CN111679122B - 一种基于变压器调压功能的电表台区识别方法 - Google Patents
一种基于变压器调压功能的电表台区识别方法 Download PDFInfo
- Publication number
- CN111679122B CN111679122B CN202010456083.0A CN202010456083A CN111679122B CN 111679122 B CN111679122 B CN 111679122B CN 202010456083 A CN202010456083 A CN 202010456083A CN 111679122 B CN111679122 B CN 111679122B
- Authority
- CN
- China
- Prior art keywords
- transformer
- matrix
- vector
- electric meter
- voltage
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/061—Details of electronic electricity meters
- G01R22/063—Details of electronic electricity meters related to remote communication
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Power Engineering (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
一种基于变压器调压功能的电表台区识别方法,在测试周期的每一天选一个变压器,改变其供电电压,持续24小时后将供电电压恢复至原有水平,直至变压器集合中的所有变压器都完成至少一轮测试;采集测试周期内所有待识别电表上报的电压数据,得到各电表的采集数据矩阵;基于采集数据矩阵进行二元变换计算得到二元矩阵;对二元矩阵的各行向量分别求和得到求和向量,基于求和向量产生相同维数的判决向量;将测试周期内的单位矩阵合并得到合并矩阵;基于判决向量和合并矩阵的各行向量之间的相似度来对各待识别电表的台区归属进行识别。本发明方法通过收集电表的测试电压数据就能分析出电表的台区归属,具有工程成本低,操作方便,自动化水平高的优点。
Description
技术领域
本发明属于电力通信技术领域,尤指涉及一种基于智能电表所提供的电压数据进行电表台区识别的方法。
背景技术
随着“两网”改造工程的全面竣工,配变台区的硬件设施得到极大的完善,而且随着电力***的市场化,要求改变过去的粗放治理,进行精细化的线损“四分”治理。所谓的线损“四分”治理就是实行分片、分压、分线、分台区治理。而受到诸多因素的影响,台区用户信息、计量装置资料、地下电缆及接户线路径图、业务单等不齐全现象普遍存在。另外随着经济发展,居民用电量快速增加,新增加了许多变压器,以及一些低压用户私自搭接供电线,使导致了台区中电表属于哪台配电变压器供电的关系出现混乱,甚至错误。电表正确的台区隶属关系是实现台区精细化管理的重要基础,因此电表台区识别方法一直是电网管理部门的关注重点。
在人工抄表时期,一般是使用基于载波工频通信、FSK载波、脉冲电力等方式的台区识别仪逐个对电表进行人工识别,人工识别的方式工作量大、效率低,已无法满足实际需求。基于低压电力线宽带载波通信网络的台区识别技术利用电力线供电域和电力线载波通信范围间的天然联系,可以对大量电表进行快速台区识别,自动化水平较高,但应用在‘背靠背’台区中时,即两台或多台变压器在一起,相距非常近,由于多数变压器是共零线,因此载波信号可以从一个台区经过零线达到另一个台区,导致利用载波通信来进行台区判断会因载波信号串台区而存在一定的误判风险;而且此类技术在应用过程中有时会出现相关机制需要对现有的信息采集***的所有载波通信模块进行软件升级的情况,以及无法适用于使用微功率无线通信技术或光纤通信技术的小区,因此在部分场合的使用存在一定程度的局限性。
发明内容
本发明的目的在于提供一种自动化水平较高,工程成本低,且可以对大量电表实施高准确度的电表台区识别方法。
为了实现上述目的,本发明采取如下的技术解决方案:
一种基于变压器调压功能的电表台区识别方法,待识别电表属于电表集合A={A1,A2,…,AM},待识别电表归属于变压器集合V={V1,V2,…,VN}中的变压器,其中,M为待识别电表的数量,N为变压器的数量;台区识别方法包括以下步骤:
测试步骤;确定测试周期,在测试周期的第n天的零点时刻,n=1,2,…,N,从变压器集合中选择一个变压器Vn,改变该变压器Vn的供电电压,持续24小时,在第n天的24点时刻,将该变压器Vn的供电电压恢复至原有水平,在测试周期内的每一天选择一个不同的变压器进行相同的调压操作,直至变压器集合中的所有变压器都完成至少一轮测试;
数据分析识别步骤;采集测试周期内所有待识别电表在测试时段上报的电压数据,根据电压数据对电表进行台区识别,步骤如下:
a、采集所有待识别电表在测试时段的电压数据,得到各个电表在测试周期X天内的采集数据矩阵Dm;
b、基于采集数据矩阵Dm进行二元变换计算,得到相同维数的二元矩阵Sm,二元变换计算方法如下:对于采集数据矩阵Dm中的某个元素,将与该元素对应的列向量的所有元素进行从大到小的排序,如果该元素位于前K个元素中,则二元矩阵Sm相同位置的元素的数值置为1,否则二元矩阵Sm相同位置的元素的数值置为0;
c、对二元矩阵Sm的X个行向量分别求和,得到一个含X个元素的求和向量基于求和向量产生相同维数的判决向量Pm,判决向量Pm的产生步骤如下:对求和向量的X个元素从大到小进行排序,对于求和向量中的某个元素如果其数值大小处于前K个元素中,则判决向量Pm相同位置的元素的数值置为1,否则判决向量Pm相同位置的元素的数值置为0,判决向量
e、基于判决向量Pm和合并矩阵的N个行向量之间的相似度来识别出智能电表的台区归属,具体步骤如下:对某个待识别电表Am,其电压数据为其和合并矩阵中某个行向量之间的相似度符号*表示向量的转置,计算该电表与合并矩阵的各个行向量的相似度Rm,n,从中选出最大值Rm,max,并确定与该最大值对应的行数k,则对待识别电表Am而言,台区识别结果为:
进一步的,改变变压器的供电电压是指使变压器的输出电压值在原有基础上提高。
进一步的,所述测试周期包括一个或多个单轮测试周期。
进一步的,将比较阈值R设定为0.9K。
进一步的,对于无法识别的电表,使用台区用户识别仪来逐个补充识别。
进一步的,所述测试时段设置在凌晨时段。
进一步的,所述测试周期设置在春季或秋季。
在进行了K轮测试后,基于采集数据矩阵Dm计算得到的二元矩阵为:
由以上技术方案可知,本发明方法基于电表的电压采集数据来对电表进行台区识别,利用变压器调压功能,在测试时间里通过轮流调节各变压器的供电电压,和变压器属于同一个台区中所有或大部分电表的电压值会出现变化,采集电表在这些时间内的电压数据,通过电压数据的相似度对比,识别出电表的台区归属。本发明方法可以在现有的信息采集***上实施,只需要在测试时段采集电表的电压数据,工作量小,无需进行工程改造或增加额外的硬件或现场设备,而且不受制于信息采集***的通信方式(载波、无线或光纤),可以在较短时间内对大量电表进行自动化的台区识别,具有工程成本低,操作方便,自动化水平高的优点,具有较高的工程应用价值。
附图说明
为了更清楚地说明本发明实施例,下面将对实施例或现有技术描述中所需要使用的附图做简单介绍,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为本发明实施例电表的台区归属识别基本模型图。
具体实施方式
为了让本发明的上述和其它目的、特征及优点能更明显,下文特举本发明实施例,并配合所附图示,做详细说明如下。
根据电力线输电的基本原理可知,随着用电负荷的增加,输电线上的电流强度也会增加,而电力线存在固定电阻,因此电力线会产生一定的线损,同时小区内的用电负荷的工作电压也会降低。例如,在农村地区,如果变压器的负载能力不够,则在春节时段,由于大量在城镇务工人员返回农村过年,且因天气寒冷以及大量烹煮食物,电暖器和电磁炉等大功率用电设备大量使用,导致用电负荷水平剧增,因此灯的照明亮度明显低于正常水平,这就是其工作电压明显下降带来的后果。
在正常情况下,城镇居民用电小区一天中的用电负荷存在较为明显的时变性,在晚上18至21点时段大量的用电设备同时处于运行状态,整个小区的用电负荷水平达到最高水平。而在凌晨0至6点时段,绝大部分的居民处于睡眠状态,只有如公共照明等公共用电负荷或居民家中电冰箱等持续工作的电器仍处于工作状态,其余大部分的用电设备都不处于工作状态,整个小区(台区)的用电负荷水平达到最低水平,在该时段各电表的电压值虽然可能存在数值差异,但都比较稳定,且在不同日期同一时段的数值也比较接近,尤其是春季、秋季等天气较为温和、凉爽的季节,居民家中不会使用空调或加热器等大功率温度调节设备,由此可以保证普通居民小区在测试时段内的用电负荷水平较低,降低对识别过程的干扰。
本发明方法的基本思路是:在测试周期内对各台区变压器的供电电压进行调整,例如在X天的时间里,每天轮流选择一台变压器改变其供电电压,如使变压器提升一定幅度的供电电压,在网络用电负荷情况比较稳定的凌晨时段,对一个电表而言,升压那天的凌晨时段所采集的电压数值有较大的概率会比其它不升压的天数里相同时段的电压值要大一些,而每个变压器在X天里都有K天进行了供电电压提升,只是时间彼此交错,因此可以针对电表在所测试的X天在凌晨时段的电压数值,计算出每个电表在X天里每个相同时刻电压值的前K个最大值所对应的天数,综合后和各变压器进行升压的具体时间进行相似度对比,和哪个变压器的相似度越高,则其属于该变压器台区的可能性越大。
目前多数变压器都已具备有载调压能力,即在保证不切断负荷电流的情况下,利用由过度电路、选择电路和调压电路共同组成的有载分接开关以及调压线圈等设备,通过变换高压绕组分接头来改变高压匝数实现调压,最终输出所需要的供电电压。
下面通过具体实施例对本发明作进一步的说明。如图1所示,不同的台区有相对应的变压器,不同的电表隶属于某个变压器(台区),假设有N个变压器,这些变压器属于一个变压器集合V={V1,V2,…,VN},有M个台区归属不明的待识别电表,这些电表属于一个电表集合A={A1,A2,…,AM},需要对这些电表的台区归属关系进行识别,待识别电表必然属于变压器集合中的某个变压器,只是具体的归属关系不明确。本发明方法的步骤如下:
步骤1,测试步骤、确定测试周期后,在测试周期的第n天的零点时刻,n=1,2,…,N,N为单轮测试周期的天数,从变压器集合中选择一个变压器Vn,利用变压器的有载调压功能在不断电的情况下改变其供电电压,本实施例是使变压器的输出电压值在原有基础上提高一定的幅度,如3伏特,持续24小时,即在第n天的24点时刻,将变压器的输出电压值恢复至原有水平,在测试周期内每天选择一个变压器进行相同的调压操作,直至变压器集合中的所有变压器都完成一轮测试,测试周期可包括一个或多个单轮测试周期,单轮测试周期为变压器集合中所包含的变压器的数量;
例如在测试周期的第1天,从变压器集合V中选择一个变压器V1,在第1天的0点时刻,将变压器V1的输出电压值调高,持续24小时,在第1天的24点时刻,将变压器V1的输出电压值恢复;第2天时从变压器集合V中再选择另一个变压器V2,在第2天的0点时刻,将变压器V2的输出电压值调高,持续24小时,在第2天的24点时刻,将变压器V2的输出电压值恢复,以此类推,直至变压器集合中的所有变压器都完成一轮测试。在时间条件允许的情况下,测试周期可包括多个单轮测试周期,通过对变压器集合内的变压器进行多轮测试,以提高台区识别精度,例如在X天的时间内对N个变压器实施K轮的测试,即X=N×K。
步骤2,数据分析识别步骤、通过低压电力线用电信息采集***采集测试周期内所有待识别电表在测试时段上报的电压数据,根据电压数据对电表进行台区识别;测试时段可选在凌晨的时段,记为Q个小时,该时段绝大部分用户都处于睡眠状态,只有如公共照明等公共用电负荷或居民家中电冰箱等持续工作的电器仍处于工作状态,其余大部分的用电设备都不处于工作状态,所以该时段台区的用电负荷水平较低且较稳定,此时各电表的电压值虽然可能存在数值差异,但都比较稳定,且在不同日期同一时段的数值也比较接近,尤其是春季、秋季等天气较为温和、凉爽的季节,居民家中不会使用空调或加热器等大功率温度调节设备,由此可以保证普通居民小区在测试时段内的用电负荷水平较低,降低对识别过程的干扰。在其他时段,受大量随机突发的用电负荷的使用的干扰,电压的稳定性较差,因此用于判断时的干扰较大,准确性会下降;数据分析识别的步骤具体如下:
a、采集所有待识别电表在测试时段的电压数据,假设每个电表每小时上报Y份电压采集数据,测试时段每个电表产生的电压数据为P=Q×Y份,本实施例中测试时段为0点至6点,则测试时段电表产生的电压数据为P=6Y份,电表集合A中的第m个电表Am在测试周期X天内的采集数据矩阵Dm为:
b、基于采集数据矩阵Dm进行二元变换计算,得到相同维数的二元矩阵Sm,二元变换计算方法如下:对于采集数据矩阵Dm中的某个元素将与该元素对应的列向量的所有元素进行从大到小的排序,如果该元素位于前K个元素中,则二元矩阵Sm相同位置的元素的数值置为1,否则二元矩阵Sm相同位置的元素的数值置为0,如果出现元素数值相同,则一并算在内,例如,如果则两个数值为2的元素并列为第2名;在进行了K轮测试后,基于采集数据矩阵Dm计算得到的二元矩阵Sm为:
c、对二元矩阵Sm的X个行向量分别求和,得到一个含X个元素的求和向量其中基于求和向量产生相同维数的判决向量步骤如下:对求和向量的X个元素从大到小进行排序,对于求和向量中的某个元素如果其数值大小处于前K个元素中,则判决向量Pm相同位置的元素的数值置为1,否则判决向量Pm相同位置的元素的数值置为0;出现相同数值时,采用和上面相同的并列排名机制;
d、K轮测试后,得到N×KN维的合并矩阵H是每完成一轮测试得到的N×N维的单位矩阵H,单位矩阵H中的1、0分别表示变压器输出电压值的调整状态,1表示变压器的输出电压值进行了调整,0表示变压器的输出电压值没有进行调整;
对某个待识别电表Am,其电压数据经过以上步骤处理后得到的其和合并矩阵中某个行向量之间的相似度符号*表示向量的转置,计算该电表与合并矩阵的各个行向量的相似度Rm,n,从中选出最大值Rm,max,并确定与该最大值对应的行数(索引)k,则对待识别电表Am而言,台区识别结果为:
考虑到如果一个台区的用电线路较长和其它因素的影响,高功率用电负荷可能无法影响同台区所有电表的电压值,因此识别算法采用了较高的识别标准,即本实施例中将比较阈值R设定为0.9K,在相似度值没有达到0.9K时,则认为其无法识别,以降低识别结果的错误率,在其他的实施例中,比较阈值也可以根据经验设定为其他值。
对于采用本发明方法后仍无法识别的电表,可进一步通过人工手段,如使用台区用户识别仪来逐个补充识别。如果未识别的电表数量较多,可针对未识别的电表,进一步提高变压器的调整值,例如从提高3伏特改为提高6伏特,然后再采用本发明的方法重新进行识别。电表出现无法识别的原因可能是变压器和待识别电表的距离较远,因此虽然变压器提高了一定幅度的供电电压,其对远端电表的电压值影响较小,通过调高变压器的电压调整值,来增强对远端电表的电压影响,以保障整个机制的高准确性。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽范围。
Claims (8)
1.一种基于变压器调压功能的电表台区识别方法,其特征在于:待识别电表属于电表集合A={A1,A2,…,AM},待识别电表归属于变压器集合V={V1,V2,…,VN}中的变压器,其中,M为待识别电表的数量,N为变压器的数量;台区识别方法包括以下步骤:
测试步骤;确定测试周期,在测试周期的第n天的零点时刻,n=1,2,…,N,从变压器集合中选择一个变压器Vn,改变该变压器Vn的供电电压,持续24小时,在第n天的24点时刻,将该变压器Vn的供电电压恢复至原有水平,在测试周期内的每一天选择一个不同的变压器进行相同的调压操作,直至变压器集合中的所有变压器都完成至少一轮测试;
数据分析识别步骤;采集测试周期内所有待识别电表在测试时段上报的电压数据,根据电压数据对电表进行台区识别,步骤如下:
a、采集所有待识别电表在测试时段的电压数据,得到各个电表在测试周期X天内的采集数据矩阵Dm;
b、基于采集数据矩阵Dm进行二元变换计算,得到相同维数的二元矩阵Sm,二元变换计算方法如下:对于采集数据矩阵Dm中的某个元素,将与该元素对应的列向量的所有元素进行从大到小的排序,如果该元素位于前K个元素中,则二元矩阵Sm相同位置的元素的数值置为1,否则二元矩阵Sm相同位置的元素的数值置为0;
c、对二元矩阵Sm的X个行向量分别求和,得到一个含X个元素的求和向量基于求和向量产生相同维数的判决向量Pm,判决向量Pm的产生步骤如下:对求和向量的X个元素从大到小进行排序,对于求和向量中的某个元素x=1,..., X,如果其数值大小处于前K个元素中,则判决向量Pm相同位置的元素的数值置为1,否则判决向量Pm相同位置的元素的数值置为0,判决向量
e、基于判决向量Pm和合并矩阵的N个行向量之间的相似度来识别出智能电表的台区归属,具体步骤如下:对某个待识别电表Am,其电压数据为其和合并矩阵中某个行向量之间的相似度符号*表示向量的转置,计算该电表与合并矩阵的各个行向量的相似度Rm,n,从中选出最大值Rm,max,并确定与该最大值对应的行数k,则对待识别电表Am而言,台区识别结果为:
2.如权利要求1所述的基于变压器调压功能的电表台区识别方法,其特征在于:改变变压器的供电电压是指使变压器的输出电压值在原有基础上提高。
3.如权利要求1所述的基于变压器调压功能的电表台区识别方法,其特征在于:所述测试周期包括一个或多个单轮测试周期。
4.如权利要求1所述的基于变压器调压功能的电表台区识别方法,其特征在于:将比较阈值R设定为0.9K。
5.如权利要求1所述的基于变压器调压功能的电表台区识别方法,其特征在于:对于无法识别的电表,使用台区用户识别仪来逐个补充识别。
6.如权利要求1所述的基于变压器调压功能的电表台区识别方法,其特征在于:所述测试时段设置在凌晨时段。
7.如权利要求1所述的基于变压器调压功能的电表台区识别方法,其特征在于:所述测试周期设置在春季或秋季。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010456083.0A CN111679122B (zh) | 2020-05-26 | 2020-05-26 | 一种基于变压器调压功能的电表台区识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010456083.0A CN111679122B (zh) | 2020-05-26 | 2020-05-26 | 一种基于变压器调压功能的电表台区识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111679122A CN111679122A (zh) | 2020-09-18 |
CN111679122B true CN111679122B (zh) | 2022-06-14 |
Family
ID=72453924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010456083.0A Active CN111679122B (zh) | 2020-05-26 | 2020-05-26 | 一种基于变压器调压功能的电表台区识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111679122B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113131487B (zh) * | 2021-04-23 | 2022-04-29 | 珠海中慧微电子有限公司 | 基于调压图案的台区识别方法、装置、存储介质及电子设备 |
CN113364128B (zh) * | 2021-06-25 | 2022-08-16 | 珠海中慧微电子有限公司 | 基于用电设备的台区识别方法、装置、存储介质及电子设备 |
CN113466548B (zh) * | 2021-08-06 | 2024-05-07 | 国网四川省电力公司营销服务中心 | 一种基于相量测量技术的智能电表台区识别方法 |
CN114646802B (zh) * | 2022-03-10 | 2023-06-30 | 浙大城市学院 | 一种基于智能电表的台区识别方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105098985A (zh) * | 2015-08-21 | 2015-11-25 | 光一科技股份有限公司 | 基于工频电压畸变识别低压配电户变关系的***及方法 |
WO2017167244A1 (zh) * | 2016-03-31 | 2017-10-05 | 华为技术有限公司 | 识别电力***台区中的电表的装置及方法 |
CN108021538A (zh) * | 2017-11-15 | 2018-05-11 | 国网甘肃省电力公司信息通信公司 | 一种基于联合天气信息矩阵分解的电量数据恢复方法 |
US10330812B1 (en) * | 2015-03-16 | 2019-06-25 | Elintrix | Identifying schematic and topological properties of an electrical grid through analysis of directional relationships of electrical currents |
CN110221161A (zh) * | 2019-07-25 | 2019-09-10 | 云南电网有限责任公司电力科学研究院 | 一种补偿电压的户、变、相关系确定方法及装置 |
CN110633744A (zh) * | 2019-09-09 | 2019-12-31 | 珠海中慧微电子有限公司 | 一种智能电表的台区识别方法 |
CN110940938A (zh) * | 2019-11-13 | 2020-03-31 | 国网上海市电力公司 | 一种用户电表与变压器连接关系检测装置及检测方法 |
-
2020
- 2020-05-26 CN CN202010456083.0A patent/CN111679122B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10330812B1 (en) * | 2015-03-16 | 2019-06-25 | Elintrix | Identifying schematic and topological properties of an electrical grid through analysis of directional relationships of electrical currents |
CN105098985A (zh) * | 2015-08-21 | 2015-11-25 | 光一科技股份有限公司 | 基于工频电压畸变识别低压配电户变关系的***及方法 |
WO2017167244A1 (zh) * | 2016-03-31 | 2017-10-05 | 华为技术有限公司 | 识别电力***台区中的电表的装置及方法 |
CN108021538A (zh) * | 2017-11-15 | 2018-05-11 | 国网甘肃省电力公司信息通信公司 | 一种基于联合天气信息矩阵分解的电量数据恢复方法 |
CN110221161A (zh) * | 2019-07-25 | 2019-09-10 | 云南电网有限责任公司电力科学研究院 | 一种补偿电压的户、变、相关系确定方法及装置 |
CN110633744A (zh) * | 2019-09-09 | 2019-12-31 | 珠海中慧微电子有限公司 | 一种智能电表的台区识别方法 |
CN110940938A (zh) * | 2019-11-13 | 2020-03-31 | 国网上海市电力公司 | 一种用户电表与变压器连接关系检测装置及检测方法 |
Non-Patent Citations (1)
Title |
---|
一种智能电能表台区归属自动判定方法;赵宇东;《华北电力技术》;20160525(第05期);第22-28页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111679122A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111679122B (zh) | 一种基于变压器调压功能的电表台区识别方法 | |
CN111650431B (zh) | 一种电表台区识别方法 | |
Adinolfi et al. | Multiobjective optimal design of photovoltaic synchronous boost converters assessing efficiency, reliability, and cost savings | |
CN106385025B (zh) | 一种分布式电源与联络线多阶段协同规划方法 | |
Rodríguez-Pajarón et al. | Forecasting voltage harmonic distortion in residential distribution networks using smart meter data | |
Shin et al. | Spatiotemporal load-analysis model for electric power distribution facilities using consumer meter-reading data | |
CN103500999A (zh) | 基于实时损耗的低压台区供电半径优化方法 | |
CN112232382A (zh) | 一种低压台区的分路与电表隶属关系识别方法及*** | |
CN106408206B (zh) | 一种含光伏发电构成微电网的配电网可靠性评估方法 | |
Chen et al. | Big data analysis based identification method of low-voltage substation area | |
Mejía et al. | Spatial-Temporal model for demand estimation due to appliances with high energy consumption | |
CN105931140A (zh) | 一种区域多微网综合评价方法 | |
CN113868821B (zh) | 一种基于营配大数据融合的配网降损方法及终端机 | |
Jirapornanan | Study of smart grid for Thailand and identification of the required research and development | |
Wei et al. | Low-voltage station area topology recognition method based on weighted least squares method | |
Noriyuki et al. | A study on the configuration of low‐voltage distribution networks for high penetration of photovoltaic power sources | |
CN114329857A (zh) | 一种基于改进鲸鱼算法的分布式电源规划方法 | |
Zhou et al. | An comprehensive assessment model for the distribution network with the new type of loads based on the TOPSIS method | |
Anderson et al. | Capacity optimization of a community microgrid for rural electrification | |
Geis-Schroer et al. | Reference scenarios for low voltage power systems: Poster description | |
Pandey et al. | Efficient Approach for DG Placement and Size in Medium Voltage Distribution Systems | |
CN112737128B (zh) | 一种基于交流斩波的台区分支拓扑识别方法 | |
Saleh et al. | Analysis of AMI, Smart Metering Deployment and Big Data Management Challenges | |
Yildiz et al. | Solar Power Generation Prediction for Distribution Systems with High PV Penetration | |
CN117748444A (zh) | 一种配电***的运行模拟方法 |
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 |