CN110956447A - 确定疑似家族性缺陷的方法及其系统 - Google Patents
确定疑似家族性缺陷的方法及其系统 Download PDFInfo
- Publication number
- CN110956447A CN110956447A CN201911185265.2A CN201911185265A CN110956447A CN 110956447 A CN110956447 A CN 110956447A CN 201911185265 A CN201911185265 A CN 201911185265A CN 110956447 A CN110956447 A CN 110956447A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- power grid
- defect
- determining
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002950 deficient Effects 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 230000001105 regulatory 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
- G06Q10/10—Office automation; Time management
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的确定疑似家族性缺陷的方法,属于电力系统的技术领域,解决现有技术中的方法不能智能化利用缺陷记录数据为电网系统服务的技术问题。该方法包括获取电网系统中的电网设备数据,所述电网设备数据包括:设备基础台账数据、设备部件数据和设备分类数据;根据所述分类数据建立所述基础台账数据与所述设备部件数据的对应关系;获取电网系统中已知缺陷电网设备的第一数据;确定所述对应关系中的未知电网设备中与所述第一数据相同的数据,并提取所述相同的数据。本发明用以电力系统的功能,满足人们对电力系统工作稳定和高效要求。
Description
技术领域
本发明属于电力系统的技术领域的技术领域,尤其是一种确定疑似家族性缺陷的方法及其系统。
背景技术
家族性缺陷是指同一厂家生产的不同型号、不同规格、不同系列,甚至不同品种电力设备,在运行中出现了同一类缺陷,缺陷可能是由相同工艺、相同材料、相同设计理念和思路等因素造成。在电网电力系统中,电力设备的可靠性直接影响电力系统的安全运行,部分设备由于设计、材质、制作等因素存在家族性缺陷,导致投运后故障率明显偏高,还有缺陷由于气候、地理环境、人员操作等问题造成缺陷频发。
传统设备家族性缺陷、频发性缺陷诊断主要由专家主观确定,缺乏定量标准,且反映不够及时。随着公司信息化水平的发展,信息化系统中已经积累了海量的变电设备档案及缺陷记录数据。设备缺陷记录数据主要以文本形式存在,缺陷记录的在电网系统中的利用还处于一片空白,没有深层次挖掘与应用。
有鉴于此,特提出本发明。
发明内容
本申请提供了确定疑似家族性缺陷的方法,解决现有技术中的方法不能智能化利用缺陷记录数据为电网系统服务的技术问题。本案的技术方案有诸多技术效果,见下文。
一方面提供一种确定疑似家族性缺陷的方法,用于电网中变电设备的缺陷识别,所述方法包括:
获取电网系统中的电网设备数据,所述电网设备数据包括:设备基础台账数据、设备部件数据和设备分类数据;
根据所述分类数据建立所述基础台账数据与所述设备部件数据的对应关系;
获取电网系统中已知缺陷电网设备的第一数据;
确定所述对应关系中的未知电网设备中与所述第一数据相同的数据,并提取所述相同的数据。
在一个优选或可选的实施方式中,所述根据所述分类数据建立所述基础台账数据与所述设备部件数据的对应关系的方法包括:
获取电网设备的缺陷词汇数据,并确定缺陷词汇数据与所述设备部件数据的匹配关系,所述设备部件数据包括:生产厂家、名称、型号、批次和使用时间的数据;
确定所述设备基础台账数据和所述设备部件数据的设备结构关系;
确定所述设备结构关系与所述设备分类数据的对应关系。
在一个优选或可选的实施方式中,确定缺陷词汇数据与所述所述设备部件数据的匹配关系的方法包括:
确定所述缺陷词汇数据与所述名称和/或所述型号和/或所述生产厂家的关系,或是确定与所述生产厂家、所述名称、所述型号和所述批次的关系。
在一个优选或可选的实施方式中,获取电网系统中已知缺陷电网设备的第一数据的方法,包括:
获取已知缺陷电网设备的设备名称和/或设备型号和/或生产厂家名称的数据,或是生产厂家名称、设备名称、设备型号、设备批次和/或和/或缺陷频率的数据。
在一个优选或可选的实施方式中,确定所述对应关系中的未知电网设备中与所述第一数据相同的数据,并提取所述相同的数据的方法包括:
调用关联规则算法函数,确定所述已知缺陷电网设备数据与所述对应关系中的所述设备部件数据相同的数据,作为疑似家族缺陷数据;
调用树频集算法函数处理所述疑似家族缺陷数据并生成报表。
另一方面提供一种确定疑似家族性缺陷的系统,用于电网中变电设备的缺陷识别,其特征在于,包括:
第一获取模块,用于获取电网系统中的电网设备数据,所述电网设备数据包括:设备基础台账数据、设备部件数据和设备分类数据;
第一计算模块,用于根据所述分类数据建立所述基础台账数据与所述设备部件数据的对应关系;
第二获取模块,用于获取电网系统中已知缺陷电网设备的第一数据;
第二计算模块,用于确定所述对应关系中的未知电网设备中与所述第一数据相同的数据,并提取所述相同的数据。
在一个优选或可选的实施方式中,所述第一计算模块还包括,用于获取电网设备的缺陷词汇数据,并确定缺陷词汇数据与所述设备部件数据的匹配关系,所述设备部件数据包括:生产厂家、名称、型号、批次和使用时间的数据;
用于确定所述设备基础台账数据和所述设备部件数据的设备结构关系;
用于确定所述设备结构关系与所述设备分类数据的对应关系。
在一个优选或可选的实施方式中,所述第二获取模块还用于
获取已知缺陷电网设备的设备名称和/或设备型号和/或生产厂家名称的数据,或是生产厂家名称、设备名称、设备型号、设备批次和/或和/或缺陷频率的数据。
在一个优选或可选的实施方式中,所述第二计算模块还用于
确定所述对应关系中的未知电网设备中与所述第一数据相同的数据,并提取所述相同的数据的方法包括:
调用关联规则算法函数,确定所述已知缺陷电网设备数据与所述对应关系中的所述设备部件数据相同的数据,作为疑似家族缺陷数据;
调用树频集算法函数处理所述疑似家族缺陷数据并生成报表。
本申请发的有益效果如下:
本案的方法:获取电网系统中的所有电网设备数据,并建立数据之间的匹配关系,例如,变电站和配电站属于配电设置,在建立变电站设备分为零星部件之间匹配关系,最后建立每个零星部件可能对应的出现的缺陷。获取已知设备中零星部件的缺陷,例如,漏油和漏电等缺陷,而该零星部件(相同厂家和/或相同型号)安装在其他电力设备中,可能会出现的相同的问题。本发明利用已知的缺陷,确认疑似家族缺陷的设备或零星部件安装的区域和可能出现的问题,对电力设备提前预防和检测,提高电力系统的工作效率。
所提供的系统,实现对变电设备家族性缺陷的准确性及全面性,并对疑似缺陷数据进行标识和统计。与人工专家诊断相比,节约了大量的时间和成本,大幅度提高了设备缺陷从发生到解决的处理时间,脱离家族性缺陷识别的难度大的问题,为促进生产管理精益化水平提升提供支撑。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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的附图。
图1为本发明的确定疑似家族性缺陷的方法的步骤示意图;
图2为本发明的确定疑似家族性缺陷的方法对应关系的树形结构图;
图3为本发明的确定疑似家族性缺陷的方法设备与部件的匹配图;
图4为本发明的确定疑似家族性缺陷的方法缺陷数据图;
图5为本发明的确定疑似家族性缺陷的系统的结构示意图。
具体实施方式
下面将详细地对实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
如图1所示的确定疑似家族性缺陷的方法,用于电网中变电设备的缺陷识别,方法包括:
S101:获取电网系统中的电网设备数据,电网设备数据包括:设备基础台账数据、设备部件数据和设备分类数据。获取电力系统不同区域内电力系统设备的数据,对整体数据进行汇总;
S102:根据分类数据建立基础台账数据与设备部件数据的对应关系。如图2所示,通过所获取的设备、部件、缺陷之间关系的梳理,形成设备缺陷知识图谱,如下图所示为油浸式变压器的缺陷知识图谱;
S103:获取电网系统中已知缺陷电网设备的第一数据。缺陷,例如,风管-漏风、套管-漏油等的多个零星部件名称所对应的问题。已知缺陷的获取是指,局部区域内对设备进行检测,得知具体的零星部件,对于其他区域的使用相同零星部件的其他电气设备是否出现相同的问题是未知的,但,可以根据已获取的信息提前预防或重点监测。
S103:确定对应关系中的未知电网设备中与第一数据相同的数据,并提取相同的数据。变电设备缺陷具有一定的复杂性,不同的设备有不同的结构,这些结构下既可能有不同的部件,也可能有相同的部件;不同的部件既有可能产生相同的缺陷,也有可能产生不同的缺陷。例如,比如油浸式变压器和SF6断路器的结构完全不一样,两种设备都有套管部件;油浸式变压器上的有载调压装置、在线滤油装置部件都有可能出现漏油,又例如,例如,已检测区域内A厂家生产的B型号变压器的套管-漏油,该配电器的也使用的A厂家生产的B型号变压器的套管,那么,配电器中该部件出现漏油的概率比较大,需要重点进行监控,配电器中使用的该部件,因此,配电器作为疑似家族性缺陷设备。对疑似家族性缺陷设备进行重点监控和检查,可以防患于未然,提高电力提供的稳定性和工作效率。
本发明可以实现对变电设备家族性缺陷的准确性及全面性,并对疑似缺陷数据进行标识和统计。与人工专家诊断相比,节约了大量的时间和成本,大幅度提高了设备缺陷从发生到解决的处理时间,脱离家族性缺陷识别的难度大的问题,为促进生产管理精益化水平提升提供支撑。
作为可选的实施方式,根据分类数据建立基础台账数据与设备部件数据的对应关系的方法包括:
如图3所示,获取电网设备的缺陷词汇数据,并确定缺陷词汇数据与设备部件数据的匹配关系,设备部件数据包括:生产厂家、名称、型号、批次和使用时间的数据,部件名称对应多个向关联的信息。
如图4所示,确定设备基础台账数据和设备部件数据的设备结构关系;
如图2所示,确定设备结构关系与设备分类数据的对应关系。建立了树形结构关系链,更加的方便观察和统计。
作为可选的实施方式,确定缺陷词汇数据与设备部件数据的匹配关系的方法包括:
如图2所示的树形关系,确定缺陷词汇数据与名称和/或型号和/或生产厂家的关系,或是确定与生产厂家、名称、型号和批次的关系。利于操作做进行数据提取和观察。
作为可选的实施方式,获取电网系统中已知缺陷电网设备的第一数据的方法,包括:
获取已知缺陷电网设备的设备名称和/或设备型号和/或生产厂家名称的数据,或是生产厂家名称、设备名称、设备型号、设备批次和/或和/或缺陷频率的数据,例如,
如表一所示,同型号缺陷,相同型号零星部件产品:
某些型号的产品会由于设计缺陷、工艺不良等原因存在缺陷频发,通过对大量缺陷记录数据的挖掘,发现同型号产品存在的频发缺陷问题;
表一
如表二所示,批次性缺陷,相同批次缺陷和出厂时间相同的零星部件;
批次性缺陷与设备/部件的出厂时间有关,有些生产厂家在特定的时间段内生产的产品存在缺陷问题;通过将生产批次与历史缺陷记录关联,挖掘设备/部件的批次性缺陷。
表二
如表三所示,疑似家族缺陷分析,零星部件相同生产厂家、型号、批次与设备部件发生的缺陷;
表三
通过关联分析算法,将设备和部件的生产厂家、型号、批次与设备部件发生的缺陷相关联,发现特定的“生产厂家、型号、批次”组合下频发性缺陷问题。该情况在电力系统的设备中,出现的频率最大,因为,同一厂家生产厂家、型号、批次和/或使用时间的部件,在不同型号或相同型号的设备中,出现相同的问题最大。但是,电力系统设备中的所划分的区域较多,传统的纸质记录方法仅用于距离较近的区域进行技术交流,或是,重点问题上报以会议的形式进行交流,不但,工作效率低,而且,信息的覆盖面小。通过本案的技术方案,可整体进行统计和观测,更利用其它区域内疑似家族缺陷设备的具体部件的重点检查,可大大提高工作效率,而且有利于电网系统的稳定,节约电力资源。
作为可选的实施方式,如表四所示的结果,确定对应关系中的未知电网设备中与第一数据相同的数据,确定的部件的信息为“相同部件、型号、批次和/或使用时间”并提取相同的数据的方法包括:
如表四和表五所述,调用关联规则算法函数,如,通过Apriori算法和采用FP-树频集算法,确定已知缺陷电网设备数据与对应关系中的设备部件数据相同的数据,作为疑似家族缺陷数据,从家族缺陷数据库生成频繁项集。
表四
表五
该条关联规则显示的疑似家族缺陷设备的数据如下:
部件生产厂家为南京电瓷总厂、部件型号为BRLW-110/630-3、部件生产日期为1978-2004的主变套管,存在疑似家族性缺陷。
主变套管的部件数量一共1326个,该疑似家族性缺陷条件的主变套管有58个,其中30个都发生了类似的缺陷,疑似置信度0.517。
该疑似家族性缺陷共涉及缺陷记录为21条,涉及的设备16个。
另一方面如图5所示的确定疑似家族性缺陷的系统,用于电网中变电设备的缺陷识别,其特征在于,包括:
第一获取模块,用于获取电网系统中的电网设备数据,电网设备数据包括:设备基础台账数据、设备部件数据和设备分类数据;
第一计算模块,用于根据分类数据建立基础台账数据与设备部件数据的对应关系;
第二获取模块,用于获取电网系统中已知缺陷电网设备的第一数据;
第二计算模块,用于确定对应关系中的未知电网设备中与第一数据相同的数据,并提取相同的数据。
作为可选的实施方式,第一计算模块还包括,用于获取电网设备的缺陷词汇数据,并确定缺陷词汇数据与设备部件数据的匹配关系,设备部件数据包括:生产厂家、名称、型号、批次和使用时间的数据;
用于确定设备基础台账数据和设备部件数据的设备结构关系;
用于确定设备结构关系与设备分类数据的对应关系。
作为可选的实施方式,第二获取模块还用于
获取已知缺陷电网设备的设备名称和/或设备型号和/或生产厂家名称的数据,或是生产厂家名称、设备名称、设备型号、设备批次和/或和/或缺陷频率的数据。
作为可选的实施方式,第二计算模块还用于确定对应关系中的未知电网设备中与第一数据相同的数据,并提取相同的数据的方法包括:
调用关联规则算法函数,确定已知缺陷电网设备数据与对应关系中的设备部件数据相同的数据,作为疑似家族缺陷数据;
调用树频集算法函数处理疑似家族缺陷数据并生成报表。
本申请提供的实施例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的几个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (9)
1.一种确定疑似家族性缺陷的方法,用于电网中变电设备的缺陷识别,其特征在于,所述方法包括:
获取电网系统中的电网设备数据,所述电网设备数据包括:设备基础台账数据、设备部件数据和设备分类数据;
根据所述分类数据建立所述基础台账数据与所述设备部件数据的对应关系;
获取电网系统中已知缺陷电网设备的第一数据;
确定所述对应关系中的未知电网设备中与所述第一数据相同的数据,并提取所述相同的数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述分类数据建立所述基础台账数据与所述设备部件数据的对应关系的方法包括:
获取电网设备的缺陷词汇数据,并确定缺陷词汇数据与所述设备部件数据的匹配关系,所述设备部件数据包括:生产厂家、名称、型号、批次和使用时间的数据;
确定所述设备基础台账数据和所述设备部件数据的设备结构关系;
确定所述设备结构关系与所述设备分类数据的对应关系。
3.根据权利要求2所述的方法,其特征在于,确定缺陷词汇数据与所述所述设备部件数据的匹配关系的方法包括:
确定所述缺陷词汇数据与所述名称和/或所述型号和/或所述生产厂家的关系,或是确定与所述生产厂家、所述名称、所述型号和所述批次的关系。
4.根据权利要求1或2或3所述的方法,其特征在于,获取电网系统中已知缺陷电网设备的第一数据的方法,包括:
获取已知缺陷电网设备的设备名称和/或设备型号和/或生产厂家名称的数据,或是生产厂家名称、设备名称、设备型号、设备批次和/或和/或缺陷频率的数据。
5.根据权利要求4所述的方法,其特征在于,确定所述对应关系中的未知电网设备中与所述第一数据相同的数据,并提取所述相同的数据的方法包括:
调用关联规则算法函数,确定所述已知缺陷电网设备数据与所述对应关系中的所述设备部件数据相同的数据,作为疑似家族缺陷数据;
调用树频集算法函数处理所述疑似家族缺陷数据并生成报表。
6.一种确定疑似家族性缺陷的系统,用于电网中变电设备的缺陷识别,其特征在于,包括:
第一获取模块,用于获取电网系统中的电网设备数据,所述电网设备数据包括:设备基础台账数据、设备部件数据和设备分类数据;
第一计算模块,用于根据所述分类数据建立所述基础台账数据与所述设备部件数据的对应关系;
第二获取模块,用于获取电网系统中已知缺陷电网设备的第一数据;
第二计算模块,用于确定所述对应关系中的未知电网设备中与所述第一数据相同的数据,并提取所述相同的数据。
7.根据权利要求6所述的系统,其特征在于,所述第一计算模块还包括,用于获取电网设备的缺陷词汇数据,并确定缺陷词汇数据与所述设备部件数据的匹配关系,所述设备部件数据包括:生产厂家、名称、型号、批次和使用时间的数据;
用于确定所述设备基础台账数据和所述设备部件数据的设备结构关系;
用于确定所述设备结构关系与所述设备分类数据的对应关系。
8.根据权利要求7所述的系统,其特征在于,所述第二获取模块还用于
获取已知缺陷电网设备的设备名称和/或设备型号和/或生产厂家名称的数据,或是生产厂家名称、设备名称、设备型号、设备批次和/或和/或缺陷频率的数据。
9.根据权利要求8所述的系统,其特征在于,所述第二计算模块还用于
确定所述对应关系中的未知电网设备中与所述第一数据相同的数据,并提取所述相同的数据的方法包括:
调用关联规则算法函数,确定所述已知缺陷电网设备数据与所述对应关系中的所述设备部件数据相同的数据,作为疑似家族缺陷数据;
调用树频集算法函数处理所述疑似家族缺陷数据并生成报表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911185265.2A CN110956447A (zh) | 2019-11-27 | 2019-11-27 | 确定疑似家族性缺陷的方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911185265.2A CN110956447A (zh) | 2019-11-27 | 2019-11-27 | 确定疑似家族性缺陷的方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110956447A true CN110956447A (zh) | 2020-04-03 |
Family
ID=69978651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911185265.2A Pending CN110956447A (zh) | 2019-11-27 | 2019-11-27 | 确定疑似家族性缺陷的方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956447A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612382A (zh) * | 2020-06-05 | 2020-09-01 | 国网山东省电力公司电力科学研究院 | 一种配电网主设备状态监测的方法及系统 |
CN112308120A (zh) * | 2020-10-15 | 2021-02-02 | 国家电网公司华北分部 | 对继电保护装置缺陷进行定级的方法、装置及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463708A (zh) * | 2014-12-15 | 2015-03-25 | 广东电网有限责任公司电力科学研究院 | 一种电力设备缺陷快速定级方法 |
CN105631598A (zh) * | 2015-12-30 | 2016-06-01 | 云南电网有限责任公司电力科学研究院 | 基于群集类缺陷的电力设备缺陷分析方法 |
CN108133316A (zh) * | 2017-12-19 | 2018-06-08 | 国网冀北电力有限公司张家口供电公司 | 一种供电厂电力设备家族性缺陷的检测方法 |
CN108664538A (zh) * | 2017-11-30 | 2018-10-16 | 全球能源互联网研究院有限公司 | 一种输变电设备疑似家族性缺陷的自动辨识方法及系统 |
JP2018182903A (ja) * | 2017-04-13 | 2018-11-15 | 株式会社東芝 | 故障率算出装置および故障率算出方法 |
CN109102210A (zh) * | 2018-09-14 | 2018-12-28 | 国网江苏省电力有限公司镇江供电分公司 | 基于大数据分析技术的监控缺陷智能辅助处置系统 |
CN109447289A (zh) * | 2018-11-09 | 2019-03-08 | 国网江苏省电力有限公司苏州供电分公司 | 电动汽车充电桩的家族缺陷诊断方法和系统 |
CN110378586A (zh) * | 2019-07-08 | 2019-10-25 | 国网山东省电力公司菏泽供电公司 | 基于动态闭环知识管理的变电设备缺陷预警方法及系统 |
-
2019
- 2019-11-27 CN CN201911185265.2A patent/CN110956447A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463708A (zh) * | 2014-12-15 | 2015-03-25 | 广东电网有限责任公司电力科学研究院 | 一种电力设备缺陷快速定级方法 |
CN105631598A (zh) * | 2015-12-30 | 2016-06-01 | 云南电网有限责任公司电力科学研究院 | 基于群集类缺陷的电力设备缺陷分析方法 |
JP2018182903A (ja) * | 2017-04-13 | 2018-11-15 | 株式会社東芝 | 故障率算出装置および故障率算出方法 |
CN108664538A (zh) * | 2017-11-30 | 2018-10-16 | 全球能源互联网研究院有限公司 | 一种输变电设备疑似家族性缺陷的自动辨识方法及系统 |
CN108133316A (zh) * | 2017-12-19 | 2018-06-08 | 国网冀北电力有限公司张家口供电公司 | 一种供电厂电力设备家族性缺陷的检测方法 |
CN109102210A (zh) * | 2018-09-14 | 2018-12-28 | 国网江苏省电力有限公司镇江供电分公司 | 基于大数据分析技术的监控缺陷智能辅助处置系统 |
CN109447289A (zh) * | 2018-11-09 | 2019-03-08 | 国网江苏省电力有限公司苏州供电分公司 | 电动汽车充电桩的家族缺陷诊断方法和系统 |
CN110378586A (zh) * | 2019-07-08 | 2019-10-25 | 国网山东省电力公司菏泽供电公司 | 基于动态闭环知识管理的变电设备缺陷预警方法及系统 |
Non-Patent Citations (1)
Title |
---|
沈晓东: "基于数据挖掘的变电设备运行风险评估", 《新型工业化》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612382A (zh) * | 2020-06-05 | 2020-09-01 | 国网山东省电力公司电力科学研究院 | 一种配电网主设备状态监测的方法及系统 |
CN112308120A (zh) * | 2020-10-15 | 2021-02-02 | 国家电网公司华北分部 | 对继电保护装置缺陷进行定级的方法、装置及存储介质 |
CN112308120B (zh) * | 2020-10-15 | 2023-09-29 | 国家电网公司华北分部 | 对继电保护装置缺陷进行定级的方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107462863B (zh) | 一种智能电能表运行误差运行诊断分析方法及系统 | |
Arias-Guzman et al. | Analysis of voltage sag severity case study in an industrial circuit | |
CN103532745A (zh) | 基于电力用户用电信息采集系统的计量在线监测系统 | |
CN110956447A (zh) | 确定疑似家族性缺陷的方法及其系统 | |
CN110556920A (zh) | 一种配电自动化监测方法、系统、终端及存储介质 | |
CN111832174B (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
CN116596512B (zh) | 一种基于信息系统的电力运维安全强化方法和系统 | |
CN110571925A (zh) | 一种利用配电网监测终端数据分析电能质量的方法 | |
CN116743079A (zh) | 光伏组串故障处理方法、装置、光伏管理系统及介质 | |
CN106803125B (zh) | 一种基于标准用电户折算的采集异常紧急程度计算方法 | |
CN110675048A (zh) | 一种电力数据质量检测方法及系统 | |
CN108695974B (zh) | 一种判定10千伏线路主干线路停电的方法 | |
CN110675018A (zh) | 一种基于专家规则的线损异常分析与闭环管理方法 | |
CN113283779A (zh) | 一种窃电损耗定位的精准分析算法 | |
CN103049661B (zh) | Gis剩余使用寿命评估方法和系统 | |
CN108846552B (zh) | 一种配网自动化终端缺陷分析系统及其方法 | |
CN109886428B (zh) | 一种电力设备安全配置检验方法 | |
CN104267270A (zh) | 基于向量相似性的变压器关键参量提取方法 | |
Gasch et al. | Assessment of Power quality performance in distribution networks part I-Measurement campaign and initial analysis | |
CN106682817A (zh) | 一种采集异常紧急程度的判定方法 | |
CN112785109A (zh) | 一种基于调控云的电网设备故障分析方法及系统 | |
CN113282594B (zh) | 一种配变基础数据自动提取分析方法和系统 | |
CN112990764B (zh) | 基于报销凭证的电网设备检修情况监控方法 | |
CN108683176B (zh) | 一种判定10千伏线路分支线路停电的方法 | |
CN111061920B (zh) | 一种设备参数继承的信号描述正确性校验方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200403 |
|
RJ01 | Rejection of invention patent application after publication |