一种基于配电自动化指标数据的异常终端设备判断方法

    公开(公告)号:CN106602542B

    公开(公告)日:2019-07-19

    申请号:CN201510671951.6

    申请日:2015-10-15

    IPC分类号: H02J3/00

    摘要: 本发明涉及一种基于配电自动化指标数据的异常终端设备判断方法,包括:根据接入单位配电自动化系统上送的动静态数据及统计时间范围,确定待分析动静态数据的模型关系;利用投退记录表的数据,获得每个终端ei的离线时间长度tli与投退频率次数nli并通过设定参数来确定异常终端设备;根据动静态数据的模型关系确定异常终端设备的开关设备并确定与开关设备相关联的动态数据信息;依据匹配规则筛选对应于每个对应终端ei的遥信动作数据与遥信SOE数据匹配情况;根据能够匹配SOE的数量不能匹配SOE的数量每个终端ei的离线时间长度tli和投退频率次数nli,获得针对每个异常终端设备的影响情况集合。本发明技术方案发现异常设备以及分析异常影响情况。

    一种基于配电自动化指标数据的异常终端设备判断方法

    公开(公告)号:CN106602542A

    公开(公告)日:2017-04-26

    申请号:CN201510671951.6

    申请日:2015-10-15

    IPC分类号: H02J3/00

    摘要: 本发明涉及一种基于配电自动化指标数据的异常终端设备判断方法,包括:根据接入单位配电自动化系统上送的动静态数据及统计时间范围,确定待分析动静态数据的模型关系;利用投退记录表的数据,获得每个终端ei的离线时间长度tli与投退频率次数nli并通过设定参数来确定异常终端设备;根据动静态数据的模型关系确定异常终端设备的开关设备并确定与开关设备相关联的动态数据信息;依据匹配规则筛选对应于每个对应终端ei的遥信动作数据与遥信SOE数据匹配情况;根据能够匹配SOE的数量不能匹配SOE的数量每个终端ei的离线时间长度tli和投退频率次数nli,获得针对每个异常终端设备的影响情况集合。本发明技术方案发现异常设备以及分析异常影响情况。

    一种基于流形学习聚类算法的智能用电数据挖掘方法

    公开(公告)号:CN105653670B

    公开(公告)日:2020-12-29

    申请号:CN201511017533.1

    申请日:2015-12-29

    摘要: 本发明涉及一种基于流形学习聚类算法的智能用电数据挖掘方法,包括:获取用户n点用电数据集合X={X1,X2...Xs...Xt},其中,Xs={x1,x2...xi...xn},s∈[1,t],t为用户总数,i∈[1,n],n为用电数据采集点总数;对第s个用户n点用电数据Xs进行归一化处理,获取归一化处理后数据Xs′={x1′,x2′...xi′...x′n};对Xs′进行曲线拟合,获取用户用电的峰值对应时间Tp和谷值对应时间Tv,将Tp和Tv作为所述用户的标签;基于流形学习算法对所述归一化处理后数据进行降维处理,获取降维处理后数据集Y={Y1,Y2...Ys...Yt};采用聚类算法对所述降维处理后数据集进行分类;对每类用户的价格敏感性进行评价;本发明提供的方法针对智能用电数据信息,通过采用流形学习聚类方法对信息进行聚类分析,为智能用电互动化提供决策信息。