CN108876068A - 一种电网故障预测检测方法及装置 - Google Patents
一种电网故障预测检测方法及装置 Download PDFInfo
- Publication number
- CN108876068A CN108876068A CN201811036991.3A CN201811036991A CN108876068A CN 108876068 A CN108876068 A CN 108876068A CN 201811036991 A CN201811036991 A CN 201811036991A CN 108876068 A CN108876068 A CN 108876068A
- Authority
- CN
- China
- Prior art keywords
- data
- attribute
- training set
- current training
- fault
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 24
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 230000015556 catabolic process Effects 0.000 claims abstract description 10
- 238000003066 decision tree Methods 0.000 claims abstract description 10
- 238000012795 verification Methods 0.000 claims abstract description 5
- 230000001360 synchronised effect Effects 0.000 claims abstract description 4
- 230000003750 conditioning effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 2
- 241001269238 Data Species 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012360 testing method Methods 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
- 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
-
- 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
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种电网故障预测检测方法，包括以下步骤：1）获取目标电网历史数据，历史数据包含n个属性，构建历史数据的当前训练集D；2）对第i个属性设置Vi个故障判断条件，从当前训练集D中划分出Vi个属性子集；计算当前训练集D以及各属性子集的信息熵Ent；3）分别计算各属性子集的信息增益；4）将信息增益最大的属性作为第1划分属性，以其故障判断条件对当前训练集D预测，得到正常数据子集D1和故障数据子集D2；5）以正常数据子集D1作为当前训练集D，重复上述步骤2）~4），建立决策树；6）对目标电网同步采样，将采样数据转换成频域数据；7）根据决策树，对频域数据进行预测；8）将预测为故障的数据与故障模型比对核实。
Description
技术领域
本发明涉及电网故障预测检测技术领域，具体涉及一种电网故障预测检测方法及装置。
背景技术
对电网的故障进行预测及诊断，在电网的运行过程中具有重要的作用；电网中需检测的装置数量很多，目前能够预测电网故障的设备主要是相量测试单元(PMU)，价格昂贵，主要应用于干线上，馈线缺少有效的故障预测检测，是当下电网的薄弱环节；此外，相量测试单元只获得频谱，即时判定电能质量，无预测余量，对于故障的诊断和预测都不及时。
发明内容
本发明要解决的技术问题是提供一种电网故障预测检测方法及装置，可以以低成本预测、检测电网故障。
本发明通过以下技术方案实现：
一种电网故障预测检测方法，包括以下步骤：
1)获取目标电网的m个历史数据，每个历史数据包含n个属性，构建包含m个历史数据的当前训练集D；
2)对第i个属性设置Vi个故障判断条件，i＝1，2，……n，从当前训练集D中划分出Vi个属性子集ai 1、ai 2……ai Vi；根据公式(1)计算当前训练集D以及各属性子集的信息熵Ent；
式中，y表示历史数据的正常和故障两种状态，P1、P2分别表示正常数据和故障数据的比例；
3)根据公式(2)分别计算第i个属性的第x个属性子集ai x的信息增益Gain(D，ai x)；
式中|D|表示当前训练集D所包含的元素数量，|ai x|表示第i个属性的第x个属性子集ai x中包含的元素数量；
4)将信息增益最大的属性作为第1划分属性，以其故障判断条件对当前训练集D预测，得到正常数据子集D1和故障数据子集D2；
5)以正常数据子集D1作为当前训练集D，对剩余属性重复上述步骤2)～4)，得到第2划分属性，……第n划分属性，建立决策树；
6)对目标电网的电压、电流信号同步采样得到采样数据，将采样数据从时域数据转换成频域数据；
7)根据决策树，对频域数据进行预测；
