CN110889614A - 基于scada大数据的电网系统重要用户供电风险分析方法 - Google Patents

基于scada大数据的电网系统重要用户供电风险分析方法 Download PDF

Info

Publication number
CN110889614A
CN110889614A CN201911146657.8A CN201911146657A CN110889614A CN 110889614 A CN110889614 A CN 110889614A CN 201911146657 A CN201911146657 A CN 201911146657A CN 110889614 A CN110889614 A CN 110889614A
Authority
CN
China
Prior art keywords
vertex
power supply
power
power grid
reach
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.)
Pending
Application number
CN201911146657.8A
Other languages
English (en)
Inventor
梁寿愚
刘映尚
张昆
胡荣
方文崇
李映辰
周志烽
朱文
王义昌
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.)
China Southern Power Grid Co Ltd
Original Assignee
China Southern Power Grid Co Ltd
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 China Southern Power Grid Co Ltd filed Critical China Southern Power Grid Co Ltd
Priority to CN201911146657.8A priority Critical patent/CN110889614A/zh
Publication of CN110889614A publication Critical patent/CN110889614A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于SCADA大数据的电网系统重要用户供电风险分析方法，包括如下步骤：S1.采集输配电网网络基础数据；S2.构建输配电网一体化的全局电网模型；S3.基于全局电网模型，得到供电网络模型；S4.获取供电网络模型中各顶点的最终标记值；S5.统计连通区域的重要用户的电源数量；S6.通过比较重要用户的电源数量与电网正常工作时的电源数量，判断供电风险。本发明的一种基于SCADA大数据的电网系统重要用户供电风险分析方法，能够更准确地判断电网重要用户是否存在用电风险，精准捕捉电网的薄弱环节，有效提升电网的风险承担能力。

Description

基于SCADA大数据的电网系统重要用户供电风险分析方法
技术领域
本发明涉及电网领域，具体涉及一种基于SCADA大数据的电网系统重要用户供电风险分析方法。
背景技术
随着智能电网建设的不断推进，数据采集量不断激增，电力数据将会作为未来电力行业发展的重要能源。因此为了更加有效地聚合电力系统运行数据，进一步挖掘电网大数据的潜能与价值，需对SCADA系统的采集、处理、存储、交互、展示等业务环节进行底层级的“云化”改造，打造云SCADA系统。
近几年来，电网高新技术快速发展，分布式能源大量接入电网，使得电网互联规模不断扩大，结构日趋复杂，这让输电网与配电网之间的耦合关系大大增强，同时也引入了更多的不确定因素，这些不确定因素成为了电网安全运行的风险源。因此，准确地评估电网风险能够更好地认识到存在的风险以及找出电网最薄弱的环节，从而有效地预防事故、提升电网的风险承担能力。
传统的风险评估方法主要为N-k校验，即保障预想事故下的电网安全运行，方法成熟度较高，已经在电网规划与调度部门沿用了多年。然而，传统的风险评估方法未充分考虑输配电网络之间的耦合关系，最终的风险评估结果将存在一定的偏差，无法准确判断电网薄弱环节。
因此，为解决以上问题，需要一种基于SCADA大数据的电网系统重要用户供电风险分析方法，能够更准确地判断电网重要用户是否存在用电风险，精准捕捉电网的薄弱环节，有效提升电网的风险承担能力。
发明内容
有鉴于此，本发明的目的是克服现有技术中的缺陷，提供基于SCADA大数据的电网系统重要用户供电风险分析方法，能够更准确地判断电网重要用户是否存在用电风险，精准捕捉电网的薄弱环节，有效提升电网的风险承担能力。
本发明的基于SCADA大数据的电网系统重要用户供电风险分析方法，包括如下步骤：
S1.基于SCADA大数据，采集输配电网网络基础数据；
S2.根据输配电网网络基础数据，构建输配电网一体化的全局电网模型G＝(v,e)；其中，v为以输配电网中的节点为元素的顶点集，e为以输配电网中的输电线路以及变压器为元素的边集；
S3.设定重要用户的供电电压为m千伏，根据供电电压对全局电网模型G＝(v,e)进行划分，得到供电网络模型GA＝(vA,eA)；其中，将大于供电电压m千伏的电源节点作为第一顶点集，将与变压器连接的供电电压为m千伏的节点作为第二顶点集，将第一顶点集与第二顶点集进行合并作为顶点集vA；eA为以顶点集vA中各节点之间的输电线路与变压器为元素的边集；
S4.为供电网络模型GA的顶点集vA中的顶点设置标记值，不断调整顶点集vA中各顶点的标记值，使得连通的顶点的标记值相等，当顶点集vA中各顶点的标记值不再变化时，得到各顶点的最终标记值；
S5.将最终标记值相同的顶点作为一个连通区域，并对每个连通区域中的顶点数进行统计，得到每个连通区域的顶点数量作为重要用户的电源数量；
S6.判断重要用户的电源数量与输配电网系统正常工作时的电源数量是否相同，如是，则不存在供电风险；否则，存在供电风险。
进一步，步骤S2中，将输电网模型和配电网模型通过边界节点进行拼接得到输配电网一体化的全局电网模型。
进一步，步骤S4中，根据如下步骤得到顶点集vA中各顶点的最终标记值：
S41.获取供电网络模型GA的顶点集vA中顶点个数n以及边集e中边数m；
S42.设顶点集vA中的顶点i的标记值为reach(i)，并对各顶点的标记值进行初始化处理，使得顶点i的标记值reach(i)＝i；其中，i为顶点的标识符号，0<i<＝n，i为整数；
S43.设置循环标志变量flag与k，且flag的初始值为true，k的初始值为1；其中，0<k<＝m，k为整数；
S44.若reach(x(k))！＝reach(y(k))，则使flag＝false、reach(x(k))＝max{reach(x(k)),reach(y(k))}以及reach(y(k))＝reach(x(k))；若reach(x(k))＝＝reach(y(k))，则不做任何处理；其中，x(k)与y(k)为由边k连接的两个顶点的标识符号；
S45.使得循环标志变量k＝k+1，并返回执行步骤S44；
S46.重复步骤S45，当k>m时，进入步骤S47；
S47.若循环标志变量flag＝＝ture且供电网络模型的顶点集vA中各顶点对应的标记值均未更新，则将此时顶点集vA中顶点对应的标记值作为该顶点的最终标记值；否则，重复执行步骤S43-S46。
进一步，步骤S5中，将与其他任何顶点的最终标记值均不相同的顶点作为负载节点，负载节点不参与电源数量的统计。
本发明的有益效果是：本发明公开的一种基于SCADA大数据的电网系统重要用户供电风险分析方法，通过云SCADA大数据获得电网网络基础数据并搭建输配网全局模型，再利用集成拓扑分析算法检验供电网络的连通性，判断供电网络节点是否失电，最后通过统计重要用户的电源数量，判断重要用户的供电方式与正常工作模式相比是否发生变化，并根据变化程度与次数判断风险的严重等级，从而准确地评估重要用户供电方式的变化风险，提升重要用户的供电可靠性。
附图说明
下面结合附图和实施例对本发明作进一步描述：
图1为本发明的方法流程示意图；
图2为本发明的算法流程图。
具体实施方式
以下结合说明书附图对本发明做出进一步的说明，如图所示：
本发明的基于SCADA大数据的电网系统重要用户供电风险分析方法，包括如下步骤：
S1.基于SCADA大数据，采集输配电网网络基础数据；
S2.根据输配电网网络基础数据，构建输配电网一体化的全局电网模型G＝(v,e)；其中，v为以输配电网中的节点为元素的顶点集，e为以输配电网中的输电线路以及变压器为元素的边集；
S3.设定重要用户的供电电压为m千伏，根据供电电压对全局电网模型G＝(v,e)进行划分，得到供电网络模型GA＝(vA,eA)；其中，将大于供电电压m千伏的电源节点作为第一顶点集，将与变压器连接的供电电压为m千伏的节点作为第二顶点集，将第一顶点集与第二顶点集进行合并作为顶点集vA；eA为以顶点集vA中各节点之间的输电线路与变压器为元素的边集；
S4.为供电网络模型GA的顶点集vA中的顶点设置标记值，不断调整顶点集vA中各顶点的标记值，使得连通的顶点的标记值相等，当顶点集vA中各顶点的标记值不再变化时，得到各顶点的最终标记值；
S5.将最终标记值相同的顶点作为一个连通区域，并对每个连通区域中的顶点数进行统计，得到每个连通区域的顶点数量作为重要用户的电源数量；
S6.判断重要用户的电源数量与输配电网系统正常工作时的电源数量是否相同，如是，则不存在供电风险；否则，存在供电风险。
本实施例中，步骤S1中，SCADA(主要应用于数据采集与监控)能对各类传感器信息进行展示、记录、存储以及调用等，SCADA除了对常用的电压/电流、液位/压力/流量/温度、频率/计数、条码、气象、检测仪表(振动、声音、光线、粉尘)等测量外，还可以处理视频/视觉、3D模型等复杂数据，则基于SCADA从电网的诸多应用的场景中，获得电网网络基础数据，此电网网络基础数据主要包括：电网架构、电网的基本参数(电流、电压、电阻以及功率等)。
本实施例中，步骤S2中，根据电网网络基础数据，对电网进行建模；具体地，将输电网模型和配电网模型通过边界节点(配电网的根节点)进行拼接得到输配电网一体化的全局电网模型，其中，输电网模型与配电网模型均为电网领域内常用的模型，均是通过读入配网标准cime文件(一种简单高效的电网通用模型描述规范)对电网进行分析，提取出电网的点边连接关系，根据点边连接关系构建电网的整体拓扑。
该全局电网模型可使用一个有序元组集合(v,e)进行表示，也就是该全局电网模型可以使用一个图G＝(v,e)进行表示，其中，v是顶点集，e是边集，边集e中的元素也可以使用元组(x,y)进行表示，其中，元素x与y属于顶点集v，即是x,y∈v。由于电网系统中的发电机和用电负荷与此分析方法无关，因此可以将发电机与用电负荷忽略，即将电网中的各个节点作为图G的顶点，将电网中的输电线路和变压器作为图G的边。
本实施例中，步骤S3中，通过对重要用户供电电压历史数据的统计分析，设定重要用户的供电电压为m千伏(kv)，m取值可为10、110、220、500等；根据供电电压对全局电网模型G＝(v,e)进行划分，得到供电网络模型GA＝(vA,eA)与受电网络模型GB＝(vB,eB)；其中，将大于供电电压m千伏的电源节点作为第一顶点集，将与变压器连接的供电电压为m千伏的节点作为第二顶点集，将第一顶点集与第二顶点集进行合并作为顶点集vA，eA为以顶点集vA中各节点之间的输电线路与变压器为元素的边集；vB为以等于供电电压m千伏的非供电节点以及小于供电电压m千伏的所有节点为元素的顶点集，eB为以顶点集vB中各节点之间的输电线路为元素的边集。
本实施例中，步骤S4中，为供电网络模型GA的顶点集vA中各顶点设置标记值，并基于集成拓扑分析的方式，获得顶点集vA中各顶点的最终标记值，具体包括(如图2)：
S41.对供电网络模型GA＝(vA,eA)进行遍历处理，统计得到供电网络模型GA＝(vA,eA)的顶点集vA中顶点个数n以及边集eA中边数m；
S42.按照序列(1,2,…,i,…,n)的形式为供电网络模型GA＝(vA,eA)中的n个顶点设置序列号，其中，最大的序列号为n，并以顶点的序列号来表示该顶点；对供电网络模型的所有顶点进行初始化处理，具体地，设定reach值，序列号为i的顶点对应的reach值等于i，即有reach(i)＝i，0<i<＝n，i为整数；对于所有的顶点，均有顶点的reach值为该顶点的序列号；
需要说明的是，设定的reach值为供电网络模型中顶点对应的因变量，随着后续不断地迭代计算，各顶点对应的reach值可能会不断地变更，对于同一连接组件中某个顶点，其最终的reach值为该连接组件中顶点对应的最大序列号，这里的连接组件为一连通的电网网络区域，该电网网络区域包含多个顶点与以及连接这些顶点的边。
S43.设置循环标志变量flag与k，其中，flag为只有true与false两个取值的布尔变量；k为累加迭代变量，可以作为供电网络模型中边的标记符号，即0<k<＝m，k为整数；对标志变量flag与k进行初始化处理，使得flag＝true，k＝1；
S44.若reach(x(k))！＝reach(y(k))，则使得flag＝false，同时令reach(x(k))＝max{reach(x(k)),reach(y(k))}、reach(y(k))＝reach(x(k))；
若reach(x(k))＝＝reach(y(k))，则无需做任何操作；
其中，x(k)与y(k)为由边k连接的两个顶点的序列号。
S45.使得循环标志变量k＝k+1，并返回执行步骤S44；
S46.重复执行步骤S45，直至循环标志变量k累加之后的值超过供电网络模型中的边数m，即当k>m时，进入步骤S47；
S47.若循环标志变量flag＝＝ture且供电网络模型中所有的顶点对应的reach值均未更新，则将此时顶点集vA中顶点对应的reach值作为该顶点的最终标记值；否则，重复执行步骤S43-S46。
本实施例中，步骤S5中，将供电网络模型GA的顶点集vA中最终标记值相同的顶点作为一个连通区域，并对每个连通区域中的顶点数进行统计，得到每个连通区域的顶点数量，这些顶点对应于供电网络的电源节点，则可将统计的顶点数量作为重要用户的电源数量；其中，由于与其他任何顶点的最终标记值均不相同的顶点是失电的电源节点(电源节点也可称为供电节点)，则失电的电源节点将不再被视为电源节点，而被视为公共负载节点，公共负载节点不参与电源数量的统计。
本实施例中，步骤S6中，如果重要用户的电源数量与输配电网系统正常工作时的电源数量相同，则不存在供电风险；否则，存在供电风险。其中，输配电网系统正常工作时的电源数量可由电力相关人员进行统计得到。当存在供电风险时，分析重要用户供电方式的变更程度和次数，变更程度越大以及变更次数越多，表明风险等级越高，就需要采取相应措施降低甚至消除风险，从而达到准确地评估重要用户供电方式的变化风险，并提升重要用户供电可靠性的目的。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于SCADA大数据的电网系统重要用户供电风险分析方法，其特征在于：包括如下步骤：
S1.基于SCADA大数据，采集输配电网网络基础数据；
S2.根据输配电网网络基础数据，构建输配电网一体化的全局电网模型G＝(v,e)；其中，v为以输配电网中的节点为元素的顶点集，e为以输配电网中的输电线路以及变压器为元素的边集；
S3.设定重要用户的供电电压为m千伏，根据供电电压对全局电网模型G＝(v,e)进行划分，得到供电网络模型GA＝(vA,eA)；其中，将大于供电电压m千伏的电源节点作为第一顶点集，将与变压器连接的供电电压为m千伏的节点作为第二顶点集，将第一顶点集与第二顶点集进行合并作为顶点集vA；eA为以顶点集vA中各节点之间的输电线路与变压器为元素的边集；
S4.为供电网络模型GA的顶点集vA中的顶点设置标记值，不断调整顶点集vA中各顶点的标记值，使得连通的顶点的标记值相等，当顶点集vA中各顶点的标记值不再变化时，得到各顶点的最终标记值；
S5.将最终标记值相同的顶点作为一个连通区域，并对每个连通区域中的顶点数进行统计，得到每个连通区域的顶点数量作为重要用户的电源数量；
S6.判断重要用户的电源数量与输配电网系统正常工作时的电源数量是否相同，如是，则不存在供电风险；否则，存在供电风险。
2.根据权利要求1所述的基于SCADA大数据的电网系统重要用户供电风险分析方法，其特征在于：步骤S2中，将输电网模型和配电网模型通过边界节点进行拼接得到输配电网一体化的全局电网模型。
3.根据权利要求1所述的基于SCADA大数据的电网系统重要用户供电风险分析方法，其特征在于：步骤S4中，根据如下步骤得到顶点集vA中各顶点的最终标记值：
S41.获取供电网络模型GA的顶点集vA中顶点个数n以及边集e中边数m；
S42.设顶点集vA中的顶点i的标记值为reach(i)，并对各顶点的标记值进行初始化处理，使得顶点i的标记值reach(i)＝i；其中，i为顶点的标识符号，0<i<＝n，i为整数；
S43.设置循环标志变量flag与k，且flag的初始值为true，k的初始值为1；其中，0<k<＝m，k为整数；
S44.若reach(x(k))！＝reach(y(k))，则使flag＝false、reach(x(k))＝max{reach(x(k)),reach(y(k))}以及reach(y(k))＝reach(x(k))；若reach(x(k))＝＝reach(y(k))，则不做任何处理；其中，x(k)与y(k)为由边k连接的两个顶点的标识符号；
S45.使得循环标志变量k＝k+1，并返回执行步骤S44；
S46.重复步骤S45，当k>m时，进入步骤S47；
S47.若循环标志变量flag＝＝ture且供电网络模型的顶点集vA中各顶点对应的标记值均未更新，则将此时顶点集vA中顶点对应的标记值作为该顶点的最终标记值；否则，重复执行步骤S43-S46。
4.根据权利要求1所述的基于SCADA大数据的电网系统重要用户供电风险分析方法，其特征在于：步骤S5中，将与其他任何顶点的最终标记值均不相同的顶点作为负载节点，负载节点不参与电源数量的统计。
CN201911146657.8A 2019-11-21 2019-11-21 基于scada大数据的电网系统重要用户供电风险分析方法 Pending CN110889614A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911146657.8A CN110889614A (zh) 2019-11-21 2019-11-21 基于scada大数据的电网系统重要用户供电风险分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911146657.8A CN110889614A (zh) 2019-11-21 2019-11-21 基于scada大数据的电网系统重要用户供电风险分析方法

Publications (1)

Publication Number Publication Date
CN110889614A true CN110889614A (zh) 2020-03-17

Family

ID=69748215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911146657.8A Pending CN110889614A (zh) 2019-11-21 2019-11-21 基于scada大数据的电网系统重要用户供电风险分析方法

Country Status (1)

Country Link
CN (1) CN110889614A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111460042A (zh) * 2020-04-24 2020-07-28 国网吉林省电力有限公司 一种异构多系统间电网用户标志信息同步和匹配方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104218672A (zh) * 2014-07-11 2014-12-17 国家电网公司 一种基于实时运行状态评价的配电网运行风险预警系统
US20170092055A1 (en) * 2015-09-24 2017-03-30 Causam Energy, Inc. Systems and methods for aggregation and integration of distributed grid elements inputs for providing an interactive electric power grid geographic visualization
CN109638817A (zh) * 2018-12-08 2019-04-16 国网江苏省电力有限公司淮安供电分公司 一种考虑用户侧模型的配电网脆弱点分析以及预防控制方法
CN109885601A (zh) * 2019-02-27 2019-06-14 国网上海市电力公司 一种配电网基础数据收集分析系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104218672A (zh) * 2014-07-11 2014-12-17 国家电网公司 一种基于实时运行状态评价的配电网运行风险预警系统
US20170092055A1 (en) * 2015-09-24 2017-03-30 Causam Energy, Inc. Systems and methods for aggregation and integration of distributed grid elements inputs for providing an interactive electric power grid geographic visualization
CN109638817A (zh) * 2018-12-08 2019-04-16 国网江苏省电力有限公司淮安供电分公司 一种考虑用户侧模型的配电网脆弱点分析以及预防控制方法
CN109885601A (zh) * 2019-02-27 2019-06-14 国网上海市电力公司 一种配电网基础数据收集分析系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111460042A (zh) * 2020-04-24 2020-07-28 国网吉林省电力有限公司 一种异构多系统间电网用户标志信息同步和匹配方法
CN111460042B (zh) * 2020-04-24 2022-06-14 国网吉林省电力有限公司 一种异构多系统间电网用户标志信息同步和匹配方法

Similar Documents

Publication Publication Date Title
CN110659693B (zh) 基于k近邻分类的配电网快速拓扑识别方法、系统及介质
CN107402976A (zh) 一种基于多元异构模型的电网多源数据融合方法及系统
CN108376982A (zh) 负载相序的识别方法及装置
CN110569867A (zh) 基于决策树算法的输电线路故障原因判别方法、介质及设备
CN109241169A (zh) 配电网运行信息多源异构数据融合数据库集成方法
CN112559963A (zh) 一种配电网动态参数辨识方法及装置
CN115278741A (zh) 一种基于多模态数据依赖关系的故障诊断方法和装置
CN109102146A (zh) 基于多参数线性规划的电力系统风险评估加速方法
CN114567562B (zh) 一种电网与通信网耦合网络关键节点识别的方法
CN114123128B (zh) 一种基于可视化电网专家系统的保护定值变更生成方法
CN115545479A (zh) 一种配电网重要节点或重要线路的确定方法及装置
CN107742883A (zh) 一种基于Spark的电力系统拓扑岛快速识别系统和方法
CN104537418A (zh) 一种自底向上的高维数据因果网络学习方法
CN110750527A (zh) 一种电力大数据的数据清洗方法
CN110889614A (zh) 基于scada大数据的电网系统重要用户供电风险分析方法
CN114385403A (zh) 基于双层知识图谱架构的分布式协同故障诊断方法
CN113570345A (zh) 一种基于施工项目电路图的停电范围自动识别系统
CN104680118A (zh) 一种人脸属性检测模型生成方法及系统
CN111966758B (zh) 一种基于画像数据分析技术的电力隐患排查方法
CN117113157A (zh) 一种基于人工智能的台区用电故障检测系统
CN117453937A (zh) 一种电网图数据模型自动生成方法及装置
CN117034149A (zh) 故障处理策略确定方法、装置、电子设备和存储介质
CN109858822A (zh) 一种基于流关联分析的信息电力融合系统可靠性评估方法
CN114329867B (zh) 一种基于模体的无标度网络鲁棒性度量方法
CN104217374B (zh) 一种输电网网损灵敏度方案优选方法及系统

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20230721

AD01 Patent right deemed abandoned