CN112948524B - 基于环境和地理特征的智能电表运行区域分组方法和*** - Google Patents
基于环境和地理特征的智能电表运行区域分组方法和*** Download PDFInfo
- Publication number
- CN112948524B CN112948524B CN202110433038.8A CN202110433038A CN112948524B CN 112948524 B CN112948524 B CN 112948524B CN 202110433038 A CN202110433038 A CN 202110433038A CN 112948524 B CN112948524 B CN 112948524B
- Authority
- CN
- China
- Prior art keywords
- year
- area
- average
- grouping
- meteorological data
- 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 39
- 238000010606 normalization Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 238000001556 precipitation Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006353 environmental stress Effects 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/29—Geographical information databases
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or 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
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Remote Sensing (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于环境和地理特征的智能电表运行区域分组方法、***、终端和存储介质,所述方法包括:获取待分组区域内每个地级行政区内至少1处典型位置的历史气象数据;获取待分组区域内每个地级行政区的地理信息;将所述每个地级行政区以及其对应的历史气象数据和地理信息合并为一张分组要素表,对每个要素进行归一化处理;根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,其中,K为大于或等于1的正整数;采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组。本发明能够将环境应力类型相关的气象数据和地理特征,作为区域分组的要素,并根据所选取的要素,客观、快速的对目标区域进行分组。
Description
技术领域
本发明涉及智能电表运行分组技术领域,特别是涉及一种基于环境和地理特征的智能电表运行区域分组方法、***、终端和存储介质。
背景技术
不同地区安装使用的智能电能表,因为地理特征及环境条件的不同,其故障率水平可能呈现出较大差异,且主要故障模式和失效机理也会存在不同。为了方便电能表运营管理单位识别不同地域的环境和地理差异可能对电能表运行可靠性带来的影响,需要对智能电表的运行区域进行分组。
目前,现有分组方法通常按照气候带或根据单一环境条件结合地理位置特征进行分组,如按照寒带、温带、亚热带等进行分组,或按照温度条件、南北位置或海拔高度进行分组。但是,按照气候带或根据单一环境条件结合地理位置特征进行分组,分组精细度不足,无法体现地市级区域的气候差异。且按照单一环境条件进行分组,无法体现不同地区的综合环境条件对电能表运行影响的差异。
发明内容
本发明的目的是:提供一种基于环境和地理特征的智能电表运行区域分组方法、***、终端和存储介质,能够将环境应力类型相关的气象数据和地理特征,作为区域分组的要素。并根据所选取的要素,客观、快速的对目标区域进行分组。
为了实现上述目的,本发明提供了一种基于环境和地理特征的智能电表运行区域分组方法,包括:
S1、获取待分组区域内每个地级行政区内至少1处典型位置的历史气象数据;
S2、获取待分组区域内每个地级行政区的地理信息;
S3、将所述每个地级行政区以及其对应的历史气象数据和地理信息合并为一张分组要素表,对每个要素进行归一化处理;
S4、根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,其中,K为大于或等于1的正整数;
S5、采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组。
进一步地,所述历史气象数据包括:累年年平均气温、累年年平均相对湿度、累年平均年降水量、累年气温年较差和累年年平均气温日较差。
进一步地,所述获取待分组区域内每个地级行政区的地理信息,具体为:
获取待分组区域内每个地级行政区的地理信息,并将拥有海岸线的地级行政区标记为“1”,不拥有海岸线的地级行政区标记为“0”。
进一步地,所述归一化处理,具体采用如下公式:
式中,为要素原始值,xmaxj、xminj分别为第j类要素的最大值和最小值,xij是归一化处理后的指标值。
进一步地,所述根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,具体选取规则如下:
选取包含临海和内陆两类地级行政区;选取包含最南端和最北端的两个地级行政区;选取包含地形特征存在显著差异的地级行政区。
进一步地,所述采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组,具体为:
S51、完成所述初始聚类中心选取后,计算剩余地级行政区与每个初始聚类中心的距离,将其规纳入距离最近的区域组;
S52、计算各区域组的质心,并计算聚类质量目标函数;
S53、以各区域组质心代替初始聚类中心,重复执行步骤S51-S53,直到所述聚类质量目标函数收敛。
进一步地,所述计算各区域组的质心,并计算聚类质量目标函数,具体采用如下计算公式:
式中,mi为第i个区域聚类簇的样本均值;Ci为第i个簇的样本集合;Ni为第i个簇的样本总数;E为聚类质量目标函数;x为地级行政区样本点。
本发明还提供一种基于环境和地理特征的智能电表运行区域分组***,包括:气象数据模块、地理信息模块、归一化处理模块、选取模块和分组模块,其中,
所述气象数据模块,用于获取待分组区域内每个地级行政区内至少1处典型位置的历史气象数据;
所述地理信息模块,用于获取待分组区域内每个地级行政区的地理信息;
所述归一化处理模块,用于将所述每个地级行政区以及其对应的历史气象数据和地理信息合并为一张分组要素表,对每个要素进行归一化处理;
所述选取模,用于根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,其中,K为大于或等于1的正整数;
所述分组模块,用于采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组。
本发明还提供一种计算机终端设备,包括:一个或多个处理器;存储器,与所述处理器耦接,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一项所述的基于环境和地理特征的智能电表运行区域分组方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述任一项所述的基于环境和地理特征的智能电表运行区域分组方法。
本发明一种基于环境和地理特征的智能电表运行区域分组方法、***、终端和存储介质与现有技术相比,其有益效果在于:
本发明基于智能电能表所敏感的环境应力类型(温度、湿度、温度变化、雷电和盐雾),选取与这些环境应力类型相关的气象数据和地理特征,作为区域分组的要素,根据所选取的要素,能够客观、快速的对目标区域进行分组。
附图说明
图1是本发明某一实施例提供的一种基于环境和地理特征的智能电表运行区域分组方法的流程示意图;
图2是本发明某一实施例提供的一种基于环境和地理特征的智能电表运行区域分组***的结构示意图。
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在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如图1所示,本发明的一种基于环境和地理特征的智能电表运行区域分组方法,包括:
S1、获取待分组区域内每个地级行政区内至少1处典型位置的历史气象数据;
具体地,收集待分组区域内各地级行政区内至少1处典型位置(可优先选择各地级行政区内的基本气象站)不少于最近十年的历史气象数据;
需要说明的是,所述历史气象数据包括:累年年平均气温、累年年平均相对湿度、累年平均年降水量、累年气温年较差和累年年平均气温日较差。
具体地,所述累年年平均气温指的是:所收集的历史气象数据中,各年平均气温的平均值。
所述累年年平均相对湿度指的是:所收集的历史气象数据中,各年平均相对湿度的平均值。
所述累年平均年降水量指的是:所收集的历史气象数据中,各年平均年降水量的平均值。
所述累年气温年较差指的是:所收集的历史气象数据中,各年气温年较差的平均值。气温年较差指一年中最高月平均气温与最低月平均气温之差。
所述累年年平均气温日较差指的是:所收集的历史气象数据中,各年年平均气温日较差的平均值。气温日较差亦称气温日振幅,是指一天中气温最高值与最低值之差。
S2、获取待分组区域内每个地级行政区的地理信息;
具体地,获取待分组区域内每个地级行政区的地理信息,并将拥有海岸线的地级行政区标记为“1”,不拥有海岸线的地级行政区标记为“0”。
S3、将所述每个地级行政区以及其对应的历史气象数据和地理信息合并为一张分组要素表,对每个要素进行归一化处理;
具体地,所述归一化处理,具体采用如下公式:
式中,为要素原始值,xmaxj、xminj分别为第j类要素的最大值和最小值,xij是归一化处理后的指标值。
S4、根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,其中,K为大于或等于1的正整数;
具体地,初始聚类中心的选取原则为:
选取包含临海和内陆两类地级行政区;选取包含最南端和最北端的两个地级行政区;选取包含地形特征存在显著差异的地级行政区(例如高山、丘陵和平原)。
S5、采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组。
具体地,步骤S5包括以下步骤:
S51、完成所述初始聚类中心选取后,计算剩余地级行政区与每个初始聚类中心的距离,将其规纳入距离最近的区域组;
S52、计算各区域组的质心,并计算聚类质量目标函数;
S53、以各区域组质心代替初始聚类中心,重复执行步骤S51-S53,直到所述聚类质量目标函数收敛。
在本发明的某一个实施例中,所述历史气象数据包括:累年年平均气温、累年年平均相对湿度、累年平均年降水量、累年气温年较差和累年年平均气温日较差。
在本发明的某一个实施例中,所述获取待分组区域内每个地级行政区的地理信息,具体为:
获取待分组区域内每个地级行政区的地理信息,并将拥有海岸线的地级行政区标记为“1”,不拥有海岸线的地级行政区标记为“0”。
在本发明的某一个实施例中,所述归一化处理,具体采用如下公式:
式中,为要素原始值,xmaxj、xminj分别为第j类要素的最大值和最小值,xij是归一化处理后的指标值。
在本发明的某一个实施例中,所述根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,具体选取规则如下:
选取包含临海和内陆两类地级行政区;选取包含最南端和最北端的两个地级行政区;选取包含地形特征存在显著差异的地级行政区。
在本发明的某一个实施例中,所述采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组,具体为:
S51、完成所述初始聚类中心选取后,计算剩余地级行政区与每个初始聚类中心的距离,将其规纳入距离最近的区域组;
S52、计算各区域组的质心,并计算聚类质量目标函数;
S53、以各区域组质心代替初始聚类中心,重复执行步骤S51-S53,直到所述聚类质量目标函数收敛。
在本发明的某一个实施例中,所述计算各区域组的质心,并计算聚类质量目标函数,具体采用如下计算公式:
式中,mi为第i个区域聚类簇的样本均值;Ci为第i个簇的样本集合;Ni为第i个簇的样本总数;E为聚类质量目标函数;x为地级行政区样本点。
为了更好的理解本发明,可以由以下具体示例进行理解:
例如:对广东省智能电表运行区域进行分组,具体步骤如下:
(1)收集广东省内各地级行政区内1处基本气象站最近十年的气象观测数据;
(2)收集各地级行政区地理信息;
(3)将气象数据和地理信息合并为分组要素表(如表1所示),并进行归一化处理,归一化后结果如表2所示;
表1分组要素表
表2归一化后的分组要素表
(4)假定需要将广东省划分为3个区域组,则根据初始聚类中心选取原则,选择3个地级行政区作为初始聚类中心,选择结果见表3;
(5)采用K-means算法,基于分组要素表对智能电能表运行区域进行分组,分组结果见表3。
表3基于初始聚类中心的区域分组结果
本发明一种基于环境和地理特征的智能电表运行区域分组方法与现有技术相比,其有益效果在于:
本发明基于智能电能表所敏感的环境应力类型(温度、湿度、温度变化、雷电和盐雾),选取与这些环境应力类型相关的气象数据和地理特征,作为区域分组的要素,根据所选取的要素,能够客观、快速的对目标区域进行分组。
本发明还提供一种基于环境和地理特征的智能电表运行区域分组***200,包括:气象数据模块201、地理信息模块202、归一化处理模块203、选取模块204和分组模块205,其中,
所述气象数据模块201,用于获取待分组区域内每个地级行政区内至少1处典型位置的历史气象数据;
所述地理信息模块202,用于获取待分组区域内每个地级行政区的地理信息;
所述归一化处理模块203,用于将所述每个地级行政区以及其对应的历史气象数据和地理信息合并为一张分组要素表,对每个要素进行归一化处理;
所述选取模204,用于根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,其中,K为大于或等于1的正整数;
所述分组模块205,用于采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组。
本发明一种基于环境和地理特征的智能电表运行区域分组***与现有技术相比,其有益效果在于:
本发明基于智能电能表所敏感的环境应力类型(温度、湿度、温度变化、雷电和盐雾),选取与这些环境应力类型相关的气象数据和地理特征,作为区域分组的要素,根据所选取的要素,能够客观、快速的对目标区域进行分组。
本发明还提供一种计算机终端设备,包括:一个或多个处理器;存储器,与所述处理器耦接,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一项所述的基于环境和地理特征的智能电表运行区域分组方法。
需要说明的是,所述处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以是微处理器,或者所述处理器也可以是任何常规的处理器,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区,其中,程序存储区可存储操作***、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(SmartMediaCard,SMC)、安全数字(SecureDigital,SD)卡和闪存卡(FlashCard)等,或所述存储器也可以是其他易失性固态存储器件。
需要说明的是,上述终端设备可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,上述终端设备仅仅是示例,并不构成对终端设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述任一项所述的基于环境和地理特征的智能电表运行区域分组方法。
需要说明的是,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序),所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于环境和地理特征的智能电表运行区域分组方法,其特征在于,包括:
S1、获取待分组区域内每个地级行政区内至少1处典型位置的历史气象数据;
S2、获取待分组区域内每个地级行政区的地理信息;
S3、将所述每个地级行政区以及其对应的历史气象数据和地理信息合并为一张分组要素表,对每个要素进行归一化处理;
S4、根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,其中,K为大于或等于1的正整数;
S5、采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组;
其中,所述历史气象数据包括:累年年平均气温、累年年平均相对湿度、累年平均年降水量、累年气温年较差和累年年平均气温日较差;所述累年年平均气温为所述历史气象数据中各年平均气温的平均值;所述累年年平均相对湿度为所述历史气象数据中各年平均相对湿度的平均值;所述累年平均年降水量为所述历史气象数据中各年平均降水量的平均值;所述累年气温年较差为所述历史气象数据中各年的最高月平均气温与最低月平均气温之差的平均值;所述累年年平均气温日较差为所述历史气象数据中各年的一天中气温最高值与最低值之差的平均值;
所述获取待分组区域内每个地级行政区的地理信息,具体为:
获取待分组区域内每个地级行政区的地理信息,并将拥有海岸线的地级行政区标记为“1”,不拥有海岸线的地级行政区标记为“0”;
所述根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,具体选取规则如下:
选取包含临海和内陆两类地级行政区;选取包含最南端和最北端的两个地级行政区;选取包含地形特征存在显著差异的地级行政区。
2.根据权利要求1所述的基于环境和地理特征的智能电表运行区域分组方法,其特征在于,所述归一化处理,具体采用如下公式:
式中,为要素原始值,xmaxj、xminj分别为第j类要素的最大值和最小值,xij是归一化处理后的指标值。
3.根据权利要求1所述的基于环境和地理特征的智能电表运行区域分组方法,其特征在于,所述采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组,具体为:
S51、完成所述初始聚类中心选取后,计算剩余地级行政区与每个初始聚类中心的距离,将其规纳入距离最近的区域组;
S52、计算各区域组的质心,并计算聚类质量目标函数;
S53、以各区域组质心代替初始聚类中心,重复执行步骤S51-S53,直到所述聚类质量目标函数收敛。
4.根据权利要求3所述的基于环境和地理特征的智能电表运行区域分组方法,其特征在于,所述计算各区域组的质心,并计算聚类质量目标函数,具体采用如下计算公式:
式中,mi为第i个区域聚类簇的样本均值;Ci为第i个簇的样本集合;Ni为第i个簇的样本总数;E为聚类质量目标函数;x为地级行政区样本点。
5.一种基于环境和地理特征的智能电表运行区域分组***,其特征在于,包括:气象数据模块、地理信息模块、归一化处理模块、选取模块和分组模块,其中,
所述气象数据模块,用于获取待分组区域内每个地级行政区内至少1处典型位置的历史气象数据;
所述地理信息模块,用于获取待分组区域内每个地级行政区的地理信息;
所述归一化处理模块,用于将所述每个地级行政区以及其对应的历史气象数据和地理信息合并为一张分组要素表,对每个要素进行归一化处理;
所述选取模,用于根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,其中,K为大于或等于1的正整数;
所述分组模块,用于采用K-means算法,根据所述分组要素表对智能电能表运行区域进行分组;
其中,所述历史气象数据包括:累年年平均气温、累年年平均相对湿度、累年平均年降水量、累年气温年较差和累年年平均气温日较差;所述累年年平均气温为所述历史气象数据中各年平均气温的平均值;所述累年年平均相对湿度为所述历史气象数据中各年平均相对湿度的平均值;所述累年平均年降水量为所述历史气象数据中各年平均降水量的平均值;所述累年气温年较差为所述历史气象数据中各年的最高月平均气温与最低月平均气温之差的平均值;所述累年年平均气温日较差为所述历史气象数据中各年的一天中气温最高值与最低值之差的平均值;
所述获取待分组区域内每个地级行政区的地理信息,具体为:
获取待分组区域内每个地级行政区的地理信息,并将拥有海岸线的地级行政区标记为“1”,不拥有海岸线的地级行政区标记为“0”;
所述根据需要划分的区域组数K,选取K个地级行政区作为K个区域分组的初始聚类中心,具体选取规则如下:
选取包含临海和内陆两类地级行政区;选取包含最南端和最北端的两个地级行政区;选取包含地形特征存在显著差异的地级行政区。
6.一种计算机终端设备,其特征在于,包括:
一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至4任一项所述的基于环境和地理特征的智能电表运行区域分组方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于环境和地理特征的智能电表运行区域分组方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433038.8A CN112948524B (zh) | 2021-04-21 | 2021-04-21 | 基于环境和地理特征的智能电表运行区域分组方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433038.8A CN112948524B (zh) | 2021-04-21 | 2021-04-21 | 基于环境和地理特征的智能电表运行区域分组方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112948524A CN112948524A (zh) | 2021-06-11 |
CN112948524B true CN112948524B (zh) | 2024-04-26 |
Family
ID=76233162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110433038.8A Active CN112948524B (zh) | 2021-04-21 | 2021-04-21 | 基于环境和地理特征的智能电表运行区域分组方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112948524B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570729A (zh) * | 2016-11-14 | 2017-04-19 | 南昌航空大学 | 基于空调可靠性影响因素的区域聚类方法 |
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*** |
CN109214458A (zh) * | 2018-09-19 | 2019-01-15 | 合肥工业大学 | 一种基于历史数据的城市负荷量化方法 |
CN109977174A (zh) * | 2019-03-12 | 2019-07-05 | 黑龙江省电工仪器仪表工程技术研究中心有限公司 | 一种基于自然环境特征的智能电能表归类方法 |
CN110866074A (zh) * | 2019-07-02 | 2020-03-06 | 黑龙江省电工仪器仪表工程技术研究中心有限公司 | 基于地域特征的电能表改进型K-means分类方法 |
CN112528113A (zh) * | 2020-12-16 | 2021-03-19 | 国网经济技术研究院有限公司 | 基于供电可靠性多维大数据的终端用户划分方法及*** |
-
2021
- 2021-04-21 CN CN202110433038.8A patent/CN112948524B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570729A (zh) * | 2016-11-14 | 2017-04-19 | 南昌航空大学 | 基于空调可靠性影响因素的区域聚类方法 |
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*** |
CN109214458A (zh) * | 2018-09-19 | 2019-01-15 | 合肥工业大学 | 一种基于历史数据的城市负荷量化方法 |
CN109977174A (zh) * | 2019-03-12 | 2019-07-05 | 黑龙江省电工仪器仪表工程技术研究中心有限公司 | 一种基于自然环境特征的智能电能表归类方法 |
CN110866074A (zh) * | 2019-07-02 | 2020-03-06 | 黑龙江省电工仪器仪表工程技术研究中心有限公司 | 基于地域特征的电能表改进型K-means分类方法 |
CN112528113A (zh) * | 2020-12-16 | 2021-03-19 | 国网经济技术研究院有限公司 | 基于供电可靠性多维大数据的终端用户划分方法及*** |
Non-Patent Citations (1)
Title |
---|
电能表故障与地域气候、行业负荷关系研究;薛阳;杜新纲;张蓬鹤;张加海;邹宇汉;彭楚宁;;中国电力;20170805(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112948524A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Raziei | A precipitation regionalization and regime for Iran based on multivariate analysis | |
Giddings et al. | Standardized precipitation index zones for Mexico | |
Trancoso et al. | Linking the Budyko framework and the Dunne diagram | |
Davis et al. | The method for object-based diagnostic evaluation (MODE) applied to numerical forecasts from the 2005 NSSL/SPC Spring Program | |
Ahmed et al. | Arrival and withdrawal dates of the summer monsoon in Bangladesh | |
Xing et al. | Monitoring monthly surface water dynamics of Dongting Lake using Sentinel-1 data at 10 m | |
CN110751412B (zh) | 一种农业气象灾害预警方法及*** | |
Kundu et al. | Analysis of long-term rainfall trends and change point in West Bengal, India | |
Basalirwa et al. | The climatological regions of Tanzania based on the rainfall characteristics | |
Kousari et al. | A survey of temporal and spatial reference crop evapotranspiration trends in Iran from 1960 to 2005 | |
Kolachian et al. | Deterministic and probabilistic evaluation of raw and post processed sub-seasonal to seasonal precipitation forecasts in different precipitation regimes | |
CN106845096A (zh) | 一种基于多指标的旱情综合评估方法 | |
Arab Amiri et al. | Spatial variability analysis of precipitation in northwest Iran | |
Sharafi et al. | Calibration of empirical equations for estimating reference evapotranspiration in different climates of Iran | |
CN112948524B (zh) | 基于环境和地理特征的智能电表运行区域分组方法和*** | |
CN110489619A (zh) | 暖区暴雨识别与分类的方法及*** | |
Winkler | Selection of climate information for regional climate change assessments using regionalization techniques: an example for the Upper Great Lakes Region, USA. | |
Zamani et al. | Modeling monthly rainfall data using zero-adjusted models in the semi-arid, arid and extra-arid regions | |
CN115082803B (zh) | 基于植被季相变化的耕地撂荒监测方法、装置和存储介质 | |
Minářová et al. | Comparison of extreme precipitation characteristics between the Ore Mountains and the Vosges Mountains (Europe) | |
Adeniyi | Variability of daily precipitation over Nigeria | |
Huffman et al. | An exploratory analysis of wind patterns of Alberta, Canada | |
CN114092276A (zh) | 台区短期负荷的预测方法 | |
van den Bossche et al. | Representativeness of wind measurements in moderately complex terrain | |
Runfola et al. | GeoSIMEX: A generalized approach to modeling spatial imprecision |
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 |