CN110601173B - 基于边缘计算的配网拓扑识别方法及装置 - Google Patents
基于边缘计算的配网拓扑识别方法及装置 Download PDFInfo
- Publication number
- CN110601173B CN110601173B CN201910546799.7A CN201910546799A CN110601173B CN 110601173 B CN110601173 B CN 110601173B CN 201910546799 A CN201910546799 A CN 201910546799A CN 110601173 B CN110601173 B CN 110601173B
- Authority
- CN
- China
- Prior art keywords
- voltage
- distribution network
- topological relation
- node
- correlation coefficient
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 238000012795 verification Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000010219 correlation analysis Methods 0.000 claims description 20
- 238000007621 cluster analysis Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000013523 data management Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于边缘计算的配网拓扑识别方法及装置,其中,方法包括:采集多源数据,并根据校验规则对多源数据进行校验,生成初始拓扑关系;对配变采集电压值进行聚类分析,识别异常数据,并对异常数据进行修正,生成边缘计算后的拓扑关系;根据节点电压求解结果构建电压关联系数矩阵,并求取相关系数,并根据相关系数和拓扑关系获取最终配电网拓扑关系。根据本发明实施例的识别方法,可以基于边缘计算准确识别配网拓扑关系,有效提升配电网拓扑连接关系的正确性,提升使用体验,有效满足使用需求。
Description
技术领域
本发明涉及配电网技术领域,特别涉及一种基于边缘计算的配网拓扑识别方法及装置。
背景技术
目前,通过多源数据接入与融合技术,利用计算机对不同数据源、不同时序的若干数据,从而可以在一定准则下加以自动分析与综合,以获取所需数据结构及展现方式的信息处理技术。
具体地,边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台。边缘计算与云计算互相协同,共同助力各行各业的数字化转型。它就近提供智能互联服务,满足行业在数字化变革过程中对业务实时、业务智能、数据聚合与互操作、安全与隐私保护等方面的关键需求。另外,相关性分析是指对两个或多个具备相关性的变量元素进行分析,从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。需要说明的是,相关性不等于因果性,也不是简单的个性化,相关性所涵盖的范围和领域几乎覆盖了所见到的方方面面,相关性在不同的学科里面的定义也有很大的差异。
相关技术中,常见的相关性分析如聚类,其是将数据分类到不同的类或者簇这样的一个过程,所以同一个簇中的对象有很大的相似性,而不同簇间的对象有很大的相异性。聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域,包括数学,计算机科学,统计学,生物学和经济学。在不同的应用领域,很多聚类技术都得到了发展,这些技术方法被用作描述数据,衡量不同数据源间的相似性,以及把数据源分类到不同的簇中。
因此,现有的配电网拓扑关系识别急需利用边缘计算,以提升配电网拓扑连接关系的正确性。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种基于边缘计算的配网拓扑识别方法,该方法可以基于边缘计算准确识别配网拓扑关系,有效提升配电网拓扑连接关系的正确性。
本发明的另一个目的在于提出一种基于边缘计算的配网拓扑识别装置。
为达到上述目的,本发明一方面实施例提出了一种基于边缘计算的配网拓扑识别方法,包括以下步骤:采集多源数据,并根据校验规则对所述多源数据进行校验,生成初始拓扑关系;对配变采集电压值进行聚类分析,识别异常数据,并对所述异常数据进行修正,生成边缘计算后的拓扑关系;根据节点电压求解结果构建电压关联系数矩阵,并求取相关系数,并根据所述相关系数和所述拓扑关系获取最终配电网拓扑关系。
本发明实施例的基于边缘计算的配网拓扑识别方法,综合应用边缘物联代理、智能配变终端和新一代智能电表,实现配电网全量设备在线、用户计量数据实时采集,利用聚类分析和相关系数分析方法实现配电网拓扑关系识别、修正,实现基于边缘计算准确识别配网拓扑关系,有效提升配电网拓扑连接关系的正确性,提升使用体验,有效满足使用需求。
另外,根据本发明上述实施例的基于边缘计算的配网拓扑识别方法还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,还包括:根据电压相关性分析结果和电压幅值确定各配变所属配线及挂接位置,以对所述最终配电网拓扑关系进行拓扑智能修复。
进一步地,在本发明的一个实施例中,所述节点电压求解结果的计算公式为:
Ujd=Uf+Zl×Il;
其中,Ujd为节点电压,Uf为负荷测量电压,Zl为测点到该节点的线路阻抗,Il为测点到该节点的线路电流,Pf为负荷有功功率,Qf为负荷无功功率。
进一步地,在本发明的一个实施例中,所述电压关联系数矩阵的构建公式为:
进一步地,在本发明的一个实施例中,所述电压相关性分析结果的计算公式为:
为达到上述目的,本发明另一方面实施例提出了一种基于边缘计算的配网拓扑识别装置,包括:校验模块,用于采集多源数据,并根据校验规则对所述多源数据进行校验,生成初始拓扑关系;修正模块,用于对配变采集电压值进行聚类分析,识别异常数据,并对所述异常数据进行修正,生成边缘计算后的拓扑关系;识别模块,用于根据节点电压求解结果构建电压关联系数矩阵,并求取相关系数,并根据所述相关系数和所述拓扑关系获取最终配电网拓扑关系。
本发明实施例的基于边缘计算的配网拓扑识别装置,综合应用边缘物联代理、智能配变终端和新一代智能电表,实现配电网全量设备在线、用户计量数据实时采集,利用聚类分析和相关系数分析方法实现配电网拓扑关系识别、修正,实现基于边缘计算准确识别配网拓扑关系,有效提升配电网拓扑连接关系的正确性,提升使用体验,有效满足使用需求。
另外,根据本发明上述实施例的基于边缘计算的配网拓扑识别装置还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,还包括:修复模块,用于根据电压相关性分析结果和电压幅值确定各配变所属配线及挂接位置,以对所述最终配电网拓扑关系进行拓扑智能修复。
进一步地,在本发明的一个实施例中,所述节点电压求解结果的计算公式为:
Ujd=Uf+Zl×Il;
其中,Ujd为节点电压,Uf为负荷测量电压,Zl为测点到该节点的线路阻抗,Il为测点到该节点的线路电流,Pf为负荷有功功率,Qf为负荷无功功率。
进一步地,在本发明的一个实施例中,所述电压关联系数矩阵的构建公式为:
进一步地,在本发明的一个实施例中,所述电压相关性分析结果的计算公式为:
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的基于边缘计算的配网拓扑识别方法的流程图;
图2为根据本发明一个具体实施例的基于边缘计算的配网拓扑识别方法的流程图;
图3为根据本发明实施例的基于边缘计算的配网拓扑识别装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的基于边缘计算的配网拓扑识别方法及装置,首先将参照附图描述根据本发明实施例提出的基于边缘计算的配网拓扑识别方法。
图1是本发明一个实施例的基于边缘计算的配网拓扑识别方法的流程图。
如图1所示,该基于边缘计算的配网拓扑识别方法包括以下步骤:
在步骤S101中,采集多源数据,并根据校验规则对多源数据进行校验,生成初始拓扑关系。
可以理解的是,如图2所示,首先进行多源数据接入及校验,包括设备档案数据、拓扑数据、采集数据等,实现多源数据融合贯通,并基于校验规则进行校验。
具体地,上述的多源数据包括:
配电网档案信息:接入档案信息,并根据校验规则从数据完整性、有效性、一致性等方面进行校验,数据主要包括变电站、电厂、配电线路、配变、开关等设备档案,以及表计、计量点、用户信息、台区信息等采集档案。
配电网采集信息:接入采集信息,并根据校验规则从数据完整性、有效性、一致性等方面进行校验,数据主要包括电压、电流、有功功率、无功功率等。
配电网拓扑信息:接入GIS(Geographic Information System,地理信息系统)系统拓扑关系数据、营配贯通关系数据等,根据校验规则从拓扑完整性、合理性等方面对拓扑关系进行初步校验。
在步骤S102中,对配变采集电压值进行聚类分析,识别异常数据,并对异常数据进行修正,生成边缘计算后的拓扑关系。
可以理解的是,如图2所示,其次进行边缘计算,其中,包括对不良数据识别及修正,本发明实施例可以利用聚类分析方法,对配变采集电压值进行聚类分析,识别异常数据,并进行修正。
具体地,边缘计算的核心是在网络边缘(如接入网内)放置小型数据中心(边缘数据中心),为用户提供近距离的服务资源,从而减少远程传输至云数据中心的传播时延。边缘计算改善了云计算的聚合式高时延服务模型,同时也为支撑云计算的光网络带来了新的挑战。一方面,有了边缘数据中心,时延敏感类业务将不需再经由光传送网获取服务,呈现出“服务边缘化”的趋势,同时也把时延保障问题交给了接入部分。另一方面,边缘数据中心广泛分布但个体容量有限,必要时仍需相互协作,为承担其互联任务的光传送网带来了更多样的通信需求,呈现“互联密集化”的趋势。
进一步地,基于边缘计算的不良数据识别,利用聚类分析方法,对配变采集电压值进行聚类分析,识别异常数据。聚类分析是一种建立分类的多元统计分析方法,能将一批样本(或变量)数据根据其诸多特征,在没有先验知识的情况下,按照性质的亲疏程度进行自动分类,产生多个分类结果,其结果是同一个类之内的个体特征具有相似性,而不同类的个体特征差异性较大。聚类分析方法,可以实现采集失败、异常数据的识别,为不良数据修正提供支撑。
另外,基于边缘计算的不良数据修正,在不良数据识别的基础上,利用插值法对出现采集失败、跳变等异常情况的数据进行修正。插值法又称"内插法",利用函数f(x)在某区间中插入若干点的函数值,作出适当的特定函数,在这些点上取已知值,在区间的其他点上用这特定函数的值作为函数f(x)的近似值。
在步骤S103中,根据节点电压求解结果构建电压关联系数矩阵,并求取相关系数,并根据相关系数和拓扑关系获取最终配电网拓扑关系。
可以理解的是,如图2所示,最后进行拓扑识别,其中,包括利用配线出口电压、配变采集电压、节点电压等,构建电压关联系数矩阵,求取相关系数,实现配电网拓扑关系识别。
其中,在本发明的一个实施例中,节点电压求解结果的计算公式为:
Ujd=Uf+Zl×Il;
其中,Ujd为节点电压,Uf为负荷测量电压,Zl为测点到该节点的线路阻抗,Il为测点到该节点的线路电流,Pf为负荷有功功率,Qf为负荷无功功率。
进一步地,在本发明的一个实施例中,电压关联系数矩阵的构建公式为:
具体而言,基于边缘计算的拓扑识别,利用配线出口电压、配变采集电压、节点电压等,构建电压关联系数矩阵,求取相关系数,实现配网拓扑关系识别。
(1)节点电压求解,基于配网拓扑结构,结合欧姆定律对任一时刻的节点电压进行求解,如下所示:
Ujd=Uf+Zl×Il;
上式中Ujd为节点电压,Uf为负荷测量电压,Zl为测点到该节点的线路阻抗,Il为测点到该节点的线路电流,Pf为负荷有功功率,Qf为负荷无功功率。
(2)电压关联系数矩阵构建,基于以上节点电压计算结果,考虑整个时间序列T,可得到各负荷节点电压样本空间,构建电压关联关系矩阵,如下所示:
综上,本发明实施例可以基于数据校验、边缘计算结果,输出配电网拓扑识别修正结果,辅助配网拓扑数据治理工作开展,提升配电网数据管理水平。
另外,在本发明的一个实施例中,本发明实施例的方法还包括:根据电压相关性分析结果和电压幅值确定各配变所属配线及挂接位置,以对最终配电网拓扑关系进行拓扑智能修复。
可以理解的是,如图2所示,本发明实施例还可以实现拓扑智能修复,即基于电压相关性分析结果,结合电压幅值大小,确定各配变所属配线及挂接位置,实现拓扑智能修复。
可选地,在本发明的一个实施例中,电压相关性分析结果的计算公式为:
即言:
(3)电压相关性分析,用相关性分析法来完成配电网拓扑连接关系的校验,计算模型如下:
(4)配电网拓扑识别,根据相关性分析结果,判断电压相关系数ρ的值,当ρ大于特定值ρ0时,则相关,即属于同一条配线,小于特定值ρ0时,则不相关,即不属于同一条配线。
也就是说,本发明实施例基于边缘计算的拓扑智能修复,利用电压相关性分析结果,再结合电压幅值大小,确定各配变所属配线及挂接位置,实现拓扑智能修复,进而实现结果输出,基于数据校验、边缘计算结果,输出配电网拓扑识别修正结果,辅助配网拓扑数据治理工作开展,提升配电网数据管理水平。
根据本发明实施例的基于边缘计算的配网拓扑识别方法,综合应用边缘物联代理、智能配变终端和新一代智能电表,实现配电网全量设备在线、用户计量数据实时采集,利用聚类分析和相关系数分析方法实现配电网拓扑关系识别、修正与智能修复,实现基于边缘计算准确识别配网拓扑关系,有效提升配电网拓扑连接关系的正确性,可协助业务部门完成配网拓扑数据治理,提升数据质量,提升使用体验,有效满足使用需求。
其次参照附图描述根据本发明实施例提出的基于边缘计算的配网拓扑识别装置。
图3是本发明一个实施例的基于边缘计算的配网拓扑识别装置的方框示意图。
如图3所示,该基于边缘计算的配网拓扑识别装置10包括:校验模块100、修正模块200和识别模块300。
其中,校验模块100用于采集多源数据,并根据校验规则对多源数据进行校验,生成初始拓扑关系。修正模块200用于对配变采集电压值进行聚类分析,识别异常数据,并对异常数据进行修正,生成边缘计算后的拓扑关系。识别模块300用于根据节点电压求解结果构建电压关联系数矩阵,并求取相关系数,并根据相关系数和拓扑关系获取最终配电网拓扑关系。本发明实施例的识别装置10可以基于边缘计算准确识别配网拓扑关系,有效提升配电网拓扑连接关系的正确性,提升使用体验,有效满足使用需求。
进一步地,在本发明的一个实施例中,本发明实施例的识别装置10还包括:修复模块。其中,修复模块用于根据电压相关性分析结果和电压幅值确定各配变所属配线及挂接位置,以对最终配电网拓扑关系进行拓扑智能修复。
进一步地,在本发明的一个实施例中,节点电压求解结果的计算公式为:
Ujd=Uf+Zl×Il;
其中,Ujd为节点电压,Uf为负荷测量电压,Zl为测点到该节点的线路阻抗,Il为测点到该节点的线路电流,Pf为负荷有功功率,Qf为负荷无功功率。
进一步地,在本发明的一个实施例中,电压关联系数矩阵的构建公式为:
进一步地,在本发明的一个实施例中,电压相关性分析结果的计算公式为:
需要说明的是,前述对基于边缘计算的配网拓扑识别方法实施例的解释说明也适用于该实施例的基于边缘计算的配网拓扑识别装置,此处不再赘述。
根据本发明实施例的基于边缘计算的配网拓扑识别装置,综合应用边缘物联代理、智能配变终端和新一代智能电表,实现配电网全量设备在线、用户计量数据实时采集,利用聚类分析和相关系数分析方法实现配电网拓扑关系识别、修正与智能修复,实现基于边缘计算准确识别配网拓扑关系,有效提升配电网拓扑连接关系的正确性,可协助业务部门完成配网拓扑数据治理,提升数据质量,提升使用体验,有效满足使用需求。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种基于边缘计算的配网拓扑识别方法,其特征在于,包括以下步骤:
采集多源数据,并根据校验规则对所述多源数据进行校验,生成初始拓扑关系;
对配变采集电压值进行聚类分析,识别异常数据,并对所述异常数据进行修正,生成边缘计算后的拓扑关系;以及
根据节点电压求解结果构建电压关联系数矩阵,并求取相关系数,并根据所述相关系数和所述拓扑关系获取最终配电网拓扑关系;
根据电压相关性分析结果和电压幅值确定各配变所属配线及挂接位置,以对所述最终配电网拓扑关系进行拓扑智能修复;
所述电压相关性分析结果的计算公式为:
4.一种基于边缘计算的配网拓扑识别装置,其特征在于,包括:
校验模块,用于采集多源数据,并根据校验规则对所述多源数据进行校验,生成初始拓扑关系;
修正模块,用于对配变采集电压值进行聚类分析,识别异常数据,并对所述异常数据进行修正,生成边缘计算后的拓扑关系;以及
识别模块,用于根据节点电压求解结果构建电压关联系数矩阵,并求取相关系数,并根据所述相关系数和所述拓扑关系获取最终配电网拓扑关系;
修复模块,用于根据电压相关性分析结果和电压幅值确定各配变所属配线及挂接位置,以对所述最终配电网拓扑关系进行拓扑智能修复;
所述电压相关性分析结果的计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910546799.7A CN110601173B (zh) | 2019-06-24 | 2019-06-24 | 基于边缘计算的配网拓扑识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910546799.7A CN110601173B (zh) | 2019-06-24 | 2019-06-24 | 基于边缘计算的配网拓扑识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110601173A CN110601173A (zh) | 2019-12-20 |
CN110601173B true CN110601173B (zh) | 2021-07-16 |
Family
ID=68852751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910546799.7A Active CN110601173B (zh) | 2019-06-24 | 2019-06-24 | 基于边缘计算的配网拓扑识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110601173B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111865697B (zh) * | 2020-07-29 | 2021-09-24 | 广东电网有限责任公司电力调度控制中心 | 配用电系统边缘计算终端的计算负荷表征方法及装置 |
CN112217200B (zh) * | 2020-09-18 | 2022-05-17 | 江苏方天电力技术有限公司 | 一种基于边缘计算技术的配网管理方法 |
CN112798895B (zh) * | 2021-02-09 | 2023-05-09 | 南京软核科技有限公司 | 一种联络开关位置识别方法 |
CN116089849B (zh) * | 2023-04-10 | 2023-07-04 | 国网江西省电力有限公司电力科学研究院 | 一种基于大数据的配电网拓扑自动识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108173263A (zh) * | 2017-12-29 | 2018-06-15 | 国网天津市电力公司电力科学研究院 | 一种基于ami量测信息的配电网拓扑错误辨识算法 |
CN108183475A (zh) * | 2017-12-27 | 2018-06-19 | 国网河南省电力公司电力科学研究院 | 一种低压配电网拓扑重构方法及装置 |
CN208820820U (zh) * | 2018-08-27 | 2019-05-03 | 浙江天正电气股份有限公司 | 一种可实现边缘计算的低压智能组网系统 |
CN109753762A (zh) * | 2019-03-05 | 2019-05-14 | 国网江苏省电力有限公司电力科学研究院 | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 |
CN111478312A (zh) * | 2019-11-20 | 2020-07-31 | 国网河北省电力有限公司电力科学研究院 | 一种提升电网稳定性的综合能源集群协调控制方法 |
-
2019
- 2019-06-24 CN CN201910546799.7A patent/CN110601173B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108183475A (zh) * | 2017-12-27 | 2018-06-19 | 国网河南省电力公司电力科学研究院 | 一种低压配电网拓扑重构方法及装置 |
CN108173263A (zh) * | 2017-12-29 | 2018-06-15 | 国网天津市电力公司电力科学研究院 | 一种基于ami量测信息的配电网拓扑错误辨识算法 |
CN208820820U (zh) * | 2018-08-27 | 2019-05-03 | 浙江天正电气股份有限公司 | 一种可实现边缘计算的低压智能组网系统 |
CN109753762A (zh) * | 2019-03-05 | 2019-05-14 | 国网江苏省电力有限公司电力科学研究院 | 基于类别修正的配电网两阶段网络拓扑识别方法及装置 |
CN111478312A (zh) * | 2019-11-20 | 2020-07-31 | 国网河北省电力有限公司电力科学研究院 | 一种提升电网稳定性的综合能源集群协调控制方法 |
Non-Patent Citations (1)
Title |
---|
基于边缘计算的主动配电网信息物理系统;龚钢军等;《电网技术》;20181031;第42卷(第10期);第3129页右栏第2段至第3131页最后一段 * |
Also Published As
Publication number | Publication date |
---|---|
CN110601173A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110601173B (zh) | 基于边缘计算的配网拓扑识别方法及装置 | |
CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
WO2021253806A1 (zh) | 一种基于电压关联特性的低压台区相户关系识别方法 | |
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
CN113702895B (zh) | 一种电压互感器误差状态在线定量评估方法 | |
CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及系统 | |
CN109459669A (zh) | 10kV配电网单相接地故障区段定位方法 | |
CN112952828A (zh) | 一种用于低压配电网的用户台区分析方法 | |
CN114757305B (zh) | 一种基于集成学习的电压互感器绝缘故障辨识方法及系统 | |
CN115685046A (zh) | 互感器计量异常识别方法、装置、设备及存储介质 | |
Zhang et al. | Fault location method based on SVM and similarity model matching | |
CN112418687A (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN114186420A (zh) | 一种配电网台区拓扑校验方法、装置、设备和介质 | |
CN116307844A (zh) | 一种低压台区线损评估分析方法 | |
CN110739692A (zh) | 一种基于概率图模型的配电网结构识别方法 | |
Mansour et al. | RETRACTED: Fuzzy logic based on-line fault detection and classification method of substation equipment based on convolutional probabilistic neural network with discrete wavelet transform and fuzzy interference | |
CN110597792A (zh) | 基于同期线损数据融合的多级冗余数据融合方法及装置 | |
CN117236022A (zh) | 互感器剩余寿命预测模型训练方法、应用方法及电子设备 | |
CN117726164A (zh) | 一种基于多源数据融合的风险故障态势感知系统 | |
CN115051474B (zh) | 一种配电网线路开关状态识别方法及系统 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN106022972B (zh) | 一种基于状态矩阵对称性的配电网异常数据辨识方法 | |
Yu et al. | Knowledge reasoning of transmission line component detection using CRITIC and TOPSIS approaches | |
CN114880406A (zh) | 一种数据管理方法及装置 | |
CN115372752A (zh) | 故障检测方法、装置、电子设备以及存储介质 |
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 |