CN108562845B - 一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法 - Google Patents

一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法 Download PDF

Info

Publication number
CN108562845B
CN108562845B CN201810364585.3A CN201810364585A CN108562845B CN 108562845 B CN108562845 B CN 108562845B CN 201810364585 A CN201810364585 A CN 201810364585A CN 108562845 B CN108562845 B CN 108562845B
Authority
CN
China
Prior art keywords
fault
state information
reasoning
control circuit
protection device
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.)
Active
Application number
CN201810364585.3A
Other languages
English (en)
Other versions
CN108562845A (zh
Inventor
万毅
黄海隆
张长胜
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.)
HEBEI ELECTRIC POWER ENGINEERING SUPERVISION Co.,Ltd.
Original Assignee
Wenzhou University
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 Wenzhou University filed Critical Wenzhou University
Priority to CN201810364585.3A priority Critical patent/CN108562845B/zh
Publication of CN108562845A publication Critical patent/CN108562845A/zh
Application granted granted Critical
Publication of CN108562845B publication Critical patent/CN108562845B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2836—Fault-finding or characterising
    • G01R31/2843—In-circuit-testing
    • 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
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2836—Fault-finding or characterising
    • G01R31/2846—Fault-finding or characterising using hard- or software simulation or using knowledge-based systems, e.g. expert systems, artificial intelligence or interactive algorithms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06N5/048—Fuzzy inferencing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Fuzzy Systems (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了本发明提供了一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法，包括如下步骤：检测变电站电气控制电路中保护器件状态信息；根据出现故障后保护器的状态信息，构建故障后的电路拓扑结构；根据闭合的区域获取故障架构集；计算故障架构集上每个元件在保护器件状态信息下发生故障的初始故障可信度；对初始故障可信度进行分配处理，形成各条不精确推理；利用登普斯特信度函数理论，对不精确推理进行合成，得出融合故障可信度；通过不精确推理的合成和计算，获得融合故障可信度表，比较各元件的融合故障可信度精确判断故障元件或故障位置。能够在不确定状态信息下精确地检测变电站电气控制电路的故障元件和故障部位。

Description

一种基于不精确推理和概率论的变电站电气控制电路的故障 检测方法
技术领域
本发明涉及变电站故障检测技术领域，具体涉及一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法。
背景技术
变电站是电力系统中变换电压、接受和分配电能、控制电力流向和调整电压的电力设施，它通过其变压器将各级电压的电网联系起来。变电站电气控制电路是电力系统的核心部分，关系到电力的正常输送,在变电站的运行过程中，电气控制电路不可避免地会出现故障，对于故障如果不能及时诊断并处理，轻则造成电流增大，电压下降，危及设备安全使系统无法正常运行；重则将导致电力系统对用户的正常供电局部甚至全部遭到破坏，因此必须提高变电站电气控制电路故障检测技术。
变电站电气控制电路故障检测是非常复杂的,特别随着电力系统的规模日趋庞大，变电站电气控制电路结构更加复杂，当电路发生故障时，大量的报警信息在短时间内涌入调度中心，远远超过运行人员的处理能力，往往使调度员误判、漏判，因此需要故障检测和诊断系统进行决策。但是，保护器失误动作、拒绝动作以及信息受干扰、畸变或丢失等因素导致了信息的不确定性与不完备性，给电站电气控制电路故障检测带来了较大困难。目前有学者把专家系统、人工神经网络、优化技术、模糊集理论、粗糙集理论引入到电站电气控制电路的检测中，但都不能彻底解决由于信息的不确定性带来的检测误判问题。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种能够解决由于保护器失误动作、拒绝动作以及信息受干扰等因素导致变电站电气控制电路故障检测误判的问题和能够在不确定状态信息下精确地检测变电站电气控制电路的故障元件和故障部位的基于不精确推理和概率论的变电站电气控制电路的故障检测方法。
为实现上述目的，本发明提供了如下技术方案：一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法，包括以下步骤：
(1)检测变电站电气控制电路中保护器件状态信息；
(2)根据出现故障后保护器的状态信息，构建故障后的电路拓扑结构；
(3)由保护器件状态信息构建闭合或近似闭合的区域，根据闭合的区域获取故障架构集；
(4)计算故障架构集上每个元件在保护器件状态信息下发生故障的初始故障可信度；
(5)对初始故障可信度进行分配处理，形成各条不精确推理；
(6)利用登普斯特信度函数理论，对不精确推理进行合成，得出融合故障可信度；
(7)通过不精确推理的合成和计算，获得融合故障可信度表，比较各元件的融合故障可信度精确判断故障元件或故障位置。
作为优选的，
步骤(1)，保护器件状态信息为断路器状态信息，该断路器状态信息包括动作序列V；
步骤(3)，故障架构集B＝(B1,B2,…,Bn)；
步骤(4)，计算故障架构集B上每个元件在保护器件状态信息下发生故障的初始概率P1,P2,…,Pn其中n为故障架构集B上元器件的总数；计算公式为：
Figure GDA0001660388360000031
式中，P(V)为变电站电气控制电路中保护器件(断路器)失误动作或拒绝动作的先验概率，P(Bi＝1)是故障架构集B上第i个元件发生故障的先验概率，P(V|Bi＝1)是第i个元件邻近的保护器件正确动作的先验概率。
步骤(4)，包括以下子步骤：
(4.1)一次元件或器件故障的不确定性指标就是元器件发生故障的先验概率。根据历年运行情况或文献资料，统计元器件连续无故障时间为T；
(4.2)根据元器件连续无故障时间为T，计算元器件在运行一段时间t发生故障的先验概率：
Figure GDA0001660388360000032
式中，t为元器件运行的时间，f(t)为故障密度函数；
(4.3)假设元器件年故障频率是一个常数，则根据概率理论，则元器件在运行一段时间t发生故障的先验概率：
P{T≤t}＝1-e-λt
式中λ是通过T计算出来的故障率常数。
步骤(5)，对初始故障可信度进行分配处理，保证总信度为1，形成了i条不精确推理；公式为：
Figure GDA0001660388360000033
Figure GDA0001660388360000034
步骤(6)，由于保护器件状态信息中存在失误动作或拒绝动作，根据初始故障可信度判断检测结果存在不确定性和误判。利用登普斯特信度函数理论，对不精确推理进行合成，得出融合故障可信度。
Figure GDA0001660388360000041
式中，
Figure GDA0001660388360000042
为冲突权值，表示多组不精确推理的一致或部分一致。
本发明的有益效果：本发明将动作的保护器围成的闭合或近似闭合区域中可能故障的元件确立为故障架构集；基于概率理论，推导出元件故障的初始故障可信度，将元件故障初始故障可信度进行处理，形成各条不精确推理；根据登普斯特信度函数理论，对不精确推理进行合成，得出融合故障可信度，推断出故障结果。
本发明解决了由于保护器失误动作、拒绝动作以及信息受干扰等因素导致变电站电气控制电路故障检测误判的关键技术，能够在不确定状态信息下精确地检测变电站电气控制电路的故障元件和故障部位。
下面结合说明书附图和具体实施例对本发明作进一步说明。
附图说明
图1为本发明实施例的流程图；
图2为本发明实施例110千伏的变电站电气控制电路局部结构图；
图3为本发明实施例构建故障后的电路拓扑结构图；
图4为本发明实施例由保护器件状态信息构建闭合区域示意图。
