CN113344347B - 一种低压供电线路健康状态评估方法及系统 - Google Patents

一种低压供电线路健康状态评估方法及系统 Download PDF

Info

Publication number
CN113344347B
CN113344347B CN202110570990.2A CN202110570990A CN113344347B CN 113344347 B CN113344347 B CN 113344347B CN 202110570990 A CN202110570990 A CN 202110570990A CN 113344347 B CN113344347 B CN 113344347B
Authority
CN
China
Prior art keywords
data
impedance
voltage
health
power supply
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
Application number
CN202110570990.2A
Other languages
English (en)
Other versions
CN113344347A (zh
Inventor
余敏琪
申利曼
黄瑞
刘谋海
贺星
陈浩
王智
杨茂涛
柳青
曾文伟
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.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Metering Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Metering Center of State Grid Hunan 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 State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Metering Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110570990.2A priority Critical patent/CN113344347B/zh
Publication of CN113344347A publication Critical patent/CN113344347A/zh
Application granted granted Critical
Publication of CN113344347B publication Critical patent/CN113344347B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Measurement Of Resistance Or Impedance (AREA)

Abstract

本发明公开了一种低压供电线路健康状态评估方法及系统，此方法包括步骤：1)获取低压供电线路的等效电路图；2)依据等效电路图，采集电压电流发生变化前后的电压电流值；3)通过变化前后的电压电流值得到回路阻抗；4)利用FCM聚类算法对单个用户的回路阻抗进行聚类分析，找出有可能出现健康异常状态的数据；5)基于欧式距离对上述有可能出现健康异常状态的数据再次分析，进一步确定线路是否发生异常情况。本发明具有阻抗数据测量准确，工作量少，保障用户正常供电等优点。

