CN103942240B - 一种智能变电站综合数据信息应用平台的建设方法 - Google Patents
一种智能变电站综合数据信息应用平台的建设方法 Download PDFInfo
- Publication number
- CN103942240B CN103942240B CN201310519509.2A CN201310519509A CN103942240B CN 103942240 B CN103942240 B CN 103942240B CN 201310519509 A CN201310519509 A CN 201310519509A CN 103942240 B CN103942240 B CN 103942240B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- data
- neuron
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 8
- 210000002569 neuron Anatomy 0.000 claims description 25
- APHFXDBDLKPMTA-UHFFFAOYSA-N 2-(3-decanoyl-4,5,7-trihydroxynaphthalen-2-yl)acetic acid Chemical compound CCCCCCCCCC(=O)c1c(CC(O)=O)cc2cc(O)cc(O)c2c1O APHFXDBDLKPMTA-UHFFFAOYSA-N 0.000 claims description 12
- 102100024405 GPI-linked NAD(P)(+)-arginine ADP-ribosyltransferase 1 Human genes 0.000 claims description 10
- 101000981252 Homo sapiens GPI-linked NAD(P)(+)-arginine ADP-ribosyltransferase 1 Proteins 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 5
- 230000007935 neutral effect Effects 0.000 claims description 4
- 210000002364 input neuron Anatomy 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 abstract description 2
- 238000013499 data model Methods 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于电力系统信息技术领域，具体说的是一种智能变电站数据信息综合应用平台建设方法。包括如下内容：1）建立安全I区的数据服务器与II区的综合应用服务器之间的通信；2）建立安全II区与隔离装置之间的通信；3）建立隔离装置与主站端的通信；4）根据各部门的需求建立相应的数据模型；5）用户见面展示。本发明的有益效果在于：①不直接访问调度主站和子站，以免大量占用主站和子站的网络资源，影响调度运行的效率；②与原始数据相比，经过归一化的数据更容易理解；③全景数据的使用可以摆脱以往对结构化数据的依赖，而视频、文档、图表等非结构化数据的访问则为人机交互带来了更为直观的感受。
Description
技术领域
属于电力系统信息技术领域，可应用于智能变电站数据信息平台建设。
背景技术
智能电网的发电、输电、变电、配电、用电和调度六个环节中，变电部分的核心就是智能变电站的建设。作为智能电网的重要节点，智能变电站是数字化变电站的延续和发展[1]。智能变电站的主要特点就是“一次设备智能化、全站信息数字化、信息共享标准化、高级应用互动化”。在此基础上，2009年国家电网公司发布了《智能变电站技术导则》，文中提出了建立智能站内全景数据的统一信息平台，规范了各子系统之间的数据传输，存取和访问，子站和主站之间的数据交互等等。随着需求的不断增加，变电站内的数据使用不再局限于变电站和调度主站，变电站与变电站、变电站与企业的其他职能部门之间的数据传输和访问也是势在必行的。导则中这一部分的描述并不不完善，且国内外也未见先验性的成功案例报导，针对这种情况，本方案提出了变电站与其他职能部门之间的全景数据传输，访问，分析，处理等几方面的应用，并进行了较为系统的设计和开发。
与现阶段有关职能部门直接向调度或者变电站索取原始数据的方式比较，本方案有以下几个优点：①不直接访问调度主站和子站，以免大量占用主站和子站的网络资源，影响调度运行的效率；②与原始数据相比，经过归一化的数据更容易理解；③全景数据的使用可以摆脱以往对结构化数据的依赖，而视频、文档、图表等非结构化数据的访问则为人机交互带来了更为直观的感受；④可实现对多个智能变电站的数据传输和访问，为区域性综合数据分析处理提供了便利条件。
发明内容
本发明的目的，在于提出一种智能变电站综合数据信息应用平台的建设方法，其主要步骤如下：
本发明的技术方案如下：
1、一种智能变电站综合数据信息应用平台的建设方法，其特征在于，所述方法步骤如下：
1.1通过安全I区的数据服务器采集智能变电站的全景数据，包括结构化和非结构化的数据；
1.2通过站控层网络，将数据服务器的数据传输到II区的综合应用服务器上，综合应用服务器与数据服务器的通信采用C/S方式；
1.3综合应用服务器通过正向隔离装置与III区的数据建模和数据处理装置同步数据；
1.4建模装置通过网关机与主站的数据服务器建立连接，并通过主站服务器向有需要的部门提供数据服务Web Services；
1.5各部门的客户端以图形界面的形式对平台提供的数据进行展示和分析应用。
2、根据权利要求1所述的方法，其特征在于：
所述步骤1.5中，使用改进的ART1型神经网络来对数据进行分类处理，具体步骤如下：
(1)ART1型网络的输入神经元要求为二进制数据，即0或1，所以需要对权值进一步处理，将次要关键词过滤：
按照式(7)、(8)的规则进行过滤，然后将处理过的二进制权重向量输入到改进ART1型网络；
(2)初始化
设网络的输入层为n个神经元，输出为m个神经元，则前馈连接权值
反馈连接权值
tij(0)＝1,i＝1,2,…,n；j＝1,2,…,m (10)
以及设置相似度门限ρ∈(0，1)；
(3)比较阶段
设网络输入为X＝[x1(,x2,…,xn)]T识别层神经元j的净输入为
比较Sj，获胜的神经元j设为1，其余置0；然后计算相似度
将M与ρ比较，若则进入学习阶段，否则进入搜索阶段；当时，选择2个获胜神经元来表示新的分类；
如果这两个获胜神经元相似度不满足则使用搜索阶段寻找下一个满足相似度条件的获胜神经元；
(4)学习阶段
根据获胜神经元j调整前馈和反馈连接权值
tij(t+1)＝tij(t)xi，i＝1，2，...，n j＝1，2，...m (14)
(5)搜索阶段
前一次获胜的神经元受到抑制，选择排在第二位的神经元再一次进行比较，如果所有已存在的分类都不能与输入模式匹配，则使用其中相似度最大的量个神经元来表示该输入的分类。
本发明的有益效果在于：ART1神经网络在数据挖掘的分类算法中应用广泛，但是其自身的特点也带来了很多不足之处。本改进型ART1网络机制可以在时间效率上对原网络进行加强，并通过实验验证了分类准确率相差不大，而且对原算法容易产生模式漂移等问题也在一定程度上得到缓解。
具体实施方式
下面对本发明的技术方案作详细的阐述。
在安全Ⅰ区中，监控主机采集电网运行和设备工况等实时数据，将数据存入数据服务器；在安全Ⅱ区中，综合应用服务器与输变电设备状态监测和辅助设备进行通信，采集电源、计量、消防、安防、环境监测等信息，将数据存入数据服务器。Ⅱ区数据通信网关机通过防火墙从数据服务器获取Ⅱ区数据和模型等信息；
综合应用服务器通过正反向隔离装置向Ⅲ/Ⅳ区数据通信网关机发布信息，并由Ⅲ/Ⅳ区数据通信网关机传输给其他主站系统；通过在III区加入一体化信息平台站内装置，并在该站内装置与II区的综合应用服务器上部署数据同步协议，使综合应用服务器上的数据按照特定的格式进行整合，最后达到正向通过隔离设备，向III区对应的装置同步发送数据的目的。
新增的站内装置的操作系统与主站保持一致，为国产的麒麟系统，而I区，II区的信息一体化平台的系统为So1aris10。数据在综合应用服务器上按照特定的格式整合成XML文件格式发送至隔离设备。主站服务器对变电站的全景数据进行统一建模，以web service的形式向各相关部门提供数据服务。在用户端，为稳态和动态数据做可视化展示，如有功功率、无功功率、电压、电流、频率、同步相量等数据信息，采用表格、曲线、饼图、柱图、等高线等表现形式；而文档、图片等格式的数据用户也可以进行查询访问。
全景数据是反映变电站运行的稳态、暂态、动态数据、设备运行状态以及图像、模型等数据的集合。定义中既包含了结构化数据，如数据库中以二维表存在的数据，也包含了文档、图形、图片、XML、音视频信息等非结构化数据。
现阶段企业内部非结构化数据的主要形式有合同、案件、授权委托书、证照、法律法规、公文、通知、公告、签报、附件、档案、知识、专题、采编等等。非结构化数据的应用主要是对各种形式的数据进行分类，然后在此基础上进行全文检索，查找用户感兴趣的关键信息。非结构化数据的分类目前比较流行的是基于关键词的分类方法，
tf(t，d)为关键词t出现在文档d中的频率，N为文档总数，n为出现t的文档个数。文档本身的大小对结果也会产生影响，为消除这种影响，需要进行归一化处理：
这里我们采用改进型ART1型神经网络来计算相似度，并按其结果进行分类，具体步骤如下：
1)文档分类的主要判定是依据关键词来进行的，而文档中出现频率较低的关键词对最终结果几乎没有影响，所以在分类时可以将次要的关键词忽略，以缩短相似度判定所需的时间。相应地，ART1型网络的输入神经元要求为二进制数据，即0或1，所以需要对权值进一步处理，将次要关键词过滤：
按照式(7)、(8)的规则进行过滤，然后将处理过的二进制权重向量输入到改进ART1型网络。改进ART1型网络工作原理：
2)初始化
设网络的输入层为n个神经元，输出为m个神经元，则前馈连接权值
反馈连接权值
tij(0)＝1,i＝1,2,…,n；j＝1,2,…,m (10)
以及设置相似度门限ρ∈(0，1)。
3)比较阶段
设网络输入为X＝[x1(,x2,…,xn)]T识别层神经元j的净输入为
比较Sj，获胜的神经元j设为1，其余置0；然后计算相似度
将M与ρ比较，若则进入学习阶段，否则进入搜索阶段；当时，选择2个获胜神经元来表示新的分类；
如果相似度不满足则使用搜索阶段寻找下一个满足相似度条件的获胜神经元。
4)学习阶段
根据获胜神经元j调整前馈和反馈连接权值
tij(t+1)＝tij(t)xi，i＝1，2，...，n j＝1，2，...m (14)
5)搜索阶段
前一次获胜的神经元受到抑制，选择排在第二位的神经元再一次进行比较，如果所有已存在的分类都不能与输入模式匹配，则使用其中相似度最大的量个神经元来表示该输入的分类。
Claims (1)
1.一种智能变电站综合数据信息应用平台的建设方法，其特征在于，所述方法步骤如下：
1.1通过安全I区的数据服务器采集智能变电站的全景数据，包括结构化和非结构化的数据；
1.2通过站控层网络，将数据服务器的数据传输到II区的综合应用服务器上，综合应用服务器与数据服务器的通信采用C/S方式；
1.3综合应用服务器通过正向隔离装置与III区的数据建模和数据处理装置同步数据；
1.4建模装置通过网关机与主站的数据服务器建立连接，并通过主站服务器向有需要的部门提供数据服务Web Services；
1.5各部门的客户端以图形界面的形式对平台提供的数据进行展示和分析应用；
所述步骤1.5中，使用改进的ART1型神经网络来对数据进行分类处理，具体步骤如下：
(1)ART1型网络的输入神经元要求为二进制数据，即0或1，所以需要对权值进一步处理，将次要关键词过滤：
<mrow>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>W</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
按照式(7)、(8)的规则进行过滤，然后将处理过的二进制权重向量输入到改进ART1型网络；
(2)初始化
设网络的输入层为n个神经元，输出为m个神经元，则前馈连接权值
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>n</mi>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>n</mi>
<mo>;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mi>m</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
反馈连接权值
tij(0)＝1, i＝1,2,…,n； j＝1,2,…,m (10)
