CN108734603A - 基于聚类的大数据相位识别方法 - Google Patents

基于聚类的大数据相位识别方法 Download PDF

Info

Publication number
CN108734603A
CN108734603A CN201810506899.2A CN201810506899A CN108734603A CN 108734603 A CN108734603 A CN 108734603A CN 201810506899 A CN201810506899 A CN 201810506899A CN 108734603 A CN108734603 A CN 108734603A
Authority
CN
China
Prior art keywords
phase
user
data
clustering
cluster
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
CN201810506899.2A
Other languages
English (en)
Inventor
陈红梅
唐宇飞
刘楠嶓
张会娟
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.)
Henan University of Technology
Original Assignee
Henan University of Technology
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 Henan University of Technology filed Critical Henan University of Technology
Priority to CN201810506899.2A priority Critical patent/CN108734603A/zh
Publication of CN108734603A publication Critical patent/CN108734603A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种基于K‑means聚类算法处理供电台区内用户相位信息，来完成供电台区内用户节点的分类。本发明主要步骤包括：采集电力系统运行的智能电表的电压数据，通过PCA处理电压数据，根据数据降维投射散点设定初始聚类中心，利用K‑means算法对电压所属相位信息进行聚类分组处理，实现对供电台区内用户相位的分类识别。优点在于基于聚类的大数据相位识别方法直接利用K‑means方法将同属相位的电压信息进行聚类，可以准确判断用户相位信息，对配电台区网络拓扑及三相不平衡治理提供支持，合理调整和规划接入每相用户的数量，来维持电力系统运行的稳定；不需要增加额外硬件开销，不需要设置比较阈值，弥补了目前的相位识别技术的弊端。

Description

基于聚类的大数据相位识别方法
技术领域
本发明涉及一种用户台区节点相位的分类领域，具体涉及一种K-means聚类大数据相位识别方法，属于配电网电参数测量应用领域。
背景技术
在电力公司的配电网运营管理中，涉及到很多和用户电能表相位相关的问题，例如：变压器台区的三相功率不平衡调整，当管理人员发现电力系统存在三相功率严重不平衡需要调整用户的相位时，因为不知道用户的具体相位，也就不知道去选择哪些用户去进行调整，无法对新客户接入网络做出评估，使其安装至最合理的相位线路上。又例如在进行线损分析时，发现了某一相线损较大时，存在线路老化隐患和窃电行为，但是因为不知道用户的相位，不能缩小检查范围，工作量非常大。用户相位识别显得非常重要。目前用户相位识别有三种方法：可以通过电力线载波通信技术进行用户节点的安装相位识别；利用相位仪构建二次回路识别；工作人员现场依据接入用户线的颜色进行识别。目前的相位识别技术有很多的不足之处：虽然可以通过电力线载波通信技术可以进行用户节点的安装相位识别，但是对于没有配备电力载波的台区，无法进行相位识别；相位仪的仪器精度，数字化，自动化程度都有待提高，且需要搭建二次回路，投资和工作量大；在用户接入处理过程中缺少电力线颜色的统一要求，无法做到根据接入用户线的颜色准确识别相位。
基于大数据分析的用户相位识别方法显得格外重要。目前我国已经基本实现了智能电能表的全覆盖工作，基于大数据分析的用户相位识别方法，不需要增加额外硬件开销，通过编写算法对采集到的用户相位电压信息进行处理、分类，准确得到对配电台区网络拓扑，能大大降低一线运检人员的工作强度和提高电力公司的运营管理水平。
虽然在大数据的相位识别方法领域可以通过线性相关法来完成用户相位的分类，但是此方法会因为阈值的选择影响分类结果；基于聚类的用户相位识别方法是一种有效的大数据相位识别方法，可以作为电力载波等相位识别等方法检验标准。
发明内容
一种基于聚类的大数据相位识别方法，由K-means聚类算法处理供电台区内用户相位信息，其特征在于：采集电力系统运行的智能电表的电压数据，通过PCA处理电压数据，根据数据降维投射散点设定初始聚类中心，利用K-means算法对电压所属相位信息进行聚类分组处理，实现对供电台区内用户相位的分类识别。基于聚类的大数据相位识别方法直接利用K-means方法将同属相位的电压信息进行聚类，可以准确判断用户相位信息，对配电台区网络拓扑及三相不平衡治理提供支持，合理调整和规划接入每相用户的数量，来维持电力系统运行的稳定；不需要增加额外硬件开销，不需要设置比较阈值，弥补了目前的相位识别技术的弊端。
本发明的有效效果在于：1.基于聚类的大数据相位识别方法直接利用K-means方法将相位的电压信息进行聚类，可以准确判断用户相位信息，对配电台区网络拓扑及三相不平衡治理提供支持，来维持电力系统运行的稳定；2.无需载波相位等专用工具识别, 减少了工作量，不需要增加额外硬件开销，不需要设置比较阈值，通过智能电能表测量电压功能相位的精确识别,弥补了目前的相位识别技术的弊端；3实现了跨台区识别,可解决电力公司营销系统档案录入错误问题,解决因此带来的线损统计错误问题，合理调整和规划接入用户的数量，对配电台区网络拓扑及三相不平衡治理提供支持，提前对新客户接入网络做出评估。
附图说明
图1为本发明的系统主程序流程图。
图2为K-mean K-means子程序流程图。
图3 基于聚类的大数据相位识别的仿真实验验证。
图4 基于聚类的大数据相位识别的实测实验验证。
具体实施方式
下面结合具体实施方式对本发明作进一步详细说明。
配电网中变压器台区都安装有总表,变压器台区总表的三相相位是确定的,可以作为参照；
通过智能电能表测量用户相位信息，系统收集用户相位电压数据信息；
系统数据导入算法，调用PCA首次处理电压数据，数据降维，将数据投射到二维平面（散点图表示）；
根据散点图形状选取初始聚类中心，记录初始聚类中心坐标值；
同一台区下用户相位为A、B和C三相，设置聚类组别数K=3，声明K-means聚类算法中间变量；
输入初始聚类中心坐标值，聚类中心数、迭代次数；
进行K-means程序处理；
返回聚类分类结果：用户相位分类结果，聚类中心点坐标，平方误差函数值、迭代次数和各个聚类中点的个数；
根据Kmeans算法的分类结果将数据投影到2维平面，用不同颜色表示台区用户相位分类，完成相位识别；
调用K-means程序对电压所属相位信息进行聚类分组处理，具体步骤为：
（1）PCA降维处理用户台区电压数据；
（2）输入选定的PCA散点图初始聚类中心，聚类组别数K=3和设置最大迭代次数、平方误差阈值；
（3）声明Kmeans数组和中间变量；
（4）利用欧几里得距离公式计算聚类中心至各电压点的距离；
（5）根据点到最近的聚类中心为一类更新分类结果，重新分配电压数据至相关相位组别；
（6）根据每个聚类中各点坐标的平均值更新聚类中心坐标；
（7）更新平方误差函数值；
（8）往复执行3、4、5、6、7步，直至迭代次数达到最大迭代次数，或平方误差小于阈值，返回分类结果, 聚类中心坐标, 平方误差函数值, 迭代次数, 各个聚类中的数据个数。
本发明的系统主程序流程图如附图1所示。
K-means程序编程框图如附图2所示。
本发明提出的方案通过如下仿真实验和实测数据加以验证：
仿真实验数据里包含了300用户(包含了A、B、C三相采集了300个用户数据)，每个用户采集1000个数据，将数据带入程序得到以下结果：
其中，附图3所示中三种颜色代表不同的簇，红点代表最终聚类中心。输出结果自动保存在数据文件夹下，显示每个簇内的聚类组别数和最终聚类中心，以及给每个数据加上所属类别的标签，将每个簇内的数据保存为CSV形式，得到关于用户相位聚类结论与仿真设计一致。
实测数据包含了25用户(包含了A、B、C三相采集了25个用户数据)，每个用户采集500个数据，将数据带入程序得结果如附图4所示，用户相位聚类结论与实测实验结论一致。
本发明说明书中未作详细描述的内容属于本专业领域技术人员公知的现有技术。

Claims (4)

1.一种基于聚类的大数据相位识别方法，由K-means聚类算法处理供电台区内用户相位信息，其特征在于：采集电力系统运行的智能电表的电压数据，通过PCA处理电压数据，根据数据降维投射散点设定初始聚类中心，利用K-means算法对电压所属相位信息进行聚类分组处理，实现对供电台区内用户相位的分类识别。
2.根据权利1所述基于聚类的大数据相位识别方法，其技术特征在于：所述聚类算法处理供电台区内用户相位信息具体为：
（1）对电压数据进行PCA降维处理；
（2）根据智能电表收集到的用户台区相位数据，同一台区下用户相位为A、B和C三相，设定聚类组别数K=3，根据PCA降维处理获得散点图，选定3个电压数据为相位的初始聚类中心；
（3）调用K-means程序；
（4）返回聚类分类结果：用户相位分类结果，聚类中心点坐标，平方误差函数值、迭代次数和各个聚类中点的个数；
（5）根据Kmeans算法的分类结果将数据投影到2维平面，用不同颜色表示台区用户相位分类，完成相位识别。
3.根据权利2所述基于聚类的大数据相位识别方法，其技术特征在于：调用K-means程序对电压所属相位信息进行聚类分组处理，具体步骤为：
（1）PCA降维处理用户台区电压数据；
（2）输入选定的PCA散点图初始聚类中心，聚类组别数K=3和设置最大迭代次数、平方误差阈值；
（3）声明Kmeans数组和中间变量；
（4）利用欧几里得距离公式计算聚类中心至各电压点的距离；
（5）根据点到最近的聚类中心为一类更新分类结果，重新分配电压数据至相关相位组别；
（6）根据每个聚类中各点坐标的平均值更新聚类中心坐标；
（7）更新平方误差函数值；
（8）往复执行3、4、5、6、7步，直至迭代次数达到最大迭代次数，或平方误差小于阈值，返回分类结果, 聚类中心坐标, 平方误差函数值, 迭代次数, 各个聚类中的数据个数。
4.根据权利2或权利3所述基于聚类的大数据相位识别方法，其技术特征在于：通过两次PCA处理电压数据；首次PCA处理电压数据选定3个相位初始聚类中心，具体步骤为通过PCA降维处理电压数据，形成二维平面的用户电压数据散点图，根据散点图形状选取初次初始聚类中心，可有效减少聚类结果的误差；第二次PCA处理用户电压数据降至二维，以便把数据带入K-means聚类算法。
CN201810506899.2A 2018-05-24 2018-05-24 基于聚类的大数据相位识别方法 Pending CN108734603A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810506899.2A CN108734603A (zh) 2018-05-24 2018-05-24 基于聚类的大数据相位识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810506899.2A CN108734603A (zh) 2018-05-24 2018-05-24 基于聚类的大数据相位识别方法

Publications (1)

Publication Number Publication Date
CN108734603A true CN108734603A (zh) 2018-11-02

Family

ID=63935207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810506899.2A Pending CN108734603A (zh) 2018-05-24 2018-05-24 基于聚类的大数据相位识别方法

Country Status (1)

Country Link
CN (1) CN108734603A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740641A (zh) * 2018-12-18 2019-05-10 清华四川能源互联网研究院 一种基于主成分分析和k-means聚类的台区用户识别方法
CN109799474A (zh) * 2019-03-25 2019-05-24 国网山东省电力公司电力科学研究院 一种基于数据相关性的多表位表箱电能表相位识别方法及系统
CN109857975A (zh) * 2018-12-29 2019-06-07 重庆邮电大学 一种电能表台区和三相自动识别方法
CN110231528A (zh) * 2019-06-17 2019-09-13 国网重庆市电力公司电力科学研究院 基于负荷特征模型库的变压器户变异常识别方法及装置
CN110350528A (zh) * 2019-07-22 2019-10-18 石家庄科林电气股份有限公司 一种低压台区拓扑自动辨识方法
CN110569316A (zh) * 2019-08-07 2019-12-13 浙江大学 基于t-SNE降维技术和BIRCH聚类的低压台区用户拓扑辨识方法
CN110687361A (zh) * 2019-09-20 2020-01-14 中国电力科学研究院有限公司 一种用于识别低压配网台区相序的方法及系统
CN110781199A (zh) * 2019-10-22 2020-02-11 南方电网科学研究院有限责任公司 基于es的电力用户日电量查询方法
CN111080105A (zh) * 2019-12-06 2020-04-28 国网辽宁省电力有限公司沈阳供电公司 基于电压时序数据的台区户变关系识别方法及系统
CN111126429A (zh) * 2019-11-10 2020-05-08 国网浙江省电力有限公司 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法
CN111178679A (zh) * 2019-12-06 2020-05-19 中能瑞通（北京）科技有限公司 一种基于聚类算法和网络搜索的相位识别方法
CN111401289A (zh) * 2020-03-24 2020-07-10 国网上海市电力公司 一种变压器部件的智能识别方法和装置
CN111404178A (zh) * 2020-03-11 2020-07-10 北京市腾河智慧能源科技有限公司 一种基于智能识别实例的均值算法验证方法及装置
CN112000917A (zh) * 2020-10-30 2020-11-27 杭州电子科技大学 融合已知相别和地址信息的低压用户计量表箱识别方法
CN112070143A (zh) * 2020-09-02 2020-12-11 广东电网有限责任公司广州供电局 基于聚类分析的台区户变关系识别方法和系统
CN113572164A (zh) * 2021-08-06 2021-10-29 国网四川省电力公司营销服务中心 一种基于k-means聚类分析的配电网台区识别方法
JP2022132275A (ja) * 2021-02-27 2022-09-08 ヒタチ・エナジー・スウィツァーランド・アクチェンゲゼルシャフト 電力グリッドにおける相接続の決定

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160018509A1 (en) * 2014-07-15 2016-01-21 John W. McCorkle Electrically small, range and angle-of-arrival rf sensor and estimation system
CN107515892A (zh) * 2017-07-07 2017-12-26 国网浙江省电力公司 一种基于大数据挖掘的电网低电压成因诊断方法
CN108038497A (zh) * 2017-12-05 2018-05-15 锐捷网络股份有限公司 一种交流电设备的工作状态判定模型建立方法及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160018509A1 (en) * 2014-07-15 2016-01-21 John W. McCorkle Electrically small, range and angle-of-arrival rf sensor and estimation system
CN107515892A (zh) * 2017-07-07 2017-12-26 国网浙江省电力公司 一种基于大数据挖掘的电网低电压成因诊断方法
CN108038497A (zh) * 2017-12-05 2018-05-15 锐捷网络股份有限公司 一种交流电设备的工作状态判定模型建立方法及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WENYU WANG ET AL.: "Phase Identification in Electric Power Distribution Systems by Clustering of Smart Meter Data", 《2016 15TH IEEE INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS》 *
孟建良等: "一种基于Spark和聚类分析的辨识电力系统不良数据新方法", 《电力系统保护与控制》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740641A (zh) * 2018-12-18 2019-05-10 清华四川能源互联网研究院 一种基于主成分分析和k-means聚类的台区用户识别方法
CN109857975A (zh) * 2018-12-29 2019-06-07 重庆邮电大学 一种电能表台区和三相自动识别方法
CN109799474A (zh) * 2019-03-25 2019-05-24 国网山东省电力公司电力科学研究院 一种基于数据相关性的多表位表箱电能表相位识别方法及系统
CN109799474B (zh) * 2019-03-25 2021-07-13 国网山东省电力公司电力科学研究院 一种基于数据相关性的多表位表箱电能表相位识别方法及系统
CN110231528A (zh) * 2019-06-17 2019-09-13 国网重庆市电力公司电力科学研究院 基于负荷特征模型库的变压器户变异常识别方法及装置
CN110350528A (zh) * 2019-07-22 2019-10-18 石家庄科林电气股份有限公司 一种低压台区拓扑自动辨识方法
CN110350528B (zh) * 2019-07-22 2020-08-21 石家庄科林电气股份有限公司 一种低压台区拓扑自动辨识方法
CN110569316A (zh) * 2019-08-07 2019-12-13 浙江大学 基于t-SNE降维技术和BIRCH聚类的低压台区用户拓扑辨识方法
CN110687361A (zh) * 2019-09-20 2020-01-14 中国电力科学研究院有限公司 一种用于识别低压配网台区相序的方法及系统
CN110781199B (zh) * 2019-10-22 2023-08-29 南方电网科学研究院有限责任公司 基于es的电力用户日电量查询方法
CN110781199A (zh) * 2019-10-22 2020-02-11 南方电网科学研究院有限责任公司 基于es的电力用户日电量查询方法
CN111126429A (zh) * 2019-11-10 2020-05-08 国网浙江省电力有限公司 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法
CN111178679A (zh) * 2019-12-06 2020-05-19 中能瑞通（北京）科技有限公司 一种基于聚类算法和网络搜索的相位识别方法
CN111080105A (zh) * 2019-12-06 2020-04-28 国网辽宁省电力有限公司沈阳供电公司 基于电压时序数据的台区户变关系识别方法及系统
CN111404178A (zh) * 2020-03-11 2020-07-10 北京市腾河智慧能源科技有限公司 一种基于智能识别实例的均值算法验证方法及装置
CN111401289A (zh) * 2020-03-24 2020-07-10 国网上海市电力公司 一种变压器部件的智能识别方法和装置
CN111401289B (zh) * 2020-03-24 2024-01-23 国网上海市电力公司 一种变压器部件的智能识别方法和装置
CN112070143A (zh) * 2020-09-02 2020-12-11 广东电网有限责任公司广州供电局 基于聚类分析的台区户变关系识别方法和系统
CN112070143B (zh) * 2020-09-02 2024-06-18 广东电网有限责任公司广州供电局 基于聚类分析的台区户变关系识别方法和系统
CN112000917B (zh) * 2020-10-30 2021-02-09 杭州电子科技大学 融合已知相别和地址信息的低压用户计量表箱识别方法
CN112000917A (zh) * 2020-10-30 2020-11-27 杭州电子科技大学 融合已知相别和地址信息的低压用户计量表箱识别方法
JP2022132275A (ja) * 2021-02-27 2022-09-08 ヒタチ・エナジー・スウィツァーランド・アクチェンゲゼルシャフト 電力グリッドにおける相接続の決定
JP7448745B2 (ja) 2021-02-27 2024-03-13 ヒタチ・エナジー・リミテッド 電力グリッドにおける相接続の決定
US12166353B2 (en) 2021-02-27 2024-12-10 Hitachi Energy Ltd Determination of phase connections in a power grid
CN113572164A (zh) * 2021-08-06 2021-10-29 国网四川省电力公司营销服务中心 一种基于k-means聚类分析的配电网台区识别方法
CN113572164B (zh) * 2021-08-06 2023-08-29 国网四川省电力公司营销服务中心 一种基于k-means聚类分析的配电网台区识别方法

Similar Documents

Publication Publication Date Title
CN113189418B (zh) 一种基于电压数据的拓扑关系识别方法
Li et al. Development of low voltage network templates—Part I: Substation clustering and classification
CN111650431B (zh) 一种电表台区识别方法
CN109740641A (zh) 一种基于主成分分析和k-means聚类的台区用户识别方法
CN110288039B (zh) 基于用户用电负荷特征窃电检测方法
WO2020252785A1 (zh) 用电异常识别方法、装置和计算机可读存储介质
Sharma et al. Electrical load profile analysis and peak load assessment using clustering technique
CN101984533A (zh) 一种基于模式的大规模中压配电网供电可靠性评估方法
CN111817301A (zh) 载波台区的低压分支拓扑识别方法
KR102778925B1 (ko) 접근성 시나리오를 이용하는 배전계획을 위한 분산전원 예측 시스템
US20200012306A1 (en) Apparatus and method for non-invasively analyzing behaviors of multiple power devices in circuit and monitoring power consumed by individual devices
CN109802382A (zh) 一种低压配电网用户连接关系识别方法及系统
CN111612056B (zh) 一种基于模糊聚类和过零偏移的低压户变关系识别方法
CN111091223B (zh) 一种基于物联网智能感知技术的配变短期负荷预测方法
CN109799474A (zh) 一种基于数据相关性的多表位表箱电能表相位识别方法及系统
CN114841832B (zh) 一种基于用电负荷二次聚类的电力用户画像标签建立方法
CN105447082A (zh) 一种海量负荷曲线的分布式聚类方法
CN120999630A (zh) 一种基于历史负载分析的供电路径动态生成与评估方法
CN118966728A (zh) 基于深度学习的电力物资需求预测方法及系统
CN115207905A (zh) 台区识别方法及装置、存储介质、终端
CN114709821A (zh) 一种基于有限量测的配电网分区谐波责任评估方法及系统
CN115422788A (zh) 一种配电网线损分析管理方法、装置、存储介质及系统
CN121011993A (zh) 基于电网gis的电力网络空间优化分析方法及系统
CN110165657A (zh) 考虑用户行业属性的变电站负荷聚类分析方法
Gullo et al. Low-voltage electricity customer profiling based on load data clustering

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: 20181102

WD01 Invention patent application deemed withdrawn after publication