CN114139862A - 一种基于大数据的台区线损分析监控***及其分析方法 - Google Patents
一种基于大数据的台区线损分析监控***及其分析方法 Download PDFInfo
- Publication number
- CN114139862A CN114139862A CN202111265363.4A CN202111265363A CN114139862A CN 114139862 A CN114139862 A CN 114139862A CN 202111265363 A CN202111265363 A CN 202111265363A CN 114139862 A CN114139862 A CN 114139862A
- Authority
- CN
- China
- Prior art keywords
- line loss
- data
- monitoring
- management
- loss
- 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 89
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000013210 evaluation model Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims description 20
- 238000013473 artificial intelligence Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000011156 evaluation Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000001788 irregular 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
- 238000012795 verification 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于大数据的台区线损分析监控***及其分析方法,涉及台区线损分析技术领域,解决了解决现有方案中无法充分利用大量数据合理准确的计算线损,导致线损计算不准确,监控不到位的技术问题;本发明中边缘处理器通过数据采集终端获取线损监控数据,并结合管理线损评估模型获取线损,充分利用人工智能模型的非线性拟合能力,既能对目标区域的线损进行监控,又能对监控子区域的线损进行监控,保证了对线损的准确计算和监控力度;本发明将边缘计算与台区线损监控相结合,通过中央处理器将目标区域划分为若干监控子区域,为若干监控子区域配置边缘处理器;既能保证数据处理效率,又能对局部线损进行精确定位,有助于降低线损的管理损失。
Description
技术领域
本发明属于台区线损分析技术领域,具体是一种基于大数据的台区线损分析监控***及其分析方法。
背景技术
线路损耗,简称线损,是指在一定时期内,电能损耗占据供电量的比率,是衡量电网技术经济性的重要指标;线损无法通过表计直接测算,通常是根据电能表所计量的供电量和售电量相减获得。
从线损产生来源来看,线损可以分为技术损失和管理损失;技术损耗是指经由输变配售设施所产生的损耗,可以通过理论计算获得;管理损失由于计量、抄表、窃电及其他管理不善造成的电能损失,无规律性,不易测算;现有方案中无法充分利用大量数据合理准确的计算线损,导致线损计算不准确,监控不到位;因此,亟需一种基于大数据的、能够合理准确监控线损的线损监控***。
发明内容
本发明提供了一种基于大数据的台区线损分析监控***及其分析方法,用于解决现有方案中无法充分利用大量数据合理准确的计算线损,导致线损计算不准确,监控不到位的技术问题,本发明通过将边缘计算和人工智能模型结合起来,实现对台区或者更大区域的线损监控解决了上述问题。
本发明的目的可以通过以下技术方案实现:一种基于大数据的台区线损分析监控***,包括中央处理器,以及与中央处理器通信连接的若干边缘处理器;
通过所述中央处理器获取管理线损评估模型,并将管理线损评估模型分发至若干所述边缘处理器;其中,所述管理线损评估模型基于人工智能模型建立;
通过所述中央处理器将目标区域划分为若干监控子区域,为若干所述监控子区域配置边缘处理器;
所述边缘处理器通过数据采集终端获取线损监控数据,并结合管理线损评估模型获取线损;其中,所述线损监控数据包括电能数据、电能输变配售损耗数据和环境数据。
优选的,所述管理线损评估模型用于评估并获取管理损失;通过所述中央处理器获取管理线损评估模型,包括:
获取不同监控子区域的标准训练数据;其中,所述标准训练数据通过智能终端获取,且所述标准训练数据包括环境数据以及对应的管理损失;
将环境数据以及对应的管理损失划分成训练集、测试集和校验集三组;
构建人工智能模型;其中,所述人工智能模型包括深度卷积神经网络模型和RBF神经网络模型;
通过训练集、测试集和校验集对所述人工智能模型进行训练、测试和校验,将校验通过的人工智能模型标记为管理线损评估模型;
将所述管理线损评估模型发送至与对应监控子区域相关联的边缘处理器;其中,所述管理线损评估模型定时更新。
优选的,所述目标区域至少包括一个台区;将所述目标区域划分成监控子区域;其中,所述监控子区域的形状包括矩形和扇形。
优选的,每个所述边缘处理器至少与一个监控子区域相关联。
优选的,所述边缘处理器结合管理线损评估模型获取线损,包括:
根据所述监控子区域提取线损监控数据中的环境数据;其中,所述环境数据包括温度、湿度、风力、人口、面积和海拔;
对环境数据进行整合生成初始数据;其中,所述初始数据为数据序列;
将初始数据输入至对应线损管理评估模型获取目标数据;其中,所述目标数据为所述初始数据对应的管理损失;
根据所述电能输变配售损耗数据计算对应所述监控子区域的技术损失,技术损失和管理损失之和为对应监控子区域的线损;
根据所述监控子区域的线损获取台区线损;其中,所述台区线损为一个台区的线损值。
优选的,所述中央处理器根据所述电能数据和线损数据进行窃电评估。
优选的,所述数据采集终端与所述边缘处理器通信和/或电气连接,且所述数据采集终端包括智能电表、温度传感器、湿度传感器和风速传感器。
优选的,所述中央处理器和所述边缘处理器均与智能终端通信连接;其中,所述智能终端包括智能手机、平板电脑和笔记本电脑。
一种基于大数据的台区线损分析方法,包括:
通过所述中央处理器获取管理线损评估模型,并将管理线损评估模型分发至若干所述边缘处理器;
通过所述中央处理器将目标区域划分为若干监控子区域,为若干所述监控子区域配置边缘处理器;
所述边缘处理器通过数据采集终端获取线损监控数据,并结合管理线损评估模型获取线损。
与现有技术相比,本发明的有益效果是:
1、本发明中边缘处理器通过数据采集终端获取线损监控数据,并结合管理线损评估模型获取线损,充分利用人工智能模型的非线性拟合能力,既能够对目标区域的线损进行监控,又能够对监控子区域的线损进行监控,保证了对线损的准确计算和监控力度。
2、本发明将边缘计算与台区线损监控相结合,通过中央处理器将目标区域划分为若干监控子区域,为若干监控子区域配置边缘处理器;既能够保证数据处理效率,又能够对局部线损进行精确定位,有助于降低线损的管理损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的***原理示意图;
图2为本发明的工作步骤示意图。
具体实施方式
下面将结合实施例对本发明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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
这里使用的术语用于描述实施例,并不意图限制和/或限制本公开;应该注意的是,除非上下文另有明确指示,否则单数形式的“一”、“一个”和“该”也包括复数形式;而且,尽管属于“第一”、“第二”等可以在本文中用于描述各种元件,但是元件不受这些术语的限制,这些术语仅用于区分一个元素和另一个元素。
请参阅图1-图2,本发明提供了一种基于大数据的台区线损分析监控***,其目的在将边缘计算和人工智能模型结合起来,实现对台区或者更大区域的线损监控。
从损失产生来源来看,线损电量可分为技术损失和管理损失。技术损失指经由输变配售设施所产生的损耗,技术损耗可通过理论计算来获得,主要包括固定损失(空载损失)、可变损失(负载损失)两部分;管理损失指在输变配售过程中由于计量、抄表、窃电及其他管理不善造成的电能损失,管理损失的产生无一定规律性,不易测算;本发明的核心之一在于管理损失的计算。
本发明提供的一种基于大数据的台区线损分析监控***,包括中央处理器,以及与中央处理器通信连接的若干边缘处理器;中央处理器和边缘处理器均与智能终端通信连接,边缘处理器和数据采集终端通信和/或电气连接。
中央处理器用于执行具有大规模数据处理量的任务,如获取和更新管理线损评估模型;边缘处理器则根据线损监控数据和管理线损评估模型获取实际的管理损失,进而获取目标区域的线损数据。
本发明提供的一种基于大数据的台区线损分析监控***中,通过中央处理器获取管理线损评估模型,并将管理线损评估模型分发至若干边缘处理器。
本发明中的管理线损评估模型基于人工智能模型建立,包括:
获取不同监控子区域的标准训练数据,将环境数据以及对应的管理损失划分成训练集、测试集和校验集三组;
构建人工智能模型,通过训练集、测试集和校验集对所述人工智能模型进行训练、测试和校验,将校验通过的人工智能模型标记为管理线损评估模型;
将所述管理线损评估模型发送至与对应监控子区域相关联的边缘处理器。
考虑到影响管理损失的因素很多,且类型不同,因此本发明利用非线性拟合能力强大的深度卷积神经网络模型或者RBF神经网络模型为基础构建人工智能模型。
标准训练数据通过智能终端获取,且标准训练数据包括环境数据以及对应的管理损失;标准训练数据是由监控子区域内的环境数据,结合该环境实际的管理损失组成,该标准训练数据通过历史数据构建,能够保证管理线损评估模型的准确性。
管理线损评估模型定时更新,根据设定周期,如每天、每半个月和每个月;或者在智能终端获取到新的标准训练数据之后,则新的管理线损评估模型训练完成之后即发送至对应的边缘处理器。
本发明提供的一种基于大数据的台区线损分析监控***中,通过所述中央处理器将目标区域划分为若干监控子区域,为若干所述监控子区域配置边缘处理器。
本发明中的目标区域至少包括一个台区,将目标区域划分为矩形的监控子区域,包括:
设定面积大小固定的矩形特征区域;
保证矩形特征区域完成对目标区域的覆盖,且矩形特征区域之间相互不重叠;
对每个矩形特征区域进行编号,并为每个矩形特征区域配置一个边缘处理器,即将矩形特征区域和配置的边缘处理器相关联。
在另外一些实施例中,矩形特征区域可以为圆形,还可以目标区域的中心位置为基础,将目标区域划分为扇形区域。
值得注意的是,本发明每个监控子区域均关联一个边缘处理器,但是每个边缘处理器至少关联一个监控子区域;边缘处理器配置的监控子区域数量根据边缘处理器的数据处理能力确定,如边缘处理器可以完成三个监控子区域的数据处理,则为该边缘处理器配置三个监控子区域。
本发明提供的一种基于大数据的台区线损分析监控***中,边缘处理器通过数据采集终端获取线损监控数据,并结合管理线损评估模型获取线损;边缘处理器结合管理线损评估模型获取线损,包括:
根据监控子区域提取线损监控数据中的环境数据;
对环境数据进行整合生成初始数据;
将初始数据输入至对应线损管理评估模型获取目标数据;
根据电能输变配售损耗数据计算对应监控子区域的技术损失,技术损失和管理损失之和为对应监控子区域的线损;
根据监控子区域的线损获取台区线损。
环境数据包括温度、湿度、风力、人口、面积、海拔等能够对管理损失产生影响的数据,将环境数据中的数据进行整合形成数据序列。
根据电能输变配售损耗数据计算对应监控子区域的技术损失,在电力行业已经能够实现,在此不再赘述;电能输变配售损耗数据包括线路功率损耗、变压器功率损耗等。
本发明台区线损为一个台区的线损值,将台区线损联合起来分析,即可获取目标区域的线损。
本发明提供的一种基于大数据的台区线损分析监控***中,中央处理器根据电能数据和线损数据进行窃电评估,包括:
获取电能数据和线损数据,并分别标记为DS和XS;其中,电能数据为供电量和售电量的差值;
通过公式QPX=ɑ1×(DS-XS)获取窃电评估系数QPX;其中,ɑ1为比例系数,且ɑ1为大于0的实数;
当窃电评估系数QPX大于评估系数阈值时,则判定目标区域存在窃电现象,通过智能终端进行预警;其中,评估系数阈值为大于0的实数。
如电能数据为10,线损数据为8,ɑ1为1,则窃电评估系数QPX为2,当评估系数阈值为1时,则目标区域存在窃电现象。
可以理解的是,窃电评估既可以是对目标区域进行判定,也可以是对监控子区域进行判定。
一种基于大数据的台区线损分析方法,包括:
通过中央处理器获取管理线损评估模型,并将管理线损评估模型分发至若干边缘处理器;
通过中央处理器将目标区域划分为若干监控子区域,为若干监控子区域配置边缘处理器;
边缘处理器通过数据采集终端获取线损监控数据,并结合管理线损评估模型获取线损。
上述公式中的数据均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理:
通过中央处理器获取管理线损评估模型,并将管理线损评估模型分发至若干边缘处理器;通过中央处理器将目标区域划分为若干监控子区域,为若干监控子区域配置边缘处理器;边缘处理器通过数据采集终端获取线损监控数据,并结合管理线损评估模型获取线损。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离申请的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种基于大数据的台区线损分析监控***,包括中央处理器,以及与中央处理器通信连接的若干边缘处理器,其特征在于,包括:
通过所述中央处理器获取管理线损评估模型,并将管理线损评估模型分发至若干所述边缘处理器;其中,所述管理线损评估模型基于人工智能模型建立;
通过所述中央处理器将目标区域划分为若干监控子区域,为若干所述监控子区域配置边缘处理器;
所述边缘处理器通过数据采集终端获取线损监控数据,并结合管理线损评估模型获取线损;其中,所述线损监控数据包括电能数据、电能输变配售损耗数据和环境数据。
2.根据权利要求1所述的一种基于大数据的台区线损分析监控***,其特征在于,所述管理线损评估模型用于评估并获取管理损失;通过所述中央处理器获取管理线损评估模型,包括:
获取不同监控子区域的标准训练数据;其中,所述标准训练数据通过智能终端获取,且所述标准训练数据包括环境数据以及对应的管理损失;
将环境数据以及对应的管理损失划分成训练集、测试集和校验集三组;
构建人工智能模型;其中,所述人工智能模型包括深度卷积神经网络模型和RBF神经网络模型;
通过训练集、测试集和校验集对所述人工智能模型进行训练、测试和校验,将校验通过的人工智能模型标记为管理线损评估模型;
将所述管理线损评估模型发送至与对应监控子区域相关联的边缘处理器;其中,所述管理线损评估模型定时更新。
3.根据权利要求1所述的一种基于大数据的台区线损分析监控***,其特征在于,所述目标区域至少包括一个台区;将所述目标区域划分成监控子区域;其中,所述监控子区域的形状包括矩形和扇形。
4.根据权利要求1所述的一种基于大数据的台区线损分析监控***,其特征在于,每个所述边缘处理器至少与一个监控子区域相关联。
5.根据权利要求1所述的一种基于大数据的台区线损分析监控***,其特征在于,所述边缘处理器结合管理线损评估模型获取线损,包括:
根据所述监控子区域提取线损监控数据中的环境数据;其中,所述环境数据包括温度、湿度、风力、人口、面积和海拔;
对环境数据进行整合生成初始数据;其中,所述初始数据为数据序列;
将初始数据输入至对应线损管理评估模型获取目标数据;其中,所述目标数据为所述初始数据对应的管理损失;
根据所述电能输变配售损耗数据计算对应所述监控子区域的技术损失,技术损失和管理损失之和为对应监控子区域的线损;
根据所述监控子区域的线损获取台区线损;其中,所述台区线损为一个台区的线损值。
6.根据权利要求1所述的一种基于大数据的台区线损分析监控***,其特征在于,所述中央处理器根据所述电能数据和线损数据进行窃电评估。
7.根据权利要求1所述的一种基于大数据的台区线损分析监控***,其特征在于,所述数据采集终端与所述边缘处理器通信和/或电气连接,且所述数据采集终端包括智能电表、温度传感器、湿度传感器和风速传感器。
8.根据权利要求1至权利要求7任意一项所述的一种基于大数据的台区线损分析监控***的分析方法,其特征在于,包括:
通过中央处理器获取管理线损评估模型,并将管理线损评估模型分发至若干边缘处理器;
通过中央处理器将目标区域划分为若干监控子区域,为若干监控子区域配置边缘处理器;
边缘处理器通过数据采集终端获取线损监控数据,并结合管理线损评估模型获取线损。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111265363.4A CN114139862A (zh) | 2021-10-28 | 2021-10-28 | 一种基于大数据的台区线损分析监控***及其分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111265363.4A CN114139862A (zh) | 2021-10-28 | 2021-10-28 | 一种基于大数据的台区线损分析监控***及其分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114139862A true CN114139862A (zh) | 2022-03-04 |
Family
ID=80395742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111265363.4A Pending CN114139862A (zh) | 2021-10-28 | 2021-10-28 | 一种基于大数据的台区线损分析监控***及其分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139862A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114640177A (zh) * | 2022-03-24 | 2022-06-17 | 重庆伏特猫科技有限公司 | 一种基于电力能效监测装置的电力能效监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020133072A1 (en) * | 2018-12-27 | 2020-07-02 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for target region evaluation and feature point evaluation |
CN111582630A (zh) * | 2020-03-25 | 2020-08-25 | 中国电力科学研究院有限公司 | 一种用于确定低压台区线损率评估值的方法及*** |
US20200309829A1 (en) * | 2019-04-01 | 2020-10-01 | Dake He | On-line monitoring system for the performance of the measurement equipment in the entire power grid based on wide-area synchronous measurement |
CN112381467A (zh) * | 2020-12-15 | 2021-02-19 | 国网河北省电力有限公司石家庄市栾城区供电分公司 | 一种基于配电台区全量采集大数据的人工智能线损分析*** |
CN113033617A (zh) * | 2021-03-02 | 2021-06-25 | 国网河北省电力有限公司邢台供电分公司 | 一种基于大数据台区线损数据深度挖掘分析方法 |
CN113159339A (zh) * | 2021-04-20 | 2021-07-23 | 国网江西省电力有限公司信息通信分公司 | 一种基于大数据的一台区一指标线损管理方法及*** |
CN113267692A (zh) * | 2021-05-17 | 2021-08-17 | 国网吉林省电力有限公司营销服务中心 | 一种低压台区线损智能诊断分析方法和*** |
-
2021
- 2021-10-28 CN CN202111265363.4A patent/CN114139862A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020133072A1 (en) * | 2018-12-27 | 2020-07-02 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for target region evaluation and feature point evaluation |
US20200309829A1 (en) * | 2019-04-01 | 2020-10-01 | Dake He | On-line monitoring system for the performance of the measurement equipment in the entire power grid based on wide-area synchronous measurement |
CN111582630A (zh) * | 2020-03-25 | 2020-08-25 | 中国电力科学研究院有限公司 | 一种用于确定低压台区线损率评估值的方法及*** |
CN112381467A (zh) * | 2020-12-15 | 2021-02-19 | 国网河北省电力有限公司石家庄市栾城区供电分公司 | 一种基于配电台区全量采集大数据的人工智能线损分析*** |
CN113033617A (zh) * | 2021-03-02 | 2021-06-25 | 国网河北省电力有限公司邢台供电分公司 | 一种基于大数据台区线损数据深度挖掘分析方法 |
CN113159339A (zh) * | 2021-04-20 | 2021-07-23 | 国网江西省电力有限公司信息通信分公司 | 一种基于大数据的一台区一指标线损管理方法及*** |
CN113267692A (zh) * | 2021-05-17 | 2021-08-17 | 国网吉林省电力有限公司营销服务中心 | 一种低压台区线损智能诊断分析方法和*** |
Non-Patent Citations (3)
Title |
---|
任秋业 等: "泛在电力物联网背景下台区降损策略研究", 《科技资讯》 * |
张蓝宇 等: "基于数据挖掘技术的台区线损智能诊断研究及应用", 《湖南电力》 * |
江志华 等: "《环境监测设计与优化方法》", 31 October 2016, 海洋出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114640177A (zh) * | 2022-03-24 | 2022-06-17 | 重庆伏特猫科技有限公司 | 一种基于电力能效监测装置的电力能效监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108593990B (zh) | 一种基于电能用户用电行为模式的窃电检测方法和应用 | |
CN114298863B (zh) | 一种智能抄表终端的数据采集方法及*** | |
CN104794206B (zh) | 一种变电站数据质量评价***及方法 | |
CN110311376A (zh) | 一种电力***动态安全评估综合模型及时空可视化方法 | |
CN103245881A (zh) | 一种基于潮流分布特征的配电网故障分析方法及装置 | |
CN102769300B (zh) | 基于摄动法的风电场无功功率对电压的灵敏度计算方法 | |
CN101937490B (zh) | 一种规划态电网网损分析计算方法 | |
CN112684400B (zh) | 小电量台区的电能表运行误差数据监测方法及*** | |
CN211375602U (zh) | 一种变电站移动式智能噪声实景云图建模*** | |
CN104218569A (zh) | 一种大规模电网静态安全校核的评价分析方法 | |
CN114021946A (zh) | 一种企业环保管家管理*** | |
CN103679289B (zh) | 基于多元回归外推法的电力负荷预测方法 | |
CN107862391A (zh) | 一种基于云计算的设备运行状况测试*** | |
CN114139862A (zh) | 一种基于大数据的台区线损分析监控***及其分析方法 | |
CN114660528A (zh) | 配电台区电能表异常确定方法、装置和*** | |
CN108072858A (zh) | 电能表质量管理方法、***及终端设备 | |
CN105894706B (zh) | 一种森林火灾预测方法及其*** | |
CN117422004B (zh) | 基于神经网络的碳势预测方法及*** | |
CN114184881A (zh) | 一种基于拓扑模型追踪分析故障事件定位方法 | |
CN104463499A (zh) | 一种基于cim的输变电设备全景信息建模方法 | |
CN111128357B (zh) | 医院后勤能耗目标对象的监测方法、装置、计算机设备 | |
CN112926863A (zh) | 基于六大预警中心的电网灾害综合监测*** | |
Hayes et al. | Modelling of wind generation at all scales for transmission system analysis | |
CN116484554A (zh) | 一种配电网的拓扑辨识方法、装置、设备及介质 | |
CN104700218A (zh) | 用于确定电网分区数量以及电网分区的方法和*** |
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 |
Application publication date: 20220304 |
|
RJ01 | Rejection of invention patent application after publication |