8)若某时间点的频域数据的预测结果为故障，则将该时间点前、后数个采样周期内的数据与故障模型比对核实。
本发明的进一步方案是，步骤1)中的m个历史数据包括故障数据和正常数据，其中故障数据的比例为50％～100％。
本发明的进一步方案是，步骤6)的采样数据送入SDRAM缓存中，构成乒乓结构，防止数据读取冲突。
本发明的进一步方案是，步骤6)采用基2-FFT算法将采样数据从时域数据转换成频域数据，相比DFT算法能够降低一半的运算量，进一步降低对硬件的配置要求。
本发明的进一步方案是，还包括步骤9)：对步骤8)核实为故障的采样数据进行S变换，对采样数据进行深度分析，进一步提高故障
一种采用上述电网故障预测检测方法的装置，包括具有浮点运算功能的处理器，所述处理器经滤波电路、调理电路和A/D转换芯片接收采样数据，通过FMC将采样数据写入SDRAM内存中；所述处理器还外扩有GPS芯片、SD卡、FRAM芯片、信息插座连接器、网络接口、人机交互单元。
本发明与现有技术相比的优点在于：
基于决策树中的ID3算法对电网的频域采样数据进行分类预测，对预测结果为故障的数据再进行比对核实；数据处理量小，对硬件的配置要求低，有效降低成本，而且能够预测、检测电网的故障，在小故障蔓延到区域电网之前提供足够的信息决策，提高电网运行的安全性。
附图说明
图1为本发明的装置结构框图。
图2为实施例中ID3决策树示意图。
具体实施方式
如图1所示一种电网故障预测检测装置，包括具有DSP内核的STM32F767芯片，所述DSP芯片经滤波电路、调理电路和A/D转换芯片接收采样数据，通过FMC将采样数据写入SDRAM内存中；所述DSP芯片还外扩有GPS芯片、SD卡、FRAM芯片、信息插座连接器、网络接口、人机交互单元。
该装置采用的电网故障预测检测方法包括以下步骤：
1)获取目标电网的10个历史数据，如下表所示，该10个历史数据中包括9个故障数据和1个正常数据，每个历史数据包含4个属性，分别为：幅值偏差比、相位差、频率偏差比、帕斯瓦尔能量；构建包含10个历史数据的当前训练集D；
2)对第i个属性设置Vi个故障判断条件，i＝1，2，……n，从当前训练集D中划分出Vi个属性子集ai 1、ai 2……ai Vi；以幅值偏差比属性为例，设置3个故障判断条件：<0.95、[0.95，1.05]、>1.05，从当前训练集D中划分出3个属性子集：a1 1＝{<0.95}＝{1，6}，a1 2＝{[0.95，1.05]}＝{2，4，7，8，9，10}，a1 3＝{>1.05}＝{3，5}；而帕斯瓦尔能量的故障判断条件是：是否在参考值W参范围内；
根据公式(1)计算当前训练集D以及各二级子集的信息熵Ent；
式中，y表示历史数据的正常和故障两种状态，P1、P2分别表示m个历史数据中正常数据和故障数据的比例，本实施例中，P1为0.1，P2为0.9；
3)根据公式(2)分别计算第i个属性的第x个属性子集ai x的信息增益Gain(D，ai x)；
式中|D|表示当前训练集D所包含的元素数量，|ai x|表示第i个属性的第x个属性子集ai x中包含的元素数量；
4)将信息增益最大的属性作为第1划分属性，以其故障判断条件对当前训练集D预测，得到正常数据子集D1和故障数据子集D2；
5)以正常数据子集D1作为当前训练集D，对剩余属性重复上述步骤2)～4)，得到第2划分属性，第3划分属性，第4划分属性，建立决策树；
6)通过互感器、滤波电路、调理电路将配电网的强电信号转换成可测量信号，待测信号为电网的三相电压、电流(Ua,Ub,Uc,Ia,Ib,Ic)，调理电路采用差分信号方式，防止信号出现过饱和状态，同时在输入端加入电压跟随器，保证输入电压不会发生变化，完成阻抗匹配；由于配电网分散各地，需要获得同步信号进行频谱分析，采样同步时钟取自Beidou/GPS的精度优于1us的PPS信号，同时利用Beidou/GPS的UTC时间给采集的数据打上时间戳，便于整个网络数据同步，终端内部还需要利用机器周期和采样间隔实现软计时，来进行PPS信号矫正，防止终端丢星后无法正常工作；在GPS芯片的PPS信号统一授时下，通过24bit的高速AD7767芯片同步采集电网电压、电流的采样数据，每一路信号满足香侬采样定理，每秒采集1024个点，共六路信号，由于数据量较大，为缓解DSP计算压力，将AD芯片采集到的采样数据通过FMC传到SDRAM中缓存，构成乒乓结构，防止数据读取冲突；采用基2的FFT算法将采样数据进行傅里叶变换，运算量可以比DFT减少一半，STM32F767一次1024点的傅里叶变换需要0.5ms，每路需要10次，有6路，共耗时30ms(<1s)满足PPS采样间隔；将采样数据从时域数据转换成频域数据，进行幅值、相位、频率分析，可以避免传统时域中体现不出的故障信息，在频域数据的频谱中能够直观的发现基波、谐波的变化，能快判断故障类型；
7)将存在内存中的频域数据送与决策树中进行预判故障；
8)若某时间点的频域数据的预测结果为故障，则将该时间点前、后一个采样周期内的数据存入SD卡中进行录波存档，同时将数据与内存中存放的电压、电流故障模型比对，若三路电压、三路电流中有一路异常，将故障性质由预测转变为故障判定，同时根据异常状态判断故障类型短路、断路、缺相中的哪一种；若三路电压、三路电流均正常，则故障性质仍为预测。
内存中存放的故障模型为：
短路:电流W帕斯瓦尔偏离参考值；
断路：电流W帕斯瓦尔偏离参考值；
缺相：电压
9)：按照国家电网的104协议，将步骤8)核实为故障的采样数据通过太网模块发送到云平台中进行S变换，深度分析各参量。
Claims (6)
1.一种电网故障预测检测方法，其特征在于包括以下步骤：
1)获取目标电网的m个历史数据，每个历史数据包含n个属性，构建包含m个历史数据的当前训练集D；
2)对第i个属性设置Vi个故障判断条件，i＝1，2，……n，从当前训练集D中划分出Vi个属性子集ai 1、ai 2……ai Vi；根据公式(1)计算当前训练集D以及各属性子集的信息熵Ent；
式中，y表示历史数据的正常和故障两种状态，P1、P2分别表示正常数据和故障数据的比例；
3)根据公式(2)分别计算第i个属性的第x个属性子集ai x的信息增益Gain(D，ai x)；
式中|D|表示当前训练集D所包含的元素数量，|ai x|表示第i个属性的第x个属性子集ai x中包含的元素数量；
4)将信息增益最大的属性作为第1划分属性，以其故障判断条件对当前训练集D预测，得到正常数据子集D1和故障数据子集D2；
5)以正常数据子集D1作为当前训练集D，对剩余属性重复上述步骤2)～4)，得到第2划分属性，……第n划分属性，建立决策树；
6)对目标电网的电压、电流信号同步采样得到采样数据，将采样数据从时域数据转换成频域数据；
7)根据决策树，对频域数据进行预测；
8)若某时间点的频域数据的预测结果为故障，则将该时间点前、后数个采样周期内的数据与故障模型比对核实。
2.如权利要求1所述的一种电网故障预测检测方法，其特征在于：步骤1)中的m个历史数据包括故障数据和正常数据，其中故障数据的比例为50％～100％。
3.如权利要求1所述的一种电网故障预测检测方法，其特征在于：步骤6)的采样数据送入SDRAM缓存中，构成乒乓结构。
4.如权利要求1所述的一种电网故障预测检测方法，其特征在于：步骤6)采用FFT算法将采样数据从时域数据转换成频域数据。
5.如权利要求1所述的一种电网故障预测检测方法，其特征在于：还包括步骤9)：对步骤8)核实为故障的采样数据进行S变换。
6.一种采用如权利要求1～5任一项所述电网故障预测检测方法的装置，其特征在于：包括具有浮点运算功能的处理器，所述处理器经滤波电路、调理电路和A/D转换芯片接收采样数据，通过FMC将采样数据写入SDRAM内存中；所述处理器还外扩有GPS芯片、SD卡、FRAM芯片、信息插座连接器、网络接口、人机交互单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811036991.3A CN108876068A (zh) | 2018-09-05 | 2018-09-05 | 一种电网故障预测检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811036991.3A CN108876068A (zh) | 2018-09-05 | 2018-09-05 | 一种电网故障预测检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108876068A true CN108876068A (zh) | 2018-11-23 |
Family
ID=64323196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811036991.3A Withdrawn CN108876068A (zh) | 2018-09-05 | 2018-09-05 | 一种电网故障预测检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108876068A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109856503A (zh) * | 2018-12-27 | 2019-06-07 | 国网江苏省电力有限公司检修分公司 | 一种基于s变换及同步相量测量的输电线路故障定位方法 |
| CN110598933A (zh) * | 2019-09-16 | 2019-12-20 | 广东电网有限责任公司 | 一种停电敏感用户管理方法、系统及相关组件 |
| CN112365073A (zh) * | 2020-11-18 | 2021-02-12 | 贵州电网有限责任公司 | 一种基于大数据的调控操作信号监控方法 |
| CN113051553A (zh) * | 2019-12-27 | 2021-06-29 | 北京安控科技股份有限公司 | 一种事故规则的生成方法和系统 |
| CN113110389A (zh) * | 2021-04-21 | 2021-07-13 | 东方电气自动控制工程有限公司 | 一种基于智慧电厂监控系统的故障录波数据的处理方法 |
| CN117554751A (zh) * | 2023-12-14 | 2024-02-13 | 胡波 | 基于人工智能的电力系统故障诊断系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105894177A (zh) * | 2016-03-25 | 2016-08-24 | 国家电网公司 | 一种基于决策树算法的电力设备运行风险分析评估方法 |
-
2018
- 2018-09-05 CN CN201811036991.3A patent/CN108876068A/zh not_active Withdrawn
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105894177A (zh) * | 2016-03-25 | 2016-08-24 | 国家电网公司 | 一种基于决策树算法的电力设备运行风险分析评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 周祖宁: ""基于s变换的电能质量扰动识别算法研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 潘旭等: ""智能配电网多维数据质量评价方法"", 《中国电机工程学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109856503A (zh) * | 2018-12-27 | 2019-06-07 | 国网江苏省电力有限公司检修分公司 | 一种基于s变换及同步相量测量的输电线路故障定位方法 |
| CN110598933A (zh) * | 2019-09-16 | 2019-12-20 | 广东电网有限责任公司 | 一种停电敏感用户管理方法、系统及相关组件 |
| CN113051553A (zh) * | 2019-12-27 | 2021-06-29 | 北京安控科技股份有限公司 | 一种事故规则的生成方法和系统 |
| CN112365073A (zh) * | 2020-11-18 | 2021-02-12 | 贵州电网有限责任公司 | 一种基于大数据的调控操作信号监控方法 |
| CN113110389A (zh) * | 2021-04-21 | 2021-07-13 | 东方电气自动控制工程有限公司 | 一种基于智慧电厂监控系统的故障录波数据的处理方法 |
| CN117554751A (zh) * | 2023-12-14 | 2024-02-13 | 胡波 | 基于人工智能的电力系统故障诊断系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108876068A (zh) | 一种电网故障预测检测方法及装置 | |
| CN106771645B (zh) | 电容式电压互感器介损及电容量在线监测方法及监测系统 | |
| CN101441231B (zh) | 一种谐波电能计量误差分析装置 | |
| CN104076321B (zh) | 一种数字式电能表在线监测与评估系统及方法 | |
| CN101629995A (zh) | 相量测量单元pmu的检测方法 | |
| CN112946424B (zh) | 一种故障精确定位的方法及装置 | |
| CN109116289A (zh) | 一种高压互感器群运行状态实时采集系统 | |
| CN103901388A (zh) | 并行检测终端装置及检测方法 | |
| CN203572883U (zh) | 一种新型智能变频大电流接地阻抗测量仪 | |
| CN114384374A (zh) | 基于边缘计算ftu与故障指示器的故障研判方法及装置 | |
| CN103969537A (zh) | 模拟量、数字量混合采集的互感器干扰源测试系统及方法 | |
| CN111614066A (zh) | 一种配电网继电保护定值自动整定方法和系统 | |
| Oleinikova et al. | PMU measurements application for transmission line temperature and sag estimation algorithm development | |
| CN105242228B (zh) | 变压器铁芯接地电流在线监测设备的电流置空方法及装置 | |
| CN106546854A (zh) | 一种支持录波功能的合并单元 | |
| CN101562485A (zh) | 一种Ku频段、多载波时分多址卫星信号监测方法 | |
| CN109829652A (zh) | 一种长时间尺度动态谐波责任划分方法 | |
| CN206945947U (zh) | 一种用于抽样检测的数字化电能表检测装置 | |
| CN111638401A (zh) | 一种电容器在线监测系统及方法 | |
| CN102087308A (zh) | 一种电力系统电气量采集测试分析仪及方法 | |
| CN110716168A (zh) | 一种行波测距装置性能检测的方法 | |
| CN107064633B (zh) | 城市轨道交通负荷谐波电流迭加系数确定方法 | |
| Albu et al. | Applicability of synchronised measurements in modern distribution grids. A discussion | |
| RU2531038C2 (ru) | Способ мониторинга состояния электрической сети и энергообъекта и устройство для его реализации | |
| CN114002550B (zh) | 一种直流配电网接地故障选线方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181123 |