并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法及設(shè)備的制作方法
【專利摘要】本發(fā)明提供一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法及設(shè)備，該方法包括：采集預(yù)測(cè)日期光伏電站發(fā)電系統(tǒng)的天氣類型；從數(shù)據(jù)庫(kù)中獲取所述光伏電站發(fā)電系統(tǒng)在所述天氣類型下對(duì)應(yīng)的多個(gè)光照強(qiáng)度、溫度以及光伏出力值；根據(jù)所述的多個(gè)光照強(qiáng)度、溫度以及光伏出力值構(gòu)建樣本集；對(duì)所述的樣本集進(jìn)行去噪，得到去噪后的樣本集；根據(jù)所述去噪后的樣本集建立稀疏貝葉斯回歸SBR訓(xùn)練模型；對(duì)所述的SBR訓(xùn)練模型進(jìn)行優(yōu)化，得到優(yōu)化后的SBR訓(xùn)練模型；根據(jù)優(yōu)化后的SBR訓(xùn)練模型確定所述的光伏電站發(fā)電系統(tǒng)在所述預(yù)測(cè)日期的輸出功率。采用稀疏貝葉斯輔以差分進(jìn)化算法來(lái)優(yōu)化模型中的超參數(shù)，進(jìn)而實(shí)現(xiàn)了并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定。
【專利說(shuō)明】并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法及設(shè)備
【技術(shù)領(lǐng)域】
[0001]本發(fā)明關(guān)于新能源勘探【技術(shù)領(lǐng)域】，特別是關(guān)于大規(guī)模風(fēng)電的勘探技術(shù)，具體的講是一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法及設(shè)備。
【背景技術(shù)】
[0002]目前，并網(wǎng)發(fā)電已經(jīng)占世界光伏發(fā)電市場(chǎng)的80%以上，成為光伏發(fā)電的主導(dǎo)市場(chǎng)。但是，由于太陽(yáng)能光伏發(fā)電存在發(fā)電量的多少與天氣和地域因素影響較大的缺點(diǎn)，并入電網(wǎng)后會(huì)對(duì)供電質(zhì)量造成一定影響。因此，在光伏發(fā)電并入電網(wǎng)之前，有必要對(duì)發(fā)電功率做出有效的預(yù)測(cè)，以減輕對(duì)大電網(wǎng)的負(fù)面影響，預(yù)測(cè)具有極其重要的意義。
[0003]當(dāng)光伏發(fā)電的上網(wǎng)電量與常規(guī)電廠的發(fā)電量處于可比較的數(shù)量級(jí)或成為不可忽略的一部分時(shí)，光伏并網(wǎng)發(fā)電將對(duì)現(xiàn)有發(fā)電模式和電網(wǎng)的穩(wěn)定、經(jīng)濟(jì)、安全運(yùn)行帶來(lái)一系列影響，例如負(fù)荷峰谷對(duì)電網(wǎng)的影響，晝夜變化、東西部時(shí)差以及季節(jié)的變化對(duì)電網(wǎng)的影響，氣象條件變化對(duì)電網(wǎng)的影響，遠(yuǎn)距離光伏電能輸送帶來(lái)的影響等。
[0004]現(xiàn)有技術(shù)中，稀疏貝葉斯回歸(Sparse Bayesian Regression, SBR)理論在構(gòu)建高維非線性預(yù)測(cè)時(shí)具有優(yōu)勢(shì)，且無(wú)需對(duì)SVM(Support Vector Machine)中平衡經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信區(qū)間的懲罰因子進(jìn)行設(shè)定，可自動(dòng)避免過(guò)學(xué)習(xí)現(xiàn)象的產(chǎn)生。但是SBR的超參數(shù)選取大多是使用人工手段進(jìn)行的，因此操作過(guò)程比較復(fù)雜而且具有很大盲目性，由此得出的預(yù)測(cè)精度也會(huì)比較低。
[0005]基于此，如何對(duì)并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率進(jìn)行預(yù)測(cè)是本領(lǐng)域亟待解決的技術(shù)難題。

【發(fā)明內(nèi)容】

