CN112464536A - 输电线路覆冰故障预测的方法、装置、计算机设备和介质 - Google Patents
输电线路覆冰故障预测的方法、装置、计算机设备和介质 Download PDFInfo
- Publication number
- CN112464536A CN112464536A CN202011448613.3A CN202011448613A CN112464536A CN 112464536 A CN112464536 A CN 112464536A CN 202011448613 A CN202011448613 A CN 202011448613A CN 112464536 A CN112464536 A CN 112464536A
- Authority
- CN
- China
- Prior art keywords
- fault
- distribution function
- load
- probability distribution
- wind
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005315 distribution function Methods 0.000 claims abstract description 61
- 238000013461 design Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 16
- 239000011248 coating agent Substances 0.000 claims description 14
- 238000000576 coating method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
Abstract
本公开涉及一种输电线路覆冰故障预测的方法、装置、计算机设备和介质,其中,输电线路覆冰故障预测的方法包括:根据历史样本数据得到故障概率分布函数,其中,历史样本数据中包含:覆冰参数、风速、风向、设计总荷载和故障值;获取预测条件下的预测荷载率,预测条件包括:覆冰参数、风速、风向和设计总荷载;根据预测荷载率和故障概率分布函数,预测故障概率。由于故障概率分布函数是根据大量的历史样本数据得到的,因此,根据预测条件下的预测荷载率和故障分布函数能够更精确地预测出故障概率,及时地对覆冰灾害提出预警,提高了电网运行的稳定性和可靠性。
Description
技术领域
本公开涉及电气工程技术领域,尤其涉及一种输电线路覆冰故障预测的方法、装置、计算机设备和介质。
背景技术
近年来,频繁发生的自然灾害严重影响了电网的稳定运行和可靠供电。其中,冬季覆冰是低温雨雪冰冻天气下常见的自然灾害之一,当输电线路发生严重覆冰时会造成倒塔、断线等事故,且事故恢复时间长,经济损失和社会影响大。因此,亟需对输电线路覆冰所引起的倒塔断线的故障进行研究,为电力部门的抗冰减灾工作提供预警。
目前,对输电线路覆冰引发倒塔断线故障的研究主要集中在通过有限元仿真分析覆冰条件下输电线路塔线的物理模型或采用指数函数拟合计算输电线路覆冰引发倒塔断线故障的概率等方面,且大多应用于输电线路的抗冰设计或者覆冰引发故障事故的事后分析。
然而,输电线路覆冰引发倒塔断线故障的因素很多且机理十分复杂,采用现有技术的方法,计算得到的输电线路覆冰故障概率的准确率低,无法对覆冰灾害提供预警,影响了电网运行的稳定性和可靠性。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种输电线路覆冰故障预测的方法、装置、计算机设备和介质。
第一方面,本公开提供一种输电线路覆冰故障预测的方法,包括:
根据历史样本数据得到故障概率分布函数,其中,所述历史样本数据中包含:覆冰参数、风速、风向、设计总荷载和故障值;
获取预测条件下的预测荷载率,所述预测条件包括:覆冰参数、风速、风向和设计总荷载;
根据所述预测荷载率和所述故障概率分布函数,预测故障概率。
可选的,所述根据历史样本数据得到故障概率分布函数,包括:
根据覆冰参数、风速、风向和塔线有限元受力模型,确定样本总荷载;
根据所述样本总荷载和所述设计总荷载,确定荷载率;
根据所述荷载率和故障值,确定故障概率分布函数。
可选的,所述根据所述样本总荷载和所述设计总荷载,确定荷载率,包括:
其中,R为所述荷载率,f(Tice,Vwind,θwind)为计算所述样本总荷载的函数,Tice为所述覆冰参数,Vwind为所述风速,θwind为所述风向,S为所述设计总荷载。
可选的,根据所述荷载率和故障值,确定故障概率分布函数,包括:
其中,P(Y|R)为所述故障概率分布函数,Y为所述故障值,R为所述荷载率,α、β为所述故障概率分布函数的两个参数。
第二方面,本公开提供一种输电线路覆冰故障预测的装置,包括:
处理模块,用于根据历史样本数据得到故障概率分布函数,其中,所述历史样本数据中包含:覆冰参数、风速、风向、设计总荷载和故障值;
获取模块,用于获取预测条件下的预测荷载率,所述预测条件包括:覆冰参数、风速、风向和设计总荷载;
所述处理模块,还用于根据所述预测荷载率和所述故障概率分布函数,预测故障概率。
可选的,所述处理模块具体用于根据覆冰参数、风速、风向和塔线有限元受力模型,确定样本总荷载;根据所述样本总荷载和所述设计总荷载,确定荷载率;根据所述荷载率和故障值,确定故障概率分布函数。
其中,R为所述荷载率,f(Tice,Vwind,θwind)为计算所述样本总荷载的函数,Tice为所述覆冰参数,Vwind为所述风速,θwind为所述风向,S为所述设计总荷载。
其中,P(Y|R)为所述故障概率分布函数,Y为所述故障值,R为所述荷载率,α、β为所述故障概率分布函数的两个参数。
第三方面,本公开提供一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
第四方面,本公开提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一项所述的方法的步骤。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
根据历史样本数据得到故障概率分布函数,其中,历史样本数据中包含:覆冰参数、风速、风向、设计总荷载和故障值;获取预测条件下的预测荷载率,预测条件包括:覆冰参数、风速、风向和设计总荷载;根据预测荷载率和故障概率分布函数,预测故障概率。由于故障概率分布函数是根据大量的历史样本数据得到的,因此,根据预测条件下的预测荷载率和故障分布函数能够更精确地预测出故障概率,及时地对覆冰灾害提出预警,提高了电网运行的稳定性和可靠性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开提供的一种输电线路覆冰故障预测的方法实施例的流程示意图;
图2为本公开提供的另一种输电线路覆冰故障预测的方法实施例的流程示意图;
图3为本公开提供的一种输电线路覆冰故障预测的方法实施例的点据图;
图4为本公开提供的一种输电线路覆冰故障预测的方法实施例的故障概率分布图;
图5为本公开提供的一种输电线路覆冰故障预测的装置的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
下面以几个具体的实施例对本公开的技术方案进行描述,对于相同或者类似的概念,可以相互参考,不再每处一一赘述。
图1为本公开实施例提供的一种输电线路覆冰故障预测的方法实施例的流程示意图,如图1所示,本实施例的方法包括:
S101:根据历史样本数据得到故障概率分布函数。
其中,历史样本数据中包含:覆冰参数、风速、风向、设计总荷载和故障值。
可选的,一种可能的实现方式为:如图2所示,
S1011:根据覆冰参数、风速、风向和塔线有限元受力模型,确定样本总荷载。
可选的,覆冰参数包括但不限于:覆冰厚度、覆冰位置、覆冰时间等。
建立覆冰条件下输电线路的塔线有限元受力仿真模型。根据历史样本数据中不同的覆冰参数、风速、风向与导线的夹角等数据,利用有限元受力仿真模型计算输电线路的塔线受力分布,确定样本总荷载。
S1012:根据样本总荷载和设计总荷载,确定荷载率。
其中,R为荷载率,f(Tice,Vwind,θwind)为根据塔线有限元受力模型计算样本总荷载的函数,Tice为覆冰参数,Vwind为风速,θwind为风向,S为设计总荷载。
根据输电线路设计规范中规定的设计冰厚、设计风速等参数,确定设计总荷载。例如:《架空输电线路荷载规范》中规定了输电线路轻冰区设计冰厚为10mm以下覆冰、设计风速为10m/s,中冰区设计冰厚为10-15mm覆冰、设计风速为10m/s,重冰区设计冰厚为20mm以上覆冰、设计风速为15m/s。若输电线路所在地区属于中冰区,则根据设计冰厚10-15mm、设计风速10m/s,利用塔线有限元受力模型确定设计总荷载S。
S1013:根据荷载率和故障值,确定故障概率分布函数。
根据历史样本数据中各样本点输电线路覆冰是否出现故障确定故障值。例如:若输电线路覆冰出现故障,则故障值为1;若输电线路覆冰未出现故障,则故障值为0。输电线路覆冰故障为随机事件,并服从泊松分布。根据泊松分布的概率函数可以构建输电线路覆冰故障概率密度函数其中,P(Y|R)为故障概率分布函数,Y为故障值,R为荷载率,α、β为故障概率分布函数的两个参数。
采用马尔科夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)方法对历史样本数据中的荷载率和故障值进行抽样,生成N组(α、β),N为大于等于1的整数。根据N组(α、β)确定故障概率分布函数的参数(α、β)。
一种可能的实现方式为:故障概率分布函数中的参数(α、β)可以是N组(α、β)的平均值,根据确定故障概率分布函数中的参数α,其中,αi是第i组(α、β)中的α的值,根据确定故障概率分布函数中的参数β,其中,βi是第i组(α、β)中的β的值。
另一种可能的实现方式为:故障概率分布函数的参数(α、β)可以是N组(α、β)的值的中位值。
可选的,在确定故障概率分布函数的参数(α、β)后,还可以通过置信度,从N组(α、β)中筛选出满足置信度的M组(α、β),M为大于等于1的整数。
S102:获取预测条件下的预测荷载率。
其中,预测条件包括:覆冰参数、风速、风向和设计总荷载。
S103:根据预测荷载率和故障概率分布函数,预测故障概率。
本实施例,根据历史样本数据得到故障概率分布函数,其中,历史样本数据中包含:覆冰参数、风速、风向、设计总荷载和故障值;获取预测条件下的预测荷载率,预测条件包括:覆冰参数、风速、风向和设计总荷载;根据预测荷载率和故障概率分布函数,预测故障概率。由于故障概率分布函数是根据大量的历史样本数据得到的,因此,根据预测条件下的预测荷载率和故障分布函数能够更精确地预测出故障概率,及时地对覆冰灾害提出预警,提高了电网运行的稳定性和可靠性。
以某区域电网为例,实施本公开的技术方案,包括:
统计过去十年的输电线路覆冰故障的数据,建立历史样本数据,历史样本数据中包含:覆冰参数、风速、风向等观测数据、设计总荷载和故障值。
建立覆冰条件下输电线路塔线受力模型,根据历史样本数据中各样本点的覆冰参数、风速、风向等数据,确定样本总荷载。
根据输电线路所在的地区和行业规范确定输电线路的设计冰厚和设计风速,获取输电线路的设计总荷载。
根据确定各样本点的荷载率。其中,R为荷载率,f(Tice,Vwind,θwind)为根据塔线有限元受力模型计算样本总荷载的函数,S为设计总荷载。历史样本数据中输电线路的荷载率和故障值的点据图,如图3所示。
根据泊松分布的概率函数构建输电线路覆冰故障概率密度函数采用MCMC方法对历史样本数据进行抽样,确定N组(α、β),N为大于等于1的整数,根据N组(α、β)的平均值确定故障概率分布函数的参数(α、β)。输电线路覆冰故障概率分布如图4所示。
其中,曲线401是参数(α、β)对应的故障概率,阴影部分是根据泊松分布95%的置信度确定的M组(α,β)对应的故障概率。
根据电网微地形覆冰数值预测结果,2018年1月22日预测得到1月25-29日500kV输电线路A覆冰较严重。根据获取预测条件下的输电线路A的预测荷载率,其中,R为预测荷载率,Tice为预测条件下的覆冰参数,Vwind为预测条件下的风速,θwind为预测条件下的风向,S为输电线路A的设计总荷载。
根据预测故障概率,及时发出预警,通知现场提前采取融冰措施,有效地避免了输电线路出现倒塔断线故障,提高了电网运行的稳定性和可靠性。
图5为本公开提供的一种输电线路覆冰故障预测的装置的结构示意图,本实施例的装置包括:处理模块501和获取模块502。
其中,处理模块501,用于根据历史样本数据得到故障概率分布函数,其中,所述历史样本数据中包含:覆冰参数、风速、风向、设计总荷载和故障值;
获取模块502,用于获取预测条件下的预测荷载率,所述预测条件包括:覆冰参数、风速、风向和设计总荷载;
处理模块501,还用于根据所述预测荷载率和所述故障概率分布函数,预测故障概率。
可选的,处理模块501具体用于根据覆冰参数、风速、风向和塔线有限元受力模型,确定样本总荷载;根据所述样本总荷载和所述设计总荷载,确定荷载率;根据所述荷载率和故障值,确定故障概率分布函数。
其中,R为所述荷载率,f(Tice,Vwind,θwind)为计算所述样本总荷载的函数,Tice为所述覆冰参数,Vwind为所述风速,θwind为所述风向,S为所述设计总荷载。
其中,P(Y|R)为所述故障概率分布函数,Y为所述故障值,R为所述荷载率,β和α为泊松分布函数的两个参数。
本实施例的装置对应的可用于执行上述图1到图4任一所示方法的技术方案,其实现原理和技术效果类似,此处不再赘述。
本公开实施例提供了一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时可以实现图1到图4任一所示方法的技术方案,其实现原理和技术效果类似,此处不再赘述。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现图1到图4任一所示方法实施例的技术方案。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种输电线路覆冰故障预测的方法,其特征在于,包括:
根据历史样本数据得到故障概率分布函数,其中,所述历史样本数据中包含:覆冰参数、风速、风向、设计总荷载和故障值;
获取预测条件下的预测荷载率,所述预测条件包括:覆冰参数、风速、风向和设计总荷载;
根据所述预测荷载率和所述故障概率分布函数,预测故障概率。
2.根据权利要求1所述的方法,其特征在于,所述根据历史样本数据得到故障概率分布函数,包括:
根据覆冰参数、风速、风向和塔线有限元受力模型,确定样本总荷载;
根据所述样本总荷载和所述设计总荷载,确定荷载率;
根据所述荷载率和故障值,确定故障概率分布函数。
5.一种输电线路覆冰故障预测的装置,其特征在于,包括:
处理模块,用于根据历史样本数据得到故障概率分布函数,其中,所述历史样本数据中包含:覆冰参数、风速、风向、设计总荷载和故障值;
获取模块,用于获取预测条件下的预测荷载率,所述预测条件包括:覆冰参数、风速、风向和设计总荷载;
所述处理模块,还用于根据所述预测荷载率和所述故障概率分布函数,预测故障概率。
6.根据权利要求5所述的装置,其特征在于,所述处理模块具体用于根据覆冰参数、风速、风向和塔线有限元受力模型,确定样本总荷载;根据所述样本总荷载和所述设计总荷载,确定荷载率;根据所述荷载率和故障值,确定故障概率分布函数。
9.一种计算机设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-4任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-4任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011448613.3A CN112464536A (zh) | 2020-12-09 | 2020-12-09 | 输电线路覆冰故障预测的方法、装置、计算机设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011448613.3A CN112464536A (zh) | 2020-12-09 | 2020-12-09 | 输电线路覆冰故障预测的方法、装置、计算机设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112464536A true CN112464536A (zh) | 2021-03-09 |
Family
ID=74800657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011448613.3A Pending CN112464536A (zh) | 2020-12-09 | 2020-12-09 | 输电线路覆冰故障预测的方法、装置、计算机设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112464536A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117494026A (zh) * | 2023-12-28 | 2024-02-02 | 国网浙江省电力有限公司金华供电公司 | 寒潮气象下输电线路覆冰故障定位方法、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678865A (zh) * | 2013-08-28 | 2014-03-26 | 南京南瑞集团公司 | 一种冻雨引发输电线路故障的故障概率在线评估方法 |
CN106650011A (zh) * | 2016-11-21 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 输电线路覆冰灾害发展趋势预测系统 |
CN110136023A (zh) * | 2019-03-28 | 2019-08-16 | 清华大学 | 基于自适应增强学习的输电线路覆冰风险预测 |
CN111444240A (zh) * | 2020-03-26 | 2020-07-24 | 北京国网富达科技发展有限责任公司 | 输电线路故障预警方法及装置 |
CN111460389A (zh) * | 2020-05-13 | 2020-07-28 | 国网安徽省电力有限公司 | 一种覆冰导线舞动跳闸概率计算方法 |
CN111815476A (zh) * | 2020-07-03 | 2020-10-23 | 国网新疆电力有限公司电力科学研究院 | 基于极端冰灾的电网薄弱环节识别方法及装置 |
-
2020
- 2020-12-09 CN CN202011448613.3A patent/CN112464536A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678865A (zh) * | 2013-08-28 | 2014-03-26 | 南京南瑞集团公司 | 一种冻雨引发输电线路故障的故障概率在线评估方法 |
CN106650011A (zh) * | 2016-11-21 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 输电线路覆冰灾害发展趋势预测系统 |
CN110136023A (zh) * | 2019-03-28 | 2019-08-16 | 清华大学 | 基于自适应增强学习的输电线路覆冰风险预测 |
CN111444240A (zh) * | 2020-03-26 | 2020-07-24 | 北京国网富达科技发展有限责任公司 | 输电线路故障预警方法及装置 |
CN111460389A (zh) * | 2020-05-13 | 2020-07-28 | 国网安徽省电力有限公司 | 一种覆冰导线舞动跳闸概率计算方法 |
CN111815476A (zh) * | 2020-07-03 | 2020-10-23 | 国网新疆电力有限公司电力科学研究院 | 基于极端冰灾的电网薄弱环节识别方法及装置 |
Non-Patent Citations (3)
Title |
---|
JIAZHENG LU 等: "Research and application of efficient risk analysis method for electric power grid multiple faults under widespread wildfire disasters", 《INTERNATIONAL TRANSACTIONS ON ELECTRICAL ENERGY SYSTEMS》 * |
朱斌 等: "考虑融冰因素的输电线路覆冰故障概率计算", 《电力系统保护与控制》 * |
王燕 等: "覆冰情况下输电线路有限元计算及其结构优化", 《电力系统保护与控制》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117494026A (zh) * | 2023-12-28 | 2024-02-02 | 国网浙江省电力有限公司金华供电公司 | 寒潮气象下输电线路覆冰故障定位方法、系统及存储介质 |
CN117494026B (zh) * | 2023-12-28 | 2024-04-05 | 国网浙江省电力有限公司金华供电公司 | 寒潮气象下输电线路覆冰故障定位方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102938021B (zh) | 一种输电线路覆冰负荷定量估计及预测方法 | |
US11066087B2 (en) | Maintenance assistance system and maintenance assistance method for railroad ground equipment | |
CN101789039B (zh) | 继电保护设备可用率和最优检修周期的计算方法 | |
CN105631578A (zh) | 一种面向风险评估的输变电设备故障概率模型的建模方法 | |
CN102831752B (zh) | 一种冰湖溃决预警方法 | |
CN104200288A (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
CN104809511A (zh) | 绝缘子污染预测方法及设备 | |
CN105279612A (zh) | 一种基于泊松分布的输电线路跳闸风险评估方法 | |
CN102252843A (zh) | 一种滚动轴承性能变异的评估方法 | |
CN103279808A (zh) | 恶劣天气下的电力系统线路状态转移概率预测分析方法 | |
US11143793B2 (en) | Storm outage management system | |
CN112001625A (zh) | 一种冰灾下输电系统的全时段韧性增强方法 | |
Tomaszewski et al. | The study of weather conditions favourable to the accretion of icing that pose a threat to transmission power lines | |
CN112464536A (zh) | 输电线路覆冰故障预测的方法、装置、计算机设备和介质 | |
CN114548601A (zh) | 基于bp神经网络的配电网极端灾害下停电预测方法及系统 | |
CN114912355A (zh) | 输电线路短期覆冰预测方法、装置和存储介质 | |
CN104574211A (zh) | 基于风险源的电网调度操作风险预警方法和系统 | |
Wilkinson et al. | Consequence forecasting: A rational framework for predicting the consequences of approaching storms | |
CN107368979B (zh) | 一种天气敏感型区域配电网扰动事件预测方法及装置 | |
CN116756505A (zh) | 一种基于大数据的光伏设备智能管理系统及方法 | |
CN116205342A (zh) | 基于精细化预测的电力气象预警方法 | |
CN113268867B (zh) | 一种基于水热组合的冰川泥石流区域预警方法 | |
CN101923605B (zh) | 铁路防灾风预警方法 | |
CN114594532A (zh) | 一种寒潮天气预测方法、装置、电子设备及计算机可读介质 | |
CN104615868A (zh) | 一种输电线路覆冰有无判别和覆冰厚度预报方法 |
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: 20210309 |
|
RJ01 | Rejection of invention patent application after publication |