CN105224667B - 基于电网智能监控信息的多站端故障诊断与辅助决策方法 - Google Patents
基于电网智能监控信息的多站端故障诊断与辅助决策方法 Download PDFInfo
- Publication number
- CN105224667B CN105224667B CN201510651908.3A CN201510651908A CN105224667B CN 105224667 B CN105224667 B CN 105224667B CN 201510651908 A CN201510651908 A CN 201510651908A CN 105224667 B CN105224667 B CN 105224667B
- Authority
- CN
- China
- Prior art keywords
- fault
- information
- power grid
- multistation
- decision
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003745 diagnosis Methods 0.000 title claims abstract description 18
- 230000008878 coupling Effects 0.000 claims abstract description 25
- 238000010168 coupling process Methods 0.000 claims abstract description 25
- 238000005859 coupling reaction Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000005204 segregation Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract 1
- 230000009471 action Effects 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/043—Distributed expert systems; Blackboards
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于电网智能监控信息的多站端故障诊断与辅助决策方法，包括建立专家数据库；将多站端电网故障分解为单站端故障信息；将故障信息分为反映变电设备运行状况的开关量信息和事故期间过程数据的连续变化信息；对开关量信息以状态元素描述；对状态元素进行逻辑耦合和判断，确定故障元件；进行时间辨识；进行空间辨识；进行特征量辨识，判定故障性质；与专家数据库匹配，并进行耦合推理，找到辅助决策方法；将数据和决策结果进行显示和跟踪。本发明利用计算机和监控系统对电网多站端故障进行辅助决策，避免了人为处理海量的监控数据以及人员处理经验不足的缺陷，能够快速准确对电网多站端的故障作出决策，杜绝事故的发生。
Description
技术领域
本发明具体涉及一种基于电网智能监控信息的多站端故障诊断与辅助决策方法。
背景技术
目前，电网运行时各类监控系统均实时监测电网运行数据，并将监控数据实时上传至监控主站。但是，由于接入主站端的监控信息相互独立，各监控信息之间不具备智能逻辑组合分析功能，一旦发生事故，监控员需要根据海量的电网运行和监控数据进行人工分析，并不断调用不同监控画面并根据个人经验做出判断，这给监控员对事故的判断和信息处置造成极大的困难。依据国调中心2012年颁发的《500kV变电站典型监控信息表（试行）》标准，按照2主变、5串8回500kV出线、10条220kV出线典型设计，单个500kV变电站有4000多个“四遥”监控信息点上传接入监控主站；以某中部省份电网17个投运500kV变电站为例，该省一个监控值班值（标准配备2人）需处理68000多个监控信息点，尤其是发生电网事故时，会在毫秒（ms）级时间内产生5~10倍于正常数据的异常信息，可能发生监控信息淹没效应。而对于电网的多站端异常或事故信息，如果不能做出决策及时处理，将会导致更多的事故发生。绝大部分事故源于没有对异常现象及时决策处理而造成，因此如何对电网多站端异常或事故快速准确的决策，是杜绝事故的根本所在。
发明内容
本发明的目的在于提供一种基于电网智能监控信息的多站端故障诊断与辅助决策方法，以快速准确对电网多站端异常或事故作出决策，杜绝事故的发生。
本发明提供的这种基于电网智能监控信息的多站端故障诊断与辅助决策方法，包括如下步骤：
1）建立专家数据库：包括预想事故集，以及与预想事故集对应的专家决策数据库；
2）将多站端电网故障分解为各变电站单站端故障信息；
3）将故障信息分类为两类：一类是反映变电设备运行状况的开关量信息，二类是事故期间过程数据的连续变化信息；
4）对步骤3）所述一类信息以对应的状态元素描述；
5）对步骤4）所述的各状态元素进行逻辑耦合，用逻辑与的关系进行运算，作出耦合预判，只要有一个状态元素为故障，则该状态元素所涉及的元件确认为故障元件；
6）进行时间辨识，确保上述各变电站的单站端故障信息是在同一时间段内发生的连锁故障；
7）进行空间辨识，获取线路故障点两端测距数据，并与线路参数进行比较得到故障点空间辨识结果；
8）进行特征量辨识，将步骤3）所述的二类信息进行计算后提取特征量，用于对故障性质的判定；
9）将步骤5）到步骤8）的结果送到步骤1）所述的专家决策数据库的耦合推理机进行耦合推理，与步骤1）所述的预想事故集进行对比和匹配，并从专家决策数据库中找到对应的辅助决策方法；
10）将步骤5）到步骤9）与变电站监控系统的动态图元进行关联，并将数据和决策结果进行实时显示和跟踪。
步骤1）所述的预想事故集，为采用RTDS软件离线仿真不同故障情况电网运行所分别产生的电压相角特征集。
步骤2）所述的单站端故障信息来源于各单站端的终端数据、站控数据和间隔数据，对各来源数据中的一类信息分别进行逻辑耦合。
步骤3）所述的状态元素如下表1、表2所示：
表1 线路间隔事故-断路器事故状态元素
表2 主变间隔事故-主变事故状态元素
所述步骤2）的二类信息包括潮流变化信息、节点电压信息、电压变化信息、电压、相角信息；其中潮流变化信息与节点电压信息进行耦合得到故障支路电流特征信息，电压变化信息与电压、相角信息进行耦合得到故障节点电压相角特征信息。
步骤6）所述的同一时间段为3~10s，用于确保所采集的各相关变电站故障信息是在该时间段内发生的、连锁的故障信息，以避免毫不关联的多站端故障信息进行关联耦合。
步骤7）所述空间辨识，为根据故障录波和保护动作测距数据加权值，判断故障位置。
步骤8）所述提取特征量用于对故障性质的判定，为根据故障支路电流特征信息和故障节点电压相角特征信息计算出各支路发生故障概率，并将上述故障概率按照降序进行排列，依次按照最大可能发生的原则与步骤5）中故障元件进行一致性判别。
本发明构建了预想的异常和事故集及相对应的专家决策数据库，将多站端电网故障分解为单站端故障，并且将反映变电设备运行状况的开关量信息进行逻辑运算来判定故障元件，以时间辨识、空间辨识和特征量辨识对故障性质的判定，将判定结果送到主站进行耦合推理，并与预想异常或/和事故集进行对比和匹配，从专家决策数据库中找到对应的辅助决策方法；本发明利用计算机和现有的电网智能监控系统对电网多站端的异常/故障进行辅助决策，避免了监控人员人为处理海量的监控数据以及监控人员处理经验不足的缺陷，能够快速准确对电网多站端故障作出决策，杜绝事故的发生。
附图说明
图1为本发明的多站端故障诊断和辅助决策方法流程图。
图2为本发明的一个实施例的电网示意图。
如图1所示，为本发明的多站端异常或事故辅助决策方法流程图；多站端电网故障，首先是分解为多个单站端的电网故障，然后获取每个单站端电网的终端数据、站控数据和间隔数据，并依次得到反映变电设备运行状态的开关量信息和故障期间的过程数据连续变化值，将获取的开关量信息对应于设备的状态元素，并采用逻辑“与”运算作出耦合预判，同时获取的反映变电设备运行状态的开关量信息和故障期间的过程数据连续变化值进行时间辨识和空间辨识，确保故障信息的相关性，进行特征量辨识，并将特征量辨识的结果和耦合预判结果共同对比预想故障集进行匹配，并从专家数据库中找到对应的辅助决策方法。
以下结合一个具体算例进一步对本发明进行说明。
如图2所示，为本发明的一个具体实施例的电网示意图，为甲站、乙站、丙站、丁站及相关线路所构成的某500kV局部电网：
某时刻，L甲乙线线路A相永久性故障，甲站、乙站、丙站三站保护动作，迅速切除故障，一、二次设备的动作情况如表3、表4。
表3 保护动作情况
表4 一次设备动作情况
通过获取SCADA遥信及遥测信息、PMU电压及相角信息、保护故障管理系统(RPMS)的故障信息等，然后通过上述多层信息耦合模型进行故障诊断的辅助决策过程得出上述3站端电网事故关联耦合步骤如下：
多端分解：
将4站端电网事故分解为甲站、乙站、丙站3个单站端设备故障状态元素和耦合预判如下表5所示：
表5:电网故障耦合预判
故障状态元素和耦合预判结果表明：
甲站L甲乙线(5011、5012)线路间隔、乙站L甲乙线(5031、5032)线路间隔、丙站L乙丙线(5023、5022)发生事故,乙站L乙丙线WXH-802保护异常。
时间辨识：
以主站监控收到的甲站、乙站、丙站3个单站端事故元素第一时刻发出的时间为基准值，得出后续事件时间差值△t2-1、△t3-1≤T(T可整定，一般取3s-10s），表明上述3个单站端事故系同一时刻发生的连锁电网事故。
空间辨识：
（1）：根据主站电网拓扑结构可知，甲站500kV线路L甲乙线(5011、5012)与乙站L甲乙线(5031、5032)系同一条联络线。
（2）：根据故障测距数据L与线路参数辨识结果：ⅰ）可判断L乙丙线丙站侧保护属区外故障动作跳闸，丙站L乙丙线路跳闸属于L甲乙线路故障连锁事故；ⅱ）可定位故障点空间位置：故障点位于L甲乙线距离甲站22km、乙站5km处，距离丙站L乙丙线上约73km处。
特征量辨识：
数据层融合过程
上述耦合预判是基于线路或主变单元等设备主保护动作的常规预判，对于因远后备保护、公共保护或稳控装置引起的多间隔设备连锁事故，则还应结合分段式线路保护、公共保护以及安稳装置动作策略，预先建立起不同支路出现故障情况下的预想事故集，例如：根据来自SCADA和RPMS的数据，得到保护开关动作信息为：L甲丁线线路主保护动作，断开L甲丁线路上甲站侧的5013、5012断路器，而该线路丁站侧5042断路器未动作，这时线路L丙丁丙站侧远后备保护动作，分别断开线路L丙丁两侧断路器，依据主站故障信息与预想事故集的数据匹配程度决定是否建立上述线路间的站际关联。
特征层融合过程
节点电压相角：依据电网结构模型预先建立起的不同支路出现故障情况下的如表6电压相角预想事故集。将出现故障时WAMS量测故障数据(表7)同预想事故集中的数据进行匹配，可求出故障情况下的模式匹配度和信任度(表8)。
表6 预想事故集下的节点电压相角表
表7 事故下WAMS节点电压相角
表8 WAMS故障相似性匹配度
表9 事故前、后各支路潮流
表10 支路电流故障相似性匹配度
支路潮流：依据发生故障前后SCADA遥测信息，计算出各支路电流/潮流增减倍率，根据预先建立起的不同支路潮流限额表和主站电网模型，得出可能故障线路匹配度（表10）和故障后支路潮流变化趋势（表9）。
RPMS数据：①将保护、开关动作耦合结果作为故障特征量判据的必要条件；②依据故障后测距数据：L保1、L保2、L故录，得出L均=（L保1+L保2+L故录）/3，结合主站电网模型为空间辨识提供依据和数据来源。
特征量信息耦合决策
在上述特征量“节点电压相角”、“支路潮流”中采取“二取一”法则后与“RPMS/SCADA保护及断路器动作耦合结果”进行关联分析，由此可得到电网故障特征量多源信息融合决策完整过程全景展示如下（表11）：
表11 多站端电网故障信息耦合决策全过程全景展示
本发明提供的这种基于电网智能监控信息的多站端故障诊断与辅助决策方法，构建了预想的异常和事故集及相对应的专家决策数据库，将多站端电网故障分解为单站端故障，并且将反映变电设备运行状况的开关量信息进行逻辑运算来判定故障元件，以时间辨识、空间辨识和特征量辨识对故障性质的判定，将判定结果送到主站进行耦合推理，并与预想异常或/和事故集进行对比和匹配，从专家决策数据库中找到对应的辅助决策方法；本发明提供的这种基于电网智能监控信息的多站端故障诊断与辅助决策方法，不仅适用于所述的线路间隔故障和主变间隔故障，也适用于多站端的其他故障情况，如母线、无功装置、高压电抗器、站用电、直流系统等的故障情况。
Claims (8)
1.一种基于电网智能监控信息的多站端故障诊断与辅助决策方法，包括如下步骤：
1)建立专家数据库：包括预想事故集，以及与预想事故集对应的专家决策数据库；
2)将多站端电网故障分解为各变电站单站端故障信息；
3)将故障信息分类为两类：一类是反映变电设备运行状况的开关量信息，二类是事故期间过程数据的连续变化信息；
4)对步骤3)所述一类信息以对应的状态元素描述；
5)对步骤4)所述的各状态元素进行逻辑耦合，用逻辑与的关系进行运算，作出耦合预判，只要有一个状态元素为故障，则该状态元素所涉及的元件确认为故障元件；
6)进行时间辨识，确保上述各变电站的单站端故障信息是在同一时间段内发生的连锁故障；
7)进行空间辨识，获取线路故障点两端测距数据，并与线路参数进行比较得到故障点空间辨识结果；
8)进行特征量辨识，将步骤3)所述的二类信息进行计算后提取特征量，用于对故障性质的判定；
9)将步骤5)到步骤8)的结果送到步骤1)所述的专家决策数据库的耦合推理机进行耦合推理，与步骤1)所述的预想事故集进行对比和匹配，并从专家决策数据库中找到对应的辅助决策方法；
10)将步骤5)到步骤9)与变电站监控系统的动态图元进行关联，并将数据和决策结果进行实时显示和跟踪。
2.根据权利要求1所述的基于电网智能监控信息的多站端故障诊断与辅助决策方法，其特征在于步骤1)所述的预想事故集，为采用实时数字仿真仪软件离线仿真不同故障情况电网运行所分别产生的电压相角特征集。
3.根据权利要求1所述的基于电网智能监控信息的多站端故障诊断与辅助决策方法，其特征在于步骤2)所述的单站端故障信息来源于各单站端的终端数据、站控数据和间隔数据。
4.根据权利要求1所述的基于电网智能监控信息的多站端故障诊断与辅助决策方法，其特征在于步骤4)所述的状态元素如下表1、表2所示：
表1 线路间隔事故-断路器事故状态元素
表2 主变间隔事故-主变事故状态元素
5.根据权利要求1～4之一所述的基于电网智能监控信息的多站端故障诊断与辅助决策方法，其特征在于所述步骤2)的二类信息包括潮流变化信息、节点电压信息、电压变化信息、电压、相角信息；其中潮流变化信息与节点电压信息进行耦合得到故障支路电流特征信息，电压变化信息与电压、相角信息进行耦合得到故障节点电压相角特征信息。
6.根据权利要求1～4之一所述的基于电网智能监控信息的多站端故障诊断与辅助决策方法，其特征在于步骤6)所述的同一时间段为3～10s，用于确保所采集的各相关变电站故障信息是在该时间段内发生的、连锁的故障信息，以避免毫不关联的多站端故障信息进行关联耦合。
7.根据权利要求1～4之一所述的基于电网智能监控信息的多站端故障诊断与辅助决策方法，其特征在于步骤7)所述空间辨识，为根据故障录波和保护动作测距数据加权值，判断故障位置。
8.根据权利要求1～4之一所述的基于电网智能监控信息的多站端故障诊断与辅助决策方法，其特征在于步骤8)所述提取特征量用于对故障性质的判定，为根据故障支路电流特征信息和故障节点电压相角特征信息计算出各支路发生故障概率，并将上述故障概率按照降序进行排列，依次按照最大可能发生的原则与步骤5)中故障元件进行一致性判别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510651908.3A CN105224667B (zh) | 2015-10-10 | 2015-10-10 | 基于电网智能监控信息的多站端故障诊断与辅助决策方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510651908.3A CN105224667B (zh) | 2015-10-10 | 2015-10-10 | 基于电网智能监控信息的多站端故障诊断与辅助决策方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105224667A CN105224667A (zh) | 2016-01-06 |
| CN105224667B true CN105224667B (zh) | 2018-08-14 |
Family
ID=54993635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510651908.3A Active CN105224667B (zh) | 2015-10-10 | 2015-10-10 | 基于电网智能监控信息的多站端故障诊断与辅助决策方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105224667B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105811401B (zh) * | 2016-03-21 | 2018-10-12 | 国家电网公司 | 省级电网事故应急控制辅助决策方法 |
| CN109474067B (zh) * | 2018-08-14 | 2022-01-14 | 国网浙江省电力有限公司湖州供电公司 | 一种电网调度故障处理辅助决策方法 |
| CN110108914B (zh) * | 2019-05-21 | 2021-06-25 | 国网湖南省电力有限公司 | 一种反窃电智能化决策方法、系统、设备及介质 |
| CN113193657B (zh) * | 2021-06-04 | 2022-04-08 | 绍兴建元电力集团有限公司 | 基于人工智能的安全隐患排查治理策略匹配方法及系统 |
| CN114252735B (zh) * | 2021-12-21 | 2023-07-14 | 国网江苏省电力有限公司镇江供电分公司 | 一种110kV线路断线支路定位的监控判别方法 |
| CN116366076B (zh) * | 2023-06-02 | 2023-08-04 | 北京安天网络安全技术有限公司 | 一种软件定义无线电设备的监控方法、装置、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103972988A (zh) * | 2014-05-29 | 2014-08-06 | 国网上海市电力公司 | 一种配电网故障处理辅助决策方法 |
| CN104281899A (zh) * | 2013-07-03 | 2015-01-14 | 云南电力调度控制中心 | 一种新的基于信息融合的故障诊断方法 |
| CN104578427A (zh) * | 2015-01-27 | 2015-04-29 | 国家电网公司 | 一种含微网电源的配电网的故障自愈方法 |
-
2015
- 2015-10-10 CN CN201510651908.3A patent/CN105224667B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104281899A (zh) * | 2013-07-03 | 2015-01-14 | 云南电力调度控制中心 | 一种新的基于信息融合的故障诊断方法 |
| CN103972988A (zh) * | 2014-05-29 | 2014-08-06 | 国网上海市电力公司 | 一种配电网故障处理辅助决策方法 |
| CN104578427A (zh) * | 2015-01-27 | 2015-04-29 | 国家电网公司 | 一种含微网电源的配电网的故障自愈方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105224667A (zh) | 2016-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105224667B (zh) | 基于电网智能监控信息的多站端故障诊断与辅助决策方法 | |
| CN105158647B (zh) | 基于电网监控系统的单站端电网故障诊断和辅助决策方法 | |
| CN107944657B (zh) | 一种电力多源信息故障定位及预判方法 | |
| CN105515188B (zh) | 一种配电网集中式馈线自动化故障处理方法 | |
| CN101958536B (zh) | 一种配电网故障隔离与快速供电恢复决策支持系统 | |
| CN102035202B (zh) | 一种网络重构系统 | |
| CN109713794B (zh) | 一种分布式智能自恢复系统及方法 | |
| CN107846011A (zh) | 一种基于主配网协同控制的配电网故障恢复方法 | |
| CN105974267B (zh) | 一种基于iec 61850的小电流接地故障定位系统及其方法 | |
| CN103490392B (zh) | 含分布式电源或微网的配电网的故障处理方法 | |
| CN102075005B (zh) | 基于ems系统的110kv区域备自投动作处理方法 | |
| CN103227450B (zh) | 在线故障恢复方法及系统 | |
| CN111049112B (zh) | 一种10kV环网配电线路自动化故障隔离及自愈的控制系统及方法 | |
| CN101741137B (zh) | 网络集中式备用电源自动投入方法 | |
| CN103971292B (zh) | 基于实时站内图映射的故障准确辨识方法 | |
| CN109004631B (zh) | 一种基于网络的配电网自适应后备保护控制方法 | |
| CN103414173A (zh) | 一种基于超短期负荷预测的配电网故障恢复方法 | |
| CN109738753A (zh) | 一种电网故障状态及故障类型的检测方法 | |
| CN104215879B (zh) | 一种配电网短路故障定位方法及系统 | |
| CN107994551A (zh) | 基于输配协同的故障快速恢复处理方法 | |
| CN102324789A (zh) | 基于站控层goose的智能变电站站域控制系统及实现方法 | |
| CN106918758A (zh) | 一种基于电气量和非电气量的小电流接地综合选线方法 | |
| CN106816956A (zh) | 一种基于智能分布式原理的配电自动化终端 | |
| CN105337314B (zh) | 一种基于分布式电源黑启动技术的多源协调控制故障处理方法 | |
| CN106787131B (zh) | 一种两层级区域备自投系统及备自投控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |