CN113570200B - 一种基于多维信息的电网运行状态监测方法及*** - Google Patents
一种基于多维信息的电网运行状态监测方法及*** Download PDFInfo
- Publication number
- CN113570200B CN113570200B CN202110742519.7A CN202110742519A CN113570200B CN 113570200 B CN113570200 B CN 113570200B CN 202110742519 A CN202110742519 A CN 202110742519A CN 113570200 B CN113570200 B CN 113570200B
- Authority
- CN
- China
- Prior art keywords
- data
- power grid
- abnormal
- operation state
- sample
- 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 35
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000004220 aggregation Methods 0.000 claims abstract description 5
- 230000002776 aggregation Effects 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000013499 data model Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 9
- 238000007621 cluster analysis Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本发明公开了一种基于多维信息的电网运行状态监测方法，包括以下步骤：(1)构建数据模型实现对采集得到的历史数据和实时数据的基础信息存储，存储内容包括时间、原始值、实际值、质量状态信息；(2)基于步骤(1)获得的基础数据进行分析，甄别正常数据与异常数据，获取能表征典型特征的有效数据；(3)根据获取的典型特征数据进行聚合分析，得到某一历史时间范围的典型特征曲线；(4)将电网实际运行数据与步骤(3)中获取的典型特征曲线进行比较，计算相似度，根据相似度对电网运行状态进行自动监测。本发明解决了电网运行中数据质量参差不齐、运行状态感知能力弱、异常故障识别滞后的运行监测难题。
Description
技术领域
本发明涉及一种电力***电网运行监测方法和***，尤其涉及一种基于多维信息的电网运行状态监测方法及***。
背景技术
近年来，随着电网规模不断扩大，新能源大规模集中接入，电网结构日益复杂，调控安全运行面临严峻挑战。调度自动化主站***作为电网运行控制和调度生产管理的核心支撑***，其稳定性和可靠性对调控安全运行至关重要。而自动化主站***涉及的环节多、设备关联性强、实时性要求高，任意环节的可靠性问题都会影响到***的安全和功能的使用。同时，***内业务数据的数量和种类也在逐步增多，数据质量参差不齐，缺乏有效的基础数据质量评估和检测手段，影响监控及调度的决策。因此，有必要基于电网调控控制***建设与应用现状，通过对***所有实时数据、历史数据、计算数据及模型异常数据进行深度挖掘、多角度分析与诊断处理，进一步夯实数据基础，提升状态感知精度，保障数据的准确、及时、有效和可信，为电网安全运行提供有力保障。
发明内容
发明目的：针对以上问题，本发明提出一种基于多维信息的电网运行状态监测方法及***，能够提高电网对数据有效性的辨识水平、异常故障识别效率和准确性，解决电网运行中数据质量参差不齐、运行状态感知能力弱、异常故障识别滞后的运行监测难题。
技术方案：本发明所采用的技术方案是一种基于多维信息的电网运行状态监测方法，包括以下步骤：
(1)构建数据模型实现对采集得到的历史数据和实时数据的基础信息存储，存储内容包括时间、原始值、实际值、质量状态信息；所述的基础信息存储，存储方式采用永久性存储或覆盖式存储。
(2)基于步骤(1)获得的基础数据进行分析，甄别正常数据与异常数据，获取能表征典型特征的有效数据；其中所述的甄别正常数据与异常数据包括：
直采数据异常识别：对于站端上送导致的异常数据，将对应的量测及质量码标志为异常并提交数据库进行分类存储；
结合网络拓扑的可疑数据识别：通过对电网结构或模型文件的解析获取电网拓扑结构，建立电网遥测遥信数据与设备间的对应关系，并利用遥测遥信数据与所述电网拓扑结构、对应设备、潮流之间的约束条件，对不满足约束条件的遥测遥信数据标志为异常数据；
基于数据集合的异常状态识别：将重点关注的设备量测或者计算结果数据按照一定关联关系定义成一个集合，当集合中任何一个量测值不与集合中的其他数据同步更新时，则进行异常标注。
