CN116757443B - 新型配电网电力线损率预测方法、装置、电子设备和介质 - Google Patents

新型配电网电力线损率预测方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN116757443B
CN116757443B CN202311007406.8A CN202311007406A CN116757443B CN 116757443 B CN116757443 B CN 116757443B CN 202311007406 A CN202311007406 A CN 202311007406A CN 116757443 B CN116757443 B CN 116757443B
Authority
CN
China
Prior art keywords
power
target
attribute value
attribute
attribute information
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
Application number
CN202311007406.8A
Other languages
English (en)
Other versions
CN116757443A (zh
Inventor
郭雷
刘涛
郭鹏
李岩
刘玉娇
李国亮
张震雷
高媛
胡美琳
鲁桂国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Information and Telecommunication Co Ltd
Beijing Guodiantong Network Technology Co Ltd
Zaozhuang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Information and Telecommunication Co Ltd
Beijing Guodiantong Network Technology Co Ltd
Zaozhuang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Information and Telecommunication Co Ltd, Beijing Guodiantong Network Technology Co Ltd, Zaozhuang Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Information and Telecommunication Co Ltd
Priority to CN202311007406.8A priority Critical patent/CN116757443B/zh
Publication of CN116757443A publication Critical patent/CN116757443A/zh
Application granted granted Critical
Publication of CN116757443B publication Critical patent/CN116757443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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
    • H02J2203/20—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

Abstract

本公开的实施例公开了新型配电网电力线损率预测方法、装置、电子设备和介质。该方法的一具体实施方式包括：采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集；采集每个目标电力基本属性值，得到目标电力基本属性值组；对电力基本属性值序列集进行标准化处理，以生成电力属性信息集；基于电力属性信息集，生成聚类中心属性信息集；确定电力线损率预测方程；将目标电力基本属性值组输入至电力线损率预测方程中，得到电力预测线损率；响应于确定电力预测线损率大于预设线损率，以及响应于确定目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。该实施方式可以减少电力资源的浪费。

Description

新型配电网电力线损率预测方法、装置、电子设备和介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及新型配电网电力线损率预测方法、装置、电子设备和介质。
背景技术
预测出新型配电网电力线损率之后，可以通过调度电力设备向目标线路供电以降低电力线损率，减少电力资源的浪费。目前，预测电力线损率，通常采用的方式为：只根据历史的总输出功率和总用电负荷预测电力线损率，或根据预先设定的半径对历史的电力属性信息进行聚类划分处理，通过每个聚类的聚类中心预测电力线损率。
然而，采用上述方式通常存在以下技术问题：
第一，仅根据总输出功率和总用电负荷来预测电力线损率，未考虑到其它的电力属性信息，得到的电力预测线损率的准确度较低，通过电力预测线损率对电力设备进行调度的准确度较低，导致电力资源的浪费；
第二，由于历史的电力属性信息的数量太多，且存在大量相同类型的电力属性信息，对相同类型的每个电力属性信息均进行处理，导致浪费了计算资源；
第三，对每个聚类均采用相同的半径，对部分聚类划分的准确度较低，导致得到的聚类中心的准确度较低，得到的电力预测线损率的准确度较低，通过电力预测线损率对电力设备进行调度的准确度较低，导致电力资源的浪费。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了电力设备移除方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种新型配电网电力线损率预测方法，该方法包括：采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集；采集每个目标电力基本属性值，得到目标电力基本属性值组；对上述电力基本属性值序列集进行标准化处理，以生成电力属性信息集；基于上述电力属性信息集，生成聚类中心属性信息集；基于上述聚类中心属性信息集，确定电力线损率预测方程，以及将上述电力线损率预测方程存储至数据库中；将上述目标电力基本属性值组输入至上述电力线损率预测方程中，得到电力预测线损率；响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。
可选地，上述采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集，包括：对于预设时间段内的每个时间粒度，执行如下采集步骤：采集第一供电类型的电力设备的第一电力基本属性值；采集第二供电类型的电力设备的第二电力基本属性值；采集第三供电类型的电力设备的第三电力基本属性值；采集目标电网的第四电力基本属性值；采集相关联的目标用户终端的第五电力基本属性值；采集目标电网的第六电力基本属性值；将上述第一电力基本属性值、上述第二电力基本属性值、上述第三电力基本属性值、上述第四电力基本属性值、上述第五电力基本属性值和上述第六电力基本属性值确定为电力基本属性值序列；将所确定的各个电力基本属性值序列确定为电力基本属性值序列集。
可选地，上述响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理，包括：响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备对目标线路进行供电。
