-
公开(公告)号：CN115908043A
公开(公告)日：2023-04-04
申请号：CN202211218284.2
申请日：2022-09-30
Applicant: 云南电网有限责任公司
IPC: G06Q50/06 , G06F18/23213 , G06F18/2431
Abstract: 本发明公开了一种基于K‑means++的配电网低电压片区辨识方法及装置，包括：基于GIS系统获取设备地理信息，结合电网运维系统提取设备运行信息；关联设备地理信息与设备运行信息，判断设备的低电压问题，剔除不存在低电压问题的设备；通过K‑means++算法对低电压设备聚类寻优，并根据低电压设备惯性辨识低电压片区。本发明提供的配电网低电压区域智能辨识方法，能够准确判断低电压节点的设备问题，提高了电网规划辨识低电压片区的准确性，结合低电压片区划分的网架拓扑和设备空间分布，以可视化的方式更直观的展现问题，提高了电网管理的便捷性，且解决问题的成本低，节约资源。
-
公开(公告)号：CN114004457A
公开(公告)日：2022-02-01
申请号：CN202111180020.8
申请日：2021-10-11
Applicant: 云南电网有限责任公司
Abstract: 本申请提供的一种配电网规划问题根源精准定位方法及系统包括收集整理由电力系统获取的数据，形成规范的问题集；将规范的问题集转化为适用于关联算法的项集和事件集的形式；通过上述关联算法从历年的电网收资数据中挖掘个案问题、同源问题与区域乃至涉及整个系统的系统问题之间潜在的关联关系；利用提升度和卡方检验筛选关联规则；将算法得到的强关联规则以简洁美观的形式表达。本申请整理了配电网运行过程中已经出现或可能出现的全体问题，处理形成规范化的问题集，通过机器算法对规范化的问题集进行全面数据挖掘，寻找各问题间可能存在的关联关系，使规划人员能够系统、高效地对配电网规划方面问题进行改造。
-
公开(公告)号：CN113946973A
公开(公告)日：2022-01-18
申请号：CN202111239355.2
申请日：2021-10-25
Applicant: 云南电网有限责任公司
IPC: G06F30/20 , G06Q10/06 , G06Q50/06 , G06F119/02
Abstract: 本申请提供的一种基于灰色关联算法的供电可靠性相关指标分析方法，通过选取目标地区与供电可靠性相关的若干指标作为分析指标；根据分析指标选取目标地区与每个分析指标相关联的特征指标；以特征指标作为灰色关联分析比较序列，可靠性指标作为参考序列，构建目标地区数据集以及每个目标地区对应的特征指标数据集；对特征指标数据集进行归一化处理；对各特征指标计算关联系数，然后对同一特征指标不同样本的关联系数计算关联度；将关联度作为每个特征指标与可靠性指标的灰色关联系数，计算每个特征指标与可靠性指标的关联度；根据关联度判断特征指标的关联性。通过采用灰色关联法得到各相关指标与可靠性指标的关联程度，避免复杂的物理建模过程。
-
公开(公告)号：CN113837486B
公开(公告)日：2023-08-22
申请号：CN202111180037.3
申请日：2021-10-11
Applicant: 云南电网有限责任公司
Abstract: 申请涉及电力系统技术领域，尤其涉及一种基于RNN‑RBM的配网馈线长期负荷预测方法；所述预测方法包括：获取配网馈线历史负荷数据，并对其进行数据预处理；提取所述配网馈线历史负荷数据中用于配网馈线长期负荷预测的特征，所述特征包括自上而下特征和自下而上特征；将所述配网馈线历史负荷数据和所述特征输入至循环神经网络RNN‑受限玻尔兹曼机RBM中，对所述RNN‑RBM中的模型进行训练，得到负荷预测网络混合模型；将所述配网馈线历史负荷数据输入至所述负荷预测网络混合模型，得到对配网馈线长期负荷的预测值；根据评价指标，对所述预测值进行评估，完成配网馈线长期负荷预测；以解决现有配网馈线长期负荷预测准确率低，特征考虑不全面的问题。
-
公开(公告)号：CN113837486A
公开(公告)日：2021-12-24
申请号：CN202111180037.3
申请日：2021-10-11
Applicant: 云南电网有限责任公司
Abstract: 申请涉及电力系统技术领域，尤其涉及一种基于RNN‑RBM的配网馈线长期负荷预测方法；所述预测方法包括：获取配网馈线历史负荷数据，并对其进行数据预处理；提取所述配网馈线历史负荷数据中用于配网馈线长期负荷预测的特征，所述特征包括自上而下特征和自下而上特征；将所述配网馈线历史负荷数据和所述特征输入至循环神经网络RNN‑受限玻尔兹曼机RBM中，对所述RNN‑RBM中的模型进行训练，得到负荷预测网络混合模型；将所述配网馈线历史负荷数据输入至所述负荷预测网络混合模型，得到对配网馈线长期负荷的预测值；根据评价指标，对所述预测值进行评估，完成配网馈线长期负荷预测；以解决现有配网馈线长期负荷预测准确率低，特征考虑不全面的问题。
-
Patent Agency Ranking
公开(公告)号：CN114662859B
公开(公告)日：2024-05-24
申请号：CN202210188439.6
申请日：2022-02-28
Applicant: 云南电网有限责任公司
IPC: G06Q10/0639 , G06F30/27 , G06F113/04 , G06F119/02
Abstract: 本发明公开了一种网架结构对配电网可靠性指标提升效果的评估方法，包括：构建网架结构指标评价体系；基于中压配电网可靠性评估模型，采用改进的粒子群算法得到各要素的最优开关分布场景，计算多个指标的指标值；根据指标评价体系和指标值，采用模糊综合评判得到馈线结构现状评价值；筛选评价值为中和差的线路，构造权重向量，描述各要素投资成本的差异，基于权重向量加权处理后的指标值得到网架结构各要素对可靠性指标的技术经济提升效益。本发明解决了以往研究采用环网率、平均分段长度及自动化覆盖率等整体性指标来建立网架结构的评价体系、缺少对具体馈线的网架结构的讨论的问题，且能够有效评估馈线的网架结构对可靠性指标的提升效果。
-
公开(公告)号：CN116706946A
公开(公告)日：2023-09-05
申请号：CN202310648211.5
申请日：2023-06-02
Applicant: 云南电网有限责任公司曲靖供电局
IPC: H02J3/26
Abstract: 本发明公开了一种三相平衡自动调节机构及其使用方法，包括设备主体、圆形卡块和方形卡块，所述设备主体的一侧表面分别开设有方形接口和圆形接口，所述方形接口和圆形接口均设置有若干个，所述方形接口和圆形接口的内部上端均贯穿开设有顶槽，所述顶槽的内部滑动连接有顶杆，所述顶杆的上端固定连接杆把手，所述方形接口的顶杆下端固定连接有方形卡块，所述圆形接口的顶杆下端固定连接有圆形卡块，本发明通过设置的方形卡块和圆形卡块，使用时通过复位弹簧的复位效果，使方形卡块和圆形卡块始终有一个朝向下端的力，从而通过方形卡块对方形接头进行卡合固定，通过圆形卡块对圆形接头进行卡合固定。
-
公开(公告)号：CN115344604A
公开(公告)日：2022-11-15
申请号：CN202210849654.6
申请日：2022-07-19
Applicant: 云南电网有限责任公司
IPC: G06F16/245 , G06F16/25 , G06Q50/06
Abstract: 本发明公开了一种规则引擎驱动的配电网规划问题库构建方法，其包括：基于配电网中心数据库，编写事实陈述，构建事实库文件；制定配电网个案问题判别规则和配电网同源问题判别规则，构建配电网规划问题判别规则库文件，采用正向推理逻辑编写；基于Pyke，结合配电网规划问题判别规则库和配电网事实库，构建配电网规划问题判别规则引擎；制定配电网规划问题库模板，调用规则引擎，往事实库加入生成的配电网规划问题，并基于配电网规划问题库模板，整理出配电网规划问题库，并对其进行人工校核。可以充分地挖掘问题库内部问题之间的联系对配电网规划的指导价值，使工作人员根据实际需要修改规则库，具有可持续性和可维护性。
-
公开(公告)号：CN114445238A
公开(公告)日：2022-05-06
申请号：CN202210111079.X
申请日：2022-01-25
Applicant: 云南电网有限责任公司
Abstract: 本发明涉及一种配电网运维管理目标设定方法及系统，其方法包括：构建客观条件特征向量集合，获取集合中客观条件特征指标与运维管理要素指标的灰色关联度，所有灰色关联度作为特征权重向量集合，获取灰色关联度采用灰色关联法；将特征向量集合和特征权重向量集合进行C均值聚类分析，C均值聚类分析为将特征向量集合和特征权重向量集合作为样本划分为多个类别；对每个类别的样本进行分析和评估，根据分析和评估结果建立每个类别对应的方案集，方案集包括区间数法、置信度法和三分法；根据方案集进行多人决策群体排序，得到最终选择方案结果，多人决策群体排序采用科默尼选择函数方法。
-
公开(公告)号：CN113936190A
公开(公告)日：2022-01-14
申请号：CN202111220259.3
申请日：2021-10-20
Applicant: 云南电网有限责任公司
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请提供了一种用于时序电力数据的降噪方法和系统，用于实现对电力设备获取的时序电力数据进行降噪。该方法包括：对原始的时序电力数据的训练集进行预处理，所述预处理包括随机噪声处理和归一化处理；基于深度卷积神经网络构建深度卷积自编码器模型；将预处理后的训练集输入所述深度卷积自编码器模型进行训练，并结合预处理前的训练集对所述深度卷积自编码器模型进行调参，得到最优深度学习模型；使用时序电力数据的测试集对所述最优深度学习模型进行测试，评估模型性能；利用所述最优深度学习模型处理时序电力数据获得降噪后的时序电力数据。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
