CN101752866A - 基于决策树的重载设备自动预警实现方法 - Google Patents
基于决策树的重载设备自动预警实现方法 Download PDFInfo
- Publication number
- CN101752866A CN101752866A CN200810204336A CN200810204336A CN101752866A CN 101752866 A CN101752866 A CN 101752866A CN 200810204336 A CN200810204336 A CN 200810204336A CN 200810204336 A CN200810204336 A CN 200810204336A CN 101752866 A CN101752866 A CN 101752866A
- Authority
- CN
- China
- Prior art keywords
- load
- decision tree
- value
- heavy
- early warning
- 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
Links
Images
Classifications
-
- Y02E40/76—
-
- Y04S10/54—
-
- Y04S10/545—
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种自动化监控技术领域的基于决策树的重载设备自动预警实现方法,本发明提供重载设备的预警决策,采用每个监视组的每个时间段建立一棵决策树以实现重载设备的预警,充分利用运行经验和历史相关的信息,挖掘出适合当前电网的预警方案,在重载设备真正即将过载时,提前发出预警信号,并给出即将越限时间,使调度人员能够快速地判断预警发生的地点、预警性质及严重程度,确定影响区域,并及时采取正确措施缩小影响范围、避免事故、减少可能引起的负荷损失。本发明使供电设备的安全性得到较大提高,也是电力调度自动化系统自动化水平提高的体现。
Description
技术领域
本发明涉及一种自动化监控技术领域的方法,特别是涉及一种基于决策树的重载设备自动预警实现方法。
背景技术
追求电力系统运行的安全稳定性和经济性一直是系统运行的主要目标。随着我国电力体制改革的深入和电力建设的快速发展,一些大容量机组、长距离的输电线路和高压、特高压的输变电设备相继投运,造成一些重要的设备,例如一次变压器、线路的运行条件越来越恶劣,较高的负载率、甚至过载将越来越频繁。对这些重要设备的运行状况进行监视,提出了更高的要求,要求在发生过载时,能提前预警,让调度员有充足的时间处理过载设备,改变不利的运行状况。
目前,国内外电力调度自动化系统一般采用:设置定值-预警的模式。这种模式没有采用历史的负荷变化信息,仅仅考虑当前的负荷变化情况,存在如下问题:1)误报:在负荷变化较快的时间段,某些设备负载即使达到设定的定值,但由于是变化负荷,将很快回落,根据设置的定值将发生误报;2)预警不及时:在负荷单调快速上升时段,采用定值触发预警,留给调度员处理时间已经不多,处理不及时将导致一些自动装置动作,出现失去负荷现象,严重的可能酿成事故,造成重大经济损失。
数据挖掘的决策树方法是利用信息论中的信息增益寻找示例数据库中具有最大信息增益的属性字段,建立决策树的一个节点,再根据该属性字段的不同取值建立树的分支;在每个分枝集中重复建立树的下一个节点和分支的过程。
决策树是一个类似于流程图的树结构,其中每个内部节点表示在一个属性上的测试,每个分枝代表一个测试输出,每个树叶节点代表类。树的最顶层节点是根节点,为了对未知的样本分类,样本的属性值在决策树上测试。路径由根到叶节点。
发明内容
针对目前现有技术中存在的缺陷,本发明所要解决的技术问题是提供一种解决电力系统调度自动化对重载设备自动预警实现方法,能充分利用电网数据库信息,提供重载设备的预警判断,满足运行人员对重载设备的监控要求。
为了解决上述技术问题,本发明所提供的一种基于决策树的重载设备自动预警实现方法,来提供重载设备的预警决策,采用每个监视组的每个时间段建立一棵决策树以实现重载设备的预警。
本发明包括如下具体步骤:
第一步,根据电网运行情况建立监视组,每个监视组负责采集若干设备的负荷信息,负荷信息包括:有效功率、电流、电压等,设置每个监视组的重载动作值AV、重载启动值SV,启动复归值RV;
其中,重载动作值AV(action set-value)是指重载组设备的负荷重载率达到一定值后需要预警量;重载启动值SV(start set-value)是指重载组设备的负荷重载率达到一定值后开始对重载组值进行积分的启动值;启动复归值RV(restore set-value)是指重载组设备预警启动后,负荷重载率回落小于一定值,三者存在如下关系:AV>SV>RV。
第二步,根据电网负荷情况划分时间段,依据峰谷平划分为4-6个时间段;
第三步,建立数据库,负责存储监视组采集到的数据信息、时标,供决策树快速的检索;
