CN116304537B - 基于智能量测终端的窃电用户核查方法 - Google Patents
基于智能量测终端的窃电用户核查方法 Download PDFInfo
- Publication number
- CN116304537B CN116304537B CN202310464799.9A CN202310464799A CN116304537B CN 116304537 B CN116304537 B CN 116304537B CN 202310464799 A CN202310464799 A CN 202310464799A CN 116304537 B CN116304537 B CN 116304537B
- Authority
- CN
- China
- Prior art keywords
- data
- user
- line loss
- table data
- electricity
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
本发明涉及配网自动化系统领域,公开了一种基于智能量测终端的窃电用户核查方法,包括以下步骤:量测终端采集台区户表与考核总表的日冻结电量数据;对采集电量数据均值滤波得总表数据和户表数据;总表数据减去户表数据的加和得线损值曲线;计算所有户表数据彼此间的皮尔逊相关系数并获得对应拉普拉斯矩阵;定义线损值与户表数据的目标函数并获得解析解;计算线损贡献度并根据贡献度找出疑似窃电用户。本发明用拉普拉斯约束改进最小二乘回归模型,降低台区用户间用电规律相似性带来的影响,保证计算结果的稳健性,根据估计系数及线损贡献度大小给出疑似窃电清单。本发明实现简单,仅需获取全台区用户用电数据与台区总表数据,无需添加额外设备。
Description
技术领域
本发明涉及配网自动化系统领域,具体涉及一种基于智能量测终端的窃电用户核查方法。
背景技术
电力能源已成为社会生产生活中的必需品,然而在发电、输电和配电过程中经常会发生损耗,尤其是日益增多的窃电现象带来难以估计的经济损失。近年来,坚强智能电网和泛在电力物联网的建设与发展,使得海量用电数据得以采集并存储,例如用户电压、电流、电量等信息。因此,通过大数据分析手段进行窃电检测的方法受到日益广泛的关注。
在当前的大数据分析技术中,根据“能量守恒”建立台区线性回归模型是一种常见的手段,然后根据最小二乘方法估计出用户的系数进而分析疑似窃电行为。然而,低压台区用户的日冻结电量在一年中的用电规律具有不同程度的一致性,即电量数据具有严重的相关性,容易使得最小二乘的解不稳定,影响判断。
南方电网科学研究院有限责任公司的智能量测终端通过智能量测装置中的主控系统和功能模块集的模块化设计,实现不同软硬件模块的重新组合,可以实现该智能量测终端功能的独立性以及转换功能,采用功能模块集中可拔插端口的设计实现该智能量测终端功能的扩展,不需要重新设计不同的终端,通用性强;还通过智能量测系统中分层架构设计的统一操作系统架构,保障不同厂家开发应用程序在智能量测终端上运行的协调通信能力,统一了软件开发标准化,使测试可度量化,简化了运维操作难度,也解决多厂家、分批次终端出现问题后的差异化升级,进而彻底解决造成问题的隐患;根据智能量测装置和智能量测系统使得该智能量测终端具有高灵活性、易维护、易扩展、兼容性强等优点,为未来以电力为核心的多能源运维信息采集业务提供夯实的基础,解决了现有电能计量体系中的量测终端的通用性、扩展性以及兼容性差的技术问题。因此该终端可被用于设计反窃电分析方案。
发明内容
本发明针对上述问题,克服现有技术的不足,提出一种基于智能量测终端的窃电用户核查方法,通过拉普拉斯矩阵改进最小二乘回归模型,能够降低用户数据间的相关性造成的影响,获得的解析解具有更高的稳定性。本发明此方法实现简单,仅需获取全台区用户用电数据与台区总表数据,无需添加额外设备。
为了实现上述发明目的,本发明采取如下技术方案:
一种基于智能量测终端的窃电用户核查方法,包括以下步骤:
S1,智能量测终端采集低压台区用户表日冻结电量数据与台区考核总表日冻结电量数据。
S2,对采集到的电量数据进行均值滤波处理,称均值滤波处理后的数据为总表数据和户表数据;
用总表数据减去户表数据的加和,获得线损值曲线。
S3,计算所有户表数据彼此间的相似性度量值,并进一步获得对应的拉普拉斯矩阵;
其中相似性度量值的计算公式为:
;
公式中的和/>分别表示第i和第j个户表数据的均值,n为滤波后的数据点数,为第i个用户表的第t个户表数据,/>为第j个用户表的第t个户表数据;
其中拉普拉斯矩阵构成为:
;
;
公式中的m为台区用户表数,R表示实数。
S4,定义线损值与户表数据的目标函数,并获得解析解;
其中定义的目标函数如下:
;
其中是所有户表的估计系数向量,/>为第t个线损值,/>和/>是第i和第j个户表的估计系数值,/>是拉普拉斯矩阵D中第i行第j列的元素,/>,λ是约束参数,m为台区用户表数,n为滤波后的数据点数,β为户表的估计系数向量;
将的目标函数转换成矩阵的形式:
;
其中向量是线损值曲线,矩阵/>表示台区用户数据,R表示实数;
相应的解析解为:
。
S5,计算线损贡献度,并根据贡献度和估计系数给出疑似窃电用户清单;
其中线损贡献度Contri的计算公式为:
;
则疑似窃电清单中用户表的标号;
其中α和ε为两个阈值。
优选地,所述S1中采集的数据天数,其中m为台区用户表数,c为均值滤波参数。
优选地,所述S2中均值滤波过程用算式表示为:
计算线损值的公式为:
其中为第t个总表数据,/>,/>为原始数据天数,c为均值滤波参数,/>是滤波前的第p个台区考核总表日冻结电量数据,/>,/>为滤波前的第i个用户表的第p个日冻结电量数据。
优选地,所述步骤5中两个阈值α和ε取值范围分别为[0.2,0.8]和[0.2,1.0]。
本发明的有益效果是:由线损模型遵循的“能量守恒”定律出发,建立目标函数,进而分析窃电用户。通过拉普拉斯约束改进最小二乘回归模型,可以降低低压台区用户间用电规律相似性带来的影响,保证计算结果的稳健性,然后根据估计系数及线损贡献度大小给出疑似窃电清单。同时,本发明实现简单,仅需获取全台区用户用电数据与台区总表数据,无需添加额外设备。与最接近的技术——专利CN112380496A中的方法相比,分析结果更准确,具体地:
本申请从低压台区线损模型满足的“能量守恒”定律(即台区供入电量在没有窃电及其他损耗时等于供出的加和)出发,从定量角度分析台区内是否存在疑似窃电用户,在抓出窃电用户的同时得出该用户的等效窃电估计,即用户的系数,该系数如果表征窃电用户,则与其他正常用户的系数存在非常显著的幅值差异,因此对于窃电分析具有明确的指导意义;而专利CN112380496A仅通过皮尔逊相似性分析窃电,是从定性角度得到疑似窃电用户,但是没有从线损模型遵循的“能量守恒”出发,所以分析结果具有不明确性。
本申请对分析窃电过程中常用的线性回归模型(即最小二乘模型)进行改进,考虑了用户间的相关性,能够降低线性回归求解时的“多重共线性”影响,提升最终结果的稳定性和准确性。而专利CN112380496A没有考虑用户间的相关性,仅根据相似的传递性,很容易导致用电规律相符的用户与线损的相关性等同,从而影响后续判断(例如若用户A相似于用户B且相似于线损C,则用户B相似于线损C)。
附图说明
图1为本发明的总体流程图。
图2为本发明实施例中台区用户的皮尔逊相关系数图。
图3为本发明实施例中采用本方法的台区用户线性回归系数。
图4为本发明实施例中台区用户的线损贡献度图。
图5为本发明实施例中常规的台区用户线性回归系数。
图6为本发明实施例中采用专利CN 112380496 A所述方法的皮尔逊相关系数。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不限定本发明。
实施例:
结合附图1,本发明的一种基于智能量测终端的窃电用户核查方法,包括以下步骤:
步骤1,智能量测终端采集低压台区用户表日冻结电量数据与台区考核总表日冻结电量数据,智能量测终端作为实施计算的载体,体现了边缘计算的优势,可以释放统一在主站计算的压力;其中采集的数据天数,m为台区用户表数,c为均值滤波参数。
实施例中采集的数据天数为169,大于m+c-1=112,其中台区用户表数m=110,均值滤波参数c=3。
步骤2,对采集到的电量数据进行均值滤波处理,称均值滤波处理后的数据为总表数据和户表数据。
均值滤波过程用算式表示为:
;
;
计算线损值的公式为:
;
其中为第t个总表数据,/>,滤波后的数据点数为n,实施例中n=167,/>是滤波前的第p个台区考核总表日冻结电量数据,/>,/>为第i个用户表的第t个户表数据,/>为滤波前的第i个用户表的第p个日冻结电量数据,/>为第t个线损值。
用总表数据减去户表数据的加和,获得线损值曲线。
步骤3,计算所有户表数据彼此间的相似性指标,并进一步获得对应的拉普拉斯矩阵。
相似性指标计算公式为:
;
其中,和/>分别表示第i和第j个户表数据的均值,/>为第j个用户表的第t个户表数据;
拉普拉斯矩阵构成为:
;
;
其中R表示实数;表示拉普拉斯矩阵D中的第i行第j列的元素,由第i个用户与m个用户的相似性指标加和并减去用户i和用户j之间的相似性指标得到。
由图2知,该台区中存在大量的用户彼此之间的相似性指标很高,说明存在多重共线性风险,影响传统的最小二乘模型计算结果。
步骤4,根据低压台区“能量守恒”原则定义线损值与户表数据的目标函数,并获得解析解。
定义的目标函数如下:
;
其中是所有户表的估计系数向量,/>为第t个线损值,/>为第i个用户表的第t个户表数据,/>和/>是第i和第j个户表的估计系数值,/>是拉普拉斯矩阵D中第i行第j列的元素,/>,λ是约束参数,m为台区用户表数,n为滤波后的数据点数,β为户表的估计系数向量;
将的目标函数转换成矩阵的形式:
;
其中向量是线损值曲线,矩阵/>表示台区用户数据,R表示实数;
相应的解析解为:
。
步骤5,计算线损贡献度,并根据贡献度和估计系数给出疑似窃电用户清单。
线损贡献度的计算公式为:
;
则疑似窃电清单中用户表的标号根据下式确定
;
其中α和ε为两个阈值,前者表示估计的疑似窃电用户造成的损耗占台区总线损的比重,后者表示估计的疑似窃电用户造成的损耗相对于该用户当前显示用户数据的倍率,一般来说两个阈值选取的数值越大则筛选规则越严格。
实施例中两阈值均取0.2,则通过图3和图4可知,标号为2的用户具有最大的窃电嫌疑,与实际核查结果一致。作为对比,图5给出了常规的台区用户线性回归系数结果,与图3对比可知,求解结果不稳定,出现了其他的较大系数用户,影响判断。作为对比,图6给出了采用专利CN 112380496 A所述方法的分析结果,看出通过阈值0.7筛选将出现较多的疑似窃电用户,分析结果不明确。根据图5和图6可知,分析台区内疑似窃电用户时需要考虑用户间彼此的相关性,否则易影响最终结果的研判。
以上实施例是对本发明的具体实施方式的说明,而非对本发明的限制,有关技术领域的技术人员在不脱离本发明的精神和范围的情况下,还可以做出各种变换和变化而得到相对应的等同的技术方案,因此所有等同的技术方案均应该归入本发明的专利保护范围。
Claims (3)
1.一种基于智能量测终端的窃电用户核查方法,其特征在于,包括以下步骤:
S1,智能量测终端采集低压台区用户表日冻结电量数据与台区考核总表日冻结电量数据;
S2,对采集到的电量数据进行均值滤波处理,称均值滤波处理后的数据为总表数据和户表数据;
用总表数据减去户表数据的加和,获得线损值曲线;
S3,计算所有户表数据彼此间的相似性度量值,并进一步获得对应的拉普拉斯矩阵;
其中相似性度量值的计算公式为:
;
公式中的和/>分别表示第i和第j个户表数据的均值,n为滤波后的数据点数,/>为第i个用户表的第t个户表数据,/>为第j个用户表的第t个户表数据;
其中拉普拉斯矩阵构成为:
;
;
公式中的m为台区用户表数,R表示实数;
S4,定义线损值与户表数据的目标函数,并获得解析解;
其中定义的目标函数如下:
;
其中是所有户表的估计系数向量,/>为第t个线损值,/>和/>是第i和第j个户表的估计系数值,/>是拉普拉斯矩阵D中第i行第j列的元素,/>,λ是约束参数,m为台区用户表数,n为滤波后的数据点数,β为户表的估计系数向量;
将的目标函数转换成矩阵的形式:
;
其中向量是线损值曲线,矩阵/>表示台区用户数据,R表示实数;
相应的解析解为:
;
S5,计算线损贡献度,并根据贡献度和估计系数给出疑似窃电用户清单;
其中线损贡献度Contri的计算公式为:
;
则疑似窃电清单中用户表的标号;
其中α和ε为两个阈值。
2.根据权利要求1所述的一种基于智能量测终端的窃电用户核查方法,其特征在于,所述S1中采集的数据天数,其中m为台区用户表数,c为均值滤波参数。
3.根据权利要求1所述的一种基于智能量测终端的窃电用户核查方法,其特征在于,所述S2中均值滤波过程用算式表示为:
;
;
计算线损值的公式为:
;
其中为第t个总表数据,/>,/>为原始数据天数,c为均值滤波参数,/>是滤波前的第p个台区考核总表日冻结电量数据,/>,/>为滤波前的第i个用户表的第p个日冻结电量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310464799.9A CN116304537B (zh) | 2023-04-27 | 2023-04-27 | 基于智能量测终端的窃电用户核查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310464799.9A CN116304537B (zh) | 2023-04-27 | 2023-04-27 | 基于智能量测终端的窃电用户核查方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116304537A CN116304537A (zh) | 2023-06-23 |
CN116304537B true CN116304537B (zh) | 2023-08-22 |
Family
ID=86797994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310464799.9A Active CN116304537B (zh) | 2023-04-27 | 2023-04-27 | 基于智能量测终端的窃电用户核查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116304537B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116859322B (zh) * | 2023-09-05 | 2024-01-09 | 青岛鼎信通讯股份有限公司 | 基于智能量测终端的电能表计量误差监测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集系统的多时间尺度用电异常分析方法 |
CN108197425A (zh) * | 2018-01-19 | 2018-06-22 | 北京工业大学 | 一种基于非负矩阵分解的智能电网数据分解方法 |
CN111125630A (zh) * | 2019-12-27 | 2020-05-08 | 北京工业大学 | 一种基于l1/2范数和同质性约束的能源分解方法 |
CN111444241A (zh) * | 2020-03-26 | 2020-07-24 | 南京工程学院 | 一种基于数据挖掘的台区线损异常关联用户精准定位方法 |
CN112215479A (zh) * | 2020-09-27 | 2021-01-12 | 青岛鼎信通讯股份有限公司 | 一种基于自适应收缩岭回归的电表反窃电分析方法 |
CN112380496A (zh) * | 2020-09-18 | 2021-02-19 | 青岛鼎信通讯股份有限公司 | 一种基于皮尔逊相关系数的反窃电分析方法 |
CN112730938A (zh) * | 2020-12-15 | 2021-04-30 | 北京科东电力控制系统有限责任公司 | 一种基于用电采集大数据的窃电用户判断方法 |
CN113435610A (zh) * | 2021-06-22 | 2021-09-24 | 国家电网有限公司 | 基于低压物联感知终端确定分级线损的方法 |
CN114065819A (zh) * | 2021-11-26 | 2022-02-18 | 国网江苏省电力有限公司泰州供电分公司 | 基于多特征融合与改进谱聚类的用电行为分析方法及系统 |
WO2022110558A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种智能电能表故障预警方法及装置 |
CN116008714A (zh) * | 2023-03-23 | 2023-04-25 | 青岛鼎信通讯股份有限公司 | 一种基于智能量测终端的反窃电分析方法 |
-
2023
- 2023-04-27 CN CN202310464799.9A patent/CN116304537B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集系统的多时间尺度用电异常分析方法 |
CN108197425A (zh) * | 2018-01-19 | 2018-06-22 | 北京工业大学 | 一种基于非负矩阵分解的智能电网数据分解方法 |
CN111125630A (zh) * | 2019-12-27 | 2020-05-08 | 北京工业大学 | 一种基于l1/2范数和同质性约束的能源分解方法 |
CN111444241A (zh) * | 2020-03-26 | 2020-07-24 | 南京工程学院 | 一种基于数据挖掘的台区线损异常关联用户精准定位方法 |
CN112380496A (zh) * | 2020-09-18 | 2021-02-19 | 青岛鼎信通讯股份有限公司 | 一种基于皮尔逊相关系数的反窃电分析方法 |
CN112215479A (zh) * | 2020-09-27 | 2021-01-12 | 青岛鼎信通讯股份有限公司 | 一种基于自适应收缩岭回归的电表反窃电分析方法 |
WO2022110558A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种智能电能表故障预警方法及装置 |
