CN116823523A - 一种台区异常档案识别方法及相关装置 - Google Patents
一种台区异常档案识别方法及相关装置 Download PDFInfo
- Publication number
- CN116823523A CN116823523A CN202310777736.9A CN202310777736A CN116823523A CN 116823523 A CN116823523 A CN 116823523A CN 202310777736 A CN202310777736 A CN 202310777736A CN 116823523 A CN116823523 A CN 116823523A
- Authority
- CN
- China
- Prior art keywords
- electricity consumption
- area
- line loss
- platform
- abnormal
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000005611 electricity Effects 0.000 claims abstract description 99
- 239000011159 matrix material Substances 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims abstract description 42
- 238000013178 mathematical model Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 abstract description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 206010010947 Coordination abnormal Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种台区异常档案识别方法及相关装置,方法包括:按照计量周期获取台区的用电数据,对用电数据进行筛选整理得到若干组用电数据组;根据台区户变关系异常的特点,对台区中的多用户情况建立0‑1整数的规划数学模型;根据台区的总用电量、电流电阻和做功进行推理分析,建立台区线损模型;结合规划数学模型和台区线损模型,对台区的用电情况进行数据建模,得到异常户变关系识别模型;基于用电数据组,根据异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,通过计算追随曲线的均方误差确定台区中异常户变关系用户。从而解决了现有技术工作量大且效率低的问题。
Description
技术领域
本申请涉及配网台区户变关系识别技术领域,尤其涉及一种台区异常档案识别方法及相关装置。
背景技术
随着配网规模扩大以及近年来智能充电桩的安装,使得台区的档案关系维护更加困难。而精确的台区户变关系是提升台区运维和故障处理效率的关键,也是提升配网智能化的前提。当前的台区户变关系主要由人工维护,错误档案纠正也主要通过人工现场核查方式进行。
当前依赖人工现场清查解决户变关系异常问题,现场核查的盲目性导致效率不高,很难实现户变关系的全面排查,严重影响了低压台区的服务水平提升和运维智能化进程,因此,亟需一种方便快捷的台区户变关系异常识别方法。
发明内容
本申请提供了一种台区异常档案识别方法及相关装置,用于解决现有技术工作量大且效率低的技术问题。
有鉴于此,本申请第一方面提供了一种台区异常档案识别方法,所述方法包括:
按照计量周期获取台区的用电数据,对所述用电数据进行筛选整理,得到若干组用电数据组,其中,所述用电数据组的组数大于台区的用户数;
根据台区户变关系异常的特点,对台区中的多用户情况建立0-1整数的规划数学模型;根据台区的总用电量、电流电阻和做功进行推理分析,建立台区线损模型;
结合所述规划数学模型和所述台区线损模型,对台区的用电情况进行数据建模,得到异常户变关系识别模型;
基于所述用电数据组,所述根据所述异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,通过计算所述追随曲线的均方误差确定台区中异常户变关系用户。
可选地,所述异常户变关系识别模型为:
Φ*(1-x)+LL=Qz;
式中,Φ为台区用户的用电量矩阵,x为用户的0-1状态矩阵,LL为台区的线路损耗,Qz为台区总表记录的总用电量。
可选地,所述台区线损模型为:
LL=(coe*ε0).*Φ*(1-x);
式中,ε0为第一个计量周期内的线损率,coe为各个计量周期内的线损率与第一个计量周期线损率的系数。
可选地,所述通过计算所述追随曲线的均方误差确定台区中异常户变关系用户,具体包括:
基于均方误差计算公式,计算所述追随曲线的均方误差的值;
通过对比均方误差的值,确定最小值对应的第一状态矩阵,并判定所述第一状态矩阵中状态量为1的用户为台区中异常户变关系用户;
其中,均方误差计算公式为:
mse=E(Qz-(Φ*(1-x)+LL))2;
式中,Φ为台区用户的用电量矩阵,x为用户的0-1状态矩阵,LL为台区的线路损耗,Qz为台区总表记录的总用电量。
本申请第二方面提供一种台区异常档案识别系统,所述系统包括:
获取单元,用于按照计量周期获取台区的用电数据,对所述用电数据进行筛选整理,得到若干组用电数据组,其中,所述用电数据组的组数大于台区的用户数;
第一建模单元,用于根据台区户变关系异常的特点,对台区中的多用户情况建立0-1整数的规划数学模型;根据台区的总用电量、电流电阻和做功进行推理分析,建立台区线损模型;
第二建模单元,用于结合所述规划数学模型和所述台区线损模型,对台区的用电情况进行数据建模,得到异常户变关系识别模型;
识别单元,用于基于所述用电数据组,所述根据所述异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,通过计算所述追随曲线的均方误差确定台区中异常户变关系用户。
可选地,所述异常户变关系识别模型为:
Φ*(1-x)+LL=Qz;
式中,Φ为台区用户的用电量矩阵,x为用户的0-1状态矩阵,LL为台区的线路损耗,Qz为台区总表记录的总用电量。
可选地,所述台区线损模型为:
LL=(coe*ε0).*Φ*(1-x);
式中,ε0为第一个计量周期内的线损率,coe为各个计量周期内的线损率与第一个计量周期线损率的系数。
可选地,所述识别单元,具体包括:
计算单元,用于基于所述用电数据组,所述根据所述异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,基于均方误差计算公式,计算所述追随曲线的均方误差的值;
识别单元,用于通过对比均方误差的值,确定最小值对应的第一状态矩阵,并判定所述第一状态矩阵中状态量为1的用户为台区中异常户变关系用户;
其中,均方误差计算公式为:
mse=E(Qz-(Φ*(1-x)+LL))2;
式中,Φ为台区用户的用电量矩阵,x为用户的0-1状态矩阵,LL为台区的线路损耗,Qz为台区总表记录的总用电量。
本申请第三方面提供一种台区异常档案识别设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令,执行如上述第一方面所述的台区异常档案识别方法的步骤。
本申请第四方面提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述第一方面所述的台区异常档案识别方法。
从以上技术方案可以看出,本申请具有以下优点:
本发明提供了一种台区异常档案识别方法,包括:按照计量周期获取台区的用电数据,对用电数据进行筛选整理,得到若干组用电数据组,其中,用电数据组的组数大于台区的用户数;根据台区户变关系异常的特点,对台区中的多用户情况建立0-1整数的规划数学模型;根据台区的总用电量、电流电阻和做功进行推理分析,建立台区线损模型;结合规划数学模型和台区线损模型,对台区的用电情况进行数据建模,得到异常户变关系识别模型;基于用电数据组,根据异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,通过计算追随曲线的均方误差确定台区中异常户变关系用户。
与现有技术相比,本申请:
(1)基于台区用电数据进行异常户变关系识别,降低人力物力成本,提高了电网公司在配电网的服务水平。
(2)通过数据分析,缩小异常用户的范围,给电网公司的现场核查提供方向,提高台区档案关系维护效率。
附图说明
图1为本申请实施例中提供的一种台区异常档案识别方法实施例的流程示意图;
图2为本申请实施例中提供的一种台区异常档案识别系统实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参阅图1,本申请实施例中提供的一种台区异常档案识别方法,包括:
步骤101、按照计量周期获取台区的用电数据,对用电数据进行筛选整理,得到若干组用电数据组,其中,用电数据组的组数大于台区的用户数;
需要说明的是,数据处理环节是进行户变异常识别的前提,首先要从计量自动化系统获取台区近期的用电数据,计量周期数要多于台区的用户数。之后,要对采集到的数据进行筛选,将电表的异常跳变数据和空缺数据组筛除,并保证最终保留的数据组数大于台区用户数,若不足则需要再获取新的数据才能展开运算。
步骤102、根据台区户变关系异常的特点,对台区中的多用户情况建立0-1整数规划数学模型;根据台区的总用电量、电流电阻和做功进行推理分析,建立台区线损模型;
需要说明的是,模型构建包括两部分,分别是模型预设和模型搭建:
一、模型预设:
本实施例的台区异常档案识别方法,需要对台区智能电表误差进行建模,该模型建立的前提条件有:
(1)台区内的电表误差较小,对台区线损的影响小于2%;
(2)台区中的异常户变关系是指台区外用户错记在该台区内,导致统计线损过小甚至负线损;
(3)台区总表记录的总用电量为准确值,即台区总表误差可忽略不急。
二、模型搭建:
1、整数规划数学模型:
根据台区户变关系异常的特点,针对台区中“多用户”的情况进行0-1整数规划数学模型的建立:
设变量其中i为用户编号,n为台区的总用户数。
台区中计入了非该台区的用户电量,则实际数学关系中该用户的计量误差应为100%,正常用户的误差为0,利用该原理可得台区模型:
Φ*(1-x)+LL=Qz
其中Φ为台区用户的用电量矩阵,x为用户的0-1状态矩阵,LL为该台区的线路损耗,Qz为台区总表记录的总用电量。
该模型中,用户用电量、总用电量都是已知量,状态矩阵用枚举法求解,也可以当作已知量,因此模型中只有线损是未知量。通过线性回归对线损斤进行求解,可以得到台区的所有信息,此时,回归的均方误差可以显示出模型的回归情况,从而反映出该状态矩阵与台区实际情况的负荷程度。最终,通过回归模型的均方根误差,识别异常用户。
2、台区线损模型:
台区中的线路损耗主要是由线路电阻发热引起的,根据电流电阻和做功的计算来看,电路损耗应该与电路的总用电量有关联,具体分析如下:
在一个计量周期t内,台区的总耗电量:W=UIt,U是电压、I是电流。
则两个计量周期t1与t2内的线路损耗之比为:
上式中,LL为线损,I是台区的总电流,R是线路总电阻,t是计量周期。其中两个计量周期时长相等,即t1=t2,则:
即线损率与供电量成正比,基于此将线损模型修改为:
LL=(coe*ε0).*Φ*(1-x)
其中,ε0为第一个计量周期内的线损率,coe为各个计量周期内的线损率与第一个计量周期线损率的系数。
步骤103、结合规划数学模型和台区线损模型,对台区的用电情况进行数据建模,得到异常户变关系识别模型;
需要说明的是,模型搭建是结合步骤102中的0-1规划模型和台区线损模型,对台区的用电情况进行数学建模,并结合正常台区的线损范围,将台区的统计线损范围限制在10%以内。
Φ*(1-x)+LL=Qz
上式即为台区户变异常辨识的0-1规划模型及相应的x状态矩阵约束条件。
步骤104、基于用电数据组,根据异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,通过计算追随曲线的均方误差确定台区中异常户变关系用户。
需要说明的是,基于用电数据组,根据异常户变关系识别模型,可以根据每个状态矩阵求出一个线损系数,并得到台区总用电量于用户用电量和线损和的追随曲线,通过计算追随曲线的均方误差可以得到该状态矩阵下的模型回归情况:
mse=E(Qz-(Φ*(1-x)+LL))2
通过对比均方误差mse的值,找出最小值对应的x状态矩阵,则该矩阵中状态量为1的用户为找出的台区中异常户变关系用户。
本申请实施例提供的一种台区异常档案识别方法,基于台区用电数据进行异常户变关系识别,结合台区能量守恒模型和线路损耗模型,搭建异常户变关系识别模型。进一步地,结合0-1整数规划思想,对台区用户档案状态进行分析,最终通过档案状态对应的模型回归情况,确定户变关系异常用户。
以上为本申请实施例中提供的一种台区异常档案识别方法,以下为本申请实施例中提供的一种台区异常档案识别系统。
请参阅图2,本申请实施例中提供的一种台区异常档案识别系统,包括:
获取单元201,用于按照计量周期获取台区的用电数据,对用电数据进行筛选整理,得到若干组用电数据组,其中,用电数据组的组数大于台区的用户数;
第一建模单元202,用于根据台区户变关系异常的特点,对台区中的多用户情况建立0-1整数的规划数学模型;根据台区的总用电量、电流电阻和做功进行推理分析,建立台区线损模型;
第二建模单元203,用于结合规划数学模型和台区线损模型,对台区的用电情况进行数据建模,得到异常户变关系识别模型;
识别单元204,用于基于用电数据组,根据异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,通过计算追随曲线的均方误差确定台区中异常户变关系用户。
进一步地,本申请实施例中还提供了一种台区异常档案识别设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令,执行如上述方法实施例所述的台区异常档案识别方法的步骤。
进一步地,本申请实施例中还提供了计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述台区异常档案识别方法实施例所述的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明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,以便这里描述的本申请的实施例例如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。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:RandomAccess Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种台区异常档案识别方法,其特征在于,包括:
按照计量周期获取台区的用电数据,对所述用电数据进行筛选整理,得到若干组用电数据组,其中,所述用电数据组的组数大于台区的用户数;
根据台区户变关系异常的特点,对台区中的多用户情况建立0-1整数的规划数学模型;根据台区的总用电量、电流电阻和做功进行推理分析,建立台区线损模型;
结合所述规划数学模型和所述台区线损模型,对台区的用电情况进行数据建模,得到异常户变关系识别模型;
基于所述用电数据组,所述根据所述异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,通过计算所述追随曲线的均方误差确定台区中异常户变关系用户。
2.根据权利要求1所述的台区异常档案识别方法,其特征在于,所述异常户变关系识别模型为:
φ*(1-x)+LL=Qz;
式中,φ为台区用户的用电量矩阵,x为用户的0-1状态矩阵,LL为台区的线路损耗,Qz为台区总表记录的总用电量。
3.根据权利要求2所述的台区异常档案识别方法,其特征在于,所述台区线损模型为:
LL=(coe*ε0).*Φ*(1-x);
式中,ε0为第一个计量周期内的线损率,coe为各个计量周期内的线损率与第一个计量周期线损率的系数。
4.根据权利要求3所述的台区异常档案识别方法,其特征在于,所述通过计算所述追随曲线的均方误差确定台区中异常户变关系用户,具体包括:
基于均方误差计算公式,计算所述追随曲线的均方误差的值;
通过对比均方误差的值,确定最小值对应的第一状态矩阵,并判定所述第一状态矩阵中状态量为1的用户为台区中异常户变关系用户;
其中,均方误差计算公式为:
mse=E(Qz-(Φ*(1-x)+LL))2;
式中,Φ为台区用户的用电量矩阵,x为用户的0-1状态矩阵,LL为台区的线路损耗,Qz为台区总表记录的总用电量。
5.一种台区异常档案识别系统,其特征在于,包括:
获取单元,用于按照计量周期获取台区的用电数据,对所述用电数据进行筛选整理,得到若干组用电数据组,其中,所述用电数据组的组数大于台区的用户数;
第一建模单元,用于根据台区户变关系异常的特点,对台区中的多用户情况建立0-1整数的规划数学模型;根据台区的总用电量、电流电阻和做功进行推理分析,建立台区线损模型;
第二建模单元,用于结合所述规划数学模型和所述台区线损模型,对台区的用电情况进行数据建模,得到异常户变关系识别模型;
识别单元,用于基于所述用电数据组,所述根据所述异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,通过计算所述追随曲线的均方误差确定台区中异常户变关系用户。
6.根据权利要求5所述的台区异常档案识别系统,其特征在于,所述异常户变关系识别模型为:
Φ*(1-x)+LL=Qz;
式中,Φ为台区用户的用电量矩阵,x为用户的0-1状态矩阵,LL为台区的线路损耗,Qz为台区总表记录的总用电量。
7.根据权利要求6所述的台区异常档案识别系统,其特征在于,所述台区线损模型为:
LL=(coe*ε0).*Φ*(1-x);
式中,ε0为第一个计量周期内的线损率,coe为各个计量周期内的线损率与第一个计量周期线损率的系数。
8.根据权利要求7所述的台区异常档案识别系统,其特征在于,所述识别单元,具体包括:
计算单元,用于基于所述用电数据组,所述根据所述异常户变关系识别模型中的每个状态矩阵求出一个线损系数,从而得到台区总用电量与用户用电量和线损和的追随曲线,基于均方误差计算公式,计算所述追随曲线的均方误差的值;
识别单元,用于通过对比均方误差的值,确定最小值对应的第一状态矩阵,并判定所述第一状态矩阵中状态量为1的用户为台区中异常户变关系用户;
其中,均方误差计算公式为:
mse=E(Qz-(Φ*(1-x)+LL))2;
式中,Φ为台区用户的用电量矩阵,x为用户的0-1状态矩阵,LL为台区的线路损耗,Qz为台区总表记录的总用电量。
9.一种台区异常档案识别设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的台区异常档案识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-4任一项所述的台区异常档案识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310777736.9A CN116823523A (zh) | 2023-06-28 | 2023-06-28 | 一种台区异常档案识别方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310777736.9A CN116823523A (zh) | 2023-06-28 | 2023-06-28 | 一种台区异常档案识别方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116823523A true CN116823523A (zh) | 2023-09-29 |
Family
ID=88121612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310777736.9A Pending CN116823523A (zh) | 2023-06-28 | 2023-06-28 | 一种台区异常档案识别方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823523A (zh) |
-
2023
- 2023-06-28 CN CN202310777736.9A patent/CN116823523A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
Correa-Florez et al. | Stochastic operation of home energy management systems including battery cycling | |
CN108593990B (zh) | 一种基于电能用户用电行为模式的窃电检测方法和应用 | |
Olsson et al. | Modeling real-time balancing power market prices using combined SARIMA and Markov processes | |
CN110516912B (zh) | 一种配电台区户变关系的识别方法 | |
Wang et al. | Time-varying stochastic assessment of conservation voltage reduction based on load modeling | |
Paulus et al. | Algorithm for automating the selection of a temperature dependent change point model | |
Kouzelis et al. | Estimation of residential heat pump consumption for flexibility market applications | |
CN110727662A (zh) | 基于相关性分析的低压台区用户相位识别方法和系统 | |
CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN106682763B (zh) | 一种用于大量样本数据的电力负荷优化预测方法 | |
Marseguerra et al. | Designing optimal degradation tests via multi-objective genetic algorithms | |
CN109146124A (zh) | 一种基于时变失效率的配电终端改造决策方法 | |
CN112684400A (zh) | 小电量台区的电能表运行误差数据监测方法及系统 | |
CN111179108A (zh) | 用电能耗的预测方法和装置 | |
CN115660225A (zh) | 一种基于电表通信模块的用电负荷预测管理方法及系统 | |
CN109858668B (zh) | 一种雷电气候下电力负荷区域协调预测方法 | |
CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN116951780A (zh) | 一种智能中央热水器管理方法和系统 | |
CN117273195A (zh) | 一种蒸汽供热系统需求负荷预测方法 | |
Anderson et al. | Predictive thermal relation model for synthesizing low carbon heating load profiles on distribution networks | |
CN116823523A (zh) | 一种台区异常档案识别方法及相关装置 | |
CN116933201A (zh) | 低压充电桩违约用电行为识别的方法和系统 | |
CN111859242A (zh) | 一种家庭电力能效优化方法及系统 | |
CN115528684A (zh) | 一种超短期负荷预测方法、装置及电子设备 |
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 |