定位装置的又一示例的结构框图。
图8示出根据本公开的实施例的电子设备的结构框图。
图9示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施例,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施例无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开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公开。
在本公开中,如涉及对用户信息或用户数据的获取操作或向他人展示用户信息或用户数据的操作,则所述操作均为经用户授权、确认,或由用户主动选择的操作。
为了解决相关技术中因新能源设备私接或无序接入而导致的配电网的稳定性低,导致电压突变、谐波畸变、三相不平衡等不良影响,进而严重影响供电质量,无法精确且快速识别新能源设备私接或无序接入的问题,本公开的第一方面提供一种新能源设备接入的自动识别方法,目的在于通过对配电网的电压、电流、功率等电气量数据的持续监测,基于所述电气量数据构建机器模型,即设备接入识别模型的训练数据集以进行模型训练,并使用训练好的机器模型,对分布式光伏与电动汽车充电桩等新能源设备的私自接入、无序接入或其他非正常接入进行自动识别。此外,针对上述新能源设备的私自接入、无序接入或其他非正常接入无法快速精准定位的问题,本公开的第二方面提供一种自动定位方法,该方法能够在上述自动识别方法识别新能源设备私接或无序接入的基础上,通过使用具有多分支的分支开关的拓扑关系结构图,进行广度优先遍历,进行运算识别,由此逐层识别以精确定位新能源设备的私自接入、无序接入或其他非正常接入的私接线路。
图1示出根据本公开的实施例的新能源设备接入的自动识别方法的一示例的流程图。如图1所示,所述自动识别方法包括以下步骤S101 - S103:
在步骤S101中,获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取。
在步骤S102中,基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型,所述特征数据包括电流特征数据、电压特征数据、功率特征数据和特征现象持续时间。
在步骤S103中,将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备。
需要说明的是,本公开的方法应用广泛,特别适用于分布式光伏与电动车充电桩等新能源设备或设施的私自接入或无序接入等的应用场景。下面将结合具体示例进行说明。
首先,在步骤S101中,获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取。
作为一具体实施方式,对该低压配电台区的配电网的电压、电流、功率等电气量数据进行持续监测,以台区智能融合终端采集的数据为基础,台区智能融合终端例如以约5分钟/次的采集频率进行数据采集,并从所采集的数据中实时获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据(在下文中,也简称为电气量数据)。
例如,实时获取自当前时间向前推算指定时间的历史特定时间段的低压配电台区中设备整体的如下特征参数的一个或多个:三相电流、三相电压、三相线路功率、三相电压谐波畸变率、三相电流谐波畸变率、三相不平衡度、特征现象持续时间。
对于历史时间段,可选地,例如获取自当前时间向前推算一年的历史时间段。
具体地,所述历史特定时间段包括自当前时间向前推算6个月、18个月、两年或者三年的历史时间段。即所述指定时间为6个月、18个月、两年或者三年。
可选地,还可以预先收集低压配电台区的历史电气量监测数据来建立数据库,通过对用户行为习惯进行统计调研,确定数据清洗规则,排除干扰数据。在数据库建立以后,对数据进行清洗,剥离不相关的数据项,并对缺项数据进行补全或丢弃处理。
进一步地,从所获取的电气量监测数据中提取例如电流特征数据、电压特征数据、功率特征数据和特征现象持续时间等的特征数据,以用于建立训练数据集。但是不限于此,在其他示例中,还可以提取更多其他特征,或者,仅提取上述特征数据中的两个或三个特征数据。
需要说明的是,上述仅作为示例进行说明,不能理解成对本公开的限制。
接下来,在步骤S102中,基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型,所述特征数据包括电流特征数据、电压特征数据、功率特征数据和特征现象持续时间。
