一种单终端二次小线虚接测试方法

    公开(公告)号:CN108418731B

    公开(公告)日:2021-04-27

    申请号:CN201810233195.2

    申请日:2018-03-21

    IPC分类号: H04L12/26

    摘要: 本发明公开了电力通信领域的一种单终端二次小线虚接测试方法,包括在测试仪器和被测试终端之间的链路建立后进行的下列步骤:测试仪器向被测试终端发送总召唤命令;测试仪器接收并显示被测试终端每个遥信点的解析值和每个遥测点的解析值,通过将被测试终端每个遥信点的解析值和每个遥测点的解析值与实测值进行比较,找到解析值与实测值之间偏差超出规定范围或解析值为零的遥测点和遥信点,检查对应遥测点和遥信点上二次小线的接线;测试仪器向被测试终端上选定的遥控点发送遥控命令;测试仪器确认该遥控点接收并响应遥控命令是否成功;如果该遥控点接收并响应遥控命令失败的次数大于阈值,提示用户检查该遥控点的二次小线接线。

    一种电力经济指数体系构建和预测方法、系统及设备

    公开(公告)号:CN112381415A

    公开(公告)日:2021-02-19

    申请号:CN202011281354.X

    申请日:2020-11-16

    IPC分类号: G06Q10/06 G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种电力经济指数体系构建和预测方法、系统及设备,该方法包含:选定分析区域并获取统计周期内分析区域的用能数据;对用能数据进行预处理,剔除无效数据;根据预处理过的用能数据构建分析区域在统计周期内每个月的电力经济指数;根据各个电力经济指数对分析区域的电力、经济发展形势进行分析处理预测。其优点是:该方法根据分析区域内的用能数据计算出该区域的电力经济指数,根据各个电力经济指数对分析区域的电力、经济发展形势分析处理预测,可筛选出该分析区域内“热度”和“潜力”较大的时间段,结合该时间段内的政策、引入项目或社会环境等因素,为后阶段的重点工程建设提供方向和经验,有利于推进该分析区域的经济发展。

    一种单终端二次小线虚接测试方法

    公开(公告)号:CN108418731A

    公开(公告)日:2018-08-17

    申请号:CN201810233195.2

    申请日:2018-03-21

    IPC分类号: H04L12/26

    摘要: 本发明公开了电力通信领域的一种单终端二次小线虚接测试方法,包括在测试仪器和被测试终端之间的链路建立后进行的下列步骤:测试仪器向被测试终端发送总召唤命令;测试仪器接收并显示被测试终端每个遥信点的解析值和每个遥测点的解析值,通过将被测试终端每个遥信点的解析值和每个遥测点的解析值与实测值进行比较,找到解析值与实测值之间偏差超出规定范围或解析值为零的遥测点和遥信点,检查对应遥测点和遥信点上二次小线的接线;测试仪器向被测试终端上选定的遥控点发送遥控命令;测试仪器确认该遥控点接收并响应遥控命令是否成功;如果该遥控点接收并响应遥控命令失败的次数大于阈值,提示用户检查该遥控点的二次小线接线。

    一种空调负荷在线学习方法

    公开(公告)号:CN114811858B

    公开(公告)日:2023-11-10

    申请号:CN202210288166.2

    申请日:2022-03-22

    IPC分类号: F24F11/47 F24F11/62

    摘要: 本发明公开了一种空调负荷在线学习方法,包括:步骤S1:将一时刻采集的空调气象参数和负荷参数定义为一组数据,实时采集若干组所述数据;步骤S2:对所述S1采集的每一组所述数据进行预处理;步骤S3:将每一组所述数据分别对应一特征向量;步骤S4:根据所述特征向量,得到每一组所述数据对应的若干组组合特征;步骤S5:获取预设的梯度提升树模型,采用一组所述数据对应的若干组所述组合特征对所述梯度提升树模型进行训练。本发明在空调负荷预测领域具有更快的训练速度、更低的内存消耗和更好的准确率,具有良好地泛化性能,以促进在数据分布不稳定的在线模式下更好地学习。

    一种空调负荷在线学习方法
    9.
    发明公开

    公开(公告)号:CN114811858A

    公开(公告)日:2022-07-29

    申请号:CN202210288166.2

    申请日:2022-03-22

    IPC分类号: F24F11/47 F24F11/62

    摘要: 本发明公开了一种空调负荷在线学习方法,包括:步骤S1:将一时刻采集的空调气象参数和负荷参数定义为一组数据,实时采集若干组所述数据;步骤S2:对所述S1采集的每一组所述数据进行预处理;步骤S3:将每一组所述数据分别对应一特征向量;步骤S4:根据所述特征向量,得到每一组所述数据对应的若干组组合特征;步骤S5:获取预设的梯度提升树模型,采用一组所述数据对应的若干组所述组合特征对所述梯度提升树模型进行训练。本发明在空调负荷预测领域具有更快的训练速度、更低的内存消耗和更好的准确率,具有良好地泛化性能,以促进在数据分布不稳定的在线模式下更好地学习。