CN113625115A - 一种基于调度数据的小电流接地故障选线系统 - Google Patents
一种基于调度数据的小电流接地故障选线系统 Download PDFInfo
- Publication number
- CN113625115A CN113625115A CN202110935639.9A CN202110935639A CN113625115A CN 113625115 A CN113625115 A CN 113625115A CN 202110935639 A CN202110935639 A CN 202110935639A CN 113625115 A CN113625115 A CN 113625115A
- Authority
- CN
- China
- Prior art keywords
- module
- line selection
- low
- data
- ground fault
- 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
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000010187 selection method Methods 0.000 claims abstract description 27
- 238000013135 deep learning Methods 0.000 claims abstract description 12
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 description 9
- 238000000034 method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/58—Testing of lines, cables or conductors
Abstract
本申请公开了一种基于调度数据的小电流接地故障选线系统，其中包括：电力调度控制模块、数据库模块、算法模块和服务器软件模块；数据库模块分别与电力调度控制模块、算法模块和服务器软件模块通信；电力调度控制模块，用于读取电力系统的调度数据；算法模块，用于分别根据IQ综合选线法和基于深度学习的故障选线法计算调度数据的小电流接地故障概率；数据库模块，用于存储调度数据和小电流接地故障概率；服务器软件模块，用于可视化小电流接地故障选线结果。本申请算法模块结合深度学习和IQ综合选线法对故障概率做出综合概率判断，将故障选线结果展示出来，辅助调度员做出决策，提高了在中低压配网中发生单相接地故障的选线准确率。
Description
技术领域
本申请涉及电力系统故障选线领域，特别涉及一种基于调度数据的小电流接地故障选线系统。
背景技术
目前，配电网发生单相接地故障的几率在总故障中占比重较大，在发生单向接地故障时，不会形成短路回路，仅仅由系统的分布电容引起很小的接地故障电流，故又被称为小电流接地故障。在单相接地故障的时候，小电流接地系统中将会存在正序、负序和零序分量，已经研究出的选线方法大致可分为两类：基于稳态分量的故障选线方法和基于暂态分量的故障选线方法。而其中基于稳态分量的故障选线方法常见的有零序电流幅值比较法，在母线故障时会出现误判断，谐波法灵敏度低等；而小电流接地故障暂态电流幅值法是稳态对地电容电流的几倍到十几倍，数值在数十安到数百安之间，并且不受消弧线圈影响。因此，利用暂态信号进行接地选线可以克服稳态选线法存在灵敏度低，受消弧线圈影响的缺点。但在电力系统中，暂态过程十分短暂，很有可能因为投切负荷产生的冲击量造成误判，使得故障选线准确率较低。
发明内容
本申请提供了一种基于调度数据的小电流接地故障选线系统，由于算法模块结合深度学习和IQ综合选线法对故障概率做出综合概率判断，并将故障选线结果展示出来，辅助了调度员做出决策，且提高了在中低压配网中发生单相接地故障的选线准确率。
本申请实施例提供了一种基于调度数据的小电流接地故障选线系统，包括：
电力调度控制模块、数据库模块、算法模块和服务器软件模块；所述数据库模块分别与所述电力调度控制模块、所述算法模块和所述服务器软件模块通信；所述电力调度控制模块，用于读取电力系统的调度数据，所述调度数据包括历史数据和实时数据；
所述算法模块，用于分别根据IQ综合选线法和基于深度学习的故障选线法计算所述调度数据的小电流接地故障概率；
所述数据库模块，用于存储所述调度数据和所述小电流接地故障概率；
所述服务器软件模块，用于可视化小电流接地故障选线结果。
可选的，所述服务器软件模块，包括：
实时数据单元和历史数据单元；
所述数据库模块分别与所述实时数据单元、所述历史数据单元通信；
所述实时数据单元，用于将所述数据库模块中的所述实时数据标注在对应电路拓扑图中的线路上，并进行可视化展示；
所述历史数据单元，用于将所述数据库模块中的所述历史数据进行可视化展示。