第四步,对第一步获得的数据,在每个时间段中按照等间隔时间取样,对每个样本包含如下信息:时间标识T、重载动作标志FA、重载启动标志FS、重载复归标志FR、重载率LR;
其中,重载率LR(load rate)指重载设备负荷与重载动作至的比值;重载动作标志FA(flag action)为真表示重载组的负荷重载率大于重载动作值AV;重载启动标志FS(flag start)为真表示重载组的负荷重载率大于重载启动值SV;重载复归标志FR(flag restore)为真表示重载组的负荷重载率大于重载复归值RV,三者中FR与FA、AV互斥。
第五步,根据第四步获得的数据生成以下数据:重载启动时负荷对时间的一阶负荷导数ΔP、重载启动至重载动作时间段负荷对时间积分量ΔS、当前时间至重载动作时间差ΔT,其中,ΔP为非线性,将ΔP、ΔS、ΔT数据都保存到第三步建立的数据库中,在形成建立决策树时,以此检索出必要的样本信息,确定决策树的节点属性、以及属性值;
第六步,将ΔP、ΔS进行离散化处理;
第七步,提取第五步中保存的信息,确定根节点、内部节点、叶子节点,将离散化的ΔS中某个离散值作为根节点,将离散化的其他ΔS值、离散化的Δp作为内部节点,将动作时间ΔT作为叶子节点;
第八步,根据若干天的大多数样本信息,使用贪心(ID3)算法对决策树的数据进行分类,并修正节点属性值,每个分支路径是节点属性值的一个输出,反复调整ΔS离散值、Δp离散值,使决策树的深度最小,最终形成与时间段数目相同的棵决策树;
第九步,根据样本信息对冗余的决策树枝进行树的裁剪,完成决策树节点属性值的定量分析,得到各个内部节点的属性修正值,生成最优决策树;
第十步,根据其余样本信息,完成决策树节点属性值的验证分析,把决策树的节点和属性值保存在数据库,实时运行时从数据库获取决策树,将决策树的预测结果作为设备运行工况的预测判断,以供重载设备预警使用。
第六步中,所述将ΔP、ΔS进行离散化处理,其离散点数大小等于T×60/t,T为决策树的所属时间段小时数,t为提前预警的时间;
第五步中,所以动作时间ΔT,如果其取值为0,表示此次重载启动不会导致预警动作;如果其取值为非0值,表示此次重载启动会导致预警动作,且动作时间为ΔT;
第八步中,所述贪心(ID3)算法,其以信息熵作为分离目标评价函数,其以自顶向下各个击破的方式构造决策树,搜出全部空间的一部分,它确保决策树建立最简单,每次所做的测试数据最少,ID3算法构造的决策树平均深度较小,分类速度较快。
第九步中,所述对冗余的决策树枝进行树的裁剪,是指采用最小成本复杂度剪枝法,裁剪掉冗余的决策树枝。在决策树的构造过程中,许多分支可能反映的是训练数据中的噪声或孤立点,最小成本复杂度剪枝法其使用统计度量,检测并剔除这种干扰数据,剪去最不可靠的分枝。这将导致较快的分类,提高测试数据正确分类的能力,从而提高在未知数据上分类的准确性。
本发明方法在重载设备真正即将过载时,将提前发出预警信号,并给出即将越限时间,使调度人员能够快速地判断预警发生的地点、预警性质及严重程度,确定影响区域,并及时采取正确措施缩小影响范围、避免事故、减少可能引起的负荷损失。
本发明实现了一种监控方法,此方法能充分利用运行经验和历史相关的信息,挖掘出适合当前电网的预警方案,使供电设备的安全性得到较大提高,也是电力调度自动化系统自动化水平提高的体现。同时本发明是基于决策树的数据方法,其数据挖掘方式与应用无关,实现了系统的跨平台应用,支持UNIX、WINDOWS各种系列版本的操作系统平台。
相比目前预警系统,基于决策树的重载设备自动预警方法有以下优点:
1)不需要分析具体的运行方式,预警知识来源于历史的数据;
2)可以设定提前预警的时间;
3)能够正确识别预警与负荷正常变化,不误报;
4)采用决策树的方法在寻优时直接浏览决策树,优化更快,最终可以找到一个最优或者次优的解决方案。
附图说明
图1是本发明实施例基于决策树的重载设备自动预警方法的流程图;
图2是本发明实施例一个监视组的决策树生长示意图;
图3是本发明实施例一个重载动作值AV、重载启动值SV,启动复归值RV关系示意图。
具体实施方式
以下结合附图说明对本发明的实施例作进一步详细描述,但本实施例并不用于限制本发明,凡是采用本发明的相似方法及其相似变化,均应列入本发明的保护范围。
如图1所示,本实施例包括如下具体步骤:
第一步,建立监视组,设置每个监视组的重载动作值AV、重载启动值SV,启动复归值RV;
其中,重载动作值AV(action set-value)是指重载组设备的负荷重载率达到一定值后需要预警量;重载启动值SV(start set-value)是指重载组设备的负荷重载率达到一定值后开始对重载组值进行积分的启动值;启动复归值RV(restore set-value)是指重载组设备预警启动后,负荷重载率回落小于一定值,三者之间的关系如图3所示,即:AV>SV>RV。
第二步,依据峰谷平划分为4个时间段,0~7点为时间段1,7~11点为时间段2,11~13点为时间段3,13~17点为时间段4,17~24点并入时间段1,分成4棵决策树;
第三步,建立数据库,负责存储监视组采集到的数据信息、时标,供决策树快速的检索;
第四步,对第一步获得的数据,在每个时间段中按照等间隔时间3秒取样,每天存在28800个样本,对每个样本包含如下信息:时间标识T、重载动作标志FA、重载启动标志FS、重载复归标志FR、重载率LR,每个监视组每天保存144000个数据信息。
其中,重载率LR(load rate)指重载设备负荷与重载动作至的比值;重载动作标志FA(flag action)为真表示重载组的负荷重载率大于重载动作值AV;重载启动标志FS(flag start)为真表示重载组的负荷重载率大于重载启动值SV;重载复归标志FR(flag restore)为真表示重载组的负荷重载率大于重载复归值RV,三者中FR与FA、AV互斥。
第五步,根据第四步获得的数据生成以下数据:重载启动时负荷对时间的一阶负荷导数ΔP、重载启动至重载动作时间段负荷对时间积分量ΔS、当前时间至重载动作时间差ΔT,其中,ΔP为非线性,将ΔP、ΔS、ΔT数据都保存到第三步建立的数据库中,在形成建立决策树时,以此检索出必要的样本信息,确定决策树的节点属性、以及属性值;
第六步,将ΔP、ΔS进行离散化处理,其离散点数大小等于T×60/t,T为决策树的所属时间段小时数,t为提前预警的时间,对时间段1的T=7,提前预警的时间t=5分钟,则离散点数为:7×60/5=84;
第七步,提取第五步中保存的信息,确定根节点、内部节点、叶子节点,将离散化的ΔS中某个离散值作为根节点,将离散化的其他ΔS值、离散化的Δp作为其余节点,将动作时间ΔT作为叶子节点;
第八步,根据n天的n×28800×80%个样本,使用贪心(ID3)算法对决策树的数据进行分类,并修正节点属性值,每个分支路径是节点属性值的一个输出,反复调整ΔS离散值、Δp离散值,使决策树的深度最小,最终形成与时间段数目相同的棵决策树;
如图2所示,是本实施例中一个监视组的决策树生长示意图
其中:节点1为ΔS离散值1,
节点21:ΔS离散值2(合取规则:大于)
节点22:ΔS离散值3(合取规则:小于)
节点31:ΔP离散值1(合取规则:大于)
节点32:ΔP离散值2(合取规则:小于)
节点41:ΔP离散值3(合取规则:大于)
节点42:ΔP离散值4(合取规则:小于)
叶子节点●ΔT1:非0,ΔT1后将过载,需要预警
叶子节点○ΔT0:0,预警启动后将复归无需预警
第九步,根据样本信息对冗余的决策树枝进行树的裁剪,完成决策树节点属性值的定量分析,得到各个内部节点的属性修正值,生成最优决策树;
第十步,根据其余n×28800×20%样本信息,完成决策树节点属性值的验证分析,把决策树的节点和属性值保存在数据库,实时运行时从数据库获取决策树,将决策树的预测结果作为设备运行工况的预测判断,以供重载设备预警使用。
Claims (5)
1.一种基于决策树的重载设备自动预警实现方法,其特征在于,包括如下步骤:
第一步,根据电网运行情况建立监视组,每个监视组负责采集若干设备的负荷信息,负荷信息包括:有效功率、电流、电压,设置每个监视组的重载动作值AV、重载启动值SV,启动复归值RV;
其中,重载动作值AV是指重载组设备的负荷重载率达到一定值后需要预警量;重载启动值SV是指重载组设备的负荷重载率达到一定值后开始对重载组值进行积分的启动值;启动复归值RV是指重载组设备预警启动后,负荷重载率回落小于一定值,三者存在如下关系:AV>SV>RV;
第二步,根据电网负荷情况划分时间段,依据峰谷平划分为4-6个时间段;
第三步,建立数据库,负责存储监视组采集到的数据信息、时标,供决策树快速的检索;
第四步,对第一步获得的数据,在每个时间段中按照等间隔时间取样,每个样本包含如下信息:时间标识T、重载动作标志FA、重载启动标志FS、重载复归标志FR、重载率LR;
其中,重载率LR是指重载设备负荷与重载动作至的比值,重载动作标志FA为真表示重载组的负荷重载率大于重载动作值AV,重载启动标志FS为真表示重载组的负荷重载率大于重载启动值SV,重载复归标志FR为真表示重载组的负荷重载率大于重载复归值RV,三者中FR与FA、AV互斥;
第五步,根据第四步获得的数据生成以下数据:重载启动时负荷对时间的一阶负荷导数ΔP、重载启动至重载动作时间段负荷对时间积分量ΔS、当前时间至重载动作时间差ΔT,其中,ΔP为非线性,将ΔP、ΔS、ΔT数据都保存到第三步建立的数据库中,在形成建立决策树时,以此检索出必要的样本信息,确定决策树的节点属性、以及属性值;
第六步,将ΔP、ΔS进行离散化处理;
第七步,提取第五步中保存的信息,确定根节点、内部节点、叶子节点,将离散化的ΔS中某个离散值作为根节点,将离散化的其他ΔS值、离散化的Δp作为其余内部节点,将动作时间ΔT作为叶子节点;
第八步,根据若干天的部分样本信息,使用贪心算法对决策树的数据进行分类,并修正节点属性值,每个分支路径是节点属性值的一个输出,反复调整ΔS离散值、Δp离散值,使决策树的深度最小,最终形成与时间段数目相同的棵决策树;
第九步,根据样本信息对冗余的决策树枝进行树的裁剪,完成决策树节点属性值的定量分析,得到各个内部节点的属性修正值,生成最优决策树;
第十步,根据其余样本信息,完成决策树节点属性值的验证分析,把决策树的节点和属性值保存在数据库,实时运行时从数据库获取决策树,将决策树的预测结果作为设备运行工况的预测判断,以供重载设备预警使用。
2.根据权利要求1所述的基于决策树的重载设备自动预警实现方法,其特征是,第六步中,所述将ΔP、ΔS进行离散化处理,其离散点数大小等于T×60/t,T为决策树的所属时间段小时数,t为提前预警的时间。
3.根据权利要求1所述的基于决策树的重载设备自动预警实现方法,其特征是,第五步中,所以动作时间ΔT,如果其取值为0,表示此次重载启动不会导致预警动作;如果其取值为非0值,表示此次重载启动会导致预警动作,且动作时间为ΔT。
4.根据权利要求1所述的基于决策树的重载设备自动预警实现方法,其特征是,第八步中,所述贪心算法,其以信息熵作为分离目标评价函数,以自顶向下各个击破的方式构造决策树,搜出全部空间的一部分,确保决策树建立最简单,每次所做的测试数据最少。
5.根据权利要求1所述的基于决策树的重载设备自动预警实现方法,其特征是,第九步中,所述对冗余的决策树枝进行树的裁剪,是指采用最小成本复杂度剪枝法,裁剪掉冗余的决策树枝,在决策树的构造过程中,许多分支可能反映的是训练数据中的噪声或孤立点,最小成本复杂度剪枝法其使用统计度量,检测并剔除这种干扰数据,剪去最不可靠的分枝。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810204336A CN101752866A (zh) | 2008-12-10 | 2008-12-10 | 基于决策树的重载设备自动预警实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810204336A CN101752866A (zh) | 2008-12-10 | 2008-12-10 | 基于决策树的重载设备自动预警实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101752866A true CN101752866A (zh) | 2010-06-23 |
Family
ID=42479413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810204336A Pending CN101752866A (zh) | 2008-12-10 | 2008-12-10 | 基于决策树的重载设备自动预警实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101752866A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902623A (zh) * | 2012-09-27 | 2013-01-30 | 华北电力大学 | 一种复杂系统测试优选的实现方法 |
CN103337012A (zh) * | 2013-07-08 | 2013-10-02 | 国家电网公司 | 面向电网设备监控的多主题智能综合告警分析方法 |
CN104376397A (zh) * | 2014-10-15 | 2015-02-25 | 中国农业银行股份有限公司 | 一种数据实时分析方法及装置 |
CN104506340A (zh) * | 2014-11-21 | 2015-04-08 | 河南中烟工业有限责任公司 | 基于工业以太网故障诊断方法中决策树的创建方法 |
CN105024380A (zh) * | 2014-04-28 | 2015-11-04 | 苏州华天国科电力科技有限公司 | 一种定时调整有源滤波器直流电压的节能控制方法 |
CN106642061A (zh) * | 2016-12-28 | 2017-05-10 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉分气缸故障预警方法 |
CN106682777A (zh) * | 2016-12-28 | 2017-05-17 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉烟管堵塞预警方法 |
CN106682833A (zh) * | 2016-12-28 | 2017-05-17 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉过滤棉堵塞预警方法 |
CN106709657A (zh) * | 2016-12-28 | 2017-05-24 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉进水泵失效预警方法 |
CN106779234A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉节煤器失效预警方法 |
CN106779233A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉隔热层断裂预警方法 |
CN106779235A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉除氧器失效预警方法 |
CN106779450A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉软水器树脂失效预警方法 |
CN106779236A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉锅筒变形预警方法 |
CN106845690A (zh) * | 2016-12-28 | 2017-06-13 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉水位预警方法 |
CN106845689A (zh) * | 2016-12-28 | 2017-06-13 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉给水温度预警方法 |
CN110824586A (zh) * | 2019-10-23 | 2020-02-21 | 上海理工大学 | 基于改进决策树算法的降水预测方法 |
WO2021165811A1 (en) * | 2020-02-21 | 2021-08-26 | International Business Machines Corporation | Optimal interpretable decision trees using integer programming techniques |
-
2008
- 2008-12-10 CN CN200810204336A patent/CN101752866A/zh active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902623A (zh) * | 2012-09-27 | 2013-01-30 | 华北电力大学 | 一种复杂系统测试优选的实现方法 |
CN103337012A (zh) * | 2013-07-08 | 2013-10-02 | 国家电网公司 | 面向电网设备监控的多主题智能综合告警分析方法 |
CN103337012B (zh) * | 2013-07-08 | 2016-04-13 | 国家电网公司 | 面向电网设备监控的多主题智能综合告警分析方法 |
CN105024380A (zh) * | 2014-04-28 | 2015-11-04 | 苏州华天国科电力科技有限公司 | 一种定时调整有源滤波器直流电压的节能控制方法 |
CN104376397A (zh) * | 2014-10-15 | 2015-02-25 | 中国农业银行股份有限公司 | 一种数据实时分析方法及装置 |
CN104506340A (zh) * | 2014-11-21 | 2015-04-08 | 河南中烟工业有限责任公司 | 基于工业以太网故障诊断方法中决策树的创建方法 |
CN106779234A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉节煤器失效预警方法 |
CN106779450A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉软水器树脂失效预警方法 |
CN106682833A (zh) * | 2016-12-28 | 2017-05-17 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉过滤棉堵塞预警方法 |
CN106709657A (zh) * | 2016-12-28 | 2017-05-24 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉进水泵失效预警方法 |
CN106642061A (zh) * | 2016-12-28 | 2017-05-10 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉分气缸故障预警方法 |
CN106779233A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉隔热层断裂预警方法 |
CN106779235A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉除氧器失效预警方法 |
CN106682777A (zh) * | 2016-12-28 | 2017-05-17 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉烟管堵塞预警方法 |
CN106779236A (zh) * | 2016-12-28 | 2017-05-31 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉锅筒变形预警方法 |
CN106845690A (zh) * | 2016-12-28 | 2017-06-13 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉水位预警方法 |
CN106845689A (zh) * | 2016-12-28 | 2017-06-13 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉给水温度预警方法 |
CN110824586A (zh) * | 2019-10-23 | 2020-02-21 | 上海理工大学 | 基于改进决策树算法的降水预测方法 |
WO2021165811A1 (en) * | 2020-02-21 | 2021-08-26 | International Business Machines Corporation | Optimal interpretable decision trees using integer programming techniques |
GB2608322A (en) * | 2020-02-21 | 2022-12-28 | Ibm | Optimal interpretable decision trees using integer programming techniques |
US11676039B2 (en) | 2020-02-21 | 2023-06-13 | International Business Machines Corporation | Optimal interpretable decision trees using integer linear programming techniques |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101752866A (zh) | 基于决策树的重载设备自动预警实现方法 | |
CN105184084B (zh) | 一种电力计量自动化终端故障类型预测方法和系统 | |
US20110313581A1 (en) | Self-healing power grid and method thereof | |
CN110687473B (zh) | 一种智能变电站继电保护测试故障定位方法及系统 | |
CN106446016A (zh) | 一种基于并行关联规则挖掘的配电网运行可靠性预测方法 | |
CN109885021A (zh) | 一种基于实时采集数据对采集设备进行监测的方法及系统 | |
CN114793018A (zh) | 一种海上电网电气智能化数据处理装置 | |
CN104616092A (zh) | 一种基于分布式日志分析的行为模式处理方法 | |
CN108710099A (zh) | 电容式电压互感器监测告警方法和系统 | |
CN110556920A (zh) | 一种配电自动化监测方法、系统、终端及存储介质 | |
CN112364928A (zh) | 一种变电站故障数据诊断中的随机森林分类方法 | |
CN101609987B (zh) | 主站自动电压控制与厂站电压无功控制的联合协调方法 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN113806420A (zh) | 一种电网数据监测方法及装置 | |
CN107453354A (zh) | 一种配电网的薄弱环节识别方法 | |
CN110070266B (zh) | 一种用于识别电网连锁故障大事件的方法及系统 | |
CN115757363A (zh) | 一种三维地籍数据库的多层级管理方法及系统 | |
CN104933295A (zh) | 电气设备开关量记录纠错方法 | |
CN110502257B (zh) | 一种变电站监控信息管控及核对方法 | |
CN104680010A (zh) | 一种汽轮机组稳态运行数据筛选方法 | |
CN117117780A (zh) | 基于变电站一二次信息融合的断路器防拒动方法及系统 | |
CN111537819A (zh) | 一种配电自动化监测方法、系统、终端及存储介质 | |
CN110908956A (zh) | 一种保信主站系统及其故障信息归档方法 | |
CN112737120B (zh) | 区域电网控制报告的生成方法、装置和计算机设备 | |
CN105005939A (zh) | 基于点对点倍比法的电网跳跃运行数据甄别与修正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100623 |