1、“.....然后对预测值和真实值相减需要动力调度及时调整,减少反送电。统计员可利用制作反送电统计表,定期抄表统计并监视反送电情况,为电力生产调度提供数据参考。在反送电统计表中的电量栏,预先输入各电量的计算公式,并将所有电量栏的单元格设置密码锁定保护避免误录入修改模板当班调度只需填写差淹没的问题,难以利用电量数据中隐藏的深层次特征,对历史信息的利用也明显不足。供电企业电量电费数据体系的探析原稿。制作功率因数表比如,统计员将柳钢电能原始数据等表格中相关开关柜电表的无功抄表数及能耗表中各系统的有功电量批量引用至功率因数表,并利用经济核算及电能结构优化等工作提供帮助。参考文献范存全基于电量备份机制的终端电量计算方法优化分析机电信息,谢旭泉,杨龙调度电量自动统计方法介绍电工电气,史程国网营销稽查系统的设计与实现东北大学......”。

2、“.....次指数平滑模型利用历史数据预测当前时刻区域用电量,然后对预测值和真实值相减得到残差项,最后利用密度聚类算法来对残差项进行聚类,实现电量异常数据的识别。对电网的区域用电量数据进行实证分析并与种常用异常检测模型进行实验对比。次指数平滑模型与先输入各电量的计算公式,并将所有电量栏的单元格设置密码锁定保护避免误录入修改模板当班调度只需填写抄表数绿色填充部分即可自动计算反送电量。本文针对电量数据异常检测问题进行了研究,利用可以建立各种统计模型对电量数据进行统计分析,提出了种基于次指数平滑据变化正常范围的数据,其产生原因有很多种,可能是数据测量异常或数据传输异常等。传统的异常检测方法只针对特定的电力系统特性,且存在计算量较大准确率较低的问题。针对传统电量数据异常检测方法的不足......”。

3、“.....并利用函数和公式自动计算无功电量和功率因数,通过功率因数表可反映各用电系统每月功率因数情况。制作反送电统计表公司各电网系统中自备发电设备的发电量大于该系统消耗的。供电企业电量电费数据体系的探析原稿。关键词供电企业电量电费数据数据统计电量数据的异常检测是电力系统中状态估计和电力调度安排的重要功能之,及时有效的检测出异常数据能够确保电力系统运行的稳定性和安全性。电力系统中的测量数据通常是由有效测量数据电量时,会出现向电网输送电能的现象反送电。反送电量过大会给电网发供电负荷的平衡和调度造成定的麻烦,需要动力调度及时调整,减少反送电。统计员可利用制作反送电统计表,定期抄表统计并监视反送电情况,为电力生产调度提供数据参考。在反送电统计表中的电量栏,预传统的异常检测方法只针对特定的电力系统特性,且存在计算量较大准确率较低的问题......”。

4、“.....次指数平滑模型利用历史数据预测当前时刻区域用电量,然后对预测值和真实值相减了种基于次指数平滑与聚类的电量数据异常检测方法。该方法通过次指数平滑模型对电量数据中的时序关系进行建模,充分挖掘电量数据中的趋势性,周期性和季节性特征,进而预测出区域当前时刻的用电量。利用预测的区域当前用电量和区域当前真实用电量做差产生个残差项充分挖掘电量数据中的趋势性,周期性和季节性特征,进而预测出区域当前时刻的用电量。利用预测的区域当前用电量和区域当前真实用电量做差产生个残差项,对每个历史数据都可以得到对应的残差项,最后利用聚类算法对残差项进行聚类,从而高效的识别出异常数据这种非型与聚类的电量数据异常检测方法。利用密度聚类算法对预测值和真实值的残差项进行聚类分析,可以高效检测出异常数据。相比与其它异常检测方法,对电量数据中的时序关系进行了更好的建模......”。

5、“.....为公司用电的安全保供电量时,会出现向电网输送电能的现象反送电。反送电量过大会给电网发供电负荷的平衡和调度造成定的麻烦,需要动力调度及时调整,减少反送电。统计员可利用制作反送电统计表,定期抄表统计并监视反送电情况,为电力生产调度提供数据参考。在反送电统计表中的电量栏,预法。次指数平滑模型利用历史数据预测当前时刻区域用电量,然后对预测值和真实值相减得到残差项,最后利用密度聚类算法来对残差项进行聚类,实现电量异常数据的识别。对电网的区域用电量数据进行实证分析并与种常用异常检测模型进行实验对比。次指数平滑模型与的重要功能之,及时有效的检测出异常数据能够确保电力系统运行的稳定性和安全性。电力系统中的测量数据通常是由有效测量数据和测量误差构成,其中测量误差般是服从正态分布的噪声数据,对误差经过定的处理基本上可以消除对电力系统状态估计的影响......”。

6、“.....最后利用聚类算法对残差项进行聚类,从而高效的识别出异常数据这种非正态分布的离群点。通过对电网个区域用电量数据的异常检测验证,并与其它种异常检测方法对比,结果表明本方法在检测率和误报率指标上均取得了比较好的结法。次指数平滑模型利用历史数据预测当前时刻区域用电量,然后对预测值和真实值相减得到残差项,最后利用密度聚类算法来对残差项进行聚类,实现电量异常数据的识别。对电网的区域用电量数据进行实证分析并与种常用异常检测模型进行实验对比。次指数平滑模型与在能耗表中,事先录入了各开关柜的倍率及用电量的计算公式本月用电量本月表码上月表码倍率,并采用等函数汇总整理出各生产系统的电能合计。供电企业电量电费数据体系的探析原稿。为了对电量数据中的时序关系进行更好地建模,充分利用历史信息,本文提行聚类分析,可以高效检测出异常数据......”。

7、“.....对电量数据中的时序关系进行了更好的建模。全面反映和监测公司电能的生产和使用情况,为公司用电的安全保供经济核算及电能结构优化等工作提供帮助。参考文献范存全基于电量备份机制的终端电量计算方法优化分析机态分布的离群点。通过对电网个区域用电量数据的异常检测验证,并与其它种异常检测方法对比,结果表明本方法在检测率和误报率指标上均取得了比较好的结果。核算用电量比如,统计员将号站电量表等表格中的所有开关柜有功抄表数批量搜索引用至能耗表中,形成用电量数据汇总。电量时,会出现向电网输送电能的现象反送电。反送电量过大会给电网发供电负荷的平衡和调度造成定的麻烦,需要动力调度及时调整,减少反送电。统计员可利用制作反送电统计表,定期抄表统计并监视反送电情况,为电力生产调度提供数据参考。在反送电统计表中的电量栏,预聚类结合,在电量异常数据检测中检测率和误报率指标均取得了比较好的结果......”。

8、“.....充分利用历史信息,本文提出了种基于次指数平滑与聚类的电量数据异常检测方法。该方法通过次指数平滑模型对电量数据中的时序关系进行建模据变化正常范围的数据,其产生原因有很多种,可能是数据测量异常或数据传输异常等。传统的异常检测方法只针对特定的电力系统特性,且存在计算量较大准确率较低的问题。针对传统电量数据异常检测方法的不足,本文提出种基于次指数平滑模型和聚类的电量数据异常检测方减得到残差项,最后利用密度聚类算法来对残差项进行聚类,实现电量异常数据的识别。对电网的区域用电量数据进行实证分析并与种常用异常检测模型进行实验对比。次指数平滑模型与聚类结合,在电量异常数据检测中检测率和误报率指标均取得了比较好的结果信息,谢旭泉,杨龙调度电量自动统计方法介绍电工电气,史程国网营销稽查系统的设计与实现东北大学,韩孟娟公共建筑远程电量系统的设计与实现大连理工大学,......”。

9、“.....次指数平滑模型利用历史数据预测当前时刻区域用电量,然后对预测值和真实值相减得到残差项,最后利用密度聚类算法来对残差项进行聚类,实现电量异常数据的识别。对电网的区域用电量数据进行实证分析并与种常用异常检测模型进行实验对比。次指数平滑模型与表数绿色填充部分即可自动计算反送电量。本文针对电量数据异常检测问题进行了研究,利用可以建立各种统计模型对电量数据进行统计分析,提出了种基于次指数平滑模型与聚类的电量数据异常检测方法。利用密度聚类算法对预测值和真实值的残差项进据变化正常范围的数据,其产生原因有很多种,可能是数据测量异常或数据传输异常等。传统的异常检测方法只针对特定的电力系统特性,且存在计算量较大准确率较低的问题。针对传统电量数据异常检测方法的不足......”。