CN102427218B - 基于人工智能技术的变压器短期过载能力评估系统 - Google Patents

基于人工智能技术的变压器短期过载能力评估系统 Download PDF

Info

Publication number
CN102427218B
CN102427218B CN201110333035.3A CN201110333035A CN102427218B CN 102427218 B CN102427218 B CN 102427218B CN 201110333035 A CN201110333035 A CN 201110333035A CN 102427218 B CN102427218 B CN 102427218B
Authority
CN
China
Prior art keywords
transformer
temperature
artificial intelligence
characteristic
parameter
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.)
Active
Application number
CN201110333035.3A
Other languages
English (en)
Other versions
CN102427218A (zh
Inventor
陈爽
方宝友
汤胜
蔡骏峰
饶英俊
李建中
张宏博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING HUADIAN WANGTONG S&T CO LTD
WUHAN POWER SUPPLY Co OF HUBEI ELECTRIC POWER Co
State Grid Corp of China SGCC
Original Assignee
BEIJING HUADIAN WANGTONG S&T CO LTD
WUHAN POWER SUPPLY Co OF HUBEI ELECTRIC POWER Co
State Grid Corp of China SGCC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BEIJING HUADIAN WANGTONG S&T CO LTD, WUHAN POWER SUPPLY Co OF HUBEI ELECTRIC POWER Co, State Grid Corp of China SGCC filed Critical BEIJING HUADIAN WANGTONG S&T CO LTD
Priority to CN201110333035.3A priority Critical patent/CN102427218B/zh
Publication of CN102427218A publication Critical patent/CN102427218A/zh
Application granted granted Critical
Publication of CN102427218B publication Critical patent/CN102427218B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及基于人工智能技术的变压器短期过载能力评估系统，所述系统主要包括采集模块、数据服务器、客户端主机、变压器特征参数数据库、变压器历史运行参数库和人工智能计算模块，其特征在于：所述变压器的特征参数数据库由参数输入模块将各种型号的变压器特征参数输入变压器特征参数数据库，系统根据变压器型号调用相对应的特性参数；所述变压器历史运行参数库由在线信号采集模块在线采集并输入变压器历史运行参数库，作为预测参考依据；所述人工智能计算模块利用神经网络函数，对变压器顶层油温和绕组热点温升微分方程搭建仿真模型，利用变步长的Runge-Kutta方法，计算变压器实时的顶层油温和热点温度，实现过载能力的评估预测。

Description

基于人工智能技术的变压器短期过载能力评估系统
技术领域
本发明涉及一种变压器短期过载能力评估系统，属于电力系统变电站中电力变压器的辅助运行设备，特别涉及一种基于人工智能技术的变压器短期过载能力评估系统。
背景技术
随着国民经济的迅速发展电力供应需求日益加大。充分利用现有设备，挖掘输电系统的潜能，有着非常大意义。目前输电系统的运行温度已经适当被提高。变压器作为输电系统的瓶颈，是一个关键的环节。变压器的绝缘性能、寿命与绕组最高热点温度有关，但目前变压器运行限额却以平均温度来推算，而变压器绕组最高热点温度与平均温度之差值随变压器的结构和冷却方式而异。如按平均温度来推算运行限额，有可能造成变压器过载（内部绕组局部过热）而缩短变压器使用年限，另一方面会负载不足造成浪费。
国际电工委员会推荐的油浸式电力变压器绕组热点计算公式（公认的经典方法、国标模型），是通过计算各种关键参数和变压器负载电流值来计算绕组热点温度。这两个模型只是概括当前变压器的温度计算的共性。随着变压器种类的多样化，而且温升计算与变压器的制造工艺有很大的关系。所以不同变压器绕组热点温度的计算也发生了很大差别。该模型不能直接引用。
目前涉及电力变压器过载评估的专利文献，例如申请号为201010301247.9的一种判断换流变压器过载的控制方法的发明专利申请，涉及一种用于直流输变电中判断换流变压器是否过载的控制方法。然而，该专利的主要技术方案在于引入冷却器运行因素,对换流变压器的过载进行判断。并且，其并未涉及采用人工智能技术用于变压器过载能力评估的研究。
有鉴于此，有必要提供基于人工智能技术的变压器短期过载能力评估系统，以满足工业应用需要。
发明内容
本发明的目的是：提供一种电力变压器过载能力的评估系统，通过全面监测记录变压器运行时各种历史状态参数，实现实时在线监测变压器绕组热点温度，掌握其负载、温升的规律；在保证变压器安全、健康运行的基础上，充分挖掘设备潜力，对变压器短期过负载能力做出合理预测，为决策者提供合理指导；解决电网高峰或者故障时的短时供电能力不足的问题。
本发明的技术方案是： 一种基于人工智能技术的变压器短期过载能力评估系统，所述系统主要包括采集模块、数据服务器、客户端主机、变压器特征参数数据库、变压器历史运行参数库和人工智能计算模块，其特征在于：
所述采集模块采集变压器运行参数，并送至数据服务器；
所述数据服务器存储有变压器特征参数数据库和变压器历史运行参数库的数据信息，并与客户端主机通讯；
所述人工智能计算模块装载于客户端主机，其中：
所述变压器特征参数数据库由参数输入模块将各种型号的变压器特征参数输入变压器特征参数数据库，系统根据变压器型号调用相对应的变压器特征参数；
所述变压器历史运行参数库由采集模块在线采集并输入变压器历史运行参数库，作为预测参考依据；
所述人工智能计算模块利用神经网络函数，对变压器顶层油温和绕组热点温升微分方程搭建仿真模型，利用变步长的Runge-Kutta方法，计算变压器实时的顶层油温和热点温度，实现过载能力的评估预测；
所述人工智能计算模块采用的计算模型是：                                                
Figure 710613DEST_PATH_IMAGE001
其中上式模型中的A(t), B(t), C(t), D(t)均为t的连续有界函数，且满足
Figure 831016DEST_PATH_IMAGE002
；
Figure 876333DEST_PATH_IMAGE003
为绕组热点温度计算值，t为时间，
Figure 921475DEST_PATH_IMAGE004
为环境温度，
Figure 939109DEST_PATH_IMAGE005
为开始本次计算时的顶层油温升，
Figure 27151DEST_PATH_IMAGE006
为额定损耗下顶层油的稳态温升，
Figure 746714DEST_PATH_IMAGE007
为损耗比，
Figure 352139DEST_PATH_IMAGE008
为负载系数，为油指数，
Figure 935753DEST_PATH_IMAGE010
为开始时热点温度对顶层油温的梯度，
Figure 893345DEST_PATH_IMAGE011
为热点系数，g为额定电流下绕组平均温度对油平均温度的梯度，
Figure 895936DEST_PATH_IMAGE012
为绕组指数。
本发明的有益效果是：本发明提供的变压器短期过载能力评估系统能实时地在线获取变压器运行的历史曲线、历史报警，根据该变压器适用的温度场测量模型与来自数据库的历史数据，经BP神经网络的分析运算：
1、以数据与图形方式实时显示环境温度、顶层油温、高中低压三侧的负载系数等参数；
2、可得出当前的变压器绕组热点温度、绝缘材料的寿命损失，可推断出未来一段时间内变压器能承受的最大负荷、安全运行的时限；
3、可实时向运行调度人员提供：变压器的过负荷能力；预测应急负荷下一定时间后变压器的绕组热点温度；设备运行会安全及变压器的寿命损失等。为运行人员提供科学的数据，以供决策参考。
附图说明
图1是本发明实施例的基于人工智能技术的变压器短期过载能力评估系统的硬件结构图。
图2是本发明实施例的基于人工智能技术的变压器短期过载能力评估系统的功能模块图。
图3是本发明实施例的基于人工智能技术的变压器短期过载能力评估系统的神经网络模型图。
具体实施方式
以下结合附图和实施例对本发明做进一步的详细说明，但该实施例不应理解为对本发明的限制。
参见图1，该图为本发明实施例提供的变压器短期过载能力评估系统的硬件结构图。硬件部分包括采集模块、数据服务器及客户端主机。
硬件部分的采集模块由两个采集通道构成：
其一，通过变压器综合保护装置采集变压器运行参数包括：高压（及中压、低压）电压、高压（及中压、低压）电流、功率、功率因数、顶层（或底层）油温度、分接开关档位、、风扇启停状态。
另一路，由无线传感器网络模块采集变压器周边多点的温度/湿度等环境参数。
数据服务器为一台主机，用于存储数据库文件，建立有各种型号的变压器的特征参数数据库。
客户端为一台主机，装载有客户端软件，是系统的软件执行平台。
参见图2，是本发明实施例的变压器短期过载能力评估系统的功能模块图。
所述变压器短期过载能力评估系统的核心模块包括：变压器的特征参数数据库、变压器历史运行参数库和人工智能计算模型。
所述变压器的特征参数数据库由参数输入模块将各种型号的变压器特征参数输入变压器特征参数数据库，系统可以根据变压器型号调用相对应的特性参数，使分析评估更具针对性。
所述变压器历史运行参数库由在线信号采集模块在线采集建立变压器历史运行参数库，作为预测参考依据。
所述人工智能计算模型是在经典国标模型基础上，利用神经网络技术（Simulink）函数，对变压器顶层油温和绕组热点温升微分方程搭建仿真模型，利用变步长的Runge-Kutta方法，计算变压器实时的顶层油温和热点温度。大大提高了计算精度。实现过载能力的评估预测。
在国标模型的基础上演化发展出以下计算模型。
Figure 75113DEST_PATH_IMAGE001
其中均为t的连续有界函数。且满足
Figure 36116DEST_PATH_IMAGE013
模型由上述微分方程建立，利用Matlab的神经网络工具箱（Simulink）对ONAN/ONAF变压器顶层油温和绕组热点温升微分方程搭建仿真模型，利用变步长的Runge-Kutta方法计算变压器实时的顶层油温和热点温度。
上述方程中
已知量为：
Figure 481004DEST_PATH_IMAGE014
如图3所示，是本发明实施例的变压器短期过载能力评估系统的神经网络模型图。三层BP神经网络结构设计如下：
 1：输入、输出层的选择
网络的输入、输出有实际问题决定，变压器的负载电流、环境温度、上一次计算的顶层油温作为BP网络的输入量；网络的输出则是所要求取的绕组热点温度及顶层油温还有随热点温度计算出来的绝缘材料的寿命损失。由于BP网络是一个静态网络，因此需要引入记忆，即把输入量前一刻的状态保存下来，作为下一刻的输入，这样一来静态网络及变成了动态网络，适应性更强了。大体结构如图3：
2：隐含层的选择
隐含层的选择是一个异常复杂的问题，隐单元的数目与输入输出的数目有直接的关系，本文训练过程中，参考如下已知经验公式，采用试探法确定网络隐层节点数。
其中：1为隐层单元数，n为输入单元数，m为输出单元数，a为常数（）
对每个隐层节点数都进行50次训练，取训练误差最小的节点数为最优隐层节点数。
输入量为：
Figure 62661DEST_PATH_IMAGE017
输出量为：
Figure 244112DEST_PATH_IMAGE018
本发明的工作原理是：实时在线采集记录变压器运行历史资料；建立多种变压器的特征参数库；在国标模型的基础上，建立绕组热点温度计算模型；运用BP神经网络技术，提供相应输入信息，经过大量的学习、训练、使输出层能给出准确的预测、评估结果。
参数列表：
中文名 公式中表达式 模型中表达式
变压器类型 ONAN/ONAF
Figure 588506DEST_PATH_IMAGE019
环境温度
Figure 289746DEST_PATH_IMAGE020
Figure 717185DEST_PATH_IMAGE021
顶层油温
Figure 933403DEST_PATH_IMAGE022
Figure 222433DEST_PATH_IMAGE023
负载系数
Figure 27446DEST_PATH_IMAGE008
Figure 501153DEST_PATH_IMAGE024
负载电流
Figure 80033DEST_PATH_IMAGE025
Figure 31809DEST_PATH_IMAGE026
额定电流
Figure 962768DEST_PATH_IMAGE027
Figure 482742DEST_PATH_IMAGE028
额定热点温度
Figure 673552DEST_PATH_IMAGE029
Figure 553652DEST_PATH_IMAGE030
油时间常数
Figure 818411DEST_PATH_IMAGE031
Figure 633920DEST_PATH_IMAGE032
绕组间常数
Figure 995817DEST_PATH_IMAGE034
油指数
Figure 380662DEST_PATH_IMAGE009
Figure 960548DEST_PATH_IMAGE035
绕组指数
Figure 63634DEST_PATH_IMAGE012
Figure 160903DEST_PATH_IMAGE036
热模型常数
Figure 852784DEST_PATH_IMAGE037
Figure 416620DEST_PATH_IMAGE038
损耗比
Figure 334898DEST_PATH_IMAGE007
Figure 94912DEST_PATH_IMAGE039
额定电流下绕组平均温度对油平均温度的梯度
Figure 188770DEST_PATH_IMAGE040
Figure 516983DEST_PATH_IMAGE041
热点系数
Figure 516032DEST_PATH_IMAGE011
Figure 220683DEST_PATH_IMAGE042
额定损耗下顶层油的稳态温升
Figure 434627DEST_PATH_IMAGE043
Figure 58375DEST_PATH_IMAGE044
额定电流下热点温度对顶层油温的梯度
Figure 420086DEST_PATH_IMAGE045
额定负载下的平均油温升
Figure 607932DEST_PATH_IMAGE047
所考虑负载下的平均油温升
Figure 64638DEST_PATH_IMAGE049
Figure 704566DEST_PATH_IMAGE050
开始本次计算时的顶层油温升
Figure 893102DEST_PATH_IMAGE051
Figure 734019DEST_PATH_IMAGE052
开始时热点温度对顶层油温的梯度
Figure 779522DEST_PATH_IMAGE054
绕组热点温度计算值
Figure 556985DEST_PATH_IMAGE029
Figure 693437DEST_PATH_IMAGE012
下附经典国标模型的公式：
Figure 189140DEST_PATH_IMAGE056
Figure 311817DEST_PATH_IMAGE058
    
本发明的有益效果是：能实时地在线获取变压器运行的历史曲线、历史报警。根据该变压器适用的温度场测量模型与来自数据库的历史数据，经BP神经网络的分析运算：
1、以数据与图形方式实时显示环境温度、顶层油温、高中低压三侧的负载系数等参数。
2、可得出当前的变压器绕组热点温度、绝缘材料的寿命损失，可推断出未来一段时间内变压器能承受的最大负荷、安全运行的时限。
3、可实时向运行调度人员提供：变压器的过负荷能力；预测应急负荷下一定时间后变压器的绕组热点温度；设备运行会安全及变压器的寿命损失等。为运行人员提供科学的数据，以供决策参考。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (1)

1.一种基于人工智能技术的变压器短期过载能力评估系统，所述系统主要包括采集模块、数据服务器、客户端主机、变压器特征参数数据库、变压器历史运行参数库和人工智能计算模块，其特征在于：
所述采集模块采集变压器运行参数，并送至数据服务器；
所述数据服务器存储有变压器特征参数数据库和变压器历史运行参数库的数据信息，并与客户端主机通讯；
所述人工智能计算模块装载于客户端主机，其中：
所述变压器特征参数数据库由参数输入模块将各种型号的变压器特征参数输入变压器特征参数数据库，系统根据变压器型号调用相对应的变压器特征参数；
所述变压器历史运行参数库由采集模块在线采集并输入变压器历史运行参数库，作为预测参考依据；
所述人工智能计算模块利用神经网络函数，对变压器顶层油温和绕组热点温升微分方程搭建仿真模型，利用变步长的Runge-Kutta方法，计算变压器实时的顶层油温和热点温度，实现过载能力的评估预测；
所述人工智能计算模块采用的计算模型是：                                                
Figure 2011103330353100001DEST_PATH_IMAGE001
其中上式模型中的A(t), B(t), C(t), D(t)均为t的连续有界函数，且满足
； 
Figure 2011103330353100001DEST_PATH_IMAGE003
为绕组热点温度计算值，t为时间，
Figure 234795DEST_PATH_IMAGE004
为环境温度，
Figure 2011103330353100001DEST_PATH_IMAGE005
为开始本次计算时的顶层油温升，
Figure 411699DEST_PATH_IMAGE006
为额定损耗下顶层油的稳态温升，
Figure 458152DEST_PATH_IMAGE008
为损耗比，
Figure 364797DEST_PATH_IMAGE010
为负载系数，
Figure 346660DEST_PATH_IMAGE012
为油指数，
Figure 2011103330353100001DEST_PATH_IMAGE013
为开始时热点温度对顶层油温的梯度，为热点系数，g为额定电流下绕组平均温度对油平均温度的梯度，
Figure 2011103330353100001DEST_PATH_IMAGE017
为绕组指数。
CN201110333035.3A 2011-10-28 2011-10-28 基于人工智能技术的变压器短期过载能力评估系统 Active CN102427218B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110333035.3A CN102427218B (zh) 2011-10-28 2011-10-28 基于人工智能技术的变压器短期过载能力评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110333035.3A CN102427218B (zh) 2011-10-28 2011-10-28 基于人工智能技术的变压器短期过载能力评估系统

Publications (2)

Publication Number Publication Date
CN102427218A CN102427218A (zh) 2012-04-25
CN102427218B true CN102427218B (zh) 2014-06-11

Family

ID=45961168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110333035.3A Active CN102427218B (zh) 2011-10-28 2011-10-28 基于人工智能技术的变压器短期过载能力评估系统

Country Status (1)

Country Link
CN (1) CN102427218B (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177288A (zh) * 2013-03-05 2013-06-26 辽宁省电力有限公司鞍山供电公司 基于遗传算法优化神经网络的变压器故障诊断方法
CN103475090A (zh) * 2013-08-20 2013-12-25 上海海能信息科技有限公司 一种变压器短期负荷智能预测系统及方法
CN103698033B (zh) * 2013-12-17 2017-11-24 广西电网公司电力科学研究院 一种具备自适应功能的变压器绕组热点温度预测评估系统
CN104699890B (zh) * 2015-01-07 2018-10-23 国家电网公司 一种城网配变重过载短期预警模型的建模方法
CN105404780B (zh) * 2015-11-25 2019-03-26 国网山东省电力公司 一种多参数综合分析的变压器过载能力评估方法
CN105550472A (zh) * 2016-01-20 2016-05-04 国网上海市电力公司 一种基于神经网络的变压器绕组热点温度的预测方法
CN105675169A (zh) * 2016-01-20 2016-06-15 国网上海市电力公司 一种油浸式电力变压器热点温度数据处理系统
CN107730061A (zh) * 2016-08-11 2018-02-23 中国农业大学 一种配电网过载风险评估方法及装置
CN106094694B (zh) * 2016-08-16 2019-04-19 杭州电力设备制造有限公司 一种基于地下变电所的热监测方法
CN106771092B (zh) * 2016-12-22 2018-04-13 西南交通大学 一种确定不同负载系数下变压器油时间常数的方法
CN106874534A (zh) * 2016-12-28 2017-06-20 国网内蒙古东部电力有限公司检修分公司 一种变压器过载能力评估方法
CN107843791B (zh) * 2017-11-06 2020-08-18 西安交通大学 一种基于温升特性的变压器负荷能力评估方法
CN108090556B (zh) * 2017-12-22 2021-12-31 国网江西省电力有限公司电力科学研究院 一种配电变压器热评估方法
CN108761258A (zh) * 2018-03-29 2018-11-06 深圳众厉电力科技有限公司 基于人工智能和大数据技术的变压器短期过载能力评估系统
CN108681625A (zh) * 2018-04-25 2018-10-19 深圳凯达通光电科技有限公司 基于大数据技术的变压器短期过载能力智能评估系统
CN110007182B (zh) * 2019-03-22 2024-04-16 中国电力科学研究院有限公司 一种配电变压器的健康状态预警方法及装置
CN110411510A (zh) * 2019-07-18 2019-11-05 国家电网有限公司 一种挖掘变压器运行潜力的计算方法
CN111767659B (zh) * 2020-07-20 2024-03-26 湖北新石电力科技有限公司 一种配电变压器绕组材质无损检测评估系统
CN112378550A (zh) * 2020-11-09 2021-02-19 广东电网有限责任公司佛山供电局 变压器温度遥测量的检验方法及装置
CN112711830A (zh) * 2020-11-26 2021-04-27 广西电网有限责任公司电力科学研究院 一种控制变压器冷却的方法及系统
JP2023550995A (ja) * 2020-11-27 2023-12-06 ヒタチ・エナジー・スウィツァーランド・アクチェンゲゼルシャフト 機械学習を用いた電気機器の負荷予測
CN114111902B (zh) * 2021-11-24 2024-04-05 保定天威保变电气股份有限公司 一种天然酯变压器智能监测系统
TWI796047B (zh) * 2021-12-13 2023-03-11 中華電信股份有限公司 變壓器分析及預測之系統、方法及其電腦程式產品
EP4435397A1 (en) * 2023-03-20 2024-09-25 Hitachi Energy Ltd A method for estimating a physical quantity of a static electric induction device assembly

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1988004488A1 (en) * 1986-12-12 1988-06-16 Qualitrol Corporation Multi-phase electronic temperature controller
US6424266B1 (en) * 2000-07-17 2002-07-23 Nxtphase Technology Srl Apparatus for preventing thermal damage to an electrical power transformer
CN101701940A (zh) * 2009-10-26 2010-05-05 南京航空航天大学 基于svm和dga的变压器在线故障诊断方法
CN101924348A (zh) * 2010-02-05 2010-12-22 保定天威集团有限公司 一种判断换流变压器过载的控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1988004488A1 (en) * 1986-12-12 1988-06-16 Qualitrol Corporation Multi-phase electronic temperature controller
US6424266B1 (en) * 2000-07-17 2002-07-23 Nxtphase Technology Srl Apparatus for preventing thermal damage to an electrical power transformer
CN101701940A (zh) * 2009-10-26 2010-05-05 南京航空航天大学 基于svm和dga的变压器在线故障诊断方法
CN101924348A (zh) * 2010-02-05 2010-12-22 保定天威集团有限公司 一种判断换流变压器过载的控制方法

Also Published As

Publication number Publication date
CN102427218A (zh) 2012-04-25

Similar Documents

Publication Publication Date Title
CN102427218B (zh) 基于人工智能技术的变压器短期过载能力评估系统
Zarei et al. Reliability considerations and economic benefits of dynamic transformer rating for wind energy integration
CN104037943B (zh) 一种提高电网电压质量的电压监测方法及系统
CN103683277B (zh) 一种电力系统暂态稳定切负荷控制有效性评价指标计算方法
CN104504183A (zh) 一种基于自动优化的配电网智能规划系统
CN104574217A (zh) 一种智能配电网在线风险评估方法
CN102368610A (zh) 一种基于配电系统安全域的评价方法
CN105474523A (zh) 用于配电网络重配置的系统、方法和装置及有形计算机可读介质
CN106874534A (zh) 一种变压器过载能力评估方法
CN106160218B (zh) 电网配电线路实时监控分析系统
CN108414848A (zh) 一种含分布式电源配电网的电能质量多时段综合预警方法
CN110826228B (zh) 一种地区电网运行品质极限评估方法
CN105699799A (zh) 一种谐波条件下的油浸式变压器过温预警方法
CN104616089A (zh) 一种大电网运行风险评价系统
CN202166727U (zh) 发电机组励磁系统特性监测系统
CN106203854A (zh) 一种直流配电网经济性分析方法及系统
CN104299056A (zh) 配电网规划基础技术支持平台
CN115561564B (zh) 一种电缆接头动态载流量的arima序列预测方法
CN107069973A (zh) 一种电力网络监控系统
CN105528671A (zh) 一种基于大数据的电网多维感知与安全评估系统及方法
Pang et al. Long-term microgrid expansion planning with resilience and environmental benefits using deep reinforcement learning
CN106229978A (zh) 台区低电压问题的预判方法及系统
Manninen et al. A holistic risk-based maintenance methodology for transmission overhead lines using tower specific health indices and value of loss load
CN103326352A (zh) 一种配电网电缆线路局部过热风险辨识方法
CN106849792B (zh) 电机设备及集群系统的能耗计算和节能措施评估方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: STATE ELECTRIC NET CROP.

Free format text: FORMER OWNER: SUBSTATION MAINTENANCE CENTRAL WUHAN POWER SUPPLY CO., LTD.

Effective date: 20130419

Owner name: HUBEI ELECTRIC POWER COMPANY WUHAN POWER SUPPLY CO

Effective date: 20130419

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 430050 WUHAN, HUBEI PROVINCE TO: 100031 XICHENG, BEIJING

TA01 Transfer of patent application right

Effective date of registration: 20130419

Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Applicant after: State Grid Corporation of China

Applicant after: Wuhan Power Supply Company of Hubei Electric Power Company

Applicant after: Beijing Huadian Wangtong S&T Co.,Ltd.

Address before: 430050 No. 484, Hanyang Avenue, Wuhan, Hubei

Applicant before: Substation Maintenance Central, Wuhan Power Supply Co.,Ltd.

C14 Grant of patent or utility model
GR01 Patent grant