CN109063922A - 一种基于小区入住率的配电变压器重过载预测方法 - Google Patents
一种基于小区入住率的配电变压器重过载预测方法 Download PDFInfo
- Publication number
- CN109063922A CN109063922A CN201810951093.4A CN201810951093A CN109063922A CN 109063922 A CN109063922 A CN 109063922A CN 201810951093 A CN201810951093 A CN 201810951093A CN 109063922 A CN109063922 A CN 109063922A
- Authority
- CN
- China
- Prior art keywords
- distribution transformer
- cell
- overload
- occupancy rate
- client
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 24
- 238000011161 development Methods 0.000 abstract description 4
- 230000007774 longterm Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000013277 forecasting method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于小区入住率的配电变压器重过载预测方法，通过从电力用户用电信息采集***中获取并进行用户编号关联多表合一小区的客户电表、水表采集明细数据；根据客户用电量和用水量判断计算得到小区入住率：最后根据重过载判定规则判定小区入住饱和状态下配电变压器是否发生过载风险；有效解决配电变压器因台区负荷的突变性和波动性影响导致难以准确开展中长期重过载预测的问题，实现对配电变压器运行状态进行准确预测，提前预警配电变压器重过载风险，有助于提升配电变压器的运维水平，保障设备安全及小区居民的用电质量。
Description
技术领域
本发明涉及智能检测技术领域，具体来说，涉及一种基于小区入住率的配电变压器重过载预测方法。
背景技术
配电变压器的运行状态直接影响台区内的供电质量和用户安全可靠用电；配电变压器的重过载运行是引起故障停电的主要原因之一，而重过载现象通常也伴随着三相不平衡、电压偏移等其他问题，严重影响用户安全可靠用电；此外，配电变压器长时间处于重过载状态会加快设备的非正常损耗，降低设备使用寿命，给电网带来故障隐患和运行风险。因此，开展配电变压器重过载预测具有十分重要的现实意义。
文献[1](贺建章，王海波，季知祥，等.基于随机森林理论的配电变压器重过载预测[J].电网技术，2017，41(8)：2594-2597)分析了气象指标、用电类别、行业类别与配电变压器重过载发生概率的变化关系，并就可能的重过载成因进行了初步探讨，最后利用基于随机森林理论改进的决策树模型对配电变压器重过载状态进行预测。文献[2](LI M，ZHOUQ.Distribution transformer mid-term heavy and over load pre-warning based onlogistic regression[C]//2015IEEE Eindhoven Powertech，June 29-July 2，2015，Eindhoven，Netherlands，2015：1-5)面向负荷增长较快的高速发展区域，从用户、气象和历史负荷出发，提出基于逻辑回归的重过载中长期预测方法，但未给出逻辑回归模型中各项参数的选择过程。文献[3](史常凯，闫文棋，张筱慧，等.基于BP网络和灰色模型的春节配变重过载预测[J].电力科学与技术学报，2016，31(1)：140-145)针对春节期间的重过载现象，提出基于BP神经网络与灰色模型的重过载预测方法。将春节前后配电变压器的负荷变化作为模型输入对负载率进行预测，进而判断设备重过载情况。通过该方法获取的重过载预测模型不具备泛化能力，也不能适应大规模配电网的快速分析。文献[4](PADMANABH K，SINGHM J.Load forecasting at distribution transformer usingIoT based smart meterdata[C]//2016 IEEE International Conference on Contemporary Computing andInformatics，December 14-17，2016，Noida，India，2016：758-763)以一周为周期，对6000个居民用户台区每周同一天共7类负荷曲线进行了研究，并加入气象和经济数据，采用不同的机器学习方法对负荷曲线进行了预测。但该方法忽略了负荷的季度年度规律，且对异常值较为敏感，预测效果受到了影响。文献[5](CAMPEZIDOU S I，GRIJALVA S.Distributiontransformer short-term load forecasting models[J].IEEE Transactions on PowerSystem，2016，(19)：267-273)基于线性回归模型讨论了在聚合和分解两种模型处理下预测效果的差异，通过算例说明了通过对训练节点进行分解能够有效提高负荷预测精度，但算例只采用了天气和时间数据用于模型训练，对配电变压器负荷影响因素分析不足。文献[6](NGO V C，WU W C，ZHANG B M.Ultra-short-term load forecasting using robustexponentially weighted method in distribution networks[J].Journal ofInformation，Control and Management Systems，2015，(9)：301-308)提出了一种趋势分析与指数加权模型的超短期负荷预测方法，该方法能够提高对负荷峰谷的预测精度，且对负荷缺失值和异常值有较好的适应性。
由上可见，目前的研究大多数是以配电变压器负荷预测为切入点，包括利用历史负荷数据外推负荷的典型变化规律，加入气象条件、经济指标等外部间接因素分析与负荷的关联程度，尝试采用各类机器学习方法构建负荷预测模型，最后基于负荷预测结果对重过载进行判断。但目前各类负荷预测方法在预测精度上的局限性导致基于负荷预测结果的重过载预测不能适应业务实际情况。对于短期负荷预测，考虑到目前消除重过载的手段以实施周期较长的线路切改和设备改造为主，短期的预测结果不足以提供足够的时间裕度消除重过载隐患；对于中长期负荷预测，考虑到台区负荷的突变性和波动性，负荷预测结果本身不能满足对重过载进行判断的基本精度。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题，本发明提出一种基于小区入住率的配电变压器重过载预测方法。
本发明的技术方案是这样实现的：
一种基于小区入住率的配电变压器重过载预测方法，包括以下步骤：
S1、从电力用户用电信息采集***中获取多表合一小区的客户电表、水表采集明细数据；
S2、对多表合一小区客户电表、水表采集明细数据进行电表和水表档案进行用户编号关联；
S3、根据客户用电量D和用水量S，将客户分为入住用户k和未入住用户n-k，并计算得到小区入住率λ；其中：
λ＝k/n×100％
S4、从电力用户用电信息采集***中获取配电变压器额定容量SN及不同时间点的实时功率St，获取小区入住率λ时配电变压器在时段T内的最大实时功率Stmax：
S5、根据时段T内配电变压器最大功率与小区入住率的关系：
a＝Stmax/λ＝Stmax×n/k
计算当时段T内小区入住率变为λ1时的配电变压器最大功率：
Stmaxλ1＝λ1×a＝λ1×Stmax×n/k；
S6、计算配电变压器负载率δ：
δ＝Stmax/SN×100％
分别计算触发配电变压器重载条件的入住率警戒值λ0.8和触发配电变压器过载条件的入住率警戒值λ1.0：
λ0.8＝0.8×SN×k/Stmax/n×100％
λ1.0＝SN×k/Stmax/n×100％
根据重过载判定规则判定小区入住饱和状态下配电变压器是否发生过载风险；其中：重过载判定规则为：
当负载率δ在[80％，100％]区间，判定配电变压器为重载状态；
当负载率δ＞100％时，判定配电变压器为过载状态。
进一步的，步骤S3中将客户分为入住用户和未入住用户的判定规则为：
当客户Ai的用电量DA＜P千瓦时且客户Ai的用水量SA＜W吨时，则判定客户Ai未入住该小区；
当客户Ai的用电量DA≥P千瓦时且客户Ai的用水量SA≥W吨时，则判定客户Ai未入住该小区；
其中：i＝1，2，...n；n为小区的客户总数，P≥0；W≥0。
进一步的，步骤S3中P＝0和/或W＝0。
本发明的有益效果：有效解决配电变压器因台区负荷的突变性和波动性影响导致难以准确开展中长期重过载预测的问题，实现对配电变压器运行状态进行准确预测，提前预警配电变压器重过载风险，有助于提升配电变压器的运维水平，保障设备安全及小区居民的用电质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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是根据本发明一种基于小区入住率的配电变压器重过载预测方法流程图。
具体实施方式
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所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，根据本发明实施例的一种基于小区入住率的配电变压器重过载预测方法，包括以下步骤：
S1、从电力用户用电信息采集***中获取多表合一小区的客户电表、水表采集明细数据；
S2、对多表合一小区客户电表、水表采集明细数据进行电表和水表档案进行用户编号关联；
S3、根据客户用电量D和用水量S，将客户分为入住用户k和未入住用户n-k，并计算得到小区入住率λ；其中：
λ＝k/n×100％
S4、从电力用户用电信息采集***中获取配电变压器额定容量SN及不同时间点的实时功率St，获取小区入住率λ时配电变压器在时段T内的最大实时功率Stmax：
S5、根据时段T内配电变压器最大功率与小区入住率的关系：
a＝Stmax/λ＝Stmax×n/k
计算当时段T内小区入住率变为λ1时的配电变压器最大功率：
Stmaxλ1＝λ1×a＝λ1×Stmax×n/k；
S6、计算配电变压器负载率δ：
δ＝Stmax/SN×100％
分别计算触发配电变压器重载条件的入住率警戒值λ0.8和触发配电变压器过载条件的入住率警戒值λ1.0：
λ0.8＝0.8×SN×k/Stmax/n×100％
λ1.0＝SN×k/Stmax/n×100％
根据重过载判定规则判定小区入住饱和状态下配电变压器是否发生过载风险；其中：重过载判定规则为：
当负载率δ在[80％，100％]区间，判定配电变压器为重载状态；
当负载率δ＞100％时，判定配电变压器为过载状态。
本实施例中，步骤S3中将客户分为入住用户和未入住用户的判定规则为：
当客户Ai的用电量DA＜P千瓦时且客户Ai的用水量SA＜W吨时，则判定客户Ai未入住该小区；
当客户Ai的用电量DA≥P千瓦时且客户Ai的用水量SA≥W吨时，则判定客户Ai未入住该小区；
其中：i＝1，2，...n；n为小区的客户总数，P≥0；W≥0。
本实施例中，步骤S3中P＝0和/或W＝0。
具体的，本发明实施案例选用某地区2个多表合一小区及2台配电变压器来进行说明，但本发明内容的适用性及保护范围不局限于多表合一小区，也不局限于从电力用户用电信息采集***获取数据；
S1、从电力用户用电信息采集***中获取多表合一小区A、B的客户电表、水表采集明细数据；
S2、对多表合一小区客户电表、水表采集明细数据进行电表和水表档案进行用户编号关联，关联后得到小区A的档案户数为308户，小区B的档案户数为352户；
S3、根据客户用电量D和用水量S，将客户分为入住用户k和未入住用户n-k，并计算得到小区入住率λ；
小区A的入住户数为244户，小区B的入住户数为294户；
小区A入住率λA＝244/308×100％＝79.22％；
小区B入住率λB＝294/352×100％＝83.52％；
S4、从电力用户用电信息采集***中获取小区A的配电变压器额定容量SNA为630kVA，小区B的配电变压器额定容量SNB为630kVA，及不同时间点的实时功率St。从***中可获取小区A入住率79.22％时，小区A配电变压器在时段T内的最大实时功率203kVA；小区B入住率83.52％时，小区A配电变压器在时段T内的最大实时功率547kVA：
S5、小区入住率可以反映小区负荷水平，因此可建立时段T内配电变压器最大功率与小区入住率的关系，小区A的aA＝256.25KVA，小区B的aB＝654.93KVA。当时段T内小区入住率变为λ1，则可得到小区A的配电变压器最大功率为Stmaxλ1＝λ1×256.25KVA，小区B的配电变压器最大功率为Stmaxλ1＝λ1×654.93KVA；
S6、时段T内小区入住率为100％，即入住饱和状态下，小区A的配电变压器负载率为40.67％，即小区A入住饱和状态下配电变压器不会发生重过载风险；小区B的配电变压器负载率103.96％，即小区B入住饱和状态下配电变压器会发生过载风险；
可计算获得触发配电变压器重载过载条件的入住率警戒值，小区B触发配电变压器重载条件的入住率警戒值：
λ0.8＝0.8×630×294/547/352×100％＝76.95％
触发过载条件的入住率警戒值：
λ1.0＝630×294/547/352×100％＝96.20％
即小区B的入住率为76.95％，住户为270户时，小区B配电变压器存在重载风险；小区B的入住率为96.20％，住户为338户时，小区B配电变压器存在过载风险。
根据计算结果，可提前对小区B配电变压器进行增容改造或新增变压器，确保小区住户增加时不出现配电变压器重过载情形，确保配电变压器安全和小区用户的用电安全
由此可见，借助于本发明的上述技术方案，有效解决配电变压器因台区负荷的突变性和波动性影响导致难以准确开展中长期重过载预测的问题，实现对配电变压器运行状态进行准确预测，提前预警配电变压器重过载风险，有助于提升配电变压器的运维水平，保障设备安全及小区居民的用电质量。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于小区入住率的配电变压器重过载预测方法，其特征在于，包括以下步骤：
S1、从电力用户用电信息采集***中获取多表合一小区的客户电表、水表采集明细数据；
S2、对多表合一小区客户电表、水表采集明细数据进行电表和水表档案进行用户编号关联；
S3、根据客户用电量D和用水量S，将客户分为入住用户k和未入住用户n-k，并计算得到小区入住率λ；其中：
λ＝k/n×100％
S4、从电力用户用电信息采集***中获取配电变压器额定容量SN及不同时间点的实时功率St，获取小区入住率λ时配电变压器在时段T内的最大实时功率Stmax：
S5、根据时段T内配电变压器最大功率与小区入住率的关系：
a＝Stmax/λ＝Stmax×n/k
计算当时段T内小区入住率变为λ1时的配电变压器最大功率：
Stmaxλ1＝λ1×a＝λ1×Stmax×n/k；
S6、计算配电变压器负载率δ：
δ＝Stmax/SN×100％
分别计算触发配电变压器重载条件的入住率警戒值λ0.8和触发配电变压器过载条件的入住率警戒值λ1.0：
λ0.8＝0.8×SN×k/Stmax/n×100％
λ1.0＝SN×k/Stmax/n×100％
根据重过载判定规则判定小区入住饱和状态下配电变压器是否发生过载风险；其中：重过载判定规则为：
当负载率δ在[80％，100％]区间，判定配电变压器为重载状态；
当负载率δ＞100％时，判定配电变压器为过载状态。
2.根据权利要求1所述的一种基于小区入住率的配电变压器重过载预测方法，其特征在于，步骤S3中将客户分为入住用户和未入住用户的判定规则为：
当客户Ai的用电量DA＜P千瓦时且客户Ai的用水量SA＜W吨时，则判定客户Ai未入住该小区；
当客户Ai的用电量DA≥P千瓦时且客户Ai的用水量SA≥W吨时，则判定客户Ai未入住该小区；
其中：i＝1，2，...n；n为小区的客户总数，P≥0；W≥0。
3.根据权利要求2所述的一种基于小区入住率的配电变压器重过载预测方法，其特征在于，步骤S3中P＝0和/或W＝0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810951093.4A CN109063922B (zh) | 2018-08-21 | 2018-08-21 | 一种基于小区入住率的配电变压器重过载预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810951093.4A CN109063922B (zh) | 2018-08-21 | 2018-08-21 | 一种基于小区入住率的配电变压器重过载预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109063922A true CN109063922A (zh) | 2018-12-21 |
| CN109063922B CN109063922B (zh) | 2021-04-09 |
Family
ID=64687669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810951093.4A Active CN109063922B (zh) | 2018-08-21 | 2018-08-21 | 一种基于小区入住率的配电变压器重过载预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109063922B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110263995A (zh) * | 2019-06-18 | 2019-09-20 | 广西电网有限责任公司电力科学研究院 | 考虑负荷增长率与用户用电特性的配变重过载预测方法 |
| CN113902148A (zh) * | 2021-12-03 | 2022-01-07 | 广东电网有限责任公司东莞供电局 | 变压器的负荷检测方法、装置、计算机设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070053123A1 (en) * | 2005-09-06 | 2007-03-08 | Filippenko Alexander S | Overload detector/enunciator |
| CN105117810A (zh) * | 2015-09-24 | 2015-12-02 | 国网福建省电力有限公司泉州供电公司 | 一种阶梯电价机制下居民用电中期负载预测方法 |
| CN105404944A (zh) * | 2015-12-11 | 2016-03-16 | 中国电力科学研究院 | 一种面向电力***重过载预警的大数据分析方法 |
| CN105553096A (zh) * | 2014-10-31 | 2016-05-04 | 哈尔滨大通瑞持网络有限公司 | 一种对居民小区用电进行网络化***的方法 |
| CN106022546A (zh) * | 2016-06-30 | 2016-10-12 | 中国电力科学研究院 | 一种基于居民小区负荷成长周期的负荷预测方法 |
| CN107103387A (zh) * | 2017-04-25 | 2017-08-29 | 国网江苏省电力公司泰州供电公司 | 一种基于户均设备总功率及入住系数的负荷预测方法 |
-
2018
- 2018-08-21 CN CN201810951093.4A patent/CN109063922B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070053123A1 (en) * | 2005-09-06 | 2007-03-08 | Filippenko Alexander S | Overload detector/enunciator |
| CN105553096A (zh) * | 2014-10-31 | 2016-05-04 | 哈尔滨大通瑞持网络有限公司 | 一种对居民小区用电进行网络化***的方法 |
| CN105117810A (zh) * | 2015-09-24 | 2015-12-02 | 国网福建省电力有限公司泉州供电公司 | 一种阶梯电价机制下居民用电中期负载预测方法 |
| CN105404944A (zh) * | 2015-12-11 | 2016-03-16 | 中国电力科学研究院 | 一种面向电力***重过载预警的大数据分析方法 |
| CN106022546A (zh) * | 2016-06-30 | 2016-10-12 | 中国电力科学研究院 | 一种基于居民小区负荷成长周期的负荷预测方法 |
| CN107103387A (zh) * | 2017-04-25 | 2017-08-29 | 国网江苏省电力公司泰州供电公司 | 一种基于户均设备总功率及入住系数的负荷预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吕峰: "典型居住区居民入住率与负荷关系分析", 《供用电》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110263995A (zh) * | 2019-06-18 | 2019-09-20 | 广西电网有限责任公司电力科学研究院 | 考虑负荷增长率与用户用电特性的配变重过载预测方法 |
| CN110263995B (zh) * | 2019-06-18 | 2022-03-22 | 广西电网有限责任公司电力科学研究院 | 考虑负荷增长率与用户用电特性的配变重过载预测方法 |
| CN113902148A (zh) * | 2021-12-03 | 2022-01-07 | 广东电网有限责任公司东莞供电局 | 变压器的负荷检测方法、装置、计算机设备和存储介质 |
| CN113902148B (zh) * | 2021-12-03 | 2022-04-05 | 广东电网有限责任公司东莞供电局 | 变压器的负荷检测方法、装置、计算机设备和存储介质 |
| WO2023098847A1 (zh) * | 2021-12-03 | 2023-06-08 | 广东电网有限责任公司东莞供电局 | 变压器的负荷检测方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109063922B (zh) | 2021-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schneider et al. | Asset management techniques | |
| Xiao et al. | Distribution network security situation awareness method based on security distance | |
| US20150262110A1 (en) | Systems and methods for utility crew forecasting | |
| CN104200288A (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
| Khalyasmaa et al. | High-voltage circuit breakers technical state patterns recognition based on machine learning methods | |
| CN117691645B (zh) | 一种用于智能微电网的储能*** | |
| CN105654393A (zh) | 配电网园区能效管理服务*** | |
| CN108551166A (zh) | 一种电网设备及断面超短期负荷预测、告警及稳控方法 | |
| CN109450089B (zh) | 一种台区低电压识别方法、装置及终端设备 | |
| CN110287543A (zh) | 一种继电保护装置寿命预测方法 | |
| CN109063922A (zh) | 一种基于小区入住率的配电变压器重过载预测方法 | |
| CN113806420A (zh) | 一种电网数据监测方法及装置 | |
| de Vasconcelos et al. | Methodology for inspection scheduling in power distribution networks based on power quality indexes | |
| CN115204622A (zh) | 基于电网的风险管控方法、装置、设备及存储介质 | |
| Jiang et al. | Risk-based maintenance optimization for transmission equipment | |
| CN114493238A (zh) | 供电服务风险预测方法、***、存储介质及计算机设备 | |
| AU2014202202A1 (en) | Systems and methods for estimating reliability return on utility vegetation management | |
| CN117349624A (zh) | 一种电力能源监控方法、***、终端设备及存储介质 | |
| Datta et al. | Electricity market price-spike classification in the smart grid | |
| CN104979903B (zh) | 一种集控中心巡维分析方法和装置 | |
| CN112036682A (zh) | 一种频繁停电的预警方法及装置 | |
| CN109559036A (zh) | 故障风险分析方法、装置及电子设备 | |
| CN114077809A (zh) | 用于监测控制器的决策逻辑的性能的方法和监控*** | |
| CN106483398A (zh) | 在高压直流***中测量数据的装置和方法 | |
| CN113692009A (zh) | 基站退服预警方法、装置和计算机可读存储介质 |
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 |