(3)根据获取的典型特征数据进行聚合分析，得到某一历史时间范围的典型特征曲线；所述的根据获取的典型特征数据进行聚合分析，是采用Kmeans聚类分析方法，所述Kmeans聚类分析方法中的成本函数公式如下：
式中，J表示成本函数，μi为第i个聚类的均值，x为样本值，j为样本数，ck为样本类别。
所述Kmeans聚类分析方法包括以下步骤：
(31)数据预处理，对数据进行归一化处理；
(32)对归一化处理后的数据进行拉普拉斯特征映射降维；
(33)在数据集中随机选取K个聚类中心{y1，y2，…yk}，并设定迭代终止阈值ε和最大迭代次数M；按照式
ci＝arg min[d(xi，yj)]1≤i≤N，1≤j≤K
确定每个样本数据所属的类别，其中ci表示第i个样本所属的类别，d(xi,yj)表示第i个样本到第j个聚类中心的欧式距离，xi表示样本负荷，yi表示聚类中心；N、K分别代表样本个数和聚类中心个数。
(34)通过Davies-Bouldin指数、Calinski-Harabasz指标分析，计算最优聚类的类别数k；
(35)根据聚类结果，获取历史时段的典型特征曲线。
(4)将电网实际运行数据与步骤(3)中获取的典型特征曲线进行比较，计算相似度，根据相似度对电网运行状态进行自动监测。
对应于上述的监测方法，本发明提供基于多维信息的电网运行状态监测***和计算机程序产品。
有益效果：相比于现有技术，本发明具有以下优点：通过大数据挖掘方法，将直采数据环节、约束条件和数据集合三个维度相结合，实现正常数据与异常数据的有效甄别及提取，能够提高对不良数据的辨识效果，提高数据有效性，改善数据质量参差不齐的状况。同时，进一步结合Kmeans聚类分析方法，有效估算海量数据集中最合适的聚类数量，构造聚类集合，根据数据特征对不良数据进行辨识与修正，为后续的数据分析告警建立扎实基础。另外，本发明中数据的存储方式可选择永久或滚动模式，对于重要数据可选择永久性存储，其它为覆盖式保存，可最大限度节约硬件资源，提高设备使用效率。
附图说明
图1是本发明所述的基于多维信息的电网运行状态监测方法的流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的基于多维信息的电网运行状态监测方法，流程图如图1所示。从历史数据、实时数据、计算数据以及质量评估等多个维度进行说明：
首先，需要构建一套基于时间序列的数据模型，用于历史数据、实时数据、计算数据等基础信息的数据采集和存储。存储方式可选择永久或滚动模式，对于重要数据可选择永久性存储，其它为覆盖式保存。这样做的好处是可最大限度节约硬件资源，提高设备使用效率。
其次，基于海量实时和历史数据，运用大数据挖掘方法，实现正常数据与异常数据的有效甄别及提取。直采数据异常识别：对于是由于站端上送导致的异常数据，将对应的量测及质量码打上异常标志并提交数据库进行分类存储，为进一步进行数据关联分析提供基础数据；结合网络拓扑的可疑数据识别：通过对电网结构或模型文件的解析获取电网拓扑结构，建立电网遥测遥信数据与设备间的对应关系，并利用拓扑结构、遥信与潮流的约束关系，实现遥测、遥信异常数据的辨识；基于数据集合的异常状态识别：通过将一些重点关注的设备量测或者计算结果按照一定关联关系定义成一个集合进行监视，比如***频率、全网总加、联络线潮流等，监视集合中任何一个量测值不刷新时，则进行异常标注。
在此基础上，通过对不良数据的辨识，并应用Kmeans聚类分析方法，有效估算海量数据集中最合适的聚类数量，构造聚类集合，根据数据特征对不良数据进行辨识与修正。Kmeans算法是一个重复移动类中心点的过程，把类的中心点，也称重心(centroids)，移动到其包含成员的平均位置，然后重新划分其内部成员。k是算法计算出的超参数，表示类的数量；Kmeans可以自动分配样本到不同的类，但是不能决定究竟要分几个类。k必须是一个比训练集样本数小的正整数。有时，类的数量是由问题内容指定的。Kmeans的参数是类的重心位置和其内部观测值的位置。与广义线性模型和决策树类似，Kmeans参数的最优解也是以成本函数最小化为目标。Kmeans成本函数公式如下：
式中，J表示成本函数，μi为第i个聚类的均值，x为样本值，j为样本数，ck为样本类别。
利用K-means算法进行无监督聚类的步骤如下：
(31)数据预处理。数据清洗，并对数据进行归一化处理；
(32)拉普拉斯特征映射降维。用局部的角度去构建数据之间的关系。如果两个数据实例很相似，那么在降维后目标子空间中应该尽量接近。其直观思想是希望相互间有关系的点在降维后的空间中尽可能的靠近；
(33)在原始数据集中随机选取K个聚类中心{y1，y2，…yk}，并设定迭代终止阈值ε和最大迭代次数M；按照式
ci＝arg min[d(xi，yj)]1≤i≤N，1≤j≤K
确定每个样本数据所属的类别，其中ci表示第i个样本所属的类别，d(xi,yj)表示第i个样本到第j个聚类中心的欧式距离。该式表示样本负荷xi属于使其到聚类中心距离最小的那个类别；
(34)寻找最优类别数。通过Davies-Bouldin指数、Calinski-Harabasz指标分析，计算最优聚类的类别数k；
