CN111537939B - 一种基于多指标融合的电压互感器状态评估方法及装置 - Google Patents
一种基于多指标融合的电压互感器状态评估方法及装置 Download PDFInfo
- Publication number
- CN111537939B CN111537939B CN202010303533.2A CN202010303533A CN111537939B CN 111537939 B CN111537939 B CN 111537939B CN 202010303533 A CN202010303533 A CN 202010303533A CN 111537939 B CN111537939 B CN 111537939B
- Authority
- CN
- China
- Prior art keywords
- state evaluation
- voltage transformer
- index
- voltage
- state
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/02—Testing or calibrating of apparatus covered by the other groups of this subclass of auxiliary devices, e.g. of instrument transformers according to prescribed transformation ratio, phase angle, or wattage rating
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Power Engineering (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Protection Of Transformers (AREA)
Abstract
本发明涉及一种基于多指标融合的电压互感器在线运行误差状态评估方法及装置,首先,根据电压互感器的实时运行信息提炼出状态评估指标并建立状态评估体系;其次,建立状态评估指标数学模型,获取各指标评分值;然后,对状态评估指标的评估结果进行聚类分析,得到各状态评估指标的评判向量并合成初始状态评判矩阵;再然后,采用层次分析法确定各状态评估指标权重,解决指标间的差异;最后,融合计算综合状态评判矩阵,得到电压互感器的评估结果。本发明在不依赖标准互感器和不停电运行的前提下,对电压互感器的在线运行误差状态进行有效评估,评估方法具有普适性和易实现性。
Description
技术领域
本发明涉及输配电设备状态评估与故障诊断领域,具体是指一种基于多指标融合的电压互感器在线运行误差状态评估方法及装置。
背景技术
电压互感器作为电力系统中的关键设备,在保证二次设备和用电安全的前提下实现一次电压的准确测量,为电能计量、状态监控和继电保护等提供了可靠的依据。确保电压互感器处于稳定的运行状态,能够保证电力系统在计量和测量方面的准确性,且提高自动装置和继电保护动作的可靠度,有利于实现电力系统的安全、稳定和经济运行。
在电力系统的实际运行中,由于电网运行工况复杂多变以及电压互感器使用年限的增长,电压互感器的运行状态以及自身的精度将随之而变化。这为电力系统的安全、稳定和经济运行带来了隐患,为此需要对运行中电压互感器的计量误差状态进行有效评估,及时发现电压互感器的超差问题,为制定相应的维护以及检修策略提供可靠的依据;并对具有高超差风险的电压互感器进行风险预警,及时发现劣化趋势严重的电压互感器,保证电压互感器检修的及时性;同时可实现只对有需求的电压互感器进行必要的维护,避免以往对部分电压互感器的盲目检修维护,减小工作量,提高劳动效率。
现有的电压互感器状态评估方法主要是通过特殊设计的高精度标准互感器来实现,采用带电操作的方式接入与待检定电压互感器相同的回路,实现短期在线运行,通过检测待检定电压互感器的输出值与标准互感器输出值之间的差异得到待检定互感器的误差。但这种方法存在以下不足:1)需要安装高精度标准互感器,增加投资;2)带电操作的过程中可能产生过电压,对操作人员及检定设备都存在潜在的安全隐患;3)高精度标准互感器只是短时接入系统,无法真正的准确、实时跟踪待检定电压互感器在现场运行环境下和各种特殊运行工况下的运行误差。现有的状态评估方法已不适应系统对电压互感器状态监测的要求,因此在不停电运行和不使用标准互感器的条件下,研究电压互感器误差状态评估的方法成为了一种迫切需要。
影响电压互感器测量误差的因素较多,包括有互感器的自身因素和外界环境因素,如互感器二次负载、绝缘状态、实时频率、环境电磁场、环境温湿度等因素。在不同类型的电压互感器中,上述影响因素对于状态评估的影响程度各有不同,由于电压互感器状态评估时需要考虑上述所有因素的影响,因此难度较大。
发明内容
本发明针对现有技术中存在的技术问题,提供一种基于多指标融合的电压互感器在线运行误差状态评估方法及装置,对电压互感器的二次输出电压进行分析,从中提炼出反映误差状态的各类状态评估指标,但各类状态评估指标所体现出的互感器误差程度有所差异,有的指标衡量的是渐变误差,有的指标衡量的是突变误差。因此,本发明进一步通过确定各状态评估指标在状态评估过程中的贡献率并加以融合,以解决各指标所带来的差异,最终实现在不依赖标准互感器和不停电运行下电压互感器误差状态的在线评估,实时监测互感器误差状态。
本发明解决上述技术问题的技术方案如下:
第一方面,本发明提供一种基于多指标融合的电压互感器状态评估方法,包括以下步骤:
根据电压互感器的实时运行数据提炼并建立电压互感器的状态评估指标体系;
根据电压互感器状态评估指标的自身特性建立电压互感器的数学模型,并根据所述状态评估指标的测量值以及所述数学模型,计算状态评估指标的评分值;
对所述状态评估指标的评分值进行聚类分析,根据各状态评估指标评分结果隶属于各状态类别的隶属度求取各状态评估指标的评判向量并合成电压互感器的初始状态评判矩阵R;所述的状态类别包括正常、警告、异常;
采用层次分析理论对各状态评估指标的重要性进行比较,以确定状态评估指标的重要性权重向量Ω;
融合电压互感器的初始状态评判矩阵R和权重向量Ω,计算综合状态评判矩阵G,得到电压互感器的评估结果。
第二方面,本发明提供一种基于多指标融合的电压互感器状态评估装置,包括:
指标体系构建模块,用于根据电压互感器的实时运行数据提炼并建立电压互感器的状态评估指标体系;
模型建立模块,用于根据电压互感器状态评估指标的自身特性建立电压互感器的数学模型,所述数学模型用于计算状态评估指标的评分值;
初始状态评判矩阵生成模块,用于对所述状态评估指标的评分值进行聚类分析,根据各状态评估指标评分结果隶属于各状态类别的隶属度求取各状态评估指标的评判向量并合成电压互感器的初始状态评判矩阵R;所述的状态类别包括正常、警告、异常;
权重向量生成模块,用于采用层次分析理论对各状态评估指标的重要性进行比较,以确定状态评估指标的重要性权重向量Ω;
综合状态评判矩阵模块,用于融合电压互感器的初始状态评判矩阵R和权重向量Ω,计算综合状态评判矩阵G,得到电压互感器的评估结果。
第三方面,本发明提供一种电子设备,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述存储器中存储的计算机软件程序,并实现本发明第一方面所述的一种基于多指标融合的电压互感器状态评估方法。
第四方面,本发明提供一种非暂态计算机可读存储介质,所述存储介质内存储有用于实现本发明第一方面所述的一种基于多指标融合的电压互感器状态评估方法的计算机软件程序。
与现有技术相比,本发明的有益技术效果为:
1、本发明不需要在现场使用标准互感器,仅根据待检定电压互感器的实时运行数据实现电压互感器的状态评估,减少了评估的成本,有利于提高电压互感器的运维水平。
2、本发明可实时跟踪并准确评估电压互感器整个运行周期内的误差状态,避免现场测试时只能评估某种工况下和某个时间段内的误差状态。
附图说明
图1为本发明实施例提供的电压互感器状态评估流程示意图;
图2为本发明实施例提供的电压互感器状态评估指标体系结构图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例一
本发明实施例提供了一种基于多指标融合的电压互感器在线运行误差状态评估方法,旨在不依赖标准互感器和不停电运行的情况下,实现电压互感器在线运行误差状态的有效和准确评估。本发明从待检定电压互感器的实时运行数据中提炼出衡量电压互感器误差状态的状态评估指标,并对各类状态评估指标进行分析和融合,据此得到电压互感器的在线运行误差状态评估结果。
如图1所示,本发明按照以下步骤对电压互感器的误差状态进行评估:
步骤1,根据电压互感器的实时运行数据提炼并建立如图2所示的电压互感器的状态评估指标体系:
根据电压互感器的实时运行数据,从中可以提取出反映电压互感器突变误差的同相相似性指标、反映电压互感器渐变误差的电压变化量指标以及反映电压互感器突变误差和渐变误差的三相电压不平衡度指标。
其中同相相似性指标是指在同一时刻测量同一相电压的互感器,其测量出的电压值应相同;电压变化量指标是指电压互感器测量的二次电压在相对较长的一段时间内,其变化量的数值和应趋于零;三相电压不平衡度指标是指利用测量三相电压的一组互感器的二次电压输出值求出的电网三相不平衡度,应维持在一定的范围内且具有短时的不变特性。
具体包括有隶属于同相相似性指标的A相同相似性、B相同相似性、C相同相似性;隶属于电压变化量指标的A相变化量、B相变化量、C相变化量、AB与BC间差值、BC与CA间差值、CA与AB间差值;隶属于三相电压不平衡度指标的单侧三相电压不平衡度、两侧三相电压不平衡度差值。
步骤2,根据电压互感器状态评估指标的自身特性建立电压互感器的数学模型,将新获取的状态评估指标量测量代入模型中,即可得到评估指标的评分值。
同相相似性指标的数学模型是:
式中SA1、SB1、SC1分别为A、B、C三相电压的同相相似性评分值,VA1、VB1、VC1和VA2、VB2、VC2分别为同一时刻同一计量点处的一组三相电压(即待检定电压互感器与同一计量点处相邻电压互感器的电压值),a1为待检定电压互感器的精度。
电压变化量指标中单相电压变化量的数学模型是:
式中,SA2、SB2、SC2分别为A、B、C三相电压变化量的评分值,sumA、sumB、sumC分别对应着待检定电压互感器测量的二次电压在一定时间内A、B、C三相电压变化量的数值和,a2为待检定电压互感器截断误差的阈值。
电压变化量中相间电压变化量的数学模型是:
式中,SA3、SB3、SC3分别为评分值,ΔVAB、ΔVBC、ΔVCA分别对应着待检定电压互感器测量的二次电压在一定时间内A、B、C三相电压差值的均值,a3为待检定电压互感器截断误差的阈值。
三相电压不平衡度指标的数学模型是:
式中S1、S2分别为待检定电压互感器测量出的三相电压不平衡度评分值和待检定电压互感器侧与相邻互感器侧三相电压不平衡度差值的评分值,ε1、ε2分别为利用待检定电压互感器和相邻电压互感器的二次电压输出值求出的电网三相电压不平衡度,a4、a5为三相电压不平衡度阈值。
将某电压互感器一段时间内的运行数据带入上述模型得各指标的评分值,如表1所示:
表1各指标的评分值
步骤3,采用模糊聚类的方法对电压互感器状态评估指标的评分结果进行聚类分析,计算各状态评估指标评分结果隶属于各状态类别(正常、警告、异常)的隶属度,具体步骤为:
建立状态评估指标的评语集g:
g=[g1 g2 g3]
式中g1、g2、g3分别对应正常、警告、异常三种状态。
构建状态评估指标的隶属度函数ri(S),隶属度的取值范围为0~1,隶属度值越大,则该状态评估指标隶属于评语集中对应级别的程度越大。对于状态评价指标i,当状态评估指标评分值为S时,隶属度函数ri(S)为:
基于上述隶属度函数对电压互感器的评分结果进行聚类分析,得到状态评价指标i隶属于评语集g=[g1 g2 g3]的模糊聚类集合Ri=[ri1 ri2 ri3],并作为该状态评估指标的初始评判向量。
初始状态评判向量表征着该指标隶属于各类状态等级的情况,n个状态评估指标的初始状态评判向量合成状态评估指标的初始状态评判矩阵R:
基于模糊聚类的方法,对表1中各状态评估指标的评分值利用隶属度函数公式(3)-公式(5)进行分析,得到各状态评估指标的评判向量,如表1中A相变化量指标的评分值为64.8721,利用隶属度函数可得R4=[0.0039 0.9961 0]。重复上述过程完成各状态评估指标的聚类分析,而后根据公式(6)结合各状态评估指标的初始评判向量合成初始状态评判矩阵R。
步骤4:采用层次分析理论对各状态评估指标的重要性进行比较,以确定状态评估指标的重要性权重向量Ω=[ω1 ω2 … ωn]。
首先,对于电压互感器中参与状态评估的n个状态评估指标,构建矩阵A=(aij)n×n:
随后确定判断矩阵B=(bij)n×n:
再基于判断矩阵B=(bij)n×n,计算最优传递矩阵L=(lij)n×n:
最后基于矩阵L=(lij)n×n,求取拟优一致矩阵C=(cij)n×n:
计算拟优一致矩阵C=(cij)n×n最大特征值时所对应的特征向量,将其归一化处理后得到表征各状态评估指标重要性的权重向量Ω=[ω1 ω2 … ωn],以解决各状态评估指标在电压互感器评估体系中的差异性。
基于层次分析理论,利用公式(7)-公式(10)求取权重向量Ω:
步骤5:结合电压互感器的初始状态评判矩阵和权重向量,即融合各状态评估指标的评估结果以及各状态评估指标的贡献率,计算得到状态评估指标的综合状态评判矩阵:
由最大隶属度原则可知,综合状态评判矩阵中元素数值越大则隶属于某一状态的可能性也越大,即电压互感器的状态评估结果为最大隶属度值所对应的状态等级,具体而言:当综合状态评判矩阵G中G1的数值最大时,则待检定电压互感器状态隶属于正常;当G2的数值最大时,则待检定电压互感器状态隶属于警告;当G3的数值最大时,则待检定电压互感器状态隶属于异常。据此,电压互感器完成一次状态评估。
结合电压互感器的初始状态评判矩阵和权重向量,根据公式(11)融合各状态评估指标的评估结果以及各状态评估指标的贡献率,得到状态评估指标的综合状态评判矩阵:
G=Ω×R=[0.9530 0.0470 0]
此待检定电压互感器当前状态为正常状态的隶属度为0.9530,警告状态的隶属度为0.0470,异常状态的隶属度为0,即待检定电压互感器当前状态隶属于正常状态的可能性最大,由最大隶属度原则可知,此电压互感器的在线运行误差状态评估结果为正常。
实施例二
本发明实施例提供一种基于多指标融合的电压互感器在线运行误差状态评估装置,包括:
指标体系构建模块,用于根据电压互感器的实时运行数据提炼并建立电压互感器的状态评估指标体系;
模型建立模块,用于根据电压互感器状态评估指标的自身特性建立电压互感器的数学模型,所述数学模型用于计算状态评估指标的评分值;
初始状态评判矩阵生成模块,用于对所述状态评估指标的评分值进行聚类分析,根据各状态评估指标评分结果隶属于各状态类别的隶属度求取各状态评估指标的评判向量并合成电压互感器的初始状态评判矩阵R;所述的状态类别包括正常、警告、异常;
权重向量生成模块,用于采用层次分析理论对各状态评估指标的重要性进行比较,以确定状态评估指标的重要性权重向量Ω;
综合状态评判矩阵模块,用于融合电压互感器的初始状态评判矩阵R和权重向量Ω,计算综合状态评判矩阵G,得到电压互感器的评估结果。
需要说明的是,实施例中所述的方法可以通过计算机软件程序实现,基于此,本发明实施例还提供一种电子设备,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述存储器存储的计算机软件程序,用于实现实施例一提供的一种基于多指标融合的电压互感器在线运行误差状态评估方法。
同时还需说明的是,计算机软件程序中的逻辑指令可以通过软件功能单元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。基于这样的理解,本发明实施例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)执行本发明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,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于多指标融合的电压互感器状态评估方法,其特征在于,包括以下步骤:
根据电压互感器的实时运行数据提炼并建立电压互感器的状态评估指标体系;状态评估指标包括反映电压互感器突变误差的同相相似性指标、反映电压互感器渐变误差的电压变化量指标以及反映电压互感器突变误差和渐变误差的三相电压不平衡度指标;其中同相相似性指标是指在同一时刻测量同一相电压的电压互感器,其测量出的电压值应相同;电压变化量指标是指电压互感器测量的二次电压在相对较长的一段时间内,其变化量的数值和应趋于零;三相电压不平衡度指标是指利用测量三相电压的一组电压互感器的二次电压输出值求出的电网三相不平衡度,应维持在一定的范围内且具有短时的不变特性;
根据电压互感器状态评估指标的自身特性建立电压互感器的数学模型,并根据所述状态评估指标的测量值以及所述数学模型,计算状态评估指标的评分值;
对所述状态评估指标的评分值进行聚类分析,根据各状态评估指标评分结果隶属于各状态类别的隶属度求取各状态评估指标的评判向量并合成电压互感器的初始状态评判矩阵R;所述的状态类别包括正常、警告、异常;
采用层次分析理论对各状态评估指标的重要性进行比较,以确定状态评估指标的重要性权重向量Ω;
融合电压互感器的初始状态评判矩阵R和重要性权重向量Ω,计算综合状态评判矩阵G,得到电压互感器的评估结果;
所述的采用层次分析理论对各状态评估指标的重要性进行比较,以确定状态评估指标的重要性权重向量,包括:
S401,对于电压互感器中参与状态评估的各状态评估指标,构建矩阵A=(aij)n×n:
S402,确定判断矩阵B=(bij)n×n:
S403,基于判断矩阵B=(bij)n×n,计算最优传递矩阵L=(lij)n×n:
S404,基于最优传递矩阵L=(lij)n×n,求取拟优一致矩阵C=(cij)n×n:
S405,计算拟优一致矩阵C=(cij)n×n最大特征值时所对应的特征向量,将其归一化处理后得到表征各状态评估指标重要性的权重向量Ω=[ω1 ω2…ωn]。
2.根据权利要求1所述的方法,其特征在于,对所述状态评估指标的评分值进行聚类分析,根据各状态评估指标评分结果隶属于各状态类别的隶属度求取各状态评估指标的评判向量并合成电压互感器的初始状态评判矩阵R,包括:
建立状态评估指标的评语集g=[g1 g2 g3],式中g1、g2、g3分别对应正常、警告、异常三种状态;
构建状态评估指标i在状态评估指标评分值为S时的隶属度函数ri(S),隶属度的取值范围为0~1;
基于所述隶属度函数对电压互感器的评分结果进行聚类分析,得到状态评估指标i隶属于评语集g=[g1 g2 g3]的模糊聚类集合Ri=[ri1 ri2 ri3],并作为该状态评估指标的初始状态评判向量;
将各个状态评估指标的初始状态评判向量合成状态评估指标的初始状态评判矩阵R。
3.根据权利要求1所述的方法,其特征在于,所述的综合状态评判矩阵G=Ω×R=[G1G2 G3],式中G1、G2、G3表征了电压互感器隶属于各状态的隶属度。
4.根据权利要求3所述的方法,其特征在于,所述的电压互感器的评估结果为综合状态评判矩阵G中最大隶属度所对应的状态等级。
5.一种基于多指标融合的电压互感器状态评估装置,其特征在于,包括:
指标体系构建模块,用于根据电压互感器的实时运行数据提炼并建立电压互感器的状态评估指标体系;状态评估指标包括反映电压互感器突变误差的同相相似性指标、反映电压互感器渐变误差的电压变化量指标以及反映电压互感器突变误差和渐变误差的三相电压不平衡度指标;其中同相相似性指标是指在同一时刻测量同一相电压的电压互感器,其测量出的电压值应相同;电压变化量指标是指电压互感器测量的二次电压在相对较长的一段时间内,其变化量的数值和应趋于零;三相电压不平衡度指标是指利用测量三相电压的一组电压互感器的二次电压输出值求出的电网三相不平衡度,应维持在一定的范围内且具有短时的不变特性;
模型建立模块,用于根据电压互感器状态评估指标的自身特性建立电压互感器的数学模型,所述数学模型用于计算状态评估指标的评分值;
初始状态评判矩阵生成模块,用于对所述状态评估指标的评分值进行聚类分析,根据各状态评估指标评分结果隶属于各状态类别的隶属度求取各状态评估指标的评判向量并合成电压互感器的初始状态评判矩阵R;所述的状态类别包括正常、警告、异常;
权重向量生成模块,用于采用层次分析理论对各状态评估指标的重要性进行比较,以确定状态评估指标的重要性权重向量Ω;
综合状态评判矩阵模块,用于融合电压互感器的初始状态评判矩阵R和重要性权重向量Ω,计算综合状态评判矩阵G,得到电压互感器的评估结果;
所述权重向量生成模块通过如下方法确定状态评估指标的重要性权重向量Ω:
S401,对于电压互感器中参与状态评估的各状态评估指标,构建矩阵A=(aij)n×n:
S402,确定判断矩阵B=(bij)n×n:
S403,基于判断矩阵B=(bij)n×n,计算最优传递矩阵L=(lij)n×n:
S404,基于最优传递矩阵L=(lij)n×n,求取拟优一致矩阵C=(cij)n×n:
S405,计算拟优一致矩阵C=(cij)n×n最大特征值时所对应的特征向量,将其归一化处理后得到表征各状态评估指标重要性的权重向量Ω=[ω1 ω2…ωn]。
6.一种电子设备,其特征在于,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述存储器中存储的计算机软件程序,并实现权利要求1-4任一项所述的一种基于多指标融合的电压互感器状态评估方法。
7.一种非暂态计算机可读存储介质,其特征在于,所述存储介质内存储有用于实现权利要求1-4任一项所述的一种基于多指标融合的电压互感器状态评估方法的计算机软件程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010303533.2A CN111537939B (zh) | 2020-04-17 | 2020-04-17 | 一种基于多指标融合的电压互感器状态评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010303533.2A CN111537939B (zh) | 2020-04-17 | 2020-04-17 | 一种基于多指标融合的电压互感器状态评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111537939A CN111537939A (zh) | 2020-08-14 |
CN111537939B true CN111537939B (zh) | 2022-05-27 |
Family
ID=71952285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010303533.2A Active CN111537939B (zh) | 2020-04-17 | 2020-04-17 | 一种基于多指标融合的电压互感器状态评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111537939B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149953B (zh) * | 2020-08-17 | 2024-01-05 | 江苏大学 | 基于多模联动和多阶段协作的机电设备运行安全评估方法 |
CN112098915B (zh) * | 2020-11-05 | 2021-02-05 | 武汉格蓝若智能技术有限公司 | 双母线分段接线下多台电压互感器继发性误差的评估方法 |
CN113050019B (zh) * | 2021-03-04 | 2023-07-11 | 国网湖南省电力有限公司 | 数据驱动评估结果和检定规程融合的电压互感器评估方法及系统 |
CN113376562B (zh) * | 2021-06-08 | 2022-08-09 | 国网重庆市电力公司营销服务中心 | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 |
CN113591985B (zh) * | 2021-07-30 | 2023-12-15 | 国网安徽省电力有限公司电力科学研究院 | 基于数据融合的特高压gis运行状态综合诊断方法和系统 |
CN113702895B (zh) * | 2021-10-28 | 2022-02-08 | 华中科技大学 | 一种电压互感器误差状态在线定量评估方法 |
CN114137421B (zh) * | 2021-11-30 | 2023-09-19 | 章鱼博士智能技术(上海)有限公司 | 电池异常检测方法、装置、设备及存储介质 |
CN114089255B (zh) * | 2022-01-21 | 2022-04-22 | 武汉格蓝若智能技术有限公司 | 一种电容式电压互感器稳定性评估方法 |
CN114626769B (zh) * | 2022-05-16 | 2022-08-02 | 武汉格蓝若智能技术有限公司 | 一种电容式电压互感器运维方法及系统 |
CN115392141B (zh) * | 2022-10-28 | 2023-03-24 | 武汉格蓝若智能技术股份有限公司 | 一种自适应的电流互感器误差评估方法 |
CN117151934B (zh) * | 2023-10-30 | 2024-01-30 | 国网冀北电力有限公司 | 一种配电网不停电作业项目多维聚类分析方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102457411B (zh) * | 2011-10-14 | 2012-12-12 | 中国人民解放军国防科学技术大学 | 基于不确定数据的网络安全态势模糊评估方法 |
CN103576050B (zh) * | 2013-11-21 | 2015-12-09 | 贵阳供电局 | 一种电容式电压互感器的运行状态评估方法 |
KR101942647B1 (ko) * | 2017-04-04 | 2019-01-25 | 한국전력공사 | 전력용 변압기 자산 관리 장치 |
CN110119859A (zh) * | 2018-02-05 | 2019-08-13 | 南京易司拓电力科技股份有限公司 | 一种基于大数据的设备状态评估方法 |
CN110363404A (zh) * | 2019-06-27 | 2019-10-22 | 昆明理工大学 | 一种干式空心电抗器状态数据分析方法 |
CN110689234B (zh) * | 2019-09-05 | 2023-08-04 | 国家电网有限公司 | 一种基于多源数据融合的电力变压器状态评估方法 |
CN110782164A (zh) * | 2019-10-25 | 2020-02-11 | 贵州电网有限责任公司 | 一种基于变权重和模糊综合评价的配电设备状态评价方法 |
-
2020
- 2020-04-17 CN CN202010303533.2A patent/CN111537939B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111537939A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111537939B (zh) | 一种基于多指标融合的电压互感器状态评估方法及装置 | |
CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及系统 | |
CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
CN104156890A (zh) | 一种风电并网方案决策方法 | |
Jin-qiang | Fault prediction of a transformer bushing based on entropy weight TOPSIS and gray theory | |
CN109409658A (zh) | 一种配电网运行风险感知方法和装置 | |
CN117748507B (zh) | 基于高斯回归模型的配网谐波接入不确定性评估方法 | |
CN110363404A (zh) | 一种干式空心电抗器状态数据分析方法 | |
CN112288293A (zh) | 一种大型充电站电能质量综合评估方法 | |
Cai et al. | An on-line state evaluation method of smart meters based on information fusion | |
CN109345090A (zh) | 一种基于配电网可靠性提升的网架评价方法 | |
CN110873857B (zh) | 基于多源数据融合的智能电能表运行状态评价方法及系统 | |
Zhang et al. | Research on variable weight synthesizing model for transformer condition assessment | |
Yi et al. | Low Voltage Distribution Network Reliability Indicator System and Risk Assessment Methodology | |
Bai et al. | Comprehensive evaluation of the large-scale charging pile based on the cloud platform | |
Yifei et al. | Application of supervised machine learning algorithms in diagnosis of abnormal voltage | |
Chen et al. | A state assessment method of relay protection device based on pso optimizes svm parameters and cloud model | |
Jia et al. | Design and research of intelligent analysis system of operating state of electric energy metering device based on computer technology | |
Xu et al. | New Model and Application of Security Region for Metering Device Status Estimation | |
Liu et al. | An Approach for Resistance Parameter Identification of Transmission Line Based on Electric Energy Data | |
CN109409673B (zh) | 电子式互感器与变电站主站系统通信安全的综合评估方法 | |
Jie et al. | Research of Evaluation Index and Evaluation Method of Fault Diagnosis in Digitalized Substation Area |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000 Patentee after: Wuhan Gelanruo Intelligent Technology Co.,Ltd. Address before: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000 Patentee before: WUHAN GLORY ROAD INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |