CN107451675A - 一种基于大数据提升供电可靠性的系统及方法 - Google Patents
一种基于大数据提升供电可靠性的系统及方法 Download PDFInfo
- Publication number
- CN107451675A CN107451675A CN201710472959.9A CN201710472959A CN107451675A CN 107451675 A CN107451675 A CN 107451675A CN 201710472959 A CN201710472959 A CN 201710472959A CN 107451675 A CN107451675 A CN 107451675A
- Authority
- CN
- China
- Prior art keywords
- power supply
- supply reliability
- power
- reliability
- power failure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012423 maintenance Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims description 25
- 230000008439 repair process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000205 computational method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010068052 Mosaicism Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000003765 sex chromosome Anatomy 0.000 description 1
- 230000009466 transformation 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出一种基于大数据提升供电可靠性的系统及方法。基于大数据分析对供电停电事件相关的停电用户、停电时长、停电原因、停电计划、采集终端、天气、停电设备、设备寿命、设备质量、月份/季节等多方面原因进行分析,得出不同影响因素对供电可靠性的影响比重,并随着电网的持续发展定期更新。根据不同时间段的影响比重进行供电可靠性预测,以及按照国网公司下发至省市公司的月度可靠性指标目标值及波动区间,指导供电停电计划及检修等工作安排,从而达到提升供电可靠性的目的。
Description
技术领域
本发明涉及电力可靠性优化技术领域,尤其涉及一种提升供电可靠性的系统及方法。
背景技术
配电系统处于电力系统末端,把电源系统或输变电系统与用户设施连接起来,是向用户分配电能和供应电能的重要环节。由于电力生产具有发、供、用同时性的特点,一旦配电系统设备发生故障或进行检修,就会同时造成整个系统对用户供电的中断;而且配电网大多采用辐射式网状结构,对单故障比较敏感,因此故障发生率也较高;因此,提升配电网的可靠性对提高电力系统供电质量和用户满意度有极其重要的意义。
然而目前供电可靠性管理主要通过结合历史同比、环比可靠性统计结果,以及近期供电停电计划对下个月的供电可靠性进行预估。而这种方式是通过主观分析判断得出,缺少客观因素的有效支撑。
上海合泽电力工程设计咨询有限公司发明一种为配电网提升供电可靠性的计算系统及计算方法(CN201510749949.6):此发明通过对供电可靠性相关历史数据进行分析计算,突出影响供电可靠性的问题,针对性制定可靠性提升方案,并对提升方案的技术性、经济性问题整体评估择出最优方案。
国家电网公司发明一种提高供电可靠性的方法(CN201410602628.9):此发明通过分析供电可靠性现状指标及各影响因素之间的关联性,及各因素对可靠性指标的影响程度,构建完整、系统的影响因素体系,并依此挖掘现状可靠性薄弱环节。
然而,这些现有技术侧重于通过数据分析发现问题,从而制定针对性提升工作方案,以达到提升供电可靠性的目的。缺乏对于供电可靠性预测、缺少完整、系统的提升整体管控方面体系及方法。
发明内容
