CN112434947A - 一种配电网智能评估方法、设备及存储介质 - Google Patents

一种配电网智能评估方法、设备及存储介质 Download PDF

Info

Publication number
CN112434947A
CN112434947A CN202011336869.5A CN202011336869A CN112434947A CN 112434947 A CN112434947 A CN 112434947A CN 202011336869 A CN202011336869 A CN 202011336869A CN 112434947 A CN112434947 A CN 112434947A
Authority
CN
China
Prior art keywords
fault
power distribution
distribution network
fault type
probability
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
CN202011336869.5A
Other languages
English (en)
Inventor
金昭
成传智
蔡得志
郑红梅
王澜
闵凯
李媛
曾甜
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.)
Xianning Power Supply Co of State Grid Hubei Electric Power Co Ltd
Original Assignee
Xianning Power Supply Co of State Grid Hubei Electric Power 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 Xianning Power Supply Co of State Grid Hubei Electric Power Co Ltd filed Critical Xianning Power Supply Co of State Grid Hubei Electric Power Co Ltd
Priority to CN202011336869.5A priority Critical patent/CN112434947A/zh
Publication of CN112434947A publication Critical patent/CN112434947A/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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

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)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种配电网智能评估方法、设备及存储介质，方法包括：获取配电网的若干个历史监测数据，并从中提取出与故障类型对应的故障征兆特征，以故障征兆特征及其对应的故障类型作为训练集；利用BP神经网络对训练集进行训练，建立故障征兆特征与其对应的故障类型发生的概率之间的神经网络模型；采用改进层次分析法和安全评估指标体系为各个故障类型赋予权重；获取当前监测数据，计算出当前监测数据中的故障征兆特征对应的故障类型发生的概率；根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、故障类型的权重以及安全评估指标体系对配电网进行风险评估。本发明解决了目前无法根据故障征兆特征来对配电网进行风险评估的问题。

Description

一种配电网智能评估方法、设备及存储介质
技术领域
本发明涉及智能配电网技术领域，尤其涉及一种配电网智能评估方法、设备及存储介质。
背景技术
配电网的安全运行始终是人们关注的焦点。为了使配电网对严重事故或威胁配电网安全运行的潜在事故发生的可能性降至最低，研究和开发配电网风险评估系统,有利于提高配电网的可靠性，且对配电网的安全和经济运行具有重要作用和意义。
目前，对于配电网的风险评估没有一种合理的方法，针对配电网出现的故障征兆特征，无法给出具体的风险评估，因此无法给出事前的风险判断，经常会导致严重的后果发生。
发明内容
有鉴于此，有必要提供一种配电网智能评估方法、设备及存储介质，用以解决目前无法根据故障征兆特征来对配电网进行风险评估的问题。
第一方面，本发明提供一种配电网智能评估方法，包括如下步骤：
获取配电网的若干个历史监测数据，并从所述历史监测数据中提取出与故障类型对应的故障征兆特征，以所述故障征兆特征及其对应的故障类型作为训练集；
构建BP神经网络，利用所述BP神经网络对所述训练集进行训练，建立故障征兆特征与其对应的故障类型发生的概率之间的神经网络模型，以得到故障发生概率模型；
采用改进层次分析法和安全评估指标体系为各个故障类型赋予权重；
获取当前监测数据，利用所述故障发生概率模型计算出当前监测数据中的故障征兆特征对应的故障类型发生的概率；
根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、故障类型的权重以及安全评估指标体系对配电网进行风险评估。
优选的，所述的配电网智能评估方法中，所述故障征兆特征至少包括电压过高、电压过低、电流过高、电流过低、温度过高、温度过低。
优选的，所述的配电网智能评估方法中，所述故障发生概率模型与各个所述故障征兆特征一一对应，各个所述故障发生概率模型为：
M＝p*N，
其中，M为任一故障征兆特征，p为与所述故障征兆特征对应的故障类型发生的概率，N为与所述故障征兆特征对应的故障类型。
优选的，所述的配电网智能评估方法中，所述采用改进层次分析法和安全评估指标体系为各个故障类型赋予权重的步骤具体包括：
根据所述安全评估指标体系中各故障类型对配电网安全的影响，确定各指标的重要性等级，基于改进层次分析法构建比较判断矩阵，利用所述比较判断矩阵的最大特征值和特征向量对各个故障类型完成主观权重赋值。
优选的，所述的配电网智能评估方法中，所述各个故障类型的主观权重赋值方法为：
Figure BDA0002797504050000021
其中，W为一故障类型的主观权重，W′为该故障类型的权重向量，n为所有的故障类型的总数量。
优选的，所述的配电网智能评估方法中，所述获取当前监测数据，利用所述故障发生概率模型计算出当前监测数据中的故障征兆特征对应的故障类型发生的概率的步骤具体包括：
获取当前监测数据，并提取出其中的所有故障征兆特征；
利用与各个所述故障征兆特征对应的故障发生概率模型计算出各个所述故障征兆特征对应的故障类型发生的概率。
优选的，所述的配电网智能评估方法中，所述根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、故障类型的权重以及安全评估指标体系对配电网进行风险评估的步骤具体包括：
根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、故障类型的权重以及安全评估指标体系计算出配电网当前的风险值；
根据所述风险值评估当前配电网的风险等级。
优选的，所述的配电网智能评估方法中，所述根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、当前故障类型的权重以及安全评估指标体系计算出配电网当前的风险值的步骤具体包括：
依次计算出各个故障征兆特征对应的故障类型发生的概率、故障类型的权重与安全评估指标体系中预设的基础评分的乘积后，将各个乘积累加得到配电网当前的风险值。
第二方面，本发明还提供一种配电网智能评估设备，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如上所述的配电网智能评估方法中的步骤。
第三方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的配电网智能评估方法中的步骤。
【有益效果】
本发明提供的配电网智能评估方法、设备及存储介质中，通过评估监测数据中的故障征兆特征对应的故障类型发生的概率，然后根据该故障类型的权重来判断该故障征兆特征所对应的风险，从而可以针对故障征兆特征来判断当前配电网的风险程度，方便工作人员对风险进行有效的应对，避免发生重大事故。
附图说明
图1为本发明提供的配电网智能评估方法的一较佳实施例的流程图；
图2为本发明配电网智能评估程序的一较佳实施例的运行环境示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
请参阅图1，本发明实施例提供的配电网智能评估方法，包括如下步骤：
S100、获取配电网的若干个历史监测数据，并从所述历史监测数据中提取出与故障类型对应的故障征兆特征，以所述故障征兆特征及其对应的故障类型作为训练集。
其中，所述故障征兆特征至少包括电压过高、电压过低、电流过高、电流过低、温度过高、温度过低。当电压、电流、温度出现故障时，表示该设备可能会发生故障，故通过分析故障征兆特征，可以评估处故障发生的概率。
S200、构建BP神经网络，利用所述BP神经网络对所述训练集进行训练，建立故障征兆特征与其对应的故障类型发生的概率之间的神经网络模型，以得到故障发生概率模型。
具体来说，由于各个故障类型发生时，其对应的故障征兆特征不同，故分析不同的故障征兆特征，可以找出与其对应的故障类型发生的概率。具体实施时，利用神经网络对训练集进行训练，得到故障发生概率模型，将各个故障征兆特征放入BP神经网络中，通过各个故障类型发生时，各个故障征兆特征出现的数量来具体判定故障类型发生的概率，例如，当某一故障类型发生时，多次出现电压过高这一故障征兆特征，表示出现电压过高这种征兆特征时，该故障类型发生的概率较大，反之，当某一故障类型发生时，只有极少数出现温度过低这一故障征兆特征，则表示出现温度过低这种征兆特征时，该故障类型发生的概率较小，因此，本发明中BP神经网络对各个故障征兆特征进行训练后，可以得到各个故障征兆特征对应的故障发生概率模型。
具体实施时，所述故障发生概率模型与各个所述故障征兆特征一一对应，各个所述故障发生概率模型为：
M＝p*N，
其中，M为任一故障征兆特征，p为与所述故障征兆特征对应的故障类型发生的概率，N为与所述故障征兆特征对应的故障类型。
S300、采用改进层次分析法和安全评估指标体系为各个故障类型赋予权重。
具体的，所述步骤S300具体包括：
根据所述安全评估指标体系中各故障类型对配电网安全的影响，确定各指标的重要性等级，基于改进层次分析法构建比较判断矩阵，利用所述比较判断矩阵的最大特征值和特征向量对各个故障类型完成主观权重赋值。
具体来说，由于各个故障类型发生时，对配电网的整体影响不同，故本发明设置有安全评估指标体系，分别定义了不同的故障类型对配电网的影响，而改进层次分析法是为了给各个故障类型进行权重赋值，使不同影响的故障类型具有不同的权重，影响较大的故障类型的权重较大，影响较小的故障类型的权重较小。
具体实施时，采用改进层次分析法进行比较判断矩阵的构造时，比较判断矩阵的表达式如下：
Figure BDA0002797504050000061
其中，ai，j表示故障类型i与故障类型j之间的相对重要程度，区中向量满足如下公式：
AW′＝λmax W′
其中，W′为权重向量，表示矩阵A的特征向量；λmax为最大特征值。
将权重向量W′表示为：W′＝(W1′,W2′，…，Wn′)后，对权重向量进行归一化处理，得到各个故障类型的权重计算公式为：
Figure BDA0002797504050000062
故所述各个故障类型的主观权重赋值方法为：
Figure BDA0002797504050000063
其中，W为一故障类型的主观权重，W′为该故障类型的权重向量，n为所有的故障类型的总数量。
S400、获取当前监测数据，利用所述故障发生概率模型计算出当前监测数据中的故障征兆特征对应的故障类型发生的概率。
具体的，当得到了故障发生概率模型后，即可根据具体的故障征兆特征来判断出其对应的故障类型发生的概率。具体实施时，所述步骤S400具体包括：
获取当前监测数据，并提取出其中的所有故障征兆特征；
利用与各个所述故障征兆特征对应的故障发生概率模型计算出各个所述故障征兆特征对应的故障类型发生的概率。
当监测数据中有多个故障征兆特征时，则分别计算各个故障征兆特征对应的故障类型发生的概率，如果多个故障征兆特征对应的是同一故障类型，则取故障征兆特征对应的故障类型发生的最大概率值。
S500、根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、故障类型的权重以及安全评估指标体系对配电网进行风险评估。
具体的，所述步骤S500具体包括：
根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、故障类型的权重以及安全评估指标体系计算出配电网当前的风险值；
根据所述风险值评估当前配电网的风险等级。
其中，所述根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、当前故障类型的权重以及安全评估指标体系计算出配电网当前的风险值的步骤具体包括：
依次计算出各个故障征兆特征对应的故障类型发生的概率、故障类型的权重与安全评估指标体系中预设的基础评分的乘积后，将各个乘积累加得到配电网当前的风险值。
换而言之，故障发生的概率、故障的权重以及基础评分的乘积，即为当前此故障征兆特征对配电网的风险，如果有多个不同故障类型的故障征兆特征，则将各个风险值累加，即为当前整个配电网的风险值，通过计算出具体的风险值，可以方便工作人员及时进行判断配电网的风险，进而快速做出对策。
为了更加方便的给工作人员提供参考，本发明还对具体的风险值进行等级划分，具体的，将配电网风险划分为三级，即Ⅰ级(重大风险)、Ⅱ级(较大风险)、Ⅲ级(一般风险)。具体判别如下：
风险值≥1200，为Ⅰ级风险；
1200﹥风险值≥600，为Ⅱ级风险；
600﹥风险值≥200，为Ⅲ级风险。
优选的，所述配电网智能评估方法还包括：
根据风险评估的结果发出生成的风险报警信号。
具体的，当得到了具体的风险值后，针对所述风险值所属的风险等级进行具体的报警，可以达到快速提示工作人员的目的。
如图2所示，基于上述配电网智能评估方法，本发明还相应提供了一种配电网智能评估设备，所述配电网智能评估设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该配电网智能评估设备包括处理器10、存储器20及显示器30。图2仅示出了配电网智能评估设备的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述配电网智能评估设备的内部存储单元，例如配电网智能评估设备的硬盘或内存。所述存储器20在另一些实施例中也可以是所述配电网智能评估设备的外部存储设备，例如所述配电网智能评估设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。进一步地，所述存储器20还可以既包括配电网智能评估设备的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述配电网智能评估设备的应用软件及各类数据，例如所述安装配电网智能评估设备的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有配电网智能评估程序40，该配电网智能评估程序40可被处理器10所执行，从而实现本申请各实施例的配电网智能评估方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述配电网智能评估方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述配电网智能评估设备的信息以及用于显示可视化的用户界面。所述配电网智能评估设备的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中配电网智能评估程序40时实现如上述实施例所述的配电网智能评估方法中的步骤，由于上文已对配电网智能评估方法进行详细描述，在此不再赘述。
综上所述，本发明提供的配电网智能评估方法、设备及存储介质中，通过评估监测数据中的故障征兆特征对应的故障类型发生的概率，然后根据该故障类型的权重来判断该故障征兆特征所对应的风险，从而可以针对故障征兆特征来判断当前配电网的风险程度，方便工作人员对风险进行有效的应对，避免发生重大事故。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种配电网智能评估方法，其特征在于，包括如下步骤：
获取配电网的若干个历史监测数据，并从所述历史监测数据中提取出与故障类型对应的故障征兆特征，以所述故障征兆特征及其对应的故障类型作为训练集；
构建BP神经网络，利用所述BP神经网络对所述训练集进行训练，建立故障征兆特征与其对应的故障类型发生的概率之间的神经网络模型，以得到故障发生概率模型；
采用改进层次分析法和安全评估指标体系为各个故障类型赋予权重；
获取当前监测数据，利用所述故障发生概率模型计算出当前监测数据中的故障征兆特征对应的故障类型发生的概率；
根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、故障类型的权重以及安全评估指标体系对配电网进行风险评估。
2.根据权利要求1所述的配电网智能评估方法，其特征在于，所述故障征兆特征至少包括电压过高、电压过低、电流过高、电流过低、温度过高、温度过低。
3.根据权利要求1所述的配电网智能评估方法，其特征在于，所述故障发生概率模型与各个所述故障征兆特征一一对应，各个所述故障发生概率模型为：
M＝p*N，
其中，M为任一故障征兆特征，p为与所述故障征兆特征对应的故障类型发生的概率，N为与所述故障征兆特征对应的故障类型。
4.根据权利要求1所述的配电网智能评估方法，其特征在于，所述采用改进层次分析法和安全评估指标体系为各个故障类型赋予权重的步骤具体包括：
根据所述安全评估指标体系中各故障类型对配电网安全的影响，确定各指标的重要性等级，基于改进层次分析法构建比较判断矩阵，利用所述比较判断矩阵的最大特征值和特征向量对各个故障类型完成主观权重赋值。
5.根据权利要求4所述的配电网智能评估方法，其特征在于，所述各个故障类型的主观权重赋值方法为：
Figure FDA0002797504040000021
其中，W为一故障类型的主观权重，W′为该故障类型的权重向量，n为所有的故障类型的总数量。
6.根据权利要求1所述的配电网智能评估方法，其特征在于，所述获取当前监测数据，利用所述故障发生概率模型计算出当前监测数据中的故障征兆特征对应的故障类型发生的概率的步骤具体包括：
获取当前监测数据，并提取出其中的所有故障征兆特征；
利用与各个所述故障征兆特征对应的故障发生概率模型计算出各个所述故障征兆特征对应的故障类型发生的概率。
7.根据权利要求1所述的配电网智能评估方法，其特征在于，所述根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、故障类型的权重以及安全评估指标体系对配电网进行风险评估的步骤具体包括：
根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、故障类型的权重以及安全评估指标体系计算出配电网当前的风险值；
根据所述风险值评估当前配电网的风险等级。
8.根据权利要求6所述的配电网智能评估方法，其特征在于，所述根据当前监测数据中的故障征兆特征对应的故障类型发生的概率、当前故障类型的权重以及安全评估指标体系计算出配电网当前的风险值的步骤具体包括：
依次计算出各个故障征兆特征对应的故障类型发生的概率、故障类型的权重与安全评估指标体系中预设的基础评分的乘积后，将各个乘积累加得到配电网当前的风险值。
9.一种配电网智能评估设备，其特征在于，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的配电网智能评估方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任意一项所述的配电网智能评估方法中的步骤。
CN202011336869.5A 2020-11-25 2020-11-25 一种配电网智能评估方法、设备及存储介质 Pending CN112434947A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011336869.5A CN112434947A (zh) 2020-11-25 2020-11-25 一种配电网智能评估方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011336869.5A CN112434947A (zh) 2020-11-25 2020-11-25 一种配电网智能评估方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN112434947A true CN112434947A (zh) 2021-03-02

Family

ID=74697674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011336869.5A Pending CN112434947A (zh) 2020-11-25 2020-11-25 一种配电网智能评估方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112434947A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128840A (zh) * 2021-03-24 2021-07-16 国网湖北省电力有限公司 一种设备状态评估方法、系统及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810533A (zh) * 2013-08-15 2014-05-21 国家电网公司 一种基于云模型的配电网故障风险识别方法
CN104538962A (zh) * 2015-01-19 2015-04-22 国家电网公司 一种基于平均期望值的配电网安全风险评估方法
CN105488740A (zh) * 2015-12-17 2016-04-13 深圳供电局有限公司 一种城市配电网运行方式的风险等级评估方法及其系统
CN108830475A (zh) * 2018-06-08 2018-11-16 国网江苏省电力有限公司 二次系统隐性故障评估方法
CN109523422A (zh) * 2018-11-15 2019-03-26 广西电网有限责任公司电力科学研究院 一种配电网故障影响因素的挖掘方法
CN110297141A (zh) * 2019-07-01 2019-10-01 武汉大学 基于多层评估模型的故障定位方法及系统
CN110346673A (zh) * 2019-05-23 2019-10-18 国网河南省电力公司郑州供电公司 一种计及网络拓扑合理性的智能配电网风险评估方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810533A (zh) * 2013-08-15 2014-05-21 国家电网公司 一种基于云模型的配电网故障风险识别方法
CN104538962A (zh) * 2015-01-19 2015-04-22 国家电网公司 一种基于平均期望值的配电网安全风险评估方法
CN105488740A (zh) * 2015-12-17 2016-04-13 深圳供电局有限公司 一种城市配电网运行方式的风险等级评估方法及其系统
CN108830475A (zh) * 2018-06-08 2018-11-16 国网江苏省电力有限公司 二次系统隐性故障评估方法
CN109523422A (zh) * 2018-11-15 2019-03-26 广西电网有限责任公司电力科学研究院 一种配电网故障影响因素的挖掘方法
CN110346673A (zh) * 2019-05-23 2019-10-18 国网河南省电力公司郑州供电公司 一种计及网络拓扑合理性的智能配电网风险评估方法
CN110297141A (zh) * 2019-07-01 2019-10-01 武汉大学 基于多层评估模型的故障定位方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128840A (zh) * 2021-03-24 2021-07-16 国网湖北省电力有限公司 一种设备状态评估方法、系统及存储介质
CN113128840B (zh) * 2021-03-24 2024-02-20 国网湖北省电力有限公司 一种设备状态评估方法、系统及存储介质

Similar Documents

Publication Publication Date Title
WO2013027562A1 (ja) 運用管理装置、運用管理方法、及びプログラム
RU2012155276A (ru) Обнаружение и анализ злоумышленной атаки
CN111652278B (zh) 用户行为检测方法、装置、电子设备及介质
CN113837596A (zh) 一种故障确定方法、装置、电子设备及存储介质
CN111339072B (zh) 基于用户行为的变化值分析方法、装置、电子设备及介质
CN114091783A (zh) 一种企业用电预警方法、装置、计算机设备和存储介质
CN112434947A (zh) 一种配电网智能评估方法、设备及存储介质
CN112990583B (zh) 一种数据预测模型的入模特征确定方法及设备
CN112148566B (zh) 计算引擎的监控方法、装置、电子设备及存储介质
JP2012018604A (ja) 災害危機管理装置、被害レベル計算方法、およびプログラム
CN111784042B (zh) 一种用电节点安全风险预测方法、装置及存储介质
CN112950344A (zh) 数据评估方法、装置、电子设备及存储介质
Javadi et al. Identification of simultaneously congested transmission lines in power systems operation and market analysis
CN111429085A (zh) 合同数据生成方法、装置、电子设备及存储介质
JPWO2014188638A1 (ja) 共有リスクグループ管理システム、共有リスクグループ管理方法および共有リスクグループ管理プログラム
CN116542781A (zh) 任务分配方法、装置、计算机设备及存储介质
CN110659836A (zh) 风险分析的方法、装置及计算机可读存储介质
CN108446907B (zh) 安全校验方法及装置
CN115618859A (zh) 一种基于大数据的研效管理方法、装置、设备及存储介质
CN110349002B (zh) 一种消费金融全流程监控预警的方法、装置和电子设备
CN115372752A (zh) 故障检测方法、装置、电子设备以及存储介质
CN111160694A (zh) 一种电力系统应急能力评估方法及装置
CN113657546B (zh) 信息分类方法、装置、电子设备及可读存储介质
CN110210099A (zh) 设备发热缺陷预测方法、装置及终端设备
CN117235760B (zh) 企业数据的加密存储方法、装置、计算机设备及存储介质

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: 20210302

RJ01 Rejection of invention patent application after publication