[0006]本發(fā)明提供的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法及設(shè)備，針對(duì)現(xiàn)有技術(shù)中存在的上述技術(shù)問(wèn)題，通過(guò)對(duì)歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，在對(duì)原始數(shù)據(jù)去噪聲之后，尋找出其中的規(guī)律并進(jìn)行預(yù)測(cè)，采用稀疏貝葉斯輔以差分進(jìn)化算法來(lái)優(yōu)化模型中的超參數(shù)，進(jìn)而實(shí)現(xiàn)了并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定。
[0007]本發(fā)明的目的之一是，提供一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法，包括:采集預(yù)測(cè)日期光伏電站發(fā)電系統(tǒng)的天氣類型；從數(shù)據(jù)庫(kù)中獲取所述光伏電站發(fā)電系統(tǒng)在所述天氣類型下對(duì)應(yīng)的多個(gè)光照強(qiáng)度、溫度以及光伏出力值；根據(jù)所述的多個(gè)光照強(qiáng)度、溫度以及光伏出力值構(gòu)建樣本集；對(duì)所述的樣本集進(jìn)行去噪，得到去噪后的樣本集；根據(jù)所述去噪后的樣本集建立稀疏貝葉斯回歸SBR訓(xùn)練模型；對(duì)所述的SBR訓(xùn)練模型進(jìn)行優(yōu)化，得到優(yōu)化后的SBR訓(xùn)練模型；根據(jù)優(yōu)化后的SBR訓(xùn)練模型確定所述的光伏電站發(fā)電系統(tǒng)在所述預(yù)測(cè)日期的輸出功率。
[0008]本發(fā)明的目的之一是，提供了一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定設(shè)備，包括:天氣類型采集模塊，用于采集預(yù)測(cè)日期光伏電站發(fā)電系統(tǒng)的天氣類型；獲取模塊，用于從數(shù)據(jù)庫(kù)中獲取所述光伏電站發(fā)電系統(tǒng)在所述天氣類型下對(duì)應(yīng)的多個(gè)光照強(qiáng)度、溫度以及光伏出力值；樣本集構(gòu)造模塊，用于根據(jù)所述的多個(gè)光照強(qiáng)度、溫度以及光伏出力值構(gòu)建樣本集；去噪模塊，用于對(duì)所述的樣本集進(jìn)行去噪，得到去噪后的樣本集；訓(xùn)練模型建立模塊，用于根據(jù)所述去噪后的樣本集建立稀疏貝葉斯回歸SBR訓(xùn)練模型；優(yōu)化模塊，用于對(duì)所述的SBR訓(xùn)練模型進(jìn)行優(yōu)化，得到優(yōu)化后的SBR訓(xùn)練模型；確定模塊，用于根據(jù)優(yōu)化后的SBR訓(xùn)練模型確定所述的光伏電站發(fā)電系統(tǒng)在所述預(yù)測(cè)日期的輸出功率。
[0009]本發(fā)明的有益效果在于，針對(duì)現(xiàn)有技術(shù)中存在的上述技術(shù)問(wèn)題，提出一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法及設(shè)備，傳統(tǒng)的SBR的計(jì)算代價(jià)主要花費(fèi)在尋找超參數(shù)上，然而每次尋找都是根據(jù)經(jīng)驗(yàn)遞推式搜索，為尋求更精確的參數(shù)及更快的計(jì)算時(shí)間，本發(fā)明采用DE算法對(duì)超參數(shù)進(jìn)行初始化種群及篩選，DE-SBR具有更強(qiáng)的推廣能力，更強(qiáng)大的非線性處理能力和高維處理能力，實(shí)現(xiàn)了并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定。
[0010]為讓本發(fā)明的上述和其他目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附圖式，作詳細(xì)說(shuō)明如下。
【專利附圖】

【附圖說(shuō)明】
[0011]為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0012]圖1為本發(fā)明實(shí)施例提供的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法的流程圖；
[0013]圖2為圖1中的步驟S104的具體流程圖；
[0014]圖3為圖1中的步驟S105的具體流程圖；
[0015]圖4為圖1中的步驟S106的具體流程圖；
[0016]圖5為本發(fā)明實(shí)施例提供的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定設(shè)備的結(jié)構(gòu)框圖；
[0017]圖6為本發(fā)明提供的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定設(shè)備中去噪模塊的結(jié)構(gòu)框圖；
[0018]圖7為本發(fā)明實(shí)施例提供的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定設(shè)備中訓(xùn)練模型建立模塊的結(jié)構(gòu)框圖；
[0019]圖8為本發(fā)明實(shí)施例提供的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定設(shè)備中優(yōu)化模塊的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0020]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0021]圖1為本發(fā)明實(shí)施例提供的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法的流程圖，由圖1可知，該方法具體包括:
[0022]SlOl:采集預(yù)測(cè)日期光伏電站發(fā)電系統(tǒng)的天氣類型。諸如，欲預(yù)測(cè)明天光伏電站發(fā)電系統(tǒng)的輸出功率，則采集光伏電站發(fā)電系統(tǒng)明天的天氣類型。天氣類型在具體的實(shí)施方式中，諸如劃分為晴、陰、多云、雨四種類型。
[0023]S102:從數(shù)據(jù)庫(kù)中獲取所述光伏電站發(fā)電系統(tǒng)在所述天氣類型下對(duì)應(yīng)的多個(gè)光照強(qiáng)度、溫度以及光伏出力值。
[0024]數(shù)據(jù)庫(kù)中，首先將光伏電站發(fā)電系統(tǒng)的出力按照相對(duì)應(yīng)的天氣類型劃分為晴、陰、多云、雨四種類型。將光伏電站發(fā)電系統(tǒng)在一定時(shí)期(諸如三個(gè)月)內(nèi)的光照強(qiáng)度、溫度以及光伏出力值按照各個(gè)天氣類型進(jìn)行統(tǒng)計(jì)分類。根據(jù)對(duì)光伏出力的影響，將樣本的輸入數(shù)據(jù)歸納為如下幾類:與預(yù)測(cè)日天氣類型相同的前η天的同一時(shí)刻的光伏出力值0={Ol，O2，…，οη}，光照強(qiáng)度，最高氣溫、最低氣溫、平均氣溫T=It1, t2, t3}以及天氣類型。
[0025]在具體的實(shí)施例中，由于全年每天的的日照時(shí)間不盡相同，因此光伏出力的時(shí)間也不盡相同，冬季的日照時(shí)間必會(huì)低于夏季，為了統(tǒng)一光伏出力格式，可以規(guī)定每天的光伏出力數(shù)據(jù)的采樣以最大可照時(shí)數(shù)12個(gè)小時(shí)(上午6點(diǎn)到晚上18點(diǎn))為標(biāo)準(zhǔn)，對(duì)于小于標(biāo)準(zhǔn)的賦值為零補(bǔ)齊。針對(duì)每個(gè)15分鐘的出力數(shù)據(jù)，分別建立記錄來(lái)分別預(yù)測(cè)光伏系統(tǒng)在對(duì)應(yīng)整點(diǎn)時(shí)刻的光伏出力值。每條記錄除需要保存光伏出力數(shù)據(jù)外，還需要保存預(yù)測(cè)點(diǎn)的溫度屬性以及天氣類型。
[0026]S103:根據(jù)所述的多個(gè)光照強(qiáng)度、溫度以及光伏出力值構(gòu)建樣本集；
[0027]S104:對(duì)所述的樣本集進(jìn)行去噪，得到去噪后的樣本集。圖2為步驟S104的具體流程圖。
[0028]S105:通過(guò)稀疏貝葉斯回歸算法SBR對(duì)所述去噪后的樣本集進(jìn)行訓(xùn)練，得到SBR訓(xùn)練模型。圖3為步驟S105的具體流程圖。
[0029]S106:通過(guò)差分進(jìn)化算法DE對(duì)所述的SBR訓(xùn)練模型進(jìn)行優(yōu)化，得到優(yōu)化后的SBR訓(xùn)練模型。圖4為步驟S106的具體流程圖。
[0030]S107:根據(jù)優(yōu)化后的SBR訓(xùn)練模型確定所述的光伏電站發(fā)電系統(tǒng)在所述預(yù)測(cè)日期的輸出功率。
[0031]圖2為圖1中的步驟S104的具體流程圖，由圖2可知，步驟S104具體包括:
