CN110910026A - 一种跨省输电线路线损智能管理与决策方法及系统 - Google Patents
一种跨省输电线路线损智能管理与决策方法及系统 Download PDFInfo
- Publication number
- CN110910026A CN110910026A CN201911190427.1A CN201911190427A CN110910026A CN 110910026 A CN110910026 A CN 110910026A CN 201911190427 A CN201911190427 A CN 201911190427A CN 110910026 A CN110910026 A CN 110910026A
- Authority
- CN
- China
- Prior art keywords
- line
- electric energy
- power transmission
- loss
- line loss
- 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.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000007726 management method Methods 0.000 claims description 54
- 238000004422 calculation algorithm Methods 0.000 claims description 49
- 230000002068 genetic effect Effects 0.000 claims description 31
- 238000013528 artificial neural network Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 17
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000012986 modification Methods 0.000 claims description 15
- 230000004048 modification Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 description 26
- 230000003044 adaptive effect Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 230000002301 combined effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer 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
-
- 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)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种跨省输电线路线损智能管理与决策方法及系统，方法包括以下具体步骤：S1.建立电力系统跨省输电线路的电能量信息采集与监控系统；S2.通过线损智能计算及识别单元对线路的实时运行数据进行计算分析，智能判断是否存在线损情况；S3.对相关信息进行智能匹配，产生对应的评估报告，为管理人员提供解决线损的辅助决策方案；S4.将运行状态数据、线损情况判断结果以及辅助决策方案传输至可视化数据输出终端，数据输出可视化终端对计算结果进行输出，更加直观的显示。本发明的方法及系统为管理人员智能生成辅助解决策略，不仅提高了管理效率，提升了输电线路监测的自动化程度，还很大程度上投入的人力资源。
Description
技术领域
本发明属电力系统线损检测领域，具体涉及一种跨省输电线路线损智能管理与决策方法及系统。
背景技术
随着我国经济的发展和社会的不断进步，各个领域对电力的需求越来越高，而保证供电的可靠性是电力需求中的重要环节，供电的可靠性和社会的发展密切相关。如今电力已经成为人民文明的动力之源，也是二次能源以及各个行业界内的主要动力。电力的充沛、安全以及稳定的供应是国家和人民经济可持续快速发展的基础。输电线路主要指为110kV、220kV、330kV、500kV等更高电压等级的传输电力线路，输配电线路作为电力系统中的大动脉，起着至关重要的作用，是连接发电厂和终端用户的重要纽带。
电力建设的持续发展，输电线路覆盖面积广、电压等级多等特点，影响着我国社会生活的各个领域；同时，在电能的输送和分配的过程当中无法避免地会产生大量的损耗。电力网电能损耗是电能从发电厂传输到客户过程中，在输电、变电、配电和营销各环节中所产生的电能损耗和损失。线损率是衡量线损高低的指标，它综合反映了电力系统规划设计、生产运行和经营管理水平，是电网经营企业一项重要经济技术指标。随着电力体制改革的日益深化，电网运行是否经济，供用电管理技术手段是否科学等，这些都涉及到电网企业的运营成本和全社会的整体经济效益。因此，降低线损是电力部门的重要任务，控制线损、降低线损，用科学管理方法把不合理的电能损耗降低到最小，使线损率达到先进水平是电网企业现代化管理的核心内容之一，也是电网企业的生存和发展的必要条件。
目前针对线路的传统管理方式采用手工记录方式进行，不仅工作效率低下，而且容易出错，不易保存，特别是当前线路的复杂性及多样性更增加了对线路管理的复杂性。此外，传统的线损计算方法具有很大的局限性，如均方根电流法以及最大电流法等，这些计算方法的数据来源均是离线的，即从多个部口收集电网拓扑结构和参数以及大量的运行数据，然后手工录入到线损理论计算系统中。该方法无法准确反映不同季节负荷和不同运行方式的电网线损率，当运行方式变化时，许多数据需要重新录入；其次，人工录入的方式不可避免的带来误差。
由于目前对线路的管理方式依然存在工作效率低，错误率高的情况，针对如今线路覆盖面越来越广，而且环境越来越恶劣，给信息的采集带来的巨大的困难，此外人工方法将会受到主观因素的影响，对其结果也将造成误判。因此，设计一种能够对输电线路的线损进行智能管理并提供辅助决策的技术及其系统亟待解决。
发明内容
本发明的目的在于提供一种跨省输电线路线损智能管理与决策方法及系统，解决现有的对输电线路线路的管理不足，而造成线路大量损耗的问题，并可以智能对线路运行情况进行检测，发现一些造成损耗较大情况时，能够智能提供辅助决策。
本发明的技术方案：
一种跨省输电线路线损智能管理与决策方法，包括以下具体步骤：
S1.建立电力系统跨省输电线路的电能量信息采集与监控系统，获取跨省输电线路的实时运行状态数据，并将数据通过无线网络传输至线损智能计算及识别单元，从而进行判断；
S2.通过线损智能计算及识别单元对线路的实时运行数据进行计算分析，智能判断是否存在线损情况，若存在线损情况则将计算结果及线路运行数据一起传输至基于人工智能算法的辅助决策生成单元；
S3.基于人工智能算法的辅助决策生成单元通过使用遗传算法与人工神经网络相结合的算法对相关信息进行智能匹配，产生对应的评估报告，为管理人员提供解决线损的辅助决策方案；
S4.将运行状态数据、线损情况判断结果以及辅助决策方案传输至可视化数据输出终端，数据输出可视化终端对计算结果进行输出，更加直观的显示。
所述跨省输电线路的电能量信息采集与监控系统包括安装在每段输电线路的端部处的电能量采集装置，电能量采集装置从多维度对输电线路数据信息进行采集，包括电流信号和电压信号，电能量信息采集与监控系统还包括通信数据传输通道以及电能量信息文件管理单元，通信数据传输通道对电能量采集装置采集的数据信息进行压缩，并利用无线网络分通道将压缩信号传输至电能量信息文件管理单元，电能量信息文件管理单元将整合的数据信息通过数据输出可视化终端进行显示，并将数据信息传输至线损智能计算及识别单元，进行进一步的分析处理。
所述电能量信息文件管理单元包括新建与保存模块、在线校验模块、修改与更新模块，新建与保存模块主要针对技改扩建工程、新建输电线路这些需要新建电能量信息文件的工作，在线校验模块主要通过访问数据库模板层针对电能量信息文件的合理性和正确性进行校验，包括文件格式、数据类型校验，修改与更新模块在线发起修改申请。
所述步骤S2中线损智能计算的具体方法为：
理论线损率是各网、省、地区供电局对其所属输、变、配电设备根据设备参数、负荷潮流、特性计算得出的线损率，计算公式为：
针对跨省输电线路的线损时，300km以下的交流架空输电线将其等效成π型电路，并且利用潮流求解该线路运行时的线路损耗，
输电线路正序电抗和输电线路正序容抗XC的计算公式为：
R1表示输电线路正序电阻，L1表示输电线路正序电感，C表示输电线路正序电容，R2表示电抗器电阻，XL1表示电抗器电抗，j为复数单位，w为角速度；
并根据功率因数角
B侧有功功率P2即可获得该侧的视在功率S2为：
在潮流计算时，π型等效电路将线路正序电容等效为线路两端的两个电容值等于原来一半的接地电容，假设B侧线电压值U2等于A侧线电压值，Q1即为A侧消耗的无功功率值，为容性无功，是负值，则S2’的计算公式为：
线路电压降的纵分量和横分量计算公式为：
式中，ΔU2表示线路电压降的纵分量，δU2表示线路电压降的横分量，U11表示A侧线电压，U11是假设U2＝U1时，计算出的A侧线电压值，主要为了便于计算线路的损耗，其中ΔU2的值主要取决于元件输送的无功，δU2的值主要取决于元件所输送的有功，输电线路损耗ΔSZ和电抗器损耗ΔS1则为：
从中能够得到电抗器的损耗与A侧的线电压有关，而输电线路损耗与线路阻抗及线路线电压均相关，A、B两侧间的线损ΔP进而线损率α的计算公式为：
所述步骤S3的具体流程为：
根据电能量信息采集与监控系统不断监视输电线路运行状态，当发现线路存在线损时，触发故障判断与定位流程，调用数据库中的电网模型以及相关数据，对线损情况进行分析判断，从而判别线线损类型及定位线损位置；
基于判断和分析结果，在可视化窗口中显示当前线损相关信息，利用遗传算法与人工神经网络复合算法自动匹配历史数据库，如果线损特征数据和历史库中的完全匹配，则提取对应的检修策略，并生成评估报告，若匹配结果不完全，则生成匹配度最高的检修策略及报告，接着将该报告传输至数据输出可视化终端。
一种跨省输电线路线损智能管理与决策系统，包括的电能量信息采集与监控系统、后台管理系统以及数据输出可视化终端，所述电能量信息采集与监控系统包括安装在每段输电线路的端部处的电能量采集装置，电能量采集装置从多维度对输电线路数据信息进行采集，包括电流信号和电压信号，电能量信息采集与监控系统还包括通信数据传输通道以及电能量信息文件管理单元，通信数据传输通道对电能量采集装置采集的数据信息进行压缩，并利用无线网络分通道将压缩信号传输至电能量信息文件管理单元，电能量信息文件管理单元将整合的数据信息通过数据输出可视化终端进行显示，并将数据信息传输至后台管理系统进行进一步的分析处理。
所述电能量信息文件管理单元包括新建与保存模块、在线校验模块、修改与更新模块，新建与保存模块主要针对技改扩建工程、新建输电线路这些需要新建电能量信息文件的工作，在线校验模块主要对电能量信息文件的合理性和正确性进行校验，包括文件格式、数据类型校验，修改与更新模块在线发起修改申请。
所述后台管理系统包括线损智能计算及识别单元、辅助决策生成单元以及检修策略及报告数据库，所述线损智能计算及识别单元对线路的实时运行数据进行计算分析，从而智能判断是否存在线损情况，所述辅助决策生成单元通过使用遗传算法与人工神经网络相结合的算法对电能量信息采集与监控系统采集的相关信息与检修策略及报告数据库进行智能匹配，直接从检修策略及报告数据库中产生对应的检修策略及报告。
与现有技术相比，本发明的有益效果是：
1、本发明提能够通过对电力系统输电线路的电能量信息采集与监控，从而准确获得各个线路的运行状态，大大提高了线路监测数据的客观性和准确性。
2、本发明作为输电线路线损智能管理与决策方法及其系统，能够通过监测的线路的运行状态，智能识别是否存在线损情况，并判断出造成原因，包括线路长期低负荷运行、电压互感器出现超差现象等，大大提升了识别效率。
3、本发明建立的智能辅助决策系统，能够对判断出的线损情况进行匹配和分析，并生成相关的监测和判断报告，同时针对该原因，为管理人员智能生成辅助解决策略，不仅提高了管理效率，提升了输电线路监测的自动化程度，还很大程度上投入的人力资源。
附图说明
图1为本发明方法流程示意图；
图2为本发明跨省输电线路线损智能管理与决策系统结构图；
图3为本发明输电线路电能量信息采集流程图；
图4为本发明跨省输电线路π型等效电路；
图5为本发明人工神经元示意图；
图6为本发明遗传算法基本过程；
图7为本发明遗传算法与人工神经网络复合算法的流程图；
图8为本发明检修策略及报告生成流程图；
图9为本发明数据输出可视化终端显示界面图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，一种跨省输电线路线损智能管理与决策方法，包括以下具体步骤：
S1.建立电力系统跨省输电线路的电能量信息采集与监控系统，获取跨省输电线路的实时运行状态数据，并将数据通过无线网络传输至线损智能计算及识别单元，从而进行判断；
S2.通过线损智能计算及识别单元对线路的实时运行数据进行计算分析，智能判断是否存在线损情况，若存在线损情况则将计算结果及线路运行数据一起传输至基于人工智能算法的辅助决策生成单元；
S3.基于人工智能算法的辅助决策生成单元通过使用遗传算法与人工神经网络相结合的算法对相关信息进行智能匹配，产生对应的评估报告，为管理人员提供解决线损的辅助决策方案；
S4.将运行状态数据、线损情况判断结果以及辅助决策方案传输至可视化数据输出终端，数据输出可视化终端对计算结果进行输出，更加直观的显示。
如图2和图3所示，一种跨省输电线路线损智能管理与决策系统，包括建立电力系统输电线路的电能量信息采集与监控系统，提高输电线路监测效率，增强电能量信息文件的阅读性，简化工作人员的工作流程。电能量信息采集与监控系统基本结构包括：电能量信息采集、通信数据传输通道以及电能量信息文件管理，通过在每段输电线路的端部处安装电能量采集装置，从多维度对其数据信息进行采集，包括电流信号和电压信号，而且每个装置对应一段线路，能够准确反应该段线路的运行情况，最大程度上降低判断误差。通信数据传输通道对采集的数据信息进行压缩，并利用无线网络分通道将压缩信号传输至后台，然后对接收的信号进行重新整合和解压。电能量信息文件管理一方面将整合的数据信息通过可视化窗口进行显示，可供检查人员实时观察线路运行情况，并且设立相应的管理操作，包括新建与保存模块、在线校验模块、修改与更新模块；另一方面监控服务器将数据信息传输至线损智能计算及识别单元，进行进一步的分析处理。
新建与保存模块主要针对技改扩建工程、新建输电线路等需要新建电能量信息文件的工作。由于新建工作的发起方通常为具体工作的输电或施工单位，需要在工作开展前向文件数据库提交申请，因此在新建任务发起前确认申请内容包括工作任务、文件拟修改详情、申请人在线签署等内容，然后经数据库向管理部门提交工作申请，经审批受理并备案后正式开展信息文件新建流程。在线校验模块主要通过访问数据库模板层针对电能量信息文件的合理性和正确性进行校验，包括文件格式、数据类型等。若新建的文件未通过核定校验，则将任务派回申请人再次修改，若通过核定审核则直接将该文件与审核签署流程保存数据库。修改与更新模块则可以在线发起修改申请，修改申请流程与新建流程类似；该模块不仅可以对修改后的电能量信息文件合理性、完整性进行校验外，还能对修改前后的文件进行差异性对比，从而极大方便工作人员对进行有针对的隔离、测试和检验。
线损智能计算及识别单元对采集的线路实时运行电能量信息进行计算分析，从而智能判断是否存在线损情况，具体计算过程如下：
线损是电力网电能损耗的简称，是指电能从发电厂传输到电力用户过程中，在输电、变电、配电及销售等各个环节当中所产生的电能损耗与损失。理论线损率是各网、省、地区供电局对其所属输、变、配电设备根据设备参数、负荷潮流、特性计算得出的线损率，计算公式为：
针对跨省输电线路的线损时，由于交流500kV跨省输电线路一般采用架空输电线，线路长度一般不超过300km，在输电线路的一侧装有高压电抗器等设备用于无功补偿。因此，300km以下的交流架空输电线将其等效成π型电路，如图4所示，并且利用潮流求解该线路运行时的线路损耗。
图中，R1表示输电线路正序电阻，L1表示输电线路正序电感，C表示输电线路正序电容，R2表示电抗器电阻，XL1表示电抗器电抗。j为复数单位，w为角速度，输电线路正序电抗和输电线路正序容抗XC的计算公式为：
并根据功率因数角
B侧有功功率P2即可获得该侧的视在功率S2为：
在潮流计算时，π型等效电路将线路正序电容等效为线路两端的两个电容值等于原来一半的接地电容。前推回代法中，假设B侧线电压值U2等于A侧线电压值。Q1即为A侧消耗的无功功率值，为容性无功，是负值，则S2’的计算公式为：