以及设置相似度门限ρ∈(0，1)；
(3)比较阶段
设网络输入为X＝[x1(,x2,…,xn)]T识别层神经元j的净输入为
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>S</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>m</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
比较Sj，获胜的神经元j设为1，其余置0；然后计算相似度
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>M</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>n</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>m</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
将M与ρ比较，若则进入学习阶段，否则进入搜索阶段；当时，选择2个获胜神经元来表示新的分类；
如果这两个获胜神经元相似度不满足则使用搜索阶段寻找下一个满足相似度条件的获胜神经元；
(4)学习阶段
根据获胜神经元j调整前馈和反馈连接权值
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mn>0.5</mn>
<mo>+</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>n</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mi>m</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
tij(t+1)＝tij(t)xi， i＝1，2，...，n j＝1，2，...m (14)
(5)搜索阶段
前一次获胜的神经元受到抑制，选择排在第二位的神经元再一次进行比较，如果所有已存在的分类都不能与输入模式匹配，则使用其中相似度最大的量个神经元来表示该输入的分类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310519509.2A CN103942240B (zh) | 2013-10-29 | 2013-10-29 | 一种智能变电站综合数据信息应用平台的建设方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310519509.2A CN103942240B (zh) | 2013-10-29 | 2013-10-29 | 一种智能变电站综合数据信息应用平台的建设方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103942240A CN103942240A (zh) | 2014-07-23 |
| CN103942240B true CN103942240B (zh) | 2018-03-27 |
Family
ID=51189909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310519509.2A Expired - Fee Related CN103942240B (zh) | 2013-10-29 | 2013-10-29 | 一种智能变电站综合数据信息应用平台的建设方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103942240B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105629109B (zh) * | 2015-12-30 | 2019-03-08 | 西安工程大学 | 基于art1神经网络的油浸式变压器故障诊断方法 |
| CN107992937B (zh) * | 2016-10-26 | 2021-12-03 | 北京大学深圳研究生院 | 基于深度学习的非结构化数据判决方法和装置 |
| CN106993041A (zh) * | 2017-04-01 | 2017-07-28 | 国网福建省电力有限公司 | 一种电力营销移动作业数据同步方法 |
| CN108875012A (zh) * | 2018-06-19 | 2018-11-23 | 南京国电南自电网自动化有限公司 | 一种物理隔离条件下实时数据同步的过滤方法 |
| CN111447180B (zh) * | 2020-03-04 | 2022-07-08 | 国电南瑞科技股份有限公司 | 一种电力物联网边缘接入管理系统安全访问控制策略 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6516326B1 (en) * | 2000-10-30 | 2003-02-04 | Stone And Webster Consultants, Inc. | System and method for integrating electrical power grid and related data from various proprietary raw data formats into a single maintainable electrically connected database |
| CN101272051A (zh) * | 2008-05-06 | 2008-09-24 | 江苏省电力公司南京供电公司 | 电网生产控制大区和管理信息大区的信息系统集成方法 |
| CN203233238U (zh) * | 2013-04-27 | 2013-10-09 | 四川省电力公司广元电业局 | 智能型故障录波联网管理系统 |
| CN103368265A (zh) * | 2013-07-25 | 2013-10-23 | 云南电网公司大理供电局 | 一种单向跨安全分区的变电站综合测控平台及其测控方法 |
-
2013
- 2013-10-29 CN CN201310519509.2A patent/CN103942240B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6516326B1 (en) * | 2000-10-30 | 2003-02-04 | Stone And Webster Consultants, Inc. | System and method for integrating electrical power grid and related data from various proprietary raw data formats into a single maintainable electrically connected database |
| CN101272051A (zh) * | 2008-05-06 | 2008-09-24 | 江苏省电力公司南京供电公司 | 电网生产控制大区和管理信息大区的信息系统集成方法 |
| CN203233238U (zh) * | 2013-04-27 | 2013-10-09 | 四川省电力公司广元电业局 | 智能型故障录波联网管理系统 |
| CN103368265A (zh) * | 2013-07-25 | 2013-10-23 | 云南电网公司大理供电局 | 一种单向跨安全分区的变电站综合测控平台及其测控方法 |
Non-Patent Citations (3)
| Title |
|---|
| 一种改进的人工神经网络模型;代小娟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110115;第21-27页 * |
| 基于模糊ART神经网络的变压器局部放电模式识别研究;杨燕翔;《万方数据》;20131008;第35-43页 * |
| 智能变电站一体化信息平台整合方案研究;束娜等;《水电能源科学》;20120930;第141-144页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103942240A (zh) | 2014-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103942240B (zh) | 一种智能变电站综合数据信息应用平台的建设方法 | |
| CN104616205B (zh) | 一种基于分布式日志分析的电力系统运行状态监视方法 | |
| CN106026405B (zh) | 基于ems系统的继电保护在线监视与分析系统 | |
| CN101256550B (zh) | 复杂电网相位同步并行化评估系统 | |
| CN104616092B (zh) | 一种基于分布式日志分析的行为模式处理方法 | |
| CN104835376B (zh) | 具有备自投自动安全装置动作模拟功能的调度员培训仿真系统 | |
| CN103559160A (zh) | 基于sg-cim标准的智能配电系统的语义信息交互接口的构建方法 | |
| CN104102790A (zh) | 基于gis的供电图自动成图系统及方法 | |
| CN106357414A (zh) | 用于基站发电管理的信息交互方法和系统 | |
| CN104835077B (zh) | 具有调度员事故预想支持功能的静态安全分析系统 | |
| CN103530538B (zh) | 一种基于Schema的XML安全视图查询方法 | |
| CN104091034B (zh) | 基于图形匹配的线路联络图自动成图系统及方法 | |
| CN104463465A (zh) | 一种基于分布式模型的实时监控集群处理方法 | |
| CN111585352B (zh) | 一种基于pms2.0系统的电力监控系统，设备及可读存储介质 | |
| CN107069801A (zh) | 一种基于最小用户停电损失的配电网孤岛划分方法 | |
| CN102044021A (zh) | 一种电网风险评估管理方法 | |
| CN113902583B (zh) | 利用低压网络设备数据的配网侧运维方法及系统 | |
| Tang et al. | Information security terminal architecture of power transportation mobile internet of things based on big data analysis | |
| CN106570775A (zh) | 电网故障预案联合编制方法及装置 | |
| CN102045186B (zh) | 一种事件分析方法及系统 | |
| CN103854230A (zh) | 电力安全风险管控系统和方法 | |
| Qi et al. | Model management and service based power grid multi-agent dispatcher training simulator | |
| CN103944257A (zh) | 一种智能变电站信息一体化平台结构 | |
| Bai | Social public opinion communication and network legal management based on artificial intelligence cognitive wireless network | |
| Li et al. | The fast simulation architecture construction for integrated electric transmission and distribution power grid based on big data platform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Hongtao Inventor after: Yu Tongwei Inventor after: Ren Dongming Inventor after: Liu Shuai Inventor after: Ge Weichun Inventor before: Zhang Hongtao Inventor before: Yu Tongwei Inventor before: Ren Dongming Inventor before: Liu Shuai |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180327 Termination date: 20181029 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |