CN112613684B - 一种基于配网故障预测的特殊差异化运维方法 - Google Patents
一种基于配网故障预测的特殊差异化运维方法 Download PDFInfo
- Publication number
- CN112613684B CN112613684B CN202011640889.1A CN202011640889A CN112613684B CN 112613684 B CN112613684 B CN 112613684B CN 202011640889 A CN202011640889 A CN 202011640889A CN 112613684 B CN112613684 B CN 112613684B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- weather
- network fault
- risk
- prediction
- 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
- 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
- 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
-
- 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
-
- 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
本发明公开了一种基于配网故障预测的特殊差异化运维方法,包括,通过气象局获取天气预测参数,并结合配网故障风险预测模型获得配网故障风险等级预测结果和天气特征重要性排序结果;根据所述天气特征重要性排序结果与所述配网故障风险等级预测结果确定相应的管控系数;根据所述配网故障风险等级预测结果和所述管控系数确定天气风险矩阵系数;根据所述天气风险矩阵系数和恶劣天气类别确定配网设备特殊差异化巡维周期。本发明通过结合配网故障预测策略提高了配网设备运维效率,同时减少了运维工作量。
Description
技术领域
本发明涉及配电网运维的技术领域,尤其涉及一种基于配网故障预测的特殊差异化运维方法。
背景技术
目前有关配网设备差异化运维的研究大多数围绕于配网设备的风险评估方法,有学者使用层次分析法,通过配网设备的状态量逐级评估配网设备风险,从而得到差异化运维策略;也有学者总结了某配电网的故障模式,提出了基于可靠性的配网设备运维方案。
但以上方案都是围绕设备状态展开的差异化运维方法研究,缺乏基于配网故障预测的不同天气风险下的差异化运维方法研究;且电力公司主要通过日常运维去保持设备的可靠性,这种方法费事费力、针对性不强。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明提供了一种基于配网故障预测的特殊差异化运维方法,能够解决现有运维方案针对性不强、运维效率低的问题。
为解决上述技术问题,本发明提供如下技术方案:包括,通过气象局获取天气预测参数,并结合配网故障风险预测模型获得配网故障风险等级预测结果和天气特征重要性排序结果;根据所述天气特征重要性排序结果与所述配网故障风险等级预测结果确定相应的管控系数;根据所述配网故障风险等级预测结果和所述管控系数确定天气风险矩阵系数;根据所述天气风险矩阵系数和恶劣天气类别确定配网设备特殊差异化巡维周期。
作为本发明所述的基于配网故障预测的特殊差异化运维方法的一种优选方案,其中:所述配网故障风险预测模型包括,基于随机森林构建所述配网故障风险预测模型r(x):
其中,N为树的数目,x为模型输入,hi(θi,x)为学习器,θi是与所述x同分布的独立随机变量,i为学习器的个数。
作为本发明所述的基于配网故障预测的特殊差异化运维方法的一种优选方案,其中:所述配网故障风险等级预测结果包括,若所述配网故障风险等级预测结果不为0,判定恶劣天气类别;若所述配网故障风险等级预测结果为0,则不进行任何操作。
作为本发明所述的基于配网故障预测的特殊差异化运维方法的一种优选方案,其中:所述判定恶劣天气类别包括,若平均风速≥2m/s或最大风速≥4.9m/s,则判定所述恶劣天气类别为大风天气;若平均降雨量>0或最大降雨量>0,则判定所述恶劣天气类别为降雨天气;若一周内的雷电天数>0,则判定所述恶劣天气类别为雷电天气。
作为本发明所述的基于配网故障预测的特殊差异化运维方法的一种优选方案,其中:所述天气特征重要性排序结果包括,特征重要程度依次为:最大风速,平均风速,平均降雨量,最大降雨量,一周内的雷电天数。
作为本发明所述的基于配网故障预测的特殊差异化运维方法的一种优选方案,其中:所述管控系数包括,当所述配网故障风险等级预测结果为0时,分别定义风险管控系数:0级风险时的无特殊巡维安排,1级风险时的管控系数为1,2级风险时的管控系数为1/2;当所述配网故障风险等级预测结果不为0时,结合天气特征重要性排序结果,分别恶劣天气的管控系数:定义大风天气的管控系数为1/2,降雨天气的管控系数为1,雷电天气的管控系数为1。
作为本发明所述的基于配网故障预测的特殊差异化运维方法的一种优选方案,其中:还包括,所述管控系数为1表示一个基础周期巡视一次,所述管控系数为1/2表示一个基础周期巡视两次。
作为本发明所述的基于配网故障预测的特殊差异化运维方法的一种优选方案,其中:所述天气风险矩阵系数包括,
作为本发明所述的基于配网故障预测的特殊差异化运维方法的一种优选方案,其中:所述配网设备特殊差异化巡维周期包括,大风天气:0级风险时周期为0,1级风险时为一周两次,2级风险时为一周两次;降雨天气:0级风险时周期为0,1级风险时为一周一次,2级风险时为一周两次;雷电天气:0级风险时周期为0,1级风险时为一周一次,2级风险时为一周两次。
本发明的有益效果:能够将预测结果和设备风险评估结果同时应用于配网设备差异化运维方案的制定,及时发现配网设备存在的隐患,降低配网设备故障的概率,相对提高配网设备运维效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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它的附图。其中:
图1为本发明第一个实施例所述的一种基于配网故障预测的特殊差异化运维方法的流程示意图;
图2为本发明第一个实施例所述的一种基于配网故障预测的特殊差异化运维方法的与风有关的故障情况下平均风速分布示意图;
图3为本发明第一个实施例所述的一种基于配网故障预测的特殊差异化运维方法的与风有关的故障情况下最大风速分示意图;
图4为本发明第一个实施例所述的一种基于配网故障预测的特殊差异化运维方法的与降雨有关的故障情况下平均降雨量分布示意图;
图5为本发明第一个实施例所述的一种基于配网故障预测的特殊差异化运维方法的与降雨有关的故障情况下日降水量极值分布示意图;
图6为本发明第一个实施例所述的一种基于配网故障预测的特殊差异化运维方法的与雷电有关的故障情况下一周内的雷暴天数分布示意图;
图7为本发明第一个实施例所述的一种基于配网故障预测的特殊差异化运维方法的天气特征重要性排序结果示意图;
图8为本发明第一个实施例所述的一种基于配网故障预测的特殊差异化运维方法的恶劣天气下的特巡范围示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1~图8,为本发明的第一个实施例,该实施例提供了一种基于配网故障预测的特殊差异化运维方法,包括:
S1:通过气象局获取天气预测参数,并结合配网故障风险预测模型获得配网故障风险等级预测结果和天气特征重要性排序结果。
选择中心气象站的观测数据作为天气预测参数的来源,并将获取到的天气预测数据输入到基于随机森林的配网故障风险预测模型,考虑到天气预报在一周内比较准确,因此将模型的预测周期设置为一周。
具体的,基于随机森林构建配网故障风险预测模型r(x):
其中,N为树的数目,x为模型输入,hi(θi,x)为学习器,θi是与x同分布的独立随机变量,i为学习器的个数。
需要说明的是,随机森林是由Breiman引入的机器学习技术,随机森林的目标是去寻找一个决策函数,其定义为r(x)=E[Y|X=x],其中d>2;决策函数根据给定的输入X,给出Y的分类/回归值,在随机森林中,使用多个基本学习器hi(θi,x)来计算决策函数;每一个学习器hi(θi,x)是一个分类/回归树,并且固定数目的树被集成进一个分类器/预测器,即构成了森林,最终随机森林的分类/预测决策函数通过汇总每个树的响应而获得。
进一步的,通过配网故障风险预测模型输出获得配网故障风险等级预测结果和天气特征重要性排序结果。
当配网故障风险等级预测结果为0时,不进行任何操作;当配网故障风险等级预测结果不为0时,表示存在与恶劣天气相关的故障风险,配网设备特殊差异化运维的周期将基于配网故障风险等级预测结果生成,但特殊巡维的具体类型仍需要另外确定,为了确定具体的特殊巡维类型,需要对预测恶劣天气的类别进行判定,通过对恶劣天气的判定保证所有与恶劣天气相关的故障情况发生前均有相应的特巡安排。
当天气引起的故障等级不为0时,发生与大风天气相关的故障情况下平均风速与最大风速的分布情况分别如图2、图3所示,其中,图2中一个点代表一个存在大风天气相关故障的样本,纵坐标表示该周期内平均风速的大小,平均风速的最小值为2m/s;图3中一个点代表一个存在大风天气相关故障的样本,纵坐标表示该周期内最大风速的大小,最大风速的最小值为4.9m/s;可见,在配网故障风险等级预测结果不为0的情况下,当平均风速≥2m/s或最大风速≥4.9m/s时,可认为造成配网设备故障的恶劣天气类型可能是大风天气,需要安排相应的防风特巡。
当天气引起的故障等级不为0时,发生与降雨相关的故障情况下平均降雨量与日降水量极值的分布情况如图4、图5所示;其中,图4中一个点代表一个存在降雨天气相关故障的样本,纵坐标表示该周期内降雨量均值的大小,平均降雨量的最小值为0.1mm;图5中一个点代表每个存在与大风天气相关的故障的样本,纵坐标表示该周期内平均风速的大小,日降水量极值的最小值为0.1mm;分析可知,只要有降雨天气,均可能造成配电网发生与降雨有关的故障;可见,在配网故障风险等级预测结果不为0的情况下,当平均降雨量或最大降雨量>0时,可认为造成配网设备故障的恶劣天气类型可能是降雨天气,需要安排相应的防雨特巡。
当天气引起的故障等级不为0时,发生与雷电相关的故障情况下一周内的雷电天数分布情况如图6所示,图6中,横坐标表示一周内的雷暴天数,纵坐标表示存在与雷电天气相关的故障的周的个数;分析可知,只要有雷电天气,均可能造成配电网发生与雷电有关的故障;可见,在配网故障风险等级预测结果不为0的情况下,当一周内的雷暴天数>0时,可认为造成配网设备故障的恶劣天气类型可能是雷电天气,需要安排相应的防雷特巡。
通过配网故障风险预测模型获得的天气特征重要程度的排序结果如图7所示,该图横坐标为特征标号,纵坐标为对预测结果的贡献程度,各特征贡献程度之和为1。
其中,将五个天气特征作为预测模型的输入变量,分别为:①特征0:平均风速;②特征1:最大风速;③特征2:平均降雨量;④特征3:最大降雨量;⑤特征4:一周内的雷电天数。
由图7可以看出,特征重要程度依次为:最大风速,平均风速,平均降雨量,最大降雨量,一周内的雷电天数,由此可知,大风天气相比降雨天气和雷电天气更容易导致配网高风险故障水平的出现,因此,在同样的配网故障风险等级下,大风天气相比降雨天气和雷电天气管控级别更高,需要更多次数的特殊巡维。
S2:根据天气特征重要性排序结果与配网故障风险等级预测结果确定相应的管控系数。
天气管控系数是根据恶劣天气可能造成的配网故障风险级别确定的,表现为设备的特殊巡维周期与特殊巡维基础周期的比值,基础周期内恶劣天气可能造成的配网故障风险级别越低,该周期内对恶劣天气的管控系数越高,管控周期越长。
具体的,根据配网故障风险等级预测结果确定具体管控系数:
①对于配网故障风险等级预测结果,确定0级风险时的无特殊巡维安排,1级风险时的管控系数为1,2级风险时的管控系数为1/2。
②对于恶劣天气,结合天气特征重要性排序结果,确定大风天气的管控系数为1/2,降雨天气的管控系数为1,雷电天气的管控系数为1。
其中,系数为1表示一个基础周期巡视一次,系数为1/2表示一个基础周期巡视两次。
S3:根据配网故障风险等级预测结果和管控系数确定天气风险矩阵系数。
结合配网故障风险等级与各恶劣天气的管控系数形成天气风险矩阵,具体的,天气风险矩阵系数如下表所示。
表1:天气风险矩阵系数表。
S4:根据天气风险矩阵系数和恶劣天气类别确定配网设备特殊差异化巡维周期。
由于配网故障风险预测模型的预测周期为一周,因此确定恶劣天气下的特殊巡维基础周期为一周。
具体的,由天气风险矩阵系数确定配网设备特殊差异化巡维的周期如表2所示,其中,大风天气对应防风特巡,降雨天气对应防雨特巡,雷电天气对应防雷特巡。
表2:恶劣天气下的特殊巡维周期表。
进一步的,结合配网设备特殊差异化巡维的周期,整理特殊巡维内容,开展运维工作。
具体的,特殊巡维范围与巡维内容分别如下:
(1)特殊巡维的主要范围:在相应的恶劣天气情况下可能发生故障的设备,参照图8。
(2)特殊巡维的主要内容主要分为防风特巡、防雨特巡、防雷特巡三部分,具体内容如下表:
表3:特殊巡维的主要内容。
实施例2
为了对本方法中采用的技术效果加以验证说明,本实施例选择传统的运维方法和本方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
传统的运维方法运维效率低,针对性不强。
为验证本方法相对传统的运维方法具有较高运维效率,本实施例中将采用传统的运维方法和本方法分别对某供电局电缆线路的运维工作效率提升度进行计算对比。
以某供电局电缆线路的运维工作量为算例,分别计算两种方法的运维工作效率;该供电局共2个运维班组14人,共负责72回电缆线路的运维工作,运维方法实施前人员配置、运维工作量等数据见表4、表5。
表4:基本参数表。
班组 | 运维人员数量 | 地区 | 电缆线路回数 | 平均巡维时长 |
班组1 | 7 | 农村 | 32回 | 1.7h |
班组2 | 7 | 市区 | 40回 | 1.3h |
表5:定期运维工作量表。
班组 | 正常巡视周期 | 年巡维次数 | 人均年巡维次数 | 年巡维时间 | 人均年巡维时间 |
班组1 | 2次/1月 | 350 | 50 | 850h | 121.4h |
班组2 | 2次/1月 | 482 | 69 | 626.6h | 89.5h |
由表5可知,运维方法实施前,按2次/1月的巡视周期开展电缆线路运维工作,则全局全年电缆线路巡维时间为1476.6h,人均年巡维时间为210.9h。
分别采用传统的运维方法和本方法的运维周期进行计算,得到该供电局所有电缆线路全年运维工作量,结果如下表。
表6:电缆线路开展差异化运维工作量对比表。
由上表可知,实施本方法和传统的运维方法后该供电局的运维工作量明显减少,且本方法相较于传统的运维方法而言,运维工作量大幅度减轻;相较于传统的运维方法,实施本方法后该供电局仅电缆线路的年巡维次数减少150次,人均巡维次数减少21次,年巡维时间减少236h,人均年巡维时间减少33.7h,总体减少约23%的运维工作量,从而验证了本方法可减少运维人员的工作量,提升运维效率。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于配网故障预测的特殊差异化运维方法,其特征在于:包括,
通过气象局获取天气预测参数,并结合配网故障风险预测模型获得配网故障风险等级预测结果和天气特征重要性排序结果;
根据所述天气特征重要性排序结果与所述配网故障风险等级预测结果确定相应的管控系数;
所述管控系数包括,
当所述配网故障风险等级预测结果为0时,分别定义风险管控系数:
0级风险时的无特殊巡维安排,1级风险时的管控系数为1,2级风险时的管控系数为1/2;
当所述配网故障风险等级预测结果不为0时,结合天气特征重要性排序结果,分别恶劣天气的管控系数:
定义大风天气的管控系数为1/2,降雨天气的管控系数为1,雷电天气的管控系数为1;
根据所述配网故障风险等级预测结果和所述管控系数确定天气风险矩阵系数;
所述天气风险矩阵系数包括,
根据所述天气风险矩阵系数、恶劣天气类别和所述配网故障风险等级预测结果确定配网设备特殊差异化巡维周期;
所述配网设备特殊差异化巡维周期包括,
大风天气:0级风险时周期为0,1级风险时为一周两次,2级风险时为一周两次;
降雨天气:0级风险时周期为0,1级风险时为一周一次,2级风险时为一周两次;
雷电天气:0级风险时周期为0,1级风险时为一周一次,2级风险时为一周两次。
3.如权利要求1所述的基于配网故障预测的特殊差异化运维方法,其特征在于:所述配网故障风险等级预测结果包括,
若所述配网故障风险等级预测结果不为0,判定恶劣天气类别;若所述配网故障风险等级预测结果为0,则不进行任何操作。
4.如权利要求3所述的基于配网故障预测的特殊差异化运维方法,其特征在于:所述判定恶劣天气类别包括,
若平均风速≥2m/s或最大风速≥4.9m/s,则判定所述恶劣天气类别为大风天气;
若平均降雨量>0或最大降雨量>0,则判定所述恶劣天气类别为降雨天气;
若一周内的雷电天数>0,则判定所述恶劣天气类别为雷电天气。
5.如权利要求2、3、4任一所述的基于配网故障预测的特殊差异化运维方法,其特征在于:所述天气特征重要性排序结果包括,
特征重要程度依次为:最大风速,平均风速,平均降雨量,最大降雨量,一周内的雷电天数。
6.如权利要求5所述的基于配网故障预测的特殊差异化运维方法,其特征在于:还包括,
所述管控系数为1表示一个基础周期巡视一次,所述管控系数为1/2表示一个基础周期巡视两次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640889.1A CN112613684B (zh) | 2020-12-31 | 2020-12-31 | 一种基于配网故障预测的特殊差异化运维方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640889.1A CN112613684B (zh) | 2020-12-31 | 2020-12-31 | 一种基于配网故障预测的特殊差异化运维方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112613684A CN112613684A (zh) | 2021-04-06 |
CN112613684B true CN112613684B (zh) | 2022-12-27 |
Family
ID=75253149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011640889.1A Active CN112613684B (zh) | 2020-12-31 | 2020-12-31 | 一种基于配网故障预测的特殊差异化运维方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613684B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408656B (zh) * | 2021-07-14 | 2022-12-27 | 广东电网有限责任公司广州供电局 | 一种适用于由气象变化引起电力故障级别分类方法 |
CN117239938B (zh) * | 2023-11-13 | 2024-02-23 | 国网浙江省电力有限公司杭州供电公司 | 一种配电站的巡检控制方法、装置、系统、设备及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156881A (zh) * | 2014-06-20 | 2014-11-19 | 天津大学 | 配电网故障风险综合评估方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2014302023A1 (en) * | 2013-06-26 | 2016-02-11 | Climate Risk Pty Ltd | Computer implemented frameworks and methodologies for enabling risk analysis for a system comprising physical assets |
WO2015166637A1 (ja) * | 2014-04-28 | 2015-11-05 | 日本電気株式会社 | メンテナンス時期決定装置、劣化予測システム、劣化予測方法および記録媒体 |
CN104463692A (zh) * | 2014-11-04 | 2015-03-25 | 华南理工大学 | 考虑实时气象雷暴信息的高压输电线路故障风险排序方法 |
US10445673B1 (en) * | 2018-03-15 | 2019-10-15 | American Public Power Assocation Inc. | Predictive models for electric power grid maintenance |
CN109948925A (zh) * | 2019-03-13 | 2019-06-28 | 南京邮电大学 | 考虑天气影响的电力通信系统可靠性评估方法 |
CN110889565B (zh) * | 2019-12-19 | 2022-04-26 | 云南电网有限责任公司信息中心 | 一种基于多维矩阵决策的配网巡检周期计算方法 |
-
2020
- 2020-12-31 CN CN202011640889.1A patent/CN112613684B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156881A (zh) * | 2014-06-20 | 2014-11-19 | 天津大学 | 配电网故障风险综合评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112613684A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106777984B (zh) | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 | |
CN107992962B (zh) | 一种基于熵权法的输电线路防雷措施优化选择方法 | |
CN112613684B (zh) | 一种基于配网故障预测的特殊差异化运维方法 | |
CN110598726A (zh) | 一种基于随机森林的输电杆塔鸟害风险预测方法 | |
Ohba et al. | Impacts of synoptic circulation patterns on wind power ramp events in East Japan | |
CN104091209B (zh) | 基于bp神经网络的风电机组功率特性评估方法 | |
CN106203867A (zh) | 基于配电网评价指标体系和聚类分析的电网区域划分方法 | |
CN110378549B (zh) | 一种基于fahp-熵权法的输电杆塔鸟害等级评估方法 | |
CN108898251A (zh) | 考虑气象相似性和功率波动的海上风电场功率预测方法 | |
CN112287018B (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及系统 | |
CN111488896B (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
CN107394809A (zh) | 基于风速时间周期特征的风电并网系统风险评估方法 | |
CN109064056B (zh) | 一种基于灰色关联分析法的输电线路防雷措施选择方法 | |
CN113657662B (zh) | 一种基于数据融合的降尺度风电功率预测方法 | |
CN109657966A (zh) | 基于模糊测度评价的输电线路风险复合评估方法 | |
CN109214604A (zh) | 基于Adaboost的输变电设备的雾霾灾害风险预测方法及系统 | |
CN114202103A (zh) | 一种基于机器学习的节假日景区客流预测方法 | |
CN106768933A (zh) | 一种基于遗传算法的风电机组叶片故障诊断方法 | |
Yang et al. | Spatial differentiation of China’s summer tourist destinations based on climatic suitability using the Universal Thermal Climate Index | |
CN110276536A (zh) | 指数型去模糊化层次分析法的配电网杆塔安全性评估方法 | |
CN110601250A (zh) | 一种基于新能源电站接入点静态电压稳定性评估方法 | |
CN112308425A (zh) | 一种构建配变健康评价指标体系的方法 | |
CN110889565B (zh) | 一种基于多维矩阵决策的配网巡检周期计算方法 | |
Amiri et al. | Farm-wide assessment of wind turbine lifetime extension using detailed tower model and actual operational history | |
CN116663393A (zh) | 一种基于随机森林的配电网持续高温下故障风险等级预测方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210721 Address after: 510000 No. 2 Tianhe Second Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District Applicant before: SHANGHAI JIAO TONG University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |