CN115809805A - 基于边缘计算的电网多源数据处理方法 - Google Patents
基于边缘计算的电网多源数据处理方法 Download PDFInfo
- Publication number
- CN115809805A CN115809805A CN202211550098.9A CN202211550098A CN115809805A CN 115809805 A CN115809805 A CN 115809805A CN 202211550098 A CN202211550098 A CN 202211550098A CN 115809805 A CN115809805 A CN 115809805A
- Authority
- CN
- China
- Prior art keywords
- user
- risk
- power consumption
- users
- meter
- 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.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 title claims abstract description 11
- 230000005611 electricity Effects 0.000 claims abstract description 78
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电网数据处理技术领域，具体公开了基于边缘计算的电网多源数据处理方法，所述方法包括：S1、通过边缘设备采集用户电表及表箱电表的用电量数据；S2、将用户电表数据输入至用户用电量分析模型中，判断用户用电量风险系数；所述用电量分析模型基于每个用户的历史数据建立；S3、根据用电量风险系数将用户划分为正常用户及风险用户，根据用户电表及表箱电表数据对风险用户用电状态进行分析；该方法通过用电量分析模型对其使用状态进行风险评价，并根据风险评价结果将用户划分为正常用户及风险用户，进而能够优先对风险用户的用户电表状态进行评价，提高了结果判断的准确度及判断效率。
Description
技术领域
本发明涉及电网数据处理技术领域，具体涉及基于边缘计算的电网多源数据处理方法。
背景技术
用电信息采集系统是智能电网的重要组成部分，为供电电压监测、电能质量管理、线损管理、费控管理、远程抄表、用电稽查、用户增值服务等专业提供大量的数据支撑；现有技术通过边缘计算设备设置于用户端，及时的采集用户的用电信息，通过边缘计算结合云计算相结合的形式，能够适用在局部性、实时性、短周期数据的处理与分析，能更好的支撑本地业务的实时智能化决策与执行。
现有的用户电力分析系统主要先通过对用户电表的数据进行判断，对抄表失败、电表电力为负值的用户电表进行确定；或者通过采集用户电表与表箱电表的数据，通过进行比对的方式，进而判断出用户电表中是否存在故障用户电表，再通过对用户电表的逐一排查，进行故障判断及维护。
现有的电力分析系统主要从总体进行分析判断，而针对有每个用户的独立分析过程对于用电信息采集系统而言计算压力过大，而采用边缘计算设备能够解决这一问题，但对于具体的分析过程，仅通过不用用户的历史用电量均值数据进行比对判断，显然，此种方式在比对过程中存在较大的偏差，进而影响判断的准确性。
发明内容
本发明的目的在于提供基于边缘计算的电网多源数据处理方法，解决以下技术问题：
如何提高对用户用电状态判断的准确性及全面性。
本发明的目的可以通过以下技术方案实现：
基于边缘计算的电网多源数据处理方法，所述方法包括：
S1、通过边缘设备采集用户电表及表箱电表的用电量数据；
S2、将用户电表数据输入至用户用电量分析模型中，判断用户用电量风险系数；
所述用电量分析模型基于每个用户的历史数据建立；
S3、根据用电量风险系数将用户划分为正常用户及风险用户，根据用户电表及表箱电表数据对风险用户用电状态进行分析。
于一实施例中，所述用电量分析模型建立的过程为：
通过公式
获得预测用电量Epre(t)；
其中，t2为当前时间点，t1为历史时间点，t2与t1相隔时间段为预设值；E(t)为t1至t2时间段用户的用电量变化曲线；Emax为t1至t2时间段用户用电量最大值；Emin为t1至t2时间段用户用电量最小值；σ、τ为预设系数；W为当前时间点的温度；δ为影响函数；
将实际用电量Efact与预测用电量Epre进行比对：
若
则判断该用户为风险用户；
否则，判断该用户为正常用户；
其中，Rth为预设阈值。
于一实施例中，所述影响函数建立的过程为：
根据用电量采集时间t对应的时段，获取该用户在该时段的历史用电量信息及该台区所有用户在该时段的用电量信息；
根据用电量采集时间t对应的环境温度，获取该用户在该温度环境下的历史用电量信息及该台区所有用户在该温度环境下的用电量信息；
通过公式
获取影响函数δ(t，W)；
其中，
为历史特定时段内该用户用电量均值；
为该用户在t对应时段的历史用电量均值；
为该用户所属台区所有用户在t对应时段的历史用电量均值；
为该用户在W温度状态对应时段的历史用电量均值；
为该用户所属台区所有用户在W温度状态对应时段的历史用电量均值；A1、A2、B1及B2为预设比例系数，A1+A2＝1，B1+B2＝1。
于一实施例中，对风险用户用电状态进行分析的过程为：
将每个表箱电表的用电量与表箱电表对应用户电表的用电量进行比对分析，根据比对结果对风险用户的用电量信息进行分析。
于一实施例中，比对分析的过程为：
通过公式
计算偏差率μ；
将偏差率μ与预设阈值μth进行比对：
若μ＜μth，则不对风险用户的用电量进行分析；
否则，对所有风险用户进行电表故障分析；
其中，∑Euser为该表箱电表对应所有用户电表用电量之和；Esum为表箱电表的用电量。
于一实施例中，对所有风险用户进行电表故障分析的过程为：
判断风险用户用电量Erisk是否＜0：
若为是，则判断电表故障且故障类型为表计倒走；
若为否，则进行全局分析；
所述全局分析的过程为：
判断风险用户中是否存在Erisk＜0的用户电表：
若存在，则将该用户的用电量用Epre替代，并再次进行比对分析；
若不存在，则判断风险用户中是否存在Erisk＝0的用户电表：
若存在，则将该用户的用电量用Epre替代，并再次进行比对分析；
若不存在，则对所有风险用户进行排查。
于一实施例中，当存在Erisk＜0的用户电表时，再次进行比对分析的过程为：
将Erisk＜0的用户用电量用Epre替代，将偏差率μ与预设阈值μth进行比对：
若μ＜μth+μpt，则判断故障类型仅为该用户电表表计倒走；
否则判断表箱电表对应的用户电表还存在故障问题；
其中，μpt为偏差阈值。
于一实施例中，当不存在Erisk＜0的用户电表，存在Erisk＝0的用户电表时，进行比对分析的过程为：
将Erisk＝0的用户用电量用Epre替代，将偏差率μ与预设阈值μth进行比对：
若μ＜μth+μpt，则判断故障类型为电表表计不走动故障；
否则判断用户电表存在其他故障问题；
其中，μpt为偏差阈值。
本发明的有益效果：
(1)本发明通过用电量分析模型对其使用状态进行风险评价，并根据风险评价结果将用户划分为正常用户及风险用户，进而在通过用户电表及表箱电表数据对风险用户用电状态进行分析时，优先对风险用户的用户电表状态进行评价，提高了结果判断的准确度及判断效率。
(2)本发明能够综合用户个体的状态及该区域的状态状况判断温度及时段对于用户用电量的影响程度，进而提高判断的准确性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明电网多源数据处理方法的步骤流程图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅附图图1所示，本实施例公开了基于边缘计算的电网多源数据处理方法，所述方法包括：
S1、通过边缘设备采集用户电表及表箱电表的用电量数据；
S2、将用户电表数据输入至用户用电量分析模型中，判断用户用电量风险系数；
所述用电量分析模型基于每个用户的历史数据建立；
S3、根据用电量风险系数将用户划分为正常用户及风险用户，根据用户电表及表箱电表数据对风险用户用电状态进行分析。
通过上述技术方案，本实施例基于边缘计算设备来对用户电表及表箱电表的数据进行采集分析，通过将每个用户的用户电表数据输入至用电量分析模型中进行分析，由于用电量分析模型是基于每个用户的历史数据建立的，因此通过用电量分析模型对其使用状态进行风险评价，并根据风险评价结果将用户划分为正常用户及风险用户，进而在通过用户电表及表箱电表数据对风险用户用电状态进行分析时，优先对风险用户的用户电表状态进行评价，提高了结果判断的准确度及判断效率。
作为本发明的一种实施方式，所述用电量分析模型建立的过程为：
通过公式
获得预测用电量Epre(t)；
其中，t2为当前时间点，t1为历史时间点，t2与t1相隔时间段为预设值；E(t)为t1至t2时间段用户的用电量变化曲线；Emax为t1至t2时间段用户用电量最大值；Emin为t1至t2时间段用户用电量最小值；σ、τ为预设系数；W为当前时间点的温度；δ为影响函数；
将实际用电量Efact与预测用电量Epre进行比对：
若
则判断该用户为风险用户；
否则，判断该用户为正常用户；
其中，Rth为预设阈值。
通过上述技术方案，提供了一种根据用户的历史用电量数据建立该用户对应用电量分析模型的过程，具体地，选取当前时间点之前用户的用电量数据，根据用电量数据进而能够拟合出用户用电量变化曲线，同时获得用户用电量最大值和用电量最小值，另外，获取当前时间点的温度状况结合分析，进而通过公式
获得预测用电量Epre(t)，其中，δ(t，W)为与t所在时段及当前时间点环境温度相关的影响函数，其也通过历史用电量数据及对应环境温度、所在时段判断获得，因此通过预测用电量Epre(t)的计算，进而能够对用户在t时间点的实际用电量进行预测，在通过预测用电量与实际用电量之间的比较分析，当
时，说明两者相差较大，因此判断该用户为风险用户，进而能够针对性的实现用户用电量风险的准确判断。
需要说明的是，常见的明显电表故障问题，例如表计不走或者表计倒走均能通过本实施例中的预测分析比较过程判断；其次，本实施例会优先针对风险用户进行分析，而当风险用户中不存在故障问题时，也可以对正常用户的用户电表进行分析排查；另外，本实施例中的预设系数σ、τ及预设阈值Rth通过历史测试数据选择判断获取，在此不作详述。
作为本发明的一种实施方式，所述影响函数建立的过程为：
根据用电量采集时间t对应的时段，获取该用户在该时段的历史用电量信息及该台区所有用户在该时段的用电量信息；
根据用电量采集时间t对应的环境温度，获取该用户在该温度环境下的历史用电量信息及该台区所有用户在该温度环境下的用电量信息；
通过公式
获取影响函数δ(t，W)；
其中，
为历史特定时段内该用户用电量均值；
为该用户在t对应时段的历史用电量均值；
为该用户所属台区所有用户在t对应时段的历史用电量均值；
为该用户在W温度状态对应时段的历史用电量均值；
为该用户所属台区所有用户在W温度状态对应时段的历史用电量均值；A1、A2、B1及B2为预设比例系数，A1+A2＝1，B1+B2＝1。
通过上述技术方案，本实施例提供了影响函数建立的过程，具体地，基于历史数据获取历史特定时段内该用户用电量均值
该用户在t对应时段的历史用电量均值
该用户所属台区所有用户在t对应时段的历史用电量均值
该用户在W温度状态对应时段的历史用电量均值
及该用户所属台区所有用户在W温度状态对应时段的历史用电量均值
进而能够综合用户个体的状态及该区域的状态状况判断温度及时段对于用户用电量的影响程度，进而提高判断的准确性。
作为本发明的一种实施方式，对风险用户用电状态进行分析的过程为：
将每个表箱电表的用电量与表箱电表对应用户电表的用电量进行比对分析，根据比对结果对风险用户的用电量信息进行分析；
比对分析的过程为：
通过公式
计算偏差率μ；
将偏差率μ与预设阈值μth进行比对：
若μ＜μth，则不对风险用户的用电量进行分析；
否则，对所有风险用户进行电表故障分析；
其中，∑Euser为该表箱电表对应所有用户电表用电量之和；Esum为表箱电表的用电量。
通过上述技术方案，本实施例将每个表箱电表的用电量与表箱电表对应用户电表的用电量进行比对分析，根据比对结果对风险用户的用电量信息进行分析，具体地，通过公式
计算偏差率μ；将偏差率μ与预设阈值μth进行比对：若μ＜μth，说明偏差在合理的范围内，则不对风险用户的用电量进行分析；否则说明存在电表的问题，因此对所有风险用户进行电表故障分析。
需要说明的是，预设阈值μth根据线损因素及误差因素设定，同时在比对过程中，由于用户电表与表箱电表之间的线路较短，因此在比对过程中不考虑线路长短差值造成的不同线损量。
作为本发明的一种实施方式，对所有风险用户进行电表故障分析的过程为：
判断风险用户用电量Erisk是否＜0：
若为是，则判断电表故障且故障类型为表计倒走；
若为否，则进行全局分析；
所述全局分析的过程为：
判断风险用户中是否存在Erisk＜0的用户电表：
若存在，则将该用户的用电量用Epre替代，并再次进行比对分析；
若不存在，则判断风险用户中是否存在Erisk＝0的用户电表：
若存在，则将该用户的用电量用Epre替代，并再次进行比对分析；
若不存在，则对所有风险用户进行排查。
通过上述技术方案，本实施例提供了一种对所有风险用户进行电表故障分析的过程，首先判断风险用户用电量Erisk是否＜0，若为是，则判断电表故障且故障类型为表计倒走；若为否，则进行全局分析；全局分析通过对一个表箱电表下所有用户电表的用电量数据进行分析，进而能够为电力检修人员提高较为准确的判断信息；具体地，判断风险用户中是否存在Erisk＜0的用户电表，若存在，则将该用户的用电量用Epre替代，并再次进行比对分析，通过此过程，能够一次排查出用户电表的多个故障问题；若不存在，则判断风险用户中是否存在Erisk＝0的用户电表，当Erisk＝0时存在两者情况，一种是用户未用电，另一种则是电表的表计不走，导致电表统计的用电量为0；因此若存在Erisk＝0时，则将该用户的用电量用Epre替代，并再次进行比对分析，显然当比对结果显示正常时，说明Erisk＝0用户电表导致全局分析结果异常的几率很大，因此可以先对该用户电表进行检修排查，提高检修效率；若不存在，则对所有风险用户进行排查，保证故障能够被发现并解决。
作为本发明的一种实施方式，当存在Erisk＜0的用户电表时，再次进行比对分析的过程为：
将Erisk＜0的用户用电量用Epre替代，将偏差率μ与预设阈值μth进行比对：
若μ＜μth+μpt，则判断故障类型仅为该用户电表表计倒走；
否则判断表箱电表对应的用户电表还存在故障问题；
其中，μpt为偏差阈值。
通过上述技术方案，本实施例在用户电表中存在Erisk＜0时，通过将Erish＜0的用户用电量用Epre替代，将偏差率μ与预设阈值μth进行比对，当μ＜μth+μpt时，则说明故障问题在替代后得到了解决，因此判断故障类型仅为该用户电表表计倒走，否则说明用户电表中还存在其它的故障问题；因此通过本实施例的判断过程，能够为检修人员提供更为准确的参考信息。
需要说明的是，由于Epre为预测结果值，因此通过设置偏差阈值μpt，进而能够提高容差效果；另外需要说明的是，偏差阈值μpt根据经验数据选择设定。
作为本发明的一种实施方式，当不存在Erisk＜0的用户电表，存在Erisk＝0的用户电表时，进行比对分析的过程为：
将Erisk＝0的用户用电量用Epre替代，将偏差率μ与预设阈值μth进行比对：
若μ＜μth+μpt，则判断故障类型为电表表计不走动故障；
否则判断用户电表存在其他故障问题；
其中，μpt为偏差阈值。
通过上述技术方案，本实施例在不存在Erisk＜0的用户电表，存在Erisk＝0的用户电表时，将Erisk＝0的用户用电量用Epre替代，将偏差率μ与预设阈值μth进行比对：若μ＜μth+μpt，则判断故障类型为电表表计不走动故障；否则判断用户电表存在其他故障问题；同理，通过此过程能够为检修人员提供更为准确的参考信息。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.基于边缘计算的电网多源数据处理方法，其特征在于，所述方法包括：
S1、通过边缘设备采集用户电表及表箱电表的用电量数据；
S2、将用户电表数据输入至用户用电量分析模型中，判断用户用电量风险系数；
所述用电量分析模型基于每个用户的历史数据建立；
S3、根据用电量风险系数将用户划分为正常用户及风险用户，根据用户电表及表箱电表数据对风险用户用电状态进行分析。
2.根据权利要求1所述的基于边缘计算的电网多源数据处理方法,其特征在于，所述用电量分析模型建立的过程为：
通过公式
获得预测用电量Epre(t)；
其中，t2为当前时间点，t1为历史时间点，t2与t1相隔时间段为预设值；E(t)为t1至t2时间段用户的用电量变化曲线；Emax为t1至t2时间段用户用电量最大值；Emin为t1至t2时间段用户用电量最小值；σ、τ为预设系数；W为当前时间点的温度；δ为影响函数；
将实际用电量Efact与预测用电量Epre进行比对：
若
则判断该用户为风险用户；
否则，判断该用户为正常用户；
其中，Rth为预设阈值。
3.根据权利要求2所述的基于边缘计算的电网多源数据处理方法,其特征在于，所述影响函数建立的过程为：
根据用电量采集时间t对应的时段，获取该用户在该时段的历史用电量信息及该台区所有用户在该时段的用电量信息；
根据用电量采集时间t对应的环境温度，获取该用户在该温度环境下的历史用电量信息及该台区所有用户在该温度环境下的用电量信息；
通过公式
