CN110675070B - 智能微网设备关键度分析方法 - Google Patents
智能微网设备关键度分析方法 Download PDFInfo
- Publication number
- CN110675070B CN110675070B CN201910920790.8A CN201910920790A CN110675070B CN 110675070 B CN110675070 B CN 110675070B CN 201910920790 A CN201910920790 A CN 201910920790A CN 110675070 B CN110675070 B CN 110675070B
- Authority
- CN
- China
- Prior art keywords
- equipment
- intelligent microgrid
- target
- historical
- intelligent
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000008439 repair process Effects 0.000 claims abstract description 11
- 230000036541 health Effects 0.000 claims description 52
- 230000006866 deterioration Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 19
- 238000013024 troubleshooting Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003287 optical effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供了一种智能微网设备关键度分析方法,涉及电网技术领域。该智能微网设备关键度分析方法包括:获取智能微网中的目标设备的历史状态数据,该智能微网为包括多个目标设备的智能微网拓扑结构,目标设备为所述多个目标设备中的任一设备;基于历史状态数据获得目标设备的综合评分值;获得目标设备对所述智能微网拓扑结构的影响系数;根据影响系数与综合评分值确定所述目标设备的关键度,关键度用于表征所述目标设备在故障时的抢修优先级。维修人员可以根据智能微网中各个设备的关键度制定日常巡检计划,并在智能微网发生故障后,根据关键度的大小从高到底排查各个目标设备,从而能够保证关键设备能够被优先处理,提高处理智能微网故障的效率。
Description
技术领域
本申请涉及电网技术领域,具体而言,涉及一种智能微网设备关键度分析方法。
背景技术
智能微网即微电网,是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统。目前智能微网中设备的巡检维护工作需要依靠人工来开展,在巡检维工作中不仅需要系统的、全面的对各种复杂因素进行充分考虑,在进行微电网设备运行巡检维护工作中,工作人员需要分析的方面非常多,这无疑会加大工作量,加之在微电网中设备的数量巨大,一一排查所有的微电网设备使得巡检维护的工作效率低。
发明内容
本申请的实施例在于提供一种智能微网设备关键度分析方法,以解决现阶段微电网巡检维护工作效率低的问题。
本申请的实施例的技术方案如下:
本申请的实施例提供了一种智能微网设备关键度分析方法,包括:获取智能微网中的目标设备的历史状态数据,所述智能微网为包括多个目标设备的智能微网拓扑结构,所述目标设备为所述多个目标设备中的任一设备;基于所述历史状态数据获得所述目标设备的综合评分值;获得所述目标设备对所述智能微网拓扑结构的影响系数;根据所述影响系数与所述综合评分值确定所述目标设备的关键度,所述关键度用于表征所述目标设备在故障时的抢修优先级。
在上述实现过程中,基于智能微网设备的影响系数以及所述综合评分值得到所述关键度,能够确定所述智能微网中每个智能微网设备对应的一个所述关键度,所述关键度越大,对应的所述智能微网设备的抢修优先级越高,因此可以在制定日常巡检维护工作中重点关注所述关键度高的智能微网设备,并在所述智能微网出现故障时,优先排查所述关键度高的智能微网设备,因此能够提高故障排查的准确率,并减少维护人员进行故障排查的时间,从而提高维护人员处理所述智能微网故障的效率。
可选地,获得所述目标设备对所述智能微网拓扑结构的影响系数,包括:获取所述智能微网拓扑结构的分析结果;基于所述分析结果确定所述目标设备发生故障时是否会导致所述智能微网拓扑结构中出现网络异常,所述网络异常包括:线路中断或其他目标设备的停运;在所述目标设备发生故障会导致所述智能微网拓扑结构中出现网络异常时,根据所述目标设备在所述智能微网拓扑结构中所在的网络层级以及位置、连接的其他目标设备的数量得到所述目标设备的影响系数。
在上述实现过程中,目标设备的影响系数越大,表示对述智能微网的影响程度越大。通过分析所述智能微网中各所述目标设备对其他所述目标设备的影响程度,即根据所述目标设备连接的其他所述目标设备数量、所述目标设备所处的网络层级及位置,确定所述目标设备的影响系数,提供了一种准确的影响系数确定方式,能够保证依据该系数确定的目标设备的关键度能够准确地表征该目标设备的重要程度,有利于出现故障时尽可能迅速地对重要程度较高的设备进行检查处理,可以减少排除故障的时间,提高维护人员处理故障的效率。
可选地,本申请提供的智能微网设备关键度分析方法还包括:在所述智能微网拓补结构发生变化时,根据所述目标设备在变化后的智能微网拓扑结构中所在的网络层级、位置连接的其他所述目标设备的数量,对所述影响系数进行更新。
在上述实现过程中,在所述智能微网发生变化时,按上述规则重新计算得到各所述目标设备的新的影响系数,以提高描述各所述目标设备对所述智能微网的影响程度的准确度。
可选地,所述基于所述历史状态数据获得所述目标设备的综合评分值,包括:确定所述目标设备的设备类型;确定所述设备类型的加权系数;对所述历史状态数据进行分析,得到所述目标设备的历史状态值;基于所述设备加权系数对所述历史状态值进行加权平均得到所述目标设备的所述综合评分值。
在上述实现过程中,基于所述加权系数,对不同分类的所述历史状态值进行加权平均得到所述综合评分值。所述综合评分值用于表示所述目标设备的综合历史状态,对所述智能微网中各个所述目标设备历史的状态做出评价,将所述加权系数考虑到所述综合评分值的计算里面,提高所述综合评分值表征所述目标设备的历史状态的准确度。
可选地,在所述获取智能微网中的目标设备的历史状态数据之前,所述方法还包括:采集所述智能微网中的所述多个目标设备的原始历史数据;对所述多个目标设备的原始历史数据按照设备类型进行分类,以得到不同设备类型的原始历史数据;对所述不同设备类型的原始历史数据按照数据类型进行分类,以得到每种设备类型对应的分类后的历史状态数据,所述历史状态数据包括生产日期、运行时段、历史故障记录、运行环境记录;将所述每种设备类型对应的分类后的历史状态数据存储至数据库;所述获取智能微网中的目标设备的历史状态数据,包括:从所述数据库获取所述目标设备的历史状态数据。
在上述实现过程中,基于所述设备类型对所述原始历史数据进行分类得到每种设备类型对应的分类后的历史状态数据并存储至数据库,能够实现将所述原始数据分类存储,从而在后续确定智能微网设备关键度时,提高获取智能微网设备的历史状态数据的速率。
可选地,所述历史状态值包括设备资产老损值、设备生产商影响值、历史故障值、电气故障值,所述对不同类型的所述历史状态数据进行分析,得到所述目标设备的所述历史状态值,包括:基于所述生产日期、所述运行时段、所述历史故障记录、所述运行环境记录确定所述智能微网设备的所述设备资产老损值、所述设备生产商影响值、所述历史故障值、运行环境影响波动值;根据设定时间段内的所述历史故障记录、所述运行环境影响波动值确定所述智能微网设备的故障概率;基于所述故障概率、所述设备资产现值计算所述智能微网设备的运行健康系数;基于所述运行健康系数获得所述智能微网设备的所述电气故障值。
在上述实现过程中,所述电气故障值基于所述运行健康系数,所述运行健康系数的计算基于所述设备资产现值和所述故障概率,所述故障概率的计算基于所述历史状态之中历史故障记录、所述运行环境影响波动值,因此所述电气故障值用于表征所述目标设备的故障特性,提高对所述目标设备的故障特性的描述准确度。
可选地,所述基于所述运行健康系数获得所述目标设备的所述电气故障值,包括:对所述运行健康系数进行预设时段的分时段统计,获得统计结果,所述预设时段包括低峰段、高峰段、平稳段;基于所述统计结果确定低峰段运行健康系数、高峰段运行健康系数、平稳时段健康系数;将所述低峰段运行健康系数、所述高峰段运行健康系数和所述平稳时段健康系数进行平均以得到电气故障值。
在上述实现过程中,分不同时段统计的健康系数,以使提高获得的电气故障值的准确度。
可选地,基于所述设备加权系数对所述历史状态数据值进行加权平均得到所述目标设备的所述综合评分值,包括:对所述设备生产商影响值、所述历史故障值、所述电气故障值、所述设备资产老损值进行加权平均计算得到所述综合评分值。
在上述实现过程中,包括对所述设备生产商影响值、所述历史故障值、所述电气故障值、所述设备资产老损值进行加权平均计算得到所述综合评分值,提高对所述目标设备历史状态描述的准确度。
本申请实施例还提供了一种智能微网设备关键度分析装置,包括:数据获取模块,用于获取智能微网中的目标设备的历史状态数据,所述智能微网为包括多个所述目标设备的智能微网拓扑结构,所述目标设备为所述多个智能微网设备中的任一设备;综合评分值确定模块,用于基于所述历史状态数据获得所述目标设备的综合评分值;影响系数确定模块,用于获得所述目标设备对所述智能微网拓扑结构的影响系数;关键度确定模块,用于根据所述影响系数与所述综合评分值确定所述目标设备的关键度,所述关键度用于表征所述目标设备在故障时的抢修优先级。
在上述实现过程中,所述智能微网设备关键度分析装置基于智能微网设备的影响系数以及所述综合评分值得到所述关键度,能够确定所述智能微网中每个智能微网设备对应的一个所述关键度,所述关键度越大,对应的所述智能微网设备的抢修优先级越高,因此可以在制定日常巡检维护工作中重点关注所述关键度高的智能微网设备,并在所述智能微网出现故障时,优先排查所述关键度高的智能微网设备,因此能够提高故障排查的准确率,并减少维护人员进行故障排查的时间,从而提高维护人员处理所述智能微网故障的效率。
可选地,所述影响系数确定模块用于获得所述目标设备对所述智能微网拓扑结构的影响系数包括获取所述智能微网拓扑结构的分析结果;基于所述分析结果确定所述目标设备发生故障时是否会导致所述智能微网拓扑结构中出现网络异常,所述网络异常包括:线路中断或其他智能微网设备的停运;在所述目标设备发生故障会导致所述智能微网拓扑结构中出现网络异常时,根据所述目标设备在所述智能微网拓扑结构中所在的网络层级以及位置得到所述目标设备的影响系数。
在上述实现过程中,目标设备的影响系数越大,表示对述智能微网的影响程度越大。所述影响系数确定模块通过分析所述智能微网中各所述目标设备对其他所述目标设备的影响程度,即根据所述目标设备连接的其他所述目标设备数量、所述目标设备所处的网络层级及位置,确定所述目标设备的影响系数,提供了一种准确的影响系数确定方式,能够保证依据该系数确定的目标设备的关键度能够准确地表征该目标设备的重要程度,有利于出现故障时尽可能迅速地对重要程度较高的设备进行检查处理,可以减少排除故障的时间,提高维护人员处理故障的效率。
可选地,所述影响系数确定模块用于在所述智能微网拓补结构发生变化时,根据所述智能微网设备在变化后的智能微网拓扑结构中所在的网络层级、位置连接的其他所述智能微网设备的数量,对所述影响系数进行更新。
在上述实现过程中,在所述智能微网发生变化时,所述影响系数确定模块按上述规则重新计算得到各所述目标设备的新的影响系数,以提高描述各所述目标设备对所述智能微网的影响程度的准确度。
可选地,所述综合评分值确定模块用于基于所述历史状态数据获得所述目标设备的综合评分值包括确定所述目标设备的设备类型;确定所述设备类型的加权系数;对所述历史状态数据进行分析,得到所述目标设备的所述历史状态值;基于所述设备加权系数对所述历史状态值进行加权平均得到所述智能微网设备的所述综合评分值。
在上述实现过程中,所述综合评分值确定模块基于所述加权系数,对不同分类的所述历史状态值进行加权平均得到所述综合评分值。所述综合评分值用于表示所述目标设备的综合历史状态,对所述智能微网中各个所述目标设备历史的状态做出评价,将所述加权系数考虑到所述综合评分值的计算里面,提高所述综合评分值表征所述目标设备的历史状态的准确度。
可选地,数据获取模块用于采集所述智能微网中的所述多个智能微网设备的原始历史数据;对所述多个智能微网设备的原始历史数据按照设备类型进行分类,以得到不同设备类型的原始历史数据;对所述不同设备类型的原始历史数据按照数据类型进行分类,以得到每种设备类型对应的分类后的历史状态数据,所述历史状态数据包括生产日期、运行时段、历史故障记录、运行环境记录;将所述每种设备类型对应的分类后的历史状态数据存储至数据库;所述获取智能微网中的目标设备的历史状态数据,包括:从所述数据库获取所述目标设备的历史状态数据。
在上述实现过程中,所述数据获取模块基于所述设备类型对所述原始历史数据进行分类得到每种设备类型对应的分类后的历史状态数据并存储至数据库,能够实现将所述原始数据分类存储,从而在后续确定智能微网设备关键度时,提高获取智能微网设备的历史状态数据的速率。
可选地,所述装置还包括电气故障值确定模块,所述电气故障值确定模块用于对所述运行健康系数进行预设时段的分时段统计,获得统计结果,所述预设时段包括低峰段、高峰段、平稳段;基于所述统计结果确定低峰段运行健康系数、高峰段运行健康系数、平稳时段健康系数;将所述低峰段运行健康系数、所述高峰段运行健康系数和所述平稳时段健康系数进行平均以得到电气故障值。
在上述实现过程中,在所述电气故障值确定模块中,基于所述运行健康系数,所述运行健康系数的计算基于所述设备资产现值和所述故障概率,所述故障概率的计算基于所述历史状态之中历史故障记录、所述运行环境影响波动值,因此所述电气故障值用于表征所述目标设备的故障特性,提高对所述目标设备的故障特性的描述准确度。
可选地,所述综合评分值确定模块用于基于所述目标设备加权系数对所述设备生产商影响值、所述历史故障值、所述电气故障值、所述设备资产老损值进行加权平均计算得到所述综合评分值。
在上述实现过程中,所述综合评分值确定模块对所述设备生产商影响值、所述历史故障值、所述电气故障值、所述设备资产老损值进行加权平均计算得到所述综合评分值,提高对所述目标设备历史状态描述的准确度。
本实施例还提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器运行所述程序指令时,执行上述任一项所述方法中的步骤。
本实施例还提供了一种存储介质,所述存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器运行时,执行上述任一项所述方法中的步骤。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
图1为本申请实施例提供的一种智能微网设备关键度分析方法的流程图。
图2为本申请实施例提供的一种基于所述历史状态数据获得目标设备的综合评分值流程图。
图3为本申请实施例提供的一种智能微网的拓扑结构示意图。
图4为本申请实施例提供的一种历史状态值进行分析的具体流程图。
图5为本申请实施例提供的一种智能微网设备关键度分析装置示意图。
图标:5-智能微网设备关键度分析装置;51-数据获取模块;52-综合评分值确定模块;53-影响系数确定模块;54-电气故障值确定模块;55-关键度确定模块。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
在本申请的描述中,需要说明的是,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书、以及附图中所特别指出的结构来实现和获得。
本申请中的智能微网,也称为微电网,是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统。微电网的提出旨在实现分布式电源的灵活、高效应用,解决数量庞大、形式多样的分布式电源并网问题。开发和延伸微电网能够充分促进分布式电源与可再生能源的大规模接入,实现对负荷多种能源形式的高可靠供给,是实现主动式配电网的一种有效方式,使传统电网向智能电网过渡。
请参看图1,图1为本申请实施例提供的一种智能微网设备关键度分析方法的流程图。
智能微网为包括多个目标设备的智能微网拓扑结构,所述目标设备为所述多个智能微网设备的智能微网拓扑结构中的任一设备。
步骤S1:获取智能微网中的目标设备的历史状态数据。
可选地,历史状态数据是由原始状态数据获得。示例的,原始状态数据可以是智能微网中的各个数据采集装置进行采集的,在各个数据采集装置采集的智能微网中的多个设备的数据并进行汇总后得到该原始状态数据,原始状态数据可以包括未分类的生产日期、运行时段、历史故障记录、运行环境记录等。
具体地,根据原始状态数据获得历史状态数据的具体步骤可以如下:采集所述智能微网中的所述多个智能微网设备的原始历史数据;对所述多个智能微网设备的原始历史数据按照设备类型进行分类,以得到不同设备类型的原始历史数据;对所述不同设备类型的原始历史数据按照数据类型进行分类,以得到每种设备类型对应的分类后的历史状态数据,所述历史状态数据包括生产日期、运行时段、历史故障记录、运行环境记录;将所述每种设备类型对应的分类后的历史状态数据存储至数据库。
进一步地,步骤S1进行历史状态数据的获取,具体可以为:从所述数据库获取所述目标设备的历史状态数据。示例的,可以根据目标设备的设备类型,和/或设备标识从数据库中获取目标设备的历史状态数据。例如,可以根据目标设备的设备类型在数据库中确定该设备类型对应的所有历史状态数据,然后根据设备标识从该设备类型对应的所有历史状态数据中获取目标设备的历史状态数据。
在步骤S1中,基于所述设备类型对所述原始历史数据进行分类得到每种设备类型对应的分类后的历史状态数据并存储至数据库,能够实现将所述原始数据分类存储,从而在后续确定智能微网设备关键度时,提高获取智能微网设备的历史状态数据的速率。
可选地,可将目标设备的生产日期定为其出厂日期,所述目标设备的运行时段定为第一次启动运行至今的时间段,所述目标设备的历史故障记录可以是其发生故障的时间及次数、故障原因。所述目标设备的运行环境记录可以包括其运行时周围环境的温度、湿度、风级等。
步骤S2:基于所述历史状态数据获得所述目标设备的综合评分值。
综合评分值用于表征目标设备的历史运行状态的好坏,具体地,参看图2,步骤S2可以包括如下子步骤:
步骤S21:确定所述目标设备的设备类型。
可选地,本实施例中的设备类型可以包括分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等。上述设备类型可以是目标设备本身存储的标签信息,或是通过某个数据库专门存储,通过数据库中的目标设备的名称、编号或其他身份标识获取其对应的设备类型。
步骤S22:确定所述设备类型的加权系数。
可选地,将各个目标设备分类为分布式电源、储能装置或能量转换装置时,不同设备类型的目标设备具有不同的加权系数。例如可以根据对所述目标设备的统计数据,计算分布式电源、储能装置、能量转换装置的平均寿命,寿命越短,发生故障的概率越高,加权系数越高。
步骤S23:对所述历史状态数据进行分析,得到所述目标设备的所述历史状态值。
可选地,本实施例中的历史状态值可以包括设备资产老损值、设备生产商影响值、历史故障值、电气故障值等,则步骤S23对历史状态值进行分析的具体步骤可以如下,具体参看图4,本申请提供的一种历史状态值进行分析的具体流程图。
步骤S23.1:基于所述生产日期、所述运行时段、所述历史故障记录、所述运行环境记录确定所述智能微网设备的所述设备资产老损值、所述设备生产商影响值、所述历史故障值、运行环境影响波动值。
可选地,获取所述智能微网中各所述目标设备的采购价即为所述设备资产值。所述设备资产老损值按目标设备的生产后的年份进行递增,初始值为:0,每年递增10,第十年后达到100之后,不再受年份影响。应当理解的是,设备资产老损值还可以是每年递增其他预设数值,其可以根据具体情况进行调整。
历史故障值为所述目标设备按使用年份发生的故障总次数与此年份中使用天数的商值。设备生产商影响值为同类设备不同的生产商产生的故障量与设备的使用总时长的商值。运行环境影响波动值为各所述目标设备在不同温度、湿度或各类天气(如晴天、雨天、台风、暴雨、大风等)情况下发生的故障单量与设备的使用总时长的商值。
步骤S23.2:根据设定时间段内的所述历史故障记录、所述运行环境影响波动值确定所述智能微网设备的故障概率。
步骤S23.3:基于所述故障概率、所述设备资产现值计算所述智能微网设备的运行健康系数。
可选地,本实施例中的设备资产损失率为设备资产现值与设备资产劳损值的商,则运行健康系数为故障概率与设备资产损失率的商。
步骤S23.4:基于所述运行健康系数获得所述智能微网设备的所述电气故障值。
其中,电气故障值表示所述目标设备的历史故障状态状况。
可选地,根据所述历史状态数据的分时段统计结果确定目标设备用电高峰段、低峰段、平稳段,分别计算这三个时段对应的运行健康系数,获得低峰段运行健康系数、高峰段运行健康系数、平稳时段健康系数。
进一步地,上述步骤S23.4中所述电气故障值可以是(低峰段运行健康系数+高峰段运行健康系数+平稳时段健康系数)/3,在这种情况下,三个时段的健康系数同等重要;也可以将这三个时段对应的运行健康系数进行加权平均,这种情况下三个时段的健康系数重要程度各不相同,可以根据实际情况而定。其中,对所述运行健康系数影响越大的时段的加权系数越大。
步骤S24:基于所述设备加权系数对所述历史状态值进行加权平均得到所述智能微网设备的所述综合评分值。
在步骤S2中,基于所述加权系数,对不同分类的所述历史状态值进行加权平均得到所述综合评分值,其中,不同分类的所述历史状态值可以理解为所述历史状态值中的属于不同类别的状态值,即上述的设备资产老损值、设备生产商影响值、历史故障值、电气故障值,因此对上述得到的设备资产老损值、设备生产商影响值、历史故障值、电气故障值进行加权平均即可得到该综合评分值。所述综合评分值用于表示所述目标设备的综合历史状态,用于对所述智能微网中各个所述目标设备历史的状态做出评价,将所述加权系数考虑到所述综合评分值的计算里面,能够提高所述综合评分值表征所述目标设备的历史状态的准确度。
步骤S3:获得所述目标设备对所述智能微网拓扑结构的影响系数。
可选地,可以通过分析与所述目标设备直接相连的其他目标设备的数目与所述目标设备所处的网络层级以及位置,来确定目标设备的影响系数。
其中,确定网络层级的具体步骤可以如下:
获取所述智能微网中各个所述目标设备运行时的功率值,将功率值最大的所述目标设备作为核心设备;将与所述核心设备直接连接的所述目标设备作为第一级目标设备,将与所述第一级目标设备直接相连的除核心设备外的所述目标设备作为第二级目标设备,以此类推;因此,与所述核心设备连接经过的层级越少则越靠近核心设备,越靠近所述核心设备的所述目标设备所处的位置越重要,对所述智能微网的拓扑结构影响越大,将所述目标设备对所述智能微网的位置影响用位置因子表示,记为l。所述目标设备离所述核心设备越近,所述l值越大;
把与所述目标设备直接相连的其他所述目标设备的数目用数量因子表示,记为n,将l与n相乘得到影响系数,记为f,f=l×n。
请参看图3,图3为本申请实施例提供的一种智能微网的拓扑结构示意图。图中展示了标号为A-M的所述目标设备组成的所述智能微网的拓扑结构。其中B为核心设备。则A、D、C、E、J为所述第一级目标设备,G、F、H、I、K、M、L均为第二级目标设备。可设B的位置因子lB=10,第一级目标设备的位置因子为lA=9,lD=9,lA=9,lC=9,lE=9,lJ=9,第二级目标设备的位置因子为lG=8,lF=8,lH=8,lI=8,lK=8,lM=8,lL=8。各所述智能微网的数量因子分别为:nB=5,nA=2,nC=2,nD=3,nE=4,nF=1,nG=2,nH=2,nI=2,nJ=4,nK=2,nL=4,nM=2。将每个所述目标设备对应的位置因子和数量因子相乘的到每个所述目标设备的影响系数。
当所述智能微网拓扑结构发生变化时,包括所述智能微网拓扑结构中增加、删除所述目标设备或者所述智能微网拓扑结构中的连接方式发生变化时,需要重新计算在所述智能微网拓扑结构中每个所述目标设备的所述影响系数。计算更新后的所述影响系数的规则和上述计算规则相同,在此不再赘述。
在步骤S3中,通过分析所述智能微网中各所述目标设备对其他所述目标设备的影响程度,即所述目标设备连接的其他所述目标设备数量、所述目标设备所处的网络层级及位置,确定所述目标设备的影响系数,目标设备的影响系数越大,表示对述智能微网的影响程度越大。通过分析所述智能微网中各所述目标设备对其他所述目标设备的影响程度,即根据所述目标设备连接的其他所述目标设备数量、所述目标设备所处的网络层级及位置,确定所述目标设备的影响系数,提供了一种准确的影响系数确定方式,能够保证依据该系数确定的目标设备的关键度能够准确地表征该目标设备的重要程度,有利于出现故障时尽可能迅速地对重要程度较高的设备进行检查处理,可以减少排除故障的时间,提高维护人员处理故障的效率。
步骤S4:根据所述影响系数与所述综合评分值确定所述目标设备的关键度,所述关键度用于表征所述目标设备在故障时的抢修优先级。
可选地,本实施例中的关键度可以是所述影响系数与所述综合评分的乘积。因此关键度可以代表目标设备的重要程度,从而表征所述目标设备在故障时的抢修优先程度。
基于所述目标设备的影响系数以及所述综合评分值得到所述关键度,在所述智能微网中每个所述目标设备对应一个所述关键度,所述关键度越大,所述关键度对应的所述智能微网设的抢修优先等级越高,在制定日常巡检维护工作中重点关注所述关键度高的所述目标设备,并在所述智能微网出现故障时,优先排查所述关键度高的所述目标设备,提高故障排查的准确率,并减少维护人员进行故障排查的时间,提高维护人员处理所述智能微网故障的效率。
在本实施例中,所述关键度越高,所述关键度对应的目标设备的抢修优先级越高。当所述智能微网发生故障时,维护人员按照关键度从高到低进行排查,可以提高处理所述目标设备的效率。
请参看图4,图4为本申请实施例提供的一种智能微网设备关键度分析装置示意图。
为了更好地实现本实施例提供的智能微网设备关键度分析方法,本实施例还提供了一种智能微网设备关键度分析装置5。智能微网设备关键度分析装置5包括:
数据获取模块51,用于获取智能微网中的目标设备的历史状态数据,所述智能微网为包括多个所述目标设备的智能微网拓扑结构,所述目标设备为所述多个智能微网设备中的任一设备;
数据获取模块51还用于对所述多个智能微网设备的原始历史数据按照设备类型进行分类,以得到不同设备类型的原始历史数据;对所述不同设备类型的原始历史数据按照数据类型进行分类,以得到每种设备类型对应的分类后的历史状态数据,所述历史状态数据包括生产日期、运行时段、历史故障记录、运行环境记录;将所述每种设备类型对应的分类后的历史状态数据存储至数据库;所述获取智能微网中的目标设备的历史状态数据,包括:从所述数据库获取所述目标设备的历史状态数据。
综合评分值确定模块52,用于基于所述历史状态数据获得所述目标设备的综合评分值包括确定所述目标设备的设备类型;确定所述设备类型的加权系数;对所述历史状态数据进行分析,得到所述目标设备的所述历史状态值;基于所述设备加权系数对所述历史状态值进行加权平均得到所述智能微网设备的所述综合评分值。
综合评分值确定模块52还用于基于所述目标设备加权系数对所述设备生产商影响值、所述历史故障值、所述电气故障值、所述设备资产老损值进行加权平均计算得到所述综合评分值。
影响系数确定模块53,用于获得所述目标设备对所述智能微网拓扑结构的影响系数包括获得所述目标设备对所述智能微网拓扑结构的影响系数包括获取所述智能微网拓扑结构的分析结果;基于所述分析结果确定所述目标设备发生故障时是否会导致所述智能微网拓扑结构中出现网络异常,所述网络异常包括:线路中断或其他智能微网设备的停运;在所述目标设备发生故障会导致所述智能微网拓扑结构中出现网络异常时,根据所述目标设备在所述智能微网拓扑结构中所在的网络层级以及位置得到所述目标设备的影响系数。影响系数确定模块53还用于在所述智能微网拓补结构发生变化时,根据所述智能微网设备在变化后的智能微网拓扑结构中所在的网络层级、位置连接的其他所述智能微网设备的数量,对所述影响系数进行更新。
电气故障值确定模块54,用于对所述运行健康系数进行预设时段的分时段统计,获得统计结果,所述预设时段包括低峰段、高峰段、平稳段;基于所述统计结果确定低峰段运行健康系数、高峰段运行健康系数、平稳时段健康系数;将所述低峰段运行健康系数、所述高峰段运行健康系数和所述平稳时段健康系数进行平均以得到电气故障值。
关键度确定模块55,用于根据所述影响系数与所述综合评分值确定所述目标设备的关键度,所述关键度用于表征所述目标设备在故障时的抢修优先级。
本申请实施例还提供了一种电子设备,该电子设备包括存储器和处理器,存储器中存储有程序指令,处理器读取程序指令并运行读取程序指令时,执行本实施例提供的智能微网设备关键度分析方法中任一项方法中的步骤。
可选地,所述电子设备可以是个人电脑(perSonal computer,PC)、平板电脑、智能手机、个人数字助理(personal digital assistant,PDA)等电子设备。
可选地,本实施例中的所述电子设备可以是包含多个节点的电子设备群,每个节点用于执行智能微网设备关键度分析方法中的一个或多个步骤,其还可以是单独的、设置有用于执行各步骤的不同虚拟模块的电子设备。
本申请实施例还提供了一种存储介质,存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行智能微网设备关键度分析方法中的步骤。
综上所述,本申请的实施例提供了一种智能微网设备关键度分析方法装置、电子设备及存储介质,涉及电网设备技术领域。所述目标设备关键度分析方法包括:采集目标设备的历史状态数据,智能微网属于由多个目标设备组成的智能微网拓扑结构;基于历史状态数据获得所述目标设备的综合评分值;获得目标设备对所述智能微网拓扑结构的影响系数;将影响系数与所述综合评分值相乘得到目标设备的关键度,关键度用于表征目标设备在故障时的抢修优先程度。运维的工作人员可以根据目标设备的关键度指定日常巡检的计划,并在智能微网故障发生后,根据关键度的大小从高到底检查目标设备,排除故障,减少处理故障的时间,提高处理智能微网故障的效率。
所述智能微网设备关键度分析装置包括数据获取模块,用于采集目标设备的历史状态数据,所述智能微网属于由多个目标设备组成的智能微网拓扑结构;综合评分值确定模块,用于基于所述历史状态数据获得所述目标设备的综合评分值;影响系数确定模块,用于获得所述目标设备对所述智能微网拓扑结构的影响系数;关键度确定模块,用于将所述影响系数与所述综合评分值相乘得到所述目标设备的关键度,所述关键度用于表征所述目标设备在故障时的抢修优先程度。
所述电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器运行所述程序指令时,执行上述任一项所述方法中的步骤。
所述存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器运行时,执行上述任一项所述方法中的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的框图显示了根据本申请的多个实施例的设备的可能实现的体系架构、功能和操作。在这点上,框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图中的每个方框、以及框图的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。因此本实施例还提供了一种可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行区块数据存储方法中任一项所述方法中的步骤。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RanDOm Acce步骤S步骤S Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
Claims (9)
1.一种智能微网设备关键度分析方法,其特征在于,包括:
获取智能微网中的目标设备的历史状态数据,所述智能微网为包括多个智能微网设备的智能微网拓扑结构,所述目标设备为所述多个智能微网设备中的任一设备;
基于历史状态数据获得所述目标设备的综合评分值;
获取所述智能微网拓扑结构的分析结果;
基于所述分析结果确定所述目标设备发生故障时是否会导致所述智能微网拓扑结构中出现网络异常,所述网络异常包括:线路中断或其他智能微网设备的停运;
在所述目标设备发生故障会导致所述智能微网拓扑结构中出现网络异常时,根据所述目标设备在所述智能微网拓扑结构中所在的网络层级以及位置、连接的其他所述智能微网设备的数量得到所述目标设备的影响系数;
根据所述影响系数与所述综合评分值确定所述目标设备的关键度,所述关键度用于表征所述目标设备在故障时的抢修优先级。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述智能微网拓扑结构发生变化时,根据所述目标设备在变化后的智能微网拓扑结构中所在的网络层级、位置、连接的其他所述目标设备的数量,对所述影响系数进行更新。
3.根据权利要求1所述的方法,其特征在于,所述基于所述历史状态数据获得所述目标设备的综合评分值,包括:
确定所述目标设备的设备类型;
确定所述设备类型的加权系数;
对所述历史状态数据进行分析,得到所述目标设备的历史状态值;
基于所述加权系数对所述历史状态值进行加权平均得到所述智能微网设备的所述综合评分值。
4.根据权利要求1所述的方法,其特征在于,在所述获取智能微网中的目标设备的历史状态数据之前,所述方法还包括:
采集所述智能微网中的所述多个智能微网设备的原始历史数据;
对所述多个智能微网设备的原始历史数据按照设备类型进行分类,以得到不同设备类型的原始历史数据;
对所述不同设备类型的原始历史数据按照数据类型进行分类,以得到每种设备类型对应的分类后的历史状态数据,所述历史状态数据包括生产日期、运行时段、历史故障记录、运行环境记录;
将所述每种设备类型对应的分类后的历史状态数据存储至数据库;
所述获取智能微网中的目标设备的历史状态数据,包括:
从所述数据库获取所述目标设备的历史状态数据。
5.根据权利要求3所述的方法,其特征在于,所述历史状态值包括设备资产老损值、设备生产商影响值、历史故障值、电气故障值,对所述历史状态数据进行分析,得到所述目标设备的所述历史状态值,包括:
基于生产日期、运行时段、历史故障记录、运行环境记录确定所述智能微网设备的所述设备资产老损值、所述设备生产商影响值、所述历史故障值、运行环境影响波动值;
根据设定时间段内的所述历史故障记录、所述运行环境影响波动值确定所述智能微网设备的故障概率;
基于所述故障概率、所述设备资产老损值计算所述智能微网设备的运行健康系数;
基于所述运行健康系数获得所述智能微网设备的所述电气故障值。
6.根据权利要求5所述的方法,其特征在于,所述基于所述运行健康系数获得所述智能微网设备的所述电气故障值,包括:
对所述运行健康系数进行预设时段的分时段统计,获得统计结果,所述预设时段包括低峰段、高峰段、平稳段;
基于所述统计结果确定低峰段运行健康系数、高峰段运行健康系数、平稳时段健康系数;
将所述低峰段运行健康系数、所述高峰段运行健康系数和所述平稳时段健康系数进行平均以得到电气故障值;
所述基于所述加权系数对所述历史状态值进行加权平均得到所述目标设备的所述综合评分值,包括:
基于所述加权系数对所述设备生产商影响值、所述历史故障值、所述电气故障值、所述设备资产老损值进行加权平均计算得到所述综合评分值。
7.一种智能微网设备关键度分析装置,其特征在于,包括:
数据获取模块,用于获取智能微网中的目标设备的历史状态数据,所述智能微网为包括多个智能微网设备的智能微网拓扑结构,所述目标设备为所述多个智能微网设备中的任一设备;
评分值确定模块,用于基于历史状态数据获得所述目标设备的综合评分值;
影响系数确定模块,用于获取所述智能微网拓扑结构的分析结果;基于所述分析结果确定所述目标设备发生故障时是否会导致所述智能微网拓扑结构中出现网络异常,所述网络异常包括:线路中断或其他智能微网设备的停运;在所述目标设备发生故障会导致所述智能微网拓扑结构中出现网络异常时,根据所述目标设备在所述智能微网拓扑结构中所在的网络层级以及位置得到所述目标设备的影响系数;
关键度确定模块,用于根据所述影响系数与所述综合评分值确定所述目标设备的关键度,所述关键度用于表征所述目标设备在故障时的抢修优先级。
8.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器运行所述程序指令时,执行权利要求1-6中任一项所述方法中的步骤。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器运行时,执行权利要求1-6任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910920790.8A CN110675070B (zh) | 2019-09-26 | 2019-09-26 | 智能微网设备关键度分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910920790.8A CN110675070B (zh) | 2019-09-26 | 2019-09-26 | 智能微网设备关键度分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110675070A CN110675070A (zh) | 2020-01-10 |
CN110675070B true CN110675070B (zh) | 2022-06-24 |
Family
ID=69079497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910920790.8A Active CN110675070B (zh) | 2019-09-26 | 2019-09-26 | 智能微网设备关键度分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675070B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111367348A (zh) * | 2020-03-20 | 2020-07-03 | 温岭市非普电气有限公司 | 电气设备电压控制方法及系统 |
CN112215510A (zh) * | 2020-10-21 | 2021-01-12 | 岭东核电有限公司 | 核电厂的工作优先级生成方法、装置、设备和存储介质 |
CN112711807B (zh) * | 2020-12-29 | 2024-04-09 | 中国航空工业集团公司西安飞机设计研究所 | 一种基于故障数据的设备可靠性分析方法 |
CN115063048A (zh) * | 2022-08-16 | 2022-09-16 | 天津津轨汇海科技发展有限公司 | 一种轨道交通供电运维用智能管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509018A (zh) * | 2011-11-11 | 2012-06-20 | 山东电力研究院 | 电力系统设备重要性评价系统及方法 |
CN105184664A (zh) * | 2015-07-31 | 2015-12-23 | 国网重庆市电力公司电力科学研究院 | 输变电设备三维状态评价及检修策略 |
CN105184656A (zh) * | 2015-04-27 | 2015-12-23 | 国电南瑞科技股份有限公司 | 综合设备和电网运行风险的关键设备识别方法 |
CN105893740A (zh) * | 2016-03-29 | 2016-08-24 | 中国人民解放军国防科学技术大学 | 一种用于挖掘电力网络中脆弱节点和线路的方法 |
CN107947151A (zh) * | 2017-11-02 | 2018-04-20 | 广西电网有限责任公司电力科学研究院 | 一种电力系统关键节点的识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150094871A1 (en) * | 2013-09-27 | 2015-04-02 | International Business Machines Corporation | Managing devices in micro-grids |
-
2019
- 2019-09-26 CN CN201910920790.8A patent/CN110675070B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509018A (zh) * | 2011-11-11 | 2012-06-20 | 山东电力研究院 | 电力系统设备重要性评价系统及方法 |
CN105184656A (zh) * | 2015-04-27 | 2015-12-23 | 国电南瑞科技股份有限公司 | 综合设备和电网运行风险的关键设备识别方法 |
CN105184664A (zh) * | 2015-07-31 | 2015-12-23 | 国网重庆市电力公司电力科学研究院 | 输变电设备三维状态评价及检修策略 |
CN105893740A (zh) * | 2016-03-29 | 2016-08-24 | 中国人民解放军国防科学技术大学 | 一种用于挖掘电力网络中脆弱节点和线路的方法 |
CN107947151A (zh) * | 2017-11-02 | 2018-04-20 | 广西电网有限责任公司电力科学研究院 | 一种电力系统关键节点的识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110675070A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675070B (zh) | 智能微网设备关键度分析方法 | |
Shi et al. | Power system event identification based on deep neural network with information loading | |
Kang et al. | Big data analytics in China's electric power industry: modern information, communication technologies, and millions of smart meters | |
JP2013538543A (ja) | 送電網用の機械学習 | |
CN115271263B (zh) | 基于改进关联规则的电力设备缺陷预警方法、系统及介质 | |
CN110619469A (zh) | 一种新能源电站运营管理系统 | |
CN116681187B (zh) | 一种基于企业经营数据的企业碳配额预测方法 | |
CN109787295B (zh) | 一种计及风电场状态的风电功率超短期预测计算方法 | |
CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
Xue et al. | Adaptive ultra-short-term wind power prediction based on risk assessment | |
CN114386753A (zh) | 一种基于主变负载状况的设备风险综合分析预警方法 | |
CN116028887A (zh) | 一种连续性工业生产数据的分析方法 | |
CN112036725B (zh) | 一种电能表故障识别方法 | |
CN114493238A (zh) | 供电服务风险预测方法、系统、存储介质及计算机设备 | |
CN116996220B (zh) | 一种电网大数据安全存储方法及系统 | |
CN116502771B (zh) | 一种基于电力物资预测的配电方法及系统 | |
CN116467658A (zh) | 一种基于马尔科夫链的设备故障溯源方法 | |
CN107045548B (zh) | 一种计算风电能量利用率的系统及方法 | |
CN115877145A (zh) | 一种变压器重过载工况大数据交叉评估系统及方法 | |
CN112052296B (zh) | 一种风电故障诊断知识库构建方法 | |
CN112686403A (zh) | 一种智能风机档案运维方法及系统 | |
CN114254772A (zh) | 一种基于svm的配电网装置设备故障分析方法 | |
CN117408573B (zh) | 一种upfc设备画像展示与性能分析方法和系统 | |
CN110457833B (zh) | 一种用于电池安全与性能分析的数据构建方法 | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 |
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 |