Description

一种低压供电线路健康状态评估方法及系统
技术领域
本发明主要涉及电力系统技术领域，具体涉及一种低压供电线路健康状态评估方法及系统。
背景技术
随着社会生产生活的发展，人们的各项需求也随之变大，这其中就需要各行各业之间相互联系，电力行业作为联系各部门的中间纽带，起着不可或缺的作用。近年来，对电能的需求变得越来越大，在使用电能方面也衍生出一系列的用电安全问题，而低压供电线路作为电力系统的终端环节，其健康状态极大的影响着人们的生产和生活。其中线路阻抗参数是表征线路健康度和电力系统稳定性的有效参数，中高压线路的阻抗参数相对于低压线路来说比较固定，而低压供电母线的阻抗参数比较繁杂，测量方法也各种各样，同时还存在丢失数据以及不准确信息的情况。
在电力系统中，对阻抗的研究常用的方法有经验法、实际测量方法以及等值模型估计等方法。其中经验法相对来讲误差较大。实际测量法需要相应测量设备，操作复杂。等值模型估计法依赖线路的整体的电路结构，与实际生产中的线路不是完美匹配，所以计算起来也会有相应偏差。鉴于以上几种方法的缺陷，所以用上述方法的测量结果来评判线路的健康状态也会不准确。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的问题，本发明提供一种测量精准、工作量少的低压供电线路健康状态评估方法及系统。
为解决上述技术问题，本发明提出的技术方案为：
一种低压供电线路健康状态评估方法，包括步骤：
1)获取低压供电线路的等效电路图；
2)依据等效电路图，采集电压电流发生变化前后的电压电流值；
3)通过变化前后的电压电流值得到回路阻抗；
4)利用FCM聚类算法对单个用户的回路阻抗进行聚类分析，找出有可能出现健康异常状态的数据；
5)基于欧式距离对上述有可能出现健康异常状态的数据再次分析，进一步确定线路是否发生异常情况。
优选地，步骤4)的具体过程为：
4.1)获取每个用户线路的阻抗数据，并进行预处理，绘制阻抗曲线；
根据台区内各用户的阻抗情况，将历史正常阻抗数据作为参考值而得到基准阻抗曲线；
4.2)设置聚类类别以及相应误差阈值；
4.3)将单个用户的阻抗曲线与多条基准阻抗曲线，作为FCM聚类算法的输入数据，进行聚类分析，一类为线路阻抗发生了健康异常情况，另一类则没有发生健康异常情况，得到相应的聚类结果；
4.4)对于聚类结果中聚类中心较低的数据如果大于设定值，则可以确定用户的阻抗出现健康异常。
优选地，对应的聚类分析过程为：
4.3.1)输入每个再电气能源消费终端的用电量曲线，并加入多条全零日用电量；
4.3.2)初始化隶属度矩阵：采用随机生成n×c个0到1之间的随机数，并使其每一行的和为1，表示每条数据对不同聚类中心的隶属度和为1；其中n表示数据的个数；c表示聚类类别数；
设置初始隶属度中心
上述式中，b＝1，表示初始化隶属度矩阵，表示第j条数据对第i簇的归属度；m表示模糊权重指数，通常取m∈[1.5,2.5]；xj表示第j条数据，/>表示初始聚类中心；
4.3.3)进一步得到更新隶属度矩阵
上述式子，表示第b+1次更新后的隶属度矩阵，表示第j条数据对第i簇的归属度；c表示聚类类别数；/>表示第b次更新后的第j条数据与第i簇的中心/>的欧氏距离；/>表示第b次更新后的第j条数据与第l簇的中心/>的欧氏距离；
4.3.4)根据当前隶属度矩阵再次更新聚类中心，如下公式：
其中，表示第b+1更新后，第i簇的聚类中心；/>表示第b+1次更新后的隶属度矩阵，表示第j条数据对第i簇的归属度；
4.4.4)判断是否满足阈值条件：当Vb和Vb+1的欧氏距离差不小于设定的阈值条件时，重复对应步骤，继续循环迭代更新隶属度矩阵和聚类中心，直到满足阈值条件；标准化隶属度矩阵U，当i定时，uij(j＝1,2,…,c)中最大的值为1，其它值为0，使第i条数据完全隶属于第j类；
4.4.5)最后输出标准化后的隶属度矩阵和聚类中心；
4.4.6)输出聚类结果。
优选地，步骤5)的具体过程为：根据上述得到的有可能出现健康异常状态的数据，计算该数据与正常数据的欧式距离；如果两条曲线的欧式距离大于正常曲线与m倍的阻抗曲线的欧式距离时，则认为该条数据为线路阻抗健康异常数据，其中m小于1。
优选地，在步骤2)中，在采集电压电流发生变化前后的电压电流值之后，对电压电流值进行标准化处理。
优选地，在步骤3)中，通过变化前后的电压电流值得到回路阻抗的计算公式为：
其中R为回路阻抗，ΔU为电压变化量，ΔI为电流变化量。
本发明还公开了一种低压供电线路健康状态评估系统，包括：
第一模块，用于获取低压供电线路的等效电路图；
第二模块，用于依据等效电路图，采集电压电流发生变化前后的电压电流值；
第三模块，用于通过变化前后的电压电流值得到回路阻抗；
第四模块，用于利用FCM聚类算法对单个用户的回路阻抗进行聚类分析，找出有可能出现健康异常状态的数据；
第五模块，用于基于欧式距离对上述有可能出现健康异常状态的数据再次分析，进一步确定线路是否发生异常情况。
本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述的低压供电线路健康状态评估方法的步骤。
本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述的低压供电线路健康状态评估方法的步骤。
与现有技术相比，本发明的优点在于：
本发明通过监测电流和电压的的变化量来计算线路的回路阻抗，与线路的基准阻抗作为输入数据，运用FCM算法，进行聚类分析，找到线路阻抗可能出现健康异常的数据，并再次基于欧式距离进行分析判断，相对于传统的监测线路阻抗的方法，此方法具有阻抗数据测量准确，清洁廉价，不需要用其他很多额外的设备等优点，而且极大的减少工作量。由于对台区阻抗异常数据能够进行精准提取，与现代社会日新月异的技术相匹配，能够预防很多由于阻抗异常而发生的各种不良事故，对于保障用户正常供电，确保供电企业的稳定运行具有及其重要的意义。
附图说明
图1为本发明的方法在实施例的流程图。
图2为本发明中的低压供电线路的等效电路图。
具体实施方式
如图1所示，本实施例的低压供电线路健康状态评估方法，包括步骤：
1)获取低压供电线路的等效电路图；
2)依据等效电路图，采集电压电流发生变化前后的电压电流值；
3)通过变化前后的电压电流值得到回路阻抗；
4)利用FCM聚类算法对单个用户的回路阻抗进行聚类分析，找出有可能出现健康异常状态的数据；
5)基于欧式距离对上述有可能出现健康异常状态的数据再次分析，进一步确定线路是否发生异常情况。
低压供电线路阻抗包含着丰富的信息，阻抗的大小与线路的老化和破损等异常情况密切相关，所以通过对线路阻抗的监测来评估线路的健康状态有着极其重要的意义。
本发明通过监测电流和电压的的变化量来计算线路的回路阻抗，与线路的基准阻抗作为输入数据，运用FCM算法，进行聚类分析，找到线路阻抗可能出现健康异常的数据，并再次基于欧式距离进行分析判断，相对于传统的监测线路阻抗的方法，此方法具有阻抗数据测量准确，清洁廉价，不需要用其他很多额外的设备等优点，而且极大的减少工作量。由于对台区阻抗异常数据能够进行精准提取，与现代社会日新月异的技术相匹配，能够预防很多由于阻抗异常而发生的各种不良事故，对于保障用户正常供电，确保供电企业的稳定运行具有及其重要的意义。
在一具体实施例中，步骤4)的具体过程为：
4.1)获取每个用户线路的阻抗数据，并进行预处理，绘制阻抗曲线；
根据台区内各用户的阻抗情况，将历史正常阻抗数据作为参考值而得到基准阻抗曲线；
4.2)设置聚类类别以及相应误差阈值；
4.3)将单个用户的阻抗曲线与多条基准阻抗曲线，作为FCM聚类算法的输入数据，进行聚类分析，一类为线路阻抗发生了健康异常情况，另一类则没有发生健康异常情况，得到相应的聚类结果；
4.4)对于聚类结果中聚类中心较低的数据如果大于设定值，则可以确定用户的阻抗出现健康异常。
在一具体实施例中，步骤5)的具体过程为：根据上述得到的有可能出现健康异常状态的数据，计算该数据与正常数据的欧式距离；如果两条曲线的欧式距离大于正常曲线与0.4倍的阻抗曲线的欧式距离时，则认为该条数据为线路阻抗健康异常数据。
下面结合一完整的具体实施例对上述方法做进一步说明：
步骤一：画出线路的等效电路图，对各用户及线路进行标号，如图1所示；
步骤二：记录a时刻的电压u1a(t)和电流值i1a(t)，在b时刻电流电压发生变化，再取对应b时刻的电压值u1b(t)和电流值i1b(t),并对各数据进行标准化处理；
步骤三：利用数学公式计算其回路阻抗，具体为：如图2所示，以第一条用户线路为例，根据数学及物理关系可得到：
ua(t)-ub(t)＝(R0+R1)[i1a(t)-i1b(t)]+u1a(t)-u1b(t)
其中R0表示母线端的电阻，R1表示线路一的电阻，ua(t)表示母线端a时刻的电压，ub(t)表示母线端b时刻的电压；
在母线端的电压一般来说保持不变，即在a,b时刻的ua(t)和ub(t)是几乎不变的,所以进一步简化可以得到公式：
u1a(t)-u1b(t)＝(R0+R1)[i1a(t)-i1b(t)]
于是可得阻抗：
步骤四：对计算得到的回路阻抗进行研判；
步骤五：对采集到的阻抗进行数据预处理，得到多个用户的阻抗数据；
步骤六：利用FCM聚类算法对单个用户阻抗数据进行聚类分析，找出有可能出现健康异常状态的数据；
具体地，利用FCM算法对单独用户的阻抗数据进行聚类，得到聚类中心，同时找到线路可能出现健康异常的数据，具体步骤如下：
获取每个用户线路的阻抗数据，并进行预处理(包括数据清洗)，获得精准数据，再绘制阻抗曲线；根据台区内各用户的阻抗情况，将历史正常阻抗数据作为参考值而得到基准阻抗曲线；
取聚类类别为2，并设置相应误差阈值；
将单个用户的阻抗曲线与5条基准阻抗曲线，作为FCM聚类算法的输入数据，进行聚类分析，一类为线路阻抗发生了健康异常情况，另一类则没有发生健康异常情况，得到相应的阻抗曲线中心；
对数据分析结果中，聚类中心较低的数据如果大于5，则可以确定用户的阻抗出现健康异常。
具体地，使用FCM算法聚类分析的具体过程如下：
输入每个再电气能源消费终端的用电量曲线，并加入5条全零日用电量，聚类类别为2，并给出初始聚类中心，设置阈值ε；
初始化隶属度矩阵：采用随机生成n×c个0到1之间的随机数，并使其每一行的和为1，表示每条数据对不同聚类中心的隶属度和为1；其中n表示数据的个数；c表示聚类类别数；
设置初始隶属度中心
上述式中，b＝1，表示初始化隶属度矩阵，表示第j条数据对第i簇的归属度；m表示模糊权重指数，通常取m∈[1.5,2.5]；xj表示第j条数据，/>表示初始聚类中心；
进一步得到更新隶属度矩阵
上述式子，表示第b+1次更新后的隶属度矩阵，表示第j条数据对第i簇的归属度；c表示聚类类别数；/>表示第b次更新后的第j条数据与第i簇的中心/>的欧氏距离；/>表示第b次更新后的第j条数据与第l簇的中心/>的欧氏距离；
根据当前隶属度矩阵再次更新聚类中心，如下公式：
其中，表示第b+1更新后，第i簇的聚类中心；/>表示第b+1次更新后的隶属度矩阵，表示第j条数据对第i簇的归属度；
进一步的,判断是否满足阈值条件：当Vb和Vb+1的欧氏距离差不小于设定的阈值条件时，重复对应步骤，继续循环迭代更新隶属度矩阵和聚类中心，直到满足阈值条件；标准化隶属度矩阵U，当i定时，uij(j＝1,2,…,c)中最大的值为1，其它值为0，使第i条数据完全隶属于第j类；
最后输出标准化后的隶属度矩阵和聚类中心；
输出聚类结果，得到可能线路阻抗健康异常的数据；
对所有台区数据进行检查，找到全部阻抗异常数据，然后对其进行研判；
步骤七：对有可能出现健康异常状态的数据再次研判，进一步确定线路是否发生了异常情况。
具体地，根据上述得到的可能的线路健康异常数据，计算该数据与正常数据的欧式距离；如果两条曲线的欧式距离大于正常曲线与0.4倍的阻抗曲线的欧式距离时，则认为该条数据为线路阻抗健康异常数据。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (8)

1.一种低压供电线路健康状态评估方法，其特征在于，包括步骤：
1）获取低压供电线路的等效电路图；
2）依据等效电路图，采集电压电流发生变化前后的电压电流值；
3）通过变化前后的电压电流值得到回路阻抗；
4）利用FCM聚类算法对单个用户的回路阻抗进行聚类分析，找出有可能出现健康异常状态的数据；
5）基于欧式距离对上述有可能出现健康异常状态的数据再次分析，进一步确定线路是否发生异常情况；
步骤4）的具体过程为：
4.1）获取每个用户线路的阻抗数据，并进行预处理，绘制阻抗曲线；
根据台区内各用户的阻抗情况，将历史正常阻抗数据作为参考值而得到基准阻抗曲线；
4.2）设置聚类类别以及相应误差阈值；
4.3）将单个用户的阻抗曲线与多条基准阻抗曲线，作为FCM聚类算法的输入数据，进行聚类分析，一类为线路阻抗发生了健康异常情况，另一类则没有发生健康异常情况，得到相应的聚类结果；
4.4）对于聚类结果中聚类中心较低的数据如果大于设定值，则可以确定用户的阻抗出现健康异常。
2.根据权利要求1所述的低压供电线路健康状态评估方法，其特征在于，在步骤4.3）中，对应的聚类分析过程为：
4.3.1）输入每个再电气能源消费终端的用电量曲线，并加入多条全零日用电量；
4.3.2）初始化隶属度矩阵：采用随机生成n×c个0到1之间的随机数，并使其每一行的和为1，表示每条数据对不同聚类中心的隶属度和为1；其中n表示数据的个数；c表示聚类类别数；
设置初始隶属度中心
（1）
上述式中，b＝1，表示初始化隶属度矩阵，表示第j条数据对第i簇的归属度；m表示模糊权重指数，通常取m∈[1.5,2.5]；/>表示第j条数据，/>表示初始聚类中心；
4.3.3）进一步得到更新隶属度矩阵
（2）
上述式子，表示第b+1次更新后的隶属度矩阵，表示第j条数据对第i簇的归属度；c表示聚类类别数；/>表示第b次更新后的第j条数据与第i簇的中心/>的欧氏距离；/>表示第b次更新后的第j条数据与第l簇的中心/>的欧氏距离；
4.3.4）根据当前隶属度矩阵再次更新聚类中心，如下公式：
（3）
其中，表示第b+1更新后，第i簇的聚类中心；/>表示第b+1次更新后的隶属度矩阵，表示第j条数据对第i簇的归属度；
4.3.5）判断是否满足阈值条件：当Vb和Vb+1的欧氏距离差不小于设定的阈值条件时，重复对应步骤，继续循环迭代更新隶属度矩阵和聚类中心，直到满足阈值条件；标准化隶属度矩阵U，当i定时，中最大的值为1，其它值为0，使第i条数据完全隶属于第j类，其中j＝1,2,…,c；
4.3.6）最后输出标准化后的隶属度矩阵和聚类中心；
4.3.7）输出聚类结果。
3.根据权利要求1～2中任意一项所述的低压供电线路健康状态评估方法，其特征在于，步骤5）的具体过程为：根据上述得到的有可能出现健康异常状态的数据，计算该数据与正常数据的欧式距离；如果两条曲线的欧式距离大于正常曲线与m倍的阻抗曲线的欧式距离时，则认为该条数据为线路阻抗健康异常数据，其中m小于1。
4.根据权利要求1～2中任意一项所述的低压供电线路健康状态评估方法，其特征在于，在步骤2）中，在采集电压电流发生变化前后的电压电流值之后，对电压电流值进行标准化处理。
5.根据权利要求1～2中任意一项所述的低压供电线路健康状态评估方法，其特征在于，在步骤3）中，通过变化前后的电压电流值得到回路阻抗的计算公式为：
其中R为回路阻抗，为电压变化量，/>为电流变化量。
6.一种用于实现如权利要求1-5中任意一项所述的低压供电线路健康状态评估方法的低压供电线路健康状态评估系统，其特征在于，包括：
第一模块，用于获取低压供电线路的等效电路图；
第二模块，用于依据等效电路图，采集电压电流发生变化前后的电压电流值；
第三模块，用于通过变化前后的电压电流值得到回路阻抗；
第四模块，用于利用FCM聚类算法对单个用户的回路阻抗进行聚类分析，找出有可能出现健康异常状态的数据；
第五模块，用于基于欧式距离对上述有可能出现健康异常状态的数据再次分析，进一步确定线路是否发生异常情况。
7.一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，所述计算机程序在被处理器运行时执行如权利要求1～5中任意一项所述的低压供电线路健康状态评估方法的步骤。
8.一种计算机设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1～5中任意一项所述的低压供电线路健康状态评估方法的步骤。
CN202110570990.2A 2021-05-25 2021-05-25 一种低压供电线路健康状态评估方法及系统 Active CN113344347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110570990.2A CN113344347B (zh) 2021-05-25 2021-05-25 一种低压供电线路健康状态评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110570990.2A CN113344347B (zh) 2021-05-25 2021-05-25 一种低压供电线路健康状态评估方法及系统

Publications (2)

Publication Number Publication Date
CN113344347A CN113344347A (zh) 2021-09-03
CN113344347B true CN113344347B (zh) 2023-10-20

Family

ID=77471267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110570990.2A Active CN113344347B (zh) 2021-05-25 2021-05-25 一种低压供电线路健康状态评估方法及系统

Country Status (1)

Country Link
CN (1) CN113344347B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201893529U (zh) * 2009-12-25 2011-07-06 乐山晟嘉电气有限公司 一种冶金电炉大电流集束水冷母线系统
CN106249185A (zh) * 2016-07-07 2016-12-21 国网北京市电力公司 用于标定高频电流传感器的阻抗匹配单元、系统和方法
CN108655028A (zh) * 2018-03-20 2018-10-16 中国电力科学研究院有限公司 一种基于模糊均值聚类算法对电池进行分类的方法及系统
CN109816031A (zh) * 2019-01-30 2019-05-28 南京邮电大学 一种基于数据不均衡度量的变压器状态评估聚类分析方法
CN111062176A (zh) * 2019-12-09 2020-04-24 国网山西省电力公司长治供电公司 一种低压用户回路阻抗二元线性模型构建及求解方法
CN112147409A (zh) * 2020-08-26 2020-12-29 国网湖南省电力有限公司 低压配电线路在线阻抗检测方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201893529U (zh) * 2009-12-25 2011-07-06 乐山晟嘉电气有限公司 一种冶金电炉大电流集束水冷母线系统
CN106249185A (zh) * 2016-07-07 2016-12-21 国网北京市电力公司 用于标定高频电流传感器的阻抗匹配单元、系统和方法
CN108655028A (zh) * 2018-03-20 2018-10-16 中国电力科学研究院有限公司 一种基于模糊均值聚类算法对电池进行分类的方法及系统
CN109816031A (zh) * 2019-01-30 2019-05-28 南京邮电大学 一种基于数据不均衡度量的变压器状态评估聚类分析方法
CN111062176A (zh) * 2019-12-09 2020-04-24 国网山西省电力公司长治供电公司 一种低压用户回路阻抗二元线性模型构建及求解方法
CN112147409A (zh) * 2020-08-26 2020-12-29 国网湖南省电力有限公司 低压配电线路在线阻抗检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李振华.基于扫频阻抗法及支持向量机的变压器绕组微小变形分类方法.《变压器》.2021,第58卷(第1期),17-22. *

Also Published As

Publication number Publication date
CN113344347A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN112699913B (zh) 一种台区户变关系异常诊断方法及装置
CN108446864B (zh) 基于大数据分析的轨道交通设备的故障预警系统及方法
CN106950945B (zh) 一种基于量纲可变型独立元分析模型的故障检测方法
CN114723285B (zh) 一种电网设备安全性评估预测方法
CN106912067B (zh) 一种基于模糊神经网络的wsn无线通信模块故障诊断方法
CN110874381B (zh) 一种基于空间密度聚类的用户侧负荷数据异常值识别方法
CN112418687A (zh) 基于用电特征的用户用电异常识别方法、装置和存储介质
CN106874511A (zh) 一种基于绝缘子金属附件腐蚀电荷量预测系统的数据库
CN114879070A (zh) 一种电池状态评估方法及相关设备
CN113344347B (zh) 一种低压供电线路健康状态评估方法及系统
CN114036647A (zh) 一种基于实车数据的动力电池安全风险评估方法
CN113868884A (zh) 一种基于证据理论的动力电池多模型容错融合建模方法
CN117368789A (zh) 一种基于多源异构数据的电源故障协同定位方法及系统
CN105759217B (zh) 一种基于可测数据的铅酸蓄电池组在线故障诊断方法
CN113810792B (zh) 一种基于云计算的边缘数据采集分析系统
CN114066239A (zh) 一种用户用电量异常检测方法及装置
CN114859231A (zh) 基于维纳过程和极限学习机的电池剩余寿命预测方法
CN113506190A (zh) 一种异常用电行为辨识方法、装置、设备及存储介质
CN113866562A (zh) 一种电力系统台区线损识别方法
CN110826690A (zh) 一种设备状态识别方法及其系统、计算机可读存储介质
CN117783745B (zh) 用于换电柜的数据在线监测方法及系统
CN110322113A (zh) 基于马尔科夫链的配电网线损处理方法
CN116819221A (zh) 一种基于cnn-lstm的单端输电线路故障快速定位方法
CN113394774A (zh) 基于深度神经网络与阻抗模裕度的静态电压稳定监测方法
Liu et al. Application of Improved GSA Algorithm and Time Series Method in Bad Data Identification in Power System

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