获取影响函数δ(t，W)；
其中，
为历史特定时段内该用户用电量均值；
为该用户在t对应时段的历史用电量均值；
为该用户所属台区所有用户在t对应时段的历史用电量均值；
为该用户在W温度状态对应时段的历史用电量均值；
为该用户所属台区所有用户在W温度状态对应时段的历史用电量均值；A1、A2、B1及B2为预设比例系数，A1+A2＝1，B1+B2＝1。
4.根据权利要求2所述的基于边缘计算的电网多源数据处理方法,其特征在于，对风险用户用电状态进行分析的过程为：
将每个表箱电表的用电量与表箱电表对应用户电表的用电量进行比对分析，根据比对结果对风险用户的用电量信息进行分析。
5.根据权利要求4所述的基于边缘计算的电网多源数据处理方法,其特征在于，比对分析的过程为：
通过公式
计算偏差率μ；
将偏差率μ与预设阈值μth进行比对：
若μ＜μth，则不对风险用户的用电量进行分析；
否则，对所有风险用户进行电表故障分析；
其中，∑Euser为该表箱电表对应所有用户电表用电量之和；Esum为表箱电表的用电量。
6.根据权利要求5所述的基于边缘计算的电网多源数据处理方法，其特征在于，对所有风险用户进行电表故障分析的过程为：
判断风险用户用电量Erisk是否<0：
若为是，则判断电表故障且故障类型为表计倒走；
若为否，则进行全局分析；
所述全局分析的过程为：
判断风险用户中是否存在Erisk<0的用户电表：
若存在，则将该用户的用电量用Epre替代，并再次进行比对分析；
若不存在，则判断风险用户中是否存在Erisk＝0的用户电表：
若存在，则将该用户的用电量用Epre替代，并再次进行比对分析；
若不存在，则对所有风险用户进行排查。
7.根据权利要求6所述的基于边缘计算的电网多源数据处理方法，其特征在于，当存在Erisk＜0的用户电表时，再次进行比对分析的过程为：
将Erisk＜0的用户用电量用Epre替代，将偏差率μ与预设阈值μth进行比对：
若μ＜μth+μpt，则判断故障类型仅为该用户电表表计倒走；
否则判断表箱电表对应的用户电表还存在故障问题；
其中，μpt为偏差阈值。
8.根据权利要求6所述的基于边缘计算的电网多源数据处理方法，其特征在于，当不存在Erisk＜0的用户电表，存在Erisk＝0的用户电表时，进行比对分析的过程为：
将Erisk＝0的用户用电量用Epre替代，将偏差率μ与预设阈值μth进行比对：
若μ＜μth+μpt，则判断故障类型为电表表计不走动故障；
否则判断用户电表存在其他故障问题；
其中，μpt为偏差阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211550098.9A CN115809805A (zh) | 2022-12-05 | 2022-12-05 | 基于边缘计算的电网多源数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211550098.9A CN115809805A (zh) | 2022-12-05 | 2022-12-05 | 基于边缘计算的电网多源数据处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115809805A true CN115809805A (zh) | 2023-03-17 |
Family
ID=85485028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211550098.9A Withdrawn CN115809805A (zh) | 2022-12-05 | 2022-12-05 | 基于边缘计算的电网多源数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115809805A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117118808A (zh) * | 2023-10-19 | 2023-11-24 | 深圳市先行电气技术有限公司 | 基于物联网的多源电表数据采集分析方法、系统和存储介质 |
| CN118472938A (zh) * | 2024-06-20 | 2024-08-09 | 广东电网有限责任公司阳江供电局 | 一种多层次协同的电网实时控制方法及其控制系统 |
-
2022
