国网浙江省电力有限公司金华供电公司林恺丰获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉国网浙江省电力有限公司金华供电公司申请的专利基于多维度加权聚类算法的电力表计过容烧毁预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119294804B 。
龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411319099.1,技术领域涉及:G06Q10/0635;该发明授权基于多维度加权聚类算法的电力表计过容烧毁预测方法是由林恺丰;邵美才;贺燕;王剑锋;许万全;吴志华;卢旭倩;郑庆;沈然;吕齐;赵凯美;斯媛;许骁楠;杨怀仁;陈澄;郭鸿健;李熙来设计研发完成,并于2024-09-21向国家知识产权局提交的专利申请。
本基于多维度加权聚类算法的电力表计过容烧毁预测方法在说明书摘要公布了:本发明公开了基于多维度加权聚类算法的电力表计过容烧毁预测方法,包括步骤S1:通过电能表的信息表获取表计信息;步骤S2:通过用电负荷数据表获取用户历史周期时间的负荷数据;步骤S3:对于入库的负荷数据,将日内存在预设数量个连续的点及以上的用户为过容用户,并且对过容用户进行多维度加权聚类计算。本发明公开的基于多维度加权聚类算法的电力表计过容烧毁预测方法,其考虑电力表计过容倍数、连续性、发热情况结合天气和用电变化给出量化的过容烧毁风险评价;基层供电所可以根据输出的数据或收到的短信有针对性进行换表,并可按实际需求更换合适的表计,防止表计烧毁的发生,并提升设备利用率。
本发明授权基于多维度加权聚类算法的电力表计过容烧毁预测方法在权利要求书中公布了:1.一种基于多维度加权聚类算法的电力表计过容烧毁预测方法,其特征在于,包括以下方法: 步骤S1:通过电能表的信息表获取表计信息,表计信息包括额定电压、额定电流、额定容量、接线方式和安装日期; 步骤S2:通过用电负荷数据表获取用户历史周期时间的负荷数据,负荷数据包括电压、电流和视在功率,将视在功率大于额定容量的负荷数据入库; 步骤S3:对于入库的负荷数据,将日内存在预设数量个连续的点及以上的用户为过容用户,并且对过容用户进行多维度加权聚类计算,具体实施为以下步骤: 步骤S3.1:进行过容倍率计算,过容倍率=最大5个视在功率的平均值额定容量;过容倍率权重R1=过容倍率-1*5; 步骤S3.2:进行连续过容计算,历史连续过容权重R2=近一年内最大连续过容测点数8;近期连续过容权重R3=近一周内最大连续过容测点数4; 步骤S3.3:进行日内过容率计算,历史日内过容率权重R4=近一年内最大三个日过容的总过容测点数72;近期日内过容率权重R5=近一周内最大日过容测点数12; 步骤S3.4:进行周过容率计算,周过容权重R6=近一周内过容天数7*4; 步骤S3.5:进行过热指数计算,反映超过一定倍率的单次过容发热量, 单次过热指数=大于预设倍数的过容连续点的过容倍率减去门槛倍率后对应的积分值; 式中,R7为过热指数;It为过容倍率;Imax为门槛倍率; 过热指数权重=最近一周内最大的单次过热指数*第一数值; 步骤S3.6:进行老化指数计算,老化基数=当前日期-安装日期365,老化指数权重R8=老化基数*历史日内过容率; 步骤S3.7:进行负荷突增处理,获取数据中台历史天气信息,使用负荷转化系数=用户夏冬季平均负荷春秋季平均负荷进行判断,若用户春秋季平均突增且满足当前春秋季平均负荷*负荷转化系数大于额定容量,则在下一个换季期间增加换季权重R9并提示换季过容烧毁风险,R9=当前春秋季平均负荷*负荷转化系数-额定容量额定容量*20; 步骤S3.8:进行特殊情况处理,获取数据中台天气预报信息,次日最高气温在预设温度以上的,增加处理的过热指数风险值R7’=R7*最高温度-29,以便提高易过热表计更换的优先级; 步骤S3.9:将以上维度数据每日更新,并加权求和; 通过对每只电力表计的R总倒序排序,风险值大于总阈值或靠前的为优先需要更换的过容表计。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人国网浙江省电力有限公司金华供电公司,其通讯地址为:321000 浙江省金华市婺城区双溪西路420号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励