CN115577978A - 一种配电网目标投资决策要素权重系数测算方法 - Google Patents
一种配电网目标投资决策要素权重系数测算方法 Download PDFInfo
- Publication number
- CN115577978A CN115577978A CN202211410561.XA CN202211410561A CN115577978A CN 115577978 A CN115577978 A CN 115577978A CN 202211410561 A CN202211410561 A CN 202211410561A CN 115577978 A CN115577978 A CN 115577978A
- Authority
- CN
- China
- Prior art keywords
- data
- power distribution
- decision
- value
- sample
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000013507 mapping Methods 0.000 claims description 24
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 230000005611 electricity Effects 0.000 abstract description 12
- 238000010276 construction Methods 0.000 abstract description 10
- 238000013439 planning Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 9
- 238000013461 design Methods 0.000 abstract description 8
- 230000006872 improvement Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 238000007726 management method Methods 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
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000126 substance Substances 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
本发明属于配电网规划设计方法技术领域,尤其涉及一种配电网目标投资决策要素权重系数测算方法。包括如下步骤:通过电网数据采集系统获取各类决策要素的原始样本,对样本数据中的异常数据进行修正,构建样本分析阵列,考虑居民用电特点和用电成本,按需决定配电建设方式,基于数据熵值以及所有决策要素的总的指标数量确定决策要素的影响系数;本申请的配电网目标投资决策要素权重系数测算方法,用于在配电网目标投资决策过程中,用于根据待规划配电区确定和优选决策要素及其权重系数,在考虑要素关联性的同时利用历史数据对权重系数进行测算修正。以提高配电网建设目标投资决策的科学性,为实现多因素的综合规划设计提供基础数据。
Description
技术领域
本发明属于配电网规划设计方法技术领域,尤其涉及一种配电网目标投资决策要素权重系数测算方法。
背景技术
随着城镇化推进,集中式住宅区不断出现,集中化的住宅形式提高了区域经济规划,治安管理等方面的效率,同时对于区域的基础服务能力也有了更高的要求,保证居民生产生活必要的电力分配始终是配电设计规划的一项重要任务,因此在新建住宅区的建设过程中,有必要对配电设施的建设和使用进行规划设计,此前主要依赖于《小区配电设施典型设计手册》等设计要求规范来展开,但由于不同区域、不同发展等级的区域在用电特点以及对于供电质量的要求各不相同,基于前述设计规范容易导致社区结构模板化僵硬化,虽然有利于标准化快速布局,但严重限制了对配电网各项要素的优化提升能力,影响供电质量,使得实际配电设施的总体建设与实现的效能获取不匹配等问题,降低了电网规划建设的合理性和稳定性。
发明内容
本发明的目的在于,为解决现有配电网规划设计的投资决策主要依赖于固定式设计规范,灵活性差的问题,提供一种可以对待规划区域实际配电要素进行筛选提取,基于区域历史配电数据来提取配电网目标投资决策要素权重系数的方法,为实现更合理的配电网投资决策,提高规划设计的有效性提供基础。
为实现上述目的,本发明采用如下技术方案。
一种配电网目标投资决策要素权重系数测算方法,包括如下步骤:
步骤1.原始数据的异常处理
对于某类样本数据,选取数据采集周期内处于同一个采集周期的监测数据,通过求取样本数据均值E(an)、标准差σ(an)以及偏差率ρ(an);
其中ans为决策要素an的第s个数据采集周期内的指标值;
计算得到各样本值数据的偏差率后,根据配电网历史用电负荷波动范围大小,指定阈值C,波动范围越大,则阈值取值越大,对于超过阈值样本值认定为异常数据;
对于决策要素an位于第t个数据采集周期内某个异常样本值an(t),需要进行修复更正,修正后的数据a′n(t),其中
步骤2.构建样本分析阵列
首先基于配电区修正后的样本数据建立前述决策要素的指标阵列
bs为第s个数据采集周期内的配电负荷指标值;
为便于计算,对前述指标阵列T1进行无量纲处理得到:
基于排序结果,指定阈值后从需要考虑的决策要素集A={a1、a2...an...aN}中选取关联度系数不低于指定阈值的P个决策要素C={c1、c2...cp...cP},对相应的指标数据进行无量纲化,得到修正后的无量纲指标阵列T″;
步骤3.配电网目标投资决策要素权重计算
对前述配电网目标投资决策要素权重系数测算方法的进一步改进或者优选实施方式,所述步骤2还包括样本压缩处理的步骤,具体是指:
将修正后的居民数据的电无量纲指标阵列T″分割为T″0+T″1,其中T″0为属于或者涵盖节假日或者极端天气时间段的数据采集周期内的特定样本数据阵列, T″1是剩下的Q个普通用电状态数据采集周期内的日常样本数据阵列;
其中c′pm是指选出的第p个要素的第q个数据采集周期内的指标值;d′q是指第q个数据采集周期内的配电负荷指标值;
对于日常样本数据阵列T′1中的各列数据,按照每两行的数据进行求和平均处理的方式进行聚合,若最后剩余一行,则将其与相邻的上一行数据进行求和平均,重复前述求和平均步骤,直至每一列中的数据的数量达到聚合后需要到达的数量,将最终样本值作为新的日常样本数据形成聚合后的日常样本数据阵列T″2,最后将特定样本数据阵列T′0和日常样本数据阵列T″2进行组合后得到简化后的无量纲指标阵列T″1=T′0+T″2。
对前述配电网目标投资决策要素权重系数测算方法的进一步改进或者优选实施方式,所述配电网目标投资决策要素至少包括配电区用电密度、居民消费能力、平均用电负荷、用电成本。
对前述配电网目标投资决策要素权重系数测算方法的进一步改进或者优选实施方式,所述配电网目标投资决策要素至少包括配电区设施节点位置。
对前述配电网目标投资决策要素权重系数测算方法的进一步改进或者优选实施方式,还包括用于将配电区设施节点位置坐标与设施节点电气属性相关联并映射的步骤,具体是指,
基于多维向量表述方式,将设施的空间坐标与设施节点的若干电气属性联立后建立多维向量;在多维向量所在空间内定义映射面:其中 wl={wml}是指映射面的法向量,m为维度,sl为偏移系数,x为映射面Cl上的点;
给定梯度阈值或者迭代次数;求解目标函数值和梯度,若梯度值小于梯度阈值或超过迭代次数则结束迭代,输出最后一次的结果数据,若梯度值超过梯度阈值则选取合适步长更新映射面参数进行下一次迭代;
l为迭代次数,α和β是迭代学习因子;
对于任意高维节点,将其在高维空间坐标内的的坐标向求得的标超平面进行投影,得到投影后坐标(x12、x22......xM2)。
其有益效果在于:
本申请的配电网目标投资决策要素权重系数测算方法,用于在配电网目标投资决策过程中,用于根据待规划配电区确定和优选决策要素及其权重系数,在考虑要素关联性的同时利用历史数据对权重系数进行测算修正。以提高配电网建设目标投资决策的科学性,为实现多因素的综合规划设计提供基础数据。
具体实施方式
以下结合具体实施例对本发明作详细说明。
配电区域内目标投资决策要素主要是指在配电网设施节点建设过程中,为保证配电网能够实现完整功能需要考虑的若干要素,这些要素包括配电侧的设施节点的电气属性、建设规划要素以及用户侧的各向功能需求要素,在实际分析过程中,用户侧的需求要素是首先要考虑的基本前提,一切配电规划设计的最终目标是保证用户侧用电负荷的充分供应,是决定配电建设决策的核心要素,首先需要分别确定不同决策要素对于区域内负荷大小的影响程度,由于各决策要素除了自身会直接区域负荷的结果之外,相互之间也存在关联影响,例如居民消费能力与平均用电负荷、用电成本之间均存在关联性,在利用决策要素集中的各要素进行分析过程中,部分关联要素自身的强关联性,使其在实际建设决策中对于决策的影响效果重合,有必要进行分析剔除。
因此,在具体实施过程中,应当首先根据当前配电区内实际情况步选取需要考虑的决策要素集A={a1、a2...an...aN},收集S个数据采集周期内的原始样本,初将各决策要素与负荷分布的灰色关联分析,具体步骤为:
步骤1.原始数据的收集和异常处理
通过电网数据采集系统获取各类决策要素的原始样本,但原始监测数据由于供电故障导致的异常或极端天气变化等随机事件会导致样本数据量出现异常,上述异常数据在配电网设施建设过程中,一般通过特定的系统和设备进行应对,在进行一般规划设计过程中需要进行剔除或者修复,因此在进一步处理前,应当对样本数据中的上述数据进行修正,具体而言,包括如下步骤:
对于某类样本数据,选取数据采集周期内处于同一个采集周期的监测数据,通过求取样本数据均值E(an)、标准差σ(an)以及偏差率r(an),
其中ans为决策要素an的第s个数据采集周期内的指标值;
计算得到各样本值数据的偏差率后,根据配电网历史用电负荷波动范围大小,指定阈值C,波动范围越大,则阈值取值越大,对于超过阈值样本值认定为异常数据;
对于决策要素an位于第t个数据采集周期内某个异常样本值an(t),需要进行修复更正,修正后的数据a′n(t),其中
步骤2.构建样本分析阵列
bs为第s个数据采集周期内的配电负荷指标值;
为便于计算,对前述指标阵列T1进行无量纲处理得到:
影响区域配电建设的核心目的在于保证配电区供电稳定性,因此需要保证区域供电负荷的供需稳定,在此基础上,进一步考虑居民用电特点和用电成本,按需决定配电建设方式,影响区域配电建设的主要影响因素包括配电区用电密度、居民消费能力、平均用电负荷、用电成本,为便于后续确定配电网目标投资决策要素的影响程度,本实施例以上述决策要素为例,以某地相应基础数据为基础,对本申请的配电网目标投资决策要素权重系数测算方法的具体实施方案进行说明。
基于前述基础,以某地相应基础数据进行统计得到如下数据:
表1某地配电负荷决策要素统计结果
基于前述步骤以及上述样本统计数据分别进行计算,求得各个影响因素的权重如表2所示。
决策要素 | 用电密度 | 消费能力 | 平均负荷 | 用电成本 |
权重影响系数 | 0.953 | 0.921 | 0.840 | 0.350 |
由表2可知,在该配电区的配电负荷决策要素中,用电密度对配电负荷的影响程度较高,居民消费能力、平均用电负荷、用电成本的影响程度次之,其中用电成本对于配电区的配电负荷影响的程度极小,因此,通过省略用电成本这个决策要素,可以在保证数据准确性的同时,有效减少所需要处理和收集的原始数据量,实际上由于该配电区作为居民区,居民用电单价较低且变化不大,因此对于配电负荷的直接影响较低,数据结果符合实际情况。
基于排序结果,指定阈值后从需要考虑的决策要素集A={a1、a2...an...aN}中选取关联度系数不低于指定阈值的P个决策要素C={c1、c2...cp...cP},对相应的指标数据进行无量纲化,得到修正后的无量纲指标阵列T″;
步骤3.样本压缩处理
在前述基础上,对修复后的样本数据中进行比较分析,可以发现大量十分近似的样本数据,究其原因,在生活工作相对稳定且天气状态等因素相同或接近的情况下,居民的日常用电状况的变化量较小,一般只在部分节假日以及极端天气环境下会发生用电负荷的较大变化,因此在单独截取上述节假日以及特定时间段的样本数据之后,可以对剩下的日常用电的样本数据进行进一步聚类压缩,进而控制样本数据总量,进一步而言,将修正后的居民数据的电无量纲指标阵列T″分割为T″0+T″1,其中T″0为属于或者涵盖节假日或者极端天气时间段的数据采集周期内的特定样本数据阵列,T″1是剩下的Q个普通用电状态数据采集周期内的日常样本数据阵列;
其中c′pm是指选出的第p个要素的第q个数据采集周期内的指标值;d′q是指第q个数据采集周期内的配电负荷指标值;
在前述基础上,对于日常样本数据阵列T′1中的各列数据,按照每两行的数据进行求和平均处理的方式进行聚合,若最后剩余一行,则将其与相邻的上一行数据进行求和平均,重复前述求和平均步骤,直至每一列中的数据的数量达到聚合后需要到达的数量,将最终样本值作为新的日常样本数据形成聚合后的日常样本数据阵列T″2,最后将特定样本数据阵列T′0和日常样本数据阵列T″2进行组合后得到简化后的无量纲指标阵列T″1=T′0+T″2;
步骤4.配电网目标投资决策要素权重计算
特别的,在进行配电网目标投资决策要素的选择过程中,对于部分区域,配电区设施节点的空间位置及其电气属性也是一个重要因素,设施节点之间的空间位置距离与节点之间线路建设的成本以及节点之间的阻抗特性相互关联,在进行决策要素的判定过程中,由于电网设施节点数量较大,再进一步考虑设施节点的电气属性要素后会使得原始数据量的维度快速递增,但在实际建设过程中,设施节点之间的空间位置距离,会直接影响节点之间线路的长度,进而影响节点之间线路的投资成本以及节点之间拓扑线路的阻抗属性等经济或电气属性,为便于更好地完善要素属性的选择和编制,本申请还提供还包括用于将配电区设施节点位置坐标与设施节点电气属性相关联并映射的步骤,具体是指,
基于多维向量表述方式,将设施的空间坐标与设施节点的若干电气属性联立后建立多维向量;在多维向量所在空间内定义映射面:其中 wl={wml}是指映射面的法向量,m为维度,sl为偏移系数,x为映射面Cl上的点;
给定梯度阈值或者迭代次数;求解目标函数值和梯度,若梯度值小于梯度阈值或超过迭代次数则结束迭代,输出最后一次的结果数据,若梯度值超过梯度阈值则选取合适步长更新映射面参数进行下一次迭代;梯度计算式:
其中T为母线节点总数,l为迭代次数,Rt为第t个母线节点与映射面的距离;k1~kl以及ul是迭代时初值代入得到的常系数;α和β是迭代学习因子;
完成节点映射和坐标重建,具体而言:
对于任意高维节点,将其在高维空间坐标内的的坐标(x11、x21......xM1)向求得的映射面CL:(P1L,P2L,......PML)Tx+SL进行投影,得到投影后坐标(x12、x22......xM2)。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (5)
1.一种配电网目标投资决策要素权重系数测算方法,其特征在于,包括如下步骤:
步骤1.原始数据的异常处理
对于某类样本数据,选取数据采集周期内处于同一个采集周期的监测数据,通过求取样本数据均值E(an)、标准差σ(an)以及偏差率ρ(an);
其中ans为决策要素an的第s个数据采集周期内的指标值;
计算得到各样本值数据的偏差率后,根据配电网历史用电负荷波动范围大小,指定阈值C,波动范围越大,则阈值取值越大,对于超过阈值样本值认定为异常数据;
对于决策要素an位于第t个数据采集周期内某个异常样本值an(t),需要进行修复更正,修正后的数据a′n(t),其中
步骤2.构建样本分析阵列
首先基于配电区修正后的样本数据建立前述决策要素的指标阵列
bs为第s个数据采集周期内的配电负荷指标值;
为便于计算,对前述指标阵列T1进行无量纲处理得到:
基于排序结果,指定阈值后从需要考虑的决策要素集A={a1、a2...an...aN}中选取关联度系数不低于指定阈值的P个决策要素C={c1、c2...cp...cP},对相应的指标数据进行无量纲化,得到修正后的无量纲指标阵列T″;
步骤3.配电网目标投资决策要素权重计算
2.根据权利要求1所述的配电网目标投资决策要素权重系数测算方法,其特征在于,所述步骤2还包括样本压缩处理的步骤,具体是指:
将修正后的居民数据的电无量纲指标阵列T″分割为T0″+T1″,其中T0″为属于或者涵盖节假日或者极端天气时间段的数据采集周期内的特定样本数据阵列,T1″是剩下的Q个普通用电状态数据采集周期内的日常样本数据阵列;
其中c′pm是指选出的第p个要素的第q个数据采集周期内的指标值;d′q是指第q个数据采集周期内的配电负荷指标值;
对于日常样本数据阵列T1′中的各列数据,按照每两行的数据进行求和平均处理的方式进行聚合,若最后剩余一行,则将其与相邻的上一行数据进行求和平均,重复前述求和平均步骤,直至每一列中的数据的数量达到聚合后需要到达的数量,将最终样本值作为新的日常样本数据形成聚合后的日常样本数据阵列T″2,最后将特定样本数据阵列T′0和日常样本数据阵列T″2进行组合后得到简化后的无量纲指标阵列T″1=T′0+T″2。
3.根据权利要求1所述的配电网目标投资决策要素权重系数测算方法,其特征在于,所述配电网目标投资决策要素至少包括配电区用电密度、居民消费能力、平均用电负荷、用电成本。
4.根据权利要求1所述的配电网目标投资决策要素权重系数测算方法,其特征在于,所述配电网目标投资决策要素至少包括配电区设施节点位置。
5.根据权利要求4所述的配电网目标投资决策要素权重系数测算方法,其特征在于,还包括用于将配电区设施节点位置坐标与设施节点电气属性相关联并映射的步骤,具体是指,
基于多维向量表述方式,将设施的空间坐标与设施节点的若干电气属性联立后建立多维向量;在多维向量所在空间内定义映射面:其中wl={wml}是指映射面的法向量,m为维度,sl为偏移系数,x为映射面Cl上的点;
给定梯度阈值或者迭代次数;求解目标函数值和梯度,若梯度值小于梯度阈值或超过迭代次数则结束迭代,输出最后一次的结果数据,若梯度值超过梯度阈值则选取合适步长更新映射面参数进行下一次迭代;
l为迭代次数,α和β是迭代学习因子;
对于任意高维节点,将其在高维空间坐标内的的坐标向求得的标超平面进行投影,得到投影后坐标(x12、x22......xM2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211410561.XA CN115577978A (zh) | 2022-11-11 | 2022-11-11 | 一种配电网目标投资决策要素权重系数测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211410561.XA CN115577978A (zh) | 2022-11-11 | 2022-11-11 | 一种配电网目标投资决策要素权重系数测算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115577978A true CN115577978A (zh) | 2023-01-06 |
Family
ID=84588173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211410561.XA Pending CN115577978A (zh) | 2022-11-11 | 2022-11-11 | 一种配电网目标投资决策要素权重系数测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115577978A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116304962A (zh) * | 2023-05-25 | 2023-06-23 | 湖南东润智能仪表有限公司 | 一种用于水表计量数据的智能异常监测方法 |
CN116316635A (zh) * | 2023-03-16 | 2023-06-23 | 国网信通亿力科技有限责任公司 | 基于量测信息的电力协同控制方法及系统 |
CN117010573A (zh) * | 2023-08-31 | 2023-11-07 | 连云港市港圣开关制造有限公司 | 一种智能配电节能优化方法及系统 |
-
2022
- 2022-11-11 CN CN202211410561.XA patent/CN115577978A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316635A (zh) * | 2023-03-16 | 2023-06-23 | 国网信通亿力科技有限责任公司 | 基于量测信息的电力协同控制方法及系统 |
CN116316635B (zh) * | 2023-03-16 | 2024-01-30 | 国网信通亿力科技有限责任公司 | 基于量测信息的电力协同控制方法及系统 |
CN116304962A (zh) * | 2023-05-25 | 2023-06-23 | 湖南东润智能仪表有限公司 | 一种用于水表计量数据的智能异常监测方法 |
CN116304962B (zh) * | 2023-05-25 | 2023-08-04 | 湖南东润智能仪表有限公司 | 一种用于水表计量数据的智能异常监测方法 |
CN117010573A (zh) * | 2023-08-31 | 2023-11-07 | 连云港市港圣开关制造有限公司 | 一种智能配电节能优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115577978A (zh) | 一种配电网目标投资决策要素权重系数测算方法 | |
CN110082699B (zh) | 一种低压台区智能电能表运行误差计算方法及其系统 | |
CN109002933B (zh) | 基于ReliefF和t-SNE的配电线路线变关系模型优化方法 | |
CN105389636A (zh) | 一种低压台区kfcm-svr合理线损预测方法 | |
CN106682763B (zh) | 一种用于大量样本数据的电力负荷优化预测方法 | |
CN106372747B (zh) | 基于随机森林的台区合理线损率估计方法 | |
CN114519514B (zh) | 一种低压台区合理线损值测算方法、系统及计算机设备 | |
CN112149873A (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN106354803B (zh) | 基于特性指标的电力输变电设备负荷坏数据检测方法 | |
CN111651448B (zh) | 一种基于降噪差分进化的低压拓扑识别方法 | |
Wen et al. | An energy demand-side management and net metering decision framework | |
CN112508260B (zh) | 基于对比学习的配电变压器中长期负荷预测方法及装置 | |
CN113805138A (zh) | 一种基于参数有向遍历的智能电表误差估计方法及装置 | |
CN113595071A (zh) | 台区用户辨识与电压影响评估方法 | |
CN113379116A (zh) | 基于聚类和卷积神经网络的台区线损预测方法 | |
CN109918612B (zh) | 一种基于稀疏学习的台区拓扑结构校验方法 | |
CN112508254A (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN107818678A (zh) | 用于用电信息采集系统的实时在线修正方法及装置 | |
CN114676931B (zh) | 一种基于数据中台技术的电量预测系统 | |
CN115186882A (zh) | 一种基于聚类的可控负荷空间密度预测方法 | |
CN115564180A (zh) | 一种基于大数据分析的电力网络可靠性评估方法 | |
CN115344567A (zh) | 一种适用于边缘计算的低压台区数据清洗治理方法及装置 | |
CN110571791B (zh) | 一种新能源接入下的输电网规划的优化配置方法 | |
CN114548828A (zh) | 一种分布式光伏电源的选址和定容方法、装置及设备 | |
CN110414776B (zh) | 分行业用电特性快速响应分析系统 |
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 |