CN110930072A - 一种牵引供电系统的可靠性研究方法 - Google Patents
一种牵引供电系统的可靠性研究方法 Download PDFInfo
- Publication number
- CN110930072A CN110930072A CN201911276376.4A CN201911276376A CN110930072A CN 110930072 A CN110930072 A CN 110930072A CN 201911276376 A CN201911276376 A CN 201911276376A CN 110930072 A CN110930072 A CN 110930072A
- Authority
- CN
- China
- Prior art keywords
- power supply
- supply system
- reliability
- traction power
- model
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011160 research Methods 0.000 title claims abstract description 19
- 239000002245 particle Substances 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000000739 chaotic effect Effects 0.000 claims abstract description 10
- 238000009825 accumulation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000011435 rock Substances 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Nonlinear Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
Abstract
本发明公开了一种牵引供电系统的可靠性研究方法,利用灰色理论建立牵引供电系统的灰色预测模型,对牵引供电系统中各组成设备的故障率进行了中长期预测,利用威布尔分布进行设备的可靠性分析,基于混沌粒子群优化算法的智能拟合方法,得出特征寿命α、形状参数β的最优参数估计方法,再根据牵引供电系统各设备的设备寿命平均值和标准差,通过分段多项式估计方法对所述牵引供电系统各设备进行可靠性建模,得出特征寿命α、形状参数β的最优参数估计方法;建立起牵引变电所和接触网两个子系统的可靠性模型,结合两个子系统故障树分析方法对牵引供电系统的整体可靠性建模,为牵引供电系统的检修和健康管理提供依据和前提。
Description
技术领域
本发明涉及铁路牵引供电领域,具体地,涉及一种牵引供电系统的可靠性方法。
背景技术
牵引供电系统是电气化铁路最重要的组成部分之一,伴随着我国铁路建设事业的快速发展,为保证我国电气化铁路的安全可靠运行,满足我国铁路事业的快速发展需求,对牵引供电系统的安全运行问题提出了更为严格的要求。一旦某个组成部分或设备发生故障,牵引供电系统将面临着严重的影响,甚至会导致整个系统遭受严重的破坏,造成重大的经济损失甚至是更为严重的人民生命、财产损失,同时受到所处自然环境、外部供电系统自身状况的影响,使得牵引供电系统的运行条件变得非常恶劣,导致其发生故障的概率较高。因此深入地探讨研究牵引供电系统的可靠性问题,最大限度地保障牵引供电系统可靠安全运行,具有重大的现实意义。
牵引供电系统由大量的接触网、电缆、变压器、断路器、隔离开关、互感器、避雷器及二次设备等组成,但是故障率发生率最高的是牵引变电所和接触网两大系统,其中设备故障包含多种因素,比如设备本身性能原因、偶尔因素及共因失效等都会引起设备故障。既有的研究者对牵引供电系统单个设备的可靠性分析及保护方面做了很多工作,但是缺乏对牵引供电线系统整体可靠性的研究。
从20世纪80年代开始,我国的铁路行业也逐渐开始了可靠性方面的研究,依托于电力系统可靠性研究的一般方法,结合所研究系统的结构和特点,正式开展了电气化铁路牵引供电系统方面的可靠性分析研究,随着研究方法的不断深入、数据收集与分析工作的不断进行,取得了一定的成果。谢将剑等人采用威布尔分布作为可靠性模型,首次提出了一种基于遗传算法的牵引供电系统及其各设备的可靠性拟合方法;张庆平等采用灰色模型预测,运用BDD算法得到用最小割集表示的牵引变电所和接触网故障树模型,综合得到牵引供电系统整体的可靠性模型,并计算出系统的可靠度和平均使用寿命;卢碧红等采用故障模式、影响及危害度分析的方法,提出了牵引供电系统的可靠性框图,根据FMECA方法对牵引供电系统的16种主要故障展开研究;张岩等在改进RCM维修管理实施过程、建立铁路牵引供电系统的定量可靠性分析模型和优化多部件成组运营维修管理策略方面提出研究建议;林小松等统计分析了地铁牵引供电系统常见故障及其产生原因,建立了地铁牵引供电系统失效故障树模型,利用最小割集对故障树模型进行定量计算,得到地铁牵引供电系统的不可靠度、平均无故障运营时间,以及底事件的结构重要度和概率重要度。
虽然研究方法比较广泛,但有一定的局限性:一是现行的牵引供电可靠性分析理论中,一般利用解析估计法进行威布尔分布特征寿命α、形状参数β的估计,但这种方法的不足之处在于,数值运算复杂繁琐,工作量大。二是既有的研究对牵引供电系统单个设备的可靠性分析及保护方面做了很多工作,缺乏对牵引供电线系统整体可靠性和设备平均使用寿命的研究。为了解决现有技术中的局限性,需要对现有技术和方法进行改进。
发明内容
本发明解决的技术问题在于克服现有技术的缺陷,提供一种基于混沌粒子群优化算法的牵引供电系统可靠性研究,拟合智能算法提高参数寻优精度和速度,建立牵引供电系统整体可靠性研究模型,有效预测牵引供电系统设备的整理故障,为今后牵引供电系统整体设备维修计划的制定提供科学依据。其具体方法和步骤如下所示:
S1:根据牵引供电系统主要设备的故障类型和故障率,建立灰色预测模型;
S2:采用混沌粒子群算法的智能拟合方法对所述牵引供电系统各设备的灰色预测模型进行可靠性建模,得出特征寿命α、形状参数β的最优参数估计方法;
S3:根据牵引供电系统各设备的数设备寿命平均值和标准差,通过分段多项式估计方法对所述牵引供电系统各设备进行可靠性建模,得出特征寿命α、形状参数β的最优参数估计方法;
S4:根据S2与S3分别得出的特征寿命α、形状参数β,建立所述牵引供电系统的牵引变电所和接触网两个子系统的可靠性模型;
S5:结合所述牵引供电系统各设备的威布尔分布模型,对两个子系统故障树模型进行了可靠度分析,最终归纳得出了牵引供电系统整体的可靠性模型,并计算了系统的整体可靠度和平均使用寿命;
具体地,所述步骤S1进一步包括以下过程:
灰色模型的建立步骤如下过程所示:
S111:统计所述供电系统各主要设备的故障类型和故障率,累加生成新的序列;
S112:构造累加矩阵B和常数向量Y;
S113:建立模型微分方程;
S114:辨识模型参数;
S115:生成灰色测试模型,并检验模型精度;
无偏灰色模型的建立步骤如下过程所示:
S121:统计所述供电系统各主要设备的故障类型和故障率,累加生成新的序列;
S122:构造累加矩阵B和常数向量Y;
S123:建立模型微分方程;
S124:计算参数a,b
S125:计算无偏参数A、C
S126:生成无偏灰色模型,并检验模型精度;
具体地,所述步骤S2进一步包括以下过程:
S21:混沌粒子群初始化;
S22:适应值计算;
S23:寻找个体极值和群体极值;
S24:更新各粒子的速度与位置;
S25:计算各粒子适应度值计算;
S26:更新粒子个体极值和群体极值更新;
S27:判断是否达到最大迭代数,若没有达到则返回S24;否则检测拟合优度,并结束;
具体地,所述步骤S4中的牵引变电所和接触网以串行方式连接,共同组成牵引供电系统。所述牵引供电系统的可靠度是牵引变电所与接触网模型可靠度的乘积。
更具体地,所述牵引变电所和接触网中可靠度分别由其中各主要主要设备的可靠度的乘积。
通过实施上述本发明提供的牵引供电系统可靠性研究方法,具有如下有益效果:
(1)本发明在可靠性模型参数拟合过程中采用基于混沌粒子群优化算法的牵引供电系统可靠性研究,简化数值运算,提高寻优算法的精度,更强的局部搜索能力。
(2)基于威布尔分布作为可靠性模型,利用故障树分析法牵引供电系统的整体可靠性模型,分析出牵引供电线系统整体可靠性和设备平均使用寿命。
附图说明
图1是本发明提供的牵引供电系统可靠性研究方法的流程框图;
图2是本发明建立灰色模型的程序流程图;
图3是本发明混沌粒子群优化算法程序流程图
具体实施方式
下面结合具体实施方式对本发明作进一步的说明,其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
实施例1
如附图1所示,一种牵引供电系统的可靠性研究方法的具体实施例,包括以下步骤:
S1:根据牵引供电系统主要设备的故障类型和故障率,建立灰色预测模型;
S2:采用混沌粒子群算法的智能拟合方法对所述牵引供电系统各设备的灰色预测模型进行可靠性建模,得出特征寿命α、形状参数β的最优参数估计方法;
S3:根据牵引供电系统各设备的数设备寿命平均值和标准差,通过分段多项式估计方法对所述牵引供电系统各设备进行可靠性建模,得出特征寿命α、形状参数β的最优参数估计方法;
S4:根据S2与S3分别得出的特征寿命α、形状参数β,建立所述牵引供电系统的牵引变电所和接触网两个子系统的可靠性模型;
S5:结合所述牵引供电系统各设备的威布尔分布模型,对两个子系统故障树模型进行了可靠度分析,最终归纳得出了牵引供电系统整体的可靠性模型,并计算了系统的整体可靠度和平均使用寿命;
上述具体实施例描述的牵引供电系统的可靠性研究方法实现了参数拟合过程中简化数值运算,提高寻优算法的精度,更强的局部搜索能力。
上述的步骤S1中的灰色模型包括灰色模型与无偏灰色模型,具体建立过程如图2所示,其建立步骤如下所示:
(1)灰色模型
S111:统计所述供电系统各主要设备的故障类型和故障率,累加生成新的序列;
S112:构造累加矩阵B和常数向量Y;
S113:建立模型微分方程;
S114:辨识模型参数;
S115:生成灰色测试模型,并检验模型精度;
