Nothing Special   »   [go: up one dir, main page]

CN111476384A - 一种基于关系关联法的配电网主动抢修优化方法 - Google Patents

一种基于关系关联法的配电网主动抢修优化方法 Download PDF

Info

Publication number
CN111476384A
CN111476384A CN202010401514.3A CN202010401514A CN111476384A CN 111476384 A CN111476384 A CN 111476384A CN 202010401514 A CN202010401514 A CN 202010401514A CN 111476384 A CN111476384 A CN 111476384A
Authority
CN
China
Prior art keywords
emergency repair
link
fault
active
repair
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.)
Pending
Application number
CN202010401514.3A
Other languages
English (en)
Inventor
连鸿波
陈旸
李家睿
戴人杰
国宗
姚伟
傅彬
庄稼犁
田茜
袁鑫
吴程楠
顾君雷
赵时桦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN202010401514.3A priority Critical patent/CN111476384A/zh
Publication of CN111476384A publication Critical patent/CN111476384A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于关系关联法的配电网主动抢修优化方法，包括环节一基于关联关系的主动抢修策略，环节二基于PSO—BP故障研判环节，环节三基于营配调一体化的抢修网，对配网故障抢修流程进行多角度的优化，对提升电网的可靠性起到促进作用。

Description

一种基于关系关联法的配电网主动抢修优化方法
技术领域
本发明涉及配电网调度运行技术领域，具体涉及一种基于关系关联法的配电网主动抢修优化方法。
背景技术
电网快速抢修是保障用户用电的一项重要工作。对于电网目前抢修工单涉及的相关台区不完全具备实时遥测遥信数据，且故障的勘查、研判依赖个人经验，抢修单的制作、人员的派出仍采用人工检索，耗费大量人力物力的同时，延误电网的抢修时间。
发明内容
本发明的目的是为了克服现有技术的不足，提供一种基于关系关联法的配电网主动抢修优化方法，它对配网故障抢修流程进行多角度的优化，对提升电网的可靠性起到促进作用。
实现上述目的的一种技术方案是：一种基于关系关联法的配电网主动抢修优化方法，包括如下环节：
环节一基于关联关系的主动抢修策略，将配电网的电压等级分为同一电压等级、下级电压等级和上级电压等级，将设备类型分为电源、电网和负荷侧设备；依据以上分类，将主动抢修关系分为包含关系、上下级关系和函数耦合关系；
环节二基于PSO—BP故障研判环节，采用粒子群算法优化BP神经网络算法的全局寻优能力，根据现场勘查结果，判断电网的故障原因；
环节三基于营配调一体化的抢修网，包含“营配调”一体化抢修数据库，为主动抢修智能指挥提供基础数据，具备抢修任务智能派单、抢修操作票智能拟写、抢修流程辅助把控、抢修过程后录入功能。
本发明涉及的基于关联关系的主动抢修策略，结合资深专家调度员工作经验，抢修历史大数据，分析研究各类故障特征之间的联系，主动引导现场抢修人员故障勘查，实现配电网的主动抢修。
本发明涉及的基于PSO—BP故障研判环节，采用粒子群算法优化其全局寻优能力，可根据现场勘查结果，智能判断电网的故障原因，该功能辅助调度员精确故障研判，使故障研判自动化和标准化。
本发明涉及的营配调一体化主动抢修网，融合了抢修网由故障信息主动采集、改进PSO-BP故障研判、营配调一体化数据库等功能，实现抢修人员自动检索，抢修任务智能派单、抢修操作票智能拟写，抢修流程辅助把控、抢修过程后录入，后评估等功能。
附图说明
图1是本发明涉及的基于关联关系的主动抢修策略示意图；
图2是本发明涉及的基于PSO—BP故障研判的输入层、隐含层和输出层关系示意图；
图3是本发明涉及的营配调一体化主动抢修网的流程示意图；
图4是本发明涉及的营配调一体化主动抢修网数据库示意图；
图5实施例电网模型示意图；
图6实施例电网主动抢修关系示意图；
图7实施例主动抢修逻辑示意图。
具体实施方式
为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例进行详细地说明：
目前，配电网抢修进度的已经成为了一项影响电网可靠性的重要因素。调度员在处理此类抢修时，存在四方面问题：1)故障信息汇报不全面；2)故障研判依赖个人经验；3)调度指挥流程繁琐，易漏通知；4)抢修工作缺乏经验总结等。以上问题，影响调度员故障判断，减缓指挥响应速度，延长故障的抢修进度和停电时间，不利于配电网的供电可靠性提升。本发明提出基于关联关系法优化了的主动抢修策略、基于PSO-BP算法优化了故障的智能研判、提出营配调一体化主动抢修网，从而提升抢修指挥速度，对配网故障抢修进行多角度的优化。
请参阅图1，环节一基于关联关系的主动抢修策略
将配电网的电压等级分为同一电压等级、下级电压等级和上级电压等级。将设备类型为分类电源、电网和负荷侧设备。
基于电压等级和设备类型，将故障特征间的关系分为；将设备类型分为主动抢修的关系包括：包含关系、上下级关系和函数耦合关系等，如下所示：
1)包含关系
包含关系判据如式1：
Figure BDA0002487466540000031
包含关系，即一个整体故障特征有若干个部分指标所构成，各故障特征都是整体故障特征不可或缺的一部分，任何一个部分故障特征的缺失都会导致整体故障特征的不合格。
2)上下级关系
上下级关系判据如式2
Figure BDA0002487466540000032
上下级关系，即一个故障特征直接受到或直接影响另一个故障特征，会导致另一个故障特征的不合格或者可能会受另一故障特征影响。
3)函数耦合关系
函数耦合关系判据如式3
Figure BDA0002487466540000033
函数耦合关系，即一个故障特征间接受到或影响另一个故障特征。
基于关系关联法，结合资深专家调度员工作经验，抢修历史大数据，分析研究各类故障特征之间的联系，实现配电网的主动抢修
请参阅图2，环节二基于PSO—BP故障研判
BP神经网络算法在研判配电网的多故障的过程中，易陷入局部最优解，采用粒子群算法优化其全局寻优能力，对配电网故障智能研判。
(1)BP神经网络
神经网络算法是一种按信息正向传播、误差逆向传播的故障研判方法，在多模式、多故障和非线性系统诊断方面具有优越性，适用于电气设备的各种故障关系。
正向传播过程中所采用的神经元传递函数如式(4)所示，隐含层与输出层分别如式(5)和式(6)
Figure BDA0002487466540000041
Figure BDA0002487466540000042
Figure BDA0002487466540000043
式中，e为常数；h1、s2分别为隐含层、输出层函数；Ri为故障的输入；RHij为Ri和隐含层Hj之间的权值；HSik为Hi和Sk之间的权值；θ为网络阈值，N为隐层神经元个数。
误差反向传播过程中的Si和Hi权值分析方法如式(7)和式(8)所示，使得误差小于设定的允许值(如式(9)所示)。
Figure BDA0002487466540000044
Figure BDA0002487466540000045
Figure BDA0002487466540000046
式中lr为网络学习速率；α为动量系数，设为0.09，
Figure BDA0002487466540000047
分别为样本F于输出层神经元k和隐含层神经元j的结果。
通过神经网络算法在研判配电网的多故障的过程中，易陷入局部最优解，无法得到最优的故障类型。但是粒子群算法具有全局寻优能力，因此将粒子群算法与神经网络算法相结，弥补神经网络算法的不足。
(2)PSO粒子群算法
粒子群(Particle Swarm Optimization,PSO)算法是一种随机寻优算法。它将每个诊断问题的解设想成存在于d维空间中的粒子，粒子在搜索空间中飞行的速度如式(10)所示，通过个体和群体的飞行经验来动态调整其速度，并不断更新位置(如(11)所示)，直到达到最优为止。每个粒子依据适应度函数值更新如式(12)
Figure BDA0002487466540000051
Figure BDA0002487466540000052
fitness＝min(f(v,x)) (12)
式中，
Figure BDA0002487466540000053
和
Figure BDA0002487466540000054
和分别为粒子的速度和位置；u＝1，2，…,q,q为种群粒子个数，r1、r2为[0,1]之间的随机数，为一个约束因子；t为当前的迭代次数；p为粒子个体历史最优位置；b为种群历史最优位置。
在粒子更新过程中，权重w,粒子跟踪自己历史最优值的权重系数C1粒子跟踪群体最优值的权重系数C2等参数的设置分别如(13至式(15)所示。
w＝wmax-(wmax-wmin)×(t/T) (13)
C1＝Cmax-(Cmax-Cmin)×(t/T) (14)
C2＝Cmax+(Cmax+Cmin)×(t/T) (15)
式中，wmax＝0.9,wmin＝0.3,Cmax＝2,Cmin＝0.6为最大迭代次数。
(3)改进PSO-BP的故障判断
图2是本发明涉及的输入层、隐含层和输出层关系
将配电网的故障特征表示为向量R，隐含层输出向量H，研判结果表示为向量S如式16-式18所示
R＝(R1…Rj…RM) (16)
H＝(H1…Hj…HM) (17)
G＝(G1…Gj…GM) (18)
输入层R和隐含层H之间，隐含层H和输出层S之间的权值为(改成RH和HS)
Figure BDA0002487466540000061
Figure BDA0002487466540000062
在模型的构建过程中，影响着网络诊断性能的隐含层神经元个数N可以通过多次训练网络比较神经元的平均误差大小来确定。
在结合PSO算法和BP算法两者优势的过程中，需要将BP网络的权值当作一个粒子，并在粒子搜索过程中，根据故障特点及PSO算法与BP算法之间的对应关系，依据由式(9)与式(12)结合而成的式(21)所示的适应度函数，利用式(10)优化速度，并运用式(11)调整粒子的位置，通过不断调整惯性权重W(如式(13)所示)、个体权重系数C1(如式(14)所示)、群体权重系数C2(如式(15)所示)来不断改变权值，使误差达到全局最小值，将网络均方误差作为粒子的适应度函数声来评价粒子的好坏，由此可见粒子的适应度值越小越好。
Figure BDA0002487466540000063
最终，隐含层函数Hij和故障研判结果函数Si如式22和式23所示：
Hij＝fRH(Ri) (22)
Si＝Hi×HSij (23)
请参阅图3，环节三基于“营配调”数据库的主动抢修网
抢修网由故障信息主动采集模块、改进PSO-BP故障研判模块、营配调一体化数据库模块构成。
(1)故障主动采集模块
该模块完成故障信息的采集，包含输入初始故障现象，自动判断故障，根据初始现象，系统主动提示调度员询问现场人员其他相关联的故障信息，完成故障信息的收集，为故障研判提供基础数据。
(2)故障研判模块
该模块完成故障的研判，采用BP神经网络和PSO粒子群算法建立的故障数据库，对故障进行研判。为调度员提供参考，为抢修智能指挥提供数据理论支撑。
(3)营配调抢修数据库
抢修网内融合了有公司线路运行班、用电监察班、高压电缆班和低压电缆班等设备运行部、营销部和抢修班的抢修网络数据，如图4所示：
图4是本发明涉及的营配调一体化主动抢修网数据库
图4所示的“营配调”一体化抢修数据库，为主动抢修智能指挥提供基础数据。融合抢修任务智能派单、抢修操作票智能拟写，抢修流程辅助把控、抢修过程后录入等功能组成了“营配调”一体化抢修网。
(4)抢修过程后录入
将每次抢修的故障原因数据收录至抢修历史数据库中，集中量化清晰反映抢修节点，形成抢修大数据库，为评价体系的建立，阶段性评估报告生成打下基础，可精准协助设备针对性消缺，调度部门和相关部门的对电网抢修质量的升级。也可通过自动生成抢修培训典型案例，为调度员和抢修人员的培训提供参考。
实施例的作用与效果
由于本实施例采用模型网架如图5所示，假设抢修人员汇报：隔离用户后，用户低压进线电压数据为Uab、Ubc和Uca分别为：380V、220V、220V。需调度员配合查找故障点。
根据基于关联关系的主动抢修策略，由于本实施例的案例电网主动抢修关系如图6所示。
根据关系图6，系统提示调度员查找故障点逻辑如图7所示
本实施例结合调度员经验和系统研判结果，初步判断为线路4-5之间架空线路故障。系统检索营配调抢修人员数据库，给出当天线运班抢修人员王工，操作班值班人员。系统自动生成抢修单，派出抢修任务。
本实施例试运行后，2019年与2018年相比，月均故障研判时间减少了40％，故障研判准确率提升了25％，可见本文提出的方法对电网的抢修的效率提升起到了促进作用。
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (1)

1.一种基于关系关联法的配电网主动抢修优化方法，其特征在于，包括如下环节：
环节一基于关联关系的主动抢修策略，将配电网的电压等级分为同一电压等级、下级电压等级和上级电压等级，将设备类型分为电源、电网和负荷侧设备；依据以上分类，将主动抢修关系分为包含关系、上下级关系和函数耦合关系；
环节二基于PSO—BP故障研判环节，采用粒子群算法优化BP神经网络算法的全局寻优能力，根据现场勘查结果，判断电网的故障原因；
环节三基于营配调一体化的抢修网，包含“营配调”一体化抢修数据库，为主动抢修智能指挥提供基础数据，具备抢修任务智能派单、抢修操作票智能拟写、抢修流程辅助把控、抢修过程后录入功能。
CN202010401514.3A 2020-05-12 2020-05-12 一种基于关系关联法的配电网主动抢修优化方法 Pending CN111476384A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010401514.3A CN111476384A (zh) 2020-05-12 2020-05-12 一种基于关系关联法的配电网主动抢修优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010401514.3A CN111476384A (zh) 2020-05-12 2020-05-12 一种基于关系关联法的配电网主动抢修优化方法

Publications (1)

Publication Number Publication Date
CN111476384A true CN111476384A (zh) 2020-07-31

Family

ID=71763573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010401514.3A Pending CN111476384A (zh) 2020-05-12 2020-05-12 一种基于关系关联法的配电网主动抢修优化方法

Country Status (1)

Country Link
CN (1) CN111476384A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113640699A (zh) * 2021-10-14 2021-11-12 南京国铁电气有限责任公司 微机控制型交直流电源系统故障判断方法、系统和设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104701989A (zh) * 2015-03-20 2015-06-10 国家电网公司 智能电网背景下电力网和通信网异构双网耦合建模方法
CN105305393A (zh) * 2015-10-21 2016-02-03 珠海许继芝电网自动化有限公司 基于营配贯通的配网抢修指挥系统及方法
CN111029914A (zh) * 2019-12-11 2020-04-17 国网辽宁省电力有限公司沈阳供电公司 基于泛在物联网建设的主动抢修系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104701989A (zh) * 2015-03-20 2015-06-10 国家电网公司 智能电网背景下电力网和通信网异构双网耦合建模方法
CN105305393A (zh) * 2015-10-21 2016-02-03 珠海许继芝电网自动化有限公司 基于营配贯通的配网抢修指挥系统及方法
CN111029914A (zh) * 2019-12-11 2020-04-17 国网辽宁省电力有限公司沈阳供电公司 基于泛在物联网建设的主动抢修系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王李元: "基于粒子群BP神经网络的输电线路故障分类与测距", 《中国优秀硕士学位论文全文库 工程科技II辑》, no. 02, pages 3 *
荣以平: "基于营配调贯通的智能化抢修指挥系统研究", 《中国优秀硕士学位论文全文库 工程科技II辑》, no. 02, pages 4 - 5 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113640699A (zh) * 2021-10-14 2021-11-12 南京国铁电气有限责任公司 微机控制型交直流电源系统故障判断方法、系统和设备
CN113640699B (zh) * 2021-10-14 2021-12-24 南京国铁电气有限责任公司 微机控制型交直流电源系统故障判断方法、系统和设备

Similar Documents

Publication Publication Date Title
CN111353656B (zh) 一种基于生产计划的钢铁企业氧气负荷预测方法
CN110348592A (zh) 一种基于人工神经网络的负荷模型预测方法及预测系统
CN116683500B (zh) 一种电化学储能电站有功功率调度方法和系统
Xie et al. Short-term power load forecasting model based on fuzzy neural network using improved decision tree
CN106650959A (zh) 一种基于改进灰色聚类的配电网抢修能力评估方法
CN109507961A (zh) 一种半导体生产线动态负荷均衡投料控制方法
CN115099646A (zh) 基于模糊概率混合可靠性评估与风险分析的输电线路维修方法
CN111476384A (zh) 一种基于关系关联法的配电网主动抢修优化方法
Sun et al. Edge computing terminal equipment planning method for real-time online monitoring service of power grid
CN110570091A (zh) 基于改进F-score特征选择及粒子群BP神经网络的负荷辨识方法
Li et al. Short-term load forecasting based on improved extreme learning machine
Li et al. Dynamic repositioning in dock-less bike-sharing system: A multi-agent reinforcement learning approach
Zhang et al. Modelling and simulation of facility planning problem based on improved SLP method
CN108805428A (zh) 一种基于数据驱动的钢铁企业电力调度驾驶舱系统
Xu et al. PRODUCTION SCHEDULING OPTIMIZATION OF FLEXIBLE MANUFACTURING SYSTEM FOR GREEN MANUFACTURING
CN118487328B (zh) 一种可再生能源发电侧电力系统能效优化方法和系统
Yang Design of Material Transportation Scheduling System Based on Improved Genetic Algorithm
Zhai A Snowmelt Optimization Algorithm Applied to Green Low Carbon Logistics Pathways Optimization Problems
Liu et al. Optimization of Distribution Network Data Management Mode Based on BP Neural Network Algorithm and Atlas Technology
CN116703301B (zh) 一种基于多个回收仓库信息二氧化锆废料管控方法
Xiao et al. Load forecasting analysis based on the residential electricity consumption data of BP neural network
CN112760727B (zh) 基于免疫内分泌算法优化总服务成本的聚酯纤维生产工艺
Hu et al. A Signal Control Algorithm of Urban Intersections based on Traffic Flow Prediction
Wang et al. Research on Disturbance for Job-shops Based on Production Data
Li et al. The allocation scheme of distribution network’s emergency service stations based on feeder fault prediction results

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200731

WD01 Invention patent application deemed withdrawn after publication