本发明的目的就是为了解决缺乏供电可靠性预测,缺少完整、系统的提升整体管控系统及方法的问题。本发明提出一种基于大数据提升供电可靠性的系统及方法。基于大数据分析对供电停电事件相关的停电用户、停电时长、停电原因、停电计划、采集终端、天气、停电设备、设备寿命、设备质量、月份/季节等多方面原因进行分析,得出不同影响因素对供电可靠性的影响比重,并随着电网的持续发展定期更新。根据不同时间段的影响比重进行供电可靠性预测,以及按照国网公司下发至省市公司的月度可靠性指标目标值及波动区间,指导供电停电计划及检修等工作安排,从而达到提升供电可靠性的目的。
基于大数据分析的供电可靠性提升系统及方法以不同业务系统、不同专业的数据为基础,建立供电可靠性影响因素体系和设备综合评估规则,通过对故障多发、频发设备的检修以及停电计划的合理安排实现管理提升供电可靠性的目的。为实现上述目的,所述系统流程如图1所示。本发明采用如下技术方案:具体过程如下:
步骤一,系统启动开始模块。
步骤二,进行数据获取:通过用电信息采集系统、生产管理系统、外部气象系统采集相关数据,获取供电可靠性相关停电事件、停电用户、停电设备、天气等信息。
步骤三,影响比重分析:通过对采集的大量历史数据进行关联分析,计算得出不同时间段内不同影响因素对供电可靠性的影响比重;设备综合评估:通过分析历史供电停电事件停电原因、停电设备,关联设备投运日期、设备厂家等信息,进行设备综合评估。
步骤四,影响因素体系构建:根据影响比重分析结果,生成、构建供电可靠性影响因素体系;
优选的,检修优先级规则:根据设备综合评估结果,按照投运日期、设备故障发生频率、次数建立设备检修优先级规则,优先安排故障多发、频发设备的检修工作。
步骤五,供电可靠性预测:根据供电可靠性影响因素体系,设备综合评估结果,外部天气数据、停电计划等数据进行供电可靠性预测。
优选的,供电可靠性预测按照供电可靠性计算方法(如图4所示),对不同原因造成的停电,根据历史相同停电原因及规模的停电事件停电时长,对涉及停电线路、停电线段、停电用户、停电时长进行统计,根据影响因素比重计算得出最终供电可靠率波动区间。具体过程如下:
(1)获取气象数据,分析气象影响范围及设备;
(2)根据当前设备使用情况、运行维护情况计算设备故障概率;
(3)获取供电线路接线图及线路分段数据,供电用户所属线段关联数据;
(4)根据历史相同停电原因停电事件停电时长,分析停电时长区间;
(5)按照停电事件发生原因及影响因素比重,计算得出供电停电事件预测总时长区间;
(6)统计停电检修计划停电总时长,加上停电事件预测总时长区间最小值,按照供电可靠率计算公式,得出供电可靠率最小值;
(7)停电检修计划停电总时长,加上停电事件预测总时长区间最大值,按照供电可靠率计算公式,得出供电可靠率最大值;
(8)根据计算得出的供电可靠率最小值、最大值,得出供电可靠率区间,即最终预测结果。
步骤六,根据设备综合评估结果,按照投运日期、设备故障发生频率、次数建立设备检修优先级规则,优先安排故障多发、频发设备的检修工作;
步骤七,按照国家电网公司下达的供电可靠性月度目标值、可靠性预测结果,结合设备综合评估结果、设备检修优先级规则,安排检修计划。
步骤八,系统启动结束模块。
本发明包括以下功能:
数据集成:供电可靠性影响因素涉及数据包括供电停电事件、供电用户、停电计划、停电原因、设备、采集终端、天气等数据,涉及多个系统,此功能用于定期自动从相关系统获取数据;
供电可靠性影响比重分析;通过构建完整的供电可靠性影响因素体系,按照月、季、年分析计算各种因素在不同时间段的影响比重;
供电可靠性影响因素体系构建:根据影响比重分析结果建立不同时间段的影响因素体系;
设备综合评估:根据设备寿命、历史设备停电事件、故障、投运时间等进行设备综合评估;
设备检修优先级规则:按照故障发生频率、次数等建立设备检修优先级规则;
供电可靠性预测:根据时间段选取相应的影响因素体系,结合分析周期内的天气情况、停电计划、设备寿命、设备厂家进行供电可靠性预测;
检修计划安排:根据国家电网公司下达的供电可靠性月度目标值、可靠性预测结果,结合设备综合评估结果,分析得出检修计划安排优先级。
本发明的有益效果是构建了完整、系统的供电可靠性影响比重体系,为供电可靠性分析、预测提供支撑。通过对设备台账进行分析,关联历史停电事件,建立设备检修优先级规则,指导用户在正确时段内开展检修工作。过供电可靠性影响比重分析和设备检修优先级规则处理,结合外部天气数据、检修计划实现供电可靠性指标预测;在以保证供电可靠性的前提下,根据国网公司下达的供电可靠性目标值,集合设备检修优先级规则,合理安排检修工作,以达到供电可靠性可控及提升的目的。
附图说明
图1提升供电可靠性方法的技术路线图
图2设备综合评估流程图。
图3供电可靠性影响因素框架图。
图4供电可靠性预测技术路线图。
具体实施方式
下面结合附图1与实施例对本发明做出进一步说明,一种基于大数据提升供电可靠性的系统及方法,采用如下步骤:
基于大数据分析的供电可靠性提升系统及方法以不同业务系统、不同专业的数据为基础,建立供电可靠性影响因素体系和设备综合评估规则,通过对故障多发、频发设备的检修以及停电计划的合理安排实现管理提升供电可靠性的目的。具体过程如下:
步骤一,系统启动开始模块。
步骤二,进行数据获取:通过用电信息采集系统、生产管理系统、外部气象系统采集相关数据,获取供电可靠性相关停电事件、停电用户、停电设备、天气等信息。
步骤三,影响比重分析:通过对采集的大量历史数据进行关联分析,计算得出不同时间段内不同影响因素对供电可靠性的影响比重;设备综合评估:通过分析历史供电停电事件停电原因、停电设备,关联设备投运日期、设备厂家等信息,进行设备综合评估。
其中设备综合评估包括历史停运次数、历史停运频率、历史停运原因、设备投运时间四方面。具体详见附图2。
步骤四,影响因素体系构建:根据影响比重分析结果,生成、构建供电可靠性影响因素体系;
检修优先级规则:根据设备综合评估结果,按照投运日期、设备故障发生频率、次数建立设备检修优先级规则,优先安排故障多发、频发设备的检修工作。
其中影响因素如附图3,包括预安排停电、故障/事故停电、用户工程、错峰限电四大方面。
所述预安排停电包括:
(1)计划检修;
(2)临时检修;
(3)计划施工;
(4)用户计划申请停电;
(5)供电网限电;
(6)调电;
(7)低压作业影响。
所述故障/事故停电包括考虑如下因素:
(1)设计施工考虑包括:规划、设计不周和施工安装两个原因;
(2)设备原因:包括考虑产品质量不良,设备老化两个原因;
(3)运行维护:包括考虑检修试验质量原因、运行管理原因;
(4)外力因素包括考虑:
责任原因不清、
交通车辆破坏、
动物因素、
盗窃、
异物短路、
外部施工影响、
其他外力因素;
(5)自然灾害:雷害、大风大雨、其他气候因素;
(6)用户影响包括考虑:
10(20、6)kV馈线系统设施故障、
10(20、6)kV母线系统设施故障、
35kV设施故障、
66kV设施故障、
110kV设施故障、
220kV及以上电压等级设施故障、
外部电网设施故障、
低压设施故障、
发电设施故障。
步骤五,供电可靠性预测流程步骤详见附图4:根据供电可靠性影响因素体系,气象数据、设备故障概率分析、供电线路分段情况、用户所属线段划分,外部天气数据、停电计划等数据进行供电可靠性预测;检修计划安排:按照国家电网公司下达的供电可靠性月度目标值、可靠性预测结果,结合设备综合评估结果、设备检修优先级规则,安排检修计划。
其中,供电可靠性预测按照供电可靠性计算方法如附图4,对不同原因造成的停电,根据历史相同停电原因及规模的停电事件停电时长,对涉及停电线路、停电线段、停电用户、停电时长进行统计,根据影响因素比重计算得出最终供电可靠率波动区间。
具体过程如下:
(1)获取气象数据,分析气象影响范围及设备;
(2)根据当前设备使用情况、运行维护情况计算设备故障概率;
(3)获取供电线路接线图及线路分段数据,供电用户所属线段关联数据;
(4)根据历史相同停电原因停电事件停电时长,分析停电时长区间;
(5)按照停电事件发生原因及影响因素比重,计算得出供电停电事件预测总时长区间;
(6)统计停电检修计划停电总时长,加上停电事件预测总时长区间最小值,按照供电可靠率计算公式,得出供电可靠率最小值;
(7)停电检修计划停电总时长,加上停电事件预测总时长区间最大值,按照供电可靠率计算公式,得出供电可靠率最大值;
(8)根据计算得出的供电可靠率最小值、最大值,得出供电可靠率区间,即最终预测结果。
步骤六,比对国网公司下达的供电可靠性目标值,集合设备检修优先级规则,合理安排检修工作,提升供电可靠性。
步骤七,按照国家电网公司下达的供电可靠性月度目标值、可靠性预测结果,结合设备综合评估结果、设备检修优先级规则,安排检修计划。
步骤八,系统启动结束模块。
通过该系统比对国网公司下达的供电可靠性目标值,集合设备检修优先级规则,合理安排检修工作,从而最大程度的提升供电可靠性。根据不同时间段的影响比重进行供电可靠性预测,以及按照国网公司下发至省市公司的月度可靠性指标目标值及波动区间,指导供电停电计划及检修等工作安排,已达到供电可靠性管理提升的目的。
Claims (10)
1.一种基于大数据提升供电可靠性的系统及方法,其特征在于,该系统包括八个步骤:
步骤一,系统启动开始模块。
