CN106646103A - 一种基于多测点正序电压最优匹配的电压暂降源定位方法 - Google Patents
一种基于多测点正序电压最优匹配的电压暂降源定位方法 Download PDFInfo
- Publication number
- CN106646103A CN106646103A CN201610860274.7A CN201610860274A CN106646103A CN 106646103 A CN106646103 A CN 106646103A CN 201610860274 A CN201610860274 A CN 201610860274A CN 106646103 A CN106646103 A CN 106646103A
- Authority
- CN
- China
- Prior art keywords
- fault
- positive sequence
- point
- sequence voltage
- line
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 230000003044 adaptive effect Effects 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000007620 mathematical function Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 abstract description 4
- 239000002245 particle Substances 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Locating Faults (AREA)
Abstract
本发明涉及一种基于多测点正序电压最优匹配的电压暂降源定位方法,首先采用多个测点故障前后的正序电压变化量作为特征量构成故障模式,定义了模式相似度;在各支路中点预设故障形成典型模式群,将测点正序电压量测量构成的待识别模式与典型模式群进行相似匹配,根据相似度将典型模式聚类为多个子群,将相似度最大的子群所对应的线路组成初选故障线路集,缩小定位搜索空间;建立最优估计模型,以相似度最大为目标函数,以初选故障线路集中的故障线路号及故障距离为优化变量,寻找最优匹配的故障模式,采用自适应粒子群优化算法对模型进行求解,确定故障线路和故障位置。本发明能有效克服故障类型和过渡电阻对电压暂降源定位的影响,定位精度高。
Description
技术领域
本发明涉及一种基于多测点正序电压最优匹配的电压暂降源定位方法。
背景技术
随着越来越多的敏感负荷接入电网,用户对电压暂降愈加关注。短路故障是引起电压暂降的主要原因之一,准确定位电压暂降源位置有助于电网公司尽快排除故障,提高供电可靠性。
目前电压暂降源定位方法主要分为基于单测点定向和基于多测点定位两大类。基于单测点定向的方法主要有扰动功率和能量法及其改进方法、系统轨迹斜率法、实部电流法、扰动有功电流法、等效阻抗实部法、距离继电器定位法、瞬时序电流法等。定向类方法只能判断出电压暂降源位于监测点的上游或下游,需要多次搜索才有可能确定故障的具体位置。基于多测点定位方法主要是利用多测点信息、多重判据、概率估计、人工智能算法等进行电压暂降源定位。但该类方法大多未能克服故障类型和过渡电阻对电压暂降源定位的影响,工程应用困难,难以在大型电网中应用。
发明内容
有鉴于此,本发明的目的在于提供一种基于多测点正序电压最优匹配的电压暂降源定位方法,能有效克服故障类型和过渡电阻对电压暂降源定位的影响,且定位精度高。
为实现上述目的,本发明采用如下技术方案:一种基于多测点正序电压最优匹配的电压暂降源定位方法,其特征在于,包括以下步骤:
步骤S1:提取系统信息,由正序节点阻抗矩阵构造故障点的特征模式,其具体为,故障后监测点M的正序电压如下式所示:
其中,为故障前监测点M的正序电压,为监测点M与故障点F之间的正序传递阻抗,是故障点F的短路电流正序分量;
监测点M与故障点F之间的正序传递阻抗可由正序节点阻抗矩阵计算得到,如下式所示:
其中,为监测点M与节点C之间的正序互阻抗,为监测点M与节点D之间的正序互阻抗,λ为故障点F到线路首节点的归一化距离;
监测点M的正序电压变化量为:
按以上方法求得所有监测点的正序电压变化量,将所有监测点的正序电压变化量构成正序电压变化量序列;
将所述正序电压变化量序列按下式进行标准化处理:
其中,X为正序电压变化量序列,E(X)为正序电压变化量序列X的平均值,D(X)为正序电压变化量序列X的方差;
将标准化后的正序电压变化量序列定义为故障点F的特征模式P(i,λ):
P(i,λ)=[V1,V2,…Vm,…VN]T
其中,i为线路编号,λ为故障点F到线路首节点的归一化距离,Vm为标准化后的第m个节点正序电压变化量,且1≤m≤N,m,N为正整数;
步骤S2:将发生未知故障时的节点正序电压变化量检测值进行标准化处理,构成的序列定义为待识别模式F:
其中,为标准化处理后的第m个节点的正序电压变化量检测值,且1≤m≤N,m,N为正整数;
步骤S3:建立典型模式群G:选择在各线路中点设置故障,离线计算其特征模式如下式所示,构成典型模式群G:
