CN113674105A - 一种电能质量在线监测数据质量评估方法 - Google Patents
一种电能质量在线监测数据质量评估方法 Download PDFInfo
- Publication number
- CN113674105A CN113674105A CN202110854020.5A CN202110854020A CN113674105A CN 113674105 A CN113674105 A CN 113674105A CN 202110854020 A CN202110854020 A CN 202110854020A CN 113674105 A CN113674105 A CN 113674105A
- Authority
- CN
- China
- Prior art keywords
- data
- evaluation
- quality
- index
- matrix
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000001303 quality assessment method Methods 0.000 title claims description 6
- 238000011156 evaluation Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000013441 quality evaluation Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
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
- 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
-
- 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
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电能质量在线监测数据质量评估方法,包括以下步骤:步骤1、建立电能质量在线监测数据质量评估模型;步骤2、建立数据完整性、数据正确性和数据有效性三个评估指标体系,并计算出每条监测数据对应的评估指标值;步骤3、采用层次分析法构建判断举证计算各评估指标的权重;步骤4、计算各评估指标对应的综合评估值,得到评估结果。本发明能够有效的方便筛除“失真”数据,为数据质量的评估提供了可量化的计算方法。
Description
技术领域
本发明属于电能质量监测技术领域,尤其是一种电能质量在线监测数据质量评估方法。
背景技术
准确可靠的电能质量在线监测数据是进行电能质量评估、诊断和治理的基础,导致电能质量在线监测数据测量误差或者“失真”的原因很多,主要包括装置本身和计算算法、装置接线错误问题、暂态运行工况导致的稳态电能质量指标(电压波动和闪变、谐波等)超标问题、PT接地方式导致的零序电压测量失真问题(会导致电压偏差超标、零序谐波电压超标等)、CVT谐振导致的低次谐波电压测量不准确性问题等。
目前针对该问题基本是靠运维人员的经验去判断,经验判断主观性非常大,容易导致电能质量治理决策误判,因此开展电能质量在线监测数据质量的评估非常有必要。
经检索,未发现与本发明相同或相近似的现有技术的公开文献。
发明内容
本发明的目的在于克服现有技术的不足,提出一种电能质量在线监测数据质量评估方法,能够有效的方便筛除“失真”数据,确保电能质量在线监测数据的可靠性。
本发明解决其现实问题是采取以下技术方案实现的:
一种电能质量在线监测数据质量评估方法,包括以下步骤:
步骤1、建立电能质量在线监测数据质量评估模型;
步骤2、建立数据完整性、数据正确性和数据有效性三个评估指标体系,并计算出每条监测数据对应的评估指标值;
步骤3、采用层次分析法构建判断举证计算各评估指标的权重;
步骤4、计算各评估指标对应的综合评估值,得到评估结果。
而且,所述步骤1的电能质量在线监测数据质量评估模型为:
M=(D,I,R,W,S) (1)
式中:D为需要进行评估的统计数据对象;I为统计数据D上需要进行评估的指标集合,记为I=(I1,I2,...,Im),其中Ii=(i=1,2,...,m)表示第i个评估指标,m为评估指标总数;R为与评估指标相对应的规则集合,记为R={Ri,r},Ri,r表示指标Ii的第r个规则;W为赋予规则R的权重;S为数据对象基于评估规则进行数据质量评估的最终评价得分结果。
而且,所述步骤2的计算方法为:
(1)数据完整性
由于装置掉电和网络故障均会造成通信中断,设日通信中断时间为T,计数据的时间间隔为μ,日预期数据数量为N,实际得到的数据数量为M,则排除装置掉电时间和网络故障时间,计算得出由装置故障造成的数据缺失数量M1:
因此,数据完整率可以用以下式子进行表示:
(2)数据正确性
通过分析数据曲线的变化率来发现数据中的异常点,对于第k个数据点,具体计算公式如下:
其中,
式子中,xk为第k个数据点的数值;l1为第k个数据点的前变化率;l2为第k个数据点的后变化率;
判断异常点的方法,设定一个阈值v,如果满足l1>v且l2.>v,则目标点数据为异常数据;假设异常数据的数量为M2,则数据正确率为
(3)数据有效性
依据时间戳核查监测数据,假设异常数据的数量为M3,则数据有效率为:
而且,所述步骤3的具体步骤包括:
(1)采用层次分析法1-9标度法构建判断矩阵,对权重进行计算;
从准则层开始使用1-9尺度构造判断矩阵A,即:
根据判断矩阵A,通过矩阵运算方法,可求出最大特征值λmax所对应的特征向量W,即
AW=λmaxW (11)
所求出的特征向量W经归一化处理,根据各个评价因素的重要性排序,也即权重分配;
(2)采用根法求解最大特征值。
而且,所述步骤3第(2)步的具体步骤包括:
①将判断矩阵A中的每一列元素相乘并开n次方,得到向量矩阵W*=[w1 *,w2 *,...,wn *]T,其中,
②对W*进行归一化,得到权重向量矩阵W=[w1,w2,...,wn]T,其中,第i个规则的权重为:
③对判断矩阵A的每列元素进行求和,得到向量矩阵Q=[q1,q2,...,qn],其中:
④计算λmax的值:
⑤对判断矩阵进行一致性检验,公式如下:
式中:CR为判断矩阵的随机一致性比率;Ri为判断矩阵的平均随机一致性比率,Ci为一般一致性指标;
当A的CR<0.1或λmax=n,Ci=0时,认为A有满意一致性,否则需要调整A中的元素以使其具有满意一致性。
而且,所述步骤4的具体方法为:
根据评估规则集中的每条评估规则,逐层计算对应指标的评估结果S;根据所得到的权重系数W和评估结果S,计算出数据质量的综合评估值SA:
式子中si为第i个规则的评估值。
本发明的优点和有益效果:
本发明提出一种电能质量在线监测数据质量评估方法,提出了数据质量评估的模型,提出了数据完整性、数据正确性和数据有效性三个评价指标及计算方法,提出了基于层次分析法的变电站电能质量监测数据的综合评估方法,能够有效的方便筛除“失真”数据,为数据质量的评估提供了可量化的计算方法。
附图说明
图1是本发明的处理流程图。
具体实施方式
以下结合附图对本发明实施例作进一步详述:
一种电能质量在线监测数据质量评估方法,如图1所示,包括以下步骤:
步骤1、建立电能质量在线监测数据质量评估模型;
所述步骤1的电能质量在线监测数据质量评估模型为:
M=(D,I,R,W,S) (1)
式中:D为需要进行评估的统计数据对象;I为统计数据D上需要进行评估的指标集合,记为I=(I1,I2,...,Im),其中Ii=(i=1,2,...,m)表示第i个评估指标(如准确性、完整性、一致性等),m为评估指标总数;R为与评估指标相对应的规则集合,记为R={Ri,r},Ri,r表示指标Ii的第r个规则;W为赋予规则R的权重;S为数据对象基于评估规则进行数据质量评估的最终评价得分结果。
步骤2、建立数据完整性、数据正确性和数据有效性三个评估指标体系,并计算出每条监测数据对应的评估指标值;
所述步骤2的计算方法为:
(1)数据完整性
由于装置掉电和网络故障均会造成通信中断,设日通信中断时间为T,计数据的时间间隔为μ,日预期数据数量为N,实际得到的数据数量为M,则排除装置掉电时间和网络故障时间,计算得出由装置故障造成的数据缺失数量M1:
因此,数据完整率可以用以下式子进行表示:
(2)数据正确性
通过分析数据曲线的变化率来发现数据中的异常点,对于第k个数据点,具体计算公式如下:
其中,
式子中,xk为第k个数据点的数值;l1为第k个数据点的前变化率;l2为第k个数据点的后变化率;
判断异常点的方法,设定一个阈值v,如果满足l1>v且l2.>v,则目标点数据为异常数据;假设异常数据的数量为M2,则数据正确率为
(3)数据有效性
依据时间戳核查监测数据,假设异常数据的数量为M3,则数据有效率为:
在本实施例中,所提出电能质量在线监测数据质量评价的指标为数据完整性、数据正确性和数据有效性三个指标。
数据完整性指的是实际数据量与预期数据量是否相符,若实际数据量达不到预期数据量,即存在数据缺失现象。
数据正确性指的是数据值与期望值是否相符。
数据有效性指的是数据是否可以被电能质量主站***等软件有效利用。对于电能质量在线监测数据,典型的无效数据便是时间序列错乱的数据。
电能质量在线监测数据质量评估流程如图1所示。
(1)数据完整性
影响数据完整性的因素包括在线监测装置故障、在线监测装置掉电和网络故障。在线监测装置故障属于内部因素,是在线监测装置不可靠的表现,而其他因素为外部因素,需要进行排除。根据在线监测装置的事件记录可以对日掉电时间、日通信中断时间进行统计,排除影响数据完整性的外部因素。由于装置掉电和网络故障均会造成通信中断,设日通信中断时间为T,计数据的时间间隔为μ,日预期数据数量为N,实际得到的数据数量为M,则排除装置掉电时间和网络故障时间,计算得出由装置故障造成的数据缺失数量M1:
因此,数据完整率可以用以下式子进行表示:
(2)数据正确性
电能质量的稳态统计数据都是时间序列数据,随时间的变化趋势较为平缓。因此。可以通过分析数据曲线的变化率来发现数据中的异常点,对于第k个数据点,具体计算公式如下:
其中,
式子中,xk为第k个数据点的数值;l1为第k个数据点的前变化率;l2为第k个数据点的后变化率。
判断异常点的方法,设定一个阈值v,如果满足l1>v且l2.>v,则目标点数据为异常数据。此方法结合了数据点的前后变化率,相对于传统的斜率变化分析法,更不容易发生误判,假设异常数据的数量为M2,则数据正确率为
(3)数据有效性
电能质量稳态统计数据为随时间变化的数据序列,每组数据都会被打上等间隔的时间戳。若时间戳错乱,对应的数据也将无法被有效利用,这也是电能质量数据质量低下的一种体现。依据时间戳核查监测数据,假设异常数据的数量为M3,则数据有效率为:
步骤3、采用层次分析法构建判断举证计算各评估指标的权重;
所述步骤3的具体步骤包括:
(1)采用层次分析法1-9标度法构建判断矩阵,对权重进行计算;从准则层开始使用1-9尺度构造判断矩阵A,即:
表1 1-9判断矩阵标度定义
a<sub>ij</sub>取值 | 定义 |
1 | 两个元素相比,指标i与指标j具有同等重要性 |
3 | 两个元素相比,指标i比指标j稍微重要 |
5 | 两个元素相比,指标i比指标j明显重要 |
7 | 两个元素相比,指标i比指标j强烈重要 |
9 | 两个元素相比,指标i比指标j极端重要 |
2,4,6,8 | 上述判断的中间值 |
根据判断矩阵A,通过矩阵运算方法,可求出最大特征值λmax所对应的特征向量W,即
AW=λmaxW (11)
所求出的特征向量W经归一化处理,根据各个评价因素的重要性排序,也即权重分配;
(2)采用根法求解最大特征值,其具体步骤包括:
①将判断矩阵A中的每一列元素相乘并开n次方,得到向量矩阵W*=[w1 *,w2 *,...,wn *]T,其中,
②对W*进行归一化,得到权重向量矩阵W=[w1,w2,...,wn]T,其中,第i个规则的权重为:
③对判断矩阵A的每列元素进行求和,得到向量矩阵Q=[q1,q2,...,qn],其中:
④计算λmax的值:
⑤要检验权重系数是否合理,还需要对判断矩阵进行一致性检验,公式如下:
式中:CR为判断矩阵的随机一致性比率;Ri为判断矩阵的平均随机一致性比率,取值见表2-2;Ci为一般一致性指标。
表2平均随机一致性指标
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
R<sub>i</sub> | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
当A的CR<0.1或λmax=n,Ci=0时,认为A有满意一致性,否则需要调整A中的元素以使其具有满意一致性。
步骤4、计算各评估指标对应的综合评估值,得到评估结果;
所述步骤4的具体方法为:
根据评估规则集中的每条评估规则,逐层计算对应指标的评估结果S;根据所得到的权重系数W和评估结果S,计算出数据质量的综合评估值SA:
式子中si为第i个规则的评估值。
在本实施例中,采用上述方法对某市50个35kV及以上变电站总计2572条电能质量监测数据记录进行数据质量评估,得到评估结果如下表所示。
表1某市电能质量监测数据监测数据质量评估结果
可以看到,监测数据中存在不完整数据,如暂降数据不完整(仅记录了前半段或后半段数据)或记录时间过短(仅记录了几个周波)等。同时存在相对较多的无效数据,如无采样时间、采样频率前后变化过大等,还存在单次暂降事件被重复记录的现象,即采样时间、电压电流值完全相等。归纳不可用的258条监测数据的问题类型及数量如下表所示。
表2不可用数据问题类型
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (6)
1.一种电能质量在线监测数据质量评估方法,其特征在于:包括以下步骤:
步骤1、建立电能质量在线监测数据质量评估模型;
步骤2、建立数据完整性、数据正确性和数据有效性三个评估指标体系,并计算出每条监测数据对应的评估指标值;
步骤3、采用层次分析法构建判断举证计算各评估指标的权重;
步骤4、计算各评估指标对应的综合评估值,得到评估结果。
2.根据权利要求1所述的一种电能质量在线监测数据质量评估方法,其特征在于:所述步骤1的电能质量在线监测数据质量评估模型为:
M=(D,I,R,W,S) (1)
式中:D为需要进行评估的统计数据对象;I为统计数据D上需要进行评估的指标集合,记为I=(I1,I2,…,Im),其中Ii=(i=1,2,...,m)表示第i个评估指标,m为评估指标总数;R为与评估指标相对应的规则集合,记为R={Ri,r},Ri,r表示指标Ii的第r个规则;W为赋予规则R的权重;S为数据对象基于评估规则进行数据质量评估的最终评价得分结果。
3.根据权利要求1所述的一种电能质量在线监测数据质量评估方法,其特征在于:所述步骤2的计算方法为:
(1)数据完整性
由于装置掉电和网络故障均会造成通信中断,设日通信中断时间为T,计数据的时间间隔为μ,日预期数据数量为N,实际得到的数据数量为M,则排除装置掉电时间和网络故障时间,计算得出由装置故障造成的数据缺失数量M1:
因此,数据完整率可以用以下式子进行表示:
(2)数据正确性
通过分析数据曲线的变化率来发现数据中的异常点,对于第k个数据点,具体计算公式如下:
其中,
式子中,xk为第k个数据点的数值;l1为第k个数据点的前变化率;l2为第k个数据点的后变化率;
判断异常点的方法,设定一个阈值v,如果满足l1>v且l2>v,则目标点数据为异常数据;假设异常数据的数量为M2,则数据正确率为
(3)数据有效性
依据时间戳核查监测数据,假设异常数据的数量为M3,则数据有效率为:
5.根据权利要求4所述的一种电能质量在线监测数据质量评估方法,其特征在于:所述步骤3第(2)步的具体步骤包括:
①将判断矩阵A中的每一列元素相乘并开n次方,得到向量矩阵W*=[w1 *,w2 *,...,wn *]T,其中,
②对W*进行归一化,得到权重向量矩阵W=[w1,w2,...,wn]T,其中,第i个规则的权重为:
③对判断矩阵A的每列元素进行求和,得到向量矩阵Q=[q1,q2,...,qn],其中:
④计算λmax的值:
⑤对判断矩阵进行一致性检验,公式如下:
式中:CR为判断矩阵的随机一致性比率;Ri为判断矩阵的平均随机一致性比率,C为一般一致性指标;
当A的CR<0.1或λmax=n,Ci=0时,认为A有满意一致性,否则需要调整A中的元素以使其具有满意一致性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854020.5A CN113674105A (zh) | 2021-07-28 | 2021-07-28 | 一种电能质量在线监测数据质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854020.5A CN113674105A (zh) | 2021-07-28 | 2021-07-28 | 一种电能质量在线监测数据质量评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113674105A true CN113674105A (zh) | 2021-11-19 |
Family
ID=78540326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110854020.5A Pending CN113674105A (zh) | 2021-07-28 | 2021-07-28 | 一种电能质量在线监测数据质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113674105A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115222306A (zh) * | 2022-09-21 | 2022-10-21 | 中国地质环境监测院(自然资源部地质灾害技术指导中心) | 一种面向地质灾害监测的数据质量评价方法及*** |
CN116610663A (zh) * | 2023-07-17 | 2023-08-18 | 成都岷山绿氢能源有限公司 | 一种碳监测数据质量评估方法、装置、设备及存储介质 |
CN117273552A (zh) * | 2023-11-22 | 2023-12-22 | 山东顺国电子科技有限公司 | 一种基于机器学习的大数据智能治理决策方法及*** |
-
2021
- 2021-07-28 CN CN202110854020.5A patent/CN113674105A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115222306A (zh) * | 2022-09-21 | 2022-10-21 | 中国地质环境监测院(自然资源部地质灾害技术指导中心) | 一种面向地质灾害监测的数据质量评价方法及*** |
CN116610663A (zh) * | 2023-07-17 | 2023-08-18 | 成都岷山绿氢能源有限公司 | 一种碳监测数据质量评估方法、装置、设备及存储介质 |
CN117273552A (zh) * | 2023-11-22 | 2023-12-22 | 山东顺国电子科技有限公司 | 一种基于机器学习的大数据智能治理决策方法及*** |
CN117273552B (zh) * | 2023-11-22 | 2024-02-13 | 山东顺国电子科技有限公司 | 一种基于机器学习的大数据智能治理决策方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113674105A (zh) | 一种电能质量在线监测数据质量评估方法 | |
CN112505549B (zh) | 基于孤立森林算法的新能源汽车电池异常检测方法 | |
CN111026927B (zh) | 一种低压台区运行状态智能监测*** | |
CN111584952B (zh) | 用于储能电站电化学电池在线评估的方法和*** | |
CN109308571B (zh) | 配电线路线变关系检测方法 | |
CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
CN107527114A (zh) | 一种基于大数据的线路台区异常分析方法 | |
CN112946483B (zh) | 电动汽车电池健康的综合评估方法及存储介质 | |
CN112485747A (zh) | 一种电容式电压互感器误差状态评估方法 | |
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN114354783A (zh) | 基于在运数据的特高压油色谱监测装置健康度评估方法 | |
CN111551887A (zh) | 一种多维度识别电压互感器计量性能在线监测平台 | |
CN112990627A (zh) | 电能质量评估方法 | |
CN110889565B (zh) | 一种基于多维矩阵决策的配网巡检周期计算方法 | |
CN114862229A (zh) | 电能质量评估方法、装置、计算机设备和存储介质 | |
CN116165597A (zh) | 一种基于核偏最小二乘法的电能表失准在线检测方法 | |
CN115640950A (zh) | 一种基于因子分析的有源台区配网线路异常线损诊断方法 | |
CN114662809A (zh) | 一种综合能源园区内供电电源的电能质量评价方法和*** | |
CN111598456A (zh) | 一种电子式互感器的状态评估方法 | |
CN107832928B (zh) | 基于风力发电特性曲线的等效综合线损评价方法 | |
CN110796392A (zh) | 一种连续批智能电能表的分阶段与分层抽样方法 | |
CN114069724B (zh) | 一种电力信息物理***信息链路脆弱性分析方法 | |
CN113836125A (zh) | 一种配电物联网边缘侧的配变数据清洗修复方法和*** | |
CN110942093A (zh) | 一种配电自动化终端状态评价方法 | |
Zhong et al. | Rapid Identification Method for the Sudden Change of Operating Errors in Smart Electricity Meters |
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 |