步骤二,进行数据获取:通过用电信息采集系统、生产管理系统、外部气象系统采集相关数据,获取供电可靠性相关停电事件、停电用户、停电设备、天气等信息。
步骤三,影响比重分析:通过对采集的大量历史数据进行关联分析,计算得出不同时间段内不同影响因素对供电可靠性的影响比重;设备综合评估:通过分析历史供电停电事件停电原因、停电设备,关联设备投运日期、设备厂家等信息,进行设备综合评估。
步骤四,影响因素体系构建:根据影响比重分析结果,生成、构建供电可靠性影响因素体系;
步骤五,供电可靠性预测:根据供电可靠性影响因素体系,设备综合评估结果,外部天气数据、停电计划等数据进行供电可靠性预测。
步骤六,根据设备综合评估结果,按照投运日期、设备故障发生频率、次数建立设备检修优先级规则,优先安排故障多发、频发设备的检修工作;
步骤七,按照国家电网公司下达的供电可靠性月度目标值、可靠性预测结果,结合设备综合评估结果、设备检修优先级规则,安排检修计划。
步骤八,系统启动结束模块。
2.如权利要求1所述一种基于大数据提升供电可靠性的系统及方法,其特征在于,所述步骤3中设备综合评估包括历史停运次数、历史停运频率、历史停运原因、设备投运时间四方面。
3.如权利要求1所述一种基于大数据提升供电可靠性的系统及方法,其特征在于,所述步骤3中影响因素包括预安排停电、故障/事故停电、用户工程、错峰限电四个方面。
4.如权利要求3所述一种基于大数据提升供电可靠性的系统及方法,其特征在于,所述步骤3中影响因素中预安排停电包括计划检修、临时检修、计划施工、用户计划申请停电、供电网限电、调电、低压作业影响八个方面。
5.如权利要求1所述一种基于大数据提升供电可靠性的系统及方法,其特征在于,所述步骤4中影响因素包括预安排停电、故障/事故停电、用户工程、错峰限电四个方面。
6.如权利要求5所述一种基于大数据提升供电可靠性的系统及方法,其特征在于,所述步骤4中影响因素中预安排停电包括计划检修、临时检修、计划施工、用户计划申请停电、供电网限电、调电、低压作业影响八个方面。
7.如权利要求1所述一种基于大数据提升供电可靠性的系统及方法,其特征在于,所述步骤5供电可靠性预测按照供电可靠性计算方法,根据历史相同停电原因及规模的停电事件停电时长,对涉及停电线路、停电线段、停电用户、停电时长进行统计,根据影响因素比重计算得出最终供电可靠率波动区间。
8.如权利要求1所述一种基于大数据提升供电可靠性的系统及方法,其特征在于,所述一种供电可靠性预测按照供电可靠性计算方法,包括以下八个步骤:
(1)获取气象数据,分析气象影响范围及设备;
(2)根据当前设备使用情况、运行维护情况计算设备故障概率;
(3)获取供电线路接线图及线路分段数据,供电用户所属线段关联数据;
(4)根据历史相同停电原因停电事件停电时长,分析停电时长区间;
(5)按照停电事件发生原因及影响因素比重,计算得出供电停电事件预测总时长区间;
(6)统计停电检修计划停电总时长,加上停电事件预测总时长区间最小值,按照供电可靠率计算公式,得出供电可靠率最小值;
(7)停电检修计划停电总时长,加上停电事件预测总时长区间最大值,按照供电可靠率计算公式,得出供电可靠率最大值;
(8)根据计算得出的供电可靠率最小值、最大值,得出供电可靠率区间,即最终预测结果。
9.如权利要求1所述一种基于大数据提升供电可靠性的系统及方法,其特征在于,该系统及方法具备数据集成、供电可靠性影响比重分析、供电可靠性影响因素体系构建、设备综合评估、设备检修优先级规则、供电可靠性预测、检修计划安排功能。
10.如权利要求9所述一种基于大数据提升供电可靠性的系统及方法,其特征在于,该系统及方法的数据集成功能,用于定期自动从相关系统获取数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710472959.9A CN107451675A (zh) | 2017-06-21 | 2017-06-21 | 一种基于大数据提升供电可靠性的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710472959.9A CN107451675A (zh) | 2017-06-21 | 2017-06-21 | 一种基于大数据提升供电可靠性的系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107451675A true CN107451675A (zh) | 2017-12-08 |
Family
ID=60486536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710472959.9A Pending CN107451675A (zh) | 2017-06-21 | 2017-06-21 | 一种基于大数据提升供电可靠性的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107451675A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009746A (zh) * | 2017-12-20 | 2018-05-08 | 国网冀北电力有限公司承德供电公司 | 一种基于大数据分析的主动停电管理系统 |
CN109117960A (zh) * | 2018-07-05 | 2019-01-01 | 国网浙江省电力有限公司温州供电公司 | 一种基于大数据的电网带电作业监控方法 |
CN109409786A (zh) * | 2018-12-05 | 2019-03-01 | 广东电网有限责任公司 | 配电网可靠性的评估方法及系统 |
CN109462222A (zh) * | 2017-12-28 | 2019-03-12 | 国网浙江省电力公司嘉兴供电公司 | 一种保电规划及设备故障排除方法 |
CN109462223A (zh) * | 2018-04-09 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于大数据的电能质量与可靠性分析方法 |
CN109460004A (zh) * | 2018-10-26 | 2019-03-12 | 国网天津市电力公司 | 基于大数据的配电网故障预测方法及系统 |
CN110874689A (zh) * | 2019-09-24 | 2020-03-10 | 国网天津静海供电有限公司 | 一种基于云平台的停电计划管控方法 |
CN111401646A (zh) * | 2020-03-20 | 2020-07-10 | 广东电网有限责任公司 | 一种预停电计划的优化方法、装置、设备及存储介质 |
CN111915048A (zh) * | 2019-05-08 | 2020-11-10 | 天津科技大学 | 一种基于智能分析决策理论技术的新型停电管理方法 |
CN112184487A (zh) * | 2020-09-30 | 2021-01-05 | 国网北京市电力公司 | 预测供电指标的方法及装置 |
CN113919755A (zh) * | 2021-11-18 | 2022-01-11 | 北京博清科技有限公司 | 一种停机时间分析方法、装置及设备 |
CN114142593A (zh) * | 2021-10-27 | 2022-03-04 | 华为数字能源技术有限公司 | 一种基站备电时长的管理方法和相关装置 |
CN114154899A (zh) * | 2021-12-09 | 2022-03-08 | 深圳供电局有限公司 | 一种不停电作业次数评估方法及系统 |
CN115049259A (zh) * | 2022-06-16 | 2022-09-13 | 国网重庆市电力公司电力科学研究院 | 一种基于多因素影响的预安排停运率测算方法 |
CN116246776A (zh) * | 2023-04-04 | 2023-06-09 | 曜立科技(北京)有限公司 | 一种辅助脑卒中诊断决策的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
UA83102C2 (ru) * | 2006-07-17 | 2008-06-10 | Открытое Акционерное Общество "Львовоблэнерго" | Способ неразрушительной диагностики предаварийного состояния электрооборудования с обмотками высокого напряжения |
CN102013085A (zh) * | 2010-12-14 | 2011-04-13 | 天津市电力公司 | 配电网可靠性评价方法 |
CN102722759A (zh) * | 2012-05-17 | 2012-10-10 | 河海大学 | 基于bp神经网络的电网供电可靠性预测方法 |
CN104200392A (zh) * | 2014-08-15 | 2014-12-10 | 宁波天灵信息科技有限公司 | 一种配电网供电可靠性指标的自动预测评估方法 |
-
2017
- 2017-06-21 CN CN201710472959.9A patent/CN107451675A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
UA83102C2 (ru) * | 2006-07-17 | 2008-06-10 | Открытое Акционерное Общество "Львовоблэнерго" | Способ неразрушительной диагностики предаварийного состояния электрооборудования с обмотками высокого напряжения |
CN102013085A (zh) * | 2010-12-14 | 2011-04-13 | 天津市电力公司 | 配电网可靠性评价方法 |
CN102722759A (zh) * | 2012-05-17 | 2012-10-10 | 河海大学 | 基于bp神经网络的电网供电可靠性预测方法 |
CN104200392A (zh) * | 2014-08-15 | 2014-12-10 | 宁波天灵信息科技有限公司 | 一种配电网供电可靠性指标的自动预测评估方法 |
Non-Patent Citations (6)
Title |
---|
万青等: "基于典型区域的配电网供电可靠性分析研究", 《东北电力技术》 * |
孙永生等: "影响城市供电可靠性的常见原因分析", 《天津电力技术》 * |
孙艺新等: "基于故障树方法的供电可靠性灰色关联分析", 《中国电力》 * |
李颖杰: "配电网供电可靠率提升算法的研究与应用", 《电力信息与通信技术》 * |
高新强等: "配电网供电可靠性管理问题与对策", 《中国水能及电气化》 * |
黄继攀: "状态检修在变电运行中的运用", 《大众用电》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009746A (zh) * | 2017-12-20 | 2018-05-08 | 国网冀北电力有限公司承德供电公司 | 一种基于大数据分析的主动停电管理系统 |
CN109462222A (zh) * | 2017-12-28 | 2019-03-12 | 国网浙江省电力公司嘉兴供电公司 | 一种保电规划及设备故障排除方法 |
CN109462223A (zh) * | 2018-04-09 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于大数据的电能质量与可靠性分析方法 |
CN109462223B (zh) * | 2018-04-09 | 2021-12-14 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于大数据的电能质量与可靠性分析方法 |
CN109117960A (zh) * | 2018-07-05 | 2019-01-01 | 国网浙江省电力有限公司温州供电公司 | 一种基于大数据的电网带电作业监控方法 |
CN109460004A (zh) * | 2018-10-26 | 2019-03-12 | 国网天津市电力公司 | 基于大数据的配电网故障预测方法及系统 |
CN109409786A (zh) * | 2018-12-05 | 2019-03-01 | 广东电网有限责任公司 | 配电网可靠性的评估方法及系统 |
CN111915048A (zh) * | 2019-05-08 | 2020-11-10 | 天津科技大学 | 一种基于智能分析决策理论技术的新型停电管理方法 |
CN110874689A (zh) * | 2019-09-24 | 2020-03-10 | 国网天津静海供电有限公司 | 一种基于云平台的停电计划管控方法 |
CN111401646A (zh) * | 2020-03-20 | 2020-07-10 | 广东电网有限责任公司 | 一种预停电计划的优化方法、装置、设备及存储介质 |
CN112184487A (zh) * | 2020-09-30 | 2021-01-05 | 国网北京市电力公司 | 预测供电指标的方法及装置 |
CN114142593A (zh) * | 2021-10-27 | 2022-03-04 | 华为数字能源技术有限公司 | 一种基站备电时长的管理方法和相关装置 |
CN113919755A (zh) * | 2021-11-18 | 2022-01-11 | 北京博清科技有限公司 | 一种停机时间分析方法、装置及设备 |
CN114154899A (zh) * | 2021-12-09 | 2022-03-08 | 深圳供电局有限公司 | 一种不停电作业次数评估方法及系统 |
CN115049259A (zh) * | 2022-06-16 | 2022-09-13 | 国网重庆市电力公司电力科学研究院 | 一种基于多因素影响的预安排停运率测算方法 |
CN115049259B (zh) * | 2022-06-16 | 2024-04-05 | 国网重庆市电力公司电力科学研究院 | 一种基于多因素影响的预安排停运率测算方法 |
CN116246776A (zh) * | 2023-04-04 | 2023-06-09 | 曜立科技(北京)有限公司 | 一种辅助脑卒中诊断决策的方法及系统 |
CN116246776B (zh) * | 2023-04-04 | 2023-11-07 | 曜立科技(北京)有限公司 | 一种辅助脑卒中诊断决策的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451675A (zh) | 一种基于大数据提升供电可靠性的系统及方法 | |
Ghiasi et al. | An analytical methodology for reliability assessment and failure analysis in distributed power system | |
CN102902245B (zh) | 一种光伏电站智能监控系统 | |
CN107506849A (zh) | 一种智能优化配变停电研判系统 | |
CN105096207B (zh) | 一种基于层次分析法的重要电力用户供电可靠性评估方法 | |
CN102623910B (zh) | 一种基于可靠性的开关设备维修决策方法 | |
US20100292857A1 (en) | Electrical network command and control system and method of operation | |
US8781638B2 (en) | Campus energy manager | |
CN106570792A (zh) | 一种面向可靠性评估的配电设备状态评价方法 | |
CN103454516A (zh) | 智能化变电站二次设备健康状态诊断方法 | |
CN104636988A (zh) | 一种主动配电网评估方法 | |
CN103646358A (zh) | 计及电力设备时变故障率的电网计划检修周期确定方法 | |
US11474279B2 (en) | Weather-related overhead distribution line failures online forecasting | |
CN104318374A (zh) | 计及上游恢复供电操作时间的中压配电网可靠性评估方法 | |
CN109472459B (zh) | 计及变动检修风险和等待时间的电网操作任务优化方法 | |
CN108287294A (zh) | 基于停电配变和拓扑分析的配电网故障区域快速辨识方法 | |
CN105759171A (zh) | 基于配电线路状态评价提高配网拉路检查效率的方法 | |
CN109494877A (zh) | 海上风电场一体化监控方法、装置、计算机设备和介质 | |
CN104281983A (zh) | 配电网应急抢修所需资源调度方法与系统 | |
CN108898239A (zh) | 一种基于数据分析的配电变压器选址方法 | |
CN107730397A (zh) | 一种保障低电压区域电能质量的能源协调方法 | |
CN105048498B (zh) | 用于多风电场并网的调度系统 | |
CN117614137A (zh) | 基于多源数据融合的配电网优化系统 | |
CN114172146B (zh) | 一种实时可视化电网业务需求规划智能辅助决策系统 | |
CN106530134A (zh) | 基于可靠率计算模型的影响指标边际效益分析方法及装置 |
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 |
Application publication date: 20171208 |