可选地,使用所提取的特征数据中一个或多个特征数据,根据历史数据的新能源设备接入情况进行样本类别标签标注,以建立训练数据集。
作为一具体实施方式,例如使用功率特征数据,根据历史数据的新能源设备接入情况进行样本类别标签标注。具体地,使用三相功率的突变量是否为3.5千瓦、7千瓦、15千瓦、其他进行多分类的类别标签标注,对应标注为0、1、2、3的类别标签。在该实施方式中,包括与0、1、2、3的类别标签相对应的四种类别:3.5KW充电桩用电类别、7KW充电桩用电类别、15KW充电桩用电类别、正常用电类别。
需要说明的是,上述仅为可选示例进行说明,不能理解成对本公开的限制,在本实施方式中,只要样本的突变量在3.5千瓦、7千瓦、15千瓦或其他的指定值的上下10%浮动的范围内,该样本也仍对应与大于(或者小于等于)3.5千瓦、7千瓦、15千瓦或其他的类别标签。对于指定值的确定以及类别的数量,在其他实施方式中,指定值还可以进行更变,类别的数量也可以增加。此外,在其他实施方式中,还可以使用电流特征数据、电压特征数据、功率特征数据和特征现象持续时间中的两个或更多个特征数据进行样本类别标签标注。上述仅作为可选示例进行说明,不能理解成对本公开的限制。
由此,基于所提取的特征数据,完成了建立训练数据集。
优选地,将所建立的训练数据集拆分成测试集和验证集,所述测试集和所述验证集的样本数量比为7:3,所述测试集用于训练设备接入识别模型,所述验证集用于验证设备接入识别模型。
具体地,使用线性判别分析(LinearDiscriminantAnalysis,简称为LDA)算法,即LDA算法构建设备接入识别模型,并使用所述训练数据集训练所述设备接入识别模型。在模型训练过程中,使用特征数据的指标个数作为向量维度,将多维样本的特征数据映射到矢量空间(即得到模型输入特征与输出特征之间的对应关系),从而抽取分类信息并进行维数压缩,使样本达到最佳的可分离性。在样本降维后,使用处理后的样本对模型进行训练。对于样本降维处理,例如,训练数据集包含3.5KW充电桩用电、7KW充电桩用电、15KW充电桩用电、正常用电4种类别,具有电流、电压、功率、谐波畸变率等多种特征,每一种特征是一个维度。例如降维即是将多种维度降到2种。具体地,在降维过程中使用参数solver='svd',shrinkage=None, priors=None, n_components=2。
进一步地,在模型训练完成后,使用所述验证集对所述设备接入识别模型进行验证。基于模型验证结果,在模型识别失误率高的特征场景中,增加样本数量,对模型进行针对性训练。例如,假如模型对3.5KW充电桩识别成功率显著低于其他类型的充电桩,则增加3.5KW充电桩接入时的样本数据。过程为:在训练好的模型基础上对模型进行再次训练,再次训练时,将增加的样本数据与原始的训练数据集取并集,并再次训练模型。由此,能够提升识别效果,能够优化所述设备接入识别模型的训练过程。需要说明的是,上述仅作为可选示例进行说明,不能理解成对本公开的限制。
接下来,在步骤S103中,将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备。
需要说明的是,使用设备接入识别模型进行新能源设备的接入识别,主要是使用当前时间向前推算指定时间的历史特定时间段的电气量监测数据,来确定当前时间是否接入新能源设备。
可选地,将自当前时间向前推算指定时间的时间段的三相电流、三相电压和/或三相线路功率数据输入训练好的设备接入识别模型,以自动输出多维向量,或者自动输出当前时间是否接入新能源设备。
具体地,例如,将自当前时间向前推算一个月的时间段的(低压配电台区的配电网)三相电流、三相电压和/或三相线路功率数据输入训练好的设备接入识别模型。
进一步地,自动输出多维向量,例如输出(0,0,0,0),即当前时间低压配电台区的配电网处于正常状态,没有接入新能源设备。再例如,输出(0,0,0,3),即当前时间低压配电台区的配电网有新能源设备接入。
在另一实施方式中,所述设备接入识别模型自动输出当前时间是否接入新能源设备。
需要说明的是,上述仅作为示例进行说明,不能理解成对本公开的限制。
图2示出根据本公开实施例的新能源设备接入的自动识别方法的一示例的流程图。
如图2所示,在另一实施方式中,所述自动识别方法还包括在确定接入新能源设备时,对所述新能源设备进行定位的步骤S201。
在步骤S201中,在确定接入新能源设备时,对所述新能源设备进行定位,以精确定位接入新能源设备的具体位置,即定位私自接入或无序接入的新能源设备的具体位置,例如接入充电桩的位置,接入的充电桩所属的线路位置。
具体地,例如使用低压配电台区的配电网的拓扑关系结构图,对接入的新能源设备进行定位。
更具体地,实时获取低压配电台区的配电网的拓扑关系结构图,例如通过广度优先遍历,逐层识别以定位私自接入或无序接入的新能源设备的具体位置。 图3示出根据本公开实施例的新能源设备接入的自动定位方法的一示例的流程图。图4示出根据本公开实施例的新能源设备接入的自动定位方法中拓扑关系结构图的一示例的示意图。
参照图3和图4,将说明本公开的第二方面的新能源设备接入的自动定位方法。
如图3所示,所述自动定位方法包括如下步骤:步骤S301,采用如图1所示自动识别方法识别是否接入新能源设备;步骤S302,在确定接入新能源设备时,使用拓扑关系结构图对所述新能源设备进行定位。
在步骤S301中,采用如图1所示自动识别方法识别是否接入新能源设备。
需要说明的是,由于采用如本公开的第一方面所述的自动识别方法识别是否接入新能源设备的具体过程,上述已经说明,所以省略了对相同部分的说明。
接着,在步骤S302中,在确定接入新能源设备时,使用拓扑关系结构图对所述新能源设备进行定位。
具体地,实时获取所述低压配电台区的拓扑关系结构图。
对于拓扑关系结构图,例如图4所示的拓扑关系结构图具有多分支的分支开关的拓扑关系。其中,该拓扑关系结构图包括总断路器对应的总开关、分支开关、次分支开关共三层层级(即三种分支级的开关),总开关为一个,总开关下属的分支开关为分支开关1和分支开关2两个,分支开关1下属的分支开关为次分支开关11、次分支开关12和次分支开关13,分支开关2下属的分支开关为次分支开关21和次分支开关22。
进一步地,使用所获取的所述拓扑关系结构图,进行广度优先遍历,逐层识别以定位。
优选地,依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别。
具体地,所述进行运算识别包括:将同一层级的各分支节点所对应的线路的电气量监测数据依次输入所述设备接入识别模型,直到输出有充电接入行为的分支节点为止。
进一步地,对所输出的分支节点下属的线路上的下一级分支节点进行遍历识别,以最终确定有充电接入行为的分支节点的层级和分支级。
如果识别到当前分支节点有充电接入行为,则对所述当前分支节点下属的线路进行遍历识别,以确定接入新能源设备的分支节点。
如果未识别到当前分支节点有充电接入行为,则对与所述当前分支节点相并联的其他分支节点进行运算识别,确定所述其他分支节点是否有充电接入行为,直至确定有充电接入行为的分支节点为止。
作为具体的实施方式,例如使用图4中的总断路器处的电气量监测数据(例如电流、电压、功率,在该示例中,为对当前时间向前推算一个月的电流、电压、功率),进行充电桩识别,如果未识别到充电桩接入行为,则无接入行为。基于无接入行为的识别结果,等待下次识别操作。而如果识别到充电桩接入行为,则拓扑关系结构图对总开关下属的分支节点的第一层级进行广度优先遍历。
在进行广度优先遍历时,依次对图4中第一层级的分支开关1、分支开关2~分支开关n的电气量监测数据进行运算识别。先对分支开关1处的电气量监测数据进行识别,如果识别到充电桩接入行为,则对分支开关1下属的线路进行遍历识别;如果未识别到充电桩接入行为,则对分支开关2处的电气量监测数据进行识别,以此类推,直至识别到充电桩接入行为为止。
例如,在分支开关1处识别到了充电桩接入行为,则对分支开关1下属的线路进行遍历识别,即对分支开关1下属的各次分支开关处的电气量监测数据。先对次分支开关1处的数据进行识别,如果识别到充电桩接入行为,则对分支开关1下属的线路进行遍历识别;如果未识别到充电桩接入行为,则对次分支开关2处的电气量监测数据进行识别,以此类推,直至识别到充电桩接入行为为止。
例如,在次分支开关1处识别到了充电桩接入行为,则对次分支开关1下属的各电表处的数据进行遍历识别。首先,对电表1进行识别,如果识别到充电桩接入行为,则确认充电桩接入位置,并进行信息上报。而如果未识别到充电桩接入行为,则对电表2处的数据进行识别,以此类推,直至识别到充电桩接入行为为止。由此,通过使用(具有多分支的分支开关的拓扑关系)拓扑关系结构图,进行广度优先遍历,进行运算识别,由此逐层识别以精确定位新能源设备的私自接入或无序接入(或者其他非正常接入)的私接线路
在另一实施方式中,所述自动定位方法还包括如下步骤:将所确定的新接入新能源设备以及所定位的分支节点的位置信息、接入时间进行上报告警。
具体地,将定位的分支节点的线路名称、分支级、该分支节点所属的层级,接入时间直接发送给监测平台(例如台区智能融合终端),例如在相关业务人员的客户端的监测平台的可视化界面上可直接显示警报信息。
通过将所确定的新接入的新能源设备以及所定位的分支节点的位置信息、接入时间进行上报告警,能够实现新能源设备私接入或无序接入的及时告警,并能更及时告知相关业务人员以进行应对处理。
图5示出根据本公开的实施例的新能源设备接入的自动识别装置的一示例的结构框图。其中,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
如图5所示,所述自动识别装置500包括数据处理模块510、模型构建模块520、识别确定模块530。
具体地,数据处理模块510用于获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取;模型构建模块520基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型;识别确定模块530用于将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备。
进一步包括:从所获取的电气量监测数据中,提取如下特征数据:三相电流、三相电压、三相线路功率和特征现象持续时间。
具体地,使用所提取的特征数据中一个或多个特征数据,根据历史数据的新能源设备接入情况进行样本类别标签标注,以建立训练数据集。
可选地,使用LDA算法构建设备接入识别模型,并使用所述训练数据集训练所述设备接入识别模型。
优选地,将所述训练数据集拆分成测试集和验证集,所述测试集和所述验证集的样本数量比为7:3。所述测试集用于训练设备接入识别模型,所述验证集用于对所述设备接入识别模型进行验证。
进一步地,在模型训练完成后,使用所述验证集对所述设备接入识别模型进行验证,并对模型进行再训练和在学习。由此,通过进行模型验证,再训练和再学习的过程,能够优化模型参数,并能够优化模型精度。
在确定当前时间是否接入新能源设备时,使用训练好的设备接入识别模型进行确定。
具体地,将自当前时间向前推算指定时间的时间段的三相电流、三相电压和/或三相线路功率数据输入训练好的设备接入识别模型,以自动输出多维向量,或者自动输出当前时间是否接入新能源设备。
如图6所示,本发明还提供了一种自动定位装置600,所述自动定位装置600包括定位模块610,所述定位模块610采用如本公开的第一方面所述的方法识别是否接入新能源设备。
此外,所述自动定位装置600还包括数据处理模块510、模型构建模块520、识别确定模块530。
需要说明的是,由于图6中数据处理模块510、模型构建模块520、识别确定模块530与图5中的数据处理模块510、模型构建模块520、识别确定模块530相同,因此省略了其的说明。
具体地,在确定接入新能源设备时,使用拓扑关系结构图对所述新能源设备进行定位。
进一步地,实时获取所述低压配电台区的拓扑关系结构图,使用所获取的拓扑关系结构图,进行广度优先遍历,逐层识别以定位。
更进一步地,依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别。
如果识别到当前分支节点有充电接入行为,则对所述当前分支节点下属的线路进行遍历识别,以确定接入新能源设备的分支节点。
如果未识别到当前分支节点有充电接入行为,则对与所述当前分支节点相并联的另一分支节点进行运算识别,确定所述另一分支节点是否有充电接入行为,直至确定有充电接入行为的分支节点为止。
具体地,将同一层级的各分支节点所对应的线路的电气量监测数据依次输入所述设备接入识别模型,直到输出有充电接入行为的分支节点为止。
进一步地,对所输出的分支节点下属的线路上的下一级分支节点进行遍历识别,以最终确定有充电接入行为的分支节点的层级和分支级。
在另一实施方式中,如图7所示,所述自动定位装置600还包括报警模块710,所述报警模块710用于将所确定的新接入新能源设备以及所定位的分支节点的位置信息、接入时间进行上报告警。
需要说明的是,由于图7中数据处理模块510、模型构建模块520、识别确定模块530与图6中的数据处理模块510、模型构建模块520、识别确定模块530相同,因此省略了其的说明。此外,在图7的示例中仅包括报警模块710,但是不限于此,在其他实施方式中,还可以包括定位模块。
具体地,将定位的分支节点的线路名称、分支级、该分支节点所属的层级,接入时间直接发送给监测平台(例如台区智能融合终端),例如在相关业务人员的客户端的监测平台的可视化界面上可直接显示警报信息。
由此,通过将所确定的新接入的新能源设备以及所定位的分支节点的位置信息、接入时间进行上报告警,能够实现新能源设备私接入或无序接入的及时告警,并能更及时告知相关业务人员以进行应对处理。
本公开还公开了一种电子设备,图8示出根据本公开的实施例的电子设备的结构框图。
如图8所示,所述电子设备包括存储器和处理器,其中,存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现根据本公开的第一方面所述的自动识别方法和第二方面所述的自动定位方法。
具体地,所述自动识别方法包括:获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取;基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型,所述特征数据包括电流特征数据、电压特征数据、功率特征数据和特征现象持续时间;将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备。
进一步地,所述自动定位方法包括采用上述自动识别方法识别是否接入新能源设备;在确定接入新能源设备时,使用拓扑关系结构图对所述新能源设备进行定位。
图9示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
如图9所示,计算机系统包括处理单元,其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行上述实施例中的各种方法。在RAM中,还存储有计算机系统操作所需的各种程序和数据。处理单元、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分;包括硬盘等的存储部分;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信过程。驱动器也根据需要连接至I/O接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储部分。其中,所述处理单元可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。
特别地,根据本公开的实施例,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行上述方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中电子设备或计算机系统中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开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,本公开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。例如上述特征与本公开中公开的(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 (23)
1.一种新能源设备接入的自动识别方法,其特征在于,包括:
获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取;
基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型,所述特征数据包括电流特征数据、电压特征数据、功率特征数据和特征现象持续时间;
使用LDA算法构建设备接入识别模型,并使用所述训练数据集训练所述设备接入识别模型;
将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备。
2.根据权利要求1所述的新能源设备接入的自动识别方法,其特征在于,所述获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据包括:
获取自当前时间向前推算指定时间的历史特定时间段的低压配电台区中设备整体的如下特征参数的一个或多个:三相电流、三相电压、三相线路功率、三相电压谐波畸变率、三相电流谐波畸变率、三相不平衡度、特征现象持续时间。
3.根据权利要求2所述的新能源设备接入的自动识别方法,其特征在于,进一步包括:
使用所提取的特征数据中一个或多个特征数据,根据历史数据的新能源设备接入情况进行样本类别标签标注,以建立训练数据集。
4.根据权利要求3所述的新能源设备接入的自动识别方法,其特征在于,
将所述训练数据集拆分成测试集和验证集,所述测试集和所述验证集的样本数量比为7:3;
在模型训练完成后,使用所述验证集对所述设备接入识别模型进行验证。
5.根据权利要求1所述的新能源设备接入的自动识别方法,其特征在于,
将自当前时间向前推算指定时间的时间段的三相电流、三相电压和/或三相线路功率数据输入训练好的设备接入识别模型,以自动输出多维向量,或者自动输出当前时间是否接入新能源设备。
6.一种新能源设备接入的自动定位方法,其特征在于,
采用如权利要求1-5中任一项所述的方法识别是否接入新能源设备;
在确定接入新能源设备时,使用拓扑关系结构图对所述新能源设备进行定位。
7.根据权利要求6所述的新能源设备接入的自动定位方法,其特征在于,所述使用拓扑关系结构图对所述新能源设备进行定位包括:
实时获取所述低压配电台区的拓扑关系结构图;
使用所述拓扑关系结构图,进行广度优先遍历,逐层识别以定位。
8.根据权利要求6或7所述的新能源设备接入的自动定位方法,其特征在于,所述使用所述拓扑关系结构图,进行广度优先遍历,逐层识别以定位包括:
依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别;
如果识别到当前分支节点有充电接入行为,则对所述当前分支节点下属的线路进行遍历识别,以确定接入新能源设备的分支节点;或者
如果未识别到当前分支节点有充电接入行为,则对与所述当前分支节点相并联的其他分支节点进行运算识别,确定所述其他分支节点是否有充电接入行为,直至确定有充电接入行为的分支节点为止。
9.根据权利要求8所述的新能源设备接入的自动定位方法,其特征在于,所述依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别包括:
将同一层级的各分支节点所对应的线路的电气量监测数据依次输入所述设备接入识别模型,直到输出有充电接入行为的分支节点为止;
对所输出的分支节点下属的线路上的下一级分支节点进行遍历识别,以最终确定有充电接入行为的分支节点的层级和分支级。
10.根据权利要求6所述的新能源设备接入的自动定位方法,其特征在于,还包括:
将所确定的新接入新能源设备以及所定位的分支节点的位置信息、接入时间进行上报告警。
11.一种新能源设备接入的自动识别装置,其特征在于,包括:
数据处理模块,用于获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据,并进行特征数据提取;
模型构建模块,基于所提取的特征数据,建立训练数据集,以用于训练设备接入识别模型,所述特征数据包括电流特征数据、电压特征数据、功率特征数据和特征现象持续时间;
所述模型构建模块,还用于使用LDA算法构建设备接入识别模型,并使用所述训练数据集训练所述设备接入识别模型;
识别确定模块,用于将指定时间段的电气量监测数据输入训练好的设备接入识别模型,以确定是否接入新能源设备。
12.根据权利要求11所述的新能源设备接入的自动识别装置,其特征在于,
所述获取历史特定时间段的低压配电台区中与新能源设备接入相关的电气量监测数据包括:
获取自当前时间向前推算指定时间的历史特定时间段的低压配电台区中设备整体的如下特征参数的一个或多个:三相电流、三相电压、三相线路功率、三相电压谐波畸变率、三相电流谐波畸变率、三相不平衡度、特征现象持续时间。
13.根据权利要求12所述的新能源设备接入的自动识别装置,其特征在于,
使用所提取的特征数据中一个或多个特征数据,根据历史数据的新能源设备接入情况进行样本类别标签标注,以建立训练数据集。
14.根据权利要求13所述的新能源设备接入的自动识别装置,其特征在于,
将所述训练数据集拆分成测试集和验证集,所述测试集和所述验证集的样本数量比为7:3;
在模型训练完成后,使用所述验证集对所述设备接入识别模型进行验证。
15.根据权利要求11所述的新能源设备接入的自动识别装置,其特征在于,
将自当前时间向前推算指定时间的时间段的三相电流、三相电压和/或三相线路功率数据输入训练好的设备接入识别模型,以自动输出多维向量,或者自动输出当前时间是否接入新能源设备。
16.一种新能源设备接入的自动定位装置,其特征在于,包括:
如权利要求11-15中任一项所述的新能源设备接入的自动识别装置;
定位模块,用于在所述自动识别装置确定接入新能源设备时,使用拓扑关系结构图对所述新能源设备进行定位。
17.根据权利要求16所述的新能源设备接入的自动定位装置,其特征在于,所述使用拓扑关系结构图对所述新能源设备进行定位包括:
实时获取所述低压配电台区的拓扑关系结构图;
使用所述拓扑关系结构图,进行广度优先遍历,逐层识别以定位。
18.根据权利要求16或17所述的新能源设备接入的自动定位装置,其特征在于,所述使用所述拓扑关系结构图,进行广度优先遍历,逐层识别以定位包括:
依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别;
如果识别到当前分支节点有充电接入行为,则对所述当前分支节点下属的线路进行遍历识别,以确定接入新能源设备的分支节点;或者
如果未识别到当前分支节点有充电接入行为,则对与所述当前分支节点相并联的其他分支节点进行运算识别,确定所述其他分支节点是否有充电接入行为,直至确定有充电接入行为的分支节点为止。
19.根据权利要求18所述的新能源设备接入的自动定位装置,其特征在于,所述依次对所述拓扑关系结构图中各层级的各分支开关节点进行运算识别包括:
将同一层级的各分支节点所对应的线路的电气量监测数据依次输入所述设备接入识别模型,直到输出有充电接入行为的分支节点为止;
对所输出的分支节点下属的线路上的下一级分支节点进行遍历识别,以最终确定有充电接入行为的分支节点的层级和分支级。
20.根据权利要求16所述的新能源设备接入的自动定位装置,其特征在于,
还包括报警模块,所述报警模块用于将所确定的新接入新能源设备以及所定位的分支节点的位置信息、接入时间进行上报告警。
21.一种芯片,其特征在于,
所述芯片包括如权利要求11至15中任一项所述的新能源设备接入的自动识别装置或权利要求16至20中任一项所述的新能源设备接入的自动定位装置。
22.一种电子设备,其特征在于,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现权利要求1至5中任一项所述的新能源设备接入的自动识别方法或权利要求6至10中任一项所述的新能源设备接入的自动定位方法。
23.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1至5中任一项所述的新能源设备接入的自动识别方法步骤和/或权利要求6至10中任一项所述的新能源设备接入的自动定位方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210889252.9A CN115085274B (zh) | 2022-07-27 | 2022-07-27 | 新能源设备接入的自动识别方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210889252.9A CN115085274B (zh) | 2022-07-27 | 2022-07-27 | 新能源设备接入的自动识别方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115085274A CN115085274A (zh) | 2022-09-20 |
CN115085274B true CN115085274B (zh) | 2023-01-20 |
Family
ID=83242591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210889252.9A Active CN115085274B (zh) | 2022-07-27 | 2022-07-27 | 新能源设备接入的自动识别方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115085274B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103762591A (zh) * | 2014-01-16 | 2014-04-30 | 国家电网公司 | 一种配电网拓扑布图方法 |
CN109829497A (zh) * | 2019-01-31 | 2019-05-31 | 清华四川能源互联网研究院 | 一种基于监督学习的台区用户识别及判别方法 |
CN111242391A (zh) * | 2020-03-06 | 2020-06-05 | 云南电网有限责任公司电力科学研究院 | 用于电力负荷识别的机器学习模型训练方法及系统 |
CN113849944A (zh) * | 2021-09-16 | 2021-12-28 | 国电南瑞南京控制系统有限公司 | 基于图数据模型的电网拓扑服务方法、装置及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11356320B2 (en) * | 2019-07-26 | 2022-06-07 | Ciena Corporation | Identifying and locating a root cause of issues in a network having a known topology |