可选的，所述服务器软件模块，包括：
接地选线单元，所述接地选线单元与所述数据库模块通信；
所述接地选线单元，用于将所述数据库模块中的所述小电流接地故障概率和对应线路进行排序可视化展示。
可选的，所述服务器软件模块，包括：
账户管理单元，所述账户管理单元与所述数据库模块通信；
所述账户管理单元，用于管理账户信息和账户权限。
从以上技术中：电力调度控制模块、数据库模块、算法模块和服务器软件模块；数据库模块分别与电力调度控制模块、算法模块和服务器软件模块通信；电力调度控制模块，用于读取电力系统的调度数据，调度数据包括历史数据和实时数据；算法模块，用于分别根据IQ综合选线法和基于深度学习的故障选线法计算调度数据的小电流接地故障概率；数据库模块，用于存储调度数据和小电流接地故障概率；服务器软件模块，用于可视化小电流接地故障选线结果。本申请算法模块结合深度学习和IQ综合选线法对故障概率做出综合概率判断，将故障选线结果展示出来，辅助调度员做出决策，提高了在中低压配网中发生单相接地故障的选线准确率。
附图说明
图1为本申请中基于调度数据的小电流接地故障选线系统一个结构示意图；
图2为本申请中基于调度数据的小电流接地故障选线系统另一结构示意图。
具体实施方式
本申请实施例提供了一种基于调度数据的小电流接地故障选线系统，由于算法模块结合深度学习和IQ综合选线法对故障概率做出综合概率判断，并将故障选线结果展示出来，辅助了调度员做出决策，且提高了在中低压配网中发生单相接地故障的选线准确率。
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
实施例一
如图1所示，基于调度数据的小电流接地故障选线系统，包括：电力调度控制模块101、数据库模块102、算法模块103和服务器软件模块104；数据库模块102分别与电力调度控制模块101、算法模块103和服务器软件模块104通信。电力调度控制模块101，用于读取电力系统的调度数据，该调度数据包括历史数据和实时数据；算法模块103，用于分别根据IQ综合选线法和基于深度学习的故障选线法计算调度数据的小电流接地故障概率；数据库模块102，用于存储调度数据和小电流接地故障概率；服务器软件模块104，用于可视化小电流接地故障选线结果。
在实际应用中，当基于调度数据的小电流接地故障选线系统启动后，电力调度控制模块101就会通过指定的外放接口读取电力系统的调度数据，该调度数据包括电力系统的历史数据和实时数据；且电力调度控制模块101将该调度数据发送至数据库模块102中，此时数据库模块102将该调度数据进行存储。当数据库模块102对调度数据进行存储后，算法模块103调取到来数据库模块102中的调度数据；进一步的，算法模块103中存储有IQ综合选线法、基于深度学习故障选线法和深度学习模型，当算法模块103调取到调度数据之后，对调度数据中的历史数据进行预处理获取预处理后历史数据，继而基于预处理后的历史数据和实时数据计算调度数据的小电流接地故障概率。
具体的：根据IQ综合选线法和深度学习模型计算出小电流接地故障概率：
“IQ综合选线法”中“I”表示线路相电流，“Q”表示线路无功。目前，10kV线路上测试瞬时功率采用两表法：
S0＝UabIa+UcbIc
当A相发生单相接地时，此时测到的功率为：
S1＝UabIa+UcbIc+UabIc0a
ΔS＝S1-S0＝UabIc0a
式中ΔS即为接地电容电流产生的功率，所以接地电容电流无功功率为：
ΔQ＝ΔSsinθ
当母线发生接地时，各支路上的电容电流都通过主变回流到故障点，从而导致接地线路电容电流增大而引起该线路无功急剧增加,通过比较线路接地前后无功变化情况，就能准确判定接地线路。故障概率P计算公式如下所示：
式中m为经验值，|ΔIi|为第i条线路的电流变化量，|ΔQi|第i条线路的无功功率变化量，∑|ΔI|为所有出线电流变化量之和，∑|ΔQ|为所有出线无功功率之和。
结合深度学习模型的故障选线法：
首先调取数据库模块102中调度数据的历史数据，给历史数据进行分类打标签，然后进行数据预处理，并用处理后的数据对深度学习模型进行训练，深度学习模型可以使用循环神经网络(RNN)，卷积神经网络(CNN)，长短期记忆神经网络(LSTM)等，结合深度学习训练结果和线路故障概率对可能发生故障的线路对小电流接地系统单相接地故障选线做出辅助决策，将小电流接地故障概率的运算结果存入数据库模块102。
数据库模块102存储调度数据(包括历史数据和实时数据)和小电流接地故障概率。当需要使用服务器软件模块104对调度数据和小电流接地故障概率进行可视化展示的时候，服务器软件模块104将调度数据的历史数据、实时数据和小电流接地故障概率通过显示器进行可视化展示，用于辅助调度员进行故障判断和决策；提高了在中低压配网中发生单相接地故障的选线准确率。
实施例二
如图2所示，基于调度数据的小电流接地故障选线系统，包括：电力调度控制模块201、数据库模块202、算法模块203和服务器软件模块204；其中服务器软件模块，包括：实时数据单元2041、历史数据单元2042、接地选线单元2043和账户管理单元2044。
数据库模块202分别与电力调度控制模块201、算法模块203、实时数据单元2041、历史数据单元2042、接地选线单元2043和账户管理单元2044通信。
电力调度控制模块201，用于读取电力系统的调度数据，调度数据包括历史数据和实时数据；算法模块203，用于分别根据IQ综合选线法和基于深度学习的故障选线法计算调度数据的小电流接地故障概率；数据库模块202，用于存储调度数据和小电流接地故障概率；实时数据单元2021，用于将数据库模块中的实时数据标注在对应电路拓扑图中的线路上，并进行可视化展示；历史数据单元2042，用于将数据库模块中的历史数据进行可视化展示；接地选线单元2043，用于将数据库模块中的小电流接地故障概率和对应线路进行排序可视化展示。账户管理单元2044，用于管理账户信息和账户权限。
在实际应用中，由于电力系统中的调度数据本身的特性，其仿真数据往往过于理想化，很难有真实采集数据的效果，训练出来的深度学习模型也达不到理想的效果，所以需要与实地使用场景相结合，则启动基于调度数据的小电流接地故障选线系统后，电力调度控制模块201通过指定的外放接口，基于flask框架建立和数据库的数据传输关系来读取电力系统最真实的调度数据，以便于后续处理才能得到准确率较高的小电流接地故障概率。当电力调度模块201获取到调度数据后，电力调度模块201会将该调度数据发送至数据库模块203。
数据库模块202接收到电力调度模块201的调度数据之后，数据库模块203将该调度数据存储起来，用于向算法模块202提供数据基础。当算法模块调取数据库模块202中的调度数据，算法模块202结合调度数据的历史数据和深度学习模型对故障线路进行选择，并根据IQ综合选线法和深度学习模型计算出故障概率，存入数据库模块203。
在需要使用服务器软件模块204进行数据库模块203中的各种数据可视化展示时，用户需要先通过账户管理单元2044登入服务器软件模块204，账户管理单元2044根据登录用户权限不同设置了不同的功能，超级管理员账号除了包含用户信息修改和密码修改功能等基础功能，还拥有普通账号管理功能，也可根据用户需求，定制相应所需的管理功能。
当服务器软件模块204需要将数据库模块203中调度数据的实时数据进行可视化的时候，实时数据单元2041该模块将不同地区的线路进行分组管理，每条线路对应自己的电路拓扑图，将数据库中的实时数据展示在对应电路拓扑图中的线路旁，并进行可视化展示，方便调度员观察数据。
当服务器软件模块204需要将数据库模块203中调度数据的历史数据进行可视化的时候，历史数据单元2042该模块将数据库中保存的电流值、电压值、功率值、历史故障概率和对应线路等各种历史数据进行可视化展示，方便复查和总结经验，为以后的判断提供辅助。
当服务器软件模块204需要将算法模块202计算出来的小电流接地故障概率时，由于该小电流接地故障概率存储与数据库模块203中，所以接地选线单元2043先从数据库模块203中调取小电流接地故障概率和对应线路，进一步的将该小电流接地故障概率进行排序，调度员可点击对应线路查看其实时数据，从而快速做出故障判断，拉开断路器，防止故障范围扩大。
Claims (4)
1.一种基于调度数据的小电流接地故障选线系统，其特征在于，包括：
电力调度控制模块、数据库模块、算法模块和服务器软件模块；所述数据库模块分别与所述电力调度控制模块、所述算法模块和所述服务器软件模块通信；所述电力调度控制模块，用于读取电力系统的调度数据，所述调度数据包括历史数据和实时数据；
所述算法模块，用于分别根据IQ综合选线法和基于深度学习的故障选线法计算所述调度数据的小电流接地故障概率；
所述数据库模块，用于存储所述调度数据和所述小电流接地故障概率；
所述服务器软件模块，用于可视化小电流接地故障选线结果。
2.根据权利要求1所述的小电流接地故障选线系统，其特征在于，所述服务器软件模块，包括：
实时数据单元和历史数据单元；
所述数据库模块分别与所述实时数据单元、所述历史数据单元通信；
所述实时数据单元，用于将所述数据库模块中的所述实时数据标注在对应电路拓扑图中的线路上，并进行可视化展示；
所述历史数据单元，用于将所述数据库模块中的所述历史数据进行可视化展示。
3.根据权利要求2所述的小电流接地故障选线系统，其特征在于，所述服务器软件模块，包括：
接地选线单元，所述接地选线单元与所述数据库模块通信；
所述接地选线单元，用于将所述数据库模块中的所述小电流接地故障概率和对应线路进行排序可视化展示。
4.根据权利要求1至3中任一项所述的小电流接地故障选线系统，其特征在于，所述服务器软件模块，包括：
账户管理单元，所述账户管理单元与所述数据库模块通信；
所述账户管理单元，用于管理账户信息和账户权限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110935639.9A CN113625115A (zh) | 2021-08-16 | 2021-08-16 | 一种基于调度数据的小电流接地故障选线系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110935639.9A CN113625115A (zh) | 2021-08-16 | 2021-08-16 | 一种基于调度数据的小电流接地故障选线系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113625115A true CN113625115A (zh) | 2021-11-09 |
Family
ID=78385560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110935639.9A Pending CN113625115A (zh) | 2021-08-16 | 2021-08-16 | 一种基于调度数据的小电流接地故障选线系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113625115A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116008733A (zh) * | 2023-03-21 | 2023-04-25 | 成都信息工程大学 | 一种基于集成深度神经网络的单相接地故障诊断方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102110978A (zh) * | 2011-01-20 | 2011-06-29 | 单立辉 | 高精度小电流智能接地选线方法及装置 |
| CN103944259A (zh) * | 2014-02-24 | 2014-07-23 | 北京科东电力控制系统有限责任公司 | 一种用于配电终端的控制系统 |
| CN204116470U (zh) * | 2014-06-13 | 2015-01-21 | 哈尔滨点拓科技开发有限公司 | 一种交流窜入直流检测及报修装置 |
| CN106353642A (zh) * | 2016-11-04 | 2017-01-25 | 华北电力大学（保定） | 基于消弧线圈接入控制短时异态信号的小电流接地选线和调谐方法 |
| CN110082640A (zh) * | 2019-05-16 | 2019-08-02 | 国网安徽省电力有限公司 | 一种基于长短时记忆网络的配网单相接地故障辨识方法 |
| CN110208650A (zh) * | 2019-06-05 | 2019-09-06 | 贵州电网有限责任公司 | 基于径向基网络的小电流接地系统多判据故障选线方法 |
| CN110488154A (zh) * | 2019-08-28 | 2019-11-22 | 国网四川省电力公司成都供电公司 | 一种用于调度主站端的小电流接地选线方法 |
| CN111007362A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种配电网故障选线定位系统、方法和设备 |
| CN111596170A (zh) * | 2020-05-27 | 2020-08-28 | 国网上海市电力公司 | 一种用于智能配网的故障诊断综合定位方法 |
| CN112114231A (zh) * | 2020-09-18 | 2020-12-22 | 广西大学 | 一种具有连续学习能力的cnn故障选线方法 |
-
2021
- 2021-08-16 CN CN202110935639.9A patent/CN113625115A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102110978A (zh) * | 2011-01-20 | 2011-06-29 | 单立辉 | 高精度小电流智能接地选线方法及装置 |
| CN103944259A (zh) * | 2014-02-24 | 2014-07-23 | 北京科东电力控制系统有限责任公司 | 一种用于配电终端的控制系统 |
| CN204116470U (zh) * | 2014-06-13 | 2015-01-21 | 哈尔滨点拓科技开发有限公司 | 一种交流窜入直流检测及报修装置 |
| CN106353642A (zh) * | 2016-11-04 | 2017-01-25 | 华北电力大学（保定） | 基于消弧线圈接入控制短时异态信号的小电流接地选线和调谐方法 |
| CN110082640A (zh) * | 2019-05-16 | 2019-08-02 | 国网安徽省电力有限公司 | 一种基于长短时记忆网络的配网单相接地故障辨识方法 |
| CN110208650A (zh) * | 2019-06-05 | 2019-09-06 | 贵州电网有限责任公司 | 基于径向基网络的小电流接地系统多判据故障选线方法 |
| CN110488154A (zh) * | 2019-08-28 | 2019-11-22 | 国网四川省电力公司成都供电公司 | 一种用于调度主站端的小电流接地选线方法 |
| CN111007362A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种配电网故障选线定位系统、方法和设备 |
| CN111596170A (zh) * | 2020-05-27 | 2020-08-28 | 国网上海市电力公司 | 一种用于智能配网的故障诊断综合定位方法 |
| CN112114231A (zh) * | 2020-09-18 | 2020-12-22 | 广西大学 | 一种具有连续学习能力的cnn故障选线方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116008733A (zh) * | 2023-03-21 | 2023-04-25 | 成都信息工程大学 | 一种基于集成深度神经网络的单相接地故障诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105576660B (zh) | 地区配电网在线仿真分析装置及系统 | |
| CN107093895B (zh) | 基于预想故障集自动筛选的在线暂态安全稳定评估方法 | |
| US8880658B2 (en) | Method and system for publishing data from intelligent electronic devices | |
| CN105356461B (zh) | 一种低压电网负荷不平衡治理项目碳减排量的核算方法 | |
| CN109086963B (zh) | 一种线损理论计算精益化管理方法 | |
| CN111413643A (zh) | 一种配电网单相接地故障辨识方法 | |
| CN109752629B (zh) | 一种电网量测问题智能诊断方法及系统 | |
| CN112014689A (zh) | 一种电流采样回路异常的诊断方法及装置 | |
| CN113625103A (zh) | 小电流接地系统单相接地故障的选线方法 | |
| CN113625115A (zh) | 一种基于调度数据的小电流接地故障选线系统 | |
| CN103823158A (zh) | 采用不变矩的谐振接地系统故障选线方法 | |
| CN106530125B (zh) | 一种电力系统潮流计算数据转换方法 | |
| CN106786527B (zh) | 基于省地及调配一体化的配网合环风险分析方法 | |
| CN104484834A (zh) | 配电线路最小载流值的确定方法 | |
| CN109164307B (zh) | 一种配电变压器相序识别算法 | |
| Muttalib et al. | Developing and enhancing business processes to enable higher levels of TSO-DSO interaction | |
| Kashtanov et al. | Application of graph theory as a tool for reconfiguration of the distribution network | |
| CN113013879B (zh) | 基于Neo4j的配电网电压暂降影响域可视化方法 | |
| CN110378597B (zh) | 一种光伏发电设备故障电流在线计算方法及装置 | |
| CN104967117B (zh) | 一种电力线路参数的计算方法 | |
| Liao et al. | Identification of Fault Line Selection and Section for Single-Phase Ground Fault in Small Current Grounding System | |
| CN107171314A (zh) | 基于状态估计后潮流分布数据的电网损耗在线计算方法 | |
| CN116203355B (zh) | 一种线路中任意位置短路电流计算方法及系统 | |
| Ramanathan et al. | Equipment naming convention methodology for node/breaker model | |
| CN113742878B (zh) | 一种电网损失电量位置定位方法、系统、设备及介质 |
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 |