CN113410840B - 一种基于子图同构的电网故障建模方法及系统 - Google Patents
一种基于子图同构的电网故障建模方法及系统 Download PDFInfo
- Publication number
- CN113410840B CN113410840B CN202110793840.8A CN202110793840A CN113410840B CN 113410840 B CN113410840 B CN 113410840B CN 202110793840 A CN202110793840 A CN 202110793840A CN 113410840 B CN113410840 B CN 113410840B
- Authority
- CN
- China
- Prior art keywords
- fault
- mode
- action
- unit
- subgraph
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Data Mining & Analysis (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开了一种基于子图同构的电网故障建模方法及系统,方法包括以下步骤:对电力系统的网络拓扑进行识别;获取典型故障的特征,包括网络模式、动作模式以及时序模式;根据所述网络模式在所述电力系统中搜索所有的潜在故障子图,形成潜在故障子图集合;根据所述动作模式和所述时序模式为所述潜在故障子图集合中的每个潜在故障子图分配动作和时序。本发明的目的在于提供一种基于子图同构的电网故障建模方法及系统,根据现有电网的拓扑结构,可实现常见故障的自动建模,避免因电网拓扑结构以及运行方式的改变导致人员的大量故障人工建模、维护工作,提高电力系统稳定分析的自动化水平。
Description
技术领域
本发明涉及电力系统自动化技术领域,尤其涉及一种基于子图同构的电网故障建模方法及系统。
背景技术
电力系统安全性是指电力系统在运行中承受故障扰动(例如突然失去电力系统的元件,或短路故障等)的能力;电力系统稳定性是指电力系统受到事故扰动后保持稳定运行的能力,一般分为静态稳定、暂态稳定、小扰动动态稳定、电压稳定及中长期动态稳定。
为了保障电力系统的安全稳定运行,电网运行方式由专业人员根据《电力系统安全稳定导则》的统一要求,需要对电网运行中可能出现的各种运行方式进行安全稳定分析计算,明确可能发生各种类型的故障后,电网的稳定水平并提出保障电力系统安全稳定的措施。电力系统典型故障的准确建模是安全稳定分析计算的重要前提。
随着电网规模的不断扩大、系统拓扑日趋复杂、电网日常运行方式多变、连锁故障发生风险增加,传统的人工建模故障、维护故障的方式已不能满足安全稳定分析计算需要,迫切需要提供自动化手段实现电力系统各类故障自动建模,提高电力系统稳定分析的自动化水平,保障电网安全稳定运行。
发明内容
本发明的目的在于提供一种基于子图同构的电网故障建模方法,根据现有电网的拓扑结构,可实现常见故障的自动建模,避免因电网拓扑结构以及运行方式的改变导致人员的大量故障人工建模、维护工作,提高电力系统稳定分析的自动化水平。
本发明通过下述技术方案实现:
一种基于子图同构的电网故障建模方法,其特征在于,包括以下步骤:
S1:对电力系统的网络拓扑进行识别;
S2:获取典型故障的特征,包括网络模式、动作模式以及时序模式;
S3:根据所述网络模式在所述电力系统中搜索所有的潜在故障子图,形成潜在故障子图集合;
S4:根据所述动作模式和所述时序模式为所述潜在故障子图集合中的每个潜在故障子图分配动作和时序。
现有技术中,多数是通过人工手动逐个故障进行建模。也存在一些基于对仿真数据的人工经验的半自动化建模的方法,该类方法严重依赖所应用的电网仿真数据的特征以及所应用的仿真软件的数据组织形式,无法适用于有着不同数据管理习惯、建模方式以及不同仿真软件的电网仿真对象。随着电网规模的不断扩大、系统拓扑日趋复杂、电网日常运行方式多变、连锁故障发生风险增加,传统的人工以及基于数据经验的建模故障、维护故障的方式已不能满足安全稳定分析计算需要。基于此,本申请提供了一种基于子图同构的电网故障建模方法,通过对电力系统的网络拓扑进行识别获取电力系统拓扑数据,然后根据需要构建的故障类型,获取该故障类型的网络模式特征、动作模式特征以及时序模式特征,并用该网络模式特征在电力系统拓扑数据中进行匹配,搜索该电力系统潜在的故障子图,搜索完成后根据动作模式特征以及时序模式特征为搜索出来的故障子图进行相应的动作和时序分配即可。换句话说,只要知道该类型故障的模板,便可以自动在电力系统中搜索到全部同类型的故障,因此,在实际使用过程中,不需要依赖电网仿真数据的组织形式和人工经验便可以运用于所有的电力系统。相比于现有人工手动逐个建模方式,极大的提高了故障建模的准确性与完备性,提高了建模效率。相比于基于数据经验的半自动化建模方式,本申请从电力系统拓扑层面进行数据处理,能够免除对不同电网仿真数据的特征的依赖,能够在所有电网中应用,能够免除对不同电网仿真软件的数据组织形式的依赖,能够应用于任何仿真软件当中。甚至推广到真实世界存在的物理网络仿真(例如供气网络故障建模,供水网络故障建模,交通网络故障建模)中应用。
优选地,所述S1包括以下子步骤:
S11:对所述电力系统的网络拓扑进行处理得到简单无向图G,G=(V,E);
其中,V={v1,v2,...,vn}代表电力系统的计算节点集合,E代表电力系统计算节点之间边的集合,且所有边的权值为1;
S12:根据所述计算节点集合中的节点类型进行归类编码,得到编码集合C,其中,C={c1,c2,...,cl}∈R+,cl为第l种节点类型。
优选地,所述S2包括以下子步骤:
S21:获取所述典型故障,并根据所述典型故障涉及的节点及边形成故障简单无向图Gf,Gf=(Vf,Ef)∈G;
其中,Vf={vf1,vf2,...,vfs}∈V代表典型故障涉及的计算节点集合,Ef={ef1,ef2,...,eft}∈E代表典型故障涉及的边的集合,且所有边的权值为1;
S22:根据所述故障简单无向图Gf获取所述典型故障的所述网络模式;
LP(Gf)=diag[λ(vf1),λ(vf2),...,λ(vfs)]-A(Gf);
其中,LP(Gf)表示网络模式,λ(vfi)代表节点vfi的类型编码1≤i≤s,A(Gf)代表故障简单无向图Gf的邻接矩阵;
S23:根据所述典型故障发展过程中所涉及的边获取所述典型故障的动作模式;
AP(Ef)=[A(ef1),A(ef2),...,A(efq),...,A(eft)];
其中,AP(Ef)表示动作模式,A(efq)表示故障发展过程中,边efq上发生的动作;
S24:根据所述典型故障发展过程中所涉及的边获取所述典型故障的时序模式;
TP(Ef)=[T(ef1),T(ef2),...,T(efq),...,T(eft)];
其中,TP(Ef)表示时序模式,T(efq)表示故障发展过程中,边efq上发生动作的时间。
优选地,所述S3包括以下子步骤:
S33:计算矩阵S,并更新已搜索矩阵集合Μs:Μs=Μs∪{M};
Γreg=Γreg∪{G′f};
否则重复S32-S33,直到遍历完所有的转移矩阵M,得到潜在故障子图的集合Γreg,
Γreg={G′f|G′f∈G,LP(G′f)=LP(Gf)}。
优选地,所述S4包括以下子步骤:
根据所述动作模式为所述潜在故障子图的每条边分配动作:
根据所述时序模式为所述潜在故障子图的每条边分配时间:
一种基于图计算的电网故障建模系统,包括识别模块,获取模块、搜索模块以及分配模块;
所述识别模块,用于对电力系统的网络拓扑进行识别;
所述获取模块,用于获取典型故障的特征,包括网络模式、动作模式以及时序模式;
所述搜索模块,用于根据所述网络模式在所述电力系统中搜索所有的潜在故障子图,形成潜在故障子图集合;
所述分配模块,用于根据所述动作模式和所述时序模式为所述潜在故障子图集合中的每个潜在故障子图分配动作和时序。
优选地,所述获取模块包括第一获取单元、第二获取单元、第三获取单元以及第四获取单元;
所述第一获取单元,用于获取所述典型故障,并根据所述典型故障涉及的节点及边形成简单无向图Gf,Gf=(Vf,Ef)∈G;
其中,Vf={vf1,vf2,...,vfs}∈V代表典型故障涉及的计算节点集合,Ef={ef1,ef2,...,eft}∈E代表典型故障涉及的边的集合,且所有边的权值为1;
所述第二获取单元,根据所述故障简单无向图Gfault获取所述典型故障的所述网络模式;
LP(Gf)=diag[λ(vf1),λ(vf2),...,λ(vfs)]-A(Gf);
其中,LP(Gf)表示网络模式,λ(vfi)代表节点vfi的类型编码1≤i≤s,A(Gf)代表故障简单无向图Gf的邻接矩阵;
所述第三获取单元,用于根据所述典型故障发展过程中所涉及的边获取所述典型故障的动作模式;
AP(Ef)=[A(ef1),A(ef2),...,A(efq),...,A(eft)];
其中,AP(Ef)表示动作模式,A(efq)表示故障发展过程中,边efq上发生的动作;
所述第四获取单元,根据所述典型故障发展过程中所涉及的边获取所述典型故障的时序模式;
TP(Ef)=[T(ef1),T(ef2),...,T(efq),...,T(eft)];
其中,TP(Ef)表示时序模式,T(efq)表示故障发展过程中,边efq上发生动作的时间。
优选地,所述搜索模块包括构造单元、生成单元、计算单元以及判断单元;
所述计算单元,用于计算矩阵S,并更新已搜索矩阵集合Μs:Μs=Μs∪{M}
Γreg=Γreg∪{G′f};
否则返回所述计算单元,直到遍历完所有的转移矩阵M,得到潜在故障子图的集合Γreg,
Γreg={G′f|G′f∈G,LP(G′f)=LP(Gf)}。
优选地,所述分配模块包括动作分配单元和时序分配单元;
所述动作分配单元,用于根据所述动作模式为所述潜在故障子图的每条边分配动作:
所述时序分配单元,用于根据所述时序模式为所述潜在故障子图的每条边分配时间:
本发明与现有技术相比,具有如下的优点和有益效果:
根据现有电网的拓扑结构,可实现常见故障的自动建模,避免因电网拓扑结构以及运行方式的改变导致人员的大量故障人工建模、维护工作,提高电力系统稳定分析的自动化水平。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明的流程示意。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
本实施例提供了一种基于子图同构的电网故障建模方法,如图1所示,包括以下步骤:
S1:对电力系统的网络拓扑进行识别;
首先,对选取的电力系统网络进行处理,得到简单无向图G,G=(V,E),如何进行处理为现有技术,因此本申请不在对其进行阐述。
其中,V={v1,v2,...,vn}代表电力系统的计算节点集合,E代表电力系统计算节点之间边的集合,且所有边的权值为1。
其次,根据计算节点集合中的节点类型进行归类编码,节点的类型编码由函数λ:V→C所确定,其中编码集合为C,C={c1,c2,...,cl}∈R+,表明该电力系统中的计算节点共有l种类型,λ(vi)=cj代表节点vi的类型编码为cj。
S2:获取典型故障的特征,包括网络模式、动作模式以及时序模式;
根据需要构建的故障模型,获取相对应的典型故障,并根据典型故障涉及的节点及边形成简单无向图Gf,Gf=(Vf,Ef)∈G;
其中,Vf={vf1,vf2,...,vfs}∈V代表典型故障涉及的计算节点集合,Ef={ef1,ef2,...,eft}∈E代表典型故障涉及的边的集合,且所有边的权值为1;
其次,根据故障简单无向图Gf获取典型故障的网络模式;
LP(Gf)=diag[λ(vf1),λ(vf2),...,λ(vfs)]-A(Gf);
其中,LP(Gf)表示网络模式,λ(vfi)代表节点vfi的类型编码1≤i≤s,A(Gf)代表故障简单无向图Gf的邻接矩阵;
根据典型故障发展过程中所涉及的边获取典型故障的动作模式;
AP(Ef)=[A(ef1),A(ef2),...,A(efq),...,A(eft)];
其中,AP(Ef)表示动作模式,A(efq)表示故障发展过程中,边efq上发生的动作;
根据典型故障发展过程中所涉及的边获取典型故障的时序模式;
TP(Ef)=[T(ef1),T(ef2),...,T(efq),...,T(eft)];
其中,TP(Ef)表示时序模式,T(efq)表示故障发展过程中,边efq上发生动作的时间。
S3:根据网络模式在电力系统中搜索所有的潜在故障子图,形成潜在故障子图集合;具体包括:
步骤3:计算矩阵S,并更新已搜索矩阵集合Μs:Μs=Μs∪{M};
Γreg=Γreg∪{G′f};
否则重复S32-S33,直到遍历完所有的转移矩阵M,得到潜在故障子图的集合Γreg,
Γreg={G′f|G′f∈G,LP(G′f)=LP(Gf)}。
S4:根据所述动作模式和所述时序模式为所述潜在故障子图集合中的每个潜在故障子图分配动作和时序;
对每个潜在故障子图分配动作:
对于潜在故障子图Gi∈Greg的每条边分配动作:
对每个潜在故障子图分配时序:
对于潜在故障子图Gi∈Greg的每条边分配时间:
采用本方法进行故障模型构建时,只需要根据构建的故障类型,获取相应的特征便可以自动进行故障模型的构建,比于传统的人工建模,提高了故障建模的准确性。
实施例2
本实施例提供了一种基于图计算的电网故障建模系统,包括识别模块,获取模块、搜索模块以及分配模块;
识别模块,用于对电力系统的网络拓扑进行识别;
获取模块,用于获取典型故障的特征,包括网络模式、动作模式以及时序模式;
具体使用时,获取模块中可以事先存储有大量的典型故障和对应的特征,在需要构建故障模型时,直接从中选取需要的典型故障和对应的特征即可;也可以在获取模块中存储大量的典型故障及特征提取算法,当需要构建故障模型时,从中选取需要的典型故障,并根据特征提取算法进行特征的提取,从而获取相应的特征。
搜索模块,用于根据网络模式在电力系统中搜索所有的潜在故障子图,形成潜在故障子图集合;
分配模块,用于根据动作模式和时序模式为潜在故障子图集合中的每个潜在故障子图分配动作和时序。
其中,本实施例中的获取模块包括处理单元和归类单元;
处理单元,用于对电力系统的网络拓扑进行处理得到简单无向图G,G=(V,E);
其中,V={v1,v2,...,vn}代表电力系统的计算节点集合,E代表电力系统计算节点之间边的集合,且所有边的权值为1;
归类单元,用于根据所述计算节点集合中的节点类型进行归类编码,得到编码集合C,其中,C={c1,c2,...,cl}∈R+,cl为第l种节点类型。
获取模块包括第一获取单元、第二获取单元、第三获取单元以及第四获取单元;
第一获取单元,用于获取典型故障,并根据典型故障涉及的节点及边形成简单无向图Gf,Gf=(Vf,Ef)∈G;
其中,Vf={vf1,vf2,...,vfs}∈V代表典型故障涉及的计算节点集合,Ef={ef1,ef2,...,eft}∈E代表典型故障涉及的边的集合,且所有边的权值为1;
第二获取单元,用于根据故障简单无向图Gf获取典型故障的网络模式;
LP(Gf)=diag[λ(vf1),λ(vf2),...,λ(vfs)]-A(Gf);
其中,LP(Gf)表示网络模式,λ(vfi)代表节点vfi的类型编码1≤i≤s,A(Gf)代表故障简单无向图Gf的邻接矩阵;
第三获取单元,用于根据典型故障发展过程中所涉及的边获取典型故障的动作模式;
AP(Ef)=[A(ef1),A(ef2),...,A(efq),...,A(eft)];
其中,AP(Ef)表示动作模式,A(efq)表示故障发展过程中,边efq上发生的动作;
第四获取单元,用于根据典型故障发展过程中所涉及的边获取典型故障的时序模式;
TP(Ef)=[T(ef1),T(ef2),...,T(efq),...,T(eft)];
其中,TP(Ef)表示时序模式,T(efq)表示故障发展过程中,边efq上发生动作的时间。
搜索模块包括构造单元、生成单元、计算单元以及判断单元;
所述计算单元,用于计算矩阵S,并更新已搜索矩阵集合Μs:Μs=Μs∪{M}
Γreg=Γreg∪{G′f};
否则返回计算单元,直到遍历完所有的转移矩阵M,得到潜在故障子图的集合Γreg,
Γreg={G′f|G′f∈G,LP(G′f)=LP(Gf)}。
分配模块包括动作分配单元和时序分配单元;
动作分配单元,用于根据动作模式为潜在故障子图的每条边分配动作:
时序分配单元,用于根据时序模式为潜在故障子图的每条边分配时间:
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于子图同构的电网故障建模方法,其特征在于,包括以下步骤:
S1:对电力系统的网络拓扑进行识别;
S2:获取典型故障的特征,包括网络模式、动作模式以及时序模式;
S3:根据所述网络模式在所述电力系统中搜索所有的潜在故障子图,形成潜在故障子图集合;
S4:根据所述动作模式和所述时序模式为所述潜在故障子图集合中的每个潜在故障子图分配动作和时序;
所述S1包括以下子步骤:
S11:对所述电力系统的网络拓扑进行处理得到简单无向图G,G=(V,E);
其中,V={v1,v2,...,vn}代表电力系统的计算节点集合,E代表电力系统计算节点之间边的集合,且所有边的权值为1;
S12:根据所述计算节点集合中的节点类型进行归类编码,得到编码集合C,其中,C={c1,c2,...,cl}∈R+,cl为第l种节点类型;
所述S2包括以下子步骤:
S21:获取所述典型故障,并根据所述典型故障涉及的节点及边形成故障简单无向图Gf,Gf=(Vf,Ef)∈G;
其中,Vf={vf1,vf2,...,vfs}∈V代表典型故障涉及的计算节点集合,Ef={ef1,ef2,...,eft}∈E代表典型故障涉及的边的集合,且所有边的权值为1;
S22:根据所述故障简单无向图Gf获取所述典型故障的所述网络模式;
LP(Gf)=diag[λ(vf1),λ(vf2),...,λ(vfs)]-A(Gf);
其中,LP(Gf)表示网络模式,λ(vfi)代表节点vfi的类型编码1≤i≤s,A(Gf)代表故障简单无向图Gf的邻接矩阵;
S23:根据所述典型故障发展过程中所涉及的边获取所述典型故障的动作模式;
AP(Ef)=[A(ef1),A(ef2),...,A(efq),...,A(eft)];
其中,AP(Ef)表示动作模式,A(efq)表示故障发展过程中,边efq上发生的动作;
S24:根据所述典型故障发展过程中所涉及的边获取所述典型故障的时序模式;
TP(Ef)=[T(ef1),T(ef2),...,T(efq),...,T(eft)];
其中,TP(Ef)表示时序模式,T(efq)表示故障发展过程中,边efq上发生动作的时间;
所述S3包括以下子步骤:
S33:计算矩阵S,并更新已搜索矩阵集合Ms:Ms=Ms∪{M};
Γreg=Γreg∪{G′f};
否则重复S32-S33,直到遍历完所有的转移矩阵M,得到潜在故障子图的集合Γreg,
Γreg={G′f|G′f∈G,LP(G′f)=LP(Gf)}。
3.一种基于子图同构的电网故障建模系统,其特征在于,包括识别模块,获取模块、搜索模块以及分配模块;
所述识别模块,用于对电力系统的网络拓扑进行识别;
所述获取模块,用于获取典型故障的特征,包括网络模式、动作模式以及时序模式;
所述搜索模块,用于根据所述网络模式在所述电力系统中搜索所有的潜在故障子图,形成潜在故障子图集合;
所述分配模块,用于根据所述动作模式和所述时序模式为所述潜在故障子图集合中的每个潜在故障子图分配动作和时序;
所述获取模块包括处理单元和归类单元;
所述处理单元,用于对所述电力系统的网络拓扑进行处理得到简单无向图G,G=(V,E);
其中,V={v1,v2,...,vn}代表电力系统的计算节点集合,E代表电力系统计算节点之间边的集合,且所有边的权值为1;
所述归类单元,用于根据所述计算节点集合中的节点类型进行归类编码,得到编码集合C,其中,C={c1,c2,...,cl}∈R+,cl为第l种节点类型;
所述获取模块包括第一获取单元、第二获取单元、第三获取单元以及第四获取单元;
所述第一获取单元,用于获取所述典型故障,并根据所述典型故障涉及的节点及边形成简单无向图Gf,Gf=(Vf,Ef)∈G;
其中,Vf={vf1,vf2,...,vfs}∈V代表典型故障涉及的计算节点集合,Ef={ef1,ef2,...,eft}∈E代表典型故障涉及的边的集合,且所有边的权值为1;
所述第二获取单元,根据所述故障简单无向图Gf获取所述典型故障的所述网络模式;
LP(Gf)=diag[λ(vf1),λ(vf2),...,λ(vfs)]-A(Gf);
其中,LP(Gf)表示网络模式,λ(vfi)代表节点vfi的类型编码1≤i≤s,A(Gf)代表故障简单无向图Gf的邻接矩阵;
所述第三获取单元,用于根据所述典型故障发展过程中所涉及的边获取所述典型故障的动作模式;
AP(Ef)=[A(ef1),A(ef2),...,A(efq),...,A(eft)];
其中,AP(Ef)表示动作模式,A(efq)表示故障发展过程中,边efq上发生的动作,AP(Ef)为动作模式;
所述第四获取单元,根据所述典型故障发展过程中所涉及的边获取所述典型故障的时序模式;
TP(Ef)=[T(ef1),T(ef2),...,T(efq),...,T(eft)];
其中,TP(Ef)表示时序模式,T(efq)表示故障发展过程中,边efq上发生动作的时间,TP(Ef)为时序模式;
所述搜索模块包括构造单元、生成单元、计算单元以及判断单元;
所述计算单元,用于计算矩阵S,并更新已搜索矩阵集合Ms:Ms=Ms∪{M}
Γreg=Γreg∪{G′f};
否则返回所述计算单元,直到遍历完所有的转移矩阵M,得到潜在故障子图的集合Γreg,
Γreg={G′f|G′f∈G,LP(G′f)=LP(Gf)}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793840.8A CN113410840B (zh) | 2021-07-14 | 2021-07-14 | 一种基于子图同构的电网故障建模方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793840.8A CN113410840B (zh) | 2021-07-14 | 2021-07-14 | 一种基于子图同构的电网故障建模方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113410840A CN113410840A (zh) | 2021-09-17 |
CN113410840B true CN113410840B (zh) | 2022-07-01 |
Family
ID=77686318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110793840.8A Active CN113410840B (zh) | 2021-07-14 | 2021-07-14 | 一种基于子图同构的电网故障建模方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113410840B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103630244A (zh) * | 2013-12-18 | 2014-03-12 | 重庆大学 | 电力系统设备故障诊断方法及系统 |
CN104299172A (zh) * | 2014-10-29 | 2015-01-21 | 国网上海市电力公司 | 一种电网薄弱环节全景识别方法 |
CN106099925A (zh) * | 2016-08-12 | 2016-11-09 | 华北电力大学(保定) | 一种基于网络模体的电力系统连锁故障实时预警方法 |
US10338993B1 (en) * | 2018-04-22 | 2019-07-02 | Sas Institute Inc. | Analysis of failures in combinatorial test suite |
WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析系统及方法 |
CN111799845A (zh) * | 2020-08-07 | 2020-10-20 | 国网四川省电力公司电力科学研究院 | 电源集群送出的电力系统安控策略自适应建模方法及系统 |
WO2021113360A1 (en) * | 2019-12-02 | 2021-06-10 | Purdue Research Foundation | Efficient fault prevention and repair in complex systems |
-
2021
- 2021-07-14 CN CN202110793840.8A patent/CN113410840B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103630244A (zh) * | 2013-12-18 | 2014-03-12 | 重庆大学 | 电力系统设备故障诊断方法及系统 |
CN104299172A (zh) * | 2014-10-29 | 2015-01-21 | 国网上海市电力公司 | 一种电网薄弱环节全景识别方法 |
CN106099925A (zh) * | 2016-08-12 | 2016-11-09 | 华北电力大学(保定) | 一种基于网络模体的电力系统连锁故障实时预警方法 |
US10338993B1 (en) * | 2018-04-22 | 2019-07-02 | Sas Institute Inc. | Analysis of failures in combinatorial test suite |
WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析系统及方法 |
WO2021113360A1 (en) * | 2019-12-02 | 2021-06-10 | Purdue Research Foundation | Efficient fault prevention and repair in complex systems |
CN111799845A (zh) * | 2020-08-07 | 2020-10-20 | 国网四川省电力公司电力科学研究院 | 电源集群送出的电力系统安控策略自适应建模方法及系统 |
Non-Patent Citations (3)
Title |
---|
基于量测大数据和数学形态学的配电网故障检测及定位方法研究;刘杰荣等;《智慧电力》;20200120(第01期);103-110 * |
大型风电场建模及接入甘肃嘉酒电网仿真分析;魏巍等;《电力系统自动化》;20090925(第18期);96-101 * |
电力系统故障模拟的图形化建模方法;周超等;《电力系统保护与控制》;20080901(第17期);32-37 * |
Also Published As
Publication number | Publication date |
---|---|
CN113410840A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609759B (zh) | 一种故障根因分析的方法及装置 | |
CN110417011B (zh) | 一种基于互信息与迭代随机森林的在线动态安全评估方法 | |
Pérez-Rúa et al. | Electrical cable optimization in offshore wind farms—A review | |
CN110570012B (zh) | 一种基于Storm的电厂生产设备故障预警方法及系统 | |
CN111612275A (zh) | 一种预测区域用户负荷量的方法及装置 | |
CN112379325A (zh) | 一种用于智能电表的故障诊断方法及系统 | |
Pérez et al. | Fault-driven minimal structurally overdetermined set in a distributed context | |
CN110739692B (zh) | 一种基于概率图模型的配电网结构识别方法 | |
CN105680442A (zh) | 基于考虑潮流和灵敏度一致性等值网络的期望缺供电量评估方法 | |
CN109902133B (zh) | 基于电网任意分割区域的多源数据纠错处理方法及系统 | |
Mohammadi et al. | Synthetic benchmarks for power systems | |
CN113435307B (zh) | 一种基于视觉识别技术的运维方法、系统及存储介质 | |
Gandulfo et al. | Generation capacity expansion planning under demand uncertainty using stochastic mixed-integer programming | |
CN113410840B (zh) | 一种基于子图同构的电网故障建模方法及系统 | |
Abhilash et al. | Geo-referenced synthetic low-voltage distribution networks: A data-driven approach | |
Fu et al. | Efficient topology assessment for integrated transmission and distribution network with 10,000+ inverter-based resources | |
CN113627655B (zh) | 一种配电网灾前故障场景模拟预测方法及装置 | |
CN111226254A (zh) | 网络地图的可靠性 | |
CN113344719A (zh) | 保险用户风险预警监控系统及其监控方法 | |
Lilja et al. | Computing Equivalent hydropower models in Sweden using inflow clustering | |
CN113295963B (zh) | 一种有源配电网cps系统跨域连锁故障源节点判别方法 | |
CN112036740A (zh) | 基于节点停电风险不变的节点备用容量快速评估方法 | |
Sahinoglu et al. | Probability distribution functions for generation reliability indices-analytical approach | |
Klettke et al. | Modelling of stochastically dependent forecast errors for load flow simulations in the transmission grid using convolution | |
CN113434926B (zh) | 一种基于bim的优化建筑实施方案的方法及系统 |
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 |