可选地，上述对上述电力基本属性值序列集进行标准化处理，以生成电力属性信息集，包括：对于上述电力基本属性值序列集中的每个电力基本属性值序列，执行如下确定处理步骤：对于上述电力基本属性值序列中的每个电力基本属性值，执行如下确定步骤：将上述电力基本属性值序列集中满足预设类型条件的各个电力基本属性值确定为目标电力基本属性值组；将上述电力基本属性值与上述目标电力基本属性值组中最小的目标电力基本属性值的差确定为电力基本属性差值；将上述目标电力基本属性值组中最大的目标电力基本属性值与上述目标电力基本属性值组中最小的目标电力基本属性值的差确定为目标电力基本属性差值；将上述电力基本属性差值和上述目标电力基本属性差值的比值确定为电力属性值；将所确定的各个电力属性值确定为电力属性值序列；将上述电力属性值序列确定为电力属性信息；将所确定的各个电力属性信息确定为电力属性信息集。
可选地，上述基于上述电力属性信息集，生成聚类中心属性信息集，包括：从上述电力属性信息集中选取预设数量的电力属性信息作为圆心属性信息，得到圆心属性信息组；基于预设半径值组集、上述电力属性信息集和上述圆心属性信息组，确定目标半径值组，以及将上述目标半径值组存储至数据库中，其中，上述预设半径值组集中的预设半径值对应上述圆心属性信息组中的圆心属性信息，上述目标半径值组中的目标半径值对应上述圆心属性信息组中的圆心属性信息；基于上述圆心属性信息组、上述电力属性信息集和上述目标半径值组，确定聚类中心属性信息集。
可选地，上述基于上述聚类中心属性信息集，确定电力线损率预测方程，以及将上述电力线损率预测方程存储至数据库中，包括：基于上述聚类中心属性信息集，确定初始电力线损率预测方程；基于上述聚类中心属性信息集，确定上述初始电力线损率预测方程对应的电力线损率误差方程；基于上述电力线损率误差方程，确定上述初始电力线损率预测方程对应的电力线损率预测方程；将上述电力线损率预测方程存储至数据库中。
可选地，上述基于上述聚类中心属性信息集，确定上述初始电力线损率预测方程对应的电力线损率误差方程，包括：对于上述聚类中心属性信息集中的每个聚类中心属性信息，执行如下输入步骤：将上述聚类中心属性信息对应的电力属性值序列中去除了最后一个电力属性值的各个电力属性值确定为中转电力属性值序列；将上述中转电力属性值序列输入至上述初始电力线损率预测方程中，得到目标电力属性方程；基于上述聚类中心属性信息对应的电力属性值序列中的最后一个电力属性值与上述目标电力属性方程，生成电力属性误差方程；将所生成的各个电力属性误差方程的和确定为电力线损率误差方程。
第二方面，本公开的一些实施例提供了一种新型配电网电力线损率预测装置，装置包括：第一采集单元，被配置成采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集；第二采集单元，被配置成采集每个目标电力基本属性值，得到目标电力基本属性值组；标准化单元，被配置成对上述电力基本属性值序列集进行标准化处理，以生成电力属性信息集；生成单元，被配置成基于上述电力属性信息集，生成聚类中心属性信息集；确定单元，被配置成基于上述聚类中心属性信息集，确定电力线损率预测方程，以及将上述电力线损率预测方程存储至数据库中；输入单元，被配置成将上述目标电力基本属性值组输入至上述电力线损率预测方程中，得到电力预测线损率；控制单元，被配置成响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。
可选地，上述第一采集单元，被进一步配置成：对于预设时间段内的每个时间粒度，执行如下采集步骤：采集第一供电类型的电力设备的第一电力基本属性值；采集第二供电类型的电力设备的第二电力基本属性值；采集第三供电类型的电力设备的第三电力基本属性值；采集目标电网的第四电力基本属性值；采集相关联的目标用户终端的第五电力基本属性值；采集目标电网的第六电力基本属性值；将上述第一电力基本属性值、上述第二电力基本属性值、上述第三电力基本属性值、上述第四电力基本属性值、上述第五电力基本属性值和上述第六电力基本属性值确定为电力基本属性值序列；将所确定的各个电力基本属性值序列确定为电力基本属性值序列集。
可选地，上述控制单元，被进一步配置成：响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备对目标线路进行供电。
可选地，上述标准化单元，被进一步配置成：对于上述电力基本属性值序列集中的每个电力基本属性值序列，执行如下确定处理步骤：对于上述电力基本属性值序列中的每个电力基本属性值，执行如下确定步骤：将上述电力基本属性值序列集中满足预设类型条件的各个电力基本属性值确定为目标电力基本属性值组；将上述电力基本属性值与上述目标电力基本属性值组中最小的目标电力基本属性值的差确定为电力基本属性差值；将上述目标电力基本属性值组中最大的目标电力基本属性值与上述目标电力基本属性值组中最小的目标电力基本属性值的差确定为目标电力基本属性差值；将上述电力基本属性差值和上述目标电力基本属性差值的比值确定为电力属性值；将所确定的各个电力属性值确定为电力属性值序列；将上述电力属性值序列确定为电力属性信息；将所确定的各个电力属性信息确定为电力属性信息集。
可选地，上述生成单元，被进一步配置成：从上述电力属性信息集中选取预设数量的电力属性信息作为圆心属性信息，得到圆心属性信息组；基于预设半径值组集、上述电力属性信息集和上述圆心属性信息组，确定目标半径值组，以及将上述目标半径值组存储至数据库中，其中，上述预设半径值组集中的预设半径值对应上述圆心属性信息组中的圆心属性信息，上述目标半径值组中的目标半径值对应上述圆心属性信息组中的圆心属性信息；基于上述圆心属性信息组、上述电力属性信息集和上述目标半径值组，确定聚类中心属性信息集。
可选地，上述确定单元，被进一步配置成：基于上述聚类中心属性信息集，确定初始电力线损率预测方程；基于上述聚类中心属性信息集，确定上述初始电力线损率预测方程对应的电力线损率误差方程；基于上述电力线损率误差方程，确定上述初始电力线损率预测方程对应的电力线损率预测方程；将上述电力线损率预测方程存储至数据库中。
可选地，上述确定单元，被更进一步配置成：对于上述聚类中心属性信息集中的每个聚类中心属性信息，执行如下输入步骤：将上述聚类中心属性信息对应的电力属性值序列中去除了最后一个电力属性值的各个电力属性值确定为中转电力属性值序列；将上述中转电力属性值序列输入至上述初始电力线损率预测方程中，得到目标电力属性方程；基于上述聚类中心属性信息对应的电力属性值序列中的最后一个电力属性值与上述目标电力属性方程，生成电力属性误差方程；将所生成的各个电力属性误差方程的和确定为电力线损率误差方程。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的新型配电网电力线损率预测方法，可以减少电力资源的浪费。具体来说，导致电力资源的浪费的原因在于：仅根据总输出功率和总用电负荷来预测电力线损率，未考虑到其它的电力属性信息，得到的电力预测线损率的准确度较低，通过电力预测线损率对电力设备进行调度的准确度较低。基于此，本公开的一些实施例的新型配电网电力线损率预测方法，首先，采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集。由此，可以得到包括第一电力基本属性值、第二电力基本属性值、第三电力基本属性值、第四电力基本属性值、第五电力基本属性值和第六电力基本属性值的电力基本属性值序列。其次，采集每个目标电力基本属性值，得到目标电力基本属性值组。接着，对上述电力基本属性值序列集进行标准化处理，以生成电力属性信息集。由此，可以对电力基本属性值序列集进行标准化处理，以便得到较为准确的电力属性信息集。紧接着，基于上述电力属性信息集，生成聚类中心属性信息集。由此，可以从电力属性信息集中选择出每个聚类的聚类中心。然后，基于上述聚类中心属性信息集，确定电力线损率预测方程，以及将上述电力线损率预测方程存储至数据库中。由此，可以通过每个聚类中心属性信息确定出准确度较高的电力线损率预测方程。之后，将上述目标电力基本属性值组输入至上述电力线损率预测方程中，得到电力预测线损率。由此，可以通过目标电力基本属性值组和较为准确的电力线损率预测方程，得到较为准确的电力预测线损率。最后，响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。由此，可以通过较为准确的电力预测线损率来调度相关联的电力设备，以降低电力线损率。因此，可以考虑到除了表征总输出功率的第四电力基本属性值和表征总用电负荷的第五电力基本属性值以外，还考虑了第一电力基本属性值、第二电力基本属性值和第三电力基本属性值。从而，可以根据电力基本属性值序列集得到较为准确的电力预测线损率。进而，可以通过较为准确的电力预测线损率，对相关联的电力设备进行调度处理，以降低电力线损率。从而，可以减少电力资源的浪费。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的新型配电网电力线损率预测方法的一些实施例的流程图；
图2是根据本公开的新型配电网电力线损率预测装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。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。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1，示出了根据本公开的新型配电网电力线损率预测方法的一些实施例的流程100。该新型配电网电力线损率预测方法，包括以下步骤：
步骤101，采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集。
在一些实施例中，新型配电网电力线损率预测方法的执行主体（例如计算设备）可以采集目标电网在预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集。其中，目标电网可以是目标区域的新型配电网。例如，目标区域可以是但不限于：省、市、县、社区等。上述时间粒度可以是但不限于十五分钟、一个小时、一天。例如，上述预设时间段可以是2023.1.1-2023.1.2。上述预设时间段还可以是2023.1.1-2023.1.7。上述预设时间段还可以是2023.1.1-2023.1.15。
实践中，上述执行主体可以通过以下步骤采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集：
第一步，对于预设时间段内的每个时间粒度，执行如下采集步骤：
第一采集步骤，采集第一供电类型的电力设备的第一电力基本属性值。实践中，上述执行主体可以通过有线连接或无线连接的方式从第一供电类型的电力设备处采集第一电力基本属性值。其中，第一电力基本属性值可以是第一供电类型的电力设备输出的输出功率。第一供电类型的电力设备可以是将煤炭能源转换成电能的设备。
第二采集步骤，采集第二供电类型的电力设备的第二电力基本属性值。实践中，上述执行主体可以通过有线连接或无线连接的方式从第二供电类型的电力设备处采集第二电力基本属性值。其中，第二电力基本属性值可以是第二供电类型的电力设备输出的输出功率。第二供电类型的电力设备可以是将风能转换成电能的设备。
第三采集步骤，采集第三供电类型的电力设备的第三电力基本属性值。实践中，上述执行主体可以通过有线连接或无线连接的方式从第三供电类型的电力设备处采集第三电力基本属性值。其中，第三电力基本属性值可以是第三供电类型的电力设备输出的输出功率。第三供电类型的电力设备可以是将光能转换成电能的设备。
第四采集步骤，采集目标电网的第四电力基本属性值。实践中，上述执行主体可以通过有线连接或无线连接的方式从目标电网处采集第四电力基本属性值。其中，第四电力基本属性值可以是目标电网向相关联的目标用户终端传输的总输出功率。相关联的目标用户终端可以是向目标电网申请电能的终端。
第五采集步骤，采集相关联的目标用户终端的第五电力基本属性值。实践中，上述执行主体可以通过有线连接或无线连接的方式从相关联的目标用户终端处采集第五电力基本属性值。其中，第五电力基本属性值可以表征相关联的目标用户终端的总用电负荷。
第六采集步骤，采集目标电网的第六电力基本属性值。实践中，上述执行主体可以通过有线连接或无线连接的方式从目标电网处采集第六电力基本属性值。其中，第六电力基本属性值可以表征目标电网的电力线损率。电力线损率可以是目标电网中损耗的线损率。
第七采集步骤，将上述第一电力基本属性值、上述第二电力基本属性值、上述第三电力基本属性值、上述第四电力基本属性值、上述第五电力基本属性值和上述第六电力基本属性值确定为电力基本属性值序列。
第二步，将所确定的各个电力基本属性值序列确定为电力基本属性值序列集。
步骤102，采集每个目标电力基本属性值，得到目标电力基本属性值组。
在一些实施例中，上述执行主体采集当前时间的每个目标电力基本属性值，得到目标电力基本属性值组。
实践中，首先，上述执行主体可以通过有线连接或无线连接的方式从第一供电类型的电力设备处采集当前时间的第一目标电力基本属性值。其次，上述执行主体可以通过有线连接或无线连接的方式从第二供电类型的电力设备处采集当前时间的第二目标电力基本属性值。接着，上述执行主体可以通过有线连接或无线连接的方式从第三供电类型的电力设备处采集当前时间的第三目标电力基本属性值。然后，上述执行主体可以通过有线连接或无线连接的方式从目标电网处采集当前时间的第四目标电力基本属性值。之后，上述执行主体可以通过有线连接或无线连接的方式从相关联的目标用户终端处采集当前时间的第五目标电力基本属性值。最后，上述执行主体可以将上述第一目标电力基本属性值、上述第二目标电力基本属性值、上述第三目标电力基本属性值、上述第四目标电力基本属性值和上述第五目标电力基本属性值确定为目标电力基本属性值组。
步骤103，对电力基本属性值序列集进行标准化处理，以生成电力属性信息集。
在一些实施例中，上述执行主体可以对上述电力基本属性值序列集进行标准化处理，以生成电力属性信息集。
实践中，上述执行主体可以通过以下步骤对上述电力基本属性值序列集进行标准化处理，以生成电力属性信息集：
第一步，对于上述电力基本属性值序列集中的每个电力基本属性值序列，执行如下确定处理步骤：
第一子步骤，对于上述电力基本属性值序列中的每个电力基本属性值，执行如下确定步骤：
第一确定步骤，将上述电力基本属性值序列集中满足预设类型条件的各个电力基本属性值确定为目标电力基本属性值组。其中，上述预设类型条件可以是各个电力基本属性值均是第一电力基本属性值、或各个电力基本属性值均是第二电力基本属性值、或各个电力基本属性值均是第三电力基本属性值、或各个电力基本属性值均是第四电力基本属性值、或各个电力基本属性值均是第五电力基本属性值、或各个电力基本属性值均是第六电力基本属性值。
第二确定步骤，将上述电力基本属性值与上述目标电力基本属性值组中最小的目标电力基本属性值的差确定为电力基本属性差值。
第三确定步骤，将上述目标电力基本属性值组中最大的目标电力基本属性值与上述目标电力基本属性值组中最小的目标电力基本属性值的差确定为目标电力基本属性差值。
第四确定步骤，将上述电力基本属性差值和上述目标电力基本属性差值的比值确定为电力属性值。
第二子步骤，将所确定的各个电力属性值确定为电力属性值序列。
第三子步骤，将上述电力属性值序列确定为电力属性信息。
第二步，将所确定的各个电力属性信息确定为电力属性信息集。
由此，可以对上述电力基本属性值序列集进行标准化处理，可以消除不同属性、量纲对电力基本属性值的影响，以便得到较为准确的电力属性信息。
步骤104，基于电力属性信息集，生成聚类中心属性信息集。
在一些实施例中，上述执行主体可以基于上述电力属性信息集，生成聚类中心属性信息集。
实践中，上述执行主体可以通过以下步骤生成聚类中心属性信息集：
第一步，从上述电力属性信息集中选取预设数量的电力属性信息作为圆心属性信息，得到圆心属性信息组。实践中，上述执行主体可以从上述电力属性信息集中随机选取预设数量的电力属性信息作为圆心属性信息，得到圆心属性信息组。例如，预设数量可以是40。
第二步，基于预设半径值组集、上述电力属性信息集和上述圆心属性信息组，确定目标半径值组，以及将上述目标半径值组存储至数据库中。其中，上述预设半径值组集中的预设半径值可以对应上述圆心属性信息组中的圆心属性信息。上述目标半径值组中的目标半径值可以对应上述圆心属性信息组中的圆心属性信息。这里，上述预设半径值组集中的预设半径值可以是预先设定的对应圆心属性信息的半径值。上述预设半径值组集中的预设半径值组可以对应圆心属性信息组。其中，对于预设半径值组集中的预设半径值的设定，不作限定。由此，可以将上述目标半径值组存储在数据库中，在下一次生成目标半径值组时，可以将上述目标半径值组作为预设半径值组集中的一个预设半径值组，因此，下一次生成目标半径值组时，可以生成较为准确的目标半径值组。
实践中，上述执行主体可以通过以下子步骤确定目标半径值组，以及将上述目标半径值组存储至数据库中：
第一子步骤，对于预设半径值组集中的每个预设半径值组，执行如下求和步骤：
第一求和步骤，对于上述预设半径值组中的每个预设半径值，执行如下均值处理步骤：
第一均值处理步骤，将上述电力属性信息集中满足预设半径条件的各个电力属性信息确定为聚类电力属性信息组。其中，上述预设半径条件可以是根据上述预设半径值和对应上述预设半径值的圆心属性信息确定的。这里，上述预设半径条件可以是电力属性信息集中的电力属性信息到对应上述预设半径值的圆心属性信息的距离值小于等于上述预设半径值。电力属性信息集中的电力属性信息到对应上述预设半径值的圆心属性信息的距离值可以通过以下公式生成：
。
其中，表示电力属性信息集中电力属性信息的序号。/>。/>表示电力属性信息集中电力属性信息的个数。/>表示序号。/>表示上述电力属性信息集中第/>个电力属性信息到对应上述预设半径值的圆心属性信息的距离值。/>表示上述电力属性信息集中第/>个电力属性信息包括的第/>个电力属性值。/>表示对应上述预设半径值的圆心属性信息包括的第/>个电力属性值。
第二均值处理步骤，对上述聚类电力属性信息组进行均值处理，以生成聚类均值电力属性信息。实践中，可以通过以下公式对上述聚类电力属性信息组进行均值处理，以生成聚类均值电力属性信息：
。
其中，表示上述聚类均值电力属性信息。/>表示上述聚类电力属性信息组中聚类电力属性信息的序号。/>。/>表示聚类电力属性信息组中聚类电力属性信息的个数。/>表示序号。/>。/>表示上述聚类均值电力属性信息包括的第/>个电力属性值。/>表示上述聚类电力属性信息组中第/>个聚类电力属性信息包括的第/>个电力属性值。
第三均值处理步骤，基于上述聚类电力属性信息组和上述聚类均值电力属性信息，生成初始误差值。实践中，可以通过以下公式生成初始误差值：
。
其中，表示上述初始误差值。/>表示上述聚类电力属性信息组中第/>个聚类电力属性信息包括的第/>个电力属性值。/>表示上述聚类均值电力属性信息包括的第/>个电力属性值。
第二求和步骤，对所生成的各个初始误差值进行求和处理，以生成半径误差值。
第二子步骤，将所生成的各个半径误差值中最小的半径误差值确定为目标半径误差值。
第三子步骤，将上述目标半径误差值对应的预设半径值组确定为目标半径值组。
第四子步骤，将上述目标半径值组存储至数据库中。
步骤104中的相关技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“导致电力资源的浪费”。造成电力资源的浪费的因素往往如下：对每个聚类均采用相同的半径，对部分聚类划分的准确度较低，导致得到的聚类中心的准确度较低，得到的电力预测线损率的准确度较低，通过电力预测线损率对电力设备进行调度的准确度较低。如果解决了上述因素，就能达到可以减少电力资源浪费的效果。为了达到这一效果，首先，对于预设半径值组集中的每个预设半径值组，执行如下求和步骤：第一步，对于上述预设半径值组中的每个预设半径值，执行如下均值处理步骤：第一子步骤，将上述电力属性信息集中满足预设半径条件的各个电力属性信息确定为聚类电力属性信息组。其中，上述预设半径条件是根据上述预设半径值和对应上述预设半径值的圆心属性信息确定的。由此，可以得到上述预设半径值对应的聚类包括的各个聚类电力属性信息。第二子步骤，对上述聚类电力属性信息组进行均值处理，以生成聚类均值电力属性信息。由此，可以得到上述预设半径值对应的聚类中心。第三子步骤，基于上述聚类电力属性信息组和上述聚类均值电力属性信息，生成初始误差值。由此，可以得到聚类电力属性信息组中各个聚类电力属性信息和聚类均值电力属性信息之间的初始误差值，以便得到上述预设半径值对应的聚类的误差值。第二步，对所生成的各个初始误差值进行求和处理，以生成半径误差值。由此，可以得到上述预设半径值组对应的所有聚类的总误差值。其次，将所生成的各个半径误差值中最小的半径误差值确定为目标半径误差值。然后，将上述目标半径误差值对应的预设半径值组确定为目标半径值组。由此，可以将最小的半径误差值对应的各个预设半径值组确定为目标半径值组。从而，可以对不同的聚类设置不同的半径值，以便划分出较为准确的聚类。进而，可以通过较为准确的聚类得到较为准确的聚类中心，以便得到较为准确的电力预测线损率。因此，可以通过较为准确的电力预测线损率，对相关联的电力设备进行调度处理以降低电力线损率。从而，可以减少电力资源的浪费。
第三步，基于上述圆心属性信息组、上述电力属性信息集和上述目标半径值组，确定聚类中心属性信息集。
实践中，上述执行主体可以通过以下子步骤确定聚类中心属性信息集：
第一子步骤，对于上述圆心属性信息组中的每个圆心属性信息，执行如下生成步骤：
第一生成步骤，将上述电力属性信息集中满足预设类别条件的各个电力属性信息确定为目标电力属性信息组。其中，上述预设类别条件可以是根据上述圆心属性信息和对应上述圆心属性信息的目标半径值确定的。这里，上述预设类别条件可以是电力属性信息到上述圆心属性信息的距离值小于等于对应上述圆心属性信息的目标半径值。
第二生成步骤，基于上述目标电力属性信息组和上述圆心属性信息，生成属性误差信息。实践中，可以通过以下公式生成属性误差信息：
。
其中，表示属性误差信息。/>表示目标电力属性信息组中目标电力属性信息的序号。/>。/>表示目标电力属性信息组中目标电力属性信息的个数。/>表示序号。。/>表示属性误差信息包括的第/>个电力属性值。/>表示目标电力属性信息组中第/>个目标电力属性信息包括的第/>个电力属性值。/>表示上述圆心属性信息包括的第/>个电力属性值。
第三生成步骤，基于上述属性误差信息和上述圆心属性信息，生成目标圆心属性信息。实践中，可以通过以下公式生成目标圆心属性信息：
。
其中，表示目标圆心属性信息。/>表示上述圆心属性信息。/>表示序号。。/>表示目标圆心属性信息包括的第/>个电力属性值。/>表示上述圆心属性信息包括的第/>个电力属性值。/>表示上述属性误差信息包括的第/>个电力属性值。
第四生成步骤，基于上述目标电力属性信息组和上述目标圆心属性信息，生成目标属性误差信息。实践中，可以通过以下公式生成目标属性误差信息：
。
其中，表示目标属性误差信息。/>表示目标属性误差信息包括的第/>个电力属性值。/>表示目标电力属性信息组中第/>个目标电力属性信息包括的第/>个电力属性值。/>表示目标圆心属性信息包括的第/>个电力属性值。
第五生成步骤，响应于确定上述目标属性误差信息满足预设圆心条件，将上述目标圆心属性信息确定为圆心属性信息，以供再次执行上述生成步骤。其中，上述预设圆心条件可以是上述目标属性误差信息包括的各个电力属性值存在大于预设阈值的电力属性值。例如，上述预设阈值可以是0.5。
第六生成步骤，响应于确定上述目标属性误差信息不满足上述预设圆心条件，将上述目标电力属性信息组中满足预设中心条件的目标电力属性信息确定为聚类中心属性信息。其中，上述预设中心条件可以是目标电力属性信息到目标电力属性信息组中各个目标电力属性信息的距离值的和最小。
第二子步骤，将所确定的各个聚类中心属性信息确定为聚类中心属性信息集。
