CN117578739B - 一种柱上开关控制*** - Google Patents
一种柱上开关控制*** Download PDFInfo
- Publication number
- CN117578739B CN117578739B CN202410050536.8A CN202410050536A CN117578739B CN 117578739 B CN117578739 B CN 117578739B CN 202410050536 A CN202410050536 A CN 202410050536A CN 117578739 B CN117578739 B CN 117578739B
- Authority
- CN
- China
- Prior art keywords
- fault
- variables
- switch
- model
- logistic regression
- 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
- 238000007477 logistic regression Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 230000001419 dependent effect Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 10
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3275—Fault detection or status indication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
- H02J13/00036—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving switches, relays or circuit breakers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种柱上开关控制***,属于配电自动化技术领域,收集历史时期柱上开关的负载参数和环境参数,以及对应的故障情况;将所述故障情况数据进行二元化处理,获得故障二元数据;以负载参数和环境参数为自变量,故障二元数据为因变量,构建多元逻辑回归模型,过程中通过单因子显著性检验确定对故障发生具有显著影响的关键影响变量;通过实时监测的关键影响变量数据,预测故障的发生概率,控制柱上开关的开关状态。本发明利用多元逻辑回归模型解决了多个影响变量对柱上开关综合影响难以被识别导致的检测效果差的问题,并识别了关键影响变量,解决了数据冗余导致的管理效率低的问题,提高了配电效率。
Description
技术领域
本发明属于配电自动化技术领域,涉及一种柱上开关控制***。
背景技术
随着智能电网建设的快速发展,配电网作为智能电网的重要组成部分,在供电可靠性和供用电指标已有提高的基础上,要求进一步继续提高供电电能质量和供电可靠性。柱上开关作为智能化开关设备的重要产品,是配电自动化的核心,它的智能化程度直接影响到电力***配电自动化的水平。
柱上开关作为架空线路配电自动化的核心设备,具有运行环境恶劣、分布广、安装数量多等特点,其运行的可靠性直接影响配电网的安全。而目前整体上对柱上开关缺乏全方位的状态监测,尤其在智能化方面还不足,特别是智能柱上开关设备状态监测方面存在不足。
发明内容
为解决现有技术中存在的上述问题,本发明提供了一种柱上开关控制***。
本发明的目的可以通过以下技术方案实现:
本申请提供了一种柱上开关控制***,包括监测模块、故障预测模块和控制模块,其中:
所述监测模块,用于实时监测柱上开关的负载参数和环境参数;
所述故障预测模块,连接所述监测模块,用于将监测的负载参数和环境参数输入预设的故障预测模型中,以预测故障发生概率;
所述控制模块,连接故障预测模块,用于根据预测的故障发生概率,控制柱上开关的开关状态。
进一步地,所述故障预测模块中,所述预设的故障预测模型,通过以下步骤进行构建:
S1、数据收集:收集历史时期柱上开关的负载参数和环境参数,以及对应的故障情况;
S2、数据处理:将负载参数和环境参数的所有变量进行归一化处理,并将其对应的故障情况转化为故障二元数据,即有发生故障的样本记为“1”,无发生故障的样本记为“0”;
S3、模型构建:以负载参数和环境参数为自变量,故障二元数据为因变量,构建多元逻辑回归模型。
进一步地,步骤S2中,所述归一化处理,计算公式为:
,
式中,ɡ(X)为归一化函数;X i 表示数据集中第i个负载参数和环境参数变量的数字,1≤i≤n,n为数字的个数,X min 表示数据集中的最小值,X max 表示数据集中的最大值。
进一步地,步骤S3中,所述构建多元逻辑回归模型,包括以下步骤:
S31、单因子显著性检验:构建单个负载参数和环境参数变量与故障二元数据变量之间的单因子逻辑回归模型,检验所述单因子逻辑回归模型的显著性,剔除模型显著性大于0.05的负载参数和环境参数变量,未被剔除的变量则通过单因子显著性检验,确定为关键影响变量;
S32、将通过单因子显著性检验的关键影响变量加入多元逻辑回归模型中,确定多元逻辑回归模型表达式,采用最大似然估计法估计所述表达式的回归系数。
进一步地,步骤S32中,所述多元逻辑回归模型表达式,写为:
,
式中:P为估计故障发生的概率;Z为关键影响变量的线性组合,其表达式为:
,
式中:b 0 是模型的截距;b i 为模型的斜率系数;x i 为加入模型的关键影响变量;i=1,2,…,n,其中n为加入模型的变量个数;其中b 0 和b i 为模型需要估计的回归系数。
进一步地,所述监测模块中,所述柱上开关的负载参数和环境参数,具体为负载参数和环境参数中的关键影响变量。
进一步地,所述控制模块中,所述根据预测的故障发生概率,控制柱上开关的开关状态,具体步骤为:
设定故障发生概率阈值;
当预测的故障发生概率大于等于故障发生概率阈值时,控制柱上开关的开关状态,降低负载;
当预测的故障发生概率小于故障发生概率阈值时,不改变柱上开关的开关状态。
本发明的有益效果为:
收集历史时期柱上开关的负载参数和环境参数,以及对应的故障情况;将所述故障情况数据进行二元化处理,获得故障二元数据;以负载参数和环境参数为自变量,故障二元数据为因变量,构建多元逻辑回归模型,过程中通过单因子显著性检验确定对故障发生具有显著影响的关键影响变量;通过实时监测的关键影响变量数据,预测故障的发生概率,控制柱上开关的开关状态。本发明利用多元逻辑回归模型量化了多个影响变量对柱上开关故障发生的综合影响,并识别了关键影响变量,实现了柱上开关的智能化管理,提高了配电效率。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明中一种柱上开关控制***的结构图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如后。
请参阅图1,本申请提供了一种柱上开关控制***,包括监测模块、故障预测模块和控制模块,其中:
所述监测模块,用于实时监测柱上开关的负载参数和环境参数;
所述故障预测模块,连接所述监测模块,用于将监测的负载参数和环境参数输入预设的故障预测模型中,以预测故障发生概率;
所述控制模块,连接故障预测模块,用于根据预测的故障发生概率,控制柱上开关的开关状态。
本实施例中,核心在于整合智能技术与环境适应性,实现超越传统功能的协同效果。这一***通过将微处理器和传感技术融入柱上开关中,实现对电流、电压等关键负载参数的实时监测,关键的创新在于***的学习和预测能力,利用大数据和机器学习技术,***能够分析历史数据,预测并优化电网负载分配,减少故障发生。
进一步地,所述故障预测模块中,所述预设的故障预测模型,通过以下步骤进行构建:
S1、数据收集:收集历史时期柱上开关的负载参数和环境参数,以及对应的故障情况;
S2、数据处理:将负载参数和环境参数的所有变量进行归一化处理,并将其对应的故障情况转化为故障二元数据,即有发生故障的样本记为“1”,无发生故障的样本记为“0”;
S3、模型构建:以负载参数和环境参数为自变量,故障二元数据为因变量,构建多元逻辑回归模型。
进一步地,步骤S2中,由于负载参数与环境参数变量的量纲不同,需要对进行归一化处理,所述归一化处理,计算公式为:
,
式中,ɡ(X)为归一化函数;X i 表示数据集中第i个负载参数和环境参数变量的数字,1≤i≤n,n为数字的个数,X min 表示数据集中的最小值,X max 表示数据集中的最大值。
本实施例中,由于涉及的对柱上开关产生故障的影响因子较多,如负载参数包括电流、电压和功率等,环境参数包括温度、湿度和灰尘量等,难以量化多个参数变量对柱上开关故障发生的综合影响。因此,本发明利用多元统计方法具有量化多个自变量与因变量之间响应关系的特点,构建多元逻辑回归模型量化负载参数和环境参数对柱上开关的综合影响,过程中将柱上开关的故障情况进行二元化处理,获得故障二元数据,并通过单因子显著性检验筛选对故障发生具有显著影响的关键影响变量,最终确定关键影响变量对柱上开关故障发生的概率。
进一步地,步骤S3中,所述构建多元逻辑回归模型,包括以下步骤:
S31、单因子显著性检验:构建单个负载参数和环境参数变量与故障二元数据变量之间的单因子逻辑回归模型,检验所述单因子逻辑回归模型的显著性,剔除模型显著性大于0.05的负载参数和环境参数变量,未被剔除的变量则通过单因子显著性检验,确定为关键影响变量;
S32、将通过单因子显著性检验的关键影响变量加入多元逻辑回归模型中,确定多元逻辑回归模型表达式,采用最大似然估计法估计所述表达式的回归系数。
进一步地,步骤S32中,所述多元逻辑回归模型表达式,写为:
,
式中:P为估计故障发生的概率;Z为关键影响变量的线性组合,其表达式为:
,
式中:b 0 是模型的截距;b i 为模型的斜率系数;x i 为加入模型的关键影响变量;i=1,2,…,n,其中n为加入模型的变量个数;其中b 0 和b i 为模型需要估计的回归系数。
由于负载参数与环境参数变量众多,对其全部变量进行监测的工作效率低,在识别关键影响变量之后,后续的监测只需监测加入预设的故障预测模型中的关键影响变量,因此:
进一步地,所述监测模块中,所述柱上开关的负载参数和环境参数,具体为负载参数和环境参数中的关键影响变量。
在现实工作中,柱上开关具有多段线路,每个线路具有对应的负载和环境,因此,本实施例根据不同分段中柱上开关所监测的关键影响变量情况,对柱上开关的开关状态进行控制。此外,由于环境参数是不可控的,而负载参数可以通过控制柱上开关确定负载段从而进行调整,因此,当柱上开关的故障发生概率超过阈值时,再通过调整柱上开关的开关状态控制负载。
进一步地,所述控制模块中,所述根据预测的故障发生概率,控制柱上开关的开关状态,具体步骤为:
设定故障发生概率阈值;
当预测的故障发生概率大于等于故障发生概率阈值时,控制柱上开关的开关状态,降低负载;
当预测的故障发生概率小于故障发生概率阈值时,不改变柱上开关的开关状态。
本发明的有益效果为:
收集历史时期柱上开关的负载参数和环境参数,以及对应的故障情况;将所述故障情况数据进行二元化处理,获得故障二元数据;以负载参数和环境参数为自变量,故障二元数据为因变量,构建多元逻辑回归模型,过程中通过单因子显著性检验确定对故障发生具有显著影响的关键影响变量;通过实时监测的关键影响变量数据,预测故障的发生概率,控制柱上开关的开关状态。本发明利用多元逻辑回归模型量化了多个影响变量对柱上开关故障发生的综合影响,并识别了关键影响变量,实现了柱上开关的智能化管理,提高了配电效率。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (3)
1.一种柱上开关控制***,其特征在于:包括监测模块、故障预测模块和控制模块,其中:
所述监测模块,用于实时监测柱上开关的负载参数和环境参数;
所述故障预测模块,连接所述监测模块,用于将监测的负载参数和环境参数输入预设的故障预测模型中,以预测故障发生概率;
所述控制模块,连接故障预测模块,用于根据预测的故障发生概率,控制柱上开关的开关状态;
所述故障预测模块中,所述预设的故障预测模型,通过以下步骤进行构建:
S1、数据收集:收集历史时期柱上开关的负载参数和环境参数,以及对应的故障情况;
S2、数据处理:将负载参数和环境参数的所有变量进行归一化处理,并将其对应的故障情况转化为故障二元数据,即有发生故障的样本记为“1”,无发生故障的样本记为“0”;
S3、模型构建:以负载参数和环境参数为自变量,故障二元数据为因变量,构建多元逻辑回归模型;
其中,步骤S3中,所述构建多元逻辑回归模型,包括以下步骤:
S31、单因子显著性检验:构建单个负载参数和环境参数变量与故障二元数据变量之间的单因子逻辑回归模型,检验所述单因子逻辑回归模型的显著性,剔除模型显著性大于0.05的负载参数和环境参数变量,未被剔除的变量则通过单因子显著性检验,确定为关键影响变量;
S32、将通过单因子显著性检验的关键影响变量加入多元逻辑回归模型中,确定多元逻辑回归模型表达式,采用最大似然估计法估计所述多元逻辑回归模型表达式的回归系数;
步骤S32中,所述多元逻辑回归模型表达式,写为:
;
式中:P为估计故障发生的概率;Z为关键影响变量的线性组合,其表达式为:
;
式中:b 0 是模型的截距;b i 为模型的斜率系数;x i 为加入模型的关键影响变量;i=1,2,…,n,其中n为加入模型的变量个数;其中b 0 和b i 为模型需要估计的回归系数;
所述控制模块中,所述根据预测的故障发生概率,控制柱上开关的开关状态,具体步骤为:
设定故障发生概率阈值;
当预测的故障发生概率大于等于故障发生概率阈值时,控制柱上开关的开关状态,降低负载;
当预测的故障发生概率小于故障发生概率阈值时,不改变柱上开关的开关状态。
2.根据权利要求1所述的一种柱上开关控制***,其特征在于:步骤S2中,所述归一化处理,计算公式为:
;
式中,ɡ(X)为归一化函数;X i 表示数据集中第i个负载参数和环境参数变量的数字,1≤i ≤n,n为数字的个数,X min 表示数据集中的最小值,X max 表示数据集中的最大值。
3.根据权利要求1所述的一种柱上开关控制***,其特征在于:所述监测模块中,所述柱上开关的负载参数和环境参数,具体为负载参数和环境参数中的关键影响变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050536.8A CN117578739B (zh) | 2024-01-15 | 2024-01-15 | 一种柱上开关控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050536.8A CN117578739B (zh) | 2024-01-15 | 2024-01-15 | 一种柱上开关控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117578739A CN117578739A (zh) | 2024-02-20 |
CN117578739B true CN117578739B (zh) | 2024-06-04 |
Family
ID=89888483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410050536.8A Active CN117578739B (zh) | 2024-01-15 | 2024-01-15 | 一种柱上开关控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117578739B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104716739A (zh) * | 2013-12-11 | 2015-06-17 | 国网上海市电力公司 | 一种户外柱上开关控制*** |
CN104751374A (zh) * | 2015-03-27 | 2015-07-01 | 深圳供电局有限公司 | 一种计量自动化***无线通信故障预测方法 |
CN111245090A (zh) * | 2018-11-28 | 2020-06-05 | 扬州科宇电力有限公司 | 一种配电网用柱上开关控制方法 |
CN111651933A (zh) * | 2020-05-22 | 2020-09-11 | 宁波诺丁汉新材料研究院有限公司 | 基于统计推断的工业锅炉故障预警方法及*** |
EP3745229A1 (de) * | 2019-05-28 | 2020-12-02 | Phoenix Contact GmbH & Co. KG | Verfahren und vorrichtung zur ausfallvorhersage von elementarrelais |
CN112734204A (zh) * | 2020-12-01 | 2021-04-30 | 国家电网有限公司 | 配电网故障线路风险评估方法和*** |
CN113139687A (zh) * | 2021-04-25 | 2021-07-20 | 中国工商银行股份有限公司 | 一种预测***用户违约的方法及装置 |
CN117270463A (zh) * | 2023-03-31 | 2023-12-22 | 中复神鹰碳纤维股份有限公司 | 一种基于数字孪生的碳纤维拉断事故预防方法及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL3642714T3 (pl) * | 2017-06-23 | 2023-08-07 | Jpmorgan Chase Bank, N.A. | Sposób oraz system predykcyjnej redukcji zdarzeń technologicznych |
-
2024
- 2024-01-15 CN CN202410050536.8A patent/CN117578739B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104716739A (zh) * | 2013-12-11 | 2015-06-17 | 国网上海市电力公司 | 一种户外柱上开关控制*** |
CN104751374A (zh) * | 2015-03-27 | 2015-07-01 | 深圳供电局有限公司 | 一种计量自动化***无线通信故障预测方法 |
CN111245090A (zh) * | 2018-11-28 | 2020-06-05 | 扬州科宇电力有限公司 | 一种配电网用柱上开关控制方法 |
EP3745229A1 (de) * | 2019-05-28 | 2020-12-02 | Phoenix Contact GmbH & Co. KG | Verfahren und vorrichtung zur ausfallvorhersage von elementarrelais |
CN111651933A (zh) * | 2020-05-22 | 2020-09-11 | 宁波诺丁汉新材料研究院有限公司 | 基于统计推断的工业锅炉故障预警方法及*** |
CN112734204A (zh) * | 2020-12-01 | 2021-04-30 | 国家电网有限公司 | 配电网故障线路风险评估方法和*** |
CN113139687A (zh) * | 2021-04-25 | 2021-07-20 | 中国工商银行股份有限公司 | 一种预测***用户违约的方法及装置 |
CN117270463A (zh) * | 2023-03-31 | 2023-12-22 | 中复神鹰碳纤维股份有限公司 | 一种基于数字孪生的碳纤维拉断事故预防方法及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117578739A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108518804B (zh) | 一种机房温湿度环境预测方法及*** | |
CN112149877B (zh) | 多元复杂城市电网多源数据驱动的故障预测方法及其*** | |
CN116887569B (zh) | 一种数据中心能耗预测和节能调节方法、***及存储介质 | |
CN117176560A (zh) | 一种基于物联网的监测设备监管***及其方法 | |
CN114355185A (zh) | 一种用于智能开关的运行管控*** | |
CN117578739B (zh) | 一种柱上开关控制*** | |
CN117949887A (zh) | 一种能源控制器的电能计量***故障检测与预防方法 | |
CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
CN111391694B (zh) | 一种充电站运行维护的多层次快速数据监测方法和*** | |
CN107482783B (zh) | 一种厂用电监测及控制综合智能化*** | |
CN113131487B (zh) | 基于调压图案的台区识别方法、装置、存储介质及电子设备 | |
CN115144745A (zh) | 一种柱上开关生产用检测*** | |
CN112381130A (zh) | 一种基于聚类分析的配电房多元数据异常检测方法 | |
CN117791597B (zh) | 基于机器学习的配电网故障自愈方法和*** | |
CN116582450B (zh) | 低压配电网业务接入感知方法及*** | |
CN116859169B (zh) | 一种非侵入式电力负荷分解方法及*** | |
CN116205375B (zh) | 一种泵站机组运行状态预测方法和*** | |
CN116108320B (zh) | 一种智能电能表运行控制方法 | |
CN117691594A (zh) | 一种用于变压器的节能降耗判断方法及*** | |
CN118037076A (zh) | 配电站房的故障判别和预警方法、***、设备和存储介质 | |
CN118157084A (zh) | 一种主变保护定值安全边界自动校核方法及*** | |
CN118313960A (zh) | 一种基于分布式感知和聚类分析的用电数据预测方法 | |
CN117607777A (zh) | 电流互感器二次电流的采集方法 | |
CN118158565A (zh) | 一种用于智能电能表的通信故障自适应修复方法 | |
CN114066064A (zh) | 一种基于pca-lstm神经网络的空调负荷预测方法 |
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 |