线路电压降的纵分量和横分量计算公式为：
式中，ΔU2表示线路电压降的纵分量，δU2表示线路电压降的横分量，U11表示A侧线电压。U11是假设U2＝U1时，计算出的A侧线电压值，主要为了便于计算线路的损耗。其中ΔU2的值主要取决于元件输送的无功，δU2的值主要取决于元件所输送的有功。输电线路损耗ΔSZ和电抗器损耗ΔS1则为：
从中能够得到电抗器的损耗与A侧的线电压有关，而输电线路损耗与线路阻抗及线路线电压均相关。输电线路上的线电压波动一般较小，而输电功率的波动相对较大，因此电抗器上的损耗值一般比较稳定，输电线路上的损耗波动随着功率变化比较大。此外，A、B两侧间的线损ΔP进而线损率α的计算公式为：
由上式能够得到当线路负荷比较小时，电抗器损耗值变化很小，此时线损率反而比较大。
建立的基于人工智能算法的辅助决策生成单元通过使用遗传算法与人工神经网络相结合的算法对电能量数据信息与数据库进行智能匹配，从而产生对应的评估报告，从而为管理人员提供解决线损的辅助决策方案。
(1)人工神经网络
人工神经网络(artificial neural network，简称ANN)可作为模式识别的一种工具。人工神经网络的研究源于脑神经元学说，是对生物神经系统的简单描述。ANN是由大量简单基本单元(人工神经元)相互广泛连接而成的复杂网络系统，它能反映人脑功能的若干基本特征——当然只是对生物神经系统的简化模拟，而不是逼真的描写。在人工神经网络中，人工神经元是基本计算单元，它模拟人脑中神经元的基本特性，它一般是多输入、单输出的非线形单元，信息分散的储存在连接线的权重上。
从拓朴结构上看，人工神经网络是一个由加权有向弧将一系列处理单元联接而成的有向图。其基本单元模仿生物神经元，称为人工神经元，如图5所示。
每个人工神经元满足：
net＝∑WXT-θ (8)
Y＝f(net) (9)
其中，第一个公式表示所有信号的组合效果，模仿生理神经网络中一个生理神经元接受来自其它神经元的激励的组合效果。X＝[X1，X2，…，Xn]T为输入向量，模仿生理神经元的激励信号。Y为输出量，模仿生理神经元处理信息后，神经元的输出。W＝[W1，W2，…，Wn]权重向量，模仿生理神经元的连接强度。θ为阈值，模仿生理神经元的内部对神经元输出的影响。Y为激励函数，表示将可能的无限域变换到一定的有限范围内输出，模仿f(*)生理神经元所具有的非线性转移特性。激励函数选取的不同，决定神经元是线性神经元还是非线性神经元。
(2)遗传算法
遗传算法是建立在自然选择和群体遗传学机制基础上的随机、迭代与进化的搜索方法。遗传算法主要是由基因编码、产生祖先、评价个体优劣、选种交换和突变等一系列演变过程组成。其中遗传算法的核心主要包括两方面内容：一是如何从现有解中选出一些解来产生后代即选种方法，希望选出的解应具有良好的特征或适应值，以便产生优良的后代，同时它们在解空间应相当分散，以保证求得全局最优解；二是遗传算子操作的问题，采用的算子应具备良好的计算特征，即它一方面要保留原有解的优良特性，另一方面要能够把计算过程中丢失的重要信息或优良特征予以恢复。基本过程如图6所示，具体为：
1)基因编码：以一定位的二进制或其他形式的数字串对研究的变量或对象进行编码并形成基因码链，遗传算子就是针对编码后的数字串进行各种操作的；
2)产生祖先：随机产生一组初始解(n个)组成一个初始解群代表优化问题的一些可能解的集合，遗传算法的任务就是从初始解群出发，择优汰劣，搜索出非常优秀的个体和群体，满足优化要求；
3)评价个体优劣：按编码规则对群体中的每个个体的基因码链进行译码，依据相应公式计算个体的适应值并依其适应值大小依次排序；
4)选择：按一定概率从群体中选取适应值较大的M个个体形成匹配集，作为双亲用于繁殖后代；
5)对匹配集中的染色体按一定概率进行交换和变异，产生若干个新的染色体，组成新的解群；
6)通过上述步骤，产生新的一代解群，对这一新解群重新进行评价个体优劣选择交换和变异等，如此循环往复，直至群体的适应值稳定或最优个体适应值达到某一限值，则可以认为迭代过程已收敛，算法结束。
(3)遗传算法与人工神经网络复合算法
人工神经网络是使用的较为成熟且较有效的一种神经网络模型，但是还很不完善，如容易陷入到局部极小值、收敛速度慢、网络结构和学习参数方面的问题，而遗传算法本身计算量较大，每次迭代过程需大量运算，尤其是当遗传算法收敛到一定程度后，整个解群的素质和最优解的素质的改善变得比较困难，导致搜索时间呈指数增长。因此将遗传算法与人工神经网络相结合，用人工神经网络的改进算法继续寻求最优参数组合比单纯用遗传算法搜索要节约大量时间，同时遗传算法通过自适应随机搜索方法，对优化设计限制较少，有较大概率收敛到全局最优解，或性能很好的次优解，因此它非常适合于解决人工神经网络的局部收敛性问题。因此将人工神经网络与遗传算法有机结合充分利用它们各自的优点并克服其不足从根本上提高了神经网络解决问题的能力，计算的流程如图7所示。
在这个模型中，首先用改进的遗传算法模块对网络参数进行粗选。在保证参数精度的同时，为减少遗传操作的计算量，这里对网络权值采用实数编码方案，考虑到神经网络的特性，采用单元集中编码，即将每个神经元的相关权值和闭值集中按一定顺序排在一起，将所有神经元的编码连接起来构成基因码链，即代表着网络的一个权值组合。具体如下：将所有非输入层神经元按顺序编号，假定网络第i层第j个神经元的进线权值依次为Vj1、Vj2、…Vjn，阈值为βj，其中n表示第i-1层神经元数目，将其编码如下：
{...，Wj1，Wj2，…，Wjn，βj，Wj1，...} (10)
其他神经元编码依次类推，并依次连接成基因码链。在遗传算法中，各个解的适应值根据其所确定的神经网络学习误差而定，即选定的评价函数应该能正确反映人工神经网络的学习能力和推广能力，因此本模型利用样本学习的均方误差MSE来构造评价函数，即
对每个解译码，得到相应的网络权值，然后学习全部样本求出网络系统误差。遗传算法的收敛判据应该以解群中整体素质和最优个体素质均为稳定为依据，在本模型中，遗传算法仅是用来粗选网络参数，因此一旦解群的适应值不再有意义地增长时，即可停止搜索而采用拟牛顿的自适应算法来继续精确搜索。这里采用的收敛判据是一旦解群中前三个最优解的素质在给定代数内没有改善，即停止搜索。
当输电线路上存在线损时，该系统能够自动判断并生成评估方案及报告，具体流程如图8所示。首先根据电能量信息采集与监控系统不断监视输电线路运行状态，当发现线路存在线损时，触发故障判断与定位流程，调用数据库中的电网模型以及相关数据，对线损情况进行分析判断，从而判别线线损类型及定位线损位置。然后基于判断和分析结果，一方面应在可视化窗口中显示当前线损相关信息；另一方面利用遗传算法与人工神经网络复合算法自动匹配历史数据库，如果线损特征数据和历史库中的完全匹配，则提取对应的检修策略，并生成评估报告，若匹配结果不完全，则生成匹配度最高的检修策略及报告，接着将该报告传输至数据输出可视化终端。相关管理人员可以在可视化终端上读取相关信息和查看该报告，并对报告进行确认或修改，结果将更新入原历史数据库，进一步完善数据库。
设计数据输出及可视化终端，其主界面如图9所示。其中该终端在相关信息栏中主要读取电能量信息数据文件内容及其更新内容，并显示线路运行实时状态，一旦系统自动检测到存在线损情况时，即生成判断结果，包括线路类型和位置，并显示辅助决策，此外还将信息在附件栏中生成的相关文件。尽可能全面而直观的将系统的计算结果展示给相关人员，以使其迅速掌握重要信息，快速做出反应。此外，相关操作人员可在该终端上对所显示信息进行确认核实，若发现所生成的报告内容有误，即可在该终端上输入修改方案，且数据终端会将该方案重新导入历史数据库，及时更新完善历史数据库。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种跨省输电线路线损智能管理与决策方法，其特征在于，包括以下具体步骤：
S1.建立电力系统跨省输电线路的电能量信息采集与监控系统，获取跨省输电线路的实时运行状态数据，并将数据通过无线网络传输至线损智能计算及识别单元，从而进行判断；
S2.通过线损智能计算及识别单元对线路的实时运行数据进行计算分析，智能判断是否存在线损情况，若存在线损情况则将计算结果及线路运行数据一起传输至基于人工智能算法的辅助决策生成单元；
S3.基于人工智能算法的辅助决策生成单元通过使用遗传算法与人工神经网络相结合的算法对相关信息进行智能匹配，产生对应的评估报告，为管理人员提供解决线损的辅助决策方案；
S4.将运行状态数据、线损情况判断结果以及辅助决策方案传输至可视化数据输出终端，数据输出可视化终端对计算结果进行输出，更加直观的显示。
2.根据权利要求1所述的一种跨省输电线路线损智能管理与决策方法，其特征在于，所述跨省输电线路的电能量信息采集与监控系统包括安装在每段输电线路的端部处的电能量采集装置，电能量采集装置从多维度对输电线路数据信息进行采集，包括电流信号和电压信号，电能量信息采集与监控系统还包括通信数据传输通道以及电能量信息文件管理单元，通信数据传输通道对电能量采集装置采集的数据信息进行压缩，并利用无线网络分通道将压缩信号传输至电能量信息文件管理单元，电能量信息文件管理单元将整合的数据信息通过数据输出可视化终端进行显示，并将数据信息传输至线损智能计算及识别单元，进行进一步的分析处理。
3.根据权利要求2所述的一种跨省输电线路线损智能管理与决策方法，其特征在于，所述电能量信息文件管理单元包括新建与保存模块、在线校验模块、修改与更新模块，新建与保存模块主要针对技改扩建工程、新建输电线路这些需要新建电能量信息文件的工作，在线校验模块主要通过访问数据库模板层针对电能量信息文件的合理性和正确性进行校验，包括文件格式、数据类型校验，修改与更新模块在线发起修改申请。
4.根据权利要求1所述的一种跨省输电线路线损智能管理与决策方法，其特征在于，所述步骤S2中线损智能计算的具体方法为：
理论线损率是各网、省、地区供电局对其所属输、变、配电设备根据设备参数、负荷潮流、特性计算得出的线损率，计算公式为：
针对跨省输电线路的线损时，300km以下的交流架空输电线将其等效成π型电路，并且利用潮流求解该线路运行时的线路损耗，
输电线路正序电抗和输电线路正序容抗XC的计算公式为：
R1表示输电线路正序电阻，L1表示输电线路正序电感，C表示输电线路正序电容，R2表示电抗器电阻，XL1表示电抗器电抗，j为复数单位，w为角速度；
并根据功率因数角
B侧有功功率P2即可获得该侧的视在功率S2为：
在潮流计算时，π型等效电路将线路正序电容等效为线路两端的两个电容值等于原来一半的接地电容，假设B侧线电压值U2等于A侧线电压值，Q1即为A侧消耗的无功功率值，为容性无功，是负值，则S2’的计算公式为：
线路电压降的纵分量和横分量计算公式为：
式中，ΔU2表示线路电压降的纵分量，δU2表示线路电压降的横分量，U11表示A侧线电压，U11是假设U2＝U1时，计算出的A侧线电压值，主要为了便于计算线路的损耗，其中ΔU2的值主要取决于元件输送的无功，δU2的值主要取决于元件所输送的有功，输电线路损耗ΔSZ和电抗器损耗ΔS1则为：
从中能够得到电抗器的损耗与A侧的线电压有关，而输电线路损耗与线路阻抗及线路线电压均相关，A、B两侧间的线损ΔP进而线损率α的计算公式为：
5.根据权利要求1所述的一种跨省输电线路线损智能管理与决策方法，其特征在于，所述步骤S3的具体流程为：
根据电能量信息采集与监控系统不断监视输电线路运行状态，当发现线路存在线损时，触发故障判断与定位流程，调用数据库中的电网模型以及相关数据，对线损情况进行分析判断，从而判别线线损类型及定位线损位置；
基于判断和分析结果，在可视化窗口中显示当前线损相关信息，利用遗传算法与人工神经网络复合算法自动匹配历史数据库，如果线损特征数据和历史库中的完全匹配，则提取对应的检修策略，并生成评估报告，若匹配结果不完全，则生成匹配度最高的检修策略及报告，接着将该报告传输至数据输出可视化终端。
6.一种跨省输电线路线损智能管理与决策系统，其特征在于，包括的电能量信息采集与监控系统(100)、后台管理系统(200)以及数据输出可视化终端(300)，所述电能量信息采集与监控系统(100)包括安装在每段输电线路的端部处的电能量采集装置(101)，电能量采集装置(101)从多维度对输电线路数据信息进行采集，包括电流信号和电压信号，电能量信息采集与监控系统(100)还包括通信数据传输通道(102)以及电能量信息文件管理单元(103)，通信数据传输通道(102)对电能量采集装置(101)采集的数据信息进行压缩，并利用无线网络分通道将压缩信号传输至电能量信息文件管理单元(103)，电能量信息文件管理单元(103)将整合的数据信息通过数据输出可视化终端(300)进行显示，并将数据信息传输至后台管理系统(200)进行进一步的分析处理。
7.根据权利要求6所述的一种跨省输电线路线损智能管理与决策系统，其特征在于，所述电能量信息文件管理单元(103)包括新建与保存模块、在线校验模块、修改与更新模块，新建与保存模块主要针对技改扩建工程、新建输电线路这些需要新建电能量信息文件的工作，在线校验模块主要对电能量信息文件的合理性和正确性进行校验，包括文件格式、数据类型校验，修改与更新模块在线发起修改申请。
8.根据权利要求6所述的一种跨省输电线路线损智能管理与决策系统，其特征在于，所述后台管理系统(200)包括线损智能计算及识别单元(201)、辅助决策生成单元(202)以及检修策略及报告数据库(203)，所述线损智能计算及识别单元(201)对线路的实时运行数据进行计算分析，从而智能判断是否存在线损情况，所述辅助决策生成单元(202)通过使用遗传算法与人工神经网络相结合的算法对电能量信息采集与监控系统(100)采集的相关信息与检修策略及报告数据库(203)进行智能匹配，直接从检修策略及报告数据库(203)中产生对应的检修策略及报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911190427.1A CN110910026B (zh) | 2019-11-28 | 2019-11-28 | 一种跨省输电线路线损智能管理与决策方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911190427.1A CN110910026B (zh) | 2019-11-28 | 2019-11-28 | 一种跨省输电线路线损智能管理与决策方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110910026A true CN110910026A (zh) | 2020-03-24 |
| CN110910026B CN110910026B (zh) | 2023-06-27 |
Family
ID=69820279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911190427.1A Active CN110910026B (zh) | 2019-11-28 | 2019-11-28 | 一种跨省输电线路线损智能管理与决策方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110910026B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111487461A (zh) * | 2020-04-22 | 2020-08-04 | 国网河北省电力有限公司沧州供电分公司 | 一种线损监测系统 |
| CN112380722A (zh) * | 2020-11-25 | 2021-02-19 | 三峡大学 | 基于遗传算法的水电站设备检修作业指导书自动生成方法 |
| CN113837725A (zh) * | 2021-09-29 | 2021-12-24 | 国网辽宁省电力有限公司沈阳供电公司 | 一种线损工单自动流转系统及方法 |
| CN117518922A (zh) * | 2023-11-21 | 2024-02-06 | 潮州市科莱曼科技有限公司 | 一种智能马桶自动冲水控制系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101714234A (zh) * | 2009-10-23 | 2010-05-26 | 西北电网有限公司 | 一种电网线损监测分析系统 |
| CN102044868A (zh) * | 2009-10-14 | 2011-05-04 | 西安裕日软件有限公司 | 一种电网线损监测分析方法及装置 |
| CN103023024A (zh) * | 2012-11-30 | 2013-04-03 | 天津市电力公司 | 一种由自动电压控制引起输电网有功损耗降低的计算方法 |
| CN103065268A (zh) * | 2012-12-28 | 2013-04-24 | 广东电网公司清远供电局 | 一种对变电站运行数据的优化整合与智能分析的系统 |
| CN103177341A (zh) * | 2013-03-29 | 2013-06-26 | 山东电力集团公司 | 一种线损精益化综合管理系统及方法 |
| CN103326354A (zh) * | 2013-05-23 | 2013-09-25 | 国家电网公司 | 基于负荷矩的闭环配电网潮流估计方法 |
| CN103455948A (zh) * | 2013-08-06 | 2013-12-18 | 国家电网公司 | 一种配电系统多维多分辨率建模与分析方法 |
| WO2015143846A1 (zh) * | 2014-03-25 | 2015-10-01 | 国家电网公司 | 一种基于主配网一体化的在线实时合环方法 |
| CN105353235A (zh) * | 2015-10-15 | 2016-02-24 | 国电南瑞科技股份有限公司 | 一种变压器参数估计方法 |
| CN107257130A (zh) * | 2017-07-25 | 2017-10-17 | 武汉大学 | 基于区域量测解耦的低压配电网损耗计算方法 |
| CN107666149A (zh) * | 2017-10-23 | 2018-02-06 | 珠海许继芝电网自动化有限公司 | 一种中压配电网线损计算方法 |
| CN108280539A (zh) * | 2018-01-09 | 2018-07-13 | 国网辽宁省电力有限公司电力科学研究院 | 基于农网典型台区线损计算的无功补偿等降损优化方法 |
| CN110212558A (zh) * | 2019-05-09 | 2019-09-06 | 宁波永耀电力投资集团有限公司 | 一种分布式储能系统的选址定容配置方法 |
| CN110212521A (zh) * | 2019-06-05 | 2019-09-06 | 国网河南省电力公司电力科学研究院 | 配电网线损计算方法及系统 |
| CN110362894A (zh) * | 2019-06-28 | 2019-10-22 | 贵州电网有限责任公司 | 配电线路、变压器综合降损及节能计算分析方法及系统 |
-
2019
- 2019-11-28 CN CN201911190427.1A patent/CN110910026B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102044868A (zh) * | 2009-10-14 | 2011-05-04 | 西安裕日软件有限公司 | 一种电网线损监测分析方法及装置 |
| CN101714234A (zh) * | 2009-10-23 | 2010-05-26 | 西北电网有限公司 | 一种电网线损监测分析系统 |
| CN103023024A (zh) * | 2012-11-30 | 2013-04-03 | 天津市电力公司 | 一种由自动电压控制引起输电网有功损耗降低的计算方法 |
| CN103065268A (zh) * | 2012-12-28 | 2013-04-24 | 广东电网公司清远供电局 | 一种对变电站运行数据的优化整合与智能分析的系统 |
| CN103177341A (zh) * | 2013-03-29 | 2013-06-26 | 山东电力集团公司 | 一种线损精益化综合管理系统及方法 |
| CN103326354A (zh) * | 2013-05-23 | 2013-09-25 | 国家电网公司 | 基于负荷矩的闭环配电网潮流估计方法 |
| CN103455948A (zh) * | 2013-08-06 | 2013-12-18 | 国家电网公司 | 一种配电系统多维多分辨率建模与分析方法 |
| WO2015143846A1 (zh) * | 2014-03-25 | 2015-10-01 | 国家电网公司 | 一种基于主配网一体化的在线实时合环方法 |
| CN105353235A (zh) * | 2015-10-15 | 2016-02-24 | 国电南瑞科技股份有限公司 | 一种变压器参数估计方法 |
| CN107257130A (zh) * | 2017-07-25 | 2017-10-17 | 武汉大学 | 基于区域量测解耦的低压配电网损耗计算方法 |
| CN107666149A (zh) * | 2017-10-23 | 2018-02-06 | 珠海许继芝电网自动化有限公司 | 一种中压配电网线损计算方法 |
| CN108280539A (zh) * | 2018-01-09 | 2018-07-13 | 国网辽宁省电力有限公司电力科学研究院 | 基于农网典型台区线损计算的无功补偿等降损优化方法 |
| CN110212558A (zh) * | 2019-05-09 | 2019-09-06 | 宁波永耀电力投资集团有限公司 | 一种分布式储能系统的选址定容配置方法 |
| CN110212521A (zh) * | 2019-06-05 | 2019-09-06 | 国网河南省电力公司电力科学研究院 | 配电网线损计算方法及系统 |
| CN110362894A (zh) * | 2019-06-28 | 2019-10-22 | 贵州电网有限责任公司 | 配电线路、变压器综合降损及节能计算分析方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王伟: "含分布式电源的配电网潮流计算及网损分析的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111487461A (zh) * | 2020-04-22 | 2020-08-04 | 国网河北省电力有限公司沧州供电分公司 | 一种线损监测系统 |
| CN112380722A (zh) * | 2020-11-25 | 2021-02-19 | 三峡大学 | 基于遗传算法的水电站设备检修作业指导书自动生成方法 |
| CN113837725A (zh) * | 2021-09-29 | 2021-12-24 | 国网辽宁省电力有限公司沈阳供电公司 | 一种线损工单自动流转系统及方法 |
| CN117518922A (zh) * | 2023-11-21 | 2024-02-06 | 潮州市科莱曼科技有限公司 | 一种智能马桶自动冲水控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110910026B (zh) | 2023-06-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110910026B (zh) | 一种跨省输电线路线损智能管理与决策方法及系统 | |
| CN109308571B (zh) | 配电线路线变关系检测方法 | |
| CN111738462B (zh) | 电力计量装置故障抢修主动服务预警方法 | |
| CN112163371B (zh) | 一种变压器套管状态评估方法 | |
| CN112862065B (zh) | 一种基于多任务图神经网络的电网支路参数辨识方法 | |
| CN105447646A (zh) | 一种配电系统健康指数评估方法 | |
| CN111880044A (zh) | 一种含分布式电源配电网在线故障定位方法 | |
| CN113139596A (zh) | 低压台区线损神经网络的优化算法 | |
| LU500551B1 (en) | Virtual load dominant parameter identification method based on incremental learning | |
| CN112085156A (zh) | 一种分压线损率预测及降损潜力评估方法及系统 | |
| CN114548800A (zh) | 基于电网知识图谱的未来态电网检修风险辨识方法及装置 | |
| CN115829145A (zh) | 一种光伏发电量预测系统及方法 | |
| CN114021758A (zh) | 一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法和装置 | |
| AU2021106109A4 (en) | Evaluation index screening strategy for lean management of power system line loss under big data environment | |
| CN111401651A (zh) | 一种基于lstm网络预测物资采购需求量的方法 | |
| CN114240069A (zh) | 一种基于回归学习与特征挖掘的电网在线风险计算方法 | |
| CN116776209A (zh) | 一种关口计量装置运行状态辨识方法、系统、设备及介质 | |
| Fan et al. | Ultra-short-term bus load forecasting method based on multi-source data and hybrid neural network | |
| CN113866562B (zh) | 一种电力系统台区线损识别方法 | |
| Sun et al. | Reliability prediction of distribution network based on PCA-GA-BP neural network | |
| CN112016631A (zh) | 一种低电压治理相关的改进方案 | |
| CN111860617A (zh) | 一种配电网综合优化运行方法 | |
| Yang et al. | Coal Mine Safety Evaluation with V-Fold Cross-Validation and BP Neural Network. | |
| CN118539432B (zh) | 一种基于电网结构图的电网优化方法及装置 | |
| CN118523316B (zh) | 基于暂态响应和线路状态信息的主导失稳模式判别方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201023 Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant after: STATE GRID CORPORATION OF CHINA Applicant after: STATE GRID HUBEI ELECTRIC POWER Research Institute Applicant after: STATE GRID HUBEI ELECTRIC POWER Co.,Ltd. Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: STATE GRID CORPORATION OF CHINA Applicant before: STATE GRID HUBEI ELECTRIC POWER Research Institute |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |