CN106093703A - 一种智能配电网故障的辨识与定位方法 - Google Patents
一种智能配电网故障的辨识与定位方法 Download PDFInfo
- Publication number
- CN106093703A CN106093703A CN201610396561.7A CN201610396561A CN106093703A CN 106093703 A CN106093703 A CN 106093703A CN 201610396561 A CN201610396561 A CN 201610396561A CN 106093703 A CN106093703 A CN 106093703A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- node
- fault
- matrix
- status monitoring
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了一种基于多维尺度分析和离群点检测的智能配电网故障辨识与定位方法,将配电网中智能终端上传的数据进行数据的预处理和融合建立高维时空状态监测矩阵,将此矩阵经过多维尺度分析降维后,对其进行离群点检测以获取各节点的LOF值,在此基础上可实现对智能配电网故障的检测,再根据广义节点的LOF值可甄别故障是配电网电力故障亦或通信节点故障;进一步地,结合多维尺度分析和离群点检测的可视化结果实现对配电网故障区域和故障通信节点的定位。该发明不仅能对智能配电网进行有效的故障检测,而且能对配电网故障区域和故障通信节点进行定位。
Description
技术领域
本发明涉及智能配电网保护方法研究,特别适用于智能配电网故障的辨识与定位。
背景技术
信息物理系统技术的融入是应对配电网结构日趋复杂和电力信息化程度大幅提升的有效途径,但同时也引发了新的问题。智能配电网中信息系统与物理系统耦合度极高,信息系统故障与配电网物理故障都将威胁系统的安全稳定运行。但是,以往的电力通信网络研究基本都是割裂开来的,研究方法和建模手段未充分考虑物理系统与通信系统的交互作用,尤其是交互作用对智能配电网保护控制的影响更是鲜有提及。
若配电网线路等发生故障,传输的数据量急剧上升,有可能导致信息系统负载过大,造成网络拥塞,增加信息传输时延和信息处理的误码率,易导致智能终端误动或者拒动,进而造成故障的扩大化或者不必要的停电,处理不及时有诱发连锁故障的可能性。此外,通信信道故障、信息元件故障和信息传输故障以及来自外部的恶意攻击,都将影响整个智能配电网的正常运行与保护控制性能,严重的将导致系统瘫痪。因此,无论是信息系统还是物理系统发生故障都将对智能配电网的经济可靠运行造成威胁。
然而,由于物理系统与信息系统耦合度高的特点,辨识究竟是电力故障抑或是信息系统故障的难度较大。国内外关于这方面的研究也都不够细致或是割裂开来的,无法对电力故障与信息系统故障进行统一地识别,需要进行更深入和更全面的研究。开发能够快速地统一辨识智能配电网故障,以及定位电力故障区域与故障通信节点的智能配电网故障辨识方法具有一定的实践意义。
发明内容
有鉴于此,本发明所要解决的技术问题是提供一种基于多维尺度分析(Multi-dimensional Scaling,MDS)和离群点检测(Local Outlier Factor,LOF)的智能配电网故障辨识与定位方法。通过对状态监测矩阵进行数据预处理与融合,再进行多维尺度降维与离群点检测,实现信息系统故障和配电网物理故障的甄别,以及对配电网故障区域和故障通信节点的定位。
本发明通过以下技术手段解决上述问题:
一种智能配电网故障的辨识与定位方法,包括如下步骤:
S1、分布于配电网中的智能终端周期性向保护控制中心上传电气特征量,将该电气特征量经过数据筛选和预处理,形成初始的单时段单电气特征量状态监测矩阵;
S2、将单时段单电气特征量状态监测矩阵在电气特征量和时间序列上进一步扩充,最终融合成一个高维时空状态监测矩阵;
S3、采用多维尺度分析对高维时空状态监测矩阵进行降维,进一步降低价值数据量,对数据进一步融合,同时实现数据分析结果的可视化,对降维后的高维时空状态监测矩阵进行离群点检测;
S4、对多维尺度分析和离群点检测结果进行分析,实现对故障的检测;
S5、将配电网广义节点LOF值与整定值比较以判别故障属于配电网物理故障亦或通信节点故障;
S6、在S5的基础上,结合多维尺度分析和离群点检测结果实现对配电网物理故障区域或故障通信节点的定位。
进一步地,进行步骤S1时,对上传至保护控制中心的电气特征量进行筛选,选取有代表性的电流和功率作为分析的电气特征量,数据预处理包含构建反映各节点对应关系的网络关联矩阵,并将单时段单电气特征量状态监测矩阵进行区域差分处理。