[0032]S201:對(duì)所述的樣本集進(jìn)行小波變換，得到喊噪聲信號(hào)。對(duì)于樣本集中的原始光伏數(shù)據(jù)，按照時(shí)間坐標(biāo)形成橫軸為天數(shù)，縱軸為每天的時(shí)刻的矩陣，此矩陣即為喊噪聲的初始
信號(hào)，即喊噪聲信號(hào)。
[0033]S202:根據(jù)所述的喊噪聲信號(hào)確定小波變換系數(shù)。設(shè)初始的喊噪聲信號(hào)為f(k)，層數(shù)為M。記第j層的第k個(gè)高頻系數(shù)為小波變換系數(shù)Wj，k。
[0034]S203:對(duì)所述的小波變換系數(shù)進(jìn)行閾值處理，得到修正小波變換系數(shù)。對(duì)小波變換系數(shù)Wjik進(jìn)行閾值處理，得到修正小波變換系數(shù)，閾值門(mén)限為:
[0035]
【權(quán)利要求】
1.一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定方法，其特征是，所述的方法包括: 采集預(yù)測(cè)日期光伏電站發(fā)電系統(tǒng)的天氣類型； 從數(shù)據(jù)庫(kù)中獲取所述光伏電站發(fā)電系統(tǒng)在所述天氣類型下對(duì)應(yīng)的多個(gè)光照強(qiáng)度、溫度以及光伏出力值； 根據(jù)所述的多個(gè)光照強(qiáng)度、溫度以及光伏出力值構(gòu)建樣本集； 對(duì)所述的樣本集進(jìn)行去噪，得到去噪后的樣本集； 通過(guò)稀疏貝葉斯回歸算法SBR對(duì)所述去噪后的樣本集進(jìn)行訓(xùn)練，得到SBR訓(xùn)練模型； 通過(guò)差分進(jìn)化算法DE對(duì)所述的SBR訓(xùn)練模型進(jìn)行優(yōu)化，得到優(yōu)化后的SBR訓(xùn)練模型； 根據(jù)優(yōu)化后的SBR訓(xùn)練模型確定所述的光伏電站發(fā)電系統(tǒng)在所述預(yù)測(cè)日期的輸出功率。
2.根據(jù)權(quán)利要求1所述的方法，其特征是，對(duì)所述的樣本集進(jìn)行去噪，得到去噪后的樣本集具體包括: 對(duì)所述的樣本集進(jìn)行小波變換，得到喊噪聲信號(hào)； 根據(jù)所述的喊噪聲信號(hào)確定小波變換系數(shù)； 對(duì)所述的小波變換系數(shù)進(jìn)行閾 值處理，得到修正小波變換系數(shù)； 通過(guò)半軟閾值方法對(duì)所述的修正小波變換系數(shù)進(jìn)行去噪，得到去噪后的小波變換系數(shù)； 對(duì)去噪后的小波變換系數(shù)進(jìn)行小波反變換，得到去噪后的樣本集。
3.根據(jù)權(quán)利要求2所述的方法，其特征是，通過(guò)稀疏貝葉斯回歸算法SBR對(duì)所述去噪后的樣本集進(jìn)行訓(xùn)練，得到SBR訓(xùn)練模型具體包括: 根據(jù)去噪后的樣本集建立輸入向量和輸出向量的關(guān)系式； 根據(jù)所述的關(guān)系式確定SBR訓(xùn)練模型的概率形式公式； 根據(jù)所述的概率形式公式確定所述去噪后的樣本集的似然函數(shù)； 根據(jù)所述的似然函數(shù)通過(guò)貝葉斯方法限制SBR訓(xùn)練模型的復(fù)雜度； 對(duì)限制復(fù)雜度后的SBR訓(xùn)練模型進(jìn)行測(cè)試，得到預(yù)測(cè)分布的條件概率表達(dá)式； 根據(jù)所述的條件概率表達(dá)式確定含有超參數(shù)的預(yù)測(cè)值分布表達(dá)式； 根據(jù)極大似然估計(jì)確定出SBR訓(xùn)練模型以及對(duì)應(yīng)的超參數(shù)。
4.根據(jù)權(quán)利要求3所述的方法，其特征是，通過(guò)差分進(jìn)化算法DE對(duì)所述的SBR訓(xùn)練模型進(jìn)行優(yōu)化，得到優(yōu)化后的SBR訓(xùn)練模型具體包括: 將所述SBR訓(xùn)練模型對(duì)應(yīng)的超參數(shù)作為種群； 對(duì)所述的種群進(jìn)行初始化，得到初始化種群； 根據(jù)所述的初始化種群生成新的種群，組成種群記憶庫(kù)； 對(duì)所述新的種群進(jìn)行變異交叉操作，產(chǎn)生新解； 對(duì)所述的新解進(jìn)行評(píng)估，選取最大的目標(biāo)函數(shù)值； 根據(jù)所述的目標(biāo)函數(shù)值確定所述種群記憶庫(kù)的系數(shù)，所述的系數(shù)即為優(yōu)化后的超參數(shù)； 根據(jù)優(yōu)化后的超參數(shù)確定優(yōu)化后的SBR訓(xùn)練模型。
5.一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)的輸出功率的測(cè)定設(shè)備，其特征是，所述的設(shè)備包括: 天氣類型采集模塊，用于采集預(yù)測(cè)日期光伏電站發(fā)電系統(tǒng)的天氣類型； 獲取模塊，用于從數(shù)據(jù)庫(kù)中獲取所述光伏電站發(fā)電系統(tǒng)在所述天氣類型下對(duì)應(yīng)的多個(gè)光照強(qiáng)度、溫度以及光伏出力值； 樣本集構(gòu)造模塊，用于根據(jù)所述的多個(gè)光照強(qiáng)度、溫度以及光伏出力值構(gòu)建樣本集； 去噪模塊，用于對(duì)所述的樣本集進(jìn)行去噪，得到去噪后的樣本集； 訓(xùn)練模型建立模塊，用于通過(guò)稀疏貝葉斯回歸算法SBR對(duì)所述去噪后的樣本集進(jìn)行訓(xùn)練，得到SBR訓(xùn)練模型； 優(yōu)化模塊，用于通過(guò)差分進(jìn)化算法DE對(duì)所述的SBR訓(xùn)練模型進(jìn)行優(yōu)化，得到優(yōu)化后的SBR訓(xùn)練模型； 確定模塊，用于根據(jù)優(yōu)化后的SBR訓(xùn)練模型確定所述的光伏電站發(fā)電系統(tǒng)在所述預(yù)測(cè)日期的輸出功率。
6.根據(jù)權(quán)利要求5所述的設(shè)備，其特征是，所述的去噪模塊具體包括: 小波變換單元，用于對(duì)所述的樣本集進(jìn)行小波變換，得到喊噪聲信號(hào)； 小波變換系數(shù)確定單元，用于根據(jù)所述的喊噪聲信號(hào)確定小波變換系數(shù)； 閾值處理單元，用于對(duì)所述的小波變換系數(shù)進(jìn)行閾值處理，得到修正小波變換系數(shù)； 去噪單元，用于通過(guò)半軟閾·值方法對(duì)所述的修正小波變換系數(shù)進(jìn)行去噪，得到去噪后的小波變換系數(shù)； 小波反變換單元，用于對(duì)去噪后的小波變換系數(shù)進(jìn)行小波反變換，得到去噪后的樣本集。
7.根據(jù)權(quán)利要求6所述的設(shè)備，其特征是，所述的訓(xùn)練模型建立模塊具體包括: 關(guān)系式建立單元，用于根據(jù)去噪后的樣本集建立輸入向量和輸出向量的關(guān)系式； 概率公式確定單元，用于根據(jù)所述的關(guān)系式確定SBR訓(xùn)練模型的概率形式公式； 似然函數(shù)確定單元，用于根據(jù)所述的概率形式公式確定所述去噪后的樣本集的似然函數(shù)； 復(fù)雜度限制單元，用于根據(jù)所述的似然函數(shù)通過(guò)貝葉斯方法限制SBR訓(xùn)練模型的復(fù)雜度； 測(cè)試單元，用于對(duì)限制復(fù)雜度后的SBR訓(xùn)練模型進(jìn)行測(cè)試，得到預(yù)測(cè)分布的條件概率表達(dá)式； 預(yù)測(cè)值分布確定單元，用于根據(jù)所述的條件概率表達(dá)式確定含有超參數(shù)的預(yù)測(cè)值分布表達(dá)式； 訓(xùn)練模型確定單元，用于根據(jù)極大似然估計(jì)確定出SBR訓(xùn)練模型以及對(duì)應(yīng)的超參數(shù)。
8.根據(jù)權(quán)利要求7所述的設(shè)備，其特征是，所述的優(yōu)化模塊具體包括: 種群確定單元，用于將所述SBR訓(xùn)練模型對(duì)應(yīng)的超參數(shù)作為種群； 初始化單元，用于對(duì)所述的種群進(jìn)行初始化，得到初始化種群； 生成單元，用于根據(jù)所述的初始化種群生成新的種群，組成種群記憶庫(kù)； 變異交叉單元，用于對(duì)所述新的種群進(jìn)行變異交叉操作，產(chǎn)生新解； 評(píng)估單元，用于對(duì)所述的新解進(jìn)行評(píng)估，選取最優(yōu)種群記憶庫(kù)的系數(shù)； 優(yōu)化模型確定單元，用于根據(jù)優(yōu)化后的超參數(shù)確定優(yōu)化后的SBR訓(xùn)練模型。
【文檔編號(hào)】G06Q50/06GK103530819SQ201310491679
【公開(kāi)日】2014年1月22日 申請(qǐng)日期:2013年10月18日 優(yōu)先權(quán)日:2013年10月18日
【發(fā)明者】白愷, 曲洪達(dá), 李智 申請(qǐng)人:國(guó)家電網(wǎng)公司, 華北電力科學(xué)研究院有限責(zé)任公司