CN106841928A - 一种基于多源信息融合的配电网故障区段定位方法及系统 - Google Patents
一种基于多源信息融合的配电网故障区段定位方法及系统 Download PDFInfo
- Publication number
- CN106841928A CN106841928A CN201710198366.8A CN201710198366A CN106841928A CN 106841928 A CN106841928 A CN 106841928A CN 201710198366 A CN201710198366 A CN 201710198366A CN 106841928 A CN106841928 A CN 106841928A
- Authority
- CN
- China
- Prior art keywords
- evidence body
- evidence
- power
- particle
- distribution network
- 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
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
-
- 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
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Abstract
本发明提出一种基于多源信息融合的配电网故障区段定位方法,避免了使用单一信息源的局限性,利用D‑S证据理论将配电自动化终端和用电信息采集系统的信息进行融合以得到故障区段,提高了配电网故障区段定位的准确性。本方法为:获取配电自动化终端检测的故障信息和用电信息采集系统检测的故障信息,得到第一证据体和第二证据体;判断第一证据体和第二证据体之间是否存在冲突;若不存在冲突则利用D‑S证据理论进行第一证据体和第二证据体的融合,形成配电网的故障假说可信度;若存在冲突则对第一证据体和第二证据体进行基于可信度的修改,融合修改后的证据体,形成配电网的故障假说可信度;故障假说可信度最大值时对应的故障假说即为配电网的故障区间。
Description
技术领域
本发明涉及确定配电网故障区段的定位,属于智能电网领域,并且更具体地,涉及一种基于多源信息融合的配电网故障区段定位方法及系统。
背景技术
配电网作为直接与用户相连的环节,其可靠性能够直接影响用户的用电满意度,发生故障后实现快速的故障区段定位及隔离可以缩短故障停运时间,减少用户损失,进而提高配电网的可靠性指标。
配电网发生故障后,上传到控制中心的信息种类众多,包括开关、保护动作信息,配电自动化终端信息,用电采集信息,用户投诉信息等。按照所利用信息源的不同,配电网故障区段定位的方法可以大致分为基于阻抗法、行波法的故障测距,基于配电自动化终端信息(“三遥”、“二遥”终端)的故障区段定位,利用故障过程电压暂降信息的故障定位,基于用户投诉信息的故障诊断。这些方法多是利用一种信息源进行故障诊断,而单一的信息源有其故有的缺陷,例如,由于配电自动化终端运行环境恶劣、通信易受干扰等原因,可能会出现漏报或误报的情况,当关键位置信息错误或同时存在多个错误信息时,往往会得到错误的结论,影响故障隔离和恢复过程。
基于多源信息融合的配电网故障区段定位方法在实际应用中避免了使用单一信息源时的局限性,能够提高配电网故障区段定位的准确性,具有十分重要的现实意义与工程价值。
发明内容
为了解决上述问题,根据本发明的一方面,提出一种基于多源信息融合的配电网故障区段定位方法,包括:
获取配电自动化终端检测到的故障信息,并得到配电自动化终端信息对应的基本概率分配,即第一证据体;
获取用电信息采集系统检测到的故障信息,并得到用电信息采集系统信息对应的基本概率分配,即第二证据体;
判断所述第一证据体和第二证据体之间是否存在冲突;
若第一证据体和第二证据体之间不存在冲突,则利用D-S证据理论进行第一证据体和第二证据体的融合,形成配电网的故障假说可信度;
若第一证据体和第二证据体之间存在冲突,则对第一证据体和第二证据体进行基于可信度的修改,并利用D-S证据理论进行修改后的第一证据体和第二证据体的融合,形成配电网的故障假说可信度;
其中,所述配电网的故障假说可信度为最大值时对应的故障假说即为配电网的故障区间。
优选地,所述得到配电自动化终端信息对应的基本概率分配为:
构造实际收到配电自动化终端故障信息与期望故障信息之间差异的适应度函数;
利用粒子群算法BPSO对所述适应度函数进行优化求解,记录每一次迭代中适应度最小的前N个粒子,并与前一次迭代中适应度最小的前N个粒子进行对比,保留到目前为止最优的N个粒子;
当BPSO的优化求解结果满足收敛精度时,输出保留的N个粒子的值及其对应的浓度,得到配电自动化终端信息对应的基本概率分配,即第一证据体。
优选地,所述得到用电信息采集系统信息对应的基本概率分配为:
构造实际收到用电信息采集系统故障信息与期望故障信息之间差异的适应度函数;
利用粒子群算法BPSO对所述适应度函数进行优化求解,记录每一次迭代中适应度最小的前N个粒子,并与前一次迭代中适应度最小的前N个粒子进行对比,保留到目前为止最优的N个粒子;
当BPSO的优化求解结果满足收敛精度时,输出保留的N个粒子的值及其对应的浓度,得到用电信息采集系统信息对应的基本概率分配,即第二证据体。
优选地,判断所述第一证据体和第二证据体之间是否存在冲突为:
计算归一化常数K,且K∈[0,1],并设定归一化常数阈值KC为0.2;
当K≥KC时,则第一证据体和第二证据体之间不存在冲突;
当K<KC时,第一证据体和第二证据体之间存在冲突。
优选地,对第一证据体和第二证据体进行基于可信度的修改为,将可信度μ1、μ2作为修正系数修改原始证据体,μ1、μ2的值分别取为0.3、0.7。
优选地,所述优化结果满足收敛精度为,最优的N个粒子保持M代不改变或达到最大迭代次数。
优选地,所述浓度为最优的N个粒子在整个迭代过程中所出现的次数。
根据本发明的另一方面,提出一种基于多源信息融合的配电网故障区段定位系统,包括:
配电自动化终端信息获取单元,用于获取配电自动化终端检测到的故障信息,并计算配电自动化终端信息对应的基本概率分配,即第一证据体;
用电信息采集系统信息获取单元,用于获取用电信息采集系统检测到的故障信息,并计算用电信息采集系统信息对应的基本概率分配,即第二证据体;
归一化常数计算单元,用于计算归一化常数,并判断第一证据体和第二证据体之间是否存在冲突,若第一证据体和第二证据体之间存在冲突,则对第一证据体和第二证据体进行基于可信度的修改;以及
故障区间判断单元,利用D-S证据理论进行第一证据体和第二证据体的融合,形成配电网的故障假说可信度;
其中,所述配电网的故障假说可信度为最大值时对应的故障假说即为配电网的故障区间。
本发明所涉及的方法避免了使用单一故障信息源的局限性,在关键位置的配电自动化终端上传信息错误或者漏报的情况下,利用D-S证据理论将配电自动化终端信息和用电信息采集系统信息进行融合,最终得到故障区段,提高了配电网故障区段定位的准确性。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明优选实施方式的配电网故障区段定位方法的流程图;
图2为根据本发明优选实施方式的配电自动化终端信息对应的基本概率分配的流程图;
图3为根据本发明优选实施方式的用电信息采集系统信息对应的基本概率分配的流程图;以及
图4为根据本发明优选实施方式的配电网故障区段定位系统的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的配电网故障区段定位方法的流程图。本方法首先通过获取配电自动化终端和用电信息采集系统检测到的故障信息,然后通过计算得到相对应的基本概率分配,即第一证据体和第二证据体,随后判断二者之间是否冲突,并根据判断结果进行判断是否需要对第一证据体和第二证据体进行修改,若需要则进行基于可信度的修改随后进行融合,形成配电网可信度,若不需要修改,则直接进行融合,形成配电网故障假说可信度,当配电网故障假说可信度为最大值时对应的故障假说即为配电网的故障区间。
如图1所示,配电网故障区段定位方法100从步骤101开始,在步骤101中,首先获取配电自动化终端检测到的故障信息,并构建实际收到配电自动化终端故障信息与期望故障信息之间差异的适应度函数,然后通过粒子群算法进行优化求解,当优化求解结果满足收敛精度时,输出保留的N个粒子的值及其对应的浓度,得到配电自动化终端信息对应的基本概率分配,即第一证据体。
在步骤102中,首先获取用电信息采集系统检测到的故障信息,并构造实际收到用电信息采集系统故障信息与期望故障信息之间差异的适应度函数,然后通过粒子群算法进行优化求解,当优化求解结果满足收敛精度时,输出保留的N个粒子的值及其对应的浓度,得到用电信息采集系统信息对应的基本概率分配,即第二证据体。
在步骤103中,判断第一证据体和第二证据体之间是否存在冲突。判断方法为,首先计算归一化常数K,其表达式为:
其中,K∈[0,1],m1(B)和m2(C)分别表示由配电自动化终端信息和用电信息采集系统形成的故障假说可信度,B和C分别表示为配电自动化终端信息和用电信息采集系统信息对应的基本概率函数中出现故障位置的集合。并且,设归一化常数阈值KC为0.2。
若K≥KC时,则第一证据体和第二证据体之间不存在冲突,进行步骤104;若K<KC时,第一证据体和第二证据体之间存在冲突,进行步骤105。
在步骤104中,第一证据体和第二证据体之间不存在冲突,直接利用D-S证据理论进行第一证据体和第二证据体的融合,形成配电网的故障假说可信度m(A),其具体实施方式为:
当配电网的故障假说可信度m(A)为最大值时对应的故障假说即为配电网的故障区间。
在步骤105中,第一证据体和第二证据体之间存在冲突,对第一证据体和第二证据体进行基于可信度的修改,将可信度μ1、μ2作为修正系数修改原始证据体,具体实现方式为:
其中,m1(ri)为配电自动化终端信息对应的基本概率分配函数,m1'(ri)为经过修正的配电自动化终端信息对应的基本概率分配函数;m2(ri)为用电信息采集系统信息对应的基本概率分配函数,m'2(ri)为修正后的用电信息采集系统信息对应的基本概率分配函数;N为经过粒子群算法优化求解后输出的粒子个数。
在步骤106中,利用D-S证据理论进行修正后的第一证据体和第二证据体的融合,形成配电网的故障假说可信度m(A),其具体实施方式与步骤104中相同,在此不再重复赘述。
图2为根据本发明优选实施方式的配电自动化终端信息对应的基本概率分配的流程图。如图2所示,方法200从步骤201开始,在步骤201中,首先构造一个反映实际收到配电自动化终端故障信息与期望故障信息之间差异的适应度函数,在本发明中采用的适度函数为:
其中,R为粒子群中的单个粒子矢量,代表配电网各区段的状态构成的解向量,R(i)表示单个粒子的每一位位置量,取值为“1”表示该区段发生故障,位置为“0”表示该区段正常,F1(R)为粒子群中每个粒子的适应度,N1、N2分别为区段数和配电终端的数量,Ij为配电终端实际上传的故障信息,取值为1表示该节点产流过故障电流,取0表示未流过故障电流。代表由各粒子确定的配电终端的信息,其表达式为代表发生的故障区段总数,λ为权重系数取0.5,Π代表连或运算,Di代表位于配电终端j下游所有设备故障信息的集合。
在步骤202中,利用粒子群算法BPSO对所述适应度函数进行优化求解,具体实施方式如下:
对于BPSO,其速度矢量、位置矢量的更新公式为:
其中,分别是粒子i第T+1代第m位的速度和位置值,ω=0.5是惯性因子,c1、c2是加速因子,Pbest、Gbest是粒子自身和群体历代的最优值,r1、r2、rim是随机产生的介于[0,1]之间的随机数。
在每一次迭代中,通过计算每个粒子的适度值,与当前个体极值Pbest进行对比,如果当前粒子的适度值优于当前的个体极值Pbest,则更新个体极值;如果个体极值中的最好值优于当前的全体极值,则更新全体极值Gbest。每一次迭代中,都记录适应度最小的前N个粒子,然后将当前记录与上一代的记录值进行比较与更新,更新到目前为止最优的粒子,也就是保留到当前迭代中最优的N个粒子。
同时,为了防止饱和影响,设置Sigmoid函数为:
其中,Vmax为粒子速度的设定最大值,v为粒子速度。
在步骤203中,当BPSO算法的优化结果满足收敛条件的时候,即最优粒子保持M代不变或者达到最大迭代次数时,输出保留的N个粒子极其相对应的浓度,进行归一化处理后即可以得到配电自动化终端信息形成的基本概率分配:
其中,m1(ri)为配电自动化终端信息对应的基本概率分配函数,ri为迭代过程中保留的粒子群中的粒子,N为所选最优粒子的个数。
图3为根据本发明优选实施方式的用电信息采集系统信息对应的基本概率分配的流程图。如图3所示,方法300从步骤301开始,在步骤301中,首先构造一个反映实际收到用电信息采集系统故障信息与期望故障信息之间差异的适应度函数,在本发明中采用的适度函数为:
其中,F2(R)为利用用电信息采集系统信息计算的粒子群中每个粒子的适应度,N3为用电区域中负荷点的数量,Hj为负荷点的相关信息,“0”代表负荷点工作正常,“1”代表无法召测该负荷点的电压或电压超出阈值,代表由各粒子矢量确定的负荷点的信息,其表达式为Li代表位于电源到负荷点Hj的最小通路所经过各区段所对应的状态,取值为“1”表示对应区段上发生故障,若无故障则取值为“0”,第二项等式的含义为当负荷点的最小通路上任一区段发生故障时,该负荷点召测的信息即为“1”,否则为“0”。
在步骤302中,利用粒子群算法BPSO对所述适应度函数进行优化求解,具体实施方式如下:
对于BPSO,其速度矢量、位置矢量的更新公式为:
其中,分别是粒子i第T+1代第m位的速度和位置值,ω=0.5是惯性因子,c1、c2是加速因子,Pbest、Gbest是粒子自身和群体历代的最优值,r1、r2、rim是随机产生的介于[0,1]之间的随机数。
在每一次迭代中,通过计算每个粒子的适度值,与当前个体极值Pbest进行对比,如果当前粒子的适度值优于当前的个体极值Pbest,则更新个体极值;如果个体极值中的最好值优于当前的全体极值,则更新全体极值Gbest。每一次迭代中,都记录适应度最小的前N个粒子,然后将当前记录与上一代的记录值进行比较与更新,更新到目前为止最优的粒子,也就是保留到当前迭代中最优的N个粒子。
同时,为了防止饱和影响,设置Sigmoid函数为:
其中,Vmax为粒子速度的设定最大值,v为粒子速度。
在步骤303中,当BPSO算法的优化结果满足收敛条件的时候,即最优粒子保持M代不变或者达到最大迭代次数时,输出保留的N个粒子极其相对应的浓度,进行归一化处理后即可以得到用电信息采集系统信息形成的基本概率分配:
其中,m2(ri)为用电信息采集系统信息对应的基本概率分配函数,ri为迭代过程中保留的粒子群中的粒子,N为所选最优粒子的个数。
图4为根据本发明优选实施方式的配电网故障区段定位系统的结构图。如图4所示,配电网故障区段定位系统400包括配电自动化终端信息获取单元401、用电信息采集系统信息获取单元402、归一化常数计算单元403以及故障区间判断单元404。
优选地,配电自动化终端信息获取单元401用于获取配电自动化终端检测到的故障信息,并计算配电自动化终端信息对应的基本概率分配,即第一证据体。
优选地,用电信息采集系统信息获取单元402用于获取用电信息采集系统检测到的故障信息,并计算用电信息采集系统信息对应的基本概率分配,即第二证据体。
优选地,归一化常数计算单元403用于计算归一化常数,并判断第一证据体和第二证据体之间是否存在冲突,若第一证据体和第二证据体之间存在冲突,则对第一证据体和第二证据体进行基于可信度的修改。
优选地,故障区间判断单元404利用D-S证据理论进行第一证据体和第二证据体的融合,形成配电网的故障假说可信度。
其中,所述配电网的故障假说可信度为最大值时对应的故障假说即为配电网的故障区间。
本发明的优选实施例配电网故障区段定位系统400与本发明的另一优选实施例配电网故障区段定位方法100一一对应,在此不详细赘述。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
Claims (8)
1.一种基于多源信息融合的配电网故障区段定位方法,包括:
获取配电自动化终端检测到的故障信息,并得到配电自动化终端信息对应的基本概率分配,即第一证据体;
获取用电信息采集系统检测到的故障信息,并得到用电信息采集系统信息对应的基本概率分配,即第二证据体;
判断所述第一证据体和第二证据体之间是否存在冲突;
若第一证据体和第二证据体之间不存在冲突,则利用D-S证据理论进行第一证据体和第二证据体的融合,形成配电网的故障假说可信度;
若第一证据体和第二证据体之间存在冲突,则对第一证据体和第二证据体进行基于可信度的修改,并利用D-S证据理论进行修改后的第一证据体和第二证据体的融合,形成配电网的故障假说可信度;
其中,所述配电网的故障假说可信度为最大值时对应的故障假说即为配电网的故障区间。
2.根据权利要求1所述的方法,其特征在于,所述得到配电自动化终端信息对应的基本概率分配为:
构造实际收到配电自动化终端故障信息与期望故障信息之间差异的适应度函数;
利用粒子群算法BPSO对所述适应度函数进行优化求解,记录每一次迭代中适应度最小的前N个粒子,并与前一次迭代中适应度最小的前N个粒子进行对比,保留到目前为止最优的N个粒子;
当BPSO的优化求解结果满足收敛精度时,输出保留的N个粒子的值及其对应的浓度,得到配电自动化终端信息对应的基本概率分配,即第一证据体。
3.根据权利要求1所述的方法,其特征在于,所述得到用电信息采集系统信息对应的基本概率分配为:
构造实际收到用电信息采集系统故障信息与期望故障信息之间差异的适应度函数;
利用粒子群算法BPSO对所述适应度函数进行优化求解,记录每一次迭代中适应度最小的前N个粒子,并与前一次迭代中适应度最小的前N个粒子进行对比,保留到目前为止最优的N个粒子;
当BPSO的优化求解结果满足收敛精度时,输出保留的N个粒子的值及其对应的浓度,得到用电信息采集系统信息对应的基本概率分配,即第二证据体。
4.根据权利要求1所述的方法,其特征在于,判断所述第一证据体和第二证据体之间是否存在冲突为:
计算归一化常数K,且K∈[0,1],并设定归一化常数阈值KC为0.2;
当K≥KC时,则第一证据体和第二证据体之间不存在冲突;
当K<KC时,第一证据体和第二证据体之间存在冲突。
5.根据权利要求1所述的方法,其特征在于,对第一证据体和第二证据体进行基于可信度的修改为,将可信度μ1、μ2作为修正系数修改原始证据体,μ1、μ2的值分别取为0.3、0.7。
6.根据权利要求2或3所述的方法,其特征在于,所述优化结果满足收敛精度为,最优的N个粒子保持M代不改变或达到最大迭代次数。
7.根据权利要求2或3所述的方法,其特征在于,所述浓度为最优的N个粒子在整个迭代过程中所出现的次数。
8.一种基于多源信息融合的配电网故障区段定位系统,包括:
配电自动化终端信息获取单元,用于获取配电自动化终端检测到的故障信息,并计算配电自动化终端信息对应的基本概率分配,即第一证据体;
用电信息采集系统信息获取单元,用于获取用电信息采集系统检测到的故障信息,并计算用电信息采集系统信息对应的基本概率分配,即第二证据体;
归一化常数计算单元,用于计算归一化常数,并判断第一证据体和第二证据体之间是否存在冲突,若第一证据体和第二证据体之间存在冲突,则对第一证据体和第二证据体进行基于可信度的修改;以及
故障区间判断单元,利用D-S证据理论进行第一证据体和第二证据体的融合,形成配电网的故障假说可信度;
其中,所述配电网的故障假说可信度为最大值时对应的故障假说即为配电网的故障区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710198366.8A CN106841928B (zh) | 2017-03-29 | 2017-03-29 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710198366.8A CN106841928B (zh) | 2017-03-29 | 2017-03-29 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106841928A true CN106841928A (zh) | 2017-06-13 |
CN106841928B CN106841928B (zh) | 2021-05-28 |
Family
ID=59141525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710198366.8A Active CN106841928B (zh) | 2017-03-29 | 2017-03-29 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106841928B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107091972A (zh) * | 2017-07-05 | 2017-08-25 | 东南大学 | 一种基于改进粒子群的有源配电网故障定位方法 |
CN107991580A (zh) * | 2017-11-27 | 2018-05-04 | 山东大学 | 基于关联权重离散性多源信息的配电网故障定位方法 |
CN108152673A (zh) * | 2017-12-15 | 2018-06-12 | 国网江苏省电力有限公司南京供电分公司 | 一种利用多源数据的主动配电网故障分层定位方法 |
CN108761263A (zh) * | 2018-05-24 | 2018-11-06 | 深圳大图科创技术开发有限公司 | 一种基于证据理论的故障诊断系统 |
CN110674950A (zh) * | 2019-09-25 | 2020-01-10 | 国网山东省电力公司日照供电公司 | 基于多源信息的配电网故障定位方法 |
CN110988596A (zh) * | 2019-12-11 | 2020-04-10 | 国网山东省电力公司日照供电公司 | 一种新型主动配电网故障区段定位方法 |
CN111044843A (zh) * | 2019-11-13 | 2020-04-21 | 广西电网有限责任公司 | 一种基于多源数据的输电线路故障定位方法 |
CN112924812A (zh) * | 2021-01-28 | 2021-06-08 | 深圳供电局有限公司 | 一种基于证据理论的电力终端错误数据辨识方法 |
CN113159138A (zh) * | 2021-04-01 | 2021-07-23 | 北京市燃气集团有限责任公司 | 一种基于数据融合的燃气锅炉故障诊断方法及装置 |
CN113191062A (zh) * | 2021-04-13 | 2021-07-30 | 云南电网有限责任公司昆明供电局 | 基于多源不完整信息的配电网故障区段定位方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130282336A1 (en) * | 2010-12-27 | 2013-10-24 | Hitachi, Ltd. | Anomaly Sensing and Diagnosis Method, Anomaly Sensing and Diagnosis System, Anomaly Sensing and Diagnosis Program and Enterprise Asset Management and Infrastructure Asset Management System |
CN103871004A (zh) * | 2014-03-31 | 2014-06-18 | 国家电网公司 | 基于专家系统和d-s证据理论的配电网故障原因分析法 |
CN104899353A (zh) * | 2015-05-05 | 2015-09-09 | 浙江工业大学 | 一种基于证据理论的电能质量扰动源定位方法 |
CN104931857A (zh) * | 2015-06-25 | 2015-09-23 | 山东大学 | 一种基于d-s证据理论的配电网故障定位方法 |
CN106447210A (zh) * | 2016-10-10 | 2017-02-22 | 国家电网公司 | 一种计及可信度评价的配网设备健康度动态诊断方法 |
-
2017
- 2017-03-29 CN CN201710198366.8A patent/CN106841928B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130282336A1 (en) * | 2010-12-27 | 2013-10-24 | Hitachi, Ltd. | Anomaly Sensing and Diagnosis Method, Anomaly Sensing and Diagnosis System, Anomaly Sensing and Diagnosis Program and Enterprise Asset Management and Infrastructure Asset Management System |
CN103871004A (zh) * | 2014-03-31 | 2014-06-18 | 国家电网公司 | 基于专家系统和d-s证据理论的配电网故障原因分析法 |
CN104899353A (zh) * | 2015-05-05 | 2015-09-09 | 浙江工业大学 | 一种基于证据理论的电能质量扰动源定位方法 |
CN104931857A (zh) * | 2015-06-25 | 2015-09-23 | 山东大学 | 一种基于d-s证据理论的配电网故障定位方法 |
CN106447210A (zh) * | 2016-10-10 | 2017-02-22 | 国家电网公司 | 一种计及可信度评价的配网设备健康度动态诊断方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107091972A (zh) * | 2017-07-05 | 2017-08-25 | 东南大学 | 一种基于改进粒子群的有源配电网故障定位方法 |
CN107091972B (zh) * | 2017-07-05 | 2019-06-04 | 东南大学 | 一种基于改进粒子群的有源配电网故障定位方法 |
CN107991580A (zh) * | 2017-11-27 | 2018-05-04 | 山东大学 | 基于关联权重离散性多源信息的配电网故障定位方法 |
CN107991580B (zh) * | 2017-11-27 | 2019-05-21 | 山东大学 | 基于关联权重离散性多源信息的配电网故障定位方法 |
CN108152673A (zh) * | 2017-12-15 | 2018-06-12 | 国网江苏省电力有限公司南京供电分公司 | 一种利用多源数据的主动配电网故障分层定位方法 |
CN108761263A (zh) * | 2018-05-24 | 2018-11-06 | 深圳大图科创技术开发有限公司 | 一种基于证据理论的故障诊断系统 |
CN108761263B (zh) * | 2018-05-24 | 2021-03-12 | 中电华创(苏州)电力技术研究有限公司 | 一种基于证据理论的故障诊断系统 |
CN110674950A (zh) * | 2019-09-25 | 2020-01-10 | 国网山东省电力公司日照供电公司 | 基于多源信息的配电网故障定位方法 |
CN111044843A (zh) * | 2019-11-13 | 2020-04-21 | 广西电网有限责任公司 | 一种基于多源数据的输电线路故障定位方法 |
CN111044843B (zh) * | 2019-11-13 | 2023-09-19 | 广西电网有限责任公司 | 一种基于多源数据的输电线路故障定位方法 |
CN110988596A (zh) * | 2019-12-11 | 2020-04-10 | 国网山东省电力公司日照供电公司 | 一种新型主动配电网故障区段定位方法 |
CN110988596B (zh) * | 2019-12-11 | 2022-02-11 | 国网山东省电力公司日照供电公司 | 一种新型主动配电网故障区段定位方法 |
CN112924812A (zh) * | 2021-01-28 | 2021-06-08 | 深圳供电局有限公司 | 一种基于证据理论的电力终端错误数据辨识方法 |
CN112924812B (zh) * | 2021-01-28 | 2023-03-14 | 深圳供电局有限公司 | 一种基于证据理论的电力终端错误数据辨识方法 |
CN113159138A (zh) * | 2021-04-01 | 2021-07-23 | 北京市燃气集团有限责任公司 | 一种基于数据融合的燃气锅炉故障诊断方法及装置 |
CN113191062A (zh) * | 2021-04-13 | 2021-07-30 | 云南电网有限责任公司昆明供电局 | 基于多源不完整信息的配电网故障区段定位方法及系统 |
CN113191062B (zh) * | 2021-04-13 | 2024-01-09 | 云南电网有限责任公司昆明供电局 | 基于多源不完整信息的配电网故障区段定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106841928B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106841928A (zh) | 一种基于多源信息融合的配电网故障区段定位方法及系统 | |
Weerakkody et al. | A graph-theoretic characterization of perfect attackability for secure design of distributed control systems | |
CN101588263B (zh) | 一种评估电力通信网可靠性的方法 | |
CN103840967B (zh) | 一种电力通信网中故障定位的方法 | |
CN106229964A (zh) | 一种基于改进二进制粒子群算法的配电网故障定位方法 | |
Demertzis et al. | An innovative soft computing system for smart energy grids cybersecurity | |
CN103106279A (zh) | 一种同时基于节点属性以及结构关系相似度的聚类方法 | |
CN105678337B (zh) | 一种智能变电站故障诊断中的信息融合方法 | |
Wang et al. | Communication reliability analysis of wireless sensor networks using phased‐mission model | |
Zhao et al. | Towards controller placement problem for software‐defined network using affinity propagation | |
CN105954650B (zh) | 配电网故障定位方法和系统 | |
Liu et al. | Using trust in distributed consensus with adversaries in sensor and other networks | |
Mukherjee et al. | Application of deep learning for power system state forecasting | |
Asef et al. | Siems: A secure intelligent energy management system for industrial iot applications | |
Yang et al. | Supervisory fault tolerant control with integrated fault detection and isolation: A switched system approach | |
CN109211242A (zh) | 一种融合rrt与蚁群算法的三维空间多目标路径规划方法 | |
Agarwal et al. | Code coverage using intelligent water drop (IWD) | |
Jamali et al. | Fault localization algorithm in computer networks by employing a genetic algorithm | |
Krivulya et al. | An intelligent functional diagnostics of wireless sensor network | |
De Sousa et al. | Event detection framework for wireless sensor networks considering data anomaly | |
CN113987718B (zh) | 一种基于多目标粒子群优化的产品变更方案设计方法 | |
CN114721860A (zh) | 一种基于图神经网络的微服务系统故障定位方法 | |
Jirdehi et al. | State Estimation in Electric Power Systems Based on Adaptive Neuro-Fuzzy System Considering Load Uncertainty and False Data. | |
Vafamand et al. | Fuzzy EKF-Based Intrusion Detection and Accurate State Estimation of Interconnected DC MGs With CPLs | |
Lu et al. | Uncertainty handling in bilevel optimization for robust and reliable solutions |
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 |