进一步地,进行步骤S2时,将经过区域差分处理后的包含电流和功率的单时段单电气特征量状态监测矩阵Ci融合成单时段多电气特征量状态监测矩阵Wi,最后在时间序列上将其进一步扩充,形成高维时空状态监测矩阵W。
进一步地,进行步骤S3时,对高维时空状态监测矩阵W进行多维尺度分析降维,利用欧几里德距离和状态监控矩阵计算各节点的相似度矩阵D,根据相似度矩阵,求出其中心内化积矩阵,求解中心内化积矩阵最大的两个正特征根及其对应的正交化特征向量,正交化特征向量X1和X2构成的矩阵X即为高维时空状态监测矩阵在二维空间中的坐标表示。
进一步地,进行步骤S3时,对矩阵X进行离群点检测,求取各节点与距其最近节点的K距离Kdist(p),计算各节点的K邻域Ndist(p),确定各节点之间的局部可达距离RDdist(p,q),计算各节点的局部可达密度Irdk(p),计算各节点的LOF值。
进一步地,进行步骤S4时,观察各节点的LOF值,存在LOF值大于整定值K的节点,则表明智能配电网中发生故障。
进一步地,进行步骤S5时,根据配电网正常运行时流入的电流等于流出的电流,由边界节点构成的区域建立广义节点,判断LOF值是否超过整定值N,判断故障属于配电网物理故障亦或是通信节点故障。
进一步地,进行步骤S6时,结合多维尺度分析和离群点检测结果,以及各节点和节点所在区域的关联关系,实现对配电网故障区域或故障通信节点的定位。
本发明针对智能配电网物理系统与信息系统耦合度高的特点,辨识故障究竟发生于配电网亦或信息系统,以及确定配电网故障区域或故障通信节点的难度较大,提供一种基于多维尺度分析和离群点检测的智能配电网故障辨识与定位方法。该方法基于故障节点与正常节点存在的差异度,将冗杂的数据简化、融合以用于分析,利用多维尺度分析和离群点检测结果,以及广义节点的LOF值检测,对信息系统故障和配电网物理故障进行甑别,并完成对配电网故障区域以及故障通信节点的定位。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为智能配电网故障辨识算法流程图;
图2为某10kV含分布式电源的配电网拓扑图;
图3为节点13与14之间发生短路故障时状态监测矩阵多维尺度分析的聚类结果;
图4为节点13与14之间发生短路故障时经离群点检测所得的各节点LOF值,其中节点22为广义节点;
图5为通信节点4发生故障时状态监测矩阵多维尺度分析的聚类结果;
图6为通信节点4发生故障时经离群点检测所得的各节点LOF值。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种智能配电网故障的辨识与定位方法,包括如下步骤:
S1、分布于配电网中的智能终端周期性向保护控制中心上传电气特征量,将该电气特征量经过数据筛选和预处理,形成初始的单时段单电气特征量状态监测矩阵;
对上传至保护控制中心的电气特征量进行筛选,选取有代表性的电流和功率作为分析的电气特征量,数据预处理包含构建反映各节点对应关系的网络关联矩阵,并将单时段单电气特征量状态监测矩阵进行区域差分处理;
S2、将单时段单电气特征量状态监测矩阵在电气特征量和时间序列上进一步扩充,最终融合成一个高维时空状态监测矩阵;
将经过区域差分处理后的包含电流和功率的单时段单电气特征量状态监测矩阵Ci融合成单时段多电气特征量状态监测矩阵Wi,最后在时间序列上将其进一步扩充,形成高维时空状态监测矩阵W;
S3、采用多维尺度分析对高维时空状态监测矩阵进行降维,进一步降低价值数据量,对数据进一步融合,同时实现数据分析结果的可视化,对降维后的高维时空状态监测矩阵进行离群点检测;
对高维时空状态监测矩阵W进行多维尺度分析降维,利用欧几里德距离和状态监控矩阵计算各节点的相似度矩阵D,根据相似度矩阵,求出其中心内化积矩阵,求解中心内化积矩阵最大的两个正特征根及其对应的正交化特征向量,正交化特征向量X1和X2构成的矩阵X即为高维时空状态监测矩阵在二维空间中的坐标表示;
对矩阵X进行离群点检测,求取各节点与距其最近节点的K距离Kdist(p),计算各节点的K邻域Ndist(p),确定各节点之间的局部可达距离RDdist(p,q),计算各节点的局部可达密度Irdk(p),计算各节点的LOF值;
S4、对多维尺度分析和离群点检测结果进行分析,实现对故障的检测;
观察各节点的LOF值,存在LOF值大于整定值K的节点,则表明智能配电网中发生故障;
S5、将配电网广义节点LOF值与整定值比较以判别故障属于配电网物理故障亦或通信节点故障;
根据配电网正常运行时流入的电流等于流出的电流,由边界节点构成的区域建立广义节点,判断LOF值是否超过整定值N,判断故障属于配电网物理故障亦或是通信节点故障;
S6、在S5的基础上,结合多维尺度分析和离群点检测结果实现对配电网物理故障区域或故障通信节点的定位;
结合多维尺度分析和离群点检测结果,以及各节点和节点所在区域的关联关系,实现对配电网故障区域或故障通信节点的定位。
为了验证本发明所提出的一种基于多维尺度分析和离群点检测的智能配电网故障辨识与定位方法,以图2所示的国内某智能配电网示范区含分布式电源的10kV配电网为研究对象,在MATLAB仿真下搭建该模型,其具体故障辨识流程如图1所示,模拟配电网节点13与14之间发生物理故障,模拟通信节点4发生故障,导致上传数据的异常。
配电网物理故障辨识
配电网线路发生单相接地故障时,智能终端将数据上传至保护控制中心,经由本发明所提故障辨识算法处理后,得到的故障辨识结果如图4所示。图中广义节点22的LOF值大于200,显然已超出整定值,此时流入的电流不等于流出的电流,表明发生于智能配电网的故障应属于配电网线路故障。同时,通过图3所示的MDS聚类结果图和LOF值,可以判断出故障发生于节点13和14之间,这是因为在故障辨识结果中故障线路两端的节点13、14必然与其余节点存在差异,但二者自身又是相似的。
通信节点故障辨识
图5、图6是某智能终端通信节点发生故障时,保护控制中心将所有终端上传的数据依据本发明所提故障辨识算法处理后所得到的故障辨识结果。图5、图6中节点3、4、5和6的LOF值均超过了整定值,但所得数据分析结果表明故障辨识算法完成了对故障类型的辨识,并根据广义节点22的LOF值为1,未超过整定值LOF值,因此将故障类型识别为通信节点故障(LOF值为1,未超过整定值,流入的电流等于流出的电流),最后根据节点聚类结果和LOF值,定位将通信节点故障定位发生于在节点4。
本发明提出一种基于多维尺度分析和离群点检测的智能配电网故障辨识与定位方法。该发明的基本思想是将配电网中智能终端上传的数据进行数据的预处理和融合建立高维时空状态监测矩阵,将此矩阵经过多维尺度分析降维后,对其进行离群点检测以获取各节点的LOF值,在此基础上可实现对智能配电网故障的检测,再根据广义节点的LOF值可甄别故障是配电网电力故障亦或通信节点故障;进一步地,结合多维尺度分析和离群点检测的可视化结果实现对配电网故障区域和故障通信节点的定位。该发明不仅能对智能配电网进行有效的故障检测,而且能对配电网故障区域和故障通信节点进行定位。
本发明针对智能配电网物理系统与信息系统耦合度高的特点,辨识故障究竟发生于配电网亦或信息系统,以及确定配电网故障区域或故障通信节点的难度较大,提供一种基于多维尺度分析和离群点检测的智能配电网故障辨识与定位方法。该方法基于故障节点与正常节点存在的差异度,将冗杂的数据简化、融合以用于分析,利用多维尺度分析和离群点检测结果,以及广义节点的LOF值检测,首先能实现对故障识别,然后对信息系统故障和配电网物理故障进行甑别,最后完成对配电网故障区域以及故障通信节点的定位。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种智能配电网故障的辨识与定位方法,其特征在于,包括如下步骤:
S1、分布于配电网中的智能终端周期性向保护控制中心上传电气特征量,将该电气特征量经过数据筛选和预处理,形成初始的单时段单电气特征量状态监测矩阵;
S2、将单时段单电气特征量状态监测矩阵在电气特征量和时间序列上进一步扩充,最终融合成一个高维时空状态监测矩阵;
S3、采用多维尺度分析对高维时空状态监测矩阵进行降维,进一步降低价值数据量,对数据进一步融合,同时实现数据分析结果的可视化,对降维后的高维时空状态监测矩阵进行离群点检测;
S4、对多维尺度分析和离群点检测结果进行分析,实现对故障的检测;
S5、将配电网广义节点LOF值与整定值比较以判别故障属于配电网物理故障亦或通信节点故障;
S6、在S5的基础上,结合多维尺度分析和离群点检测结果实现对配电网物理故障区域或故障通信节点的定位。
2.根据权利要求1所述的智能配电网故障的辨识与定位方法,其特征在于,进行步骤S1时,对上传至保护控制中心的电气特征量进行筛选,选取有代表性的电流和功率作为分析的电气特征量,数据预处理包含构建反映各节点对应关系的网络关联矩阵,并将单时段单电气特征量状态监测矩阵进行区域差分处理。
3.根据权利要求2所述的智能配电网故障的辨识与定位方法,其特征在于,进行步骤S2时,将经过区域差分处理后的包含电流和功率的单时段单电气特征量状态监测矩阵Ci融合成单时段多电气特征量状态监测矩阵Wi,最后在时间序列上将其进一步扩充,形成高维时空状态监测矩阵W。
4.根据权利要求3所述的智能配电网故障的辨识与定位方法,其特征在于,进行步骤S3时,对高维时空状态监测矩阵W进行多维尺度分析降维,利用欧几里德距离和状态监控矩阵计算各节点的相似度矩阵D,根据相似度矩阵,求出其中心内化积矩阵,求解中心内化积矩阵最大的两个正特征根及其对应的正交化特征向量,正交化特征向量X1和X2构成的矩阵X即为高维时空状态监测矩阵在二维空间中的坐标表示。
5.根据权利要求4所述的智能配电网故障的辨识与定位方法,其特征在于,进行步骤S3时,对矩阵X进行离群点检测,求取各节点与距其最近节点的K距离Kdist(p),计算各节点的K邻域Ndist(p),确定各节点之间的局部可达距离RDdist(p,q),计算各节点的局部可达密度Irdk(p),计算各节点的LOF值。
6.根据权利要求5所述的智能配电网故障的辨识与定位方法,其特征在于,进行步骤S4时,观察各节点的LOF值,存在LOF值大于整定值K的节点,则表明智能配电网中发生故障。
7.根据权利要求6所述的智能配电网故障的辨识与定位方法,其特征在于,进行步骤S5时,根据配电网正常运行时流入的电流等于流出的电流,由边界节点构成的区域建立广义节点,判断LOF值是否超过整定值N,判断故障属于配电网物理故障亦或是通信节点故障。
8.根据权利要求7所述的智能配电网故障的辨识与定位方法,其特征在于,进行步骤S6时,结合多维尺度分析和离群点检测结果,以及各节点和节点所在区域的关联关系,实现对配电网故障区域或故障通信节点的定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610396561.7A CN106093703A (zh) | 2016-06-07 | 2016-06-07 | 一种智能配电网故障的辨识与定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610396561.7A CN106093703A (zh) | 2016-06-07 | 2016-06-07 | 一种智能配电网故障的辨识与定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106093703A true CN106093703A (zh) | 2016-11-09 |
Family
ID=57447339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610396561.7A Pending CN106093703A (zh) | 2016-06-07 | 2016-06-07 | 一种智能配电网故障的辨识与定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106093703A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106124929A (zh) * | 2016-06-30 | 2016-11-16 | 湖南大学 | 一种配电网物理故障与信息故障辨识方法 |
CN107222169A (zh) * | 2017-08-01 | 2017-09-29 | 河海大学常州校区 | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 |
CN107395121A (zh) * | 2017-08-01 | 2017-11-24 | 河海大学常州校区 | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 |
CN109298225A (zh) * | 2018-09-29 | 2019-02-01 | 国网四川省电力公司电力科学研究院 | 一种电压量测数据异常状态自动识别模型及方法 |
CN109347703A (zh) * | 2018-11-21 | 2019-02-15 | 中国船舶重工集团公司第七六研究所 | 一种cps节点故障检测装置与方法 |
CN109508846A (zh) * | 2017-09-15 | 2019-03-22 | 新奥(中国)燃气投资有限公司 | 一种机组数据异常波动的检测方法及装置 |
CN109557422A (zh) * | 2019-01-22 | 2019-04-02 | 山东大学 | 一种智能配电网短路故障定位方法及系统 |
CN110045227A (zh) * | 2019-03-23 | 2019-07-23 | 广西电网有限责任公司电力科学研究院 | 一种基于随机矩阵与深度学习的配电网故障诊断方法 |
CN110474327A (zh) * | 2019-08-20 | 2019-11-19 | 国电南瑞科技股份有限公司 | 配电网cps信息-物理组合预想故障生成方法及系统 |
CN111008673A (zh) * | 2019-12-24 | 2020-04-14 | 国网天津市电力公司 | 配电网信息物理系统中恶性数据链采集提取方法 |
CN111243743A (zh) * | 2020-01-17 | 2020-06-05 | 深圳前海微众银行股份有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
CN111443259A (zh) * | 2020-03-30 | 2020-07-24 | 国网山东省电力公司德州供电公司 | 基于局部异常因子检测的有源配电网故障诊断方法及系统 |
CN111474442A (zh) * | 2020-03-30 | 2020-07-31 | 国网山东省电力公司德州供电公司 | 一种配电网单相接地故障定位方法及系统 |
CN111523595A (zh) * | 2020-04-23 | 2020-08-11 | 国网天津市电力公司 | 一种基于离群点检测算法的电缆缺陷研判方法 |
CN111953535A (zh) * | 2020-07-31 | 2020-11-17 | 鹏城实验室 | 一种网络故障定位方法、终端及存储介质 |
CN111965486A (zh) * | 2020-08-07 | 2020-11-20 | 国网江苏省电力有限公司电力科学研究院 | 一种基于智能数据融合分析的配电网故障识别方法及系统 |
CN112018763A (zh) * | 2020-08-31 | 2020-12-01 | 海南电网有限责任公司电力科学研究院 | 一种含分布式电源配电网供电恢复方法 |
CN113484685A (zh) * | 2021-07-16 | 2021-10-08 | 西华大学 | 一种基于时序组织型p系统的电网故障诊断方法 |
CN114280416A (zh) * | 2021-12-16 | 2022-04-05 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于边缘计算的低压配电网故障预警与故障定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20150100255A1 (en) * | 2013-10-09 | 2015-04-09 | I-Shou University | Method for locating faults in a power network having fault indicators |
CN104536996A (zh) * | 2014-12-12 | 2015-04-22 | 南京理工大学 | 一种同构环境下计算节点异常检测方法 |
CN105281435A (zh) * | 2015-10-21 | 2016-01-27 | 国网山东省电力公司潍坊供电公司 | 面向智能配电网的分布式故障检测与隔离系统及工作方法 |
CN105322519A (zh) * | 2015-11-02 | 2016-02-10 | 湖南大学 | 一种智能配电网大数据融合分析与运行状态监测方法 |
CN105425107A (zh) * | 2015-11-13 | 2016-03-23 | 国网山东省电力公司电力科学研究院 | 一种有源配电网故障诊断与定位的方法及其系统 |
-
2016
- 2016-06-07 CN CN201610396561.7A patent/CN106093703A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150100255A1 (en) * | 2013-10-09 | 2015-04-09 | I-Shou University | Method for locating faults in a power network having fault indicators |
CN104536996A (zh) * | 2014-12-12 | 2015-04-22 | 南京理工大学 | 一种同构环境下计算节点异常检测方法 |
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 |
CN105281435A (zh) * | 2015-10-21 | 2016-01-27 | 国网山东省电力公司潍坊供电公司 | 面向智能配电网的分布式故障检测与隔离系统及工作方法 |
CN105322519A (zh) * | 2015-11-02 | 2016-02-10 | 湖南大学 | 一种智能配电网大数据融合分析与运行状态监测方法 |
CN105425107A (zh) * | 2015-11-13 | 2016-03-23 | 国网山东省电力公司电力科学研究院 | 一种有源配电网故障诊断与定位的方法及其系统 |
Non-Patent Citations (1)
Title |
---|
赵庆周等: ""一种基于智能配电网大数据分析的状态监测与故障处理方法"", 《电网技术》 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106124929A (zh) * | 2016-06-30 | 2016-11-16 | 湖南大学 | 一种配电网物理故障与信息故障辨识方法 |
CN107222169A (zh) * | 2017-08-01 | 2017-09-29 | 河海大学常州校区 | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 |
CN107395121A (zh) * | 2017-08-01 | 2017-11-24 | 河海大学常州校区 | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 |
CN107395121B (zh) * | 2017-08-01 | 2018-12-25 | 河海大学常州校区 | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 |
CN109508846A (zh) * | 2017-09-15 | 2019-03-22 | 新奥(中国)燃气投资有限公司 | 一种机组数据异常波动的检测方法及装置 |
CN109298225A (zh) * | 2018-09-29 | 2019-02-01 | 国网四川省电力公司电力科学研究院 | 一种电压量测数据异常状态自动识别模型及方法 |
CN109298225B (zh) * | 2018-09-29 | 2020-10-09 | 国网四川省电力公司电力科学研究院 | 一种电压量测数据异常状态自动识别模型系统及方法 |
CN109347703A (zh) * | 2018-11-21 | 2019-02-15 | 中国船舶重工集团公司第七六研究所 | 一种cps节点故障检测装置与方法 |
CN109347703B (zh) * | 2018-11-21 | 2022-05-03 | 中国船舶重工集团公司第七一六研究所 | 一种cps节点故障检测装置与方法 |
CN109557422A (zh) * | 2019-01-22 | 2019-04-02 | 山东大学 | 一种智能配电网短路故障定位方法及系统 |
CN110045227A (zh) * | 2019-03-23 | 2019-07-23 | 广西电网有限责任公司电力科学研究院 | 一种基于随机矩阵与深度学习的配电网故障诊断方法 |
CN110045227B (zh) * | 2019-03-23 | 2019-12-17 | 广西电网有限责任公司电力科学研究院 | 一种基于随机矩阵与深度学习的配电网故障诊断方法 |
CN110474327B (zh) * | 2019-08-20 | 2022-08-23 | 国电南瑞科技股份有限公司 | 配电网cps信息-物理组合预想故障生成方法及系统 |
CN110474327A (zh) * | 2019-08-20 | 2019-11-19 | 国电南瑞科技股份有限公司 | 配电网cps信息-物理组合预想故障生成方法及系统 |
CN111008673A (zh) * | 2019-12-24 | 2020-04-14 | 国网天津市电力公司 | 配电网信息物理系统中恶性数据链采集提取方法 |
CN111243743A (zh) * | 2020-01-17 | 2020-06-05 | 深圳前海微众银行股份有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
WO2021143337A1 (zh) * | 2020-01-17 | 2021-07-22 | 深圳前海微众银行股份有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
CN111474442A (zh) * | 2020-03-30 | 2020-07-31 | 国网山东省电力公司德州供电公司 | 一种配电网单相接地故障定位方法及系统 |
CN111474442B (zh) * | 2020-03-30 | 2022-05-24 | 国网山东省电力公司德州供电公司 | 一种配电网单相接地故障定位方法及系统 |
CN111443259A (zh) * | 2020-03-30 | 2020-07-24 | 国网山东省电力公司德州供电公司 | 基于局部异常因子检测的有源配电网故障诊断方法及系统 |
CN111523595A (zh) * | 2020-04-23 | 2020-08-11 | 国网天津市电力公司 | 一种基于离群点检测算法的电缆缺陷研判方法 |
CN111953535A (zh) * | 2020-07-31 | 2020-11-17 | 鹏城实验室 | 一种网络故障定位方法、终端及存储介质 |
CN111965486A (zh) * | 2020-08-07 | 2020-11-20 | 国网江苏省电力有限公司电力科学研究院 | 一种基于智能数据融合分析的配电网故障识别方法及系统 |
CN111965486B (zh) * | 2020-08-07 | 2023-12-15 | 国网江苏省电力有限公司电力科学研究院 | 一种基于智能数据融合分析的配电网故障识别方法及系统 |
CN112018763A (zh) * | 2020-08-31 | 2020-12-01 | 海南电网有限责任公司电力科学研究院 | 一种含分布式电源配电网供电恢复方法 |
CN113484685A (zh) * | 2021-07-16 | 2021-10-08 | 西华大学 | 一种基于时序组织型p系统的电网故障诊断方法 |
CN113484685B (zh) * | 2021-07-16 | 2023-08-18 | 西华大学 | 一种基于时序组织型p系统的电网故障诊断方法 |
CN114280416A (zh) * | 2021-12-16 | 2022-04-05 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于边缘计算的低压配电网故障预警与故障定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106093703A (zh) | 一种智能配电网故障的辨识与定位方法 | |
CN106124929A (zh) | 一种配电网物理故障与信息故障辨识方法 | |
Rahman et al. | False data injection attacks with incomplete information against smart power grids | |
CN105322519B (zh) | 一种智能配电网大数据融合分析与运行状态监测方法 | |
CN108260214A (zh) | 一种波束监测对象的确定方法及装置 | |
CN103279808B (zh) | 恶劣天气下的电力系统线路状态转移概率预测分析方法 | |
CN106773933A (zh) | 智能电表及其控制方法、装置、系统 | |
CN106410792A (zh) | 一种电网防雷方法及系统 | |
CN104596572A (zh) | 电缆监测系统及方法 | |
CN104483562B (zh) | 电力设备预警方法和装置 | |
CN113301010B (zh) | 拒绝服务攻击下电力信息网络数据传输通道重要程度的判定方法 | |
CN105203869A (zh) | 一种基于极限学习机的微电网孤岛检测方法 | |
CN114282855B (zh) | 负荷重分配攻击下电-气耦合系统的综合防护方法 | |
CN113516357A (zh) | 考虑网络攻击风险的电力系统脆弱线路评估方法及系统 | |
CN101257355A (zh) | 一种无线传感器网络节点故障检测方法 | |
CN109191021A (zh) | 电网异常事件的关联规则匹配方法及装置 | |
CN103605787A (zh) | 继电保护评价分析方法及系统 | |
CN114880884A (zh) | 一种基于数字化能源系统的专业化建模分析方法及系统 | |
CN204085575U (zh) | 电缆监测系统 | |
CN110166483A (zh) | 一种电网故障以及网络攻击的辨识方法、装置及设备 | |
CN114089118B (zh) | 基于门控循环单元网络的智能变电站故障定位方法 | |
CN111062569A (zh) | 一种基于bp神经网络的小电流故障判别方法 | |
CN102967798B (zh) | 一种电力设备的故障报警方法及系统 | |
CN113657644B (zh) | 智能电网中虚假数据检测方法、装置、设备及存储介质 | |
CN105225167A (zh) | 一种连锁故障序列识别系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |
|
RJ01 | Rejection of invention patent application after publication |