G=[P1,P2,…,Pj,…,PL]
其中,Pj为第j条线路中点故障时的特征模式,j=1,2,…,L,L为系统的线路总数;
步骤S4:提取初始故障线路集:计算待识别模式F与典型模式群G中各典型模式的模式相似度:
Sj=S(F,Pj)
采用自适应聚类算法对Sj进行聚类,选择Sj最大值所在类的典型模式,将其对应的线路选入初选故障线路集J;
步骤S5:建立最优估计模型:在所述初选故障线路集J中,以相似度最大为优化目标,以线路编号和故障距离为优化变量,求解故障定位的最优估计模型,用数学函数表述如下:
max S(Pk(λ),F):0≤λ≤1
其中,Pk(λ)为第k条线路上故障距离为λ处的特征模式,k为初选故障线路集J中的线路编号;
步骤S6:求解最优估计模型定位故障点:模型优化求解得到J中各线路k的最大相似度和最优故障距离将按从大到小排序,将中最大值所对应的线路判定为故障线路T,其相应的最优故障距离判定为故障位置p:
其中,为故障线路T对应的最优故障距离。
进一步的,所述步骤S1和步骤S3中的故障为任意类型的短路故障。
进一步的,所述步骤S4中模式相似度的建立方法如下:
设两个模式分别为X和Y,则其欧式距离为:
其中,xm为模式X中标准化后的第m个测点正序电压变化量,ym为模式Y中标准化后的第m个测点正序电压变化量,N为模式的长度即测点的数目;
建立欧式距离相似度为:
建立Spearman距离相似度为:
其中,x′m、y′m为xm、ym的秩次,Rm为秩次差;
建立模式相似度为:
S(X,Y)=Seu·Ssp
其中,S(X,Y)为模式X和Y的模式相似度。
本发明与现有技术相比具有以下有益效果:本发明能够克服故障类型和过渡电阻对电压暂降源定位的影响,定位精度高;匹配典型模式有效压缩了定位搜索空间,计算量较小,适用于大型电网的电压暂降源定位;利用多测点正序电压的相关性进行电压暂降源定位受量测误差的影响较小。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种基于多测点正序电压最优匹配的电压暂降源定位方法,其特征在于,包括以下步骤:
步骤S1:提取系统信息,由正序节点阻抗矩阵构造故障点的特征模式,其具体为,故障后监测点M的正序电压如下式所示:
其中,为故障前监测点M的正序电压,为监测点M与故障点F之间的正序传递阻抗,是故障点F的短路电流正序分量;
监测点M与故障点F之间的正序传递阻抗可由正序节点阻抗矩阵计算得到,如下式所示:
其中,为监测点M与节点C之间的正序互阻抗,为监测点M与节点D之间的正序互阻抗,λ为故障点F到线路首节点的归一化距离;
监测点M的正序电压变化量为:
按以上方法求得所有监测点的正序电压变化量,将所有监测点的正序电压变化量构成正序电压变化量序列;
将所述正序电压变化量序列按下式进行标准化处理:
其中,X为正序电压变化量序列,E(X)为正序电压变化量序列X的平均值,D(X)为正序电压变化量序列X的方差;
将标准化后的正序电压变化量序列定义为故障点F的特征模式P(i,λ):
P(i,λ)=[V1,V2,…Vm,…VN]T (5)
其中,i为线路编号,λ为故障点F到线路首节点的归一化距离,Vm为标准化后的第m个节点正序电压变化量,且1≤m≤N,m,N为正整数;
步骤S2:将发生未知故障时的节点正序电压变化量检测值进行标准化处理,构成的序列定义为待识别模式F:
其中,为标准化处理后的第m个节点的正序电压变化量检测值,且1≤m≤N,m,N为正整数;
步骤S3:建立典型模式群G:选择在各线路中点设置故障,离线计算其特征模式如下式所示,构成典型模式群G:
G=[P1,P2,…,Pj,…,PL] (7)
其中,Pj为第j条线路中点故障时的特征模式,j=1,2,…,L,L为系统的线路总数;
步骤S4:提取初始故障线路集:计算待识别模式F与典型模式群G中各典型模式的模式相似度:
Sj=S(F,Pj) (8)
采用自适应聚类算法对Sj进行聚类,选择Sj最大值所在类的典型模式,将其对应的线路选入初选故障线路集J;
为了求取待识别模式与特征模式的相似度,需定义模式相似度,方法如下:
设两个模式分别为X和Y,则其欧式距离为:
其中,xm为模式X中标准化后的第m个测点正序电压变化量,ym为模式Y中标准化后的第m个测点正序电压变化量,N为模式的长度即测点的数目;
建立欧式距离相似度为:
建立Spearman距离相似度为:
其中,x′m、y′m为xm、ym的秩次,Rm为秩次差;
建立模式相似度为:
S(X,Y)=Seu·Ssp (12)
其中,S(X,Y)为模式X和Y的模式相似度。
步骤S5:建立最优估计模型:在所述初选故障线路集J中,以相似度最大为优化目标,以线路编号和故障距离为优化变量,求解故障定位的最优估计模型,用数学函数表述如下:
max S(Pk(λ),F):0≤λ≤1 (13)
其中,Pk(λ)为第k条线路上故障距离为λ处的特征模式,k为初选故障线路集J中的线路编号;
步骤S6:求解最优估计模型定位故障点:模型优化求解得到J中各线路k的最大相似度和最优故障距离将按从大到小排序,将中最大值所对应的线路判定为故障线路T,其相应的最优故障距离判定为故障位置p:
其中,为故障线路T对应的最优故障距离。
特别的,所述步骤S1和步骤S3中的故障为任意类型的短路故障,于本实施例中设置三相金属性短路故障。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (3)
1.一种基于多测点正序电压最优匹配的电压暂降源定位方法,其特征在于,包括以下步骤:
步骤S1:提取系统信息,由正序节点阻抗矩阵构造故障点的特征模式,其具体为,故障后监测点M的正序电压如下式所示:
其中,为故障前监测点M的正序电压,为监测点M与故障点F之间的正序传递阻抗,是故障点F的短路电流正序分量;
监测点M与故障点F之间的正序传递阻抗可由正序节点阻抗矩阵计算得到,如下式所示:
其中,为监测点M与节点C之间的正序互阻抗,为监测点M与节点D之间的正序互阻抗,λ为故障点F到线路首节点的归一化距离;
监测点M的正序电压变化量为:
按以上方法求得所有监测点的正序电压变化量,将所有监测点的正序电压变化量构成正序电压变化量序列;
将所述正序电压变化量序列按下式进行标准化处理:
其中,X为正序电压变化量序列,E(X)为正序电压变化量序列X的平均值,D(X)为正序电压变化量序列X的方差;
将标准化后的正序电压变化量序列定义为故障点F的特征模式P(i,λ):
P(i,λ)=[V1,V2,…Vm,…VN]T
其中,i为线路编号,λ为故障点F到线路首节点的归一化距离,Vm为标准化后的第m个节点正序电压变化量,且1≤m≤N,m,N为正整数;
步骤S2:将发生未知故障时的节点正序电压变化量检测值进行标准化处理,构成的序列定义为待识别模式F:
其中,为标准化处理后的第m个节点的正序电压变化量检测值,且1≤m≤N,m,N为正整数;
步骤S3:建立典型模式群G:选择在各线路中点设置故障,离线计算其特征模式如下式所示,构成典型模式群G:
G=[P1,P2,…,Pj,…,PL]
其中,Pj为第j条线路中点故障时的特征模式,j=1,2,…,L,L为系统的线路总数;
步骤S4:提取初始故障线路集:计算待识别模式F与典型模式群G中各典型模式的模式相似度:
Sj=S(F,Pj)
采用自适应聚类算法对Sj进行聚类,选择Sj最大值所在类的典型模式,将其对应的线路选入初选故障线路集J;
步骤S5:建立最优估计模型:在所述初选故障线路集J中,以相似度最大为优化目标,以线路编号和故障距离为优化变量,求解故障定位的最优估计模型,用数学函数表述如下:
max S(Pk(λ),F):0≤λ≤1
其中,Pk(λ)为第k条线路上故障距离为λ处的特征模式,k为初选故障线路集J中的线路编号;
步骤S6:求解最优估计模型定位故障点:模型优化求解得到J中各线路k的最大相似度和最优故障距离将按从大到小排序,将中最大值所对应的线路判定为故障线路T,其相应的最优故障距离判定为故障位置p:
其中,为故障线路T对应的最优故障距离。
2.根据权利要求1所述的基于多测点正序电压最优匹配的电压暂降源定位方法,其特征在于:所述步骤S1和步骤S3中的故障为任意类型的短路故障。
3.根据权利要求1所述的基于多测点正序电压最优匹配的电压暂降源定位方法,其特征在于:所述步骤S4中模式相似度的建立方法如下:
设两个模式分别为X和Y,则其欧式距离为:
其中,xm为模式X中标准化后的第m个测点正序电压变化量,ym为模式Y中标准化后的第m个测点正序电压变化量,N为模式的长度即测点的数目;
建立欧式距离相似度为:
建立Spearman距离相似度为:
其中,x′m、y′m为xm、ym的秩次,Rm为秩次差;
建立模式相似度为:
S(X,Y)=Seu·Ssp
其中,S(X,Y)为模式X和Y的模式相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610860274.7A CN106646103B (zh) | 2016-09-29 | 2016-09-29 | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610860274.7A CN106646103B (zh) | 2016-09-29 | 2016-09-29 | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106646103A true CN106646103A (zh) | 2017-05-10 |
CN106646103B CN106646103B (zh) | 2019-02-22 |
Family
ID=58853517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610860274.7A Active CN106646103B (zh) | 2016-09-29 | 2016-09-29 | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106646103B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271852A (zh) * | 2017-07-18 | 2017-10-20 | 广东双新电气科技有限公司 | 基于电压暂降信息的复杂配电网故障定位方法 |
CN109256779A (zh) * | 2018-11-16 | 2019-01-22 | 福州大学 | 一种基于快速机械开关的变电站端电压暂降防治方法 |
CN109765458A (zh) * | 2019-01-16 | 2019-05-17 | 福州大学 | 一种基于萤火虫算法的暂降源定位方法 |
CN110133444A (zh) * | 2019-06-05 | 2019-08-16 | 国网江苏省电力有限公司检修分公司 | 一种基于正序电压变化量的故障定位方法、装置及系统 |
CN112116013A (zh) * | 2020-09-24 | 2020-12-22 | 四川大学 | 一种基于波形特征的电压暂降事件归一化方法 |
CN112129989A (zh) * | 2020-09-23 | 2020-12-25 | 四川大学 | 一种基于自适应聚类的电压暂降分段刻画方法 |
CN112269099A (zh) * | 2020-10-12 | 2021-01-26 | 广东电网有限责任公司广州供电局 | 一种基于压缩感知理论的电压暂降状态估计方法及系统 |
CN112305489A (zh) * | 2020-10-29 | 2021-02-02 | 南方电网科学研究院有限责任公司 | 一种电压异常波动的检测方法、装置、设备及存储介质 |
CN114089089A (zh) * | 2020-08-24 | 2022-02-25 | 中国石油大学(华东) | 一种基于上游参数比较的电压暂降源定位方法 |
CN114167172A (zh) * | 2021-11-25 | 2022-03-11 | 国网福建省电力有限公司莆田供电公司 | 一种基于马氏距离与支持向量机的电压暂降源定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566663A (zh) * | 2009-06-04 | 2009-10-28 | 山东大学 | 一种配电系统电压跌落源定位方法 |
CN103576053A (zh) * | 2013-10-09 | 2014-02-12 | 国家电网公司 | 一种基于有限电能质量监测点的电压暂降源定位方法 |
EP2738561A2 (en) * | 2012-11-30 | 2014-06-04 | Schneider Electric Industries SAS | Method and device for determining location of earth fault |
CN104537581A (zh) * | 2015-01-30 | 2015-04-22 | 福州大学 | 采用模糊相似度匹配的电压暂降源在线定位方法 |
CN105842580A (zh) * | 2015-11-20 | 2016-08-10 | 武汉大学 | 一种适用于智能配电网的电压暂降源精确定位优化方法 |
-
2016
- 2016-09-29 CN CN201610860274.7A patent/CN106646103B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566663A (zh) * | 2009-06-04 | 2009-10-28 | 山东大学 | 一种配电系统电压跌落源定位方法 |
EP2738561A2 (en) * | 2012-11-30 | 2014-06-04 | Schneider Electric Industries SAS | Method and device for determining location of earth fault |
CN103576053A (zh) * | 2013-10-09 | 2014-02-12 | 国家电网公司 | 一种基于有限电能质量监测点的电压暂降源定位方法 |
CN104537581A (zh) * | 2015-01-30 | 2015-04-22 | 福州大学 | 采用模糊相似度匹配的电压暂降源在线定位方法 |
CN105842580A (zh) * | 2015-11-20 | 2016-08-10 | 武汉大学 | 一种适用于智能配电网的电压暂降源精确定位优化方法 |
Non-Patent Citations (2)
Title |
---|
ZHENGGUO SHAO等: "Locating Voltage Sag Source with Impedance Measurement", 《2010 INTERNATIONAL CONFERENCE ON POWER TECHNOLOGY》 * |
朱珂等: "基于改进增益阻抗实部的配电网电压跌落源定位方法", 《电工技术学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271852B (zh) * | 2017-07-18 | 2019-08-20 | 广东双新电气科技有限公司 | 基于电压暂降信息的复杂配电网故障定位方法 |
CN107271852A (zh) * | 2017-07-18 | 2017-10-20 | 广东双新电气科技有限公司 | 基于电压暂降信息的复杂配电网故障定位方法 |
CN109256779A (zh) * | 2018-11-16 | 2019-01-22 | 福州大学 | 一种基于快速机械开关的变电站端电压暂降防治方法 |
CN109765458A (zh) * | 2019-01-16 | 2019-05-17 | 福州大学 | 一种基于萤火虫算法的暂降源定位方法 |
CN110133444A (zh) * | 2019-06-05 | 2019-08-16 | 国网江苏省电力有限公司检修分公司 | 一种基于正序电压变化量的故障定位方法、装置及系统 |
CN114089089A (zh) * | 2020-08-24 | 2022-02-25 | 中国石油大学(华东) | 一种基于上游参数比较的电压暂降源定位方法 |
CN114089089B (zh) * | 2020-08-24 | 2023-12-29 | 中国石油大学(华东) | 一种基于上游参数比较的电压暂降源定位方法 |
CN112129989A (zh) * | 2020-09-23 | 2020-12-25 | 四川大学 | 一种基于自适应聚类的电压暂降分段刻画方法 |
CN112129989B (zh) * | 2020-09-23 | 2021-07-27 | 四川大学 | 一种基于自适应聚类的电压暂降分段刻画方法 |
CN112116013A (zh) * | 2020-09-24 | 2020-12-22 | 四川大学 | 一种基于波形特征的电压暂降事件归一化方法 |
CN112269099A (zh) * | 2020-10-12 | 2021-01-26 | 广东电网有限责任公司广州供电局 | 一种基于压缩感知理论的电压暂降状态估计方法及系统 |
CN112305489A (zh) * | 2020-10-29 | 2021-02-02 | 南方电网科学研究院有限责任公司 | 一种电压异常波动的检测方法、装置、设备及存储介质 |
CN114167172A (zh) * | 2021-11-25 | 2022-03-11 | 国网福建省电力有限公司莆田供电公司 | 一种基于马氏距离与支持向量机的电压暂降源定位方法 |
CN114167172B (zh) * | 2021-11-25 | 2024-01-12 | 国网福建省电力有限公司莆田供电公司 | 一种基于马氏距离与支持向量机的电压暂降源定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106646103B (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106646103B (zh) | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 | |
CN110082640B (zh) | 一种基于长短时记忆网络的配网单相接地故障辨识方法 | |
CN103245881B (zh) | 一种基于潮流分布特征的配电网故障分析方法及装置 | |
CN109459669B (zh) | 10kV配电网单相接地故障区段定位方法 | |
CN103576053B (zh) | 一种基于有限电能质量监测点的电压暂降源定位方法 | |
CN103605042B (zh) | 基于自适应粒子群算法的接地网故障诊断方法 | |
CN109165504B (zh) | 一种基于对抗生成网络的电力系统虚假数据攻击识别方法 | |
CN103576048B (zh) | 一种用于电压暂降源定位的可能故障线路集提取方法 | |
CN110289613B (zh) | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 | |
CN113674106B (zh) | 一种中低压配电网接地故障组合定位方法 | |
CN107884682A (zh) | 基于故障点与监测点距离的配电网故障定位方法 | |
CN110133444A (zh) | 一种基于正序电压变化量的故障定位方法、装置及系统 | |
CN109634798A (zh) | 一种领航-跟随多智能体分布式系统的故障估计器设计方法 | |
CN110147827A (zh) | 一种基于iaalo-svm与相似性度量的故障预测方法 | |
CN115128395A (zh) | 一种电压暂降源定位方法和装置 | |
CN104537581B (zh) | 采用模糊相似度匹配的电压暂降源在线定位方法 | |
CN115603320A (zh) | 一种基于广域量测数据的实时感知与在线评估方法及系统 | |
CN116400172A (zh) | 基于随机矩阵的云边协同配电网故障检测方法及系统 | |
CN111062569A (zh) | 一种基于bp神经网络的小电流故障判别方法 | |
CN105894014A (zh) | 基于多因素不一致度量的异常行为序贯检测方法 | |
CN117574275A (zh) | 一种电力系统异常检测分类方法 | |
CN117310361A (zh) | 一种基于智能感知和设备画像的配电网故障巡检定位方法 | |
CN109193639B (zh) | 一种电力系统抗差估计方法 | |
CN106646106A (zh) | 基于变点探测技术的电网故障检测方法 | |
CN116298670A (zh) | 适用于多分支配电线路的智能故障定位方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |