CN106570651A - 一种输电线路绝缘子污闪风险评估方法 - Google Patents
一种输电线路绝缘子污闪风险评估方法 Download PDFInfo
- Publication number
- CN106570651A CN106570651A CN201610987064.4A CN201610987064A CN106570651A CN 106570651 A CN106570651 A CN 106570651A CN 201610987064 A CN201610987064 A CN 201610987064A CN 106570651 A CN106570651 A CN 106570651A
- Authority
- CN
- China
- Prior art keywords
- insulator
- transmission line
- pollution flashover
- voltage
- flashover
- 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
- 239000012212 insulator Substances 0.000 title claims abstract description 92
- 230000005540 biological transmission Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 38
- 150000003839 salts Chemical class 0.000 claims abstract description 42
- 238000011109 contamination Methods 0.000 claims abstract description 18
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 230000005611 electricity Effects 0.000 claims description 24
- 238000012502 risk assessment Methods 0.000 claims description 14
- 230000002411 adverse Effects 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000012806 monitoring device Methods 0.000 abstract 1
- 238000003916 acid precipitation Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000007306 turnover Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Insulators (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种输电线路绝缘子污闪风险评估方法,该方法包括如下步骤:1)通过气象预警系统得到气象数据,采用BP神经网络算法,计算出输电线路绝缘子的盐密值;2)根据计算得到的盐密值和杆塔所在地的气象数据,计算该盐密下绝缘子的50%污闪电压;3)将输电线路划分为Num个区间,并对每个区间分别进行输电线路绝缘子污闪风险,最后计算整个输电线路的绝缘子污闪风险。与现有技术相比,该方法基于历史记录的气象和盐密监测的数据,利用提供给定气象条件进行输电线路的污闪概率评估,进而没有必要进行实时在线污秽监测,不用在输电线路上大量安装污秽在线监测装置,可以节省设备成本。
Description
技术领域
本发明涉及一种绝缘子污闪风险评估方法,具体是一种输电线路绝缘子污闪风险评估方法,属于高压输电线路在线状态评估技术领域。
背景技术
输电线路绝缘子污闪事故严重地影响了电网的安全稳定运行,给电力用户和电力公司带来了经济损失。根据在线监测获得的绝缘子实时参数信息,对输电线路绝缘子污闪风险进行准确有效的评估,是防止绝缘子污闪事故提高电力系统可靠性的有效措施。
目前关于输电线路绝缘子污闪风险评估的研究和应用主要集中在如下几个方面:
(1)研究不同污秽程度条件下环境因素对绝缘子外部电气特征的影响,建立了相关参数的模糊隶属度函数,制定了模糊推理规则,实现了绝缘子污秽状态的模糊评判。然而,该方法存在的主要问题是隶属度函数的构建和模糊推理规则的形成过多地依赖于人的主观性,从而造成绝缘子污闪风险评估的不准确性和不严谨性;
