CN117849700B - 可控制测量的模块化电能计量系统 - Google Patents
可控制测量的模块化电能计量系统 Download PDFInfo
- Publication number
- CN117849700B CN117849700B CN202410258919.4A CN202410258919A CN117849700B CN 117849700 B CN117849700 B CN 117849700B CN 202410258919 A CN202410258919 A CN 202410258919A CN 117849700 B CN117849700 B CN 117849700B
- Authority
- CN
- China
- Prior art keywords
- data
- electric energy
- missing
- metering
- monitoring
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 60
- 230000005856 abnormality Effects 0.000 claims abstract description 22
- 230000000737 periodic effect Effects 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims description 98
- 238000011156 evaluation Methods 0.000 claims description 88
- 238000012545 processing Methods 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 18
- 238000005265 energy consumption Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
- G01R11/02—Constructional details
- G01R11/17—Compensating for errors; Adjusting or regulating means therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了可控制测量的模块化电能计量系统，涉及电能计量技术领域，为了解决电能数据采集不精准导致电能计量不准确的问题。本发明构建每个负荷量的识别模型可以快速地获取到关键特征数据中每个关键特征的目标时序数列数据对应的目标电能特征进而可以精准地确定该负荷量的运行特征，提高了数据获取效率和精度，通过周期校准可以及时发现和纠正这些误差，从而提高数据的准确性，通过数据周期校准，可以有效地保证数据的质量，将异常数据的位置和要调整的参数进行确认，并发送至显示终端进行智能控制调控或者工作人员手动调控，进一步提高了电能计量异常修复的快捷性和准确性。
Description
技术领域
本发明涉及电能计量技术领域，具体为可控制测量的模块化电能计量系统。
背景技术
电能计量是指使用电能计量装置对电能进行测量的过程。
公开号为CN202676757U的中国专利公开了一种模块化电能计量箱，主要通过将总开关室，电表箱，信息采集室分别设计成模块化，当需要增加电表箱时，只需增加电表箱模块，从而实现整个电能计量箱的扩展，上述专利虽然解决了电能计量模块化的问题，但是在实际操作中还存在以下问题：
1.没有对采集端口进行进一步的异常排查，从而使端口异常后数据采集不准确导致的电能计量不精准。
2.没有将电能数据中不同属性数据的负荷量进行进一步的确认，从而导致电能数据的统计效率降低。
3.没有将获取的电能计量数据进行进一步的异常分析和控制，从而导致无法根据异常进行及时修复。
发明内容
本发明的目的在于提供可控制测量的模块化电能计量系统，构建每个负荷量的识别模型可以快速地获取到关键特征数据中每个关键特征的目标时序数列数据对应的目标电能特征进而可以精准地确定该负荷量的运行特征，提高了数据获取效率和精度，通过周期校准可以及时发现和纠正这些误差，从而提高数据的准确性，通过数据周期校准，可以有效地保证数据的质量，根据曲线重叠对比可以更直观的发现实时获取的数据与历史数据之间的差别，将异常数据的位置和要调整的参数进行确认，并发送至显示终端进行智能控制调控或者工作人员手动调控，进一步提高了电能计量异常修复的快捷性和准确性，可以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
可控制测量的模块化电能计量系统，包括：
电能数据采集监控单元，用于：
将需要进行电能计量的电能数据进行采集，并且，将每个电能数据的采集端口进行监控，并对异常的采集端口进行故障定位；
电能数据特征提取单元，用于：
将采集的电能数据中的每个数据的负荷量进行确认，根据每个数据的负荷量进行负荷量分类，再根据分类类别得到每个数据的最终运行特征；
电能计量数据监控单元，用于：
根据运行特征数据确认电能数据的电能消耗数据，根据电能消耗得到电能计量数据，并将得到的电能计量数据标注为待处理计量数据；
监控数据分析控制单元，用于：
将待处理计量数据进行周期校准，将校准完成的待处理计量数据与历史计量数据进行数据对比，根据对比结果判断待处理计量数据的运行参数，并根据运行参数将待处理计量数据进行控制调整。
优选的，所述电能数据采集监控单元，包括：
数据采集模块，用于：
需要进行电能计量的数据包括电压数据、电流数据、时间数据和相位角数据；
并对每个电能计量数据的端口进行确认，根据电能计量数据的端口确认每个端口的基准端口参数；
端口监控模块，用于：
根据基准端口参数确认每个端口的监控指标，基于监控指标根据预先设定的监控插件生成规则生成监控插件，其中，监控插件携带有动态函数库；
根据监控插件得到端口的配置参数，将基准端口参数通过动态函数库中的各预设函数对配置参数进行调整，根据调整结果得到监控插件对应的监控端口；
当监控端口对端口进行监控时，根据监控插件的预设时间间隔对每个端口进行监控日志提取，并确认每个监控日志中的监控数据特征；
并将得到的监控数据特征进行分类统计，分类统计后得到每个电力数据的子监控数据；
将每个电力数据的子监控数据与预设目标监控数据进行数据对比；
根据对比结果判断每个电力数据的子监控数据是否在预设目标监控数据范围内，若不在则判定该子监控数据为异常监控数据，并根据异常监控数据确认异常端口的故障位置。
优选的，所述电能数据特征提取单元，包括：
时序特征数据确认模块，用于：
将采集的电能数据进行冗余和降维处理，获取处理后的实际电能数据；
将实际电能数据进行特征提取，根据提取结果获取电能数据的初始特征集合；
将初始特征集合中与电能负荷相关的关键特征进行调取，并标注为关键特征数据；
将电能数据的拓扑结构信息和预设运行方式信息以及每个端口节点的节点属性进行获取；
根据每个端口节点的节点属性和电能数据的拓扑结构信息以及预设运行方式信息，确定每个端口节点的电能拓扑权重值；
根据电能拓扑权重值得到电能数据中每个负荷量的基础值，根据每个负荷量的基础值得到电能数据对应的时序特征数据。
优选的，所述电能数据特征提取单元，还包括
采集异常报警模块，用于在对电能数据进行冗余和降维处理之前，对所述电能数据进行数据缺失程度判断，并根据所述判断结果确定是否进行数据采集异常报警；
其中，所述采集异常报警模块，包括：
信息提取模块，用于提取电能数据中的电压数据、电流数据、时间数据和相位角数据对应的具体数据信息；
比例参数获取模块，用于根据电压数据、电流数据、时间数据和相位角数据对应的具体数据信息对所述电压数据、电流数据、时间数据和相位角数据进行缺失值比例计算，获得所述电压数据、电流数据、时间数据和相位角数据对应的缺失值比例参数；
比例指数获取模块，用于根据所述电压数据、电流数据、时间数据和相位角数据对应的缺失值比例参数获取所述电能数据的综合缺失比例指数；其中，所述综合缺失比例指数通过如下公式获取：
；
其中，E表示综合缺失比例指数；E0表示预设的指数基准值；n表示电能数据中的数据类型的个数；Bi表示第i种数据类型的缺失值比例参数；B0i表示第i种数据类型的缺失值比例阈值；Bmax表示n种数据类型中的缺失值比例参数最大值；Bmin表示n种数据类型中的缺失值比例参数最小值；Bp表示n种数据类型中的缺失值比例阈值平均数值；
第一异常报警模块，用于当所述综合缺失比例指数超过预设的综合指数阈值时，则进行数据采集异常报警；
二级异常报警模块，用于当所述综合缺失比例指数未超过预设的综合指数阈值时，则对所述电压数据、电流数据、时间数据和相位角数据对应的具体缺失参数进行评估，根据评估结果判断是否进行数据采集异常报警。
优选的，二级异常报警模块，包括：
数据提取模块，用于提取所述电压数据、电流数据、时间数据和相位角数据对应的检测数据集，并利用识别工具从所述电压数据、电流数据、时间数据和相位角数据对应的检测数据集中识别所述电压数据、电流数据、时间数据和相位角数据对应的缺失值；
总数据集生成模块，用于调取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值以及所述缺失值对应的检测数据产生时刻，并生成所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集；
子数据集生成模块，用于按照预设的时间段对所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集进行分割，获取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集对应的缺失值子数据集；
信息调取模块，用于调取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集对应的每个缺失值子数据集中所包含的缺失值参数信息和缺失值对应的检测数据产生时刻；
缺失数据重要程度评价子参数获取模块，用于每个缺失值子数据集中所包含的缺失值参数信息和缺失值对应的检测数据产生时刻获取每个缺失值子数据集的缺失数据重要程度评价子参数；其中，所述缺失数据重要程度评价子参数通过如下公式获取：
；
其中，Sz表示缺失数据重要程度评价子参数；Sz01表示第一参变量；Sz02表示第二参变量；m表示缺失值子数据集所包含的缺失值的个数；xi表示第i个缺失值的具体数据参数值；xz表示缺失值子数据集对应的数据类型的数据中位数的数据值；Tp表示缺失值子数据集对应的数据类型的缺失值出现平均时间间隔；Ti表示所述缺失值子数据集中的第i个缺失值对应的检测数据产生时刻；
缺失数据重要程度综合评价参数获取模块，用于根据所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集对应的每个缺失值子数据集对应的缺失数据重要程度评价子参数，获取所述电能数据的缺失数据重要程度综合评价参数；
第二异常报警模块，用于当所述电能数据的缺失数据重要程度评价参数超过预设的重要评价参数阈值时，则进行数据采集异常报警。
优选的，缺失数据重要程度综合评价参数获取模块，包括：
评价子参数调取模块，用于调取所述电压数据、电流数据、时间数据和相位角数据对应的每个缺失值子数据集的缺失数据重要程度评价子参数；
缺失数据重要程度评价参数获取模块，用于利用所述电压数据、电流数据、时间数据和相位角数据对应的每个缺失值子数据集的缺失数据重要程度评价子参数，获取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集的缺失数据重要程度评价参数；其中，所述缺失数据重要程度评价参数通过如下公式获取：
；
其中，Sy表示电压数据、电流数据、时间数据和相位角数据对应的缺失数据重要程度评价参数；k表示所述电压数据、电流数据、时间数据和相位角数据对应所包含的缺失值子数据集的个数；mi表示第i个缺失值子数据集所包含的缺失值的个数；m0表示预设的缺失值的个数阈值；Szi表示第i个缺失值子数据集对应的缺失数据重要程度评价子参数；
缺失数据重要程度综合评价参数计算模块，用于利用所述电压数据、电流数据、时间数据和相位角数据对应的缺失数据重要程度评价参数获取所述电能数据的缺失数据重要程度综合评价参数，其中，所述缺失数据重要程度综合评价参数通过如下公式获取：
；
其中，Sc表示缺失数据重要程度综合评价参数；λi表示第i个数据类型的评价系数；Syi表示第i个数据类型的缺失数据重要程度评价参数；Szmax表示每个数据类型所包含的缺失值子数据集的缺失数据重要程度评价子参数的最大值。
优选的，所述电能数据特征提取单元，还包括：
运行特征数据确认模块，用于：
将电能数据中每个负荷量的时序特征数据进行确认；
根据每个负荷量的时序数列数据确定该负荷量的电能特征信息；
将电能特征信息作为模型输出样本训练预设网络模型以获得每个负荷量的识别模型；
根据每个负荷量的识别模型获取关键特征数据中每个关键特征的目标时序数列数据对应的目标电能特征；
根据每个关键特征的目标电能特征获取每个负荷量的第一运行特征；
并根据第一运行特征的变化情况确认每个负荷量的电能变化规则；
将电能变化规则相似度大于等于预设阈值的负荷量确认为同类负荷；
将同类负荷根据电能数据类型进行负荷量分类，分类完成后得到每个电能数据类型的最终电能运行特征。
优选的，所述电能计量数据监控单元，包括：
电能消耗数据确认模块，用于：
将最终电能运行特征中的电能消耗次数进行确认；
其中，电能消耗次数为在预设单位时间内获取的电能消耗数据的数量，预设的单位时间根据实际情况进行设定；
根据电能消耗次数确认每次电能消耗数据对应的数据量，并将该数据量标注为待计算计量数据。
优选的，所述电能计量数据监控单元，还包括：
电能计量数据确认模块，用于：
将待计算计量数据进行数据预处理；
根据数据预处理完成的待计算计量数据进行电量计算；
并根据计算的电量数据得到待计算计量数据中的平均计量数据；
其中，平均计量数据为平均功率数据、平均电流数据和累积电量数据；
并将平均计量数据标注为待处理计量数据。
优选的，所述监控数据分析控制单元，包括：
数据周期校准模块，用于：
将待处理计量数据中每个属性数据的区域以及负荷变化情况进行确认；
根据每个属性数据的区域以及负荷变化情况进行校准周期确认；
校准周期根据每个属性数据的区域以及负荷变化情况进行设置；
待处理计量数据校准完成后得到目标处理计量数据。
优选的，所述监控数据分析控制单元，还包括：
校准数据异常判断模块，用于：
将目标处理计量数据与历史计量数据进行数据对比；
其中，将目标处理计量数据与历史计量数据分别进行曲线数据转换；
将目标处理计量数据的曲线数据与历史计量数据的曲线数据进行曲线重叠对比；
曲线重叠对比后得到未重叠区域；
将未重叠区域的区域范围进行确认，当区域范围不在预设合格范围内时，则将未重叠区域的目标处理计量数据进行异常数据标注；
根据标注的异常数据进行调整参数以及调整区域的确认，并将确认的调整参数和调整区域在显示终端进行显示。
与现有技术相比，本发明的有益效果如下：
1.本发明提供的可控制测量的模块化电能计量系统，将基准端口参数通过动态函数库中的各预设函数对配置参数进行调整，可以最大程度实现每个端口数据获取的准确性，以及后期进行异常位置确认的便捷性。
2.本发明提供的可控制测量的模块化电能计量系统，构建每个负荷量的识别模型可以快速地获取到关键特征数据中每个关键特征的目标时序数列数据对应的目标电能特征进而可以精准地确定该负荷量的运行特征，提高了数据获取效率和精度。
3.本发明提供的可控制测量的模块化电能计量系统，通过周期校准可以及时发现和纠正这些误差，从而提高数据的准确性，通过数据周期校准，可以有效地保证数据的质量，根据曲线重叠对比可以更直观的发现实时获取的数据与历史数据之间的差别，将异常数据的位置和要调整的参数进行确认，并发送至显示终端进行智能控制调控或者工作人员手动调控，进一步提高了电能计量异常修复的快捷性和准确性。
附图说明
图1为本发明的整体模块原理示意图；
图2为本发明的方法流程示意图。
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做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。
为了解决现有技术中，对电能数据进行采集时，没有对采集端口进行进一步的异常排查，从而使端口异常后数据采集不准确导致的电能计量不精准的问题，请参阅图1和图2，本实施例提供以下技术方案：
可控制测量的模块化电能计量系统，包括：
电能数据采集监控单元，用于：
将需要进行电能计量的电能数据进行采集，并且，将每个电能数据的采集端口进行监控，并对异常的采集端口进行故障定位；
电能数据特征提取单元，用于：
将采集的电能数据中的每个数据的负荷量进行确认，根据每个数据的负荷量进行负荷量分类，再根据分类类别得到每个数据的最终运行特征；
电能计量数据监控单元，用于：
根据运行特征数据确认电能数据的电能消耗数据，根据电能消耗得到电能计量数据，并将得到的电能计量数据标注为待处理计量数据；
监控数据分析控制单元，用于：
将待处理计量数据进行周期校准，将校准完成的待处理计量数据与历史计量数据进行数据对比，根据对比结果判断待处理计量数据的运行参数，并根据运行参数将待处理计量数据进行控制调整。
具体的，通过电能数据采集监控单元可以最大程度实现每个端口数据获取的准确性，以及后期进行异常位置确认的便捷性，可以更快速的获取异常的位置信息，通过电能数据特征提取单元对负荷量进行归类处理可以将同类型的负荷的运行特征进行统一统计，无需针对单个负荷进行运行特征统计，提高了工作效率，通过电能计量数据监控单元可以实时获取最终电能运行特征在预设单位时间内采集的电能消耗数据的次数和每次采集电能消耗数据对应的数据量。这确保了数据的实时性和精确性，通过监控数据分析控制单元将异常数据的位置和要调整的参数进行确认，并发送至显示终端进行智能控制调控或者工作人员手动调控。
电能数据采集监控单元，包括：
数据采集模块，用于：
需要进行电能计量的数据包括电压数据、电流数据、时间数据和相位角数据；
并对每个电能计量数据的端口进行确认，根据电能计量数据的端口确认每个端口的基准端口参数；
端口监控模块，用于：
根据基准端口参数确认每个端口的监控指标，基于监控指标根据预先设定的监控插件生成规则生成监控插件，其中，监控插件携带有动态函数库；
根据监控插件得到端口的配置参数，将基准端口参数通过动态函数库中的各预设函数对配置参数进行调整，根据调整结果得到监控插件对应的监控端口；
当监控端口对端口进行监控时，根据监控插件的预设时间间隔对每个端口进行监控日志提取，并确认每个监控日志中的监控数据特征；
并将得到的监控数据特征进行分类统计，分类统计后得到每个电力数据的子监控数据；
将每个电力数据的子监控数据与预设目标监控数据进行数据对比；
根据对比结果判断每个电力数据的子监控数据是否在预设目标监控数据范围内，若不在则判定该子监控数据为异常监控数据，并根据异常监控数据确认异常端口的故障位置。
具体的，通过数据采集模块将电压数据、电流数据、时间数据和相位角数据的采集端口进行确认，并将每个采集端口的基准端口参数进行确认，根据确认急转端口参数可以实现对每个端口数据获取的有效性，同时，将基准端口参数通过动态函数库中的各预设函数对配置参数进行调整，可以最大程度实现每个端口数据获取的准确性，以及后期进行异常位置确认的便捷性，可以更快速的获取异常的位置信息，通过对电压数据、电流数据、时间数据和相位角数据的采集端口进行监控，可以有效的判断端口是否出现异常，进一步的提高了电能数据采集的准确性和可靠性。
为了解决现有技术中，进行电能计量时，没有将电能数据中不同属性数据的负荷量进行进一步的确认，从而导致电能数据的统计效率降低的问题，请参阅图1和图2，本实施例提供以下技术方案：
电能数据特征提取单元，包括：
时序特征数据确认模块，用于：
将采集的电能数据进行冗余和降维处理，获取处理后的实际电能数据；
将实际电能数据进行特征提取，根据提取结果获取电能数据的初始特征集合；
将初始特征集合中与电能负荷相关的关键特征进行调取，并标注为关键特征数据；
将电能数据的拓扑结构信息和预设运行方式信息以及每个端口节点的节点属性进行获取；
根据每个端口节点的节点属性和电能数据的拓扑结构信息以及预设运行方式信息，确定每个端口节点的电能拓扑权重值；
根据电能拓扑权重值得到电能数据中每个负荷量的基础值，根据每个负荷量的基础值得到电能数据对应的时序特征数据。
运行特征数据确认模块，用于：
将电能数据中每个负荷量的时序特征数据进行确认；
根据每个负荷量的时序数列数据确定该负荷量的电能特征信息；
将电能特征信息作为模型输出样本训练预设网络模型以获得每个负荷量的识别模型；
根据每个负荷量的识别模型获取关键特征数据中每个关键特征的目标时序数列数据对应的目标电能特征；
根据每个关键特征的目标电能特征获取每个负荷量的第一运行特征；
并根据第一运行特征的变化情况确认每个负荷量的电能变化规则；
将电能变化规则相似度大于等于预设阈值的负荷量确认为同类负荷；
将同类负荷根据电能数据类型进行负荷量分类，分类完成后得到每个电能数据类型的最终电能运行特征。
具体的，通过时序特征数据确认模块获取电能数据的初始特征数据可以快速地将电能数据中的子数据进行特征归化处理，从而可以统计出每个维度的数据特征，为后续进行负荷量的运行特征判定奠定了条件，其中，将采集的电能数据进行冗余和降维处理，可以保证其以更直观的数据形式进行显示，通过对时序数据的分析，可以深入了解数据的变化趋势和周期性，从而更好地理解数据的内在机制和影响因素，通过运行特征数据确认模块构建每个负荷量的识别模型可以快速地获取到关键特征数据中每个关键特征的目标时序数列数据对应的目标电能特征进而可以精准地确定该负荷量的运行特征，提高了数据获取效率和精度，通过对负荷量进行归类处理可以将同类型的负荷的运行特征进行统一统计，无需针对单个负荷进行运行特征统计，提高了工作效率。
具体的，所述电能数据特征提取单元，还包括
采集异常报警模块，用于在对电能数据进行冗余和降维处理之前，对所述电能数据进行数据缺失程度判断，并根据所述判断结果确定是否进行数据采集异常报警；
其中，所述采集异常报警模块，包括：
信息提取模块，用于提取电能数据中的电压数据、电流数据、时间数据和相位角数据对应的具体数据信息；
比例参数获取模块，用于根据电压数据、电流数据、时间数据和相位角数据对应的具体数据信息对所述电压数据、电流数据、时间数据和相位角数据进行缺失值比例计算，获得所述电压数据、电流数据、时间数据和相位角数据对应的缺失值比例参数；
比例指数获取模块，用于根据所述电压数据、电流数据、时间数据和相位角数据对应的缺失值比例参数获取所述电能数据的综合缺失比例指数；其中，所述综合缺失比例指数通过如下公式获取：
；
其中，E表示综合缺失比例指数；E0表示预设的指数基准值；n表示电能数据中的数据类型的个数；Bi表示第i种数据类型的缺失值比例参数；B0i表示第i种数据类型的缺失值比例阈值；Bmax表示n种数据类型中的缺失值比例参数最大值；Bmin表示n种数据类型中的缺失值比例参数最小值；Bp表示n种数据类型中的缺失值比例阈值平均数值；
第一异常报警模块，用于当所述综合缺失比例指数超过预设的综合指数阈值时，则进行数据采集异常报警；
二级异常报警模块，用于当所述综合缺失比例指数未超过预设的综合指数阈值时，则对所述电压数据、电流数据、时间数据和相位角数据对应的具体缺失参数进行评估，根据评估结果判断是否进行数据采集异常报警。
上述技术方案的技术效果为：通过在数据冗余和降维处理之前进行数据缺失程度判断，可以更准确地识别出哪些数据是缺失的，从而避免对缺失数据进行处理导致的结果偏差。对电压、电流、时间、相位角四种数据类型的缺失值比例进行全面评估，可以更全面地了解数据缺失的情况，有助于做出更准确的决策。实时计算综合缺失比例指数，可以及时发现数据采集异常，从而及时进行报警，避免因数据异常导致的后续分析误差。根据综合缺失比例指数和其他参数，可以选择不同的异常报警策略，从而更灵活地应对不同的情况。通过多级异常报警机制，可以提高报警的可靠性，避免误报或漏报的情况发生。因此，上述技术方案能够在性能指标上提高数据处理的准确性、完整性、实时性、灵活性和可靠性。
具体的，二级异常报警模块，包括：
数据提取模块，用于提取所述电压数据、电流数据、时间数据和相位角数据对应的检测数据集，并利用识别工具从所述电压数据、电流数据、时间数据和相位角数据对应的检测数据集中识别所述电压数据、电流数据、时间数据和相位角数据对应的缺失值；
总数据集生成模块，用于调取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值以及所述缺失值对应的检测数据产生时刻，并生成所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集；
子数据集生成模块，用于按照预设的时间段对所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集进行分割，获取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集对应的缺失值子数据集；
信息调取模块，用于调取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集对应的每个缺失值子数据集中所包含的缺失值参数信息和缺失值对应的检测数据产生时刻；
缺失数据重要程度评价子参数获取模块，用于每个缺失值子数据集中所包含的缺失值参数信息和缺失值对应的检测数据产生时刻获取每个缺失值子数据集的缺失数据重要程度评价子参数；其中，所述缺失数据重要程度评价子参数通过如下公式获取：
；
其中，Sz表示缺失数据重要程度评价子参数；Sz01表示第一参变量；Sz02表示第二参变量；m表示缺失值子数据集所包含的缺失值的个数；xi表示第i个缺失值的具体数据参数值；xz表示缺失值子数据集对应的数据类型的数据中位数的数据值；Tp表示缺失值子数据集对应的数据类型的缺失值出现平均时间间隔；Ti表示所述缺失值子数据集中的第i个缺失值对应的检测数据产生时刻；
缺失数据重要程度综合评价参数获取模块，用于根据所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集对应的每个缺失值子数据集对应的缺失数据重要程度评价子参数，获取所述电能数据的缺失数据重要程度综合评价参数；
第二异常报警模块，用于当所述电能数据的缺失数据重要程度评价参数超过预设的重要评价参数阈值时，则进行数据采集异常报警。
上述技术方案的技术效果为：通过提取检测数据集并从数据集中识别缺失值，可以更准确地确定哪些数据是缺失的。再结合缺失数据重要程度评价子参数和综合评价参数，可以更准确地判断缺失数据的重要程度，避免误报或漏报的情况发生。对电压、电流、时间、相位角四种数据类型的缺失值进行全面评估，包括从总数据集和子数据集中提取信息，可以更全面地了解数据缺失的情况，有助于做出更准确的决策。
通过生成缺失值总数据集和子数据集，并调取每个子数据集中的缺失值参数信息和检测数据产生时刻，可以及时发现数据采集异常，从而及时进行报警，避免因数据异常导致的后续分析误差。根据缺失数据重要程度评价子参数和综合评价参数，可以选择不同的异常报警策略，从而更灵活地应对不同的情况。通过多级异常报警机制，可以提高报警的可靠性，避免误报或漏报的情况发生。同时，通过获取每个子数据集的缺失数据重要程度评价子参数和综合评价参数，可以更准确地判断缺失数据的重要程度，进一步提高报警的可靠性。因此，上述技术方案能够在性能指标上提高数据处理的准确性、完整性、实时性、灵活性和可靠性。
另一反面，过检测和识别缺失值，可以更全面地了解数据集的情况，有助于避免因数据缺失导致的分析误差。同时，通过数据填充、插值等方法处理缺失值，可以进一步提高数据的完整性。通过使用自动化工具进行数据缺失程度判断和缺失值处理，可以大大提高数据处理的效率，缩短数据处理的时间。并且，通过多级异常报警机制和数据预处理，可以进一步降低数据中的异常值和噪音，提高数据的质量。同时，通过多级异常报警机制和参数的设定，可以提高预警的准确率，避免误报或漏报的情况发生。
具体的，缺失数据重要程度综合评价参数获取模块，包括：
评价子参数调取模块，用于调取所述电压数据、电流数据、时间数据和相位角数据对应的每个缺失值子数据集的缺失数据重要程度评价子参数；
缺失数据重要程度评价参数获取模块，用于利用所述电压数据、电流数据、时间数据和相位角数据对应的每个缺失值子数据集的缺失数据重要程度评价子参数，获取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集的缺失数据重要程度评价参数；其中，所述缺失数据重要程度评价参数通过如下公式获取：
；
其中，Sy表示电压数据、电流数据、时间数据和相位角数据对应的缺失数据重要程度评价参数；k表示所述电压数据、电流数据、时间数据和相位角数据对应所包含的缺失值子数据集的个数；mi表示第i个缺失值子数据集所包含的缺失值的个数；m0表示预设的缺失值的个数阈值；Szi表示第i个缺失值子数据集对应的缺失数据重要程度评价子参数；
缺失数据重要程度综合评价参数计算模块，用于利用所述电压数据、电流数据、时间数据和相位角数据对应的缺失数据重要程度评价参数获取所述电能数据的缺失数据重要程度综合评价参数，其中，所述缺失数据重要程度综合评价参数通过如下公式获取：
；
其中，Sc表示缺失数据重要程度综合评价参数；λi表示第i个数据类型的评价系数；Syi表示第i个数据类型的缺失数据重要程度评价参数；Szmax表示每个数据类型所包含的缺失值子数据集的缺失数据重要程度评价子参数的最大值。
上述技术方案的技术效果为：通过调取每个缺失值子数据集的缺失数据重要程度评价子参数，并利用这些参数计算出缺失数据重要程度评价参数，可以更准确地评估每个缺失值的重要程度。这种评估方法综合考虑了多个参数，包括缺失值的具体数据参数值、出现时间间隔等，可以更准确地判断缺失数据的重要程度。
通过利用每个数据类型的评价系数和缺失数据重要程度评价参数，可以进一步计算出缺失数据重要程度综合评价参数。这种综合评价方法考虑了不同数据类型的特点和重要性，可以从多个维度对缺失数据进行综合评价，提高了评价的准确性和可靠性。上述技术方案中的评价系数和缺失值个数阈值等参数可以根据实际需要进行自适应调整。这种自适应调整能力使得技术方案能够更好地适应不同的情况和需求，提高了其灵活性和适用性。
同时，通过利用预设的公式和算法，上述技术方案可以高效地计算出缺失数据重要程度评价参数和综合评价参数。这种高效计算能力可以大大缩短数据处理和分析的时间，提高了数据处理效率。并且，通过多级异常报警机制和参数的设定，可以提高预警的准确率，避免误报或漏报的情况发生。同时，通过准确评估缺失数据的重要程度，可以更准确地判断数据的异常情况，进一步提高预警的准确率。
电能计量数据监控单元，包括：
电能消耗数据确认模块，用于：
将最终电能运行特征中的电能消耗次数进行确认；
其中，电能消耗次数为在预设单位时间内获取的电能消耗数据的数量，预设的单位时间根据实际情况进行设定；
根据电能消耗次数确认每次电能消耗数据对应的数据量，并将该数据量标注为待计算计量数据。
电能计量数据确认模块，用于：
将待计算计量数据进行数据预处理；
根据数据预处理完成的待计算计量数据进行电量计算；
并根据计算的电量数据得到待计算计量数据中的平均计量数据；
其中，平均计量数据为平均功率数据、平均电流数据和累积电量数据；
并将平均计量数据标注为待处理计量数据。
具体的，通过电能消耗数据确认模块将最终电能运行特征中的电能消耗数据进行确认，可以更好地了解其能源使用情况，发现能源浪费的问题，并采取相应的措施来提高能源效率，这有助于降低能源成本，提高生产效率，通过电能计量数据确认模块将电能计量数据进行获取，通过获取电能计量数据，可以更好地了解最终电能运行特征中的用电情况，发现能源浪费的问题，并采取相应的节能措施，这有助于降低能源消耗和碳排放，促进节能减排和环保，通过电能消耗数据确认模块和电能计量数据确认模块可以实时获取最终电能运行特征在预设单位时间内采集的电能消耗数据的次数和每次采集电能消耗数据对应的数据量。这确保了数据的实时性和精确性。
为了解决现有技术中，没有将获取的电能计量数据进行进一步的异常分析和控制，从而导致无法根据异常进行及时修复的问题，请参阅图1和图2，本实施例提供以下技术方案：
监控数据分析控制单元，包括：
数据周期校准模块，用于：
将待处理计量数据中每个属性数据的区域以及负荷变化情况进行确认；
根据每个属性数据的区域以及负荷变化情况进行校准周期确认；
校准周期根据每个属性数据的区域以及负荷变化情况进行设置；
待处理计量数据校准完成后得到目标处理计量数据。
校准数据异常判断模块，用于：
将目标处理计量数据与历史计量数据进行数据对比；
其中，将目标处理计量数据与历史计量数据分别进行曲线数据转换；
将目标处理计量数据的曲线数据与历史计量数据的曲线数据进行曲线重叠对比；
曲线重叠对比后得到未重叠区域；
将未重叠区域的区域范围进行确认，当区域范围不在预设合格范围内时，则将未重叠区域的目标处理计量数据进行异常数据标注；
根据标注的异常数据进行调整参数以及调整区域的确认，并将确认的调整参数和调整区域在显示终端进行显示。
具体的，通过数据周期校准模块将获取的电能计量数据进行周期校准，通过周期校准可以及时发现和纠正这些误差，从而提高数据的准确性，通过数据周期校准，可以有效地保证数据的质量。在校准过程中，会对数据进行清洗、去重、补全等操作，以消除重复、错误或不完整的数据。这有助于提高数据的一致性和完整性，从而保证数据的质量。高质量的数据能够为后续的数据分析提供更加准确的结论，通过校准数据异常判断模块将校准完成的电能计量数据与历史数据进行曲线对比，根据曲线重叠对比可以更直观的发现实时获取的数据与历史数据之间的差别，并且历史计量数据均为合格的电能计量数据，曲线重叠的将未重叠区域的目标处理计量数据进行异常数据标注，并且将异常数据的位置和要调整的参数进行确认，并发送至显示终端进行智能控制调控或者工作人员手动调控，进一步提高了电能计量异常修复的快捷性和准确性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.可控制测量的模块化电能计量系统，其特征在于，包括：
电能数据采集监控单元，用于：
将需要进行电能计量的电能数据进行采集，并且，将每个电能数据的采集端口进行监控，并对异常的采集端口进行故障定位；
电能数据特征提取单元，用于：
将采集的电能数据中的每个数据的负荷量进行确认，根据每个数据的负荷量进行负荷量分类，再根据分类类别得到每个数据的最终运行特征；
电能计量数据监控单元，用于：
根据运行特征数据确认电能数据的电能消耗数据，根据电能消耗得到电能计量数据，并将得到的电能计量数据标注为待处理计量数据；
监控数据分析控制单元，用于：
将待处理计量数据进行周期校准，将校准完成的待处理计量数据与历史计量数据进行数据对比，根据对比结果判断待处理计量数据的运行参数，并根据运行参数将待处理计量数据进行控制调整；
所述电能数据特征提取单元，还包括
采集异常报警模块，用于在对电能数据进行冗余和降维处理之前，对所述电能数据进行数据缺失程度判断，并根据判断结果确定是否进行数据采集异常报警；
其中，所述采集异常报警模块，包括：
信息提取模块，用于提取电能数据中的电压数据、电流数据、时间数据和相位角数据对应的具体数据信息；
比例参数获取模块，用于根据电压数据、电流数据、时间数据和相位角数据对应的具体数据信息对所述电压数据、电流数据、时间数据和相位角数据进行缺失值比例计算，获得所述电压数据、电流数据、时间数据和相位角数据对应的缺失值比例参数；
比例指数获取模块，用于根据所述电压数据、电流数据、时间数据和相位角数据对应的缺失值比例参数获取所述电能数据的综合缺失比例指数；
第一异常报警模块，用于当所述综合缺失比例指数超过预设的综合指数阈值时，则进行数据采集异常报警；
二级异常报警模块，用于当所述综合缺失比例指数未超过预设的综合指数阈值时，则对所述电压数据、电流数据、时间数据和相位角数据对应的具体缺失参数进行评估，根据评估结果判断是否进行数据采集异常报警；
二级异常报警模块，包括：
数据提取模块，用于提取所述电压数据、电流数据、时间数据和相位角数据对应的检测数据集，并利用识别工具从所述电压数据、电流数据、时间数据和相位角数据对应的检测数据集中识别所述电压数据、电流数据、时间数据和相位角数据对应的缺失值；
总数据集生成模块，用于调取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值以及所述缺失值对应的检测数据产生时刻，并生成所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集；
子数据集生成模块，用于按照预设的时间段对所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集进行分割，获取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集对应的缺失值子数据集；
信息调取模块，用于调取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集对应的每个缺失值子数据集中所包含的缺失值参数信息和缺失值对应的检测数据产生时刻；
缺失数据重要程度评价子参数获取模块，用于每个缺失值子数据集中所包含的缺失值参数信息和缺失值对应的检测数据产生时刻获取每个缺失值子数据集的缺失数据重要程度评价子参数；
缺失数据重要程度综合评价参数获取模块，用于根据所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集对应的每个缺失值子数据集对应的缺失数据重要程度评价子参数，获取所述电能数据的缺失数据重要程度综合评价参数；
第二异常报警模块，用于当所述电能数据的缺失数据重要程度评价参数超过预设的重要评价参数阈值时，则进行数据采集异常报警；
缺失数据重要程度综合评价参数获取模块，包括：
评价子参数调取模块，用于调取所述电压数据、电流数据、时间数据和相位角数据对应的每个缺失值子数据集的缺失数据重要程度评价子参数；
缺失数据重要程度评价参数获取模块，用于利用所述电压数据、电流数据、时间数据和相位角数据对应的每个缺失值子数据集的缺失数据重要程度评价子参数，获取所述电压数据、电流数据、时间数据和相位角数据对应的缺失值总数据集的缺失数据重要程度评价参数；
缺失数据重要程度综合评价参数计算模块，用于利用所述电压数据、电流数据、时间数据和相位角数据对应的缺失数据重要程度评价参数获取所述电能数据的缺失数据重要程度综合评价参数。
2.根据权利要求1所述的可控制测量的模块化电能计量系统，其特征在于：所述电能数据采集监控单元，包括：
数据采集模块，用于：
需要进行电能计量的数据包括电压数据、电流数据、时间数据和相位角数据；
并对每个电能计量数据的端口进行确认，根据电能计量数据的端口确认每个端口的基准端口参数；
端口监控模块，用于：
根据基准端口参数确认每个端口的监控指标，基于监控指标根据预先设定的监控插件生成规则生成监控插件，其中，监控插件携带有动态函数库；
根据监控插件得到端口的配置参数，将基准端口参数通过动态函数库中的各预设函数对配置参数进行调整，根据调整结果得到监控插件对应的监控端口；
当监控端口对端口进行监控时，根据监控插件的预设时间间隔对每个端口进行监控日志提取，并确认每个监控日志中的监控数据特征；
并将得到的监控数据特征进行分类统计，分类统计后得到每个电力数据的子监控数据；
将每个电力数据的子监控数据与预设目标监控数据进行数据对比；
根据对比结果判断每个电力数据的子监控数据是否在预设目标监控数据范围内，若不在则判定该子监控数据为异常监控数据，并根据异常监控数据确认异常端口的故障位置。
3.根据权利要求2所述的可控制测量的模块化电能计量系统，其特征在于：所述电能数据特征提取单元，包括：
时序特征数据确认模块，用于：
将采集的电能数据进行冗余和降维处理，获取处理后的实际电能数据；
将实际电能数据进行特征提取，根据提取结果获取电能数据的初始特征集合；
将初始特征集合中与电能负荷相关的关键特征进行调取，并标注为关键特征数据；
将电能数据的拓扑结构信息和预设运行方式信息以及每个端口节点的节点属性进行获取；
根据每个端口节点的节点属性和电能数据的拓扑结构信息以及预设运行方式信息，确定每个端口节点的电能拓扑权重值；
根据电能拓扑权重值得到电能数据中每个负荷量的基础值，根据每个负荷量的基础值得到电能数据对应的时序特征数据。
4.根据权利要求3所述的可控制测量的模块化电能计量系统，其特征在于：所述电能数据特征提取单元，还包括：
运行特征数据确认模块，用于：
将电能数据中每个负荷量的时序特征数据进行确认；
根据每个负荷量的时序数列数据确定该负荷量的电能特征信息；
将电能特征信息作为模型输出样本训练预设网络模型以获得每个负荷量的识别模型；
根据每个负荷量的识别模型获取关键特征数据中每个关键特征的目标时序数列数据对应的目标电能特征；
根据每个关键特征的目标电能特征获取每个负荷量的第一运行特征；
并根据第一运行特征的变化情况确认每个负荷量的电能变化规则；
将电能变化规则相似度大于等于预设阈值的负荷量确认为同类负荷；
将同类负荷根据电能数据类型进行负荷量分类，分类完成后得到每个电能数据类型的最终电能运行特征。
5.根据权利要求4所述的可控制测量的模块化电能计量系统，其特征在于：所述电能计量数据监控单元，包括：
电能消耗数据确认模块，用于：
将最终电能运行特征中的电能消耗次数进行确认；
其中，电能消耗次数为在预设单位时间内获取的电能消耗数据的数量，预设的单位时间根据实际情况进行设定；
根据电能消耗次数确认每次电能消耗数据对应的数据量，并将该数据量标注为待计算计量数据。
6.根据权利要求5所述的可控制测量的模块化电能计量系统，其特征在于：所述电能计量数据监控单元，还包括：
电能计量数据确认模块，用于：
将待计算计量数据进行数据预处理；
根据数据预处理完成的待计算计量数据进行电量计算；
并根据计算的电量数据得到待计算计量数据中的平均计量数据；
其中，平均计量数据为平均功率数据、平均电流数据和累积电量数据；
并将平均计量数据标注为待处理计量数据。
7.根据权利要求6所述的可控制测量的模块化电能计量系统，其特征在于：所述监控数据分析控制单元，包括：
数据周期校准模块，用于：
将待处理计量数据中每个属性数据的区域以及负荷变化情况进行确认；
根据每个属性数据的区域以及负荷变化情况进行校准周期确认；
校准周期根据每个属性数据的区域以及负荷变化情况进行设置；
待处理计量数据校准完成后得到目标处理计量数据。
8.根据权利要求7所述的可控制测量的模块化电能计量系统，其特征在于：所述监控数据分析控制单元，还包括：
校准数据异常判断模块，用于：
将目标处理计量数据与历史计量数据进行数据对比；
其中，将目标处理计量数据与历史计量数据分别进行曲线数据转换；
将目标处理计量数据的曲线数据与历史计量数据的曲线数据进行曲线重叠对比；
曲线重叠对比后得到未重叠区域；
将未重叠区域的区域范围进行确认，当区域范围不在预设合格范围内时，则将未重叠区域的目标处理计量数据进行异常数据标注；
根据标注的异常数据进行调整参数以及调整区域的确认，并将确认的调整参数和调整区域在显示终端进行显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410258919.4A CN117849700B (zh) | 2024-03-07 | 2024-03-07 | 可控制测量的模块化电能计量系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410258919.4A CN117849700B (zh) | 2024-03-07 | 2024-03-07 | 可控制测量的模块化电能计量系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117849700A CN117849700A (zh) | 2024-04-09 |
| CN117849700B true CN117849700B (zh) | 2024-05-24 |
Family
ID=90546393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410258919.4A Active CN117849700B (zh) | 2024-03-07 | 2024-03-07 | 可控制测量的模块化电能计量系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117849700B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118175538B (zh) * | 2024-05-11 | 2024-07-26 | 南京合一环境集团有限公司 | 基于无线传输的工业污水处理智能远程控制系统 |
| CN119003625A (zh) * | 2024-10-21 | 2024-11-22 | 国网河南省电力公司新乡供电公司 | 一种电网信息的智能报送方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063457A (zh) * | 2010-09-21 | 2011-05-18 | 合肥兆尹信息科技有限责任公司 | 一种数据分类方法及系统 |
| CN202676757U (zh) * | 2012-07-17 | 2013-01-16 | 杭州世创电子技术有限公司 | 模块化电能计量箱 |
| AU2020101218A4 (en) * | 2020-07-01 | 2020-08-06 | North China Electric Power University | Method for multi-dimensional identification of flexible load demand response effect |
| CN111505374A (zh) * | 2020-04-29 | 2020-08-07 | 南方电网科学研究院有限责任公司 | 一种具有互检、自诊断功能的二合一计量装置及检测方法 |
| WO2021189904A1 (zh) * | 2020-10-09 | 2021-09-30 | 平安科技（深圳）有限公司 | 数据异常检测方法、装置、电子设备及存储介质 |
| CN115617784A (zh) * | 2022-09-09 | 2023-01-17 | 河南省沿太行高速公路有限公司 | 一种信息化配电的数据处理系统及其处理方法 |
| CN115936428A (zh) * | 2022-11-17 | 2023-04-07 | 江苏东港能源投资有限公司 | 增量配电网防外破定值优化系统 |
| CN116739562A (zh) * | 2023-06-15 | 2023-09-12 | 国网安徽省电力有限公司宿州供电公司 | 一种基于lstm的配电网稳定性运维方法 |
| CN117154716A (zh) * | 2023-09-08 | 2023-12-01 | 国网河南省电力公司 | 一种分布式电源接入配电网的规划方法及系统 |
| CN117271683A (zh) * | 2023-09-13 | 2023-12-22 | 北京欣智恒科技股份有限公司 | 一种测绘数据的智能分析评价方法 |
| CN117421684A (zh) * | 2023-12-14 | 2024-01-19 | 易知谷科技集团有限公司 | 基于数据挖掘和神经网络的异常数据监测与分析方法 |
| CN117559443A (zh) * | 2023-12-05 | 2024-02-13 | 国网河南省电力公司开封供电公司 | 尖峰负荷下大工业用户集群有序用电控制方法 |
-
2024
- 2024-03-07 CN CN202410258919.4A patent/CN117849700B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063457A (zh) * | 2010-09-21 | 2011-05-18 | 合肥兆尹信息科技有限责任公司 | 一种数据分类方法及系统 |
| CN202676757U (zh) * | 2012-07-17 | 2013-01-16 | 杭州世创电子技术有限公司 | 模块化电能计量箱 |
| CN111505374A (zh) * | 2020-04-29 | 2020-08-07 | 南方电网科学研究院有限责任公司 | 一种具有互检、自诊断功能的二合一计量装置及检测方法 |
| AU2020101218A4 (en) * | 2020-07-01 | 2020-08-06 | North China Electric Power University | Method for multi-dimensional identification of flexible load demand response effect |
| WO2021189904A1 (zh) * | 2020-10-09 | 2021-09-30 | 平安科技（深圳）有限公司 | 数据异常检测方法、装置、电子设备及存储介质 |
| CN115617784A (zh) * | 2022-09-09 | 2023-01-17 | 河南省沿太行高速公路有限公司 | 一种信息化配电的数据处理系统及其处理方法 |
| CN115936428A (zh) * | 2022-11-17 | 2023-04-07 | 江苏东港能源投资有限公司 | 增量配电网防外破定值优化系统 |
| CN116739562A (zh) * | 2023-06-15 | 2023-09-12 | 国网安徽省电力有限公司宿州供电公司 | 一种基于lstm的配电网稳定性运维方法 |
| CN117154716A (zh) * | 2023-09-08 | 2023-12-01 | 国网河南省电力公司 | 一种分布式电源接入配电网的规划方法及系统 |
| CN117271683A (zh) * | 2023-09-13 | 2023-12-22 | 北京欣智恒科技股份有限公司 | 一种测绘数据的智能分析评价方法 |
| CN117559443A (zh) * | 2023-12-05 | 2024-02-13 | 国网河南省电力公司开封供电公司 | 尖峰负荷下大工业用户集群有序用电控制方法 |
| CN117421684A (zh) * | 2023-12-14 | 2024-01-19 | 易知谷科技集团有限公司 | 基于数据挖掘和神经网络的异常数据监测与分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117849700A (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117849700B (zh) | 可控制测量的模块化电能计量系统 | |
| CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
| CN111984705B (zh) | 一种电能质量监测装置的精度评估管理方法和装置 | |
| CN111275570A (zh) | 一种基于迭代式统计与假设检验的风电机组功率异常值检测方法 | |
| CN118300270B (zh) | 基于人工智能的供电系统辅助管理方法 | |
| CN117394337A (zh) | 一种电网负荷预警方法及其系统 | |
| CN114356900A (zh) | 一种电力数据异常检测方法、装置、设备及介质 | |
| CN113626767A (zh) | 一种风机限电识别方法、系统、设备和存储介质 | |
| CN110930057A (zh) | 基于lof算法的配电变压器检验结果可信度的量化评判方法 | |
| CN118603207A (zh) | 一种可视化的配电房环境监测方法、系统及装置 | |
| CN118035925B (zh) | 一种基于电力大模型的数据处理系统 | |
| CN119224489A (zh) | 基于光伏新能源的配电网故障检测系统 | |
| CN115455358A (zh) | 基于非线性回归模型的电气参数趋势预警及故障诊断方法 | |
| CN117391357B (zh) | 一种基于大数据的电网调度运行管理的调度自查系统 | |
| CN115081911B (zh) | 一种基于动态检测数据的接触网潜在风险识别方法及装置 | |
| CN116739829A (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
| CN113671287B (zh) | 电网自动化终端智能检测方法、系统和可读存储介质 | |
| CN119476723B (zh) | 一种基于数据分析的生态经济价值评估方法 | |
| CN117708707B (zh) | 大数据下台区线损率异常智能预警方法和系统 | |
| CN119917885A (zh) | 一种基于K-means聚类算法的仪器设备检测方法 | |
| CN119204455A (zh) | 综合智能模型的虚拟电厂多维可调潜力评估方法 | |
| CN119066533A (zh) | 一种基于改进的灰色关联分析和孤立森林模型的台区线损率异常检测方法和系统 | |
| CN113872200B (zh) | 一种中压配网停电事件诊断识别方法、系统及存储介质 | |
| CN117937438A (zh) | 一种电网调度控制系统异常数据辨识和校正的方法及系统 | |
| CN118212395A (zh) | 一种线损异常定位方法及装置 |
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 |