CN117131315B - 基于求解多元二次函数极值的超差电能表确定方法及介质 - Google Patents
基于求解多元二次函数极值的超差电能表确定方法及介质 Download PDFInfo
- Publication number
- CN117131315B CN117131315B CN202311403263.2A CN202311403263A CN117131315B CN 117131315 B CN117131315 B CN 117131315B CN 202311403263 A CN202311403263 A CN 202311403263A CN 117131315 B CN117131315 B CN 117131315B
- Authority
- CN
- China
- Prior art keywords
- electric energy
- meter
- historical
- intelligent electric
- tolerance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000012887 quadratic function Methods 0.000 title claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims description 109
- 230000005611 electricity Effects 0.000 claims description 36
- 230000008014 freezing Effects 0.000 claims description 33
- 238000007710 freezing Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 7
- 238000012821 model calculation Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims 2
- 238000003786 synthesis reaction Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 abstract description 8
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 230000002354 daily effect Effects 0.000 description 21
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于求解多元二次函数极值的超差电能表确定方法及介质。通过周期性地获取目标电能箱对应的目标时间段的智能电能综合表，并将其输入至电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；将当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；将超差电能表组合进行反馈处理，以实现根据超差电能表组合来确定各超差电能表的操作。解决了对多个异常超差电能表检测的计算量大和计算时间长而造成的检测困难的问题，通过构建超差电能表组合确定模型，可以更加快速有效地进行超差电能表组合进行识别处理，提高了超差电能表识别的速率，降低了超差电能表识别的计算量。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于求解多元二次函数极值的超差电能表确定方法及介质。
背景技术
随着智能电能表的广泛使用，由于智能电能表性能直接影响着电量计量的准确性，因此对存在超差的智能表的监测变得越来越重要。现有的超差电能表监测系统主要是先获取台区下总表和用户电能表的长期电量以及电压等数据，然后根据能量守恒定理构建线损模型并求解来得到每个电能表的误差系数，最后将误差系数大于给定超差值的电能表判定为超差表。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：目前，超差表监测系统主要是通过搜集总表和用户电能表的电量以及电压等数据构建线损模型求解以得到每个电能表的误差系数，将误差系数大于给定超差值的判定为超差电能表。但是如果在计算中并没有发现超差电能表，则需要进一步搜集后续的电量数据，与之前的电量数据一起重新构建线损模型并求解，因此需要消耗大量的时间和资源。
发明内容
本发明提供了一种基于求解多元二次函数极值的超差电能表确定方法及介质，以实现提高超差电能表识别的速率，降低了超差电能表识别的计算量。
根据本发明的一方面，提供了一种基于求解多元二次函数极值的超差电能表确定方法，其中，包括：
周期性地获取目标电能箱对应的目标时间段的智能电能综合表；
将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；
将所述当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；
其中，所述超差电能表组合确定模型是基于求解多元二次函数极值的模型；
将所述超差电能表组合进行反馈处理，以实现根据所述超差电能表组合来确定至少一个超差电能表的操作。
根据本发明的另一方面，提供了一种基于求解多元二次函数极值的超差电能表确定装置，其中，包括：
智能电能综合表获取模块，用于周期性地获取目标电能箱对应的目标时间段的智能电能综合表；
当前拟合残差均方根得到模块，用于将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；
超差电能表组合确定模块，用于将所述当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；
其中，所述超差电能表确定模型是基于求解多元二次函数极值的模型；
超差电能表组合反馈模块，用于将所述超差电能表组合进行反馈处理，以实现根据所述超差电能表组合来确定至少一个超差电能表的操作。
根据本发明的另一方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现本发明任一实施例所述的基于求解多元二次函数极值的超差电能表确定方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于求解多元二次函数极值的超差电能表确定方法。
本发明实施例的技术方案，通过周期性地获取目标电能箱对应的目标时间段的智能电能综合表， 并将其输入至电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；将当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；将超差电能表组合进行反馈处理，以实现根据超差电能表组合来确定各超差电能表的操作。解决了对多个异常超差电能表检测的计算量大和计算时间长而造成的检测困难的问题，通过构建超差电能表组合确定模型，可以更加快速有效地进行超差电能表组合进行识别处理，提高了超差电能表识别的速率，降低了超差电能表识别的计算量。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种基于求解多元二次函数极值的超差电能表确定方法的流程图；
图2是根据本发明实施例二提供的一种基于求解多元二次函数极值的超差电能表确定装置的结构示意图；
图3是根据本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“目标”、“当前”等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，以便这里描述的本发明的实施例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。
实施例一
图1为本发明实施例一提供了一种基于求解多元二次函数极值的超差电能表确定方法的流程图，本实施例可适用于对超差电能表组合进行识别的情况，该方法可以由基于求解多元二次函数极值的超差电能表确定装置来执行，该基于求解多元二次函数极值的超差电能表确定装置可以采用硬件和/或软件的形式实现。
相应的，如图1所示，该方法包括：
S110、周期性地获取目标电能箱对应的目标时间段的智能电能综合表。
其中，智能电能综合表可以包括一个智能电能描述汇总表和至少两个待检测的智能电能描述子表。
示例性的，假设获取某小区某栋楼的半年的智能电能综合表，其中，在智能电能综合表中包括半年的智能电能描述汇总表和半年的智能电能描述子表。假设智能电能描述子表的数量为100，可以理解的是，一般理论上来说智能电能描述汇总表的电能值是100个智能电能描述子表对应的电能加和值。
S120、将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根。
其中，电能表线损计算模型可以是对各个电能表进行线损计算的模型，可以理解的是，可以计算智能电能描述汇总表的线损，以及各个智能电能描述子表的线损。当前拟合残差均方根可以是对智能电能综合表中的智能电能描述汇总表和各智能电能描述子表进行拟合计算，得到的残差均方根。
在本实施例中，需要对智能电能综合表通过电能表线损计算模型来进行各当前供电量计量值的计算，进一步地计算到线损的大小值、电表残差数据和当前拟合残差均方根。
可选的，所述智能电能综合表包括一个智能电能描述汇总表和至少两个待检测的智能电能描述子表；所述将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根，包括：将所述智能电能描述汇总表和各所述待检测的智能电能描述子表输入至预先构建的电能表线损计算模型中，计算出目标时间段对应的至少一个时间点的当前供电量计量值；其中，所述电能表线损计算模型的公式为：，其中，/>表示智能电能描述汇总表第/>天的当前供电量计量值；/>表示计量点/>在第/>天的当前日冻结用电量，计量点/>的数量和智能电能描述子表的数量相同；/>表示计量点/>的相对误差；/>表示智能电能描述汇总表的相对误差；/>为计量点/>的总数量；/>表示初始相对误差；/>表示第/>天的线路损耗；获取各时间点对应的当前日冻结用电量，并根据各时间点对应的当前目标供电量计量值来分别计算出各时间点对应的当前电表统计线损和当前电能表线损计算模型计算线损；通过公式/>，来分别计算出各时间点对应的电表残差数据/>；根据各所述电表残差数据，来得到与智能电能综合表对应的至少一个当前拟合残差均方根。
其中，当前供电量计量值可以是在一段时间内每个智能电能分表供电量的统计值的大小。当前日冻结用电量可以是一段时间内每个智能电能分表每天冻结用电量的统计电量的大小。当前电表统计线损可以是根据智能电能描述汇总表和智能电能描述子表统计出的电量在电线传输过程中的电量损耗的大小。当前电能表线损计算模型计算线损可以是通过电能表线损计算模型来计算智能电能描述汇总表和各个智能电能描述子表对应的计算线损。电表残差数据可以是不同方式来统计历史联合智能电能表的线损之间的残差的大小。
示例性的，假设目标时间段为30天，则需要分别计算这30天每个智能电能描述子表、以及智能电能描述汇总表对应的当前供电量计量值。进一步地需要获取这30天每个电能表分别对应的当前日冻结用电量。
相应的，根据当前供电量计量值和当前日冻结用电量，来分别计算每天每个电能表分别对应的当前电表统计线损和当前电能表线损计算模型计算线损。进一步地可以计算出电表残差数据和各当前拟合残差均方根。
可选的，所述获取各时间点对应的当前日冻结用电量，并根据各时间点对应的当前目标供电量计量值来分别计算出各时间点对应的当前电表统计线损和当前电能表线损计算模型计算线损，包括：根据各时间点对应的当前供电量计量值和当前日冻结用电量，通过公式，来计算得到各时间点对应的当前电表统计线损/>；根据各所述当前供电量计量值和各所述当前日冻结用电量，通过公式，来计算得到各时间点对应的当前电能表线损计算模型计算线损/>。
在本实施例中，根据当前供电量计量值和当前日冻结用电量，来统计当前电表统计线损。进一步的，根据智能电能描述汇总表的相对误差、当前供电量计量值、当前日冻结用电量、计量点的相对误差、初始相对误差和第/>天的线路损耗，来计算出当前电能表线损计算模型计算线损。
示例性的，上述智能电能综合表中的每个电能表均可以计算出对应的当前电表统计线损和当前电能表线损计算模型计算线损。
可选的，所述根据各所述电表残差数据，来得到与智能电能综合表对应的至少一个当前拟合残差均方根，包括：根据公式，得到与智能电能综合表对应的至少一个当前拟合残差均方根/>；其中，/>表示目标时间段包含的天数。
在本实施例中，根据目标时间段对应的各时间点对应的电表残差数据，可以分别计算出每个时间点分别对应的当前拟合残差均方根。
续前例的，由于目标时间段为30天，又可知按天来进行时间点的划分处理，可以知道该目标时间段对应的时间点为30个，因此，可以分别计算出这30天中，每一天对应的当前拟合残差均方根。
S130、将所述当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合。
其中，所述超差电能表组合确定模型是基于求解多元二次函数极值的模型。
其中，超差电能表组合确定模型可以是能够确定出最可能是电能超差表的组合的模型。超差电能表组合可以是包括至少两个电能超差表的组合。
示例性的，假设存在100个智能电能描述子表，因此需要在这100个智能电能描述子表中搜索最可能的超差电能表组合，则可以根据超差电能表组合来进一步地确定出这100个智能电能描述子表的超差电能表。
S140、将所述超差电能表组合进行反馈处理，以实现根据所述超差电能表组合来确定至少一个超差电能表的操作。
在本实施例中，可以将超差电能表进行反馈处理，从而可以实现超差电能表的确定。
续前例的，对这100个智能电能描述子表进行编号处理操作，分别为智能电能描述子表1、智能电能描述子表2、、智能电能描述子表100，通过超差电能表组合确定模型进行确定，得到超差电能表组合。
假设该超差电能表组合为智能电能描述子表11和智能电能描述子表28。这样可以进一步地确定出电能超差表分别为智能电能描述子表11和智能电能描述子表28。
可选的，在所述周期性地获取目标电能箱对应的目标时间段的智能电能综合表之前，还包括：获取各历史时间段的历史智能电能综合表，并根据历史时间段来对历史智能电能综合表进行分时段处理，得到历史智能电能综合参考表和历史智能电能综合测试表；其中，历史时间段分为历史参考时间段和历史测试时间段；将所述历史智能电能综合参考表和所述历史智能电能综合测试表分别输入至所述电能表线损计算模型中，得到与所述历史智能电能综合参考表对应的历史拟合残差参考均方根、以及与所述历史智能电能综合测试表对应的历史拟合残差测试均方根；根据公式，得到各时间点对应的拟合残差均方根差值；其中，/>表示历史拟合残差测试均方根，表示历史拟合残差参考均方根；将各所述拟合残差均方根差值输入至初始超差电能表组合确定模型中，通过求解多元二次函数极值的方法，来训练得到与初始超差电能表组合确定模型对应的各描述参数，并根据各所述描述参数来确定训练完成所述超差电能表组合确定模型。
其中，历史智能电能综合表可以包括历史智能电能综合参考表和历史智能电能综合测试表。历史智能电能综合参考表可以是根据历史时间段划分的用于参考的智能电能表。历史智能电能综合测试表可以是根据历史时间段划分的用于测试的智能电能表。历史拟合残差参考均方根可以是与历史智能电能综合参考表对应的拟合残差均方根。历史拟合残差测试均方根可以是与历史智能电能综合测试表对应的拟合残差均方根。拟合残差均方根差值可以是用于表示历史智能电能综合参考表和历史智能电能综合测试表之间的拟合残差均方根的差值的大小。初始超差电能表组合确定模型可以是初始搭建的超差电能表组合确定模型，需要进一步地参数优化来得到超差电能表组合确定模型。可以理解的，初始超差电能表组合确定模型也是基于求解多元二次函数极值的模型。
在本实施例中，需要根据历史智能电能综合参考表和历史智能电能综合测试表，来计算得到各时间点对应的拟合残差均方根差值，从而对初始超差电能表组合确定模型，通过求解多元二次函数极值的方法，来训练得到超差电能表组合确定模型。
可选的，所述将历史智能电能综合参考表和所述历史智能电能综合测试表分别输入至所述电能表线损计算模型中，得到与所述历史智能电能综合测试表对应的历史拟合残差测试均方根，包括：所述将历史智能电能综合测试表输入至所述电能表线损计算模型中，得到与所述历史智能电能综合测试表对应的初始历史拟合残差测试均方根；其中，所述初始历史拟合残差测试均方根表示为：；在历史智能电能测试表中，依次遍历选取至少两个历史智能电能测试描述子表作为目标历史智能电能测试表组合，并根据获取到的目标历史智能电能测试表组合对应的各历史日冻结用电量，来得到历史拟合残差测试均方根。
其中，目标历史智能电能测试表组合可以包含多个历史智能电能测试描述子表的组合。
在本实施例中，先需要计算出初始历史拟合残差测试均方根，进一步地根据确定出的目标历史智能电能测试表组合，来进一步地确定出各个历史日冻结用电量，从而进一步地得到历史拟合残差测试均方根。
可选的，所述在历史智能电能测试表中，依次遍历选取至少两个历史智能电能测试表作为目标历史智能电能测试表组合，并根据获取到的目标历史智能电能测试表组合对应的各历史日冻结用电量，来得到历史拟合残差测试均方根，包括：在历史智能电能测试表中，依次遍历选取至少两个历史智能电能测试描述子表作为目标历史智能电能测试表组合；其中，目标历史智能电能测试表组合包括至少两个历史智能电能测试描述子表，并且在目标历史智能电能测试表组合中，选取历史智能电能测试描述子表的数量最大取值等于历史智能电能测试描述子表的总数量；获取各历史智能电能测试描述子表分别对应的各历史日冻结用电量，来计算得到历史拟合残差测试均方根。
示例性的，假设历史智能电能测试表包括100个历史智能电能测试描述子表，因此需要先两两组合进行历史智能电能测试表组合的确定，也即存在种组合，进一步地需要分别计算每个组合分别对应的拟合残差均方根差值，并确定出在这/>种组合中，拟合残差均方根差值最小的确定为最有可能的历史智能电能测试表组合。
进一步地，还需要三三组合进行历史智能电能测试表组合的确定，也即存在种组合，进一步地需要分别计算每个组合分别对应的拟合残差均方根差值，并确定出在这/>种组合中，拟合残差均方根差值最小的确定为最有可能的历史智能电能测试表组合。
相应的，需要将两两组合的历史智能电能测试表组合和三三组合的历史智能电能测试表组合分别对应的拟合残差均方根差值进行比较，从而来确定出目标历史智能电能测试表组合。这里在超差电能表搜索的情况下，一般通过两两组合就能确定目标历史智能电能测试表组合，最多为三三组合。其他类型组合出现的概率偏小，尤其大规模搜索，可能考虑是不是电能表在出厂的时候就可能有问题的存在。
具体的一个例子，假设进行两两组合，设定存在两个历史智能电能测试描述子表为电能超差表，也即电能超差表组合包含两个电能超差表，假设两个电能超差表分别为电能超差表和电能超差表/>。
首先需要获取初始历史拟合残差测试均方根，可以进一步地获取电能超差表/>的历史日冻结用电量为/>，电能超差表/>的历史日冻结用电量为/>。相应的，可以得到历史拟合残差测试均方根为。
进一步的，可以得到拟合残差均方根差值为，进而令，/>，/>，/>，可以进一步地将上述公式转化为。
相应的，令，/>，/>，/>，/>，，可以继续化简为：/>。由于/>为固定的值，亦即最终转化为二元二次函数的极值求解问题。
也即，对上述函数可以分别求、/>求偏导，得到/>，进一步地求解得到极值点的解为。
本发明实施例的技术方案，通过周期性地获取目标电能箱对应的目标时间段的智能电能综合表， 并将其输入至电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；将当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；将超差电能表组合进行反馈处理，以实现根据超差电能表组合来确定各超差电能表的操作。解决了对多个异常超差电能表检测的计算量大和计算时间长而造成的检测困难的问题，通过构建超差电能表组合确定模型，可以更加快速有效地进行超差电能表组合进行识别处理，提高了超差电能表识别的速率，降低了超差电能表识别的计算量。
实施例二
图2为本发明实施例二提供的一种基于求解多元二次函数极值的超差电能表确定装置的结构示意图。本实施例所提供的一种基于求解多元二次函数极值的超差电能表确定装置可以通过软件和/或硬件来实现，可配置于终端设备或者服务器中，来实现本发明实施例中的一种基于求解多元二次函数极值的超差电能表确定方法。如图2所示，该装置包括：智能电能综合表获取模块210、当前拟合残差均方根得到模块220、超差电能表组合确定模块230和超差电能表组合反馈模块240。
其中，智能电能综合表获取模块210，用于周期性地获取目标电能箱对应的目标时间段的智能电能综合表；
当前拟合残差均方根得到模块220，用于将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；
超差电能表组合确定模块230，用于将所述当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；
其中，所述超差电能表确定模型是基于求解多元二次函数极值的模型；
超差电能表组合反馈模块240，用于将所述超差电能表组合进行反馈处理，以实现根据所述超差电能表组合来确定至少一个超差电能表的操作。
本发明实施例的技术方案，通过周期性地获取目标电能箱对应的目标时间段的智能电能综合表， 并将其输入至电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；将当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；将超差电能表组合进行反馈处理，以实现根据超差电能表组合来确定各超差电能表的操作。解决了对多个异常超差电能表检测的计算量大和计算时间长而造成的检测困难的问题，通过构建超差电能表组合确定模型，可以更加快速有效地进行超差电能表组合进行识别处理，提高了超差电能表识别的速率，降低了超差电能表识别的计算量。
可选的，所述智能电能综合表包括一个智能电能描述汇总表和至少两个待检测的智能电能描述子表。
可选的，当前拟合残差均方根得到模块，可以具体用于：将所述智能电能描述汇总表和各所述待检测的智能电能描述子表输入至预先构建的电能表线损计算模型中，计算出目标时间段对应的至少一个时间点的当前供电量计量值；其中，所述电能表线损计算模型的公式为：，其中，/>表示智能电能描述汇总表第/>天的当前供电量计量值；/>表示计量点/>在第/>天的当前日冻结用电量，计量点/>的数量和智能电能描述子表的数量相同；/>表示计量点/>的相对误差；/>表示智能电能描述汇总表的相对误差；/>为计量点/>的总数量；/>表示初始相对误差；/>表示第/>天的线路损耗；获取各时间点对应的当前日冻结用电量，并根据各时间点对应的当前目标供电量计量值来分别计算出各时间点对应的当前电表统计线损和当前电能表线损计算模型计算线损；通过公式/>，来分别计算出各时间点对应的电表残差数据/>；根据各所述电表残差数据，来得到与智能电能综合表对应的至少一个当前拟合残差均方根。
可选的，所述当前拟合残差均方根得到模块，还可以具体用于：根据各时间点对应的当前供电量计量值和当前日冻结用电量，通过公式，来计算得到各时间点对应的当前电表统计线损/>；根据各所述当前供电量计量值和各所述当前日冻结用电量，通过公式/>，来计算得到各时间点对应的当前电能表线损计算模型计算线损/>。
可选的，所述当前拟合残差均方根得到模块，还可以具体用于：根据公式，得到与智能电能综合表对应的至少一个当前拟合残差均方根；其中，/>表示目标时间段包含的天数。
可选的，还包括，超差电能表组合确定模型训练模块，可以具体用于：在所述周期性地获取目标电能箱对应的目标时间段的智能电能综合表之前， 获取各历史时间段的历史智能电能综合表，并根据历史时间段来对历史智能电能综合表进行分时段处理，得到历史智能电能综合参考表和历史智能电能综合测试表；其中，历史时间段分为历史参考时间段和历史测试时间段；将所述历史智能电能综合参考表和所述历史智能电能综合测试表分别输入至所述电能表线损计算模型中，得到与所述历史智能电能综合参考表对应的历史拟合残差参考均方根、以及与所述历史智能电能综合测试表对应的历史拟合残差测试均方根；根据公式，得到各时间点对应的拟合残差均方根差值；其中，/>表示历史拟合残差测试均方根，/>表示历史拟合残差参考均方根；将各所述拟合残差均方根差值输入至初始超差电能表组合确定模型中，通过求解多元二次函数极值的方法，来训练得到与初始超差电能表组合确定模型对应的各描述参数，并根据各所述描述参数来确定训练完成所述超差电能表组合确定模型。
可选的，还包括，超差电能表组合确定模型训练模块，还可以具体用于：所述将历史智能电能综合测试表输入至所述电能表线损计算模型中，得到与所述历史智能电能综合测试表对应的初始历史拟合残差测试均方根；其中，所述初始历史拟合残差测试均方根表示为：；在历史智能电能测试表中，依次遍历选取至少两个历史智能电能测试描述子表作为目标历史智能电能测试表组合，并根据获取到的目标历史智能电能测试表组合对应的各历史日冻结用电量，来得到历史拟合残差测试均方根。
可选的，还包括，超差电能表组合确定模型训练模块，还可以具体用于：在历史智能电能测试表中，依次遍历选取至少两个历史智能电能测试描述子表作为目标历史智能电能测试表组合；其中，目标历史智能电能测试表组合包括至少两个历史智能电能测试描述子表，并且在目标历史智能电能测试表组合中，选取历史智能电能测试描述子表的数量最大取值等于历史智能电能测试描述子表的总数量；获取各历史智能电能测试描述子表分别对应的各历史日冻结用电量，来计算得到历史拟合残差测试均方根。
本发明实施例所提供的基于求解多元二次函数极值的超差电能表确定装置可执行本发明任意实施例所提供的基于求解多元二次函数极值的超差电能表确定方法，具备执行方法相应的功能模块和有益效果。
实施例三
图3示出了可以用来实施本发明的实施例三的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如基于求解多元二次函数极值的超差电能表确定方法。
在一些实施例中，基于求解多元二次函数极值的超差电能表确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的基于求解多元二次函数极值的超差电能表确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行基于求解多元二次函数极值的超差电能表确定方法。
该方法包括：周期性地获取目标电能箱对应的目标时间段的智能电能综合表；将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；将所述当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；其中，所述超差电能表组合确定模型是基于求解多元二次函数极值的模型；将所述超差电能表组合进行反馈处理，以实现根据所述超差电能表组合来确定至少一个超差电能表的操作。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
实施例四
本发明实施例四还提供一种包含计算机可读存储介质，所述计算机可读指令在由计算机处理器执行时用于执行一种基于求解多元二次函数极值的超差电能表确定方法，该方法包括：周期性地获取目标电能箱对应的目标时间段的智能电能综合表；将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；将所述当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；其中，所述超差电能表组合确定模型是基于求解多元二次函数极值的模型；将所述超差电能表组合进行反馈处理，以实现根据所述超差电能表组合来确定至少一个超差电能表的操作。
当然，本发明实施例所提供的一种包含计算机可读存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的基于求解多元二次函数极值的超差电能表确定方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（RandomAccess Memory，RAM）、闪存（FLASH）、硬盘或光盘等，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）执行本发明各个实施例所述的方法。
值得注意的是，上述基于求解多元二次函数极值的超差电能表确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (9)
1.一种基于求解多元二次函数极值的超差电能表确定方法，其特征在于，包括：
周期性地获取目标电能箱对应的目标时间段的智能电能综合表；
将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；
将所述当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；
其中，所述超差电能表组合确定模型是基于求解多元二次函数极值的模型；
将所述超差电能表组合进行反馈处理，以实现根据所述超差电能表组合来确定至少一个超差电能表的操作；
其中，所述智能电能综合表包括一个智能电能描述汇总表和至少两个待检测的智能电能描述子表；
其中，所述将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根，包括：
将所述智能电能描述汇总表和各所述待检测的智能电能描述子表输入至预先构建的电能表线损计算模型中，计算出目标时间段对应的至少一个时间点的当前供电量计量值；
其中，所述电能表线损计算模型的公式为：，其中，/>表示智能电能描述汇总表第/>天的当前供电量计量值；/>表示计量/>点在第/>天的当前日冻结用电量，计量点/>的数量和智能电能描述子表的数量相同；/>表示计量点/>的相对误差；/>表示智能电能描述汇总表的相对误差；/>为计量点/>的总数量；/>表示初始相对误差；/>表示第/>天的线路损耗；
获取各时间点对应的当前日冻结用电量，并根据各时间点对应的当前目标供电量计量值来分别计算出各时间点对应的当前电表统计线损和当前电能表线损计算模型计算线损；
通过公式，来分别计算出各时间点对应的电表残差数据；
根据各所述电表残差数据，来得到与智能电能综合表对应的至少一个当前拟合残差均方根。
2.根据权利要求1所述的方法，其特征在于，所述获取各时间点对应的当前日冻结用电量，并根据各时间点对应的当前目标供电量计量值来分别计算出各时间点对应的当前电表统计线损和当前电能表线损计算模型计算线损，包括：
根据各时间点对应的当前供电量计量值和当前日冻结用电量，通过公式，来计算得到各时间点对应的当前电表统计线损/>；
根据各所述当前供电量计量值和各所述当前日冻结用电量，通过公式，来计算得到各时间点对应的当前电能表线损计算模型计算线损/>。
3.根据权利要求2所述的方法，其特征在于，所述根据各所述电表残差数据，来得到与智能电能综合表对应的至少一个当前拟合残差均方根，包括：
根据公式，得到与智能电能综合表对应的至少一个当前拟合残差均方根/>；其中，/>表示目标时间段包含的天数。
4.根据权利要求3所述的方法，其特征在于，在所述周期性地获取目标电能箱对应的目标时间段的智能电能综合表之前，还包括：
获取各历史时间段的历史智能电能综合表，并根据历史时间段来对历史智能电能综合表进行分时段处理，得到历史智能电能综合参考表和历史智能电能综合测试表；
其中，历史时间段分为历史参考时间段和历史测试时间段；
将所述历史智能电能综合参考表和所述历史智能电能综合测试表分别输入至所述电能表线损计算模型中，得到与所述历史智能电能综合参考表对应的历史拟合残差参考均方根、以及与所述历史智能电能综合测试表对应的历史拟合残差测试均方根；
根据公式，得到各时间点对应的拟合残差均方根差值；其中/>，表示历史拟合残差测试均方根，/>表示历史拟合残差参考均方根；
将各所述拟合残差均方根差值输入至初始超差电能表组合确定模型中，通过求解多元二次函数极值的方法，来训练得到与初始超差电能表组合确定模型对应的各描述参数，并根据各所述描述参数来确定训练完成所述超差电能表组合确定模型。
5.根据权利要求4所述的方法，其特征在于，所述将历史智能电能综合参考表和所述历史智能电能综合测试表分别输入至所述电能表线损计算模型中，得到与所述历史智能电能综合测试表对应的历史拟合残差测试均方根，包括：
所述将历史智能电能综合测试表输入至所述电能表线损计算模型中，得到与所述历史智能电能综合测试表对应的初始历史拟合残差测试均方根；
其中，所述初始历史拟合残差测试均方根表示为：；
在历史智能电能测试表中，依次遍历选取至少两个历史智能电能测试描述子表作为目标历史智能电能测试表组合，并根据获取到的目标历史智能电能测试表组合对应的各历史日冻结用电量，来得到历史拟合残差测试均方根。
6.根据权利要求5所述的方法，其特征在于，所述在历史智能电能测试表中，依次遍历选取至少两个历史智能电能测试表作为目标历史智能电能测试表组合，并根据获取到的目标历史智能电能测试表组合对应的各历史日冻结用电量，来得到历史拟合残差测试均方根，包括：
在历史智能电能测试表中，依次遍历选取至少两个历史智能电能测试描述子表作为目标历史智能电能测试表组合；
其中，目标历史智能电能测试表组合包括至少两个历史智能电能测试描述子表，并且在目标历史智能电能测试表组合中，选取历史智能电能测试描述子表的数量最大取值等于历史智能电能测试描述子表的总数量；
获取各历史智能电能测试描述子表分别对应的各历史日冻结用电量，来计算得到历史拟合残差测试均方根。
7.一种基于求解多元二次函数极值的超差电能表确定装置，其特征在于，包括：
智能电能综合表获取模块，用于周期性地获取目标电能箱对应的目标时间段的智能电能综合表；
当前拟合残差均方根得到模块，用于将所述智能电能综合表输入至预先构建的电能表线损计算模型中，得到与智能电能综合表对应的至少一个当前拟合残差均方根；
超差电能表组合确定模块，用于将所述当前拟合残差均方根输入至预先训练好的超差电能表组合确定模型中，确定出超差电能表组合；
其中，所述超差电能表确定模型是基于求解多元二次函数极值的模型；
超差电能表组合反馈模块，用于将所述超差电能表组合进行反馈处理，以实现根据所述超差电能表组合来确定至少一个超差电能表的操作；
其中，所述智能电能综合表包括一个智能电能描述汇总表和至少两个待检测的智能电能描述子表；
其中，当前拟合残差均方根得到模块，包括：将所述智能电能描述汇总表和各所述待检测的智能电能描述子表输入至预先构建的电能表线损计算模型中，计算出目标时间段对应的至少一个时间点的当前供电量计量值；其中，所述电能表线损计算模型的公式为：，其中，/>表示智能电能描述汇总表第天的当前供电量计量值；/>表示计量点/>在第/>天的当前日冻结用电量，计量点/>的数量和智能电能描述子表的数量相同；/>表示计量点/>的相对误差；/>表示智能电能描述汇总表的相对误差；/>为计量点/>的总数量；/>表示初始相对误差；/>表示第/>天的线路损耗；获取各时间点对应的当前日冻结用电量，并根据各时间点对应的当前目标供电量计量值来分别计算出各时间点对应的当前电表统计线损和当前电能表线损计算模型计算线损；通过公式/>，来分别计算出各时间点对应的电表残差数据；根据各所述电表残差数据，来得到与智能电能综合表对应的至少一个当前拟合残差均方根。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的一种基于求解多元二次函数极值的超差电能表确定方法。
9.一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存储有计算机指令，所述计算机指令用于使处理器执行时实现如权利要求1-6中任一项所述的一种基于求解多元二次函数极值的超差电能表确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311403263.2A CN117131315B (zh) | 2023-10-27 | 2023-10-27 | 基于求解多元二次函数极值的超差电能表确定方法及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311403263.2A CN117131315B (zh) | 2023-10-27 | 2023-10-27 | 基于求解多元二次函数极值的超差电能表确定方法及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117131315A CN117131315A (zh) | 2023-11-28 |
| CN117131315B true CN117131315B (zh) | 2024-01-23 |
Family
ID=88863230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311403263.2A Active CN117131315B (zh) | 2023-10-27 | 2023-10-27 | 基于求解多元二次函数极值的超差电能表确定方法及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117131315B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381476A (zh) * | 2021-01-18 | 2021-02-19 | 中国电力科学研究院有限公司 | 用于确定状态异常的电能表的方法及装置 |
| DE202022100306U1 (de) * | 2022-01-20 | 2022-02-15 | Anupam Biswas | Ein System zur Klassifizierung von Melodien mittels Swaragrammdarstellung |
| CN114118592A (zh) * | 2021-11-30 | 2022-03-01 | 南京信息工程大学 | 一种智能电网用电端短期能耗预测系统 |
| CN115434875A (zh) * | 2022-08-31 | 2022-12-06 | 东北大学秦皇岛分校 | 基于时空神经网络的风电机组故障状态检测方法 |
| CN115618654A (zh) * | 2022-12-14 | 2023-01-17 | 北京志翔科技股份有限公司 | 超差电能表的识别方法及装置 |
| CN116263734A (zh) * | 2022-09-16 | 2023-06-16 | 北京奔驰汽车有限公司 | 工业机器人状态监控方法、系统及提示终端 |
-
2023
- 2023-10-27 CN CN202311403263.2A patent/CN117131315B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381476A (zh) * | 2021-01-18 | 2021-02-19 | 中国电力科学研究院有限公司 | 用于确定状态异常的电能表的方法及装置 |
| CN114118592A (zh) * | 2021-11-30 | 2022-03-01 | 南京信息工程大学 | 一种智能电网用电端短期能耗预测系统 |
| DE202022100306U1 (de) * | 2022-01-20 | 2022-02-15 | Anupam Biswas | Ein System zur Klassifizierung von Melodien mittels Swaragrammdarstellung |
| CN115434875A (zh) * | 2022-08-31 | 2022-12-06 | 东北大学秦皇岛分校 | 基于时空神经网络的风电机组故障状态检测方法 |
| CN116263734A (zh) * | 2022-09-16 | 2023-06-16 | 北京奔驰汽车有限公司 | 工业机器人状态监控方法、系统及提示终端 |
| CN115618654A (zh) * | 2022-12-14 | 2023-01-17 | 北京志翔科技股份有限公司 | 超差电能表的识别方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| Model and Characterization of Persistence in HgCdTe SWIR Detectors for Astronomy Application;Le Goff, T;Journal of electronic materials;第51卷(第10期);5586-5593 * |
| 电能表运行误差与状态评价模型研究;王晨丞;张君胜;蒲丽娟;何培东;杜斌;赵智辉;;电力大数据(第04期);84-90 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117131315A (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115423386A (zh) | 一种电力碳排放因子的确定方法、装置、设备及介质 | |
| CN114500339B (zh) | 一种节点带宽监测方法、装置、电子设备及存储介质 | |
| CN117332898A (zh) | 基于机器学习的新能源小时间尺度功率时序滚动预测方法 | |
| CN117131315B (zh) | 基于求解多元二次函数极值的超差电能表确定方法及介质 | |
| CN115017732A (zh) | 一种防雷分析仿真步长计算方法、装置、设备和介质 | |
| CN117131353B (zh) | 一种超差电能表确定方法、装置、电子设备及存储介质 | |
| CN118468059B (zh) | 一种电力系统电站特性确定方法、装置、电子设备及介质 | |
| CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 | |
| CN116757679B (zh) | 检修策略的确定方法、装置、电子设备及存储介质 | |
| CN116404650A (zh) | 一种电网供电区域划分方法、装置、设备及存储介质 | |
| CN117826066A (zh) | 变电站电能表误差超差定位方法、装置、设备以及介质 | |
| CN115864384A (zh) | 基于日发电量数据的扩容检测方法、装置、设备及介质 | |
| CN115392733A (zh) | 配网规划项目工程量投资估算方法、装置、设备及存储介质 | |
| CN116128857A (zh) | 一种主变压器的监控方法、装置、电子设备及存储介质 | |
| CN115905492A (zh) | 一种告警信息分析方法、装置、设备及介质 | |
| CN118296324A (zh) | 一种用电量统计系统的数据质量评估方法及装置 | |
| CN118313102A (zh) | 页岩气藏最终可采储量的预测方法、装置、设备及介质 | |
| CN118137488A (zh) | 用电量预测方法、装置、介质和电子设备 | |
| CN115564329A (zh) | 一种典型产能场景确定方法、装置、设备及存储介质 | |
| CN116127664A (zh) | 一种相邻杆导线长度修正方法、装置、设备及存储介质 | |
| CN115275988A (zh) | 一种日线损异常原因确定方法、装置、设备及存储介质 | |
| CN117647702A (zh) | 低压配电网的故障确定方法、装置、设备以及存储介质 | |
| CN118713209A (zh) | 一种基于电源接入模型的消纳设备调整方法及系统 | |
| CN116822740A (zh) | 配电网运维方案确定方法、装置、电子设备及存储介质 | |
| CN117833208A (zh) | 配电网状态推演方法、装置、电子设备和存储介质 |
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 |