(2)运用红外热像仪获取热图像,通过图像处理技术提取描述绝缘子污秽状态的红外特征,借助支持向量机多值分类器实现绝缘子污秽等级评定。然而,该方法一般需要对输电线路绝缘子污秽状况进行在线监测;
(3)提取平稳紫外光斑面积、间歇性紫外光斑面积、间歇性紫外光斑重复次数等三个表征绝缘子放电的特征参数,然后分析了三个参数的变化规律,最后建立了基于模糊逻辑推理的绝缘子污秽状态评估模型。针对实时检测绝缘子的泄漏电流存在困难的特点,利用以非接触方式在线检测绝缘子表面放电过程中产生的紫外脉冲信息,结合外界环境因素和绝缘子运行年限,进行绝缘子状态模糊综合评判。然而,该方法一般也需要对输电线路绝缘子污秽状况进行在线监测。
通过上面三点可发现:目前对输电线路绝缘子的污闪风险评估研究很少,因此,需要从输电线路绝缘子运行维护的角度,提供一种建立在绝缘子污秽常规检测基础上的污闪风险评估方法。
发明内容
针对上述现有技术存在问题,本发明提供一种输电线路绝缘子污闪风险评估方法,该方法以历史记录气象和监测数据为基础,进而评语输电线路污秽对电力系统安全运行的影响。
本发明通过以下技术方案来实现上述目的:一种输电线路绝缘子污闪风险评估方法,该方法包括如下步骤:
1)通过气象预警系统得到气象数据,采用BP神经网络算法,计算出输电线路绝缘子的盐密值;
2)根据计算得到的盐密值和杆塔所在地的气象数据(温度、湿度),计算该盐密下绝缘子的50%污闪电压;
3)将输电线路划分为Num个区间,并对每个区间分别进行输电线路绝缘子污闪风险,最后计算整个输电线路的绝缘子污闪风险。
优选的,步骤1)中,计算输电线路绝缘子盐密值的方法为:
A)采用历史收集(离线检测数据或在线监测数据)的输电线路绝缘子的盐密数据、测试时刻绝缘子所在地气象数据(月均降雨量、年特大暴雨次数、酸雨ph、空气质量等级)和电压(KV)绝缘子型号作为样本数据;
B)通过所述样本数据训练BP神经网络;
C)采用训练之后的BP神经网络,输入从气象预警系统所得的当前气象数据(月均降雨量、年特大暴雨次数、酸雨ph、空气质量等级),计算得出绝缘子当前的盐密值。
优选的,步骤2)中,计算特定盐密下绝缘子50%污闪电压的方法为:
a)污闪电压服从正态分布,即闪络电压Uf~N(μ,σ2),其中,μ为50%闪络电压U50%,σ为标准差;
b)将正态分布函数通过变量替代,转化为标准正态分为,即
c)对于放电概率为α%的电压Uα%可由下式计算:
Uα%=U50%(1+Kα%σ%) (1)
其中,Kα%是标准正态分布中的样本,σ%为统一标准偏差,
通过(1)式,可确定绝缘子的50%闪络电压。
优选的,步骤3)中,计算整个输电线路的绝缘子污闪风险的方法是:
Ⅰ)输电线路划分为Num个区间,每个区域内绝缘子污秽条件相似、且气象条件相似,则污闪概率表示为:
其中,Rmi为区域i内绝缘子发生污闪的概率;
Ⅱ)任何一个区间i,假设区间内有m个绝缘子,则此时某污秽度下绝缘子的污闪概率可表示为:
其中,c=σ/U50,n为切断参数,U50为绝缘子50%闪络电压,σ为正态分布标准差;切断盐密ρ0=ρ50(1-nc)1/α,对应于切断电压Uo;ρ50=(A/Uc)1/α,ρ50是指在某运行电压下绝缘子50%闪络概率对应的污秽程度,A为与绝缘子型号相关的参数;α为污秽特征指数;N为区间i评估时间内出现可以导致污闪的不良天气(大雾、小雨等)的次数;
Ⅲ)f(ρ)为绝缘子盐密分布的概率密度函数,可以表示为:
其中,σ为标准差,表示盐密分布的离散程度;为盐密平均值。
与现有技术相比,本方法基于历史记录的气象和盐密监测的数据,利用提供给定气象条件进行输电线路的污闪概率评估,进而没有必要进行实时在线污秽监测,不用在输电线路上大量安装污秽在线监测装置,可以节省设备成本;
本发明利用类似污秽、气象条件下污闪风险等级相同的特征,对输电线路进行区间划分,同一区间内仅仅进行抽点监测,因而减少了监测频率和次数,可以节省人工成本;
本发明结合实时气象预报,可以在当前气象条件下实时评估任意一条输电线路的污闪风险。污闪风险评估结果可以实时绘制输电线路污秽图,区分不同输电线路不同区间的污秽等级,挑选污闪风险严重的输电线路和区间,为改进绝缘子防护等级提供依据,为输电线路运行中提供安全风险评估依据。
附图说明
图1为本发明整体流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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:一种输电线路绝缘子污闪风险评估方法,该方法包括如下步骤:
第一:通过气象预警系统得到气象数据,采用BP神经网络算法,计算出输电线路绝缘子的盐密值。
计算输电线路绝缘子盐密值的方法为:
A)采用历史收集(离线检测数据或在线监测数据)的输电线路绝缘子的盐密数据、测试时刻绝缘子所在地气象数据(月均降雨量、年特大暴雨次数、酸雨ph、空气质量等级)和电压(KV)绝缘子型号作为样本数据;
B)通过所述样本数据训练BP神经网络;
C)采用训练之后的BP神经网络,输入从气象预警系统所得的当前气象数据(月均降雨量、年特大暴雨次数、酸雨ph、空气质量等级),计算得出绝缘子当前的盐密值。
第二:根据计算得到的盐密值和杆塔所在地的气象数据(温度、湿度),计算该盐密下绝缘子的50%污闪电压。
计算特定盐密下绝缘子50%污闪电压的方法为:
a)污闪电压服从正态分布,即闪络电压Uf~N(μ,σ2),其中,μ为50%闪络电压U50%,σ为标准差;
b)将正态分布函数通过变量替代,转化为标准正态分为,即
c)对于放电概率为α%的电压Uα%可由下式计算:
Uα%=U50%(1+Kα%σ%) (1)
其中,Kα%是标准正态分布中的样本,可通过查询标准正态获得,σ%为统一标准偏差,IEC/IC28推荐的统一平均标准偏差取值为10%。因此,根据上式,一般确定绝缘子的50%闪络电压,即可计算出不同污闪概率所对于的闪络电压。
通过(1)式,可确定绝缘子的50%闪络电压。
第三:将输电线路划分为Num个区间,并对每个区间分别进行输电线路绝缘子污闪风险,最后计算整个输电线路的绝缘子污闪风险。
计算整个输电线路的绝缘子污闪风险的方法是:
Ⅰ)输电线路划分为Num个区间,每个区域内绝缘子污秽条件相似、且气象条件相似,则污闪概率表示为:
其中,Rmi为区域i内绝缘子发生污闪的概率;
Ⅱ)任何一个区间i,假设区间内有m个绝缘子,则此时某污秽度下绝缘子的污闪概率可表示为:
其中,c=σ/U50,n为切断参数,U50为绝缘子50%闪络电压,σ为正态分布标准差;切断盐密ρ0=ρ50(1-nc)1/α,对应于切断电压Uo;ρ50=(A/Uc)1/α,ρ50是指在某运行电压下绝缘子50%闪络概率对应的污秽程度,A为与绝缘子型号相关的参数;α为污秽特征指数;N为区间i评估时间内出现可以导致污闪的不良天气(大雾、小雨等)的次数;
Ⅲ)f(ρ)为绝缘子盐密分布的概率密度函数,可以表示为:
其中,σ为标准差,表示盐密分布的离散程度;为盐密平均值。
实施例:首先:收集历史数据(离线检测数据或在线监测数据),包括输电线路绝缘子的盐密数据、测试时刻绝缘子所在地气象数据(月均降雨量、年特大暴雨次数、酸雨ph、空气质量等级)以及电压(kV)、绝缘子型号等,将这些数据作为样本数据,训练BP神经网络。
其次:采用训练好的BP神经网络,输入从气象预警系统所得到的当前气象数据(月均降雨量、年特大暴雨次数、酸雨ph、空气质量等级)以及电压(kV)、绝缘子型号等,计算得到绝缘子的当前盐密值。
然后:结合盐密与杆塔所在地的气象数据(温度、湿度),根据污闪电压计算模型,获得该盐密下绝缘子的50%污闪电压。由于绝缘子污闪的随机性,而不是一个固定值,其污闪电压一般服从的正态分布,即闪络电压Uf~N(μ,σ2),μ为50%闪络电压U50%,σ为标准差。将正态分布函数通过变量替代,转化为标准正态分布,即对于放电概率为α%的电压Uα%可由下式计算:
Uα%=U50%(1+Kα%σ%)
其中,Kα%是标准正态分布中的样本,可以通过查询标准正态获得。σ%为统一标准偏差,IEC/IC28推荐的统一平均标准偏差取值为10%。因此,根据上式,一般确定绝缘子的50%闪络电压,即可计算出不同污闪概率所对于的闪络电压。
最后:计算整个输电线路的绝缘子污闪风险。将输电线路划分为Num个区间,使每个区域内绝缘子污秽条件相似,则污闪概率可表示为:
式中Rmi为区域i内绝缘子发生污闪的概率。
对其中任何一个区间i,假设区间内有m个绝缘子,则此时某污秽度下绝缘子的污闪概率可表示为:
式中c=σ/U50,n为切断参数,IEC推荐值为n=4,U50为绝缘子50%闪络电压,σ为正态分布标准差;切断盐密ρ0=ρ50(1-nc)1/α,对应于切断电压Uo;ρ50=(A/Uc)1/α,ρ50是指在某运行电压下绝缘子50%闪络概率对应的污秽程度,A为与绝缘子型号相关的参数;α为污秽特征指数;N为区间i评估时间内出现可以导致污闪的不良天气(大雾、小雨等)的次数。f(ρ)为绝缘子盐密分布的概率密度函数(正态分布),可以表示为:
式中,σ为标准差,表示盐密分布的离散程度;为盐密平均值。
以上所举实施例为本发明的较佳实施方式,仅用来方便说明本发明,并非对本发明作任何形式上的限制,任何所属技术领域中具有通常知识者,若在不脱离本发明所提技术特征的范围内,利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例,并且未脱离本发明的技术特征内容,均仍属于本发明技术特征的范围内。
Claims (4)
1.一种输电线路绝缘子污闪风险评估方法,其特征在于,该方法包括如下步骤:
1)通过气象预警系统得到气象数据,采用BP神经网络算法,计算出输电线路绝缘子的盐密值;
2)根据计算得到的盐密值和杆塔所在地的气象数据,计算该盐密下绝缘子的50%污闪电压;
3)将输电线路划分为Num个区间,并对每个区间分别进行输电线路绝缘子污闪风险,最后计算整个输电线路的绝缘子污闪风险。
2.根据权利要求1所述的一种输电线路绝缘子污闪风险评估方法,其特征在于,步骤1)中,计算输电线路绝缘子盐密值的方法为:
A)采用历史收集的输电线路绝缘子的盐密数据、测试时刻绝缘子所在地气象数据和电压绝缘子型号作为样本数据;
B)通过所述样本数据训练BP神经网络;
C)采用训练之后的BP神经网络,输入从气象预警系统所得的当前气象数据,计算得出绝缘子当前的盐密值。
3.根据权利要求2所述的一种输电线路绝缘子污闪风险评估方法,其特征在于,步骤2)中,计算特定盐密下绝缘子50%污闪电压的方法为:
a)污闪电压服从正态分布,即闪络电压Uf~N(μ,σ2),其中,μ为50%闪络电压U50%,σ为标准差;
b)将正态分布函数通过变量替代,转化为标准正态分为,即
c)对于放电概率为α%的电压Uα%可由下式计算:
Uα%=U50%(1+Kα%σ%) (1)
其中,Kα%是标准正态分布中的样本,σ%为统一标准偏差,
通过(1)式,可确定绝缘子的50%闪络电压。
4.根据权利要求3所述的一种输电线路绝缘子污闪风险评估方法,其特征在于,步骤3)中,计算整个输电线路的绝缘子污闪风险的方法是:
Ⅰ)输电线路划分为Num个区间,每个区域内绝缘子污秽条件相似、且气象条件相似,则污闪概率表示为:
其中,Rmi为区域i内绝缘子发生污闪的概率;
Ⅱ)任何一个区间i,假设区间内有m个绝缘子,则此时某污秽度下绝缘子的污闪概率可表示为:
其中,c=σ/U50,n为切断参数,U50为绝缘子50%闪络电压,σ为正态分布标准差;切断盐密ρ0=ρ50(1-nc)1/α,对应于切断电压Uo;ρ50=(A/Uc)1/α,ρ50是指在某运行电压下绝缘子50%闪络概率对应的污秽程度,A为与绝缘子型号相关的参数;α为污秽特征指数;N为区间i评估时间内出现可以导致污闪的不良天气的次数;
Ⅲ)f(ρ)为绝缘子盐密分布的概率密度函数,可以表示为:
其中,σ为标准差,表示盐密分布的离散程度;为盐密平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610987064.4A CN106570651A (zh) | 2016-11-09 | 2016-11-09 | 一种输电线路绝缘子污闪风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610987064.4A CN106570651A (zh) | 2016-11-09 | 2016-11-09 | 一种输电线路绝缘子污闪风险评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570651A true CN106570651A (zh) | 2017-04-19 |
Family
ID=58540859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610987064.4A Pending CN106570651A (zh) | 2016-11-09 | 2016-11-09 | 一种输电线路绝缘子污闪风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570651A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392507A (zh) * | 2017-08-30 | 2017-11-24 | 中国南方电网有限责任公司电网技术研究中心 | 绝缘子盐密数据条处理方法和系统 |
CN107545367A (zh) * | 2017-08-30 | 2018-01-05 | 中国南方电网有限责任公司电网技术研究中心 | 绝缘子盐密数据条处理方法和系统 |
CN107576759A (zh) * | 2017-08-30 | 2018-01-12 | 中国南方电网有限责任公司电网技术研究中心 | 绝缘子盐密数据条处理方法和系统 |
CN108921452A (zh) * | 2018-07-27 | 2018-11-30 | 国网河北能源技术服务有限公司 | 一种基于模糊算法的输电线路风险评估复合预警方法 |
CN109087029A (zh) * | 2018-09-13 | 2018-12-25 | 国网湖南省电力有限公司 | 一种绝缘子腐蚀性闪络风险评估方法 |
CN111275298A (zh) * | 2020-01-15 | 2020-06-12 | 杭州华网信息技术有限公司 | 一种基于电网的地质灾害风险预警方法 |
CN111738617A (zh) * | 2020-07-01 | 2020-10-02 | 广东电网有限责任公司广州供电局 | 一种强降雨天气下变电站风险评估方法与预警系统 |
CN113065484A (zh) * | 2021-04-09 | 2021-07-02 | 华北电力大学(保定) | 一种基于紫外图谱的绝缘子污秽状态评估方法 |
CN113076673A (zh) * | 2021-04-08 | 2021-07-06 | 江苏省送变电有限公司 | 基于神经网络的湿污复合绝缘子温升风险等级评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101893674A (zh) * | 2010-07-12 | 2010-11-24 | 沈阳工业大学 | 一种区域电网污闪指数预测方法 |
CN103473445A (zh) * | 2013-08-28 | 2013-12-25 | 南京南瑞集团公司 | 一种输电线路污闪故障概率的在线评估方法 |
CN105652164A (zh) * | 2016-01-08 | 2016-06-08 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种绝缘子污秽闪络事故风险等级评估方法 |
CN105866150A (zh) * | 2016-06-01 | 2016-08-17 | 广东电网有限责任公司电力科学研究院 | 一种电网污区分布图的修订方法及电网污区分布图 |
-
2016
- 2016-11-09 CN CN201610987064.4A patent/CN106570651A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101893674A (zh) * | 2010-07-12 | 2010-11-24 | 沈阳工业大学 | 一种区域电网污闪指数预测方法 |
CN103473445A (zh) * | 2013-08-28 | 2013-12-25 | 南京南瑞集团公司 | 一种输电线路污闪故障概率的在线评估方法 |
CN105652164A (zh) * | 2016-01-08 | 2016-06-08 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种绝缘子污秽闪络事故风险等级评估方法 |
CN105866150A (zh) * | 2016-06-01 | 2016-08-17 | 广东电网有限责任公司电力科学研究院 | 一种电网污区分布图的修订方法及电网污区分布图 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545367A (zh) * | 2017-08-30 | 2018-01-05 | 中国南方电网有限责任公司电网技术研究中心 | 绝缘子盐密数据条处理方法和系统 |
CN107576759A (zh) * | 2017-08-30 | 2018-01-12 | 中国南方电网有限责任公司电网技术研究中心 | 绝缘子盐密数据条处理方法和系统 |
CN107392507A (zh) * | 2017-08-30 | 2017-11-24 | 中国南方电网有限责任公司电网技术研究中心 | 绝缘子盐密数据条处理方法和系统 |
CN108921452A (zh) * | 2018-07-27 | 2018-11-30 | 国网河北能源技术服务有限公司 | 一种基于模糊算法的输电线路风险评估复合预警方法 |
CN108921452B (zh) * | 2018-07-27 | 2021-04-09 | 华北电力大学(保定) | 一种基于模糊算法的输电线路风险评估复合预警方法 |
CN109087029B (zh) * | 2018-09-13 | 2021-08-10 | 国网湖南省电力有限公司 | 一种绝缘子腐蚀性闪络风险评估方法 |
CN109087029A (zh) * | 2018-09-13 | 2018-12-25 | 国网湖南省电力有限公司 | 一种绝缘子腐蚀性闪络风险评估方法 |
CN111275298A (zh) * | 2020-01-15 | 2020-06-12 | 杭州华网信息技术有限公司 | 一种基于电网的地质灾害风险预警方法 |
CN111275298B (zh) * | 2020-01-15 | 2023-11-28 | 国网浙江省电力有限公司杭州供电公司 | 一种基于电网的地质灾害风险预警方法 |
CN111738617A (zh) * | 2020-07-01 | 2020-10-02 | 广东电网有限责任公司广州供电局 | 一种强降雨天气下变电站风险评估方法与预警系统 |
CN111738617B (zh) * | 2020-07-01 | 2023-12-26 | 广东电网有限责任公司广州供电局 | 一种强降雨天气下变电站风险评估方法与预警系统 |
CN113076673A (zh) * | 2021-04-08 | 2021-07-06 | 江苏省送变电有限公司 | 基于神经网络的湿污复合绝缘子温升风险等级评估方法 |
CN113076673B (zh) * | 2021-04-08 | 2024-05-03 | 江苏省送变电有限公司 | 基于神经网络的湿污复合绝缘子温升风险等级评估方法 |
CN113065484A (zh) * | 2021-04-09 | 2021-07-02 | 华北电力大学(保定) | 一种基于紫外图谱的绝缘子污秽状态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570651A (zh) | 一种输电线路绝缘子污闪风险评估方法 | |
CN106017551A (zh) | 一种智能化输电线路综合监测分析预警方法 | |
CN103971171B (zh) | 一种输电设备状态评估方法 | |
CN107480440A (zh) | 一种基于两阶段随机退化建模的剩余寿命预测方法 | |
CN103324992B (zh) | 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法 | |
CN107169645B (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
CN108037378A (zh) | 基于长短时记忆网络的变压器运行状态预测方法及系统 | |
CN103793853A (zh) | 基于双向贝叶斯网络的架空输电线路运行状态评估方法 | |
CN105785243A (zh) | 一种特高压交流输电线路绝缘子覆冰闪络风险评估方法 | |
CN104318347A (zh) | 一种基于多传感器信息融合的输电线路覆冰状态评估方法 | |
CN105279612A (zh) | 一种基于泊松分布的输电线路跳闸风险评估方法 | |
CN103699668A (zh) | 基于数据断面一致性的配电网电气设备组合状态评估方法 | |
CN105095668B (zh) | 基于亚洲极涡因子的电网覆冰长期预报方法 | |
CN112886923B (zh) | 一种雷电天气的光伏电站运维方法及设备 | |
CN110690699A (zh) | 一种基于泛在电力物联网的变电站智慧检测系统 | |
CN111126672A (zh) | 一种基于分类决策树的高压架空输电线路台风灾害预测方法 | |
CN115373403A (zh) | 一种建筑机械设备巡检服务系统 | |
CN104361535A (zh) | 一种输电线路覆冰状态评估方法 | |
CN104050377A (zh) | 一种时变设备故障概率确定方法 | |
CN113537846B (zh) | 基于气象灾害的输配电线路杆塔的风险分析方法及系统 | |
CN106503881A (zh) | 直流输电线路台风风险的评估方法 | |
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 | |
CN112257329A (zh) | 一种判定台风对线路影响的方法 | |
CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN117705121A (zh) | 一种用于电厂的多维度巡检系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170419 |