步骤104中的相关技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“导致浪费了计算资源”。导致浪费了计算资源的因素往往如下：由于历史的电力属性信息的数量太多，且存在大量相同类型的电力属性信息，对相同类型的每个电力属性信息均进行处理。如果解决了上述因素，就能达到可以减少浪费计算资源的效果。为了达到这一效果，首先，对于上述圆心属性信息组中的每个圆心属性信息，执行如下生成步骤：第一，将上述电力属性信息集中满足预设类别条件的各个电力属性信息确定为目标电力属性信息组。其中，上述预设类别条件是根据上述圆心属性信息和对应上述圆心属性信息的目标半径值确定的。由此，可以得到目标半径值对应的聚类包括的各个目标电力属性信息。第二，基于上述目标电力属性信息组和上述圆心属性信息，生成属性误差信息。由此，可以得到目标电力属性信息组中各个目标电力属性信息与圆心属性信息之间的偏移量。第三，基于上述属性误差信息和上述圆心属性信息，生成目标圆心属性信息。由此，可以对圆心属性信息进行更新以生成目标圆心属性信息。第四，基于上述目标电力属性信息组和上述目标圆心属性信息，生成目标属性误差信息。由此，可以得到目标电力属性信息组中各个目标电力属性信息与目标圆心属性信息之间的偏移量。第五，响应于确定上述目标属性误差信息满足预设圆心条件，将上述目标圆心属性信息确定为圆心属性信息，以供再次执行上述生成步骤。由此，当上述目标属性误差信息满足预设圆心条件时，表征目标圆心属性信息不是最优的圆心属性信息，需要重复执行上述生成步骤。第六，响应于确定上述目标属性误差信息不满足上述预设圆心条件，将上述目标电力属性信息组中满足预设中心条件的目标电力属性信息确定为聚类中心属性信息。由此，可以得到每个圆心属性信息对应的聚类中心。其次，将所确定的各个聚类中心属性信息确定为聚类中心属性信息集。由此，可以得到所有的聚类中心。从而，由于每个聚类包括的信息均是同一类型的信息，可以通过对聚类中心进行处理来代替对所有电力属性信息进行处理。进而，可以减少浪费计算资源。
步骤105，基于聚类中心属性信息集，确定电力线损率预测方程，以及将电力线损率预测方程存储至数据库中。
在一些实施例中，上述执行主体可以基于上述聚类中心属性信息集，确定电力线损率预测方程，以及将上述电力线损率预测方程存储至数据库中。
实践中，基于聚类中心属性信息集，上述执行主体可以通过以下步骤确定电力线损率预测方程，以及将上述电力线损率预测方程存储至数据库中：
第一步，基于上述聚类中心属性信息集，确定初始电力线损率预测方程。其中，上述初始电力线损率预测方程可以是：
。
其中，表示上述聚类中心属性信息集中的聚类中心属性信息包括的最后一个电力属性值。/>表示序号。/>表示上述聚类中心属性信息集中的聚类中心属性信息包括的第个电力属性值。/>表示对应/>的回归系数。/>表示回归常数。
第二步，基于上述聚类中心属性信息集，确定上述初始电力线损率预测方程对应的电力线损率误差方程。
实践中，上述执行主体可以通过以下子步骤确定电力线损率误差方程：
第一子步骤，对于上述聚类中心属性信息集中的每个聚类中心属性信息，执行如下输入步骤：
第一输入步骤，将上述聚类中心属性信息对应的电力属性值序列中去除了最后一个电力属性值的各个电力属性值确定为中转电力属性值序列。
第二输入步骤，将上述中转电力属性值序列输入至上述初始电力线损率预测方程中，得到目标电力属性方程。其中，目标电力属性方程可以是：
。
其中，表示上述聚类中心属性信息集中的聚类中心属性信息的序号。。/>表示上述聚类中心属性信息集中的聚类中心属性信息的个数。/>表示将上述中转电力属性值序列输入至上述初始电力线损率预测方程中得到的预测目标电力属性值。/>表示上述聚类中心属性信息集中第/>个聚类中心属性信息对应的中转电力属性值序列中第/>个中转电力属性值。
第三输入步骤，基于上述聚类中心属性信息对应的电力属性值序列中的最后一个电力属性值与上述目标电力属性方程，生成电力属性误差方程。其中，电力属性误差方程可以是：
。
其中，表示上述聚类中心属性信息对应的电力属性值序列中的最后一个电力属性值与上述预测目标电力属性值的误差平方值。/>表示上述聚类中心属性信息对应的电力属性值序列中的最后一个电力属性值。/>表示上述预测目标电力属性值。
第二子步骤，将所生成的各个电力属性误差方程的和确定为电力线损率误差方程。其中，电力线损率误差方程可以是：
。
其中，表示聚类中心属性信息集中的各个聚类中心属性信息对应的总误差平方值。/>表示聚类中心属性信息集中第/>个聚类中心属性信息对应的误差平方值。
第三步，基于上述电力线损率误差方程，确定上述初始电力线损率预测方程对应的电力线损率预测方程。
实践中，首先，上述执行主体可以对上述电力线损率误差方程进行偏导处理，以生成电力线损率误差偏导方程组。其中，上述电力线损率误差偏导方程组可以是：
。
其中，表示/>对/>的偏导。/>表示/>对/>的偏导。/>表示上述聚类中心属性信息集中第/>个聚类中心属性信息对应的电力属性值序列中的最后一个电力属性值。/>表示上述聚类中心属性信息集中第/>个聚类中心属性信息对应的预测目标电力属性值。/>表示上述聚类中心属性信息集中第/>个聚类中心属性信息对应的中转电力属性值序列中第/>个中转电力属性值。
然后，上述执行主体可以通过上述电力线损率误差偏导方程组中的每个电力线损率误差偏导方程赋值为预设数值，以生成电力线损率赋值方程，得到电力线损率赋值方程组。例如，上述预设数值可以是0。之后，上述执行主体可以对上述电力线损率赋值方程组进行求解处理，以生成回归数值序列。其中，上述回归数值序列对应回归常数和各个回归系数的解。最后，上述执行主体可以将上述回归数值序列带入上述初始电力线损率预测方程中，以生成电力线损率预测方程。
第四步，将上述电力线损率预测方程存储至数据库中。由此，可以将电力线损率预测方程存储至数据库中，在下一次生成电力预测线损率时，可以直接调用电力线损率预测方程来生成电力预测线损率。
步骤106，将目标电力基本属性值组输入至电力线损率预测方程中，得到电力预测线损率。
在一些实施例中，上述执行主体可以将上述目标电力基本属性值组输入至上述电力线损率预测方程中，得到电力预测线损率。
步骤107，响应于确定电力预测线损率大于预设线损率，以及响应于确定目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。
在一些实施例中，上述执行主体可以响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。例如，预设线损率可以是3.4%。
实践中，响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备对目标线路进行供电。其中，上述预设调度条件可以是上述目标电力基本属性值组包括的第二目标电力基本属性值和第三目标电力基本属性值的和大于上述目标电力基本属性值组包括的第五目标电力基本属性值与预设数值的乘积。例如，预设数值可以是2。相关联的电力设备可以是第二目标电力基本属性值对应的第二供电类型的电力设备或第三目标电力基本属性值对应的第三供电类型的电力设备。目标线路可以是区别于当前线路以外的电力线路。当前线路可以对应第二供电类型和第三供电类型的电力设备。这里，第二供电类型和第三供电类型的电力设备可以向当前线路进行供电。
可选地，响应于确定电力预测线损率满足预设移除条件，控制电力运输设备对预定类型的电力设备进行移除处理。
在一些实施例中，上述执行主体可以响应于确定上述电力预测线损率满足预设移除条件，控制电力运输设备对预定类型的电力设备进行移除处理。其中，上述预设移除条件可以是上述电力预测线损率大于预设线损率。例如，预设线损率可以是3.4%。
实践中，响应于确定上述电力预测线损率满足预设移除条件，上述执行主体可以通过以下步骤控制电力运输设备对预定类型的电力设备进行移除处理：
第一步，响应于确定上述电力预测线损率满足预设移除条件，上述执行主体可以对预定类型的电力设备进行断电处理。实践中，响应于确定上述电力预测线损率满足预设移除条件，首先，上述执行主体可以响应于确定第二目标电力基本属性值大于等于第三目标电力基本属性值，对上述第二目标电力基本属性值对应的第二供电类型的电力设备进行断电处理。然后，上述执行主体可以响应于确定第二目标电力基本属性值小于第三目标电力基本属性值，对上述第三目标电力基本属性值对应的第三供电类型的电力设备进行断电处理。
第二步，上述执行主体可以控制电力运输设备将断电处理后的电力设备运送出上述目标区域。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的新型配电网电力线损率预测方法，可以减少电力资源的浪费。具体来说，导致电力资源的浪费的原因在于：仅根据总输出功率和总用电负荷来预测电力线损率，未考虑到其它的电力属性信息，得到的电力预测线损率的准确度较低，通过电力预测线损率对电力设备进行调度的准确度较低。基于此，本公开的一些实施例的新型配电网电力线损率预测方法，首先，采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集。由此，可以得到包括第一电力基本属性值、第二电力基本属性值、第三电力基本属性值、第四电力基本属性值、第五电力基本属性值和第六电力基本属性值的电力基本属性值序列。其次，采集每个目标电力基本属性值，得到目标电力基本属性值组。接着，对上述电力基本属性值序列集进行标准化处理，以生成电力属性信息集。由此，可以对电力基本属性值序列集进行标准化处理，以便得到较为准确的电力属性信息集。紧接着，基于上述电力属性信息集，生成聚类中心属性信息集。由此，可以从电力属性信息集中选择出每个聚类的聚类中心。然后，基于上述聚类中心属性信息集，确定电力线损率预测方程，以及将上述电力线损率预测方程存储至数据库中。由此，可以通过每个聚类中心属性信息确定出准确度较高的电力线损率预测方程。之后，将上述目标电力基本属性值组输入至上述电力线损率预测方程中，得到电力预测线损率。由此，可以通过目标电力基本属性值组和较为准确的电力线损率预测方程，得到较为准确的电力预测线损率。最后，响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。由此，可以通过较为准确的电力预测线损率来调度相关联的电力设备，以降低电力线损率。因此，可以考虑到除了表征总输出功率的第四电力基本属性值和表征总用电负荷的第五电力基本属性值以外，还考虑了第一电力基本属性值、第二电力基本属性值和第三电力基本属性值。从而，可以根据电力基本属性值序列集得到较为准确的电力预测线损率。进而，可以通过较为准确的电力预测线损率，对相关联的电力设备进行调度处理，以降低电力线损率。从而，可以减少电力资源的浪费。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种新型配电网电力线损率预测装置的一些实施例，这些新型配电网电力线损率预测装置实施例与图1所示的那些方法实施例相对应，该新型配电网电力线损率预测装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的新型配电网电力线损率预测装置200包括：第一采集单元201、第二采集单元202、标准化单元203、生成单元204、确定单元205、输入单元206和控制单元207。其中，第一采集单元201，被配置成采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集；第二采集单元202，被配置成采集每个目标电力基本属性值，得到目标电力基本属性值组；标准化单元203，被配置成对上述电力基本属性值序列集进行标准化处理，以生成电力属性信息集；生成单元204，被配置成基于上述电力属性信息集，生成聚类中心属性信息集；确定单元205，被配置成基于上述聚类中心属性信息集，确定电力线损率预测方程，以及将上述电力线损率预测方程存储至数据库中；输入单元206，被配置成将上述目标电力基本属性值组输入至上述电力线损率预测方程中，得到电力预测线损率；控制单元207，被配置成响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。
可以理解的是，该新型配电网电力线损率预测装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于新型配电网电力线损率预测装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如计算设备）300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集；采集每个目标电力基本属性值，得到目标电力基本属性值组；对上述电力基本属性值序列集进行标准化处理，以生成电力属性信息集；基于上述电力属性信息集，生成聚类中心属性信息集；基于上述聚类中心属性信息集，确定电力线损率预测方程，以及将上述电力线损率预测方程存储至数据库中；将上述目标电力基本属性值组输入至上述电力线损率预测方程中，得到电力预测线损率；响应于确定上述电力预测线损率大于预设线损率，以及响应于确定上述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
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，该模块、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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一采集单元、第二采集单元、标准化单元、生成单元、确定单元、输入单元和控制单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一采集单元还可以被描述为“采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些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，本公开的实施例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上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的实施例中公开的（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 (5)

1.一种新型配电网电力线损率预测方法，包括：
采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集；
采集每个目标电力基本属性值，得到目标电力基本属性值组；
对所述电力基本属性值序列集进行标准化处理，以生成电力属性信息集；
基于所述电力属性信息集，生成聚类中心属性信息集；
基于所述聚类中心属性信息集，确定电力线损率预测方程；
将所述目标电力基本属性值组输入至所述电力线损率预测方程中，得到电力预测线损率；
响应于确定所述电力预测线损率大于预设线损率，以及响应于确定所述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理；
其中，所述采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集，包括：
对于预设时间段内的每个时间粒度，执行如下采集步骤：
采集第一供电类型的电力设备的第一电力基本属性值；
采集第二供电类型的电力设备的第二电力基本属性值；
采集第三供电类型的电力设备的第三电力基本属性值；
采集目标电网的第四电力基本属性值，其中，所述第四电力基本属性值是目标电网向相关联的目标用户终端传输的总输出功率，相关联的目标用户终端是向目标电网申请电能的终端；
采集相关联的目标用户终端的第五电力基本属性值，其中，所述第五电力基本属性值表征相关联的目标用户终端的总用电负荷；
采集目标电网的第六电力基本属性值，其中，所述第六电力基本属性值表征目标电网的电力线损率，电力线损率是目标电网中损耗的线损率；
将所述第一电力基本属性值、所述第二电力基本属性值、所述第三电力基本属性值、所述第四电力基本属性值、所述第五电力基本属性值和所述第六电力基本属性值确定为电力基本属性值序列；
将所确定的各个电力基本属性值序列确定为电力基本属性值序列集；
其中，所述对所述电力基本属性值序列集进行标准化处理，以生成电力属性信息集，包括：
对于所述电力基本属性值序列集中的每个电力基本属性值序列，执行如下确定处理步骤：
对于所述电力基本属性值序列中的每个电力基本属性值，执行如下确定步骤：
将所述电力基本属性值序列集中满足预设类型条件的各个电力基本属性值确定为目标电力基本属性值组；
将所述电力基本属性值与所述目标电力基本属性值组中最小的目标电力基本属性值的差确定为电力基本属性差值；
将所述目标电力基本属性值组中最大的目标电力基本属性值与所述目标电力基本属性值组中最小的目标电力基本属性值的差确定为目标电力基本属性差值；
将所述电力基本属性差值和所述目标电力基本属性差值的比值确定为电力属性值；
将所确定的各个电力属性值确定为电力属性值序列；
将所述电力属性值序列确定为电力属性信息；
将所确定的各个电力属性信息确定为电力属性信息集；
其中，所述基于所述电力属性信息集，生成聚类中心属性信息集，包括：
从所述电力属性信息集中选取预设数量的电力属性信息作为圆心属性信息，得到圆心属性信息组；
基于预设半径值组集、所述电力属性信息集和所述圆心属性信息组，确定目标半径值组，以及将所述目标半径值组存储至数据库中，其中，所述预设半径值组集中的预设半径值对应所述圆心属性信息组中的圆心属性信息，所述目标半径值组中的目标半径值对应所述圆心属性信息组中的圆心属性信息；
基于所述圆心属性信息组、所述电力属性信息集和所述目标半径值组，确定聚类中心属性信息集；
其中，所述基于所述聚类中心属性信息集，确定电力线损率预测方程，包括：
基于所述聚类中心属性信息集，确定初始电力线损率预测方程；
基于所述聚类中心属性信息集，确定所述初始电力线损率预测方程对应的电力线损率误差方程；
基于所述电力线损率误差方程，确定所述初始电力线损率预测方程对应的电力线损率预测方程；
其中，所述基于所述聚类中心属性信息集，确定所述初始电力线损率预测方程对应的电力线损率误差方程，包括：
对于所述聚类中心属性信息集中的每个聚类中心属性信息，执行如下输入步骤：
将所述聚类中心属性信息对应的电力属性值序列中去除了最后一个电力属性值的各个电力属性值确定为中转电力属性值序列；
将所述中转电力属性值序列输入至所述初始电力线损率预测方程中，得到目标电力属性方程；
基于所述聚类中心属性信息对应的电力属性值序列中的最后一个电力属性值与所述目标电力属性方程，生成电力属性误差方程；
将所生成的各个电力属性误差方程的和确定为电力线损率误差方程。
2.根据权利要求1所述的方法，其中，所述响应于确定所述电力预测线损率大于预设线损率，以及响应于确定所述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理，包括：
响应于确定所述电力预测线损率大于预设线损率，以及响应于确定所述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备对目标线路进行供电。
3.一种新型配电网电力线损率预测装置，包括：
第一采集单元，被配置成采集预设时间段内的每个时间粒度的电力基本属性值序列，得到电力基本属性值序列集；所述第一采集单元，被进一步配置成：
对于预设时间段内的每个时间粒度，执行如下采集步骤：
采集第一供电类型的电力设备的第一电力基本属性值；
采集第二供电类型的电力设备的第二电力基本属性值；
采集第三供电类型的电力设备的第三电力基本属性值；
采集目标电网的第四电力基本属性值，其中，所述第四电力基本属性值是目标电网向相关联的目标用户终端传输的总输出功率，相关联的目标用户终端是向目标电网申请电能的终端；
采集相关联的目标用户终端的第五电力基本属性值，其中，所述第五电力基本属性值表征相关联的目标用户终端的总用电负荷；
采集目标电网的第六电力基本属性值，其中，所述第六电力基本属性值表征目标电网的电力线损率，电力线损率是目标电网中损耗的线损率；
将所述第一电力基本属性值、所述第二电力基本属性值、所述第三电力基本属性值、所述第四电力基本属性值、所述第五电力基本属性值和所述第六电力基本属性值确定为电力基本属性值序列；
将所确定的各个电力基本属性值序列确定为电力基本属性值序列集；
第二采集单元，被配置成采集每个目标电力基本属性值，得到目标电力基本属性值组；
标准化单元，被配置成对所述电力基本属性值序列集进行标准化处理，以生成电力属性信息集；所述标准化单元，被进一步配置成：
对于所述电力基本属性值序列集中的每个电力基本属性值序列，执行如下确定处理步骤：
对于所述电力基本属性值序列中的每个电力基本属性值，执行如下确定步骤：
将所述电力基本属性值序列集中满足预设类型条件的各个电力基本属性值确定为目标电力基本属性值组；
将所述电力基本属性值与所述目标电力基本属性值组中最小的目标电力基本属性值的差确定为电力基本属性差值；
将所述目标电力基本属性值组中最大的目标电力基本属性值与所述目标电力基本属性值组中最小的目标电力基本属性值的差确定为目标电力基本属性差值；
将所述电力基本属性差值和所述目标电力基本属性差值的比值确定为电力属性值；
将所确定的各个电力属性值确定为电力属性值序列；
将所述电力属性值序列确定为电力属性信息；
将所确定的各个电力属性信息确定为电力属性信息集；
生成单元，被配置成基于所述电力属性信息集，生成聚类中心属性信息集；所述生成单元，被进一步配置成：
从所述电力属性信息集中选取预设数量的电力属性信息作为圆心属性信息，得到圆心属性信息组；
基于预设半径值组集、所述电力属性信息集和所述圆心属性信息组，确定目标半径值组，以及将所述目标半径值组存储至数据库中，其中，所述预设半径值组集中的预设半径值对应所述圆心属性信息组中的圆心属性信息，所述目标半径值组中的目标半径值对应所述圆心属性信息组中的圆心属性信息；
基于所述圆心属性信息组、所述电力属性信息集和所述目标半径值组，确定聚类中心属性信息集；
确定单元，被配置成基于所述聚类中心属性信息集，确定电力线损率预测方程；所述确定单元，被进一步配置成：
基于所述聚类中心属性信息集，确定初始电力线损率预测方程；
基于所述聚类中心属性信息集，确定所述初始电力线损率预测方程对应的电力线损率误差方程；
基于所述电力线损率误差方程，确定所述初始电力线损率预测方程对应的电力线损率预测方程；所述确定单元，被更进一步配置成：
对于所述聚类中心属性信息集中的每个聚类中心属性信息，执行如下输入步骤：
将所述聚类中心属性信息对应的电力属性值序列中去除了最后一个电力属性值的各个电力属性值确定为中转电力属性值序列；
将所述中转电力属性值序列输入至所述初始电力线损率预测方程中，得到目标电力属性方程；
基于所述聚类中心属性信息对应的电力属性值序列中的最后一个电力属性值与所述目标电力属性方程，生成电力属性误差方程；
将所生成的各个电力属性误差方程的和确定为电力线损率误差方程；
输入单元，被配置成将所述目标电力基本属性值组输入至所述电力线损率预测方程中，得到电力预测线损率；
控制单元，被配置成响应于确定所述电力预测线损率大于预设线损率，以及响应于确定所述目标电力基本属性值组满足预设调度条件，控制相关联的电力设备进行调度处理。
4.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-2中任一所述方法。
5.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-2中任一所述的方法。
CN202311007406.8A 2023-08-11 2023-08-11 新型配电网电力线损率预测方法、装置、电子设备和介质 Active CN116757443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311007406.8A CN116757443B (zh) 2023-08-11 2023-08-11 新型配电网电力线损率预测方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311007406.8A CN116757443B (zh) 2023-08-11 2023-08-11 新型配电网电力线损率预测方法、装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN116757443A CN116757443A (zh) 2023-09-15
CN116757443B true CN116757443B (zh) 2023-10-27

Family

ID=87953608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311007406.8A Active CN116757443B (zh) 2023-08-11 2023-08-11 新型配电网电力线损率预测方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN116757443B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6799146B1 (en) * 1998-03-24 2004-09-28 Exergetic Systems Llc Method for remote on-line advisory diagnostics and dynamic heat rate when used for input/loss performance monitoring of a power plant
CN110110887A (zh) * 2019-03-22 2019-08-09 国网浙江省电力有限公司信息通信分公司 对低压台区线损率的预测方法
CN111198891A (zh) * 2019-12-05 2020-05-26 国网甘肃省电力公司电力科学研究院 数据源融合方法、电子设备及非暂态计算机可读存储介质
CN113379116A (zh) * 2021-06-04 2021-09-10 南京理工大学 基于聚类和卷积神经网络的台区线损预测方法
CN113609113A (zh) * 2021-08-02 2021-11-05 国家电网有限公司客户服务中心 基于电力数据的用户信息生成方法、装置、电子设备
CN113887995A (zh) * 2021-10-18 2022-01-04 北京国电通网络技术有限公司 电力项目信息展示方法、装置、设备和计算机可读介质
CN114076841A (zh) * 2021-11-12 2022-02-22 国网安徽省电力有限公司旌德县供电公司 基于用电信息数据的窃电行为识别方法及系统
CN114498622A (zh) * 2021-12-30 2022-05-13 深圳供电局有限公司 理论线损率确定方法、装置、设备、存储介质和程序产品

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6799146B1 (en) * 1998-03-24 2004-09-28 Exergetic Systems Llc Method for remote on-line advisory diagnostics and dynamic heat rate when used for input/loss performance monitoring of a power plant
CN110110887A (zh) * 2019-03-22 2019-08-09 国网浙江省电力有限公司信息通信分公司 对低压台区线损率的预测方法
CN111198891A (zh) * 2019-12-05 2020-05-26 国网甘肃省电力公司电力科学研究院 数据源融合方法、电子设备及非暂态计算机可读存储介质
CN113379116A (zh) * 2021-06-04 2021-09-10 南京理工大学 基于聚类和卷积神经网络的台区线损预测方法
CN113609113A (zh) * 2021-08-02 2021-11-05 国家电网有限公司客户服务中心 基于电力数据的用户信息生成方法、装置、电子设备
CN113887995A (zh) * 2021-10-18 2022-01-04 北京国电通网络技术有限公司 电力项目信息展示方法、装置、设备和计算机可读介质
CN114076841A (zh) * 2021-11-12 2022-02-22 国网安徽省电力有限公司旌德县供电公司 基于用电信息数据的窃电行为识别方法及系统
CN114498622A (zh) * 2021-12-30 2022-05-13 深圳供电局有限公司 理论线损率确定方法、装置、设备、存储介质和程序产品

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
中低压配网综合线损率指标计算方法研究;陈伟波;王兴华;;贵州电力技术(10);第1-10页 *
小水电并网配电线路线损率计算方法;赵京利;宋宝雁;;农村电气化(08);第57-58页 *

Also Published As

Publication number Publication date
CN116757443A (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
CN115081960B (zh) 区域空心率信息生成方法、装置、电子设备和计算机介质
CN113034059B (zh) 异常电力信息定位方法、装置、电子设备和计算机介质
CN115293657B (zh) 碳排放指标信息生成方法、装置、电子设备和介质
CN113407426A (zh) 服务器集群容量评估方法、装置、电子设备及存储介质
CN117236805B (zh) 电力设备控制方法、装置、电子设备和计算机可读介质
CN116388112B (zh) 异常供应端断电方法、装置、电子设备和计算机可读介质
CN114780338A (zh) 主机信息处理方法、装置、电子设备和计算机可读介质
CN116991219B (zh) 异常生产状态监测方法、装置、电子设备和介质
CN111932348B (zh) 针对异常订单的报警方法、装置、电子设备和可读介质
CN113344737A (zh) 设备控制方法、装置、电子设备和计算机可读介质
CN115759444B (zh) 电力设备分配方法、装置、电子设备和计算机可读介质
CN116757443B (zh) 新型配电网电力线损率预测方法、装置、电子设备和介质
CN115619170A (zh) 电量负荷调整方法、装置、设备、计算机介质和程序产品
CN112019406B (zh) 流量监控方法、装置、电子设备和计算机可读介质
CN111898061B (zh) 搜索网络的方法、装置、电子设备和计算机可读介质
CN117235535B (zh) 异常供应端断电方法、装置、电子设备和介质
CN116894538B (zh) 节点碳排放信息生成方法、装置、电子设备和介质
CN117713048A (zh) 基于农网用电集成的用电终端供电方法、装置和设备
CN116820539B (zh) 一种基于互联网的系统软件运行维护系统及方法
CN116755889B (zh) 应用于服务器集群数据交互的数据加速方法、装置与设备
CN116307998B (zh) 电力设备材料运输方法、装置、电子设备和计算机介质
CN115392803B (zh) 区域供电量调整方法、装置、电子设备、介质
CN117040135B (zh) 电力设备供电方法、装置、电子设备和计算机可读介质
CN112073202B (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN115577980B (zh) 电力设备调控方法、装置、电子设备和介质

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