CN110009246B - 一种基于大数据画像技术的输电线路运行状态评估方法 - Google Patents
一种基于大数据画像技术的输电线路运行状态评估方法 Download PDFInfo
- Publication number
- CN110009246B CN110009246B CN201910295679.4A CN201910295679A CN110009246B CN 110009246 B CN110009246 B CN 110009246B CN 201910295679 A CN201910295679 A CN 201910295679A CN 110009246 B CN110009246 B CN 110009246B
- Authority
- CN
- China
- Prior art keywords
- transmission line
- power transmission
- score
- defects
- evaluation
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 84
- 238000011156 evaluation Methods 0.000 title claims abstract description 45
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000013210 evaluation model Methods 0.000 claims abstract description 7
- 230000007547 defect Effects 0.000 claims description 61
- 230000002265 prevention Effects 0.000 claims description 17
- 239000012212 insulator Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000007123 defense Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000025274 Lightning injury Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06Q10/06—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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (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)
Abstract
本发明涉及一种基于大数据画像技术的输电线路运行状态评估方法，由两部分构成，分别为多维度的输电线路画像部分和多层架构的输电线路设备评估部分，利用电网的各大系统对输电线路画像的各参量的进行确定，利用累计扣分法对各参量进行评分，将评分带入至输电线路设备状态评估模型中得到各塔位段的运行状态评估分数，再将输电线路上各个塔位段的综合评估分数进行累加，最终得到输电线路的整体运行状态评价。本发明通过多维度的输电线路画像与输电线路运行状态之间的有机结合，简单且全方位的实现对输电线路运行状态的评估。
Description
技术领域
本发明涉及电力系统安全领域，特别是一种基于大数据画像技术的输电线路运行状态评估方法。
背景技术
随着人们对电力的依赖性不断升高，对电力系统的供电可靠性以及安全性的要求也越来越高，输电线路作为电力系统的主体部分，承担了输送电能的重则，一旦发生输电线路故障将导致大面积的停电，其造成的经济损失不可估量。为保证安全可靠地传输电能，对输电线路的运行状态进行评估具有重要的现实意义。
发展智能电网已经是一个时代的趋势，而今许多研究学者也将各种智能算法应用到输电线路的运行状态的评估中，例如基于模糊综合评价、神经网络等的评价方法，这些方法虽然在理论研究上取得不错的效果，但是这种评价方法存在以下几点不足：一、其训练以及建模过程过于复杂、工作量较大、实用性不强；二、仅考虑到了单一线路设备以及状态量的相关评价上，未结合线路评价的时间段以及空间分布上的相关特点进行评估，难以反映输电线路运行的真实状态。这些不足将导致了这些智能方法在输电线路的运行状态评估的工程实践应用变得困难重重。
大数据画像技术是大数据技术背景下的重要应用之一，其主要目标是通过构建所研究对象的描述性的标签属性，对研究对象的真实特征进行勾勒，形成可描述研究对象的特征、状态等信息的画像。从而更加快速、直观、准确和全面的对研究对象进行评价。因为其高匹配、高精准以及简单可靠的特点，现被应用在诸多互联网大数据挖掘的场合中，例如在用户画像的基础上衍生出的精准营销系统、个性商品推荐系统、广告投放系统等。
发明内容
有鉴于此，本发明的目的是提出一种基于大数据画像技术的输电线路运行状态评估方法，通过多维度的输电线路画像与输电线路运行状态之间的有机结合，简单且全方位的实现对输电线路运行状态的评估。
本发明采用以下方案实现：一种基于大数据画像技术的输电线路运行状态评估方法，具体包括以下步骤：
步骤S1：确定待评估的输电线路；
步骤S2：通过采集和统计电网系统中的数据，从中获取输电网各塔位段的基础信息；
