CN103426123A - 基于粗糙集理论的配电网故障风险评估方法 - Google Patents
基于粗糙集理论的配电网故障风险评估方法 Download PDFInfo
- Publication number
- CN103426123A CN103426123A CN2013103137139A CN201310313713A CN103426123A CN 103426123 A CN103426123 A CN 103426123A CN 2013103137139 A CN2013103137139 A CN 2013103137139A CN 201310313713 A CN201310313713 A CN 201310313713A CN 103426123 A CN103426123 A CN 103426123A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- risk assessment
- failure risk
- attribute
- network failure
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种电力系统的风险评估方法。本发明解决了目前配电网故障风险评估指标不全面或冗余较大,评估模型不能实现不完备信息的风险评估且不能定期更新,从而使评估模型评估结果不准确,无法应用的问题。本发明采用的技术方法是,利用粗糙集理论的数据挖掘能力,从故障风险评估指标中挖掘出有价值的指标,再利用粗糙集理论的约简能力和处理不完备信息的能力获得故障风险评估模型,利用最少的故障风险指标获得精确的故障风险评估模型,并在故障风险指标数据不完备时,正确地实现故障风险评估。本方法具有实时更新故障风险评估模型的功能。本发明实现了配电故障风险的精确评估,使配电网避免故障发生或缩小故障损失,具有显著的经济效益和社会效益。
Description
技术领域
本发明涉及一种电力系统的风险评估方法,尤其涉及配电网的故障风险评估,属于风险评估和配电自动化技术领域,特别是基于粗糙集理论的配电网故障风险评估方法。
背景技术
随着智能电网的发展和用户对供电质量和供电可靠性要求的提高,建立完善的电力系统应急管理系统越来越重要。配电网直接面向用户,是控制、保障用户供电质量的关键环节,目前用户停电95%是由配电网系统引起的,因此,研究一种可靠的配电网故障风险评估方法势在必行。配电网故障风险评估是根据配电网发生的各种突发事件和电气设备工作状态预测配电网发生故障的概率,根据发生故障的类型预测发生故障的风险。传统的配电网故障风险评估方法较少,在风险评估的指标体系中,风险指标要么指标不全面,要么存在一些不能量化或预先未知的指标,导致风险评估结果无效,没有意义,参见文献李锐,陈颖,梅生伟,沈沉,何飞(Li Rui,Chen Ying,Mei Shengwei,Shen Chen,He Fei).基于停电风险评估的城市配电网应急预警方法(An early warning method for emergency response based on power failure risk analysis of distribution systems).电力系统自动化(Automation of Electric Power Systems),2010,34(16):19-23,63。为了挖掘出完整、有效的配电网故障风险评估指标,获得有价值的风险评估结果,向工作人员发出正确的预警信息,以便及时采取措施,避免或减少停电损失,在现有配电网故障风险评估方法基础上,设计了一种基于粗糙集理论的配电网故障风险评估方法。
发明内容
本发明的目的是为了避免或减少由于配电网故障引起的停电损失,提出了一种基于粗糙集理论的配电网故障风险评估方法。
本发明的目的是通过以下途径来实现的:
基于粗糙集理论的配电网故障风险评估方法,其要点在于,包括如下步骤:
从配电网历史故障数据和专家经验数据库中提取配电网故障风险评估指标数据,配电网 故障风险评估指标数据包括以下各组数据:风等级、雨等级、雾等级、雷电等级、雪等级、覆冰等级、温度等级、电气设备老化程度、负载率、负荷等级、计算负荷、负荷转供能力、线路类型以及用户电力专业技术水平;
所述配电网故障风险评估指标数据作为条件属性,而每组数据对应的风险等级作为决策属性;并根据每种故障风险定义其属性值域;
利用等距离划分的离散化方法,规定各条件属性和决策属性的编码方式,
根据所定义的属性值域将提取的配电网故障风险评估指标数据转换成故障风险评估信息系统的属性值,按照各条件属性和决策属性的编码方式将条件属性和决策属性离散化,构建信息系统的决策表;
利用粗糙集理论对所述条件属性和决策属性进行属性约简和属性值约简,删除决策表中的不相容数据,并对决策表中的条件属性进行约简,删除冗余属性,得到最小条件属性集;最后,对决策表进行属性值约简,得到最小规则集,所述最小规则集即为配电网故障风险评估模型;
将在线检测的配电网故障风险评估指标数据输入到该模型,即可在线得到配电网故障风险评估结果。
综上所述,本发明的特点在于:
1、根据配电网历史实际故障风险情况和专家经验,将各种风险时的全部可预知风险评估指标和相应的风险等级数据组成一个原始数据表,利用粗糙集理论对该数据表进行属性约简和属性值约简,删除冗余的指标和不相容的数据,并得到最小规则集,即最终的配电网故障风险评估模型。利用该模型,根据在线检测的各种故障风险评估指标,在线预测配电网风险等级,工作人员根据风险等级,采取必要措施,避免或减少停电损失。
2、本发明支持配电网故障风险评估指标数据不完备时的风险评估。当某些指标无法获取,只能获取部分指标时,该风险评估模型仍然能准确地输出在线评估结果。
3、本发明可以支持不同的配电网。虽然各种配电网结构、运行状况、所处环境等不同,一种配电网的风险评估模型不能直接在另一个配电网中使用。但是,根据该 配电网在实际故障时的指标数据和相应的风险等级,利用同样的粗糙集方法可以得到该配电网的故障风险评估模型。当某配电网为新建配电网时,没有历史数据可用,但是,可以借鉴其他类似配电网的历史数据或专家经验获取原始数据表。
4、本发明可以支持不同运行时期的配电网。某配电网的故障风险评估模型建立后,该配电网可能会不断扩建和更新。配电网变化后,如果故障风险评估模型不变,会导致风险评估结果错误。本发明所设计的故障风险评估模型不是一成不变的,该模型根据得到的新的风险评估数据,定期对该模型进行更新。从而,使故障风险评估模型适用于不同时期的配电网。
附图说明
图1为本发明配电网故障风险评估系统框图;
图2本为本发明配电网故障风险评估算法的程序流程图;
下面结合附图和具体实施方式对本发明做进一步描述。
具体实施方式
1.配电网故障风险评估系统结构
配电网故障风险评估系统如图1所示。从配电网历史故障数据和专家经验数据中提取配电网故障风险评估指标数据,故障风险评估指标包括:风等级、雨等级、雾等级、雷电等级、雪等级、覆冰等级、温度等级、电气设备老化程度、负载率、负荷等级、计算负荷、负荷转供能力、线路类型、用户电力专业技术水平。将这些指标作为条件属性,将每组数据对应的风险等级作为决策属性。利用粗糙集理论进行属性约简和属性值约简,得到配电网故障风险评估模型。将获取的在线指标数据作为该模型的输入,即可得到在当前情况下配电网的故障风险大小。
2.配电网故障风险评估信息系统构建
假设基于粗糙集理论的配电网故障风险评估信息系统为K=(U,A),论域U是配电网各线路的集合,A=C∪D是属性集,条件属性集C是由配电网历史故障数据或专家经验组成的风险指标数据集合,D是由配电网历史故障数据或专家经验组成线路故障风险评估结果集合。Va为每个属性a∈A的属性值域。
定义1给定配电网故障风险评估信息系统K=(U,A),A=C∪D,条件属性集定义为C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},其中a表示风等级,b表示雨等级,c表示雾等级,d表示雷电等级,e表示雪等级,f表示覆冰等级,g表示温度等级,h表示电气设备老化程度,i表示负载率,j表示负荷等级,k表示计算负荷,l表示负荷转供能力,m表示线路类型,n表示用户电力专业技术水平;决策属性集定义为D={p},其中p表示线路的故障风险评估结果。
定义2给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
Va={0,1,2,3,4,5,6,7,8,9,10,11,12} (1)
其中,1,2,……,12分别表示风力等级。
定义3给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
Vb={无雨,小雨,中雨,大雨,暴雨,大暴雨,特大暴雨} (2)
定义4给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
Vc={无雾,轻雾,雾,大雾,浓雾,强浓雾} (3)
定义5给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
Vd={无雷电,弱雷电,中等雷电,强雷电,特强雷电} (4)
定义6给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
Ve={无雪,小雪,中雪,大雪,暴雪} (5)
定义7给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