(2)无偏灰色模型:
S121:统计所述供电系统各主要设备的故障类型和故障率,累加生成新的序列;
S122:构造累加矩阵B和常数向量Y;
S123:建立模型微分方程;
S124:计算参数a,b
S125:计算无偏参数A、C
S126:生成无偏灰色模型,并检验模型精度;
S1中灰色模型的特征寿命α、形状参数β采用混沌粒子群的方法进行拟合,减少计算量,加快计算时间,提高计算精度,其具体拟合过程如图3所示,其具体过程步骤如下所示:
S21:混沌粒子群初始化;
S22:适应值计算;
S23:寻找个体极值和群体极值;
S24:更新各粒子的速度与位置;
S25:计算各粒子适应度值计算;
S26:更新粒子个体极值和群体极值更新;
S27:判断是否达到最大迭代数,若没有达到则返回S24;否则检测拟合优度,并结束;
步骤S4中的牵引变电所和接触网以串行方式连接,共同组成牵引供电系统。所述牵引供电系统的可靠度是牵引变电所与接触网模型可靠度的乘积。
RTS=RT·RC (1)
其中,RT、RC分别代表牵引变电所和接触网的可靠度。
牵引变电所和接触网分别由其中各主要设备串联组成,其可靠度可分别由其组成的设备的可靠度的乘积来决定。对于串联系统的可靠度函数为:
Claims (5)
1.一种牵引供电系统的可靠性研究方法,其特征在于,包括以下步骤:
S1:根据牵引供电系统主要设备的故障类型和故障率,建立灰色预测模型;
S2: 采用混沌粒子群算法的智能拟合方法对所述牵引供电系统各设备的灰色预测模型进行可靠性建模,得出特征寿命α、形状参数β的最优参数估计方法;
S3:根据牵引供电系统各设备的数设备寿命平均值和标准差,通过分段多项式估计方法对所述牵引供电系统各设备进行可靠性建模,得出特征寿命α、形状参数β的最优参数估计方法;
S4:根据S2与S3分别得出的特征寿命α、形状参数β,建立所述牵引供电系统的牵引变电所和接触网两个子系统的可靠性模型;
S5:结合所述牵引供电系统各设备的威布尔分布模型,对两个子系统故障树模型进行了可靠度分析,最终归纳得出了牵引供电系统整体的可靠性模型,并计算了系统的整体可靠度和平均使用寿命。
2.根据权利要求1所述的牵引供电系统的可靠性研究方法,其特征在于,其灰色模型包括灰色模型和无偏灰色模型两种,所述步骤S1进一步包括以下过程:
灰色模型的建立步骤如下过程所示:
S111:统计所述供电系统各主要设备的故障类型和故障率,累加生成新的序列;
S112:构造累加矩阵B和常数向量Y;
S113:建立模型微分方程;
S114:辨识模型参数;
S115:生成灰色测试模型,并检验模型精度;
无偏灰色模型的建立步骤如下过程所示:
S121:统计所述供电系统各主要设备的故障类型和故障率,累加生成新的序列;
S122:构造累加矩阵B和常数向量Y;
S123:建立模型微分方程;
S124:计算参数a,b
S125:计算无偏参数A、C
S126:生成无偏灰色模型,并检验模型精度。
3.根据权利要求1所述的牵引供电系统的可靠性研究方法,所述步骤S2进一步包括以下过程:
S21:混沌粒子群初始化;
S22:适应值计算;
S23:寻找个体极值和群体极值;
S24:更新各粒子的速度与位置;
S25:计算各粒子适应度值计算;
S26:更新粒子个体极值和群体极值更新;
S27:判断是否达到最大迭代数,若没有达到则返回S24;否则检测拟合优度,并结束。
4.根据权利要求1所述的牵引供电系统可靠性研究方法,所述步骤S4中的牵引变电所和接触网以串行方式连接,共同组成牵引供电系统,所述牵引供电系统的可靠度是牵引变电所与接触网模型可靠度的乘积。
5.根据权利要求1所述的牵引供电系统可靠性研究方法,所述牵引变电所和接触网中可靠度分别由其中各主要主要设备的可靠度的乘积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276376.4A CN110930072A (zh) | 2019-12-12 | 2019-12-12 | 一种牵引供电系统的可靠性研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911276376.4A CN110930072A (zh) | 2019-12-12 | 2019-12-12 | 一种牵引供电系统的可靠性研究方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110930072A true CN110930072A (zh) | 2020-03-27 |
Family
ID=69859369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911276376.4A Pending CN110930072A (zh) | 2019-12-12 | 2019-12-12 | 一种牵引供电系统的可靠性研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110930072A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001073A (zh) * | 2020-08-17 | 2020-11-27 | 上海应用技术大学 | 一种牵引供电系统的可靠性分析研究方法 |
CN112070413A (zh) * | 2020-09-17 | 2020-12-11 | 上海应用技术大学 | 一种基于小样本条件下牵引供电系统的可靠性研究方法 |
CN112733328A (zh) * | 2020-12-22 | 2021-04-30 | 上海电机学院 | 基于多项式拟合和灰色预测的电缆寿命评估方法 |
CN116720324A (zh) * | 2023-05-15 | 2023-09-08 | 中铁第四勘察设计院集团有限公司 | 基于预测模型的牵引变电所关键设备故障预警方法及系统 |
-
2019
- 2019-12-12 CN CN201911276376.4A patent/CN110930072A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001073A (zh) * | 2020-08-17 | 2020-11-27 | 上海应用技术大学 | 一种牵引供电系统的可靠性分析研究方法 |
CN112001073B (zh) * | 2020-08-17 | 2023-09-08 | 上海应用技术大学 | 一种牵引供电系统的可靠性分析研究方法 |
CN112070413A (zh) * | 2020-09-17 | 2020-12-11 | 上海应用技术大学 | 一种基于小样本条件下牵引供电系统的可靠性研究方法 |
CN112070413B (zh) * | 2020-09-17 | 2023-10-31 | 上海应用技术大学 | 一种基于小样本条件下牵引供电系统的可靠性研究方法 |
CN112733328A (zh) * | 2020-12-22 | 2021-04-30 | 上海电机学院 | 基于多项式拟合和灰色预测的电缆寿命评估方法 |
CN116720324A (zh) * | 2023-05-15 | 2023-09-08 | 中铁第四勘察设计院集团有限公司 | 基于预测模型的牵引变电所关键设备故障预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110930072A (zh) | 一种牵引供电系统的可靠性研究方法 | |
AU2020103179A4 (en) | A Fault Locating Method of Power Grid Based on Network Theory | |
CN110244186B (zh) | 一种基于孤立点检测算法的电缆故障预测报警方法 | |
CN102231521B (zh) | 一种配电网自愈控制中的电网运行状态辨识方法 | |
CN116187593B (zh) | 一种配电网故障预测处理方法、装置、设备、存储介质 | |
CN105894177A (zh) | 一种基于决策树算法的电力设备运行风险分析评估方法 | |
CN104410163B (zh) | 一种基于电能管理系统的安全生产与节能方法 | |
CN104156881A (zh) | 配电网故障风险综合评估方法 | |
CN105184521B (zh) | 一种电网运行方式的风险评估方法、装置及系统 | |
CN106503439A (zh) | 一种基于数据挖掘的采集故障预警系统的方法 | |
CN111191872B (zh) | 一种电网多维度韧性评估系统及方法 | |
CN104539051A (zh) | 一种智能变电站二次设备在线评估系统 | |
CN109767352A (zh) | 一种电力信息物理融合系统安全态势评估方法 | |
CN109299160B (zh) | 一种基于监控大数据挖掘的电力cps安全性分析方法 | |
CN104361088A (zh) | Scada系统基于实时权重分析的拥塞数据处理方法 | |
CN115333062B (zh) | 一种配电网系统的故障处理方法及装置 | |
CN106952178B (zh) | 一种基于量测平衡的遥测不良数据辨识与原因分辨方法 | |
CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与系统 | |
CN104680239A (zh) | 一种基于元件失效模型的配电网检修方案优化方法及装置 | |
CN109285331B (zh) | 一种基于数据分析和温度预测的电力电缆温度预警系统 | |
CN114167217A (zh) | 一种铁路配电网的多重故障诊断方法 | |
CN117236030A (zh) | 台风灾害下考虑级联过载故障发生的电力系统韧性评估建模方法 | |
CN113471864A (zh) | 一种变电站二次设备现场检修装置及方法 | |
CN110427689B (zh) | 基于信息新技术的燃机机组机群监测诊断方法 | |
CN108037387A (zh) | 基于聚类归集的设备故障分析方法及装置 |
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 |