CN109977174A - 一种基于自然环境特征的智能电能表归类方法 - Google Patents

一种基于自然环境特征的智能电能表归类方法 Download PDF

Info

Publication number
CN109977174A
CN109977174A CN201910184690.3A CN201910184690A CN109977174A CN 109977174 A CN109977174 A CN 109977174A CN 201910184690 A CN201910184690 A CN 201910184690A CN 109977174 A CN109977174 A CN 109977174A
Authority
CN
China
Prior art keywords
electric energy
intelligent electric
energy meter
data set
cluster
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
Application number
CN201910184690.3A
Other languages
English (en)
Inventor
汪清
吴国瑞
殷聪
杨扬
孙旺
尹佳
王珏
焦阳
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.)
Harbin Electrical And Instrument Research Institute Co Ltd
Heilongjiang Electrotechnical Instrument And Meter Engineering Technology Resear
Original Assignee
Harbin Electrical And Instrument Research Institute Co Ltd
Heilongjiang Electrotechnical Instrument And Meter Engineering Technology Resear
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 Harbin Electrical And Instrument Research Institute Co Ltd, Heilongjiang Electrotechnical Instrument And Meter Engineering Technology Resear filed Critical Harbin Electrical And Instrument Research Institute Co Ltd
Priority to CN201910184690.3A priority Critical patent/CN109977174A/zh
Publication of CN109977174A publication Critical patent/CN109977174A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于自然环境特征的智能电能表归类方法，涉及数据挖掘领域。该方法具体包括：获取数据库中数据，将整个数据集根据电能表编号拆分成单只智能电能表的小数据集Ⅰ；选取地域温度差异较大月份的一天，在数据集Ⅰ中提取当天每只智能电能表4时与14时的温度参数，4时的气压参数；将三个参数值表示为；对中的数据进行无量纲化处理，存储于数据集Ⅱ；确定数据集Ⅱ的终止条件簇的数目K；计算初始簇之间的距离；找出最小距离值所对应的两个簇进行合并，形成一个新簇；判断簇的数目是否等于K，若不等于K，计算新簇与旧簇间的均值距离，执行上一步；否则归类结束，得到K类智能电能表。接下来对归类电能表的地域进行判断。

Description

一种基于自然环境特征的智能电能表归类方法
技术领域
本发明涉及数据挖掘领域，特别涉及典型环境下智能电能表的归类方法。
背景技术
我国幅员辽阔，地理气候情况复杂，智能电能表在典型环境下是否运行可靠、计量准确是电力企业、用户及行业专家所关注的问题。为了深入研究复杂环境下智能电能表的运行情况，国网计量中心已在黑龙江漠河、新疆恰特卡勒、西藏羊八井、福建湄洲岛四个地区，分别开展高严寒、高干热、高海拔、高湿热环境条件下的智能电能表可靠性的验证工作，为智能电能表在不同地区的差异化配置提供技术指导。
四省典型环境下的智能电能表工况数据全部上传至主站，存储于数据库中，要研究典型环境对电能表运行可靠性的影响，首先需要根据这些数据将智能电能表按地域特征区分开来。数据库中包含所有智能电能表不同时刻上传的数据。现有的归类方法无法将整个数据库中数据按照地域进行归类。通过查询四个地区历史天气情况，四个地区环境特点如下：
黑龙江漠河县年平均气温在-5.5℃。11月、4月气温在零下20~30度左右。12月、1月、2月在零下25~40度左右。
恰特卡勒乡位于吐鲁番市东南17公里处，吐鲁番属独特的暖温带大陆性干旱荒漠气候。全年平均气温为14℃，一年中，以一月份最冷，7月份最热。
羊八井，即羊八井镇，位于西藏拉萨市西北91.8公里的当雄县境内。海拔4300米，南北两侧的山峰均在海拔5500~6000米以上，当地年平均气温2.5℃，大气压力年平均为0.06兆帕。
湄洲岛坐落于莆田市南部，是一座南北纵向狭长的小岛，距离市区约42公里。年均气温21℃，年均降雨量1000mm左右，6、7月份多雨。
气温的日变化一般表现为最高值出现在14时左右，最低值出现在日出前，约4时左右。
发明内容
根据数据来源地区的环境特点，本发明提供一种基于自然环境特征的智能电能表的归类方法，该方法包括：
步骤一：获取数据库中数据，将整个大数据集的数据按照电能表编号拆分成单只智能电能表的小数据集Ⅰ，执行步骤二；
步骤二：选取地域温度差异较大月份的一天，例如2月3日，在数据集Ⅰ中提取选取日期当天每只智能电能表4时与14时的温度参数，提取选取日期当天每只智能电能表4时的气压参数，执行步骤三；
步骤三：将步骤二中提取的三个参数值表示为，其中为样品编号，为4时温度数值，为14时温度数值，为4时气压数值，执行步骤四；
步骤四：规格化 中的数据，对,,进行无量纲化处理，当分别为,,时，计算，其中max()和min()表示对应元素项中的最大值和最小值，处理后将存储于数据集Ⅱ，执行步骤五；
步骤五：获取数据集Ⅱ，数据集Ⅱ中的每一个数组为一个簇，个数组即为个初始簇，确定终止条件簇的数目，执行步骤六；
步骤六：根据初始簇计算每个簇之间的距离：，，，执行步骤七；
步骤七：找出最小距离值所对应的两个簇进行合并，形成一个新簇，总的簇数目减少一个，执行步骤八；
步骤八：判断簇的数目是否等于，若是，执行步骤十，否则执行步骤九；
步骤九：计算新簇与所有旧簇之间的均值距离，执行步骤七；
步骤十：归类结束。
本发明中使用的数据来源于4个地区，所以令；
数据集Ⅱ中的数据来源于数据集Ⅰ，依照数据集Ⅱ的分类结果，就可以将包含全部数据信息的单只智能电能表的小数据集Ⅰ分成A、B、C、D四类；
进一步地，判断数据集Ⅰ中A类、B类、C类和D类智能电能表的所属地区：
步骤一：从A、B、C、D四类智能电能表中各随机抽取一只，执行步骤二；
步骤二：依照历史气象数据，指定最冷月份中的一个时间，提取四只智能电能表在该时间的气压参数值，如1月21日4时的气压参数值，并将四个气压参数值做比较。气压参数值最低的智能电能表所在类就归属于高海拔地区，执行步骤三；
步骤三：依照历史气象数据，指定最冷月份中的一个时间，提取四只智能电能表在该时间的温度参数值，如1月21日4时的温度参数值，并将四个温度参数值做比较。温度参数值最低的智能电能表所在类就归属于高严寒地区，执行步骤四；
步骤四：从剩下的两类智能电能表中再各随机抽取一只，执行步骤五；
步骤五：依照历史气象数据，指定具体时间，提取两只智能电能表在该时间的湿度参数值，如7月23日14时的湿度参数值，并将两个湿度参数值做比较。湿度参数值大的智能电能表所在类就归属于高湿热地区，湿度参数值小的智能电能表所在类就归属于高干热地区。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为基于自然环境特征的智能电能表归类流程图；
图2为归类智能电能表所属地判断流程图。
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方法进行详细地描述，然而，本发明可以用许多不同形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。
图1是本发明具有具体实施方式的基于自然环境特征的智能电能表归类流程图，所述的方法包括以下步骤：
在步骤S101，获取数据库中数据，将整个大数据集的数据按照电能表编号拆分成单只智能电能表的小数据集Ⅰ，执行步骤S102；
在步骤S102，选取地域温度差异较大月份的一天，例如2月3日，在数据集Ⅰ中提取选取日期当天每只智能电能表4时与14时的温度参数，提取选取日期当天每只智能电能表4时的气压参数，执行步骤S103；
在步骤S103，将步骤二中提取的三个参数值表示为，其中为样品编号，为4时温度数值，为14时温度数值，为4时气压数值，执行步骤S104；
在步骤S104，规格化 中的数据，对,,进行无量纲化处理，当分别为,,时，计算，其中max()和min()表示对应元素项中的最大值和最小值，处理后将存储于数据集Ⅱ，执行步骤S105；
在步骤S105，获取数据集Ⅱ，数据集Ⅱ中的每一个数组为一个簇，个数组即为个初始簇，确定终止条件簇的数目，执行步骤S106；
在步骤S106，根据初始簇计算每个簇之间的距离：，，，执行步骤S107；
在步骤S107，找出最小距离值所对应的两个簇进行合并，形成一个新簇，总的簇数目减少一个，执行步骤S108；
在步骤S108，判断簇的数目是否等于，若是，执行步骤十，执行步骤S110；否则，执行步骤S109；
在步骤S109，计算新簇与所有旧簇之间的均值距离，执行步骤S107；
在步骤S110，归类结束。
优选地，本发明中使用的数据来源于4个地区，所以步骤五中令；
数据集Ⅱ中的数据来源于数据集Ⅰ，依照数据集Ⅱ的分类结果，就可以将包含全部数据信息的单只智能电能表的小数据集Ⅰ分成A、B、C、D四类；
优选地，判断数据集Ⅰ中A类、B类、C类和D类智能电能表的所属地区， 图2是本发明具有具体实施方式的归类智能电能表所属地判断流程图，所述的方法包括以下步骤：
在步骤S201，从A、B、C、D四类智能电能表中各随机抽取一只，执行步骤S202；
在步骤S202，智能电能表在该时间的气压参数值，如1月21日4时的气压参数值，并将四个气压参数值做比较。气压参数值最低的智能电能表所在类就归属于高海拔地区，执行步骤S203；
在步骤S203，依照历史气象数据，指定最冷月份中的一个时间，提取四只智能电能表在该时间的温度参数值，如1月21日4时的温度参数值，并将四个温度参数值做比较。温度参数值最低的智能电能表所在类就归属于高严寒地区，执行步骤S204；
在步骤S204，从剩下的两类智能电能表中再各随机抽取一只，执行步骤S205；
在步骤S205，依照历史气象数据，指定具体时间，提取两只智能电能表在该时间的湿度参数值，如7月23日14时的湿度参数值，并将两个湿度参数值做比较。湿度参数值大的智能电能表所在类就归属于高湿热地区，湿度参数值小的智能电能表所在类就归属于高干热地区。

Claims (4)

1.一种基于自然环境特征的智能电能表归类方法，其特征在于，所述方法包括：
步骤一：获取数据库中数据，将整个大数据集的数据按照电能表编号拆分成单只智能电能表的小数据集Ⅰ，执行步骤二；
步骤二：选取地域温度差异较大月份的一天，例如2月3日，在数据集Ⅰ中提取选取日期当天每只智能电能表4时与14时的温度参数，提取选取日期当天每只智能电能表4时的气压参数，执行步骤三；
步骤三：将步骤二中提取的三个参数值表示为，其中为样品编号，为4时温度数值，为14时温度数值，为4时气压数值，执行步骤四；
步骤四：规格化 中的数据，对,,进行无量纲化处理，当分别为,,时，计算，其中max()和min()表示对应元素项中的最大值和最小值，处理后将存储于数据集Ⅱ，执行步骤五；
步骤五：获取数据集Ⅱ，数据集Ⅱ中的每一个数组为一个簇，个数组即为个初始簇，确定终止条件簇的数目，执行步骤六；
步骤六：根据初始簇计算每个簇之间的距离：，，，执行步骤七；
步骤七：找出最小距离值所对应的两个簇进行合并，形成一个新簇，总的簇数目减少一个，执行步骤八；
步骤八：判断簇的数目是否等于，若是，执行步骤十，否则执行步骤九；
步骤九：计算新簇与所有旧簇之间的均值距离，执行步骤七；
步骤十：归类结束。
2.根据权利要求1所述的一种基于自然环境特征的智能电能表归类方法，其特征在于，在步骤五中，。
3.根据权利要求1所述的一种基于自然环境特征的智能电能表归类方法，其特征在于，数据集Ⅱ中的数据来源于数据集Ⅰ，依照数据集Ⅱ的分类结果，就可以将包含全部数据信息的单只智能电能表的小数据集Ⅰ分成A、B、C、D四类。
4.根据权利要求3所述的一种基于自然环境特征的智能电能表归类方法，其特征在于，所述方法包括进一步地判断数据集Ⅰ中A类、B类、C类和D类智能电能表的所属地区：
步骤一：从A、B、C、D四类智能电能表中各随机抽取一只，执行步骤二；
步骤二：依照历史气象数据，指定最冷月份中的一个时间，提取四只智能电能表在该时间的气压参数值，如1月21日4时的气压参数值，并将四个气压参数值做比较。气压参数值最低的智能电能表所在类就归属于高海拔地区，执行步骤三；
步骤三：依照历史气象数据，指定最冷月份中的一个时间，提取四只智能电能表在该时间的温度参数值，如1月21日4时的温度参数值，并将四个温度参数值做比较。温度参数值最低的智能电能表所在类就归属于高严寒地区，执行步骤四；
步骤四：从剩下的两类智能电能表中再各随机抽取一只，执行步骤五；
步骤五：依照历史气象数据，指定具体时间，提取两只智能电能表在该时间的湿度参数值，如7月23日14时的湿度参数值，并将两个湿度参数值做比较。湿度参数值大的智能电能表所在类就归属于高湿热地区，湿度参数值小的智能电能表所在类就归属于高干热地区。
CN201910184690.3A 2019-03-12 2019-03-12 一种基于自然环境特征的智能电能表归类方法 Pending CN109977174A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910184690.3A CN109977174A (zh) 2019-03-12 2019-03-12 一种基于自然环境特征的智能电能表归类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910184690.3A CN109977174A (zh) 2019-03-12 2019-03-12 一种基于自然环境特征的智能电能表归类方法

Publications (1)

Publication Number Publication Date
CN109977174A true CN109977174A (zh) 2019-07-05

Family

ID=67078594

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910184690.3A Pending CN109977174A (zh) 2019-03-12 2019-03-12 一种基于自然环境特征的智能电能表归类方法

Country Status (1)

Country Link
CN (1) CN109977174A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112948524A (zh) * 2021-04-21 2021-06-11 广东电网有限责任公司计量中心 基于环境和地理特征的智能电表运行区域分组方法和***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105022019A (zh) * 2015-06-23 2015-11-04 国家电网公司 单相智能电能表可靠性综合评价的方法
CN106526425A (zh) * 2016-11-23 2017-03-22 衢州学院 基于智能电表实采数据的低电压诊断方法
WO2017153991A1 (en) * 2016-03-08 2017-09-14 Grid4C A method and system for optimizing and predicting demand response
CN107609783A (zh) * 2017-09-22 2018-01-19 中国电力科学研究院 一种基于数据挖掘的智能电能表综合性能进行评估的方法及***
WO2018221948A1 (ko) * 2017-05-31 2018-12-06 주식회사 지오네트 빅데이터 분석을 통한 공정 관리 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105022019A (zh) * 2015-06-23 2015-11-04 国家电网公司 单相智能电能表可靠性综合评价的方法
WO2017153991A1 (en) * 2016-03-08 2017-09-14 Grid4C A method and system for optimizing and predicting demand response
CN106526425A (zh) * 2016-11-23 2017-03-22 衢州学院 基于智能电表实采数据的低电压诊断方法
WO2018221948A1 (ko) * 2017-05-31 2018-12-06 주식회사 지오네트 빅데이터 분석을 통한 공정 관리 방법
CN107609783A (zh) * 2017-09-22 2018-01-19 中国电力科学研究院 一种基于数据挖掘的智能电能表综合性能进行评估的方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112948524A (zh) * 2021-04-21 2021-06-11 广东电网有限责任公司计量中心 基于环境和地理特征的智能电表运行区域分组方法和***
CN112948524B (zh) * 2021-04-21 2024-04-26 广东电网有限责任公司计量中心 基于环境和地理特征的智能电表运行区域分组方法和***

Similar Documents

Publication Publication Date Title
Fletcher et al. The climatology, meteorology, and boundary layer structure of marine cold air outbreaks in both hemispheres
Teixeira et al. Trends in the frequency of intense precipitation events in southern and southeastern Brazil during 1960–2004
CN102819677B (zh) 基于单场降雨类型的降雨站点相似性评价方法
CN106845096A (zh) 一种基于多指标的旱情综合评估方法
CN110286424A (zh) 基于数值统计的客观天气分型方法
Fricke et al. Using local climate zones to compare remotely sensed surface temperatures in temperate cities and hot desert cities
CN106156906A (zh) 一种用于光伏电站设计的太阳能资源分析评估方法
CN112114384A (zh) 一种输电线覆冰发生概率预报方法
KR101440932B1 (ko) 실시간 앙상블 가뭄전망정보 관리방법
Darand et al. Vertically integrated moisture flux convergence over Iran
CN106886564A (zh) 一种基于空间聚类订正nwp风能图谱的方法及装置
CN109977174A (zh) 一种基于自然环境特征的智能电能表归类方法
Tri et al. Application of meteorological and hydrological drought indices to establish drought classification maps of the Ba River Basin in Vietnam
Souza et al. Climate regionalization in Mato Grosso do Sul: a combination of hierarchical and non-hierarchical clustering analyses based on precipitation and temperature
Liang et al. Prediction of the globally ecological suitability of Panax quinquefolius by the geographic information system for global medicinal plants (GMPGIS)
Hadley Daily variations in HVAC system electrical energy consumption in response to different weather conditions
CN103913750A (zh) 一种基于卫星云参数产品确定灰霾分布的方法
CN110400019A (zh) 一种基于数据挖掘的风电场功率预测优化方法
CN114330478B (zh) 针对电网风速预报的风速分类订正方法
CN110866074B (zh) 基于地域特征的电能表改进型K-means分类方法
CN111596384B (zh) 一种基于天气类型有效识别的斜面辐射预测方法
Bang et al. Impacts of climate change on catchment flows and assessing its impacts on hydropower in Vietnam’s central highland region
Wang et al. Using synoptic classification and trajectory analysis to assess air quality during the winter heating period in Ürümqi, China
Cai et al. Integrating geographical data and phenological characteristics derived from MODIS data for improving land cover mapping
Wang et al. Spatial-temporal variations of Köppen climate types in China.

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190705

WD01 Invention patent application deemed withdrawn after publication