步骤S3：根据所获取的输电线路各塔位段的基础信息，构建相应的输电线路画像；
步骤S4：构建输电线路设备运行状态评估模型；
步骤S5：采用累计扣分法对输电线路的基础画像中的各个参量进行评分；
步骤S6：将步骤S5中的各参量的评分带入步骤S4中的模型中，获取单个塔位段的运行状态综合评分；
步骤S7：重复上述步骤S5与步骤S6，直到得到所有塔位段的综合评分，然后进行累加得到该输电线路的运行状态的整体评分。
进一步地，步骤S2中，所述输电网各塔位段的基础信息包括以下三个方面：评价时间段、输电线路设备的所处环境和输电线路设备状态指标。
进一步地，步骤S4中，所述输电线路设备运行状态评估模型如下：
式中，FN为第N个塔位段所对应的综合评分；xi分别代表九类缺陷中第i类缺陷所对应的评分，与之对应的k1i为各缺陷评分所对应的权重；Pt为不同时间段以及不同环境下的影响系数；kp为环境影响因子，由环境的恶劣程度所决定；kt为时段影响因子，由评价时线路所处时间段的带载情况所决定；vi分别代表六防情况所对应的评价分数，与之对应的k2i是各防害情况分数所对应的权重；所述六放为防外力破坏、防污闪、防冰害、防风害、防雷害、防鸟害；所述九类缺陷为杆塔类缺陷、基础类缺陷、导线类缺陷、架空地线类缺陷、绝缘子类缺陷、金具类缺陷、接地类缺陷、拉线类缺陷以及通道类缺陷。
进一步地，步骤S5中，所述累计扣分法具体为：令各指标的初始分数均为最高分10分，对于评价时间段数据来说，低带载情况下所对应的时间段的评分最高，根据带载程度的逐级递增，所扣除的分值也越大，所对应的评分也越低；对于输电线路所处环境来说，其最理想的正常工作的环境所对应的评分最高，根据环境的恶劣程度不断加深，其分值将逐渐降低；对于输电线路设备状态指标则根据9大类缺陷数据分别来进行评分，每一类缺陷数据均为独立的评分机制，若无缺陷，则评分最高，随着缺陷数量的增加，其扣除的分数越多。
与现有技术相比，本发明有以下有益效果：
一、本发明利用了大数据画像的思想，使得评估过程变得简单，提高了评估效率，使其工程实践运用变得可行；
二、本发明结合了不同时间段、不同环境下的输电线路设备状态对输电线路运行状态进行评估，相比其他现有智能评价方法仅考虑单一的线路设备状态更加全面，其评估的结果也更加接近输电线路的真实状态。
附图说明
图1为本发明实施例的大数据画像技术的输电线路运行状态评估系统架构图。
图2为本发明实施例的大数据画像技术的输电线路运行状态评估工作流程图。
图3为本发明实施例的输电线路画像图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，图1为该评估方案的系统架构图，该评估方案的主体部分由两部分构成，分别为多维度的输电线路画像部分和多层架构的输电线路设备评估部分，利用电网的各大系统对输电线路画像的各参量的进行确定，利用累计扣分法对各参量进行评分，将评分带入至输电线路设备状态评估模型中得到各塔位段的运行状态评估分数，再将输电线路上各个塔位段的综合评估分数进行累加，最终得到输电线路的整体运行状态评价。
如图2所示，本实施例提供了一种基于大数据画像技术的输电线路运行状态评估方法，具体包括以下步骤：
步骤S1：确定待评估的输电线路；
步骤S2：通过采集和统计电网系统中(包括PMS、PIS、能源计量等系统)的数据，从中获取输电网各塔位段的基础信息；
步骤S3：根据所获取的输电线路各塔位段的基础信息，构建相应的输电线路画像；
步骤S4：构建输电线路设备运行状态评估模型；
步骤S5：采用累计扣分法对输电线路的基础画像中的各个参量进行评分；
步骤S6：将步骤S5中的各参量的评分带入步骤S4中的模型中，获取单个塔位段的运行状态综合评分；
步骤S7：重复上述步骤S5与步骤S6，直到得到所有塔位段的综合评分，然后进行累加得到该输电线路的运行状态的整体评分。
在本实施例中，步骤S2中，所述输电网各塔位段的基础信息包括以下三个方面：评价时间段、输电线路设备的所处环境和输电线路设备状态指标。其中评价时间段则根据能源计量系统中的历史数据按照输电线路带载情况进行划分，根据行业标准主要划分为3个时间段：重载区、一般负载区和轻载区；其中输电线路设备所处环境则根据“六防”工作准则进行相应的信息统计，“六防”既“防外力破坏、防污闪、防冰害、防风害、防雷害、防鸟害”，相对应的信息统计有通道环境情况、线路污秽沉积情况、温度、自然风级、雷击发生概率、地理位置和防鸟措施等。输电线路设备状态则按照缺陷发生位置进行统计，分别为杆塔类缺陷数据、基础类缺陷数据、导线类缺陷数据、架空地线类缺陷数据、绝缘子类缺陷数据、金具类缺陷数据、接地类缺陷数据、拉线类缺陷数据以及通道类缺陷数据9大类。
在本实施例中，步骤S4中，所述输电线路设备运行状态评估模型如下：
式中，FN为第N个塔位段所对应的综合评分；xi分别代表九类缺陷中第i类缺陷所对应的评分，与之对应的k1i为各缺陷评分所对应的权重；Pt为不同时间段以及不同环境下的影响系数；kp为环境影响因子，由环境的恶劣程度所决定；kt为时段影响因子，由评价时线路所处时间段的带载情况所决定；vi分别代表六防情况所对应的评价分数，与之对应的k2i是各防害情况分数所对应的权重；所述六放为防外力破坏、防污闪、防冰害、防风害、防雷害、防鸟害；所述九类缺陷为杆塔类缺陷、基础类缺陷、导线类缺陷、架空地线类缺陷、绝缘子类缺陷、金具类缺陷、接地类缺陷、拉线类缺陷以及通道类缺陷。
在本实施例中，步骤S5中，所述累计扣分法具体为：令各指标的初始分数均为最高分10分，对于评价时间段数据来说，低带载情况下所对应的时间段的评分最高，根据带载程度的逐级递增，所扣除的分值也越大，所对应的评分也越低；对于输电线路所处环境来说，按照6项指标，其最理想的正常工作的环境所对应的评分最高，根据环境的恶劣程度不断加深，其分值将逐渐降低；对于输电线路设备状态指标则根据9大类缺陷数据分别来进行评分，每一类缺陷数据均为独立的评分机制，若无缺陷，则评分最高，随着缺陷数量的增加，其扣除的分数越多。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (3)
1.一种基于大数据画像技术的输电线路运行状态评估方法，其特征在于：包括以下步骤：
步骤S1：确定待评估的输电线路；
步骤S2：通过采集和统计电网系统中的数据，从中获取输电网各塔位段的基础信息；
步骤S3：根据所获取的输电线路各塔位段的基础信息，构建相应的输电线路画像；
步骤S4：构建输电线路设备运行状态评估模型；
步骤S5：采用累计扣分法对输电线路的基础画像中的各个参量进行评分；
步骤S6：将步骤S5中的各参量的评分带入步骤S4中的模型中，获取单个塔位段的运行状态综合评分；
步骤S7：重复上述步骤S5与步骤S6，直到得到所有塔位段的综合评分，然后进行累加得到该输电线路的运行状态的整体评分；
步骤S4中，所述输电线路设备运行状态评估模型如下：
式中，FN为第N个塔位段所对应的综合评分；xi分别代表九类缺陷中第i类缺陷所对应的评分，与之对应的k1i为各缺陷评分所对应的权重；Pt为不同时间段以及不同环境下的影响系数；kp为环境影响因子，由环境的恶劣程度所决定；kt为时段影响因子，由评价时线路所处时间段的带载情况所决定；vi分别代表六防情况所对应的评价分数，与之对应的k2i是各防害情况分数所对应的权重；六防情况为：防外力破坏、防污闪、防冰害、防风害、防雷害、防鸟害；所述九类缺陷为杆塔类缺陷、基础类缺陷、导线类缺陷、架空地线类缺陷、绝缘子类缺陷、金具类缺陷、接地类缺陷、拉线类缺陷以及通道类缺陷。
2.根据权利要求1所述的一种基于大数据画像技术的输电线路运行状态评估方法，其特征在于：步骤S2中，所述输电网各塔位段的基础信息包括以下三个方面：评价时间段、输电线路设备的所处环境和输电线路设备状态指标。
3.根据权利要求1所述的一种基于大数据画像技术的输电线路运行状态评估方法，其特征在于：步骤S5中，所述累计扣分法具体为：令各指标的初始分数均为最高分10分，对于评价时间段数据来说，低带载情况下所对应的时间段的评分最高，根据带载程度的逐级递增，所扣除的分值也越大，所对应的评分也越低；对于输电线路所处环境来说，其最理想的正常工作的环境所对应的评分最高，根据环境的恶劣程度不断加深，其分值将逐渐降低；对于输电线路设备状态指标则根据9大类缺陷数据分别来进行评分，每一类缺陷数据均为独立的评分机制，若无缺陷，则评分最高，随着缺陷数量的增加，其扣除的分数越多。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910295679.4A CN110009246B (zh) | 2019-04-12 | 2019-04-12 | 一种基于大数据画像技术的输电线路运行状态评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910295679.4A CN110009246B (zh) | 2019-04-12 | 2019-04-12 | 一种基于大数据画像技术的输电线路运行状态评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110009246A CN110009246A (zh) | 2019-07-12 |
| CN110009246B true CN110009246B (zh) | 2023-04-07 |
Family
ID=67171591
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910295679.4A Active CN110009246B (zh) | 2019-04-12 | 2019-04-12 | 一种基于大数据画像技术的输电线路运行状态评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009246B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110705873B (zh) * | 2019-09-30 | 2022-06-03 | 国网福建省电力有限公司 | 一种配电网运行状态画像分析方法 |
| CN114611966B (zh) * | 2022-03-18 | 2022-12-20 | 广西电网有限责任公司 | 一种智慧电网电力系统输变电运行安全量化智能评估方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732058A (zh) * | 2014-12-09 | 2015-06-24 | 上海交通大学 | 一种多维度输电设备状态的评估方法 |
| CN105719094A (zh) * | 2016-01-27 | 2016-06-29 | 刘冰 | 一种输电设备状态评估方法 |
| CN108197131A (zh) * | 2017-10-09 | 2018-06-22 | 国网陕西省电力公司 | 一种电力资产画像的构建方法及装置 |
| CN109242323A (zh) * | 2018-09-18 | 2019-01-18 | 深圳市元征科技股份有限公司 | 一种汽车维修厂评分方法及相关装置 |
| CN109409723A (zh) * | 2018-10-18 | 2019-03-01 | 广西电网有限责任公司电力科学研究院 | 一种架空输电线路状态评价方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011056654A2 (en) * | 2009-10-27 | 2011-05-12 | Enphase Energy, Inc. | Method and apparatus for distributed generator planning |
-
2019
- 2019-04-12 CN CN201910295679.4A patent/CN110009246B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732058A (zh) * | 2014-12-09 | 2015-06-24 | 上海交通大学 | 一种多维度输电设备状态的评估方法 |
| CN105719094A (zh) * | 2016-01-27 | 2016-06-29 | 刘冰 | 一种输电设备状态评估方法 |
| CN108197131A (zh) * | 2017-10-09 | 2018-06-22 | 国网陕西省电力公司 | 一种电力资产画像的构建方法及装置 |
| CN109242323A (zh) * | 2018-09-18 | 2019-01-18 | 深圳市元征科技股份有限公司 | 一种汽车维修厂评分方法及相关装置 |
| CN109409723A (zh) * | 2018-10-18 | 2019-03-01 | 广西电网有限责任公司电力科学研究院 | 一种架空输电线路状态评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110009246A (zh) | 2019-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104200288B (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
| CN110009246B (zh) | 一种基于大数据画像技术的输电线路运行状态评估方法 | |
| CN109359896B (zh) | 一种基于svm的电网线路故障风险预警方法 | |
| CN117332215B (zh) | 一种高低压配电柜异常故障信息远程监测系统 | |
| CN106682159A (zh) | 一种阈值配置方法 | |
| CN110766313A (zh) | 一种基于运维检修制度的电缆隧道综合状态评价方法 | |
| CN112668821A (zh) | 一种基于风沙区域绝缘子故障概率的配电线路风险分析方法 | |
| CN114742283A (zh) | 一种基于深度学习网络的中压线路合环电流估算与风险评估方法 | |
| CN117691645A (zh) | 一种用于智能微电网的储能系统 | |
| CN116050599A (zh) | 一种线路覆冰故障预测方法、系统、存储介质及设备 | |
| CN106408016A (zh) | 一种配电网停电时间自动识别模型构造方法 | |
| CN111563693A (zh) | 轨道交通设备健康值的评分方法、设备和存储介质 | |
| CN104050377A (zh) | 一种时变设备故障概率确定方法 | |
| CN117498559A (zh) | 配电网低电压预警分析方法及系统 | |
| CN117150808A (zh) | 一种强对流天气下输电线路韧性评估方法、系统及设备 | |
| CN109948925A (zh) | 考虑天气影响的电力通信系统可靠性评估方法 | |
| CN116415724A (zh) | 一种光伏电站运维检修时间的预测方法及装置 | |
| CN103809076B (zh) | 输电线路故障处理方法及装置 | |
| CN115935201A (zh) | 一种针对重点应急装备gps及电气量数据采集的监测方法以及装置 | |
| CN108108909A (zh) | 面向电力事故、误操作事故与违章操作事故的数据分析方法 | |
| CN102231081A (zh) | 一种流程工业设备用能状态诊断方法 | |
| CN111080068A (zh) | 一种电能表运行状态评价方法和装置 | |
| Abdel-Karim et al. | Modeling wind speed for power system applications | |
| CN117078043B (zh) | 一种水电厂计算机监控系统的状态评价方法 | |
| CN113836108B (zh) | 一种基于大数据的配网低电压问题治理方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |