CN115409367A - 基于物联网的智能电网健康状态评估方法及系统 - Google Patents
基于物联网的智能电网健康状态评估方法及系统 Download PDFInfo
- Publication number
- CN115409367A CN115409367A CN202211038884.0A CN202211038884A CN115409367A CN 115409367 A CN115409367 A CN 115409367A CN 202211038884 A CN202211038884 A CN 202211038884A CN 115409367 A CN115409367 A CN 115409367A
- Authority
- CN
- China
- Prior art keywords
- data set
- data
- power grid
- internet
- smart grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000036541 health Effects 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 35
- 239000002245 particle Substances 0.000 claims description 25
- 230000009467 reduction Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 11
- 230000003862 health status Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000013144 data compression Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000003044 adaptive effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006054 immunological memory Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- 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
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提出基于物联网的智能电网健康状态评估方法,包括:利用量测工具对智能电网状态信息量进行采集,得到第一数据集;对所述采集结果中的数据依次进行预设处理以得到第二数据集;针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果。本发明提出的方法能够在降低空间复杂度与时间复杂度的同时,提高监测效率。
Description
技术领域
本发明涉及智能电网技术领域,尤其涉及一种基于物联网的智能电网健康状态评估方法及系统。
背景技术
互联网技术的发展为社会各行业转型升级提供了有力的指导和技术基础。电力作为国家经济基础产业,在人们生产生活当中发挥了重要作用,因此,为提高电网服务质量,智能电网逐渐应用到电力企业电力传输当中。智能电网应用不仅提高电力传输质量,增强电网的安全性和可靠性,最重要的是实现电网的智能化,节省了人力。然而,智能电网的智能化、自动化、一体化实现的同时,风险性也在增加。智能电网一旦出现故障,不仅影响电力正常供应,还会增加电力企业的经济损失,影响电网企业的形象,因此,对智能电网运行状态进行远程监测,及时发现运行故障具有重要的现实意义。针对智能电网运行大数据,当前智能电网状态远程监测方法多是与智能算法相结合,通过智能算法完成状态分析,常见的智能算法有神经网络算法、决策树以及支持向量机等,这三种算法应用下,状态监测准确性均较高,但空间复杂度与时间复杂度较大,监测效率受到影响。
发明内容
针对上述问题,本发明提供一种基于物联网的智能电网健康状态评估方法及系统。
根据本发明的一方面,提供了一种基于物联网的智能电网健康状态评估方法,包括:
利用量测工具对智能电网状态信息量进行采集,得到第一数据集;其中,所述测量工具包括以下至少之一:传感器、摄像头、导航系统;所述第一数据集中至少包括所述智能电网的电网负载率、电压偏差、电压/电流不平衡度、谐波电压总畸变率、功率因数、传输频率、温度;
对所述采集结果中的数据依次进行预设处理以得到第二数据集;所述预设处理至少包括:数据清洗、数据去噪、数据消减、数据标准化处理;
针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果。
进一步地,所述的利用量测工具对智能电网状态信息量进行采集,得到第一数据集;具体包括:于所述智能电网的运行线路或者关键节点上设置传感器、摄像头和导航系统至少之一测量工具;在正常运转所述智能电网的情况下,通过设置的所述测量工具完成信息采集,以得到所述第一数据集。
进一步地,得到所述第一数据集后,进一步包括:通过以太网将所采集到所述第一数据集传输至所述智能电网所在网络中的智能设备;所述智能设备为具备存储和计算能力的硬件设备。
进一步地,所述硬件设备包括台式电脑、笔记本、平板电脑中的一个或者多个的组合。
进一步地,所述的对所述采集结果中的数据依次进行预设处理以得到第二数据集,具体包括:
对所述第一数据集进行一致性检查、无效值和缺失值处理、重复数据过滤处理,得到第一子数据集;
采用小波变换对所述第一子数据集进行去噪处理,得到第二子数据集;
对所述第二子数据集依次进行数据聚合、消减维数、数据压缩、数据块消减处理,得到第三子数据集;
将所述第三子数据集转化为无量纲的纯数值,得到所述第二数据集。
进一步地,采用小波变换对所述第一子数据集进行去噪处理,得到第二子数据集;具体包括:
对所述第一子数据集中含有噪声的数据进行分解,然后对分解得到的小波系数进行门限阈值处理,去除其中的噪声,最后对处理后的小波系数作逆变换,重构信号,得到真实数据,即所述第二子数据集。
进一步地,将所述第三子数据集转化为无量纲的纯数值,得到所述第二数据集,具体包括:对所述第三子数据集进行线性变换,使数据统一映射到[0,1]区间上,进而得到所述第二数据集。
进一步地,所述预设方法为自适应免疫粒子群算法。
进一步地,针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果;具体包括:
根据基于所述第二数据集中的数据粒子群的收敛状态,判断电网是否存在异常;其中,若能收敛到一个最优解,则表明智能电网健康状况正常;否则,表明所述智能电网的健康状况异常。
根据本发明的另一方面,提供了一种基于物联网的智能电网健康状态评估系统,包括:
采集装置,用于利用量测工具对智能电网状态信息量进行采集,得到第一数据集;其中,所述测量工具包括以下至少之一:传感器、摄像头、导航系统;所述第一数据集中至少包括所述智能电网的电网负载率、电压偏差、电压/电流不平衡度、谐波电压总畸变率、功率因数、传输频率、温度;
处理装置,用于对所述采集结果中的数据依次进行预设处理以得到第二数据集;所述预设处理至少包括:数据清洗、数据去噪、数据消减、数据标准化处理;
评估装置,用于针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果。
本发明提供的一种基于物联网的智能电网健康状态评估方法,相较于神经网络、决策树以及支持向量机等其它方法,空间复杂度与时间复杂度更小,且能够提高监测效率。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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他的附图。
图1是本发明一实施例中一种基于物联网的智能电网健康状态评估方法流程示意图;
图2是本发明一实施例中采用自适应免疫粒子群算法进行评估分析的流程示意图;
图3是本发明一实施例中一种基于物联网的智能电网健康状态评估系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的说明书和权利要求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,以便这里描述的本发明的实施例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。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
请参阅图1,基于图1,本发明提供的一种基于物联网的智能电网健康状态评估方法被具体阐释,本发明所提供的方法适于应用于一智能电网中对所述智能电网的健康状态进行评估,具体包括:
S1、利用量测工具对智能电网状态信息量进行采集,得到第一数据集;其中,所述测量工具包括以下至少之一:传感器、摄像头、导航系统;所述第一数据集中至少包括所述智能电网的电网负载率、电压偏差、电压/电流不平衡度、谐波电压总畸变率、功率因数、传输频率、温度;
S2、对所述采集结果中的数据依次进行预设处理以得到第二数据集;所述预设处理至少包括:数据清洗、数据去噪、数据消减、数据标准化处理;
S3、针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果。
在一些实施例中,所述的利用量测工具对智能电网状态信息量进行采集,得到第一数据集;具体包括:于所述智能电网的运行线路或者关键节点上设置传感器、摄像头和导航系统至少之一测量工具;在正常运转所述智能电网的情况下,通过设置的所述测量工具完成信息采集,以得到所述第一数据集。
在一些实施例中,得到所述第一数据集后,进一步包括:通过以太网将所采集到所述第一数据集传输至所述智能电网所在网络中的智能设备;所述智能设备为具备存储和计算能力的硬件设备。
在一些实施例中,所述硬件设备包括台式电脑、笔记本、平板电脑中的一个或者多个的组合。
在一些实施例中,所述的对所述采集结果中的数据依次进行预设处理以得到第二数据集,具体包括:
对所述第一数据集进行一致性检查、无效值和缺失值处理、重复数据过滤处理,得到第一子数据集;
采用小波变换对所述第一子数据集进行去噪处理,得到第二子数据集;
对所述第二子数据集依次进行数据聚合、消减维数、数据压缩、数据块消减处理,得到第三子数据集;
将所述第三子数据集转化为无量纲的纯数值,得到所述第二数据集。
在一些实施例中,采用小波变换对所述第一子数据集进行去噪处理,得到第二子数据集;具体包括:
对所述第一子数据集中含有噪声的数据进行分解,然后对分解得到的小波系数进行门限阈值处理,去除其中的噪声,最后对处理后的小波系数作逆变换,重构信号,得到真实数据,即所述第二子数据集。
在一些实施例中,将所述第三子数据集转化为无量纲的纯数值,得到所述第二数据集,具体包括:对所述第三子数据集进行线性变换,使数据统一映射到[0,1]区间上,进而得到所述第二数据集。
在一些实施例中,所述预设方法为自适应免疫粒子群算法。
在一些实施例中,针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果;具体包括:
根据基于所述第二数据集中的数据粒子群的收敛状态,判断电网是否存在异常;其中,若能收敛到一个最优解,则表明智能电网健康状况正常;否则,表明所述智能电网的健康状况异常;如图2所示,采用自适应免疫粒子群算法进行评估分析的具体步骤如下:
S11、将所述第二数据集输入到所述计算机中建立好的粒子群模型当中,并在此基础上设置各种参数,包括群体规模、最大迭代次数、初始大数据动量系数、大数据动量修正量基值,常数以及粒子更新速度等;
S12、根据智能电网运行状态大数据随机生成初始粒子群;
S13、计算粒子群当中各粒子的适应值,并把它作为免疫粒子存入记忆库当中;
S14、判断该免疫粒子是否满足迭代终止条件,若满足,则输出结果,并认为该结果为最优结果;若不满足,则继续进行下一步骤;
S15、根据电网大数据,重新形成新的免疫粒子;
S16、根据选择概率计算公式计算S15中生成的新粒子的选择概率,并根据概率的大小选择N个粒子,形成新的电网大数据粒子群;
S17、更新粒子群,将记忆库中免疫记忆粒子替换粒子群众中适用度较差的若干粒子,从而形成新一代粒子群体,并回到S13;
S18、根据电网大数据粒子群的收敛状态,判断电网是否存在异常。
不断重复上述过程,智能电网健康状况评估将能很好地收敛到一个最优解,若状态变量中出现不切合实际解,则说明该电网存在异常。
另一方面,如图3所示,基于上述的一种基于物联网的智能电网健康状态评估方法,本发明还提出一种基于物联网的智能电网健康状态评估系统,包括依次连接的:采集装置11、处理装置12和评估装置13,其中:
采集装置11,用于利用量测工具对智能电网状态信息量进行采集,得到第一数据集;其中,所述测量工具包括以下至少之一:传感器、摄像头、导航系统;所述第一数据集中至少包括所述智能电网的电网负载率、电压偏差、电压/电流不平衡度、谐波电压总畸变率、功率因数、传输频率、温度;
处理装置12,用于对所述采集结果中的数据依次进行预设处理以得到第二数据集;所述预设处理至少包括:数据清洗、数据去噪、数据消减、数据标准化处理;
评估装置13,用于针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果。
本发明提供的一种基于物联网的智能电网健康状态评估方法和系统,相较于神经网络、决策树以及支持向量机等其它方法,空间复杂度与时间复杂度更小,且能够提高监测效率。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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,或者对其中部分或者全部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发明各实施例技术方案的范围。
Claims (10)
1.一种基于物联网的智能电网健康状态评估方法,适于应用于一智能电网中对所述智能电网的健康状态进行评估,其特征在于,所述方法包括:
利用量测工具对智能电网状态信息量进行采集,得到第一数据集;其中,所述测量工具包括以下至少之一:传感器、摄像头、导航系统;所述第一数据集中至少包括所述智能电网的电网负载率、电压偏差、电压/电流不平衡度、谐波电压总畸变率、功率因数、传输频率、温度;
对所述采集结果中的数据依次进行预设处理以得到第二数据集;所述预设处理至少包括:数据清洗、数据去噪、数据消减、数据标准化处理;
针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果。
2.根据权利要求1所述的基于物联网的智能电网健康状态评估方法,其特征在于:
所述的利用量测工具对智能电网状态信息量进行采集,得到第一数据集;具体包括:于所述智能电网的运行线路或者关键节点上设置传感器、摄像头和导航系统至少之一测量工具;在正常运转所述智能电网的情况下,通过设置的所述测量工具完成信息采集,以得到所述第一数据集。
3.根据权利要求2所述的基于物联网的智能电网健康状态评估方法,其特征在于,得到所述第一数据集后,进一步包括:通过以太网将所采集到所述第一数据集传输至所述智能电网所在网络中的智能设备;所述智能设备为具备存储和计算能力的硬件设备。
4.根据权利要求3所述的基于物联网的智能电网健康状态评估方法,所述硬件设备包括台式电脑、笔记本、平板电脑中的一个或者多个的组合。
5.根据权利要求1所述的基于物联网的智能电网健康状态评估方法,其特征在于,所述的对所述采集结果中的数据依次进行预设处理以得到第二数据集,具体包括:
对所述第一数据集进行一致性检查、无效值和缺失值处理、重复数据过滤处理,得到第一子数据集;
采用小波变换对所述第一子数据集进行去噪处理,得到第二子数据集;
对所述第二子数据集依次进行数据聚合、消减维数、数据压缩、数据块消减处理,得到第三子数据集;
将所述第三子数据集转化为无量纲的纯数值,得到所述第二数据集。
6.根据权利要求5所述的基于物联网的智能电网健康状态评估方法,其特征在于,采用小波变换对所述第一子数据集进行去噪处理,得到第二子数据集;具体包括:
对所述第一子数据集中含有噪声的数据进行分解,然后对分解得到的小波系数进行门限阈值处理,去除其中的噪声,最后对处理后的小波系数作逆变换,重构信号,得到真实数据,即所述第二子数据集。
7.根据权利要求5所述的基于物联网的智能电网健康状态评估方法,将所述第三子数据集转化为无量纲的纯数值,得到所述第二数据集,具体包括:对所述第三子数据集进行线性变换,使数据统一映射到[0,1]区间上,进而得到所述第二数据集。
8.根据权利要求1所述的基于物联网的智能电网健康状态评估方法,其特征在于:所述预设方法为自适应免疫粒子群算法。
9.根据权利要求8所述的基于物联网的智能电网健康状态评估方法,其特征在于:针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果;具体包括:
根据基于所述第二数据集中的数据粒子群的收敛状态,判断电网是否存在异常;其中,若能收敛到一个最优解,则表明智能电网健康状况正常;否则,表明所述智能电网的健康状况异常。
10.一种基于物联网的智能电网健康状态评估系统,其特征在于,包括:
采集装置,用于利用量测工具对智能电网状态信息量进行采集,得到第一数据集;其中,所述测量工具包括以下至少之一:传感器、摄像头、导航系统;所述第一数据集中至少包括所述智能电网的电网负载率、电压偏差、电压/电流不平衡度、谐波电压总畸变率、功率因数、传输频率、温度;
处理装置,用于对所述采集结果中的数据依次进行预设处理以得到第二数据集;所述预设处理至少包括:数据清洗、数据去噪、数据消减、数据标准化处理;
评估装置,用于针对所述第二数据集,采用预设方法进行评估分析,得到所述智能电网的健康状况评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211038884.0A CN115409367A (zh) | 2022-08-29 | 2022-08-29 | 基于物联网的智能电网健康状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211038884.0A CN115409367A (zh) | 2022-08-29 | 2022-08-29 | 基于物联网的智能电网健康状态评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115409367A true CN115409367A (zh) | 2022-11-29 |
Family
ID=84160583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211038884.0A Pending CN115409367A (zh) | 2022-08-29 | 2022-08-29 | 基于物联网的智能电网健康状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115409367A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400870A (zh) * | 2023-06-08 | 2023-07-07 | 西安品盛互联网技术有限公司 | 一种基于物联网的现场施工在线管理系统 |
-
2022
- 2022-08-29 CN CN202211038884.0A patent/CN115409367A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400870A (zh) * | 2023-06-08 | 2023-07-07 | 西安品盛互联网技术有限公司 | 一种基于物联网的现场施工在线管理系统 |
CN116400870B (zh) * | 2023-06-08 | 2023-08-18 | 西安品盛互联网技术有限公司 | 一种基于物联网的现场施工在线管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109465676B (zh) | 一种刀具寿命预测方法 | |
CN110518880B (zh) | 一种光伏电站状态诊断方法及装置 | |
CN117057517A (zh) | 基于数字孪生的电力数据高效处理方法及系统 | |
CN109743356B (zh) | 工业互联网数据采集方法及装置、可读存储介质和终端 | |
CN112215406A (zh) | 一种基于时间卷积神经网络的非侵入式居民用电负荷分解方法 | |
CN113177357B (zh) | 一种电力系统暂态稳定评估方法 | |
CN115409367A (zh) | 基于物联网的智能电网健康状态评估方法及系统 | |
CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的系统及方法 | |
CN114996258A (zh) | 一种基于数据仓库的接触网故障诊断方法 | |
CN116757062A (zh) | 电力负荷频率特性分析方法、装置、设备和存储介质 | |
CN113657030A (zh) | 一种基于高斯过程回归的锂电池剩余使用寿命预测方法 | |
CN116738865B (zh) | 一种基于物联网的储能电源评估方法及系统 | |
CN111506636A (zh) | 一种基于自回归和近邻算法的居民用电行为分析的系统及方法 | |
CN111343271A (zh) | 一种基于dtu设备的人工智能云控制方法及系统 | |
Yuan et al. | Smart meter data compression and reconstruction using deep convolutional autoencoders | |
CN117493498B (zh) | 基于工业互联网的电力数据挖掘与分析系统 | |
Li et al. | A Domain Adaption Based Closed-loop System for Fault Diagnosis of Generator Slot Wedge | |
CN117078232B (zh) | 一种基于大数据的加工设备故障预防系统及方法 | |
LU500121B1 (en) | A method, device and equipment for electric meter detecting | |
CN112994702B (zh) | 城轨供电系统数字孪生用数据特征提取及数据压缩方法和装置 | |
Qaisar et al. | Efficient Detection of Appliance Consumption Pattern by Using Level-CrossingSampling | |
CN117388594A (zh) | 一种基于emd信号处理技术的智能电表功率信号分解方法 | |
CN117349607A (zh) | 电力数据智能处理方法及系统 | |
Kaszowska et al. | Assessment of Available Measurement Data, Data Breaks and Estimation of Missing Data from AMI Meters | |
CN118038230A (zh) | 基于多算法融合的配电网缺陷识别系统及方法 |
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 |