CN106649915A - 一种输配电网设备缺陷预警系统 - Google Patents

一种输配电网设备缺陷预警系统 Download PDF

Info

Publication number
CN106649915A
CN106649915A CN201610811663.0A CN201610811663A CN106649915A CN 106649915 A CN106649915 A CN 106649915A CN 201610811663 A CN201610811663 A CN 201610811663A CN 106649915 A CN106649915 A CN 106649915A
Authority
CN
China
Prior art keywords
transmission
client
early warning
distribution network
warning system
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
Application number
CN201610811663.0A
Other languages
English (en)
Inventor
戴永东
毛锋
何菲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Taizhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Taizhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Taizhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201610811663.0A priority Critical patent/CN106649915A/zh
Publication of CN106649915A publication Critical patent/CN106649915A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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
    • 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
    • G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • G06N7/06—Simulation on general purpose computers
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2117/00—Details relating to the type or aim of the circuit design
    • G06F2117/02—Fault tolerance, e.g. for transient fault suppression

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Fuzzy Systems (AREA)

Abstract

本发明公开了一种输配电网设备缺陷预警系统包括：监控端，设置于输配电网处，用于监控并采集输配电网设备的运行情况；交互式数据框架，连接至监控端，用于传输监控端采集的输配电网设备的运行情况、根据预警系统后台服务器反馈的仿真结果执行故障容错控制，并与使用者交互；预警系统后台服务器，连接至交互式数据框架，用于接收监控端采集的输配电网设备的运行情况，使用网络动态仿真技术对输配电网设备进行仿真，获得并输出仿真结果。本发明通过使用三者结合的技术手段，做到了自动监控与分析设备缺陷并预警，提高了工作效率与质量，缩短了响应时间。

Description

一种输配电网设备缺陷预警系统
技术领域
本发明涉及输配电领域，特别地，涉及一种输配电网设备缺陷预警系统。
背景技术
电力电气设备缺陷不仅影响电网和设备的正常运行，而且有可能引发设备甚至系统事故。加强对设备缺陷的管理是避免系统事故，提高电网安全运行水平的重要保证。设备缺陷管理的目的是为了及时、准确、有效地发现和消除设备缺陷，提高电网的运行安全及用户的供电可靠性。设备缺陷管理应坚持预防为主的原则，以科学的检测技术为手段，严密的管理为保证。电力生产管理的核心是设备管理，而设备管理又是围绕资产管理和运行管理而展开的。因此，电力设备缺陷管理是整个生产管理的重要工作内容。
传统的输变电设备缺陷管理是指对电力系统中运行的设备发生了异常而影响安全稳定运行的状况进行跟踪分析、处理及验收等过程。然而，由于我国技术手段限制，许多缺陷不能够被及时发现，延误了上报，从而造成事故发生。我国主要使用人工巡检的方式的发现缺陷并手动上传，考虑到工作人员责任心少、技术素质低、工作效率差、对部分缺陷的存在缺乏判断能力等等原因，检修质量不高、设备材料质量不过关、缺陷检修处理时间长，尤其是一部分较严重的缺陷不能得到及时处理，从而导致了严重事故发生。另外，设备缺陷的预警措施不到位，而且存在设备选型、安装及验收等的问题，不能够在设备投运之前发现问题。设备缺陷的预警得不到控制。
针对现有技术中人工方式的缺陷上传及处理流程太过缓慢的问题，目前尚缺乏有效的应对策略。
发明内容
有鉴于此，本发明的目的在于提出一种输配电网设备缺陷预警系统，能够自动监控与分析设备缺陷并预警，提高工作效率与质量，缩短响应时间。
基于上述目的，本发明提供的技术方案如下：
根据本发明的一个方面，提供了一种输配电网设备缺陷预警系统，包括：
监控端，设置于输配电网处，用于监控并采集输配电网设备的运行情况；
交互式数据框架，连接至监控端，用于传输监控端采集的输配电网设备的运行情况、根据预警系统后台服务器反馈的仿真结果执行故障容错控制，并与使用者交互；
预警系统后台服务器，连接至交互式数据框架，用于接收监控端采集的输配电网设备的运行情况，使用网络动态仿真技术对输配电网设备进行仿真，获得并输出仿真结果。
其中，监控端包括：
直接信息设备，其监控并采的集输配电网设备的运行情况信息以文字形式表示；
间接信息设备，其监控并采的集输配电网设备的运行情况信息以图片或视频形式表示。
其中，交互式数据框架包括：
中间件平台，用于存放预警系统后台服务器需要调用的功能性模块，并将预警系统后台服务器与交互式数据框架建立连接；
客户端，连接至中间件平台，用于将输配电网设备的运行情况与预警系统后台服务器反馈的仿真结果显示给操作者。
并且，中间件平台存放的功能性模块包括：
仿真引擎，用于根据输入的进程标识与动作，使用环境仿真算法计算并输出其影响、影响范围与持续时间；
评估引擎，连接至监控端，用于根据输入的进程标识与动作，使用集输配电网设备的运行情况进行评估并输出其影响、影响范围与持续时间；
客户端接口，连接至客户端，用于将输配电网设备的运行情况与预警系统后台服务器反馈的仿真结果转化为可视化格式并发送给客户端。
并且，预警系统后台服务器包括：
适配器，连接至仿真引擎、评估引擎与客户端接口，用于将仿真引擎、评估引擎与客户端接口的与预警系统后台服务器相转接；
仿真会话池，通过适配器连接至仿真引擎，用于向仿真引擎发送进程标识与动作，并接收其影响、影响范围与持续时间；
消息与数据寄存器，通过适配器连接至评估引擎，用于向评估引擎发送进程标识与动作，并接收其影响、影响范围与持续时间；
客户端解释器，通过适配器连接至客户端接口，用于将输配电网设备的运行情况与预警系统后台服务器反馈的仿真结果发送到客户端并接收来自客户端的控制命令；
会话管理器，连接至仿真会话池、消息与数据寄存器与客户端解释器，用于根据仿真引擎与评估引擎的输出使用智能诊断方法识别输配电网设备的缺陷，并控制仿真会话池、消息与数据寄存器与客户端解释器的工作行为。
并且，会话管理器使用的智能诊断方法包括以下至少之一：模糊缺陷诊断法、灰色关联度缺陷诊断法、神经网络缺陷诊断法、信息融合缺陷诊断法。
并且，模糊缺陷诊断法为使用隶属函数和模糊关系矩阵判定缺陷与征兆之间的不确定关系,进而检测与诊断缺陷，其中，隶属函数和模糊关系矩阵选择具有代表性的特征值。
同时，灰色关联度缺陷诊断法根据不同对象之间的关联程度，在缺陷诊断中确定和实际模式关联最强的标准模式，其中，实测模式的特征向量序列与某一标准模式序列关联度最大时，认定该实测模式属于对应的标准模式。
同时，神经网络缺陷诊断法包括神经网络诊断知识库的建立、神经网络的诊断推理与神经网络的自学习，其中，神经网络诊断知识库的建立包括:分析诊断对象缺陷的知识结构，根据缺陷树分析法确定神经网络结构模型，然后确定网络的训练样本并进行训练，获得相应的连接权值，再存储连接权和阀值，形成知识库；神经网络的诊断推理为以并行计算方式完成推理过程，其推理过程只与神经网络自身的参数相关；神经网络的自学习为系统知识的再次获取。
并且，信息融合缺陷诊断法用于多个通道信号的融合和不同诊断途径的诊断结论之间的融合，包括：对每个检测信息分别进行预处理、特征提取，建立对所检测状态的初步结论；通过关联处理、决策层融合判决，得到联合推理结果，其中，信息融合的方法包括以下至少之一：基于神经网络的信息融合、基于模糊聚类的信息融合、基于DS证据理论的信息融合。
从上面所述可以看出，本发明提供的技术方案通过使用监控端监控并采集输配电网设备的运行情况；交互式数据框架根据预警系统后台服务器反馈的仿真结果执行故障容错控制、预警系统后台服务器使用网络动态仿真技术对输配电网设备进行仿真三者结合的技术手段，做到了自动监控与分析设备缺陷并预警，提高了工作效率与质量，缩短了响应时间。
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，下面将对实施例中所需要使用的附图作简单地介绍。显然，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为根据本发明实施例的一种输配电网设备缺陷预警系统的结构图；
图2为根据本发明实施例的一种输配电网设备缺陷预警系统中，交互式数据框架的结构图；
图3为根据本发明实施例的一种输配电网设备缺陷预警系统中，预警系统后台服务器的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，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一步进行清楚、完整、详细地描述。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所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种输配电网设备缺陷预警系统。
如图1所示，根据本发明的实施例提供的输配电网设备缺陷预警系统包括：
监控端11，设置于输配电网处，用于监控并采集输配电网设备的运行情况；
交互式数据框架12，连接至监控端11，用于传输监控端11采集的输配电网设备的运行情况、根据预警系统后台服务器13反馈的仿真结果执行故障容错控制，并与使用者交互；
预警系统后台服务器13，连接至交互式数据框架12，用于接收监控端11采集的输配电网设备的运行情况，使用网络动态仿真技术对输配电网设备进行仿真，获得并输出仿真结果。
其中，监控端11包括：
直接信息设备，其监控并采的集输配电网设备的运行情况信息以文字形式表示；
间接信息设备，其监控并采的集输配电网设备的运行情况信息以图片或视频形式表示。
如图2所示，交互式数据框架12包括：
中间件平台21，用于存放预警系统后台服务器13需要调用的功能性模块，并将预警系统后台服务器13与交互式数据框架12建立连接；
客户端22，连接至中间件平台21，用于将输配电网设备的运行情况与预警系统后台服务器13反馈的仿真结果显示给操作者。
如图2所示，中间件平台21存放的功能性模块包括：
仿真引擎211，用于根据输入的进程标识与动作，使用环境仿真算法计算并输出其影响、影响范围与持续时间；
评估引擎212，连接至监控端11，用于根据输入的进程标识与动作，使用集输配电网设备的运行情况进行评估并输出其影响、影响范围与持续时间；
客户端接口213，连接至客户端22，用于将输配电网设备的运行情况与预警系统后台服务器13反馈的仿真结果转化为可视化格式并发送给客户端22。
如图3所示，预警系统后台服务器13包括：
适配器31，连接至仿真引擎211、评估引擎212与客户端接口213，用于将仿真引擎211、评估引擎212与客户端接口213的与预警系统后台服务器13相转接；
仿真会话池32，通过适配器31连接至仿真引擎211，用于向仿真引擎211发送进程标识与动作，并接收其影响、影响范围与持续时间；
消息与数据寄存器33，通过适配器31连接至评估引擎212，用于向评估引擎212发送进程标识与动作，并接收其影响、影响范围与持续时间；
客户端解释器34，通过适配器31连接至客户端接口213，用于将输配电网设备的运行情况与预警系统后台服务器13反馈的仿真结果发送到客户端22并接收来自客户端22的控制命令；
会话管理器35，连接至仿真会话池32、消息与数据寄存器33与客户端解释器34，用于根据仿真引擎211与评估引擎212的输出使用智能诊断方法识别输配电网设备的缺陷，并控制仿真会话池32、消息与数据寄存器33与客户端解释器34的工作行为。
并且，会话管理器35使用的智能诊断方法包括以下至少之一：模糊缺陷诊断法、灰色关联度缺陷诊断法、神经网络缺陷诊断法、信息融合缺陷诊断法。
并且，模糊缺陷诊断法为使用隶属函数和模糊关系矩阵判定缺陷与征兆之间的不确定关系,进而检测与诊断缺陷，其中，隶属函数和模糊关系矩阵选择具有代表性的特征值。
同时，灰色关联度缺陷诊断法根据不同对象之间的关联程度，在缺陷诊断中确定和实际模式关联最强的标准模式，其中，实测模式的特征向量序列与某一标准模式序列关联度最大时，认定该实测模式属于对应的标准模式。
同时，神经网络缺陷诊断法包括神经网络诊断知识库的建立、神经网络的诊断推理与神经网络的自学习，其中，神经网络诊断知识库的建立包括:分析诊断对象缺陷的知识结构，根据缺陷树分析法确定神经网络结构模型，然后确定网络的训练样本并进行训练，获得相应的连接权值，再存储连接权和阀值，形成知识库；神经网络的诊断推理为以并行计算方式完成推理过程，其推理过程只与神经网络自身的参数相关；神经网络的自学习为系统知识的再次获取。
并且，信息融合缺陷诊断法用于多个通道信号的融合和不同诊断途径的诊断结论之间的融合，包括：对每个检测信息分别进行预处理、特征提取，建立对所检测状态的初步结论；通过关联处理、决策层融合判决，得到联合推理结果，其中，信息融合的方法包括以下至少之一：基于神经网络的信息融合、基于模糊聚类的信息融合、基于DS证据理论的信息融合。
借助于本发明的上述技术方案，通过使用监控端监控并采集输配电网设备的运行情况；交互式数据框架根据预警系统后台服务器反馈的仿真结果执行故障容错控制、预警系统后台服务器使用网络动态仿真技术对输配电网设备进行仿真三者结合的技术手段，做到了自动监控与分析设备缺陷并预警，提高了工作效率与质量，缩短了响应时间。
所属领域的普通技术人员应当理解：以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种输配电网设备缺陷预警系统，其特征在于，包括：
监控端，设置于输配电网处，用于监控并采集输配电网设备的运行情况；
交互式数据框架，连接至监控端，用于传输监控端采集的输配电网设备的运行情况、根据预警系统后台服务器反馈的仿真结果执行故障容错控制，并与使用者交互；
预警系统后台服务器，连接至交互式数据框架，用于接收监控端采集的输配电网设备的运行情况，使用网络动态仿真技术对输配电网设备进行仿真，获得并输出仿真结果。
2.根据权利要求1所述的系统，其特征在于，所述监控端包括：
直接信息设备，其监控并采的集输配电网设备的运行情况信息以文字形式表示；
间接信息设备，其监控并采的集输配电网设备的运行情况信息以图片或视频形式表示。
3.根据权利要求1所述的系统，其特征在于，所述交互式数据框架包括：
中间件平台，用于存放所述预警系统后台服务器需要调用的功能性模块，并将所述预警系统后台服务器与所述交互式数据框架建立连接；
客户端，连接至所述中间件平台，用于将输配电网设备的运行情况与预警系统后台服务器反馈的仿真结果显示给操作者。
4.根据权利要求3所述的系统，其特征在于，所述中间件平台存放的功能性模块包括：
仿真引擎，用于根据输入的进程标识与动作，使用环境仿真算法计算并输出其影响、影响范围与持续时间；
评估引擎，连接至监控端，用于根据输入的进程标识与动作，使用集输配电网设备的运行情况进行评估并输出其影响、影响范围与持续时间；
客户端接口，连接至客户端，用于将输配电网设备的运行情况与预警系统后台服务器反馈的仿真结果转化为可视化格式并发送给客户端。
5.根据权利要求4所述的系统，其特征在于，所述预警系统后台服务器包括：
适配器，连接至仿真引擎、评估引擎与客户端接口，用于将所述仿真引擎、评估引擎与客户端接口的与预警系统后台服务器相转接；
仿真会话池，通过适配器连接至仿真引擎，用于向所述仿真引擎发送进程标识与动作，并接收其影响、影响范围与持续时间；
消息与数据寄存器，通过适配器连接至评估引擎，用于向所述评估引擎发送进程标识与动作，并接收其影响、影响范围与持续时间；
客户端解释器，通过适配器连接至客户端接口，用于将输配电网设备的运行情况与预警系统后台服务器反馈的仿真结果发送到客户端并接收来自客户端的控制命令；
会话管理器，连接至仿真会话池、消息与数据寄存器与客户端解释器，用于根据所述仿真引擎与评估引擎的输出使用智能诊断方法识别输配电网设备的缺陷，并控制所述仿真会话池、消息与数据寄存器与客户端解释器的工作行为。
6.根据权利要求5所述的系统，其特征在于，所述会话管理器使用的智能诊断方法包括以下至少之一：模糊缺陷诊断法、灰色关联度缺陷诊断法、神经网络缺陷诊断法、信息融合缺陷诊断法。
7.根据权利要求6所述的系统，其特征在于，所述模糊缺陷诊断法为使用隶属函数和模糊关系矩阵判定缺陷与征兆之间的不确定关系,进而检测与诊断缺陷，其中，所述隶属函数和模糊关系矩阵选择具有代表性的特征值。
8.根据权利要求6所述的系统，其特征在于，所述灰色关联度缺陷诊断法根据不同对象之间的关联程度，在缺陷诊断中确定和实际模式关联最强的标准模式，其中，实测模式的特征向量序列与某一标准模式序列关联度最大时，认定该实测模式属于对应的标准模式。
9.根据权利要求6所述的系统，其特征在于，所述神经网络缺陷诊断法包括神经网络诊断知识库的建立、神经网络的诊断推理与神经网络的自学习，其中，神经网络诊断知识库的建立包括:分析诊断对象缺陷的知识结构，根据缺陷树分析法确定神经网络结构模型，然后确定网络的训练样本并进行训练，获得相应的连接权值，再存储连接权和阀值，形成知识库；神经网络的诊断推理为以并行计算方式完成推理过程，其推理过程只与神经网络自身的参数相关；神经网络的自学习为系统知识的再次获取。
10.根据权利要求6所述的系统，其特征在于，所述信息融合缺陷诊断法用于多个通道信号的融合和不同诊断途径的诊断结论之间的融合，包括：对每个检测信息分别进行预处理、特征提取，建立对所检测状态的初步结论；通过关联处理、决策层融合判决，得到联合推理结果，其中，所述信息融合的方法包括以下至少之一：基于神经网络的信息融合、基于模糊聚类的信息融合、基于DS证据理论的信息融合。
CN201610811663.0A 2016-09-08 2016-09-08 一种输配电网设备缺陷预警系统 Pending CN106649915A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610811663.0A CN106649915A (zh) 2016-09-08 2016-09-08 一种输配电网设备缺陷预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610811663.0A CN106649915A (zh) 2016-09-08 2016-09-08 一种输配电网设备缺陷预警系统

Publications (1)

Publication Number Publication Date
CN106649915A true CN106649915A (zh) 2017-05-10

Family

ID=58852888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610811663.0A Pending CN106649915A (zh) 2016-09-08 2016-09-08 一种输配电网设备缺陷预警系统

Country Status (1)

Country Link
CN (1) CN106649915A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680195A (zh) * 2017-11-13 2018-02-09 国网内蒙古东部电力有限公司 一种变电站智能机器人巡检辅助分析系统及方法
CN109546747A (zh) * 2018-10-29 2019-03-29 国网河南省电力公司濮阳供电公司 一种智能化输配电网故障预警管理系统
CN111061254A (zh) * 2019-12-27 2020-04-24 中国科学院电工研究所 一种phm系统性能的评价方法及系统
CN111177101A (zh) * 2019-12-18 2020-05-19 广西电网有限责任公司电力科学研究院 一种基于大数据架构的配电网多维可视化平台
CN111260176A (zh) * 2018-11-30 2020-06-09 西门子股份公司 用于排除技术设施中的故障状况的方法和系统
CN111984046A (zh) * 2020-08-19 2020-11-24 国网山西省电力公司 一种基于仿真算法环境主动预警及调节系统
CN112052939A (zh) * 2020-08-19 2020-12-08 国网山西省电力公司 一种基于神经网络算法的主动预警系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680195A (zh) * 2017-11-13 2018-02-09 国网内蒙古东部电力有限公司 一种变电站智能机器人巡检辅助分析系统及方法
CN109546747A (zh) * 2018-10-29 2019-03-29 国网河南省电力公司濮阳供电公司 一种智能化输配电网故障预警管理系统
CN109546747B (zh) * 2018-10-29 2021-01-22 国网河南省电力公司濮阳供电公司 一种智能化输配电网故障预警管理系统
CN111260176A (zh) * 2018-11-30 2020-06-09 西门子股份公司 用于排除技术设施中的故障状况的方法和系统
CN111260176B (zh) * 2018-11-30 2023-11-03 西门子股份公司 用于排除技术设施中的故障状况的方法和系统
CN111177101A (zh) * 2019-12-18 2020-05-19 广西电网有限责任公司电力科学研究院 一种基于大数据架构的配电网多维可视化平台
CN111061254A (zh) * 2019-12-27 2020-04-24 中国科学院电工研究所 一种phm系统性能的评价方法及系统
CN111984046A (zh) * 2020-08-19 2020-11-24 国网山西省电力公司 一种基于仿真算法环境主动预警及调节系统
CN112052939A (zh) * 2020-08-19 2020-12-08 国网山西省电力公司 一种基于神经网络算法的主动预警系统

Similar Documents

Publication Publication Date Title
CN106649915A (zh) 一种输配电网设备缺陷预警系统
CN110261394A (zh) 在线风机叶片损伤实时诊断系统和方法
CN107797537A (zh) 一种应用于自动化生产线的故障预测与健康管理方法
CN106655522A (zh) 一种适用于电网二次设备运维管理的主站系统
CN103941240B (zh) 一种基于雷达系统通信分机检测装置的检测方法
CN103713215B (zh) X射线管运行状态检测系统及方法
CN103078403A (zh) 一种智能变电站二次系统的在线状态评估方法
CN106525415A (zh) 一种风电机组传动链健康状态评价系统及方法
CN103164775A (zh) 一种电网设备状态自动评价平台及方法
CN112994972B (zh) 一种分布式探针监测平台
CN108398932A (zh) 自动驾驶车辆检测系统及方法
CN110223411B (zh) 一种公共饮水机巡检系统及方法
CN109670584A (zh) 一种基于大数据的故障诊断方法及系统
CN113988573A (zh) 基于电力系统巡检无人机的风险判断方法、系统和介质
CN103913728B (zh) 一种基于便携式雷达综合测试仪的测试方法
CN106339722A (zh) 一种线路刀闸状态监测方法及装置
CN112834866A (zh) 一种配网电力故障的研判方法
CN111899211A (zh) 基于图像和气味的变压器漏油故障检测系统及方法
CN110543658A (zh) 基于大数据的电厂设备诊断方法
CN115877198A (zh) 基于边缘计算的一二次融合开关故障诊断预警系统
CN114255784A (zh) 一种基于声纹识别的变电站设备故障诊断方法及相关装置
CN116298684A (zh) 一种配电网用故障研判定位系统
CN116418117A (zh) 一种用于智能电网的设备检测系统
CN116823226A (zh) 一种基于大数据的电力台区故障监测系统
CN108377209A (zh) 基于scada的设备故障检测系统和检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170510

WD01 Invention patent application deemed withdrawn after publication