CN111695600B - 一种基于多阈值和knn的台区分类方法 - Google Patents
一种基于多阈值和knn的台区分类方法 Download PDFInfo
- Publication number
- CN111695600B CN111695600B CN202010402906.1A CN202010402906A CN111695600B CN 111695600 B CN111695600 B CN 111695600B CN 202010402906 A CN202010402906 A CN 202010402906A CN 111695600 B CN111695600 B CN 111695600B
- Authority
- CN
- China
- Prior art keywords
- area
- classification
- classification index
- areas
- station
- 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 34
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于多阈值和KNN的台区分类方法,包括以下步骤:A、台区相关数据的获取,所述台区相关数据包括:10kV线路与台区的对应关系、台区名称、台区地址码、台区出口电压数据;B、基于步骤A获取的配变出口电压数据,采用多阈值方法计算台区第一分类指数;C、根据步骤B计算的台区第一分类指数,对台区进行初步分类;D、根据步骤C的台区分类结果,采用KNN算法计算台区第二分类指数;E、根据步骤D计算的台区第二分类指数,完成台区分类。本发明所提的基于多阈值和KNN的分类方法,可提高台区分类准确性,减少错判和漏判。
Description
技术领域
本发明涉及配电台区运行技术领域,具体是一种基于多阈值和KNN的台区分类方法。
背景技术
配网线变关系是非常的重要基础数据,线变关系错误时会直接影响线损计算、停电管理及配网线路的运维检修,为了校验线变关系正确性,传统采用人工方式,但耗时耗力且难以保障实时性。配网运行会产生大量的运行数据,通过分析挖掘这些数据,可用于开展配网线变关系自动校验。
配网线变关系校验中很重要的一个环节就是要判断台区线变关系的正确性,即对台区进行分类。如果一条线路中所有台区都属于一个类别,则台区线变关系正确;否则,台区线变关系存在错误。
公开号为CN 110263873 A的中国专利(一种融合稀疏降噪自编码网络降维和聚类的配电网台区分类方法),提出了一种台区分类方法,通过对配电网台区变压器负载率序列数据进行处理,在样本中加入噪声,训练提取特征值降维,再采用K-Means进行聚类,得到台区分类结果。该发明专利主要针对台区负荷进行辨识和分类。公开号为CN 111028099 A的中国专利(一种线路、台区分级分类***),通过分析日线损数据和日线损电量分级指标,评价台区线损水平,对台区进行分级分类。该发明专利主要针对台区的线损进行分类。
上述专利虽然涉及了台区分类,但主要针对的是台区负荷和线损的分类,均未涉在线变关系正确性方面的台区分类。
发明内容
本发明提供一种基于多阈值和KNN的台区分类方法,通过该方法可以提高台区分类准确性。
本发明采用的技术方案为:
一种基于多阈值和KNN的台区分类方法,包括以下步骤:
A、获取台区相关数据,所述台区相关数据包括:10kV线路与台区的对应关系、台区名称、台区地址码、台区出口96点电压数据;
B、基于步骤A获取的配变出口电压数据,采用多阈值方法计算台区第一分类指数;
C、根据步骤B计算的台区第一分类指数,对台区进行初步分类;
D、根据步骤C的台区分类结果,采用KNN算法计算台区第二分类指数;
E、根据步骤D计算的台区第二分类指数,完成台区分类。
进一步的,假设一条10kV线路有n个台区,收集了m天的数据,台区记为ai,1≤i≤n,步骤B中采用多阈值方法计算台区第一分类指数,具体为:
首先,根据台区出口电压归算和出口电压相似度计算方法,计算出所有台区的出口电压曲线相似度Pi,j,其中1≤i≤n,1≤j≤m;
其次,根据台区出口电压曲线波动率计算方法,计算出所有台区电压曲线波动率Fi,j,其中1≤i≤n,1≤j≤m;
台区出口电压曲线相似度判断的四个阈值分别记为YZ1,YZ2,YZ3,YZ4,选择不同的阈值计算台区第一分类指数,具体为:
(1)当电压曲线波动率0≤Fi,j<5时,选用阈值YZ1计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ1,则该台区第一分类指数FIi,j=1,否则FIi,j=2;
(2)当电压曲线波动率5≤Fi,j<10时,选用阈值YZ2计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ2,则该台区第一分类指数FIi,j=1,否则FIi,j=2;
(3)当电压曲线波动率10≤Fi,j<15时,选用阈值YZ3计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ3,则该台区第一分类指数FIi,j=1,否则FIi,j=2;
(4)当电压曲线波动率Fi,j≥15时,选用阈值YZ4计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ4,则该台区第一分类指数FIi,j=1,否则FIi,j=2;
若某个台区某天的数据缺失,则FIi,j=0。
进一步的,步骤C中根据步骤B计算的台区第一分类指数,对台区进行初步分类,具体为:
根据台区第一分类指数,计算第一分类指数占比PCi,1-1和PCi,1-2,其中PCi,1-1表示第i个台区的第一分类指数中1的占比,其中PCi,1-2表示第i个台区的第一分类指数中2的占比,其中:
(1)若PCi,1-1≥0.8,则将台区ai归为第一类,记为其中ai为第i个台区,A1表示第一类台区的集合;
(2)若PCi,1-2≥0.8,则将台区ai归为第二类,记为其中ai为第i个台区,A2表示第二类台区的集合;
(3)若PCi,1-1<0.8且PCi,1-2<0.8,则将台区ai归为第三类,记为其中ai为第i个台区,A3表示第三类台区的集合。
进一步的,步骤D中采用KNN算法计算台区第二分类指数,具体为:
(1)若台区属于第一类或第二类,则台区第二分类指数SIi,j等于第一分类指数FIi,j;
(2)若台区ak属于第三类,则采用KNN计算台区分类的第二分类指数,具体为:
a)计算台区ak与第一类和第二类所有台区ah的相似度Pk-h,j;
b)计算台区ak与第一类和第二类所有台区ah的距离Dk-h,j,其中Dk-h,j=1-Pk-h,j;
c)KNN算法中的K值取3,找出距离Dk-h,j中最小的3个台区,分别统计这3个台区中属于第一类台区个数N1,j和第二类台区个数N2,j,若N1,j>N2,j,则将台区ak的第二分类指数SIk,j记为1;否则,将台区ak的第二分类指数SIk,j记为2;若某天台区ak数据缺失,则SIk,j记为0。
进一步的,步骤E中根据步骤D计算的台区第二分类指数,完成台区分类,具体为:
根据台区第二分类指数,计算第二分类指数占比PCi,2-1和PCi,2-2,其中PCi,2-1表示第i个台区的第二分类指数中1的占比,其中PCi,2-2表示第i个台区的第二分类指数中2的占比,其中:
(1)若PCi,2-1≥0.8,则将台区ai归为第一类,记为其中ai为第i个台区,A1表示第一类台区的集合;
(2)若PCi,2-2≥0.8,则将台区ai归为第二类,记为其中ai为第i个台区,A2表示第二类台区的集合;
(3)若PCi,2-1<0.8且PCi,2-2<0.8,若PCi,2-1≥PCi,2-2,则将台区ai归为第一类,记为若PCi,2-1<PCi,2-2,则将台区ai归为第二类,记为/>
本发明基于台区出口电压数据,首先通过多阈值方法计算台区第一分类指数,对台区进行初步分类,然后通过KNN计算台区第二分类指数,实现了台区的分类。传统的分类方法,由于阈值的刚性问题,或多或少存在错判和漏判。本发明所提的基于多阈值和KNN的分类方法,可提高台区分类准确性,减少错判和漏判。
附图说明
图1是本发明基于多阈值和KNN的台区分类方法其中一个实施例的流程示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述。
请参阅图1,为本发明一种基于多阈值和KNN的台区分类方法其中一个实施例的流程示意图,所述方法包括以下步骤:
A、获取台区相关数据,所述台区相关数据包括:10kV线路与台区的对应关系、台区名称、台区地址码、台区出口96点电压数据;
B、基于步骤A获取的配变出口电压数据,采用多阈值方法计算台区第一分类指数,具体为:
假设一条10kV线路有n个台区,收集了m天的数据,台区记为ai,1≤i≤n。首先,根据台区出口电压归算和出口电压相似度计算方法,计算出所有台区的出口电压曲线相似度Pi,j,其中1≤i≤n,1≤j≤m;其次,根据台区出口电压曲线波动率计算方法,计算出所有台区电压曲线波动率Fi,j,其中1≤i≤n,1≤j≤m;台区出口电压曲线相似度判断的四个阈值分别记为YZ1,YZ2,YZ3,YZ4,针对不同电压曲线波动率,选择不同的阈值计算台区第一分类指数,具体为:
(1)当电压曲线波动率0≤Fi,j<5时,选用阈值YZ1计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ1,则该台区第一分类指数FIi,j=1,否则FIi,j=2。
(2)当电压曲线波动率5≤Fi,j<10时,选用阈值YZ2计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ2,则该台区第一分类指数FIi,j=1,否则FIi,j=2。
(3)当电压曲线波动率10≤Fi,j<15时,选用阈值YZ3计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ3,则该台区第一分类指数FIi,j=1,否则FIi,j=2。
(4)当电压曲线波动率Fi,j≥15时,选用阈值YZ4计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ4,则该台区第一分类指数FIi,j=1,否则FIi,j=2;若某个台区某天的数据缺失,则FIi,j=0。
C、根据步骤B计算的台区第一分类指数,对台区进行初步分类,具体为:
根据台区第一分类指数,计算第一分类指数占比PCi,1-1和PCi,1-2,其中PCi,1-1表示第i个台区的第一分类指数中1的占比,其中PCi,1-2表示第i个台区的第一分类指数中2的占比,根据第一分类指数占比情况,对台区进行初步分类,具体为:
(1)若PCi,1-1≥0.8,则将台区ai归为第一类,记为其中ai为第i个台区,A1表示第一类台区的集合;
(2)若PCi,1-2≥0.8,则将台区ai归为第二类,记为其中ai为第i个台区,A2表示第二类台区的集合;
(3)若PCi,1-1<0.8且PCi,1-2<0.8,则将台区ai归为第三类,记为其中ai为第i个台区,A3表示第三类台区的集合。
D、根据步骤C的台区分类结果,采用KNN算法计算台区第二分类指数,具体为:
(1)若台区属于第一类或第二类,则台区第二分类指数SIi,j等于第一分类指数FIi,j;
(2)若台区ak属于第三类,则采用KNN计算台区第二分类指数,具体为:
a)计算台区ak与第一类和第二类所有台区ah的相似度Pk-h,j;
b)计算台区ak与第一类和第二类所有台区ah的距离Dk-h,j,其中Dk-h,j=1-Pk-h,j;
c)KNN算法中的K值取3,找出距离Dk-h,j中最小的3个台区,分别统计这3个台区中属于第一类台区个数N1,j和第二类台区个数N2,j,若N1,j>N2,j,则将台区ak的第二分类指数SIk,j记为1;否则,将台区ak的第二分类指数SIk,j记为2;若某天台区ak数据缺失,则SIk,j记为0。
E、根据步骤D计算的台区第二分类指数,完成台区分类,具体为:
根据台区第二分类指数,计算第二分类指数占比PCi,2-1和PCi,2-2,其中PCi,2-1表示第i个台区的第二分类指数中1的占比,其中PCi,2-2表示第i个台区的第二分类指数中2的占比,根据第二分类指数占比情况,对台区进行分类,具体为:
(1)若PCi,2-1≥0.8,则将台区ai归为第一类,记为其中ai为第i个台区,A1表示第一类台区的集合;
(2)若PCi,2-2≥0.8,则将台区ai归为第二类,记为其中ai为第i个台区,A2表示第二类台区的集合;
(3)若PCi,2-1<0.8且PCi,2-2<0.8,若PCi,2-1≥PCi,2-2,则将台区ai归为第一类,记为若PCi,2-1<PCi,2-2,则将台区ai归为第二类,记为/>
下面以一个具体实施例对本发明的技术方案和效果进行详细说明:
步骤A中,从相关***中获取了某10kV线路上19个台区10天的配变出口电压数据。
步骤B中,采用多阈值方法计算这19个台区的第一分类指数,首先计算台区相关系数,选择台区NP1为参考台区,计算结果如表1所示。
表1台区相关系数计算结果
计算所有台区的电压曲线波动率,计算结果如表2所示。
表2台区电压曲线波动率计算结果
多阈值方法中四个阈值YZ1,YZ2,YZ3,YZ4分别为0.94,0.89,0.71,0.67。
采用多阈值方法,计算台区第一分类指数如表3所示。
表3台区第一分类指数及初步分类结果
步骤C中,根据步骤B中计算的台区第一分类指数,将19个台区分成了3类,分别为A1,A2,A3,初步分类结果如表3所示。
步骤D中,根据所述方法计算台区第二分类指数如表4所示。
步骤E中,根据所述方法完成台区的最终分类,将台区分成了2类,分别为A1,A2。其中台区NP1、NP4、NP7、NP16和NP18属于第一类台区,台区NP2、NP3、NP5、NP6、NP8、NP9、NP10、NP11、NP12、NP13、NP14、NP15、NP17、NP19属于第二类台区,经过现场实际验证,结果与本发明分类结果一致,表明了所提方法的有效性。
表4台区第二分类指数及最终分类结果
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种基于多阈值和KNN的台区分类方法,其特征在于包括以下步骤:
A、获取台区相关数据,所述台区相关数据包括:10kV线路与台区的对应关系、台区名称、台区地址码、台区出口96点电压数据;
B、基于步骤A获取的配变出口电压数据,采用多阈值方法计算台区第一分类指数;
C、根据步骤B计算的台区第一分类指数,对台区进行初步分类;
D、根据步骤C的台区分类结果,采用KNN算法计算台区第二分类指数;
E、根据步骤D计算的台区第二分类指数,完成台区分类;
假设一条10kV线路有n个台区,收集了m天的数据,台区记为ai,1≤i≤n,步骤B中采用多阈值方法计算台区第一分类指数,具体为:
首先,根据台区出口电压归算和出口电压相似度计算方法,计算出所有台区的出口电压曲线相似度Pi,j,其中1≤i≤n,1≤j≤m;
其次,根据台区出口电压曲线波动率计算方法,计算出所有台区电压曲线波动率Fi,j,其中1≤i≤n,1≤j≤m;
台区出口电压曲线相似度判断的四个阈值分别记为YZ1,YZ2,YZ3,YZ4,选择不同的阈值计算台区第一分类指数,具体为:
(1)当电压曲线波动率0≤Fi,j<5时,选用阈值YZ1计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ1,则该台区第一分类指数FIi,j=1,否则FIi,j=2;
(2)当电压曲线波动率5≤Fi,j<10时,选用阈值YZ2计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ2,则该台区第一分类指数FIi,j=1,否则FIi,j=2;
(3)当电压曲线波动率10≤Fi,j<15时,选用阈值YZ3计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ3,则该台区第一分类指数FIi,j=1,否则FIi,j=2;
(4)当电压曲线波动率Fi,j≥15时,选用阈值YZ4计算台区第一分类指数,若台区电压曲线相似度Pi,j≥YZ4,则该台区第一分类指数FIi,j=1,否则FIi,j=2;
若某个台区某天的数据缺失,则FIi,j=0;
步骤C中根据步骤B计算的台区第一分类指数,对台区进行初步分类,具体为:
根据台区第一分类指数,计算第一分类指数占比PCi,1-1和PCi,1-2,其中PCi,1-1表示第i个台区的第一分类指数中1的占比,其中PCi,1-2表示第i个台区的第一分类指数中2的占比,其中:
(1)若PCi,1-1≥0.8,则将台区ai归为第一类,记为其中ai为第i个台区,A1表示第一类台区的集合;
(2)若PCi,1-2≥0.8,则将台区ai归为第二类,记为其中ai为第i个台区,A2表示第二类台区的集合;
(3)若PCi,1-1<0.8且PCi,1-2<0.8,则将台区ai归为第三类,记为其中ai为第i个台区,A3表示第三类台区的集合;
步骤D中采用KNN算法计算台区第二分类指数,具体为:
(1)若台区属于第一类或第二类,则台区第二分类指数SIi,j等于第一分类指数FIi,j;
(2)若台区ak属于第三类,则采用KNN计算台区分类的第二分类指数,具体为:
a)计算台区ak与第一类和第二类所有台区ah的相似度Pk-h,j;
b)计算台区ak与第一类和第二类所有台区ah的距离Dk-h,j,其中Dk-h,j=1-Pk-h,j;
c)KNN算法中的K值取3,找出距离Dk-h,j中最小的3个台区,分别统计这3个台区中属于第一类台区个数N1,j和第二类台区个数N2,j,若N1,j>N2,j,则将台区ak的第二分类指数SIk,j记为1;否则,将台区ak的第二分类指数SIk,j记为2;若某天台区ak数据缺失,则SIk,j记为0。
2.如权利要求1所述的一种基于多阈值和KNN的台区分类方法,其特征在于:步骤E中根据步骤D计算的台区第二分类指数,完成台区分类,具体为:
根据台区第二分类指数,计算第二分类指数占比PCi,2-1和PCi,2-2,其中PCi,2-1表示第i个台区的第二分类指数中1的占比,其中PCi,2-2表示第i个台区的第二分类指数中2的占比,其中:
(1)若PCi,2-1≥0.8,则将台区ai归为第一类,记为其中ai为第i个台区,A1表示第一类台区的集合;
(2)若PCi,2-2≥0.8,则将台区ai归为第二类,记为其中ai为第i个台区,A2表示第二类台区的集合;
(3)若PCi,2-1<0.8且PCi,2-2<0.8,若PCi,2-1≥PCi,2-2,则将台区ai归为第一类,记为若PCi,2-1<PCi,2-2,则将台区ai归为第二类,记为/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010402906.1A CN111695600B (zh) | 2020-05-13 | 2020-05-13 | 一种基于多阈值和knn的台区分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010402906.1A CN111695600B (zh) | 2020-05-13 | 2020-05-13 | 一种基于多阈值和knn的台区分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111695600A CN111695600A (zh) | 2020-09-22 |
CN111695600B true CN111695600B (zh) | 2023-08-18 |
Family
ID=72477717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010402906.1A Active CN111695600B (zh) | 2020-05-13 | 2020-05-13 | 一种基于多阈值和knn的台区分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695600B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101295850B1 (ko) * | 2012-04-02 | 2013-08-12 | 가천대학교 산학협력단 | 저압수용가 전력정보를 이용한 배전용 변압기 관리 방법 |
CN105389636A (zh) * | 2015-12-11 | 2016-03-09 | 河海大学 | 一种低压台区kfcm-svr合理线损预测方法 |
CN107517071A (zh) * | 2017-08-05 | 2017-12-26 | 青岛鼎信通讯股份有限公司 | 低压交流市电台区智能识别方法 |
CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
CN109581130A (zh) * | 2019-01-18 | 2019-04-05 | 国家电网有限公司 | 一种考虑电压调整措施影响的电压曲线相似度计算方法 |
CN109596929A (zh) * | 2019-01-31 | 2019-04-09 | 国家电网有限公司 | 一种考虑时钟不同步影响的电压曲线相似性判断方法 |
CN109740641A (zh) * | 2018-12-18 | 2019-05-10 | 清华四川能源互联网研究院 | 一种基于主成分分析和k-means聚类的台区用户识别方法 |
CN109816033A (zh) * | 2019-01-31 | 2019-05-28 | 清华四川能源互联网研究院 | 一种基于优化的监督学习进行台区用户识别的方法 |
CN109829497A (zh) * | 2019-01-31 | 2019-05-31 | 清华四川能源互联网研究院 | 一种基于监督学习的台区用户识别及判别方法 |
CN110991527A (zh) * | 2019-12-02 | 2020-04-10 | 国网湖北省电力有限公司电力科学研究院 | 一种考虑电压曲线平均波动率的相似度阈值确定方法 |
CN111061821A (zh) * | 2019-11-12 | 2020-04-24 | 国网山东省电力公司聊城供电公司 | 基于改进k值聚类算法的低压配电网拓扑校验方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7908119B2 (en) * | 2007-02-22 | 2011-03-15 | Siemens Corporation | System and method for automating the analysis of computer system load testing |
-
2020
- 2020-05-13 CN CN202010402906.1A patent/CN111695600B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101295850B1 (ko) * | 2012-04-02 | 2013-08-12 | 가천대학교 산학협력단 | 저압수용가 전력정보를 이용한 배전용 변압기 관리 방법 |
CN105389636A (zh) * | 2015-12-11 | 2016-03-09 | 河海大学 | 一种低压台区kfcm-svr合理线损预测方法 |
CN107517071A (zh) * | 2017-08-05 | 2017-12-26 | 青岛鼎信通讯股份有限公司 | 低压交流市电台区智能识别方法 |
CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
CN109740641A (zh) * | 2018-12-18 | 2019-05-10 | 清华四川能源互联网研究院 | 一种基于主成分分析和k-means聚类的台区用户识别方法 |
CN109581130A (zh) * | 2019-01-18 | 2019-04-05 | 国家电网有限公司 | 一种考虑电压调整措施影响的电压曲线相似度计算方法 |
CN109596929A (zh) * | 2019-01-31 | 2019-04-09 | 国家电网有限公司 | 一种考虑时钟不同步影响的电压曲线相似性判断方法 |
CN109816033A (zh) * | 2019-01-31 | 2019-05-28 | 清华四川能源互联网研究院 | 一种基于优化的监督学习进行台区用户识别的方法 |
CN109829497A (zh) * | 2019-01-31 | 2019-05-31 | 清华四川能源互联网研究院 | 一种基于监督学习的台区用户识别及判别方法 |
CN111061821A (zh) * | 2019-11-12 | 2020-04-24 | 国网山东省电力公司聊城供电公司 | 基于改进k值聚类算法的低压配电网拓扑校验方法及*** |
CN110991527A (zh) * | 2019-12-02 | 2020-04-10 | 国网湖北省电力有限公司电力科学研究院 | 一种考虑电压曲线平均波动率的相似度阈值确定方法 |
Non-Patent Citations (1)
Title |
---|
低压台区变压器用电数据聚类模型研究;张莹梅等;《天津职业技术师范大学学报》;第29卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111695600A (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009716B (zh) | 一种水平井体积压裂效果影响因素多层次评价方法 | |
CN111160401B (zh) | 一种基于均值漂移和XGBoost的异常用电判别方法 | |
CN109063734B (zh) | 结合多级局部密度聚类的油浸式变压器故障状态评估方法 | |
CN103198175B (zh) | 基于模糊聚类的变压器故障诊断方法 | |
CN112529341B (zh) | 一种基于朴素贝叶斯算法的钻井漏失机率预测方法 | |
CN108416691A (zh) | 一种能源替代环保潜力计算方法 | |
CN105427594B (zh) | 一种基于双向上车客流的公交断面客流量获取方法及*** | |
CN112036490B (zh) | 一种铁路纵断面线形的识别重构方法 | |
CN105243255A (zh) | 一种软基处理方案的评价方法 | |
CN111539845B (zh) | 一种基于用电模式隶属评分的企业环保管控响应研判方法 | |
CN109165294A (zh) | 一种基于贝叶斯分类的短文本分类方法 | |
CN113515512B (zh) | 一种工业互联网平台数据的质量治理及提升方法 | |
CN103530527A (zh) | 基于数值天气预报集合预报结果的风电功率概率预测方法 | |
CN109118082A (zh) | 电源接入***评价体系灰色密切值评估模型 | |
CN107766983A (zh) | 一种城市轨道交通车站应急救援驻车点的设置方法 | |
CN108596204B (zh) | 一种基于改进型scdae的半监督调制方式分类模型的方法 | |
CN116562174A (zh) | 一种配注水量确定方法及装置 | |
CN116226103A (zh) | 一种基于FPGrowth算法进行政务数据质量检测的方法 | |
CN115907461A (zh) | 一种基于机理推导方程的电力工程方法 | |
CN111695600B (zh) | 一种基于多阈值和knn的台区分类方法 | |
CN110059938B (zh) | 一种基于关联规则驱动的配电网规划方法 | |
CN114881374A (zh) | 用于建筑能耗预测的多元异构能耗数据融合方法和*** | |
CN111339155B (zh) | 一种关联分析*** | |
CN110737987B (zh) | 一种led照明产品预期寿命评价方法 | |
CN111881974A (zh) | 一种基于Piper-PCA-FCL判别模型的突水水源识别方法 |
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 |