基于滑动窗口的三相电能表错接线追退电量的计算方法

    公开(公告)号:CN116775731B

    公开(公告)日:2023-11-03

    申请号:CN202311074987.7

    申请日:2023-08-25

    摘要: 本发明属于配电设备领域,具体涉及一种基于滑动窗口的三相电能表错接线追退电量的计算方法,以及计算系统和核算工具。该方法包括如下步骤:S1:利用错接线研判模型根据电能表上传数据识别接线类型;S2:根据识别结果记录历史状态数据,构成历史数据集。S3:查询异常电能表的业务数据,获取装表时间。S4:采用滑动窗口方法对历史数据进行分析,得到错接线时刻。S5:根据接线类型查询更正系数。S6:在错接线时刻分析过程中,同步利用计量数据统计出各时段的错误电量,并结合更正系数计算追退电量。其中,错接线时刻为两侧窗口的错接线置信度存在差异的时刻。本发明解决了现有电能表错接线追退电量的计算方法效率低,可靠性差,存在误差的问题。

    基于滑动窗口的三相电能表错接线追退电量的计算方法

    公开(公告)号:CN116775731A

    公开(公告)日:2023-09-19

    申请号:CN202311074987.7

    申请日:2023-08-25

    摘要: 本发明属于配电设备领域,具体涉及一种基于滑动窗口的三相电能表错接线追退电量的计算方法,以及计算系统和核算工具。该方法包括如下步骤:S1:利用错接线研判模型根据电能表上传数据识别接线类型;S2:根据识别结果记录历史状态数据,构成历史数据集。S3:查询异常电能表的业务数据,获取装表时间。S4:采用滑动窗口方法对历史数据进行分析,得到错接线时刻。S5:根据接线类型查询更正系数。S6:在错接线时刻分析过程中,同步利用计量数据统计出各时段的错误电量,并结合更正系数计算追退电量。其中,错接线时刻为两侧窗口的错接线置信度存在差异的时刻。本发明解决了现有电能表错接线追退电量的计算方法效率低,可靠性差,存在误差的问题。

    一种基于Spark的多组件数据同步和处理方法、系统、工具

    公开(公告)号:CN115809299A

    公开(公告)日:2023-03-17

    申请号:CN202211497067.1

    申请日:2022-11-25

    摘要: 本发明属于大数据处理领域,具体涉及一种基于Spark的多组件数据同步和处理方法、系统、工具。该方法包括如下步骤:步骤一:在数据源管理界面中完成组件的数据源信息的配置并通过连通性验证;步骤二:选择某个不同数据源下表生成表节点,并完成不同表节点之间的连接;步骤三:完成同步参数配置并生成对应的参数信息;步骤四:通过安全认证模块对提交的配置信息进行安全认证;步骤五:根据参数信息初始化SparkConf以及Configuration;步骤六:将数据包和任务参数提交到DolphinScheduler或Yarn中以生成对应的Spark任务;并完成相应的数据同步;步骤七:Spark递归解析任务参数信息,然后读取源表数据,并写入到目标表中。解决现有方案在多组件数据的同步和处理过程不便、效率低的问题。

    一种适用于低压台区的故障智能诊断方法及其运维系统

    公开(公告)号:CN113406438A

    公开(公告)日:2021-09-17

    申请号:CN202110694891.5

    申请日:2021-06-23

    IPC分类号: G01R31/08

    摘要: 本发明涉及电力系统领域,特别涉及一种适用于低压台区的故障智能诊断方法及其运维系统。该故障智能诊断方法包括如下步骤:步骤一:确定低压台区出现的各个故障类型,以及与各个故障类型关联的多个特征量;并将各个特征量反映的异常特征状态定义为故障标签;步骤二:构建故障感知模型和故障诊断模型;步骤三:实时采集低压台区的特征数据并生成相应的故障标签;步骤四:将特征数据输入到故障感知模型中,判断当前低压台区是否存在故障;步骤五:将生成的故障标签的特征值输入到故障诊断模型中,诊断出引起当前低压台区故障的原因。本发明解决了现有低压台区的运行监测诊断和运维依赖人工,且电力管理的运维系统自动化不足的问题。

    一种适用于低压台区的故障智能诊断方法及其运维系统

    公开(公告)号:CN113406438B

    公开(公告)日:2023-11-24

    申请号:CN202110694891.5

    申请日:2021-06-23

    IPC分类号: G01R31/08

    摘要: 本发明涉及电力系统领域,特别涉及一种适用于低压台区的故障智能诊断方法及其运维系统。该故障智能诊断方法包括如下步骤:步骤一:确定低压台区出现的各个故障类型,以及与各个故障类型关联的多个特征量;并将各个特征量反映的异常特征状态定义为故障标签;步骤二:构建故障感知模型和故障诊断模型;步骤三:实时采集低压台区的特征数据并生成相应的故障标签;步骤四:将特征数据输入到故障感知模型中,判断当前低压台区是否存在故障;步骤五:将生成的故障标签的特征值输入到故障诊断模型中,诊断出引起当前低压台区故障的原因。本发明解决了现有低压台区的运行监测诊断和运维依赖人工,且电力管理的运维系统自动化不足的问题。