CN112730938A (zh) * | 2020-12-15 | 2021-04-30 | 北京科东电力控制系统有限责任公司 | 一种基于用电采集大数据的窃电用户判断方法 |
CN113435610A (zh) * | 2021-06-22 | 2021-09-24 | 国家电网有限公司 | 基于低压物联感知终端确定分级线损的方法 |
CN114065819A (zh) * | 2021-11-26 | 2022-02-18 | 国网江苏省电力有限公司泰州供电分公司 | 基于多特征融合与改进谱聚类的用电行为分析方法及系统 |
CN116008714A (zh) * | 2023-03-23 | 2023-04-25 | 青岛鼎信通讯股份有限公司 | 一种基于智能量测终端的反窃电分析方法 |
Non-Patent Citations (1)
Title |
---|
基于L0稀疏超图半监督学习的异常用电行为识别;郭志民;袁少光;孙玉宝;;计算机应用与软件(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116304537A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN108846530A (zh) | 一种基于“聚类-回归”模型的短期负荷预测方法 | |
CN110264107B (zh) | 一种基于大数据技术的台区线损率异常诊断方法 | |
CN116304537B (zh) | 基于智能量测终端的窃电用户核查方法 | |
CN115166619A (zh) | 一种智能电能表运行误差监测系统 | |
CN113126019A (zh) | 一种智能电表误差远程估计方法、系统、终端和存储介质 | |
CN116008714B (zh) | 一种基于智能量测终端的反窃电分析方法 | |
CN111008726A (zh) | 一种电力负荷预测中类图片转换方法 | |
CN116165597A (zh) | 一种基于核偏最小二乘法的电能表失准在线检测方法 | |
CN107730399B (zh) | 基于风力发电特性曲线的理论线损评估方法 | |
CN112990730A (zh) | 一种利用人为采集失败增强电量相关性特征的方法 | |
CN117273195A (zh) | 一种蒸汽供热系统需求负荷预测方法 | |
CN109783894B (zh) | 一种基于信息再修正的负荷协调预测方法 | |
CN111553434A (zh) | 一种电力系统负荷分类方法及系统 | |
CN116186950A (zh) | 燃气管网模拟仿真的处理方法、系统、装置和存储介质 | |
CN116451170A (zh) | 一种基于多源异构数据的配电网检测方法 | |
CN115659553A (zh) | 一种低压供电网络拓扑识别方法及系统 | |
CN110658385B (zh) | 一种基于复化梯形法的用电量分类计量方法 | |
CN116859322B (zh) | 基于智能量测终端的电能表计量误差监测方法 | |
CN113420728A (zh) | 融合多时间尺度信息的非侵入式空调负荷辨识方法及系统 | |
Liu et al. | Hierarchical Identification Method of Household-Transformer Relationship based on Adaptive Piecewise Aggregation Approximation | |
CN117388626B (zh) | 基于分布式电源的配电网多元负荷动态平衡状态检测方法 | |
Yu et al. | Identification System Design of Regional Power Load Based on Whale Optimization Algorithm | |
Ma et al. | Classification Method for Power Load Data of New Energy Grid based on Improved OTSU Algorithm | |
Zhang et al. | The method of calculating the line loss ratio of distributed grid-connected station area by using PCA-GRNN |
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 |