具体实施方式
参见图1、图2、图3和图4，本发明公开的一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法，包括以下步骤：
(1)检测变电站电气控制电路中保护器件状态信息；
(2)根据出现故障后保护器的状态信息，构建故障后的电路拓扑结构；
(3)由保护器件状态信息构建闭合或近似闭合的区域，根据闭合的区域获取故障架构集；
(4)计算故障架构集上每个元件在保护器件状态信息下发生故障的初始故障可信度；
(5)对初始故障可信度进行分配处理，形成各条不精确推理；
(6)利用登普斯特信度函数理论，对不精确推理进行合成，得出融合故障可信度；
(7)通过不精确推理的合成和计算，获得融合故障可信度表，比较各元件的融合故障可信度精确判断故障元件或故障位置。
作为优选的，
步骤(1)，保护器件状态信息为断路器状态信息，该断路器状态信息包括动作序列V；
步骤(3)，故障架构集B＝(B1,B2,…,Bn)；
步骤(4)，计算故障架构集B上每个元件在保护器件状态信息下发生故障的初始概率P1,P2,…,Pn其中n为故障架构集B上元器件的总数；计算公式为：
Figure GDA0001660388360000051
式中，P(V)为变电站电气控制电路中保护器件(断路器)失误动作或拒绝动作的先验概率，P(Bi＝1)是故障架构集B上第i个元件发生故障的先验概率，P(V|Bi＝1)是第i个元件邻近的保护器件正确动作的先验概率。
步骤(4)，包括以下子步骤：
(4.1)一次元件或器件故障的不确定性指标就是元器件发生故障的先验概率。根据历年运行情况或文献资料，统计元器件连续无故障时间为T；
(4.2)根据元器件连续无故障时间为T，计算元器件在运行一段时间t发生故障的先验概率：
Figure GDA0001660388360000061
式中，t为元器件运行的时间，f(t)为故障密度函数；
(4.3)假设元器件年故障频率是一个常数，则根据概率理论，则元器件在运行一段时间t发生故障的先验概率：
P{T≤t}＝1-e-λt
式中λ是通过T计算出来的故障率常数。
步骤(5)，对初始故障可信度进行分配处理，保证总信度为1，形成了i条不精确推理；公式为：
Figure GDA0001660388360000062
Figure GDA0001660388360000063
步骤(6)，由于保护器件状态信息中存在失误动作或拒绝动作，根据初始故障可信度判断检测结果存在不确定性和误判。利用登普斯特信度函数理论，对不精确推理进行合成，得出融合故障可信度。
Figure GDA0001660388360000064
式中，
Figure GDA0001660388360000065
为冲突权值，表示多组不精确推理的一致或部分一致。
下面以110千伏的变电站输电的电气控制电路故障检测作具体说明：
(1)110千伏的变电站电气控制电路局部结构如图2所示，出现故障后检测变电站电气控制电路中断路器的状态信息V如表1：
序号 1 2 3 4
故障信息 BK7跳闸 BK2跳闸 BK5跳闸 BK1跳闸
表1
(2)根据出现故障后断路器的状态信息V，构建故障后的电路拓扑结构如图3所述。
(3)由保护器件状态信息构建闭合区域如图4虚线所示，根据闭合的区域获取故障架构集B＝(cs3,PL1,PL3)。
(4)元件的失效先验概率和相关断路器的失误动作或拒绝动作的先验概率如表2，表3所示。根据表2，3计算故障架构集B上每个元件在断路器状态信息下发生故障的初始概率(称为初始故障可信度)P1,P2,P3。
P1＝71.66％,P2＝19.8％,P3＝70.87％；
元件 线路/百公里 母线/百公里 变压器/台
概率 0.162 0.006 0.004
表2
器件 线路保护/台 母线保护/台 变压器保护/台 断路器/台
概率/％ 0.23 0.06 0.15 0.5
表3
(5)对初始故障可信度进行分配处理，保证总信度为1，形成了i条不精确推理。
Figure GDA0001660388360000071
Figure GDA0001660388360000072
(6)由于保护器件状态信息中存在失误动作或拒绝动作，根据初始故障可信度判断检测结果存在不确定性和误判。利用登普斯特信度函数理论，对不精确推理进行合成，得出融合故障可信度。
Figure GDA0001660388360000081
式中，
Figure GDA0001660388360000082
为冲突权值，表示多组不精确推理的一致或部分一致。
(7)通过步骤(5)(6)对不精确推理进行合成和计算，获得融合故障可信度表如表4所示，比较各元件的融合故障可信度精确判断故障元件是PL3。可见，BK6出现了拒绝动作，BK1出现了失误动作，经检测和实际的结果是一致的。
元件 CS3 PL1 PL3
融合故障可信度 0.385 0.017 0.598
表4
可见，在保护器件存在失误动作或拒绝动作等不确定状态信息下，本发明能够精确地检测变电站电气控制电路的故障元件和故障部位。
上述实施例对本发明的具体描述，只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限定，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方式实施本发明，因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护的范围。

Claims (1)

1.一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法，包括以下步骤：
(1)检测变电站电气控制电路中保护器件状态信息；
(2)根据出现故障后保护器的状态信息，构建故障后的电路拓扑结构；
(3)由保护器件状态信息构建闭合或近似闭合的区域，根据闭合的区域获取故障架构集；
(4)计算故障架构集上每个元件在保护器件状态信息下发生故障的初始故障可信度；
(5)对初始故障可信度进行分配处理，形成各条不精确推理；
(6)利用登普斯特信度函数理论，对不精确推理进行合成，得出融合故障可信度；
(7)通过不精确推理的合成和计算，获得融合故障可信度表，比较各元件的融合故障可信度精确判断故障元件或故障位置；
步骤(1)，保护器件状态信息为断路器状态信息，该断路器状态信息包括动作序列V；
步骤(3)，故障架构集B＝(B1,B2,…,Bn)；
步骤(4)，计算故障架构集B上每个元件在保护器件状态信息下发生故障的初始概率P1,P2,…,Pn其中n为故障架构集B上元器件的总数；计算公式为：
Figure FDA0002356153880000011
式中，P(V)为变电站电气控制电路中保护器件失误动作或拒绝动作的先验概率，P(Bi＝1)是故障架构集B上第i个元件发生故障的先验概率，P(V|Bi＝1)是第i个元件邻近的保护器件正确动作的先验概率；
步骤(4)，包括以下子步骤：
(4.1)一次元件或器件故障的不确定性指标就是元器件发生故障的先验概率；根据历年运行情况或文献资料，统计元器件连续无故障时间为T；
(4.2)根据元器件连续无故障时间为T，计算元器件在运行一段时间t发生故障的先验概率：
Figure FDA0002356153880000021
式中，t为元器件运行的时间，f(t)为故障密度函数；
(4.3)假设元器件年故障频率是一个常数，则根据概率理论，则元器件在运行一段时间t发生故障的先验概率：
P{T≤t}＝1-e-λt
式中λ是通过T计算出来的故障率常数；
步骤(5)，对初始故障可信度进行分配处理，保证总信度为1，形成了i条不精确推理；公式为：
Figure FDA0002356153880000022
Figure FDA0002356153880000023
步骤(6)，由于保护器件状态信息中存在失误动作或拒绝动作，根据初始故障可信度判断检测结果存在不确定性和误判；利用登普斯特信度函数理论，对不精确推理进行合成，得出融合故障可信度；
Figure FDA0002356153880000024
式中，
Figure FDA0002356153880000025
为冲突权值，表示多组不精确推理的一致或部分一致。
CN201810364585.3A 2018-04-23 2018-04-23 一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法 Active CN108562845B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810364585.3A CN108562845B (zh) 2018-04-23 2018-04-23 一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810364585.3A CN108562845B (zh) 2018-04-23 2018-04-23 一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法

Publications (2)

Publication Number Publication Date
CN108562845A CN108562845A (zh) 2018-09-21
CN108562845B true CN108562845B (zh) 2020-04-07

Family

ID=63536295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810364585.3A Active CN108562845B (zh) 2018-04-23 2018-04-23 一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法

Country Status (1)

Country Link
CN (1) CN108562845B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113520393B (zh) * 2021-06-08 2022-01-21 深圳市镜象科技有限公司 冲突事件的检测方法、装置、可穿戴设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5130936A (en) * 1990-09-14 1992-07-14 Arinc Research Corporation Method and apparatus for diagnostic testing including a neural network for determining testing sufficiency
CN102721941A (zh) * 2012-06-20 2012-10-10 北京航空航天大学 一种基于som和d-s理论的电表电路故障信息融合和诊断方法
CN103308855A (zh) * 2013-05-29 2013-09-18 上海电机学院 基于灰色关联的风力发电机组故障诊断方法及装置
CN103324845A (zh) * 2013-06-13 2013-09-25 国电南瑞科技股份有限公司 一种基于不确定性推理的智能变电站开关状态估计方法
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
CN103954884A (zh) * 2014-04-21 2014-07-30 昆明理工大学 一种基于形态谱分析和形态学峰谷检测可拓融合的配网故障选线方法
CN104834972A (zh) * 2015-05-11 2015-08-12 重庆大学 一种基于证据理论的小区安防状态评估方法
CN105548874A (zh) * 2015-12-31 2016-05-04 北京四方继保自动化股份有限公司 一种智能开关状态综合在线监测与故障诊断装置
CN105930772A (zh) * 2016-04-13 2016-09-07 武汉大学 基于sar影像与光学遥感影像融合的城市不透水面提取方法
CN106646068A (zh) * 2017-01-22 2017-05-10 国网湖北省电力公司检修公司 基于多参量信息融合的智能变电站二次系统缺陷诊断方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5130936A (en) * 1990-09-14 1992-07-14 Arinc Research Corporation Method and apparatus for diagnostic testing including a neural network for determining testing sufficiency
CN102721941A (zh) * 2012-06-20 2012-10-10 北京航空航天大学 一种基于som和d-s理论的电表电路故障信息融合和诊断方法
CN103308855A (zh) * 2013-05-29 2013-09-18 上海电机学院 基于灰色关联的风力发电机组故障诊断方法及装置
CN103324845A (zh) * 2013-06-13 2013-09-25 国电南瑞科技股份有限公司 一种基于不确定性推理的智能变电站开关状态估计方法
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
CN103954884A (zh) * 2014-04-21 2014-07-30 昆明理工大学 一种基于形态谱分析和形态学峰谷检测可拓融合的配网故障选线方法
CN104834972A (zh) * 2015-05-11 2015-08-12 重庆大学 一种基于证据理论的小区安防状态评估方法
CN105548874A (zh) * 2015-12-31 2016-05-04 北京四方继保自动化股份有限公司 一种智能开关状态综合在线监测与故障诊断装置
CN105930772A (zh) * 2016-04-13 2016-09-07 武汉大学 基于sar影像与光学遥感影像融合的城市不透水面提取方法
CN106646068A (zh) * 2017-01-22 2017-05-10 国网湖北省电力公司检修公司 基于多参量信息融合的智能变电站二次系统缺陷诊断方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Fault Diagnosis Expert System for Distribution Substations;Heung-Jae Lee et.al;《IEEE TRANSACTIONS ON POWER DELIVERY》;20000131;第15卷(第1期);第92-97页 *
基于不确定性推理的变电站拓扑错误辨识;张婷 等;《电力系统自动化》;20140325;第38卷(第6期);第49-54页 *
基于信息融合的电力系统故障诊断技术研究;赵熙临;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20091115(第11期);第C042-33页 *

Also Published As

Publication number Publication date
CN108562845A (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
Lin et al. Adaptive protection combined with machine learning for microgrids
CN101436780B (zh) 城市配电网自愈控制方法
CN103278746B (zh) 考虑不确定信息的电网故障诊断系统的实现方法
CN103995215B (zh) 一种基于多层次反馈调整的智能电网故障诊断方法
CN110783946B (zh) 用于定位微电网中相故障的方法
CN105158647B (zh) 基于电网监控系统的单站端电网故障诊断和辅助决策方法
CN108847660A (zh) 基于安控系统离线策略在线校核的预防控制优化决策方法
CN104657913A (zh) 一种基于全数据模型的智能告警系统
Chang et al. Fuzzy logic approach in power system fault section identification
Kundu et al. Online identification of protection element failure using wide area measurements
Ibrahim et al. A new approach for optimal power quality monitor placement in power system considering system topology
CN108562845B (zh) 一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法
CN111159922A (zh) 一种电力系统连锁故障的关键线路辨识方法和装置
Qin et al. A multiple model filtering approach to transmission line fault diagnosis
Hojjaty et al. Intelligent protection coordination restoration strategy for active distribution networks
CN108921452B (zh) 一种基于模糊算法的输电线路风险评估复合预警方法
Petrović et al. Determining impact of lightning strike location on failures in transmission network elements using fuzzy decision-making
Sreelekha et al. ANFIS-Based Fault Distance Locator with Active Power Differential-based Faulty Line Identification Algorithm for Shunt and Series Compensated Transmission Line using WAMS
KAluđer et al. Fault diagnosis and identification in the distribution network using the fuzzy expert system
Enns et al. Potential applications of expert systems to power system protection
CN110503272B (zh) 满足安全稳定要求的限制短路电流辅助决策方法及系统
Aličić et al. A new approach to optimal placement of power quality monitors for voltage sag detection
Zarei Correct modeling for maintenance scheduling
Ghotbi-Maleki et al. Comparison of load shedding methods for mitigating FIDVR
CN107808240B (zh) 电网风险场景故障概率的计算方法和系统

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210415

Address after: 050000 No. 107 Tabei Road, Yuhua District, Shijiazhuang City, Hebei Province

Patentee after: HEBEI ELECTRIC POWER ENGINEERING SUPERVISION Co.,Ltd.

Address before: 518000 No.6 Qinglong Road, Qinglong Road, Qinghua community, Longhua street, Longhua District, Shenzhen City, Guangdong Province

Patentee before: Shenzhen Pengbo Information Technology Co.,Ltd.

Effective date of registration: 20210415

Address after: 518000 No.6 Qinglong Road, Qinglong Road, Qinghua community, Longhua street, Longhua District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Pengbo Information Technology Co.,Ltd.

Address before: 325000 Wenzhou City National University Science Park incubator, No. 38 Dongfang South Road, Ouhai Economic Development Zone, Wenzhou, Zhejiang

Patentee before: Wenzhou University