Vf={无覆冰,轻覆冰,覆冰,重覆冰,严重覆冰} (6)
定义8给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
Vg={vg|-40<vg<40} (7)
定义9给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
其中,tR为电气设备的运行时间,tL为电气设备的寿命。
定义10给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
其中,Ia为电气设备的实际电流,IN为电气设备的额定电流。
定义11给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
Vj={一级负荷,二级负荷,三级负荷} (10)
定义12给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
其中,Pc表示线路的计算负荷,P∑表示配电网总的计算负荷。
定义13给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义:
Vl={vl|0<vl<100%} (12)
定义14给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},定义k为线路的架空线路比例:
Vm={vm|0<vm<100%} (13)
定义15给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h, i,j,k,l,m,n},定义:
Vn={不懂,业余,专业,非常专业} (14)
定义16给定配电网故障风险评估信息系统K=(U,A),决策属性集D={p},定义:
Vp={无风险,低风险,一般风险,高风险,较高风险} (15)
规则1给定配电网故障风险评估信息系统K=(U,A),条件属性集C={a,b,c,d,e,f,g,h,i,j,k,l,m,n},决策属性集D={p},根据各故障风险评估数据分布的特点,利用等距离划分的离散化方法,规定各条件属性和决策属性的编码方式为:a:1-0~2,2-3~5,3-6~8,4-9~11,5->12;b:1-无雨,2-小雨,3-中雨,4-大雨,5-暴雨,6-大暴雨,7-特大暴雨;c:1-无雾,2-轻雾,3-雾,4-大雾,5-浓雾,6-强浓雾;d:1-无雷电,2-弱雷电,3-中等雷电,4-强雷电,5-特强雷电;e:1-无雪,2-小雪,3-中雪,4-大雪,5-暴雪;f:1-无覆冰,2-轻覆冰,3-覆冰,4-重覆冰,5-严重覆冰;g:1--40~-30,2--30~-20,3--20~-10,4--10~0,5-0~10,6-10~20,7-20~30,8-30~40;h:1-0~0.2,2-0.2~0.4,3-0.4~0.6,4-0.6~0.8,5-0.8~1;i:1-0~0.2,2-0.2~0.4,3-0.4~0.6,4-0.6~0.8,5-0.8~1;j:1-一级负荷,2-二级负荷,3-三级负荷;k:1-0~0.2,2-0.2~0.4,3-0.4~0.6,4-0.6~0.8,5-0.8~1;l:1-0~0.2,2-0.2~0.4,3-0.4~0.6,4-0.6~0.8,5-0.8~1;m:1-0~0.2,2-0.2~0.4,3-0.4~0.6,4-0.6~0.8,5-0.8~1;n:1-不懂,2-业余,3-专业,4-非常专业;p:1-无风险,2-低风险,3-一般风险,4-高风险,5-较高风险。
按照定义2~16分别将提取的配电网故障风险评估指标转换成故障风险评估信息系统的属性值,按照规则1将条件属性和决策属性离散化,构建信息系统的决策表。
3.基于粗糙集理论的配电网故障风险评估方法
配电网故障风险评估算法的程序流程图如图2所示。首先,提取配电网故障风险评估指标,并根据定义2~16将其转化成故障风险评估系统的属性值,构建故障风险评估系统;然后,根据规则1将条件属性和决策属性离散化,构建信息系统的决策表;然后,利用粗糙集理论删除决策表中的不相容数据,并对决策表中的条件属性进行约简,删除冗余属性,得到最小条件属性集;最后,对决策表进行属性值约简,得到最小规则集。该规则集即为配电网故障 风险评估模型,将在线检测的配电网故障风险评估指标数据输入到该模型,即可在线得到配电网故障风险评估结果。将新的故障风险评估指标数据作为历史数据,利用该数据定期更新原有的配电网故障风险评估模型。
4.实例分析
下面以某配电网为例,进一步说明本发明所述的配电网故障风险评估方法。根据定义2~16获取的配电网故障风险评估指标数据如表1所示,其中,电气设备寿命为30年,配电网总的计算负荷为100MVA。根据规则1将其离散化,得到配电网故障评估系统决策表,如表2所示。首先,删去不相容信息,然后,利用粗糙集理论进行属性约简,约简掉条件属性-用户水平,得到最小条件属性集{a,b,c,d,e,f,g,h,i,j,k,l,m}。最后,利用粗糙集理论进行属性值约简,得到如下最小规则集:
该规则即为配电网故障风险评估模型,利用该模型即可实现该配电网故障风险评估。假如在线检测的数据为:4级风、大雨、无雾、强雷电、无雪、无覆冰、12℃、设备运行6年、三级负荷、计算负荷为2.2MVA、转供能力10%、线路全为地下电缆,则根据b4d4m1→p3,即可得到此时该配电网的故障风险等级为一般风险。
表1配电网故障风险评估指标数据表
表2配电网故障风险评估系统决策表
本发明未述部分与现有技术相同。
Claims (2)
1.基于粗糙集理论的配电网故障风险评估方法,其特征在于,包括如下步骤:
从配电网历史故障数据和专家经验数据库中提取配电网故障风险评估指标数据,配电网故障风险评估指标数据包括以下各组数据:风等级、雨等级、雾等级、雷电等级、雪等级、覆冰等级、温度等级、电气设备老化程度、负载率、负荷等级、计算负荷、负荷转供能力、线路类型以及用户电力专业技术水平;
所述配电网故障风险评估指标数据作为条件属性,而每组数据对应的风险等级作为决策属性;并根据每种故障风险定义其属性值域;
利用等距离划分的离散化方法,规定各条件属性和决策属性的编码方式,
根据所定义的属性值域将提取的配电网故障风险评估指标数据转换成故障风险评估信息系统的属性值,按照各条件属性和决策属性的编码方式将条件属性和决策属性离散化,构建信息系统的决策表;
利用粗糙集理论对所述条件属性和决策属性进行属性约简和属性值约简,删除决策表中的不相容数据,并对决策表中的条件属性进行约简,删除冗余属性,得到最小条件属性集;最后,对决策表进行属性值约简,得到最小规则集,所述最小规则集即为配电网故障风险评估模型;
将在线检测的配电网故障风险评估指标数据输入到该模型,即可在线得到配电网故障风险评估结果。
2.根据权利要求1所述的基于粗糙集理论的配电网故障风险评估方法,其特征在于,获得配电网故障风险评估模型是针对某一配电网在某一固定时期内的故障风险评估模型,随着时间的推移,该模型需要利用新得到的历史故障风险评估数据进行更新,得到该配电网的新故障风险评估模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103137139A CN103426123A (zh) | 2013-07-24 | 2013-07-24 | 基于粗糙集理论的配电网故障风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103137139A CN103426123A (zh) | 2013-07-24 | 2013-07-24 | 基于粗糙集理论的配电网故障风险评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103426123A true CN103426123A (zh) | 2013-12-04 |
Family
ID=49650822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013103137139A Pending CN103426123A (zh) | 2013-07-24 | 2013-07-24 | 基于粗糙集理论的配电网故障风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103426123A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156881A (zh) * | 2014-06-20 | 2014-11-19 | 天津大学 | 配电网故障风险综合评估方法 |
CN104504525A (zh) * | 2014-12-26 | 2015-04-08 | 国家电网公司 | 通过大数据挖掘技术实现电网设备故障预警的方法 |
CN106022912A (zh) * | 2016-05-30 | 2016-10-12 | 深圳市华傲数据技术有限公司 | 评价模型的更新方法及系统 |
CN106022892A (zh) * | 2016-05-30 | 2016-10-12 | 深圳市华傲数据技术有限公司 | 信用评分模型的更新方法及系统 |
CN104050373B (zh) * | 2014-06-19 | 2017-07-14 | 国家电网公司 | 一种电力通信中pcm设备的安全风险量化评估方法 |
CN108062632A (zh) * | 2018-01-02 | 2018-05-22 | 京东方科技集团股份有限公司 | 风险评估方法及装置、设备和存储介质 |
CN108268333A (zh) * | 2018-01-23 | 2018-07-10 | 浙江中新电力发展集团有限公司萧山科技分公司 | 电网故障诊断中的数据流快速约简方法 |
CN108805423A (zh) * | 2018-05-25 | 2018-11-13 | 国网山东省电力公司聊城供电公司 | 一种基于分布式新能源接入的配电网风险评估方法 |
CN109992587A (zh) * | 2019-04-09 | 2019-07-09 | 中南大学 | 基于大数据的高炉铁水硅含量预报关键属性判决方法 |
CN110097276A (zh) * | 2019-04-25 | 2019-08-06 | 湖南大学 | 电网多重风险变量综合评价方法及系统 |
CN111553413A (zh) * | 2020-04-27 | 2020-08-18 | 广东电网有限责任公司 | 一种基于粗糙集的用户用电行为聚类结果评价方法 |
CN113076451A (zh) * | 2020-01-03 | 2021-07-06 | 中国移动通信集团广东有限公司 | 异常行为识别和风险模型库的建立方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120120537A1 (en) * | 2010-11-15 | 2012-05-17 | American Superconductor Corporation | Current fault limiter with live tank |
CN102737286A (zh) * | 2012-04-23 | 2012-10-17 | 中国电力科学研究院 | 一种地区电网在线风险分析系统和方法 |
-
2013
- 2013-07-24 CN CN2013103137139A patent/CN103426123A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120120537A1 (en) * | 2010-11-15 | 2012-05-17 | American Superconductor Corporation | Current fault limiter with live tank |
CN102737286A (zh) * | 2012-04-23 | 2012-10-17 | 中国电力科学研究院 | 一种地区电网在线风险分析系统和方法 |
Non-Patent Citations (1)
Title |
---|
曾宇洁: "基于粗糙集数据分析的信息系统风险评估决策支持系统", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050373B (zh) * | 2014-06-19 | 2017-07-14 | 国家电网公司 | 一种电力通信中pcm设备的安全风险量化评估方法 |
CN104156881A (zh) * | 2014-06-20 | 2014-11-19 | 天津大学 | 配电网故障风险综合评估方法 |
CN104504525A (zh) * | 2014-12-26 | 2015-04-08 | 国家电网公司 | 通过大数据挖掘技术实现电网设备故障预警的方法 |
CN106022912A (zh) * | 2016-05-30 | 2016-10-12 | 深圳市华傲数据技术有限公司 | 评价模型的更新方法及系统 |
CN106022892A (zh) * | 2016-05-30 | 2016-10-12 | 深圳市华傲数据技术有限公司 | 信用评分模型的更新方法及系统 |
CN108062632A (zh) * | 2018-01-02 | 2018-05-22 | 京东方科技集团股份有限公司 | 风险评估方法及装置、设备和存储介质 |
CN108268333A (zh) * | 2018-01-23 | 2018-07-10 | 浙江中新电力发展集团有限公司萧山科技分公司 | 电网故障诊断中的数据流快速约简方法 |
CN108268333B (zh) * | 2018-01-23 | 2019-08-16 | 浙江中新电力工程建设有限公司自动化分公司 | 电网故障诊断中的数据流快速约简方法 |
CN108805423A (zh) * | 2018-05-25 | 2018-11-13 | 国网山东省电力公司聊城供电公司 | 一种基于分布式新能源接入的配电网风险评估方法 |
CN108805423B (zh) * | 2018-05-25 | 2020-08-18 | 国网山东省电力公司聊城供电公司 | 一种基于分布式新能源接入的配电网风险评估方法 |
CN109992587A (zh) * | 2019-04-09 | 2019-07-09 | 中南大学 | 基于大数据的高炉铁水硅含量预报关键属性判决方法 |
CN110097276A (zh) * | 2019-04-25 | 2019-08-06 | 湖南大学 | 电网多重风险变量综合评价方法及系统 |
CN113076451A (zh) * | 2020-01-03 | 2021-07-06 | 中国移动通信集团广东有限公司 | 异常行为识别和风险模型库的建立方法、装置及电子设备 |
CN111553413A (zh) * | 2020-04-27 | 2020-08-18 | 广东电网有限责任公司 | 一种基于粗糙集的用户用电行为聚类结果评价方法 |
CN111553413B (zh) * | 2020-04-27 | 2023-08-04 | 广东电网有限责任公司 | 一种基于粗糙集的用户用电行为聚类结果评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103426123A (zh) | 基于粗糙集理论的配电网故障风险评估方法 | |
CN108564254B (zh) | 基于大数据的配电设备状态可视化平台 | |
CN107194574B (zh) | 一种基于负荷损失的电网安全风险评估方法 | |
CN105631578A (zh) | 一种面向风险评估的输变电设备故障概率模型的建模方法 | |
CN103776492B (zh) | Opgw状态监测系统 | |
CN104820953A (zh) | 一种配电网运行安全评估及报警系统 | |
CN103953393A (zh) | 一种矿井通风系统分区稳定式动态监测与预警系统 | |
CN105279612A (zh) | 一种基于泊松分布的输电线路跳闸风险评估方法 | |
CN110516848A (zh) | 一种基于生存分析模型的电力设备维修成本优化方法 | |
CN116614177A (zh) | 一种光纤状态多维度参量监测系统 | |
CN107453354B (zh) | 一种配电网的薄弱环节识别方法 | |
CN114548800A (zh) | 基于电网知识图谱的未来态电网检修风险辨识方法及装置 | |
Wang et al. | Analytical FRTU deployment approach for reliability improvement of integrated cyber‐physical distribution systems | |
CN103530708A (zh) | 一种输配电设备隐患排查信息管理与决策支持系统 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN105184306A (zh) | 评价指标反映评价结果的输电杆塔塔材实际强度计算方法 | |
CN104166883A (zh) | 基于状态多维度综合评估的电网调度动态增容评估方法 | |
Ma et al. | [Retracted] Prediction of Transmission Line Icing Using Machine Learning Based on GS‐XGBoost | |
Hu et al. | Operational reliability evaluation method based on big data technology | |
CN104680010A (zh) | 一种汽轮机组稳态运行数据筛选方法 | |
CN115912359B (zh) | 基于大数据的数字化安全隐患识别排查治理方法 | |
CN115906639A (zh) | 基于线路运行工况的线路运行故障率预测方法、装置 | |
CN115146927A (zh) | 考虑多源数据的配网灾害预警及风险评估方法和系统 | |
CN104865959A (zh) | 一种消防电源控制系统的故障自诊断方法 | |
CN113934795A (zh) | 一种基于分布式管理的电网预警系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131204 |
|
RJ01 | Rejection of invention patent application after publication |