(35)根据聚类结果，获取历史时段的典型特征曲线。
结合不同物理量测类型、不同时段的测点特性曲线分析结果，实现对异常数据和运行状态的自动监测；通过可疑状态智能识别，提取故障发生的共同特性，充分表达***运行故障的相关性，并基于故障关联因子建立故障诊断模型；通过多维度关联分析算法，实现***故障快速诊断与定位，智能识别影响***安全运行的薄弱环节；通过建立指标评估体系，对电网运行健康状况进行***评估和综合分析，为实现运行状态的在线采集与监视告警打下坚实基础。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (5)
1.一种基于多维信息的电网运行状态监测方法，其特征在于，包括以下步骤：
(1)构建数据模型实现对采集得到的历史数据和实时数据的基础信息存储，存储内容包括时间、原始值、实际值、质量状态信息；
(2)基于步骤(1)获得的基础数据进行分析，甄别正常数据与异常数据，获取能表征典型特征的有效数据；
(3)根据获取的典型特征数据进行聚合分析，得到某一历史时间范围的典型特征曲线；
(4)将电网实际运行数据与步骤(3)中获取的典型特征曲线进行比较，计算相似度，根据相似度对电网运行状态进行自动监测；
步骤(2)中所述的甄别正常数据与异常数据包括：
直采数据异常识别：对于站端上送导致的异常数据，将对应的量测及质量码标志为异常并提交数据库进行分类存储；
结合网络拓扑的可疑数据识别：通过对电网结构或模型文件的解析获取电网拓扑结构，建立电网遥测遥信数据与设备间的对应关系，并利用遥测遥信数据与所述电网拓扑结构、对应设备、潮流之间的约束条件，对不满足约束条件的遥测遥信数据标志为异常数据；
基于数据集合的异常状态识别：将重点关注的设备量测或者计算结果数据按照一定关联关系定义成一个集合，当集合中任何一个量测值不与集合中的其他数据同步更新时，则进行异常标注；
步骤(3)中所述的根据获取的典型特征数据进行聚合分析，是采用Kmeans聚类分析方法，所述Kmeans聚类分析方法中的成本函数公式如下：
式中，J表示成本函数，μi为第i个聚类的均值，x为样本值，j为样本数，ck为样本类别。
2.根据权利要求1所述的基于多维信息的电网运行状态监测方法，其特征在于，所述Kmeans聚类分析方法包括以下步骤：
(31)数据预处理，对数据进行归一化处理；
(32)对归一化处理后的数据进行拉普拉斯特征映射降维；
(33)在数据集中随机选取K个聚类中心{y1，y2，…yk}，并设定迭代终止阈值ε和最大迭代次数M；按照式
ci-argmin[d(xi，yj)]1≤i≤N，1≤j≤K
确定每个样本数据所属的类别，其中ci表示第i个样本所属的类别，d(xi，yj)表示第i个样本到第j个聚类中心的欧式距离，xi表示样本负荷，yi表示聚类中心；N、K分别代表样本个数和聚类中心个数；
(34)通过Davies-Bouldin指数、Calinski-Harabasz指标分析，计算最优聚类的类别数k；
(35)根据聚类结果，获取历史时段的典型特征曲线。
3.根据权利要求1所述的基于多维信息的电网运行状态监测方法，其特征在于：步骤(1)中所述的基础信息存储，存储方式采用永久性存储或覆盖式存储。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于多维信息的电网运行状态监测程序，所述基于多维信息的电网运行状态监测程序执行如权利要求1至3任一项权利要求所述的基于多维信息的电网运行状态监测方法中所执行的步骤。
5.一种基于多维信息的电网运行状态监测***，其特征在于，包括处理器和存储器，处理器加载并执行指令以实现如权利要求1至3任一项权利要求所述的基于多维信息的电网运行状态监测方法中所执行的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110742519.7A CN113570200B (zh) | 2021-06-30 | 2021-06-30 | 一种基于多维信息的电网运行状态监测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110742519.7A CN113570200B (zh) | 2021-06-30 | 2021-06-30 | 一种基于多维信息的电网运行状态监测方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113570200A CN113570200A (zh) | 2021-10-29 |
| CN113570200B true CN113570200B (zh) | 2023-10-03 |
Family
ID=78163278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110742519.7A Active CN113570200B (zh) | 2021-06-30 | 2021-06-30 | 一种基于多维信息的电网运行状态监测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113570200B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114253953A (zh) * | 2021-11-18 | 2022-03-29 | 国电南京自动化股份有限公司 | 基于聚类分析的配电网多维数据处理方法及*** |
| CN114088416B (zh) * | 2021-11-19 | 2023-12-08 | 一汽解放汽车有限公司 | 液力缓速器消音器故障诊断方法、装置及计算机设备 |
| CN114511245A (zh) * | 2022-02-24 | 2022-05-17 | 国电南瑞科技股份有限公司 | 一种集控***的多变压器状态多维评估展示方法、***、存储介质及计算设备 |
| CN117332857B (zh) * | 2023-09-19 | 2024-04-02 | 上海聚数信息科技有限公司 | 一种基于多源数据的电网数据自动化管理***及方法 |
| CN117726232B (zh) * | 2023-12-22 | 2024-06-14 | 国网湖北省电力有限公司营销服务中心(计量中心) | 一种电力***服务用户的综合评价方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107423746A (zh) * | 2017-04-06 | 2017-12-01 | 广东电网有限责任公司云浮供电局 | 基于聚类分析的电力线通信用电量数据分析方法及*** |
| CN107516170A (zh) * | 2017-08-30 | 2017-12-26 | 东北大学 | 一种基于设备故障概率和电网运行风险的差异自愈控制方法 |
| CN108830745A (zh) * | 2018-06-29 | 2018-11-16 | 国网上海市电力公司 | 基于监控信息的电网连锁故障诊断、预警、评估*** |
| CN110458195A (zh) * | 2019-07-10 | 2019-11-15 | 河海大学 | 一种基于多判据融合的异常数据甄别方法 |
| CN111091143A (zh) * | 2019-11-22 | 2020-05-01 | 国网新疆电力有限公司电力科学研究院 | 基于深度信念网络和K-means聚类的配变重过载预警方法 |
| CN111123039A (zh) * | 2019-12-31 | 2020-05-08 | 国网北京市电力公司 | 基于同期特征与改进K-means聚类的配电网异常线损诊断方法 |
| CN111860692A (zh) * | 2020-07-31 | 2020-10-30 | 国网重庆市电力公司电力科学研究院 | 一种基于K-mediod的物联网环境下的异常数据检测方法 |
| CN112307003A (zh) * | 2020-11-02 | 2021-02-02 | 合肥优尔电子科技有限公司 | 电网数据多维辅助分析方法、***、终端及可读存储介质 |
| CN112348339A (zh) * | 2020-10-28 | 2021-02-09 | 国网信通亿力科技有限责任公司 | 一种基于大数据分析的配电网规划方法 |
| CN112733878A (zh) * | 2020-12-08 | 2021-04-30 | 国网辽宁省电力有限公司锦州供电公司 | 一种基于kmeans-SVM算法的变压器故障诊断方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005015366A2 (en) * | 2003-08-08 | 2005-02-17 | Electric Power Group, Llc | Real-time performance monitoring and management system |
-
2021
- 2021-06-30 CN CN202110742519.7A patent/CN113570200B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107423746A (zh) * | 2017-04-06 | 2017-12-01 | 广东电网有限责任公司云浮供电局 | 基于聚类分析的电力线通信用电量数据分析方法及*** |
| CN107516170A (zh) * | 2017-08-30 | 2017-12-26 | 东北大学 | 一种基于设备故障概率和电网运行风险的差异自愈控制方法 |
| CN108830745A (zh) * | 2018-06-29 | 2018-11-16 | 国网上海市电力公司 | 基于监控信息的电网连锁故障诊断、预警、评估*** |
| CN110458195A (zh) * | 2019-07-10 | 2019-11-15 | 河海大学 | 一种基于多判据融合的异常数据甄别方法 |
| CN111091143A (zh) * | 2019-11-22 | 2020-05-01 | 国网新疆电力有限公司电力科学研究院 | 基于深度信念网络和K-means聚类的配变重过载预警方法 |
| CN111123039A (zh) * | 2019-12-31 | 2020-05-08 | 国网北京市电力公司 | 基于同期特征与改进K-means聚类的配电网异常线损诊断方法 |
| CN111860692A (zh) * | 2020-07-31 | 2020-10-30 | 国网重庆市电力公司电力科学研究院 | 一种基于K-mediod的物联网环境下的异常数据检测方法 |
| CN112348339A (zh) * | 2020-10-28 | 2021-02-09 | 国网信通亿力科技有限责任公司 | 一种基于大数据分析的配电网规划方法 |
| CN112307003A (zh) * | 2020-11-02 | 2021-02-02 | 合肥优尔电子科技有限公司 | 电网数据多维辅助分析方法、***、终端及可读存储介质 |
| CN112733878A (zh) * | 2020-12-08 | 2021-04-30 | 国网辽宁省电力有限公司锦州供电公司 | 一种基于kmeans-SVM算法的变压器故障诊断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于聚类的电网运行监控信息辨识分类方法研究;余振华;杨世勇;舒征宇;李黄强;张伟奇;;湖北电力(第04期);第17-220页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113570200A (zh) | 2021-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113570200B (zh) | 一种基于多维信息的电网运行状态监测方法及*** | |
| CN111614491B (zh) | 一种面向电力监控***安全态势评估指标选取方法及*** | |
| CN112699913A (zh) | 一种台区户变关系异常诊断方法及装置 | |
| CN111506478A (zh) | 基于人工智能实现告警管理控制的方法 | |
| CN111624931B (zh) | 工业园区用电互联网智能运维管控***及其方法 | |
| CN110750524A (zh) | 一种有源配电网故障特征的确定方法及*** | |
| CN108197817A (zh) | 一种基于大数据的非侵入式负荷暂态监测的方法 | |
| CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及*** | |
| CN111709668A (zh) | 基于数据挖掘技术的电网设备参数风险识别方法及装置 | |
| CN111680712B (zh) | 基于日内相似时刻的变压器油温预测方法、装置及*** | |
| CN112241606A (zh) | 基于cps决策模块的船舶智能设备运维的协同决策方法 | |
| CN112288157A (zh) | 一种基于模糊聚类与深度强化学习的风电场功率预测方法 | |
| CN112529053A (zh) | 一种服务器中时序数据短期预测方法及*** | |
| CN116011825A (zh) | 一种配电电缆线路运行风险多维度评价方法 | |
| CN116365519B (zh) | 一种电力负荷预测方法、***、存储介质及设备 | |
| CN116701846A (zh) | 一种基于无监督学习的水电站调度运行数据清洗方法 | |
| CN110928741B (zh) | ***状态监视方法、装置和存储介质 | |
| CN114154567A (zh) | 一种基于机器学习的风电场站运行数据异常识别方法 | |
| CN115378000A (zh) | 基于区间二型模糊聚类分析的配电网运行状态评估方法 | |
| CN116662466B (zh) | 通过大数据进行土地全生命周期维护*** | |
| Li | Practice of machine learning algorithm in data mining field | |
| Yu et al. | Application of distance measure in KNN motor fault diagnosis | |
| CN117335571B (zh) | 一种配电网智能化故障预警管理***及方法 | |
| CN117171678B (zh) | 一种微生物修复过程中土壤微生物菌群调控方法及*** | |
| CN114722891A (zh) | 一种台区状态分类方法 |
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 |