- 2022-12-05 CN CN202211550098.9A patent/CN115809805A/zh not_active Withdrawn
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117118808A (zh) * | 2023-10-19 | 2023-11-24 | 深圳市先行电气技术有限公司 | 基于物联网的多源电表数据采集分析方法、系统和存储介质 |
| CN117118808B (zh) * | 2023-10-19 | 2024-02-13 | 深圳市先行电气技术有限公司 | 基于物联网多源电表数据采集分析方法、系统和存储介质 |
| CN118472938A (zh) * | 2024-06-20 | 2024-08-09 | 广东电网有限责任公司阳江供电局 | 一种多层次协同的电网实时控制方法及其控制系统 |
| CN118472938B (zh) * | 2024-06-20 | 2024-09-24 | 广东电网有限责任公司阳江供电局 | 一种多层次协同的电网实时控制方法及其控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108596229B (zh) | 在线异常的监测诊断方法和系统 | |
| CN115809805A (zh) | 基于边缘计算的电网多源数据处理方法 | |
| CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
| CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
| CN112098915B (zh) | 双母线分段接线下多台电压互感器继发性误差的评估方法 | |
| CN110991826B (zh) | 一种评价低压电能表运行状态的方法 | |
| CN108010305B (zh) | 一种综合能源管理平台数据采集故障的自诊断方法 | |
| CN117808456B (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
| CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
| CN110927654A (zh) | 一种智能电能表批次运行状态评价方法 | |
| CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
| CN111275295A (zh) | 一种基于反距离权重插值的分布式光伏故障诊断方法 | |
| CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
| CN117277435A (zh) | 一种光伏逆变器的健康评估方法、系统及装置 | |
| CN111339661B (zh) | 一种高压电缆巡检周期自动规划方法 | |
| CN111898068A (zh) | 一种基于pert算法及仪表用量分析的异常检测方法 | |
| CN118074126B (zh) | 一种基于电网信息运维监控方法 | |
| CN116882804A (zh) | 一种智能电力监控方法及系统 | |
| CN117495106A (zh) | 一种智能电表实时风险筛查、预测方法及系统 | |
| CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
| CN112785456A (zh) | 基于向量自回归模型的高损线路窃电检测方法 | |
| CN117195451A (zh) | 一种基于图论的桥梁监测数据修复方法 | |
| CN113591396B (zh) | 一种基于朴素贝叶斯网络的电网元器件故障诊断方法 | |
| CN115907033A (zh) | 一种基于机器学习算法预测每小时用电量的方法及系统 | |
| CN106447521A (zh) | 微型断路器资产寿命预测方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230317 |
|
| WW01 | Invention patent application withdrawn after publication |