CN110602041A (zh) * | 2019-08-05 | 2019-12-20 | 中国人民解放军战略支援部队信息工程大学 | 基于白名单的物联网设备识别方法、装置及网络架构 |
CN110516743A (zh) * | 2019-08-28 | 2019-11-29 | 珠海格力智能装备有限公司 | 用电设备的识别方法、装置、存储介质和处理器 |
CN112822208A (zh) * | 2021-02-01 | 2021-05-18 | 北京邮电大学 | 一种基于区块链的物联网设备识别方法及系统 |
-
2022
- 2022-07-27 CN CN202210889252.9A patent/CN115085274B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103762591A (zh) * | 2014-01-16 | 2014-04-30 | 国家电网公司 | 一种配电网拓扑布图方法 |
CN109829497A (zh) * | 2019-01-31 | 2019-05-31 | 清华四川能源互联网研究院 | 一种基于监督学习的台区用户识别及判别方法 |
CN111242391A (zh) * | 2020-03-06 | 2020-06-05 | 云南电网有限责任公司电力科学研究院 | 用于电力负荷识别的机器学习模型训练方法及系统 |
CN113849944A (zh) * | 2021-09-16 | 2021-12-28 | 国电南瑞南京控制系统有限公司 | 基于图数据模型的电网拓扑服务方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115085274A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104538958B (zh) | 用电客户电网接入点的智能分析方法及系统 | |
CN112288303B (zh) | 确定线损率的方式、装置 | |
CN111931318B (zh) | 一种基于图计算的供电路径分析方法及系统 | |
CN113852083A (zh) | 电网连锁故障自动搜索与预警方法、装置及设备 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN114065634A (zh) | 一种数据驱动的电能质量监测布点优化方法及装置 | |
CN113033617A (zh) | 一种基于大数据台区线损数据深度挖掘分析方法 | |
CN113872204A (zh) | 一种基于电网图拓扑计算的用电负荷性质确定方法及装置 | |
CN113095524A (zh) | 电力设备检修工作单据智能生成方法、系统及存储介质 | |
CN110826228A (zh) | 一种地区电网运行品质极限评估方法 | |
CN110601173A (zh) | 基于边缘计算的配网拓扑识别方法及装置 | |
CN116094174A (zh) | 基于知识图谱的电网运维监控方法、系统、设备及介质 | |
CN115457211A (zh) | 基于数字孪生的变电站管理方法及系统 | |
CN117148048B (zh) | 基于数字孪生技术的配电网故障预测方法及系统 | |
CN115085274B (zh) | 新能源设备接入的自动识别方法、装置、电子设备及介质 | |
WO2019140553A1 (zh) | 配电系统的健康指数确定方法及装置、计算机存储介质 | |
CN117640440A (zh) | 用于数据中心的监控方法、系统和装置 | |
CN117076967A (zh) | 一种基于理论线损数据计算的台区拓扑修正方法及系统 | |
CN113435677A (zh) | 一种电网运行风险主动分析系统及方法 | |
CN114818632B (zh) | 一种超计划用电限电序位表的编制方法及装置 | |
CN108805462A (zh) | 配网风险预警的方法及装置、存储介质、处理器 | |
CN115329145A (zh) | 基于物理关系的变电仿真信息知识图谱构建与检索方法 | |
CN114201481A (zh) | 一种基于配变可信度的配电网故障管理系统 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN115186975A (zh) | 一种基于业务中台的电网线损管理方法及系统 |
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 |