CN117216469A - 一种电力系统实时监测与预测的大数据处理方法及系统 - Google Patents
一种电力系统实时监测与预测的大数据处理方法及系统 Download PDFInfo
- Publication number
- CN117216469A CN117216469A CN202311124932.2A CN202311124932A CN117216469A CN 117216469 A CN117216469 A CN 117216469A CN 202311124932 A CN202311124932 A CN 202311124932A CN 117216469 A CN117216469 A CN 117216469A
- Authority
- CN
- China
- Prior art keywords
- index
- power index
- real
- power
- slope
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000013459 approach Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- 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
本发明涉及电力系统技术领域,揭露了一种电力系统实时监测与预测的大数据处理方法及系统,包括:判断电力指标实时曲线当前是否为实时单调变化,若不为,则计算所述电力指标周期数值集的电力指标预测数值,若为,则在根据电力指标当前数值、指标第一临近数值及指标第二临近数值,利用指标数值预测公式,计算电力指标预测数值,根据电力指标当前数值的电力指标当前斜率,指标第一临近斜率及指标第二临近斜率,利用指标斜率预测公式,计算电力指标预测斜率,根据电力指标预测数值及电力指标预测斜率拟合出电力指标预测曲线。本发明主要目的在于解决电力系统实时运行数据价值挖掘不充分,进而产生预测效果差的问题。
Description
技术领域
本发明涉及一种电力系统实时监测与预测的大数据处理方法及系统,属于电力系统技术领域。
背景技术
电力系统设备的实时状态受到各种外界因素的影响,例如:气温、风速、雨量及湿度等因素都会对电力系统的稳定运行产生诸多影响。随着电网输配电规模的不断扩大,对电力系统进行实时监测与预测十分必要,对电力系统进行监测预警是电力系统风险评估的有效方式。
当前对电力系统进行风险评估的主要措施就是对电力系统的运行状况进行预测,可以利用神经网络等多种预测模型、采用确定预警阈值、设置预警等级等各种方式,实现电力系统的监测预警。当发现潜在危险时,及时采取有效措施,消除电网安全隐患,从而实现电网安全稳定运行。但当前对电力系统运行数据的预测方式并未充分利用电力系统的实时运行数据,从而导致电力系统实时运行数据价值挖掘不充分,进而产生预测效果差的问题。
发明内容
本发明提供一种电力系统实时监测与预测的大数据处理方法、系统及计算机可读存储介质,其主要目的在于解决电力系统实时运行数据价值挖掘不充分,进而产生预测效果差的问题。
为实现上述目的,本发明提供的一种电力系统实时监测与预测的大数据处理方法,包括:
监测电力指标实时数据,根据所述电力指标实时数据拟合电力指标实时曲线;
根据预设的单调周期时区判断所述电力指标实时曲线当前是否为实时单调变化;
若所述电力指标实时曲线当前不为实时单调变化,则根据所述单调周期时区在所述电力指标实时曲线中提取电力指标周期数值集,计算所述电力指标周期数值集的电力指标周期均值,将所述电力指标周期均值作为电力指标预测数值;
若所述电力指标实时曲线当前为实时单调变化,则在所述电力指标实时曲线中提取电力指标当前数值、指标第一临近数值及指标第二临近数值;
根据所述电力指标当前数值、指标第一临近数值及指标第二临近数值,利用预构建的指标数值预测公式,计算电力指标预测数值,其中所述指标数值预测公式,如下所示:
;
其中,表示电力指标预测数值,表示电力指标当前数值,表示指标第一临
近数值,表示指标第二临近数值;
在所述电力指标实时曲线中提取电力指标当前数值的电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,根据所述电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,利用预构建的指标斜率预测公式,计算电力指标预测斜率,其中所述指标斜率预测公式,如下所示:
;
其中,表示电力指标预测斜率,表示电力指标当前斜率,表示指标第一临
近斜率,表示指标第二临近斜率;
根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线,完成电力系统实时监测与预测的大数据处理。
可选地,所述监测电力指标实时数据,包括:
获取地区电力指标变化数据集,根据所述地区电力指标变化数据集,利用预构建的电力指标变化指数公式计算电力指标变化指数;
根据所述电力指标变化指数,在预构建的变化指数-采样频率对照表中提取电力指标数据采样频率;
根据所述电力指标数据采样频率采集所述电力指标实时数据。
可选地,所述电力指标变化指数公式,如下所示:
;
其中,表示电力指标变化指数,i表示电力变化评估指标的序号,表示电力变化
评估指标的总数,表示第i个电力变化评估指标的权重,表示第i个电力变化评估指标
的地区电力指标变化数据。
可选地,所述根据所述电力指标实时数据拟合电力指标实时曲线,包括:
将所述电力指标实时数据依次连接,得到电力实时数据折线段;
在所述电力实时数据折线段中提取电力指标实时线段集,将所述电力指标实时线段集按照时间先后进行排序,得到电力指标实时线段序列;
将所述电力指标实时数据按照时间先后进行排序,得到电力指标实时数据序列;
将所述电力指标实时线段序列与所述电力指标实时数据序列进行序号对应分配,得到多组电力指标实时数据-线段对;
获取所述电力指标实时数据-线段对中电力指标实时线段的线段斜率,将所述线段斜率作为所述电力指标实时数据-线段对中电力指标实时数据的线段斜率;
判断所述电力实时数据折线段中的电力指标实时数据的个数是否大于等于4;
若所述电力实时数据折线段中的电力指标实时数据的个数不大于等于4,则返回上述判断所述电力实时数据折线段中的电力指标实时数据的个数是否大于等于4的步骤;
若所述电力实时数据折线段中的电力指标实时数据的个数大于等于4,则在所述电力实时数据折线段中提取第一临近线段斜率、第二临近线段斜率以及第三临近线段斜率;
根据所述第一临近线段斜率、第二临近线段斜率以及第三临近线段斜率,利用预构建的线段斜率预测公式,计算所述电力指标实时数据序列中电力指标当前数值的线段斜率;
汇总所有电力指标实时数据的线段斜率,得到电力指标数据斜率集;
在所述电力指标数据斜率集中依次提取相邻的电力指标数据斜率对,提取所述电力指标数据斜率对的第一线段斜率及第二线段斜率;
根据所述第一线段斜率及第二线段斜率,利用预构建的斜率均值公式,计算所述电力指标数据斜率对的斜率单位时间变化值,其中所述斜率均值公式,如下所示:
;
其中,表示斜率单位时间变化值,表示第一线段斜率,表示第二线段斜率,t
表示相邻的电力指标数据斜率对的间隔时间;
提取所述电力指标数据斜率对的第一指标数值及第二指标数值,利用与构建的数值均值公式,计算所述电力指标数据斜率对的数值单位时间变化值,其中所述数值均值公式,如下所示:
;
其中,表示数值单位时间变化值,表示第一线段斜率,表示第二线段斜率;
获取所述相邻的电力指标数据斜率对对应的当前坐标点对;
根据所述数值单位时间变化值及斜率单位时间变化值对所述当前坐标点对进行曲线拟合,得到所述电力指标实时曲线。
可选地,所述线段斜率预测公式,如下所示:
;
其中,表示电力指标实时数据序列中电力指标当前数值的线段斜率,表示第
一临近线段斜率,表示第二临近线段斜率,表示第三临近线段斜率。
可选地,所述根据预设的单调周期时区判断所述电力指标实时曲线当前是否为实时单调变化,包括:
利用所述单调周期时区在所述电力指标实时曲线中截取电力指标周期曲线;
判断所述电力指标周期曲线是否为单调曲线;
若所述电力指标周期曲线不为单调曲线,则判定所述电力指标实时曲线当前不为实时单调变化;
若所述电力指标周期曲线为单调曲线,则判定所述电力指标实时曲线当前为实时单调变化。
可选地,所述计算所述电力指标周期数值集的电力指标周期均值,包括:
利用预构建的周期均值公式,根据所述电力指标周期数值集计算所述电力指标周期均值,其中所述周期均值公式,如下所示:
;
其中,表示电力指标周期均值,j表示电力指标周期数值的序号,J表示电力指标
周期数值的总数,表示电力指标周期数值集中第j个电力指标周期数值。
可选地,所述根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线,包括:
根据所述电力指标当前数值及电力指标当前数值的线段斜率构建电力指标当前数值斜率对,根据所述电力指标预测数值及电力指标预测斜率构建电力指标预测数值斜率对;
获取所述电力指标当前数值斜率对及所述电力指标预测数值斜率对对应的预测坐标点对;
根据所述电力指标当前数值斜率对及所述电力指标预测数值斜率对,利用所述斜率均值公式及数值均值公式,对所述预测坐标点对进行曲线拟合,得到所述电力指标预测曲线。
可选地,所述根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线之后,所述方法还包括:
利用预构建的误差积分公式,计算所述电力指标预测曲线的预测误差,其中所述误差积分公式,如下所示:
;
其中,表示预测误差,表示电力指标预测曲线的起始时间,表示电力指标预
测曲线的终止时间,表示电力预测曲线的指标预测数值,表示电力预测曲线对应的实
际指标预测数值,t表示时间;
判断所述预测误差是否大于预设的误差阈值;
若所述预测误差不大于所述误差阈值,则将所述电力指标数据采样频率作为迭代指标数据采样频率;
若所述预测误差大于所述误差阈值,则调整所述电力指标数据采样频率,得到迭代指标数据采样频率;
根据所述迭代指标数据采样频率采集电力指标实时数据。
为了解决上述问题,本发明还提供一种电力系统实时监测与预测的大数据处理系统,所述系统包括:
电力指标实时曲线拟合模块,用于监测电力指标实时数据,根据所述电力指标实时数据拟合电力指标实时曲线;
电力指标预测数值计算模块,用于若所述电力指标实时曲线当前不为实时单调变化,则根据所述单调周期时区在所述电力指标实时曲线中提取电力指标周期数值集,计算所述电力指标周期数值集的电力指标周期均值,将所述电力指标周期均值作为电力指标预测数值;若所述电力指标实时曲线当前为实时单调变化,则在所述电力指标实时曲线中提取电力指标当前数值、指标第一临近数值及指标第二临近数值;根据所述电力指标当前数值、指标第一临近数值及指标第二临近数值,利用预构建的指标数值预测公式,计算电力指标预测数值,其中所述指标数值预测公式,如下所示:
;
其中,表示电力指标预测数值,表示电力指标当前数值,表示指标第一临
近数值,表示指标第二临近数值;
电力指标预测斜率计算模块,用于在所述电力指标实时曲线中提取电力指标当前数值的电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,根据所述电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,利用预构建的指标斜率预测公式,计算电力指标预测斜率,其中所述指标斜率预测公式,如下所示:
;
其中,表示电力指标预测斜率,表示电力指标当前斜率,表示指标第一临
近斜率,表示指标第二临近斜率;
电力指标预测曲线拟合模块,用于根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线。
相比于背景技术所述问题,本发明实施例通过监测电力指标实时数据,再根据所述电力指标实时数据拟合电力指标实时曲线,在得到电力指标实时曲线后,即可对所述电力指标实时曲线进行电力指标预测数值及电力指标预测斜率的计算,从而实现根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线的目的,在预测电力指标预测数值时,首先需要根据预设的单调周期时区判断所述电力指标实时曲线当前是否为实时单调变化,由于实时单调变化的电力指标实时曲线和不实时单调变化的电力指标实时曲线的曲线变化特征不同,因此需要分类预测,当所述电力指标实时曲线当前不为实时单调变化,则根据所述单调周期时区在所述电力指标实时曲线中提取电力指标周期数值集,计算所述电力指标周期数值集的电力指标周期均值,将所述电力指标周期均值作为电力指标预测数值,当所述电力指标实时曲线当前为实时单调变化,则在所述电力指标实时曲线中提取电力指标当前数值、指标第一临近数值及指标第二临近数值;根据所述电力指标当前数值、指标第一临近数值及指标第二临近数值,利用预构建的指标数值预测公式,计算电力指标预测数值,在计算电力指标预测斜率时,在所述电力指标实时曲线中提取电力指标当前数值的电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,根据所述电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,利用预构建的指标斜率预测公式,计算电力指标预测斜率,当得到所述电力指标预测数值及电力指标预测斜率后,即可在所述电力指标实时曲线中拟合出电力指标预测曲线。因此本发明提出的电力系统实时监测与预测的大数据处理方法、系统、电子设备及计算机可读存储介质,其主要目的在于解决电力系统实时运行数据价值挖掘不充分,进而产生预测效果差的问题。
附图说明
图1为本发明一实施例提供的电力系统实时监测与预测的大数据处理方法的流程示意图;
图2为图1中其中一个步骤的详细实施流程示意图;
图3为图1中另一个步骤的详细实施流程示意图;
图4为本发明一实施例提供的电力系统实时监测与预测的大数据处理系统的功能模块图。
具体实施方式
本申请实施例提供一种电力系统实时监测与预测的大数据处理方法。所述电力系统实时监测与预测的大数据处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述电力系统实时监测与预测的大数据处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1
参照图1所示,为本发明一实施例提供的电力系统实时监测与预测的大数据处理方法的流程示意图。在本实施例中,所述电力系统实时监测与预测的大数据处理方法包括:
S1、监测电力指标实时数据,根据所述电力指标实时数据拟合电力指标实时曲线。
可解释的,所述电力指标实时数据指对电力系统进行各项预设电力运行指标的实时监测,得到的各项电力运行数据,例如:对三相负荷电流、护层电流、局部放电值、介质损耗及温度等电力运行指标的监测数据,所述电力指标实时数据的采样频率可以为10min/次。
进一步地,所述电力指标实时曲线指根据所述电力指标实时数据进行描点拟合得到的电力指标实时数据随时间变化的曲线。
本发明实施例中,参阅图2所示,所述监测电力指标实时数据,包括:
S11、获取地区电力指标变化数据集,根据所述地区电力指标变化数据集,利用预构建的电力指标变化指数公式计算电力指标变化指数;
S12、根据所述电力指标变化指数,在预构建的变化指数-采样频率对照表中提取电力指标数据采样频率;
S13、根据所述电力指标数据采样频率采集所述电力指标实时数据。
应明白的,所述地区电力指标变化数据集指某一地区的历史电力指标实时数据。通过分析所述地区电力指标变化数据集可以得出该地区的电力指标变化数据的变化特征。
本发明实施例中,所述电力指标变化指数公式,如下所示:
;
其中,表示电力指标变化指数,i表示电力变化评估指标的序号,表示电力变化
评估指标的总数,表示第i个电力变化评估指标的权重,表示第i个电力变化评估指标
的地区电力指标变化数据。
进一步的,所述电力变化评估指标指评估地区电力指标变化数据集变化大小的指标,例如:一天中最大电力指标实时数据与最小监测电力指标实时数据的差值,根据所述电力指标实时数据描点绘制的曲线的最大斜率及最小斜率等等。
本发明实施例中,所述根据所述电力指标实时数据拟合电力指标实时曲线,包括:
将所述电力指标实时数据依次连接,得到电力实时数据折线段;
在所述电力实时数据折线段中提取电力指标实时线段集,将所述电力指标实时线段集按照时间先后进行排序,得到电力指标实时线段序列;
将所述电力指标实时数据按照时间先后进行排序,得到电力指标实时数据序列;
将所述电力指标实时线段序列与所述电力指标实时数据序列进行序号对应分配,得到多组电力指标实时数据-线段对;
获取所述电力指标实时数据-线段对中电力指标实时线段的线段斜率,将所述线段斜率作为所述电力指标实时数据-线段对中电力指标实时数据的线段斜率;
判断所述电力实时数据折线段中的电力指标实时数据的个数是否大于等于4;
若所述电力实时数据折线段中的电力指标实时数据的个数不大于等于4,则返回上述判断所述电力实时数据折线段中的电力指标实时数据的个数是否大于等于4的步骤;
若所述电力实时数据折线段中的电力指标实时数据的个数大于等于4,则在所述电力实时数据折线段中提取第一临近线段斜率、第二临近线段斜率以及第三临近线段斜率;
根据所述第一临近线段斜率、第二临近线段斜率以及第三临近线段斜率,利用预构建的线段斜率预测公式,计算所述电力指标实时数据序列中电力指标当前数值的线段斜率;
汇总所有电力指标实时数据的线段斜率,得到电力指标数据斜率集;
在所述电力指标数据斜率集中依次提取相邻的电力指标数据斜率对,提取所述电力指标数据斜率对的第一线段斜率及第二线段斜率;
根据所述第一线段斜率及第二线段斜率,利用预构建的斜率均值公式,计算所述电力指标数据斜率对的斜率单位时间变化值,其中所述斜率均值公式,如下所示:
;
其中,表示斜率单位时间变化值,表示第一线段斜率,表示第二线段斜率,t
表示相邻的电力指标数据斜率对的间隔时间;
提取所述电力指标数据斜率对的第一指标数值及第二指标数值,利用与构建的数值均值公式,计算所述电力指标数据斜率对的数值单位时间变化值,其中所述数值均值公式,如下所示:
;
其中,表示数值单位时间变化值,表示第一线段斜率,表示第二线段斜率;
获取所述相邻的电力指标数据斜率对对应的当前坐标点对;
根据所述数值单位时间变化值及斜率单位时间变化值对所述当前坐标点对进行曲线拟合,得到所述电力指标实时曲线。
进一步的,所述第一临近线段斜率、第二临近线段斜率以及第三临近线段斜率分别指靠近所述电力指标当前数值第一近、第二近及第三近的电力指标数值对应的斜率。例如:所述电力指标当前数值的监测时间为9:00,当所述采样频率为10min/次时,所述第一临近线段斜率、第二临近线段斜率以及第三临近线段斜率分别指8:50、8:40及8:30的电力指标数值处的斜率。
可解释的,所述第一线段斜率及第二线段斜率指所述电力指标数据斜率对中第一个线段斜率及第二个线段斜率。所述斜率单位时间变化值及数值单位时间变化值分别指电力指标数值在单位时间内的变化值及电力指标斜率在单位时间的变化值,单位时间可以为1s或1min。
进一步地,当所述电力实时数据折线段中的电力指标实时数据的个数不大于等于4时,需要等到大于等于4才可以计算所述电力指标实时数据序列中电力指标当前数值的线段斜率,因为所述电力指标实时数据序列中电力指标当前数值的线段斜率的计算需要在所述电力实时数据折线段中提取第一临近线段斜率、第二临近线段斜率以及第三临近线段斜率,因此包括所述电力指标当前数值,至少需要4个电力指标实时数据。
进一步地,所述线段斜率预测公式,如下所示:
;
其中,表示电力指标实时数据序列中电力指标当前数值的线段斜率,表示第
一临近线段斜率,表示第二临近线段斜率,表示第三临近线段斜率。
S2、根据预设的单调周期时区判断所述电力指标实时曲线当前是否为实时单调变化。
所述单调周期时区指预设判断电力指标实时曲线当前是否为实时单调变化的时间段,例如:30min。
本发明实施例中,所述根据预设的单调周期时区判断所述电力指标实时曲线当前是否为实时单调变化,包括:
利用所述单调周期时区在所述电力指标实时曲线中截取电力指标周期曲线;
判断所述电力指标周期曲线是否为单调曲线;
若所述电力指标周期曲线不为单调曲线,则判定所述电力指标实时曲线当前不为实时单调变化;
若所述电力指标周期曲线为单调曲线,则判定所述电力指标实时曲线当前为实时单调变化。
进一步的,所述电力指标实时曲线在所述单调周期时区内可能为单调变化,也可能呈现波动变化,当所述电力指标实时曲线在所述单调周期时区内为单调变化(单调递增或单调递减)时,则表示所述电力指标实时曲线当前为实时单调变化。
若所述电力指标实时曲线当前不为实时单调变化,则执行S3、根据所述单调周期时区在所述电力指标实时曲线中提取电力指标周期数值集,计算所述电力指标周期数值集的电力指标周期均值,将所述电力指标周期均值作为电力指标预测数值。
进一步的,所述电力指标周期数值集指所述电力指标周期曲线中的电力指标实时数据。
本发明实施例中,所述计算所述电力指标周期数值集的电力指标周期均值,包括:
利用预构建的周期均值公式,根据所述电力指标周期数值集计算所述电力指标周期均值,其中所述周期均值公式,如下所示:
;
其中,表示电力指标周期均值,j表示电力指标周期数值的序号,J表示电力指标
周期数值的总数,表示电力指标周期数值集中第j个电力指标周期数值。
若所述电力指标实时曲线当前为实时单调变化,则执行S4、在所述电力指标实时曲线中提取电力指标当前数值、指标第一临近数值及指标第二临近数值。
可解释的,所述指标第一临近数值及指标第二临近数值分别指距离所述电力指标当前数值第一近及第二近的电力指标数值。
S5、根据所述电力指标当前数值、指标第一临近数值及指标第二临近数值,利用预构建的指标数值预测公式,计算电力指标预测数值。
进一步地,所述指标数值预测公式,如下所示:
;
其中,表示电力指标预测数值,表示电力指标当前数值,表示指标第一临
近数值,表示指标第二临近数值。
S6、在所述电力指标实时曲线中提取电力指标当前数值的电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,根据所述电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,利用预构建的指标斜率预测公式,计算电力指标预测斜率。
可解释的,所述电力指标预测斜率指预测的下一个电力指标实时数值处的斜率。例如:当前时间为11:00,所述电力指标当前斜率为1,且所述电力指标实时数据的采样频率为10min/次,则11:10时的曲线斜率为所述电力指标预测斜率。
进一步地,所述指标斜率预测公式,如下所示:
;
其中,表示电力指标预测斜率,表示电力指标当前斜率,表示指标第一临
近斜率,表示指标第二临近斜率。
S7、根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线,完成电力系统实时监测与预测的大数据处理。
进一步的,所述电力指标预测曲线指所述电力指标实时曲线在下一个电力指标实时数据采样之前的电力指标变化曲线,例如:当前时间为12:00,所述电力指标实时数据的采样频率可以为10min/次,则所述电力指标预测曲线指12:00-12:10之间的电力指标变化曲线。
本发明实施例中,参阅图3所示,所述根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线,包括:
S71、根据所述电力指标当前数值及电力指标当前数值的线段斜率构建电力指标当前数值斜率对,根据所述电力指标预测数值及电力指标预测斜率构建电力指标预测数值斜率对;
S72、获取所述电力指标当前数值斜率对及所述电力指标预测数值斜率对对应的预测坐标点对;
S73、根据所述电力指标当前数值斜率对及所述电力指标预测数值斜率对,利用所述斜率均值公式及数值均值公式,对所述预测坐标点对进行曲线拟合,得到所述电力指标预测曲线。
进一步地,所述根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线之后,所述方法还包括:
利用预构建的误差积分公式,计算所述电力指标预测曲线的预测误差,其中所述误差积分公式,如下所示:
;
其中,表示预测误差,表示电力指标预测曲线的起始时间,表示电力指标预
测曲线的终止时间,表示电力预测曲线的指标预测数值,表示电力预测曲线对应的实
际指标预测数值,t表示时间;
判断所述预测误差是否大于预设的误差阈值;
若所述预测误差不大于所述误差阈值,则将所述电力指标数据采样频率作为迭代指标数据采样频率;
若所述预测误差大于所述误差阈值,则调整所述电力指标数据采样频率,得到迭代指标数据采样频率;
根据所述迭代指标数据采样频率采集电力指标实时数据。
进一步的,当所述预测误差大于所述误差阈值,则表示预测较差,此时可以通过缩短所述电力指标实时数据的采样频率,从而实现更为精细化的监测。
相比于背景技术所述问题,本发明实施例通过监测电力指标实时数据,再根据所述电力指标实时数据拟合电力指标实时曲线,在得到电力指标实时曲线后,即可对所述电力指标实时曲线进行电力指标预测数值及电力指标预测斜率的计算,从而实现根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线的目的,在预测电力指标预测数值时,首先需要根据预设的单调周期时区判断所述电力指标实时曲线当前是否为实时单调变化,由于实时单调变化的电力指标实时曲线和不实时单调变化的电力指标实时曲线的曲线变化特征不同,因此需要分类预测,当所述电力指标实时曲线当前不为实时单调变化,则根据所述单调周期时区在所述电力指标实时曲线中提取电力指标周期数值集,计算所述电力指标周期数值集的电力指标周期均值,将所述电力指标周期均值作为电力指标预测数值,当所述电力指标实时曲线当前为实时单调变化,则在所述电力指标实时曲线中提取电力指标当前数值、指标第一临近数值及指标第二临近数值;根据所述电力指标当前数值、指标第一临近数值及指标第二临近数值,利用预构建的指标数值预测公式,计算电力指标预测数值,在计算电力指标预测斜率时,在所述电力指标实时曲线中提取电力指标当前数值的电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,根据所述电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,利用预构建的指标斜率预测公式,计算电力指标预测斜率,当得到所述电力指标预测数值及电力指标预测斜率后,即可在所述电力指标实时曲线中拟合出电力指标预测曲线。因此本发明提出的电力系统实时监测与预测的大数据处理方法、系统、电子设备及计算机可读存储介质,其主要目的在于解决电力系统实时运行数据价值挖掘不充分,进而产生预测效果差的问题。
实施例2
如图4所示,是本发明一实施例提供的电力系统实时监测与预测的大数据处理系统的功能模块图。
本发明所述电力系统实时监测与预测的大数据处理系统100可以安装于电子设备中。根据实现的功能,所述电力系统实时监测与预测的大数据处理系统100可以包括电力指标实时曲线拟合模块101、电力指标预测数值计算模块102、电力指标预测斜率计算模块103及电力指标预测曲线拟合模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述电力指标实时曲线拟合模块101,用于监测电力指标实时数据,根据所述电力指标实时数据拟合电力指标实时曲线;
所述电力指标预测数值计算模块102,用于若所述电力指标实时曲线当前不为实时单调变化,则根据所述单调周期时区在所述电力指标实时曲线中提取电力指标周期数值集,计算所述电力指标周期数值集的电力指标周期均值,将所述电力指标周期均值作为电力指标预测数值;若所述电力指标实时曲线当前为实时单调变化,则在所述电力指标实时曲线中提取电力指标当前数值、指标第一临近数值及指标第二临近数值;根据所述电力指标当前数值、指标第一临近数值及指标第二临近数值,利用预构建的指标数值预测公式,计算电力指标预测数值,其中所述指标数值预测公式,如下所示:
;
其中,表示电力指标预测数值,表示电力指标当前数值,表示指标第一临
近数值,表示指标第二临近数值;
所述电力指标预测斜率计算模块103,用于在所述电力指标实时曲线中提取电力指标当前数值的电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,根据所述电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,利用预构建的指标斜率预测公式,计算电力指标预测斜率,其中所述指标斜率预测公式,如下所示:
;
其中,表示电力指标预测斜率,表示电力指标当前斜率,表示指标第一临
近斜率,表示指标第二临近斜率;
所述电力指标预测曲线拟合模块104,用于根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线。
详细地,本发明实施例中所述电力系统实时监测与预测的大数据处理系统100中的所述各模块在使用时采用与上述的图1中所述的电力系统实时监测与预测的大数据处理方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种电力系统实时监测与预测的大数据处理方法,其特征在于,所述方法包括:
监测电力指标实时数据,根据所述电力指标实时数据拟合电力指标实时曲线;
根据预设的单调周期时区判断所述电力指标实时曲线当前是否为实时单调变化;
若所述电力指标实时曲线当前不为实时单调变化,则根据所述单调周期时区在所述电力指标实时曲线中提取电力指标周期数值集,计算所述电力指标周期数值集的电力指标周期均值,将所述电力指标周期均值作为电力指标预测数值;
若所述电力指标实时曲线当前为实时单调变化,则在所述电力指标实时曲线中提取电力指标当前数值、指标第一临近数值及指标第二临近数值;
根据所述电力指标当前数值、指标第一临近数值及指标第二临近数值,利用预构建的指标数值预测公式,计算电力指标预测数值,其中所述指标数值预测公式,如下所示:
;
其中,表示电力指标预测数值,/>表示电力指标当前数值,/>表示指标第一临近数值,/>表示指标第二临近数值;
在所述电力指标实时曲线中提取电力指标当前数值的电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,根据所述电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,利用预构建的指标斜率预测公式,计算电力指标预测斜率,其中所述指标斜率预测公式,如下所示:
;
其中,表示电力指标预测斜率,/>表示电力指标当前斜率,/>表示指标第一临近斜率,/>表示指标第二临近斜率;
根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线,完成电力系统实时监测与预测的大数据处理。
2.如权利要求1所述的电力系统实时监测与预测的大数据处理方法,其特征在于,所述监测电力指标实时数据,包括:
获取地区电力指标变化数据集,根据所述地区电力指标变化数据集,利用预构建的电力指标变化指数公式计算电力指标变化指数;
根据所述电力指标变化指数,在预构建的变化指数-采样频率对照表中提取电力指标数据采样频率;
根据所述电力指标数据采样频率采集所述电力指标实时数据。
3.如权利要求2所述的电力系统实时监测与预测的大数据处理方法,其特征在于,所述电力指标变化指数公式,如下所示:
;
其中,表示电力指标变化指数,i表示电力变化评估指标的序号,/>表示电力变化评估指标的总数,/>表示第i个电力变化评估指标的权重,/>表示第i个电力变化评估指标的地区电力指标变化数据。
4.如权利要求1所述的电力系统实时监测与预测的大数据处理方法,其特征在于,所述根据所述电力指标实时数据拟合电力指标实时曲线,包括:
将所述电力指标实时数据依次连接,得到电力实时数据折线段;
在所述电力实时数据折线段中提取电力指标实时线段集,将所述电力指标实时线段集按照时间先后进行排序,得到电力指标实时线段序列;
将所述电力指标实时数据按照时间先后进行排序,得到电力指标实时数据序列;
将所述电力指标实时线段序列与所述电力指标实时数据序列进行序号对应分配,得到多组电力指标实时数据-线段对;
获取所述电力指标实时数据-线段对中电力指标实时线段的线段斜率,将所述线段斜率作为所述电力指标实时数据-线段对中电力指标实时数据的线段斜率;
判断所述电力实时数据折线段中的电力指标实时数据的个数是否大于等于4;
若所述电力实时数据折线段中的电力指标实时数据的个数不大于等于4,则返回上述判断所述电力实时数据折线段中的电力指标实时数据的个数是否大于等于4的步骤;
若所述电力实时数据折线段中的电力指标实时数据的个数大于等于4,则在所述电力实时数据折线段中提取第一临近线段斜率、第二临近线段斜率以及第三临近线段斜率;
根据所述第一临近线段斜率、第二临近线段斜率以及第三临近线段斜率,利用预构建的线段斜率预测公式,计算所述电力指标实时数据序列中电力指标当前数值的线段斜率;
汇总所有电力指标实时数据的线段斜率,得到电力指标数据斜率集;
在所述电力指标数据斜率集中依次提取相邻的电力指标数据斜率对,提取所述电力指标数据斜率对的第一线段斜率及第二线段斜率;
根据所述第一线段斜率及第二线段斜率,利用预构建的斜率均值公式,计算所述电力指标数据斜率对的斜率单位时间变化值,其中所述斜率均值公式,如下所示:
;
其中,表示斜率单位时间变化值,/>表示第一线段斜率,/>表示第二线段斜率,t表示相邻的电力指标数据斜率对的间隔时间;
提取所述电力指标数据斜率对的第一指标数值及第二指标数值,利用与构建的数值均值公式,计算所述电力指标数据斜率对的数值单位时间变化值,其中所述数值均值公式,如下所示:
;
其中,表示数值单位时间变化值,/>表示第一线段斜率,/>表示第二线段斜率;
获取所述相邻的电力指标数据斜率对对应的当前坐标点对;
根据所述数值单位时间变化值及斜率单位时间变化值对所述当前坐标点对进行曲线拟合,得到所述电力指标实时曲线。
5.如权利要求4所述的电力系统实时监测与预测的大数据处理方法,其特征在于,所述线段斜率预测公式,如下所示:
;
其中,表示电力指标实时数据序列中电力指标当前数值的线段斜率,/>表示第一临近线段斜率,/>表示第二临近线段斜率,/>表示第三临近线段斜率。
6.如权利要求1所述的电力系统实时监测与预测的大数据处理方法,其特征在于,所述根据预设的单调周期时区判断所述电力指标实时曲线当前是否为实时单调变化,包括:
利用所述单调周期时区在所述电力指标实时曲线中截取电力指标周期曲线;
判断所述电力指标周期曲线是否为单调曲线;
若所述电力指标周期曲线不为单调曲线,则判定所述电力指标实时曲线当前不为实时单调变化;
若所述电力指标周期曲线为单调曲线,则判定所述电力指标实时曲线当前为实时单调变化。
7.如权利要求1所述的电力系统实时监测与预测的大数据处理方法,其特征在于,所述计算所述电力指标周期数值集的电力指标周期均值,包括:
利用预构建的周期均值公式,根据所述电力指标周期数值集计算所述电力指标周期均值,其中所述周期均值公式,如下所示:
;
其中,表示电力指标周期均值,j表示电力指标周期数值的序号,J表示电力指标周期数值的总数,/>表示电力指标周期数值集中第j个电力指标周期数值。
8.如权利要求1或4所述的电力系统实时监测与预测的大数据处理方法,其特征在于,所述根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线,包括:
根据所述电力指标当前数值及电力指标当前数值的线段斜率构建电力指标当前数值斜率对,根据所述电力指标预测数值及电力指标预测斜率构建电力指标预测数值斜率对;
获取所述电力指标当前数值斜率对及所述电力指标预测数值斜率对对应的预测坐标点对;
根据所述电力指标当前数值斜率对及所述电力指标预测数值斜率对,利用所述斜率均值公式及数值均值公式,对所述预测坐标点对进行曲线拟合,得到所述电力指标预测曲线。
9.如权利要求8所述的电力系统实时监测与预测的大数据处理方法,其特征在于,所述根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线之后,所述方法还包括:
利用预构建的误差积分公式,计算所述电力指标预测曲线的预测误差,其中所述误差积分公式,如下所示:
;
其中,表示预测误差,/>表示电力指标预测曲线的起始时间,/>表示电力指标预测曲线的终止时间,/>表示电力预测曲线的指标预测数值,/>表示电力预测曲线对应的实际指标预测数值,t表示时间;
判断所述预测误差是否大于预设的误差阈值;
若所述预测误差不大于所述误差阈值,则将所述电力指标数据采样频率作为迭代指标数据采样频率;
若所述预测误差大于所述误差阈值,则调整所述电力指标数据采样频率,得到迭代指标数据采样频率;
根据所述迭代指标数据采样频率采集电力指标实时数据。
10.一种如权利要求1-9任一项所述方法的电力系统实时监测与预测的大数据处理系统,其特征在于,所述系统包括:
电力指标实时曲线拟合模块,用于监测电力指标实时数据,根据所述电力指标实时数据拟合电力指标实时曲线;
电力指标预测数值计算模块,用于根据预设的单调周期时区判断所述电力指标实时曲线当前是否为实时单调变化;若所述电力指标实时曲线当前不为实时单调变化,则根据所述单调周期时区在所述电力指标实时曲线中提取电力指标周期数值集,计算所述电力指标周期数值集的电力指标周期均值,将所述电力指标周期均值作为电力指标预测数值;若所述电力指标实时曲线当前为实时单调变化,则在所述电力指标实时曲线中提取电力指标当前数值、指标第一临近数值及指标第二临近数值;根据所述电力指标当前数值、指标第一临近数值及指标第二临近数值,利用预构建的指标数值预测公式,计算电力指标预测数值,其中所述指标数值预测公式,如下所示:
;
其中,表示电力指标预测数值,/>表示电力指标当前数值,/>表示指标第一临近数值,/>表示指标第二临近数值;
电力指标预测斜率计算模块,用于在所述电力指标实时曲线中提取电力指标当前数值的电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,根据所述电力指标当前斜率、指标第一临近斜率及指标第二临近斜率,利用预构建的指标斜率预测公式,计算电力指标预测斜率,其中所述指标斜率预测公式,如下所示:
;
其中,表示电力指标预测斜率,/>表示电力指标当前斜率,/>表示指标第一临近斜率,/>表示指标第二临近斜率;
电力指标预测曲线拟合模块,用于根据所述电力指标预测数值及电力指标预测斜率在所述电力指标实时曲线中拟合出电力指标预测曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311124932.2A CN117216469B (zh) | 2023-09-03 | 2023-09-03 | 一种电力系统实时监测与预测的大数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311124932.2A CN117216469B (zh) | 2023-09-03 | 2023-09-03 | 一种电力系统实时监测与预测的大数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117216469A true CN117216469A (zh) | 2023-12-12 |
CN117216469B CN117216469B (zh) | 2024-03-15 |
Family
ID=89038032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311124932.2A Active CN117216469B (zh) | 2023-09-03 | 2023-09-03 | 一种电力系统实时监测与预测的大数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117216469B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1132433A (ja) * | 1997-07-08 | 1999-02-02 | Tokyo Electric Power Co Inc:The | 電力系統電圧安定度評価装置とそれらのプログラムを記録した記録媒体 |
US20160281607A1 (en) * | 2015-03-27 | 2016-09-29 | General Electric Company | Methods and systems for enhancing operation of power plant generating units and systems |
CN106089328A (zh) * | 2016-08-10 | 2016-11-09 | 西安热工研究院有限公司 | 基于dcs数据挖掘的汽轮机调门流量特性曲线辨识方法 |
CN110222882A (zh) * | 2019-05-21 | 2019-09-10 | 国家电网公司西南分部 | 一种电力系统中长期负荷的预测方法和装置 |
CN110390417A (zh) * | 2018-04-23 | 2019-10-29 | 成都大学 | 一种区块链的趋势混沌组合模型安全监控预测方法 |
WO2020093637A1 (zh) * | 2018-11-09 | 2020-05-14 | 平安科技(深圳)有限公司 | 设备状态预测方法、系统、计算机装置及存储介质 |
CN112926863A (zh) * | 2021-03-04 | 2021-06-08 | 国网安徽省电力有限公司电力科学研究院 | 基于六大预警中心的电网灾害综合监测系统 |
CN113987033A (zh) * | 2021-12-28 | 2022-01-28 | 国网江西省电力有限公司电力科学研究院 | 主变在线监测数据群体偏差识别与校准方法 |
WO2022088608A1 (zh) * | 2020-10-29 | 2022-05-05 | 广西电网有限责任公司电力科学研究院 | 电能质量监测终端的现场在线比对检测装置及检测方法 |
CN114509678A (zh) * | 2022-02-10 | 2022-05-17 | 北京理工大学重庆创新中心 | 一种基于大数据的动力电池热失控预测方法 |
CN116307215A (zh) * | 2023-03-24 | 2023-06-23 | 广东电网有限责任公司广州供电局 | 一种电力系统的负荷预测方法、装置、设备及存储介质 |
-
2023
- 2023-09-03 CN CN202311124932.2A patent/CN117216469B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1132433A (ja) * | 1997-07-08 | 1999-02-02 | Tokyo Electric Power Co Inc:The | 電力系統電圧安定度評価装置とそれらのプログラムを記録した記録媒体 |
US20160281607A1 (en) * | 2015-03-27 | 2016-09-29 | General Electric Company | Methods and systems for enhancing operation of power plant generating units and systems |
CN106089328A (zh) * | 2016-08-10 | 2016-11-09 | 西安热工研究院有限公司 | 基于dcs数据挖掘的汽轮机调门流量特性曲线辨识方法 |
CN110390417A (zh) * | 2018-04-23 | 2019-10-29 | 成都大学 | 一种区块链的趋势混沌组合模型安全监控预测方法 |
WO2020093637A1 (zh) * | 2018-11-09 | 2020-05-14 | 平安科技(深圳)有限公司 | 设备状态预测方法、系统、计算机装置及存储介质 |
CN110222882A (zh) * | 2019-05-21 | 2019-09-10 | 国家电网公司西南分部 | 一种电力系统中长期负荷的预测方法和装置 |
WO2022088608A1 (zh) * | 2020-10-29 | 2022-05-05 | 广西电网有限责任公司电力科学研究院 | 电能质量监测终端的现场在线比对检测装置及检测方法 |
CN112926863A (zh) * | 2021-03-04 | 2021-06-08 | 国网安徽省电力有限公司电力科学研究院 | 基于六大预警中心的电网灾害综合监测系统 |
CN113987033A (zh) * | 2021-12-28 | 2022-01-28 | 国网江西省电力有限公司电力科学研究院 | 主变在线监测数据群体偏差识别与校准方法 |
CN114509678A (zh) * | 2022-02-10 | 2022-05-17 | 北京理工大学重庆创新中心 | 一种基于大数据的动力电池热失控预测方法 |
CN116307215A (zh) * | 2023-03-24 | 2023-06-23 | 广东电网有限责任公司广州供电局 | 一种电力系统的负荷预测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
KALANA等: "Machine learning based real time monitoring of long-term voliatge stability using voltage stability indicate", 《IEEE》, pages 222544 - 222555 * |
刘英;王林杰;苏宇;肖阳;曹晓珑;: "基于0.1Hz下tanδ的XLPE电缆绝缘老化状态评估技术", 绝缘材料, no. 05, pages 41 - 45 * |
Also Published As
Publication number | Publication date |
---|---|
CN117216469B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3162702A1 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
CN112684401B (zh) | 轻载台区电能表运行误差数据的处理方法及系统 | |
CN115936448A (zh) | 一种基于大数据的城市配电网电力评估系统及方法 | |
CN110544130A (zh) | 流量异动监测方法、装置、计算机设备和存储介质 | |
CN112881818A (zh) | 电场强度测量方法、装置、计算机设备和存储介质 | |
CN107121943B (zh) | 一种用于获得智能仪表的健康预测信息的方法和装置 | |
CN115409283A (zh) | 设备故障预测方法、设备故障预测装置、设备及存储介质 | |
CN112684397A (zh) | 基于hplc高频采集数据的电能表运行误差监测方法及系统 | |
CN114301803B (zh) | 网络质量检测方法、装置、电子设备及存储介质 | |
CN113960408A (zh) | 光纤测温的电缆故障预测方法、装置、设备及存储介质 | |
CN113326585B (zh) | 燃气锅炉的能效异常预警方法、装置和计算机设备 | |
CN113987027A (zh) | 一种基于故障预测的设备状态确定方法、装置及介质 | |
CN117216469B (zh) | 一种电力系统实时监测与预测的大数据处理方法及系统 | |
CN116957539A (zh) | 电缆状态评价方法、装置、电子设备及存储介质 | |
CN116663747B (zh) | 一种基于数据中心基础设施的智能预警方法及系统 | |
CN115473216B (zh) | 一种改进电网线损计算的方法及系统 | |
CN116345700A (zh) | 一种用于储能电站的能耗监测方法及监测系统 | |
CN112816788B (zh) | 机车牵引变流器直流支撑电容器的容值估算方法及其应用系统 | |
CN112926801B (zh) | 一种基于分位数回归的负荷曲线组合预测方法及装置 | |
CN114943384A (zh) | 一种变电站负荷预测方法、装置、设备及存储介质 | |
CN114636883A (zh) | 基于交流量的电力系统故障确定方法、装置及存储介质 | |
CN112232580A (zh) | 一种供电中断损失分析方法和装置 | |
CN113360486B (zh) | 数据预测方法、装置、电子设备和介质 | |
CN111625525A (zh) | 一种环境数据修复/填充方法及系统 | |
CN111130098A (zh) | 一种含分布式电源配电网系统风险评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |