CN112015724A - 一种对电力运营数据计量异常进行分析的方法 - Google Patents
一种对电力运营数据计量异常进行分析的方法 Download PDFInfo
- Publication number
- CN112015724A CN112015724A CN201910910126.5A CN201910910126A CN112015724A CN 112015724 A CN112015724 A CN 112015724A CN 201910910126 A CN201910910126 A CN 201910910126A CN 112015724 A CN112015724 A CN 112015724A
- Authority
- CN
- China
- Prior art keywords
- data
- abnormality
- current
- phase
- 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.)
- Pending
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000003066 decision tree Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000013500 data storage Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 44
- 230000005611 electricity Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 230000003203 everyday effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明一种对电力运营数据计量异常进行分析的方法,其特征是:包括以下步骤:1)数据接入:将各***源采集的数据实时存入大数据存储平台,所述数据包括客户电流、电压数据,用户计量方式数据、运行容量数据、表计走度数据;2)数据清洗;3)数据计算分析:从Hive仓库中读取清洗后的数据,形成分布式数据集,根据提前设定的业务计算规则使用决策树算法对数据进行计算,对异常进行判断分析,将分析后的数据存储到业务***MySql数据库,所述异常包括电压断相异常、电流失流异常、全停用户表计走度异常、运行用户表计为0异常;4)结合GIS地图可视化展示;本发明提高了异常分析的准确度,减轻了运维人员核查工作量。
Description
技术领域
本发明涉及电力运营计量异常分析领域,具体是一种对电力运营数据计量异常进行分析的方法。
背景技术
随着用电信息采集***的推广,海量的用电数据得以被采集,为用电环节的大数据分析提供了坚实的数据基础。但是面对海量用电数据的增加,目前大多数电力部门仅使用传统的统计方法进行异常分析,异常数据背后蕴藏的事件信息无法得到有效提炼。采用传统方法进行异常分析具有以下缺陷:1、准确度不高,真实的异动仅占异常数据的40-60%;2、运维人员现场核查工作量大,效率不高;因此,有必要将数据挖掘技术引入到异常分析中,充分挖掘用电数据的异常信息。
发明内容
本发明的目的就是为了解决目前因采用传统方法进行异常分析时准确度不高,运维人员核查工作量大的问题,提供一种对电力运营数据计量异常进行分析的方法。
本发明的具体方案是:一种对电力运营数据计量异常进行分析的方法,包括以下步骤:
1)数据接入:将各***源采集的数据实时存入大数据存储平台,所述数据包括客户电流、电压数据,用户计量方式数据、运行容量数据、表计走度数据;
2)数据清洗:使用Spark批量读取分布式存储平台中的源数据文件,形成分布式数据集,使用ETL工具对分布式数据集进行数据结构转换、过滤、去重操作进行数据清洗以去除敏感数据、重复数据、不完整数据、脏数据,将清洗后的数据集存入Hive数据仓库,用于后面使用Spark进行分析使用;
3)数据计算分析:从Hive仓库中读取清洗后的数据,形成分布式数据集,根据提前设定的业务计算规则使用决策树算法对数据进行计算,对异常进行判断分析,将分析后的数据存储到业务***MySql数据库,所述异常包括电压断相异常、电流失流异常、全停用户表计走度异常、运行用户表计为0异常。
本发明所述计算规则包括电压断相判定、电流失流判定、全停用户表计走度异常判定、运行用户表计为0异常判定,所述电压断相判定包括以下情况:
A、若检测到任一相或两项电压小于K×参比电压,另两相或另一项电压中任一相电压不小于K×参比电压(K取值为0.6-0.9,三相三线参比电压为57.7V或100V,三相四线参比电压为220V),则判定为疑似异常;若某用户连续三天,每天三次检测数据均判定为疑似异常则生成电压断相异常;
B、若智能电表直接检测到电压断相异常,则直接生成电压断相异常;
所述电流失流异常判定包括以下情况:
A、电压正常的前提下,对于三相三线用户,若检测到AC相中任一相电流小于0.5%额定电流,另一相电流不小于5%额定电流,则判定为疑似异常;对于三相四线用户,若检测到任一相电流小于0.5%额定电流,另两相中至少一相电流不小于10%额定电流,则判定为疑似异常;用电信息采集***每天每个用户会产生96点数据,即每15min一个点,那么取一天内监测到多个点(默认每天3个点,取值之前先判断数值是否可用,若取值点数据为0或者为空则不可用,不可用则顺次取后一位),若某用户连续三天,每天三次检测到的数据均被判定为疑似异常则生成电流失流异常;
B、若智能电表直接检测到电流失流异常,则直接生成电流失流异常;
所述全停用户表计走度异常判定方法为:对营销业务应用***运行容量为0,但用电信息采集***里面实际表计走码不为零的数据进行对比分析,生成全停用户表计走度异常;
所述运行用户表计为0异常判定方法为:营销业务应用***运行容量不为0,但用电信息采集***中实际表计走码为零的数据进行对比分析,生成运行用户表计为0异常。
进一步地,本发明根据用户当月实际用电量对所述异常进行等级划分:当月实际用电量>100万KWH的异常等级为一级异常,当月实际用电量在50~100万KWH的异常等级为二级异常,当月实际用电量<50万KWH的异常为三级异常。
进一步地,本发明还包括步骤4)数据可视化展现:结合GIS地图和***中线路和配电的位置信息将分析计算出的异常信息(包括异常位置、异常名称、异常等级)可视化展示在GIS地图上,另外可将指定用户的异常信息加入任务列表,可以执行核查、归档等追踪环节,实现闭环管理追踪。
本发明具有以下有益效果:1、基于断流、失压、电量波动及功率异常等维度对智能电表数据进行分类关联处理,判断数据异常原因及故障信息之间的关系,有效提高异常信息判断的精准度。
2、对异常进行优先级排序并结合GIS地图进行可视化管理,通过对异常发现、处理、验证、归档等环节的管理实现闭环跟踪,提高工作效率。
3、通过用电数据异常分析结果,针对异常用户进行排查,可有效的、及时的封堵漏洞,提高电力营销企业效益。
4、基于决策树算法的用电数据异常识别模型就是结合疑似异常用户的电气变量和档案信息,通过决策树算法实现对计量点电压异常进行自动快速精准分类,同时对电流数据进行异常分析判断,识别出电能计量装置异常,减少误判率。
5、利用决策树算法建异常检测模型,并对模型中的重要参数进行了分析设置,该模型输出所有用户的异常情况及优先级。同时根据发现的异常分类属性,只需要检测异常特征明显的少数用户即可查出同一条线路的大部分异常用户,即直接检测到异常事件特征明显的用户需要优先处理,其次是具有多个疑似异常特征的用户,次之是仅有个别数据异常的用户。在此过程中同时具备多个异常特征的用户数量级远小于仅有个别数据异常的用户,因此只需要监测异常特征明显的少数用户即可查出大部分异常用户。同时对于同一属性的多个异常再次根据用户合同容量大小进行二次分级,即当月实际用电量>100万KWH的异常等级为一级异常,当月实际用电量在50~100万KWH的异常等级为二级异常,当月实际用电量<50万KWH的异常为三级异常。
附图说明
图1是本发明分析方法的流程图;
图2是本发明数据计算分析的流程图。
具体实施方式
实施例一
采用本方法对湖北省黄石市内所有用户的电力运营数据进行分析,包括以下步骤:1)数据接入:将各***源采集的数据实时存入大数据存储平台,所述数据包括客户电流、电压数据,用户计量方式数据、运行容量数据、表计走度数据;
2)数据清洗:将存入分布式存储平台的源数据文件,使用Spark批量读取,形成分布式数据集,使用ETL工具对分布式数据集进行数据结构转换、过滤、去重操作进行数据清洗以去除敏感数据、重复数据、不完整数据、脏数据,将清洗后的数据集存入Hive数据仓库,用于后面使用Spark进行分析使用;
3)数据计算分析:从Hive仓库中读取清洗后的数据,形成分布式数据集,根据提前设定的业务计算规则使用决策树算法对数据进行计算,对异常进行判断分析,将分析后的数据存储到业务***MySql数据库,用电信息采集***每天每个用户会产生96点数据,即每15min一个点,那么取一天内监测到多个点(默认每天3个点,取值之前先判断数值是否可用,若取值点数据为0或者为空则不可用,不可用则顺次取后一位);
用电采集***采集到某用户的A相电压为116V小于0.6倍的参比电压(220V),其他两相电压正常,***判定为疑似异常,后续再采集两次数据均判定为疑似异常,且连续三日均有同样的情况,则***生成电压断相异常,此用户的月用电量达到150万KWH,***将其异常划分为一级异常;
4)在GIS地图上对应该用户的位置高亮显示,提示该用户电压断相并显示报警点标识,同时生成异常记录。
实施例二
本实施例与实施例一的步骤1)、步骤2)相同,从Hive仓库中读取清洗后的数据中检测到某用户电压在正常范围内,但C相电流为0.02A,小于其额定电流5A的0.5%,A相电流为1A,***判定为疑似异常,后续再采集两次数据均判定为疑似异常,且连续三日均有同样的情况,则***生成电流失流异常,此用户的月用电量小于50万KWH,***将其异常划分为三级异常,在GIS地图上对应该用户的位置显示异常名称及发现的时间,并生成异常记录。
实施例三
本实施例与实施例一的步骤1)、步骤2)相同,在营销***采集到某用户运行容量为0,但用电采集***采集到该用户存在表码走字现象,也就是说今日0点止码-昨日0点止码>0(昨日0点止码100,今日0点止码102),说明有电量产生,由此分析出该用户存在全停用户走码异常。
实施例四
本实施例与实施例一的步骤1)、步骤2)相同,在营销***采集到某用户运行容量为1600,但用电采集***采集到该用户存在表码走字为0,也就是说今日0点止码-昨日0点止码=0,同时三相电流中任意一项电流>0(昨日0点止码100,今日0点止码100,电流C相为5A),由此分析出该用户存在表计走度异常。
Claims (4)
1.一种对电力运营数据计量异常进行分析的方法,其特征是:包括以下步骤:
1)数据接入:将各***源采集的数据实时存入大数据存储平台,所述数据包括客户电流、电压数据,用户计量方式数据、运行容量数据、表计走度数据;
2)数据清洗:将存入分布式存储平台的源数据文件,使用Spark批量读取,形成分布式数据集,使用ETL工具对分布式数据集进行数据结构转换、过滤、去重操作进行数据清洗以去除敏感数据、重复数据、不完整数据、脏数据,将清洗后的数据集存入Hive数据仓库,用于后面使用Spark的进行分析使用;
3)数据计算分析:从Hive仓库中读取清洗后的数据,形成分布式数据集,根据提前设定的业务计算规则使用决策树算法对数据进行计算,对异常进行判断分析,将分析后的数据存储到业务***MySql数据库,所述异常包括电压断相异常、电流失流异常、全停用户表计走度异常、运行用户表计为0异常。
2.根据权利要求1所述的一种对电力运营数据计量异常进行分析的方法,其特征是:所述计算规则包括电压断相判定、电流失流判定、全停用户表计走度异常判定、运行用户表计为0异常判定,所述电压断相判定包括以下情况:
A、若检测到任一相或两项电压小于K×参比电压,另两相或另一项电压中任一相电压不小于K×参比电压,则判定为疑似异常(其中K取值为0.6-0.9);若某用户连续三天,每天三次检测到的数据均被判定为疑似异常则生成电压断相异常;
B、若智能电表直接检测到电压断相异常,即智能电表上报电压断相事件,则直接生成电压断相异常;
所述电流失流异常判定包括以下情况:
A、电压正常的前提下,对于三相三线用户,若检测到AC相中任一相电流小于0.5%额定电流,另一相电流不小于5%额定电流,则判定为疑似异常;对于三相四线用户,若检测到任一相电流小于0.5%额定电流,另两相中至少一相电流不小于10%额定电流,则判定为疑似异常;若某用户连续三天,每天三次检测到的数据均被判定为疑似异常则生成电流失流异常;
B、若智能电表直接检测到电流失流异常,即智能电表上报电流断相事件,则直接生成电流失流异常;
C、若同时发生电压断相事件与电流断相事件,则此部分事件升级为表计故障事件;
所述全停用户表计走度异常判定方法为:对营销业务应用***运行容量为0,但用电信息采集***里面实际表计走码不为零的数据进行对比分析,生成全停用户表计走度异常;
所述运行用户表计为0异常判定方法为:营销业务应用***运行容量不为0,但用电信息采集***中实际表计走码为零的数据进行对比分析,生成运行用户表计为0异常。
3.根据权利要求2所述的一种对电力运营数据计量异常进行分析的方法,其特征是:根据用户当月实际用电量对所述异常进行等级划分:当月实际用电量>100万KWH的异常等级为一级异常,当月实际用电量在50~100万KWH的异常等级为二级异常,当月实际用电量<50万KWH的异常为三级异常。
4.根据权利要求1-3任一项所述的一种对电力运营数据计量异常进行分析的方法,其特征是:还包括步骤4)数据可视化展现:结合GIS地图和***中线路和配电的位置信息将分析计算出的异常信息可视化展示在GIS地图上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910126.5A CN112015724A (zh) | 2019-09-25 | 2019-09-25 | 一种对电力运营数据计量异常进行分析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910126.5A CN112015724A (zh) | 2019-09-25 | 2019-09-25 | 一种对电力运营数据计量异常进行分析的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112015724A true CN112015724A (zh) | 2020-12-01 |
Family
ID=73506251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910910126.5A Pending CN112015724A (zh) | 2019-09-25 | 2019-09-25 | 一种对电力运营数据计量异常进行分析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112015724A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800036A (zh) * | 2020-12-30 | 2021-05-14 | 银盛通信有限公司 | 一种报表分析图自动生成及展示方法及*** |
CN113901676A (zh) * | 2021-12-09 | 2022-01-07 | 国网北京市电力公司 | 一种计量装置异常研判方法、装置、设备及介质 |
CN115166625A (zh) * | 2022-07-06 | 2022-10-11 | 云南电网有限责任公司电力科学研究院 | 智能电表误差估计方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407268A (zh) * | 2014-11-27 | 2015-03-11 | 国家电网公司 | 基于电量、电压和电流异常分析的异常用电判断方法 |
CN107895235A (zh) * | 2017-11-27 | 2018-04-10 | 安徽经邦软件技术有限公司 | 基于决策树分析法的财务建模*** |
CN108846076A (zh) * | 2018-06-08 | 2018-11-20 | 山大地纬软件股份有限公司 | 支持接口适配的海量多源异构数据etl方法及*** |
CN109165202A (zh) * | 2018-07-04 | 2019-01-08 | 华南理工大学 | 一种多源异构大数据的预处理方法 |
CN109636124A (zh) * | 2018-11-18 | 2019-04-16 | 韩霞 | 基于大数据的电力行业低压台区线损分析方法及处理*** |
CN109739922A (zh) * | 2019-01-10 | 2019-05-10 | 江苏徐工信息技术股份有限公司 | 一种工业数据智能分析*** |
-
2019
- 2019-09-25 CN CN201910910126.5A patent/CN112015724A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407268A (zh) * | 2014-11-27 | 2015-03-11 | 国家电网公司 | 基于电量、电压和电流异常分析的异常用电判断方法 |
CN107895235A (zh) * | 2017-11-27 | 2018-04-10 | 安徽经邦软件技术有限公司 | 基于决策树分析法的财务建模*** |
CN108846076A (zh) * | 2018-06-08 | 2018-11-20 | 山大地纬软件股份有限公司 | 支持接口适配的海量多源异构数据etl方法及*** |
CN109165202A (zh) * | 2018-07-04 | 2019-01-08 | 华南理工大学 | 一种多源异构大数据的预处理方法 |
CN109636124A (zh) * | 2018-11-18 | 2019-04-16 | 韩霞 | 基于大数据的电力行业低压台区线损分析方法及处理*** |
CN109739922A (zh) * | 2019-01-10 | 2019-05-10 | 江苏徐工信息技术股份有限公司 | 一种工业数据智能分析*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800036A (zh) * | 2020-12-30 | 2021-05-14 | 银盛通信有限公司 | 一种报表分析图自动生成及展示方法及*** |
CN113901676A (zh) * | 2021-12-09 | 2022-01-07 | 国网北京市电力公司 | 一种计量装置异常研判方法、装置、设备及介质 |
CN115166625A (zh) * | 2022-07-06 | 2022-10-11 | 云南电网有限责任公司电力科学研究院 | 智能电表误差估计方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、***、设备及介质 | |
CN104219315B (zh) | 一种用电信息采集***的运行监控***及其监控方法 | |
CN105588995B (zh) | 一种电力计量自动化***线损异常检测方法 | |
Nizar et al. | Load profiling method in detecting non-technical loss activities in a power utility | |
CN112015724A (zh) | 一种对电力运营数据计量异常进行分析的方法 | |
CN107733357A (zh) | 一种大型光伏电站中电池面板的故障检测算法 | |
CN104391202A (zh) | 基于电量异常分析的异常用电判断方法 | |
CN115018139A (zh) | 基于相间特征的电流互感器误差状态在线辨识方法及*** | |
CN112288303B (zh) | 确定线损率的方式、装置 | |
CN107909508A (zh) | 一种配电变压器负荷异常告警方法 | |
CN111177208A (zh) | 基于大数据分析的用电异常检测方法 | |
CN111310854A (zh) | 基于用电负荷指纹的低误报率窃电检测二次筛选方法 | |
CN113687293A (zh) | 基于大数据的线损异常智能分析方法 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及*** | |
CN115730962A (zh) | 一种基于大数据的电力营销稽查分析***及方法 | |
CN110675018B (zh) | 一种基于专家规则的线损异常分析与闭环管理的方法 | |
CN114493238A (zh) | 供电服务风险预测方法、***、存储介质及计算机设备 | |
CN114529166A (zh) | 一种配电网运行安全风险预警方法及*** | |
CN114254806A (zh) | 配电网重过载预警方法、装置、计算机设备和存储介质 | |
CN113642933A (zh) | 一种配电台区低电压诊断方法及装置 | |
CN113376553A (zh) | 三相四线计量串电流回路接线的智能甄别方法和*** | |
CN106709623B (zh) | 一种基于风险计算模型的电网营销稽查风险管控方法 | |
CN111489073A (zh) | 一种基于分类算法的用户用电廉情预警方法 | |
US11860213B2 (en) | Method, system and software product to identify installations likely to exhibit an electrical non-conformity | |
CN115587635A (zh) | 一种基于中性点偏移判断的台区线损分析方法、*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201201 |