CN113985196A - 一种电网分布式故障定位方法、装置、记录媒体及系统 - Google Patents
一种电网分布式故障定位方法、装置、记录媒体及系统 Download PDFInfo
- Publication number
- CN113985196A CN113985196A CN202111202429.5A CN202111202429A CN113985196A CN 113985196 A CN113985196 A CN 113985196A CN 202111202429 A CN202111202429 A CN 202111202429A CN 113985196 A CN113985196 A CN 113985196A
- Authority
- CN
- China
- Prior art keywords
- fault
- line
- switch
- information
- power grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 241000272201 Columbiformes Species 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000003044 adaptive effect Effects 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 48
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 7
- 230000006978 adaptation Effects 0.000 abstract 1
- 230000001052 transient effect Effects 0.000 abstract 1
- 238000009826 distribution Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 6
- 238000000137 annealing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 244000144992 flock Species 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000005855 radiation Effects 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及电网故障定位领域,公开了一种电网分布式故障定位方法,包括下述步骤:获取线路电流信息,通过事先设定的开关状态编码对该信息进行编码,获得线路状态编码信息;构建开关函数对线路状态编码信息进行计算,构建适应度函数对该计算结果进行评价,获取该线路对应的适应值;通过鸽群算法对该适应值进行计算,依计算结果确定对应的故障线路。本发明还提供了一种包括存储有上述方法程序的非暂态可读记录媒体及处理电路构成的装置和系统,通过处理电路可以调用该程序,以执行上述方法,完成对电网故障定位。本发明提高了鸽群算法在寻优过程中的速度、稳定性和精确度,适于对电网故障路段快速定位。
Description
技术领域
本发明涉及电网故障定位技术领域,具体公开了一种电网分布式故障定位方法、装置、记录媒体及系统。
背景技术
电力系统是进行电力生产、变换、传输、分配和消费的重要系统,主要由发变电设备、电力线路和配电网组成当配电网发生故障时,会对生活和工业生产造成严重的影响。对电力运行的安全和稳定要求,使配电网占越来越重要的地位,因此对配电网的安全性和高效的维护提出了更高的要求。
由于大量分布式电源并网运行,这使配电网的拓扑结构更加的复杂,并且在线路发生故障时,短路电流相比于传统单辐射网络会产生变化,对电能质量造成巨大影响,同时会加大故障诊断、判断故障位置的难度。所以,亟需一种电网分布式故障定位方法,能够快速精准找到故障点的位置。
发明内容
针对现有技术的不足,本发明提供了一种电网分布式故障定位方法,包括以下步骤;
S1,实时获取线路电流信息,通过事先设定的开关状态编码对所述电流信息进行编码,获得线路状态编码信息;
S2,构建开关函数对所述线路状态编码信息进行计算,构建适应度函数对计算结果进行评价,获取该线路对应的适应值;
S3,通过鸽群算法对所述适应值进行计算,依计算结果确定对应的故障线路。
优选的,所述开关状态编码包括:开关处流过正向故障电流,标记为1;开关处未流过故障电流,标记为0;开关处流过反向故障电流,标记为-1。
本发明还提供一种电网分布式故障定位装置,包括:
编码转化模块,用于实时获取线路电流信息,通过事先设定的开关状态编码对所述电流信息进行编码,获得线路状态编码信息;
计算模块,用于构建开关函数对所述线路状态编码信息进行计算,构建适应度函数对计算结果进行评价,获取该线路对应的适应值;
故障确定模块,用于通过鸽群算法对所述适应值进行计算,依计算结果确定对应的故障线路;
所述编码转化模块、计算模块、故障确定模块通信连接。
优选的,所述编码转化模块中还包括编码模块,用于当开关处流过正向故障电流,标记1;开关处未流过故障电流,标记0;开关处流过反向故障电流,标记-1。
本发明的另一方案为一种非暂态可读记录媒体,用以存储包含多个指令的一个或多个程序,所述程序被处理器执行时实现上述电网分布式故障定位方法的步骤。
本发明的又一方案为一种电网分布式故障定位系统,包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被处理器执行时实现上述电网分布式故障定位方法的步骤。
与现有技术相比,本发明具备以下有益效果:
通过开关函数以及适应度函数对鸽群算法进行改进,能够提高鸽群算法在解决配电网故障定位问题时的效率和容错率,使工作人员快速且精确查找到对应的故障线路;还能够提高鸽群算法在寻优过程中的效率和精确度,实现快速寻优,且稳定性强,精确度高。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备的结构示意图;
图2为本发明实施例的程序运行流程示意图;
图3为本发明实施例的功能模块示意图;
其中1001-处理器;1002-通信总线;1003-用户接口;1004-网络接口;1005-存储器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术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,都属于本发明保护的范围。
如图1所示,该电网分布式故障定位系统可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对装置的限定,在实际应用中设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及电网分布式故障定位方法程序。
在图1所示的设备中,网络接口1004主要用于建立设备与存储电网分布式故障定位系统中所需的所有数据的服务器的通信连接;用户接口1003主要用于与用户进行数据交互;本发明电网分布式故障定位中的处理器1001、存储器1005可以设置在电网分布式故障定位系统中,所述电网分布式故障定位系统通过处理器1001调用存储器1005中存储的电网分布式故障定位方法程序,并执行本发明实施例提供的电网分布式故障定位方法。
图2为本发明电网分布式故障定位方法第一实施例的流程示意图。
本实施例中,所述电网分布式故障定位方法包括以下步骤:
S10:设定开关状态编码,实时获取线路电流信息,通过该开关状态编码对线路电流信息进行编码,获取线路状态编码信息。
应当理解的是,本实施中系统会设定开关状态编码,所述开关状态编码包括:开关处流过正向故障电流,标记为1;开关处未流过故障电流,标记为0;开关处流过反向故障电流,标记为-1,实时获取线路电流信息,通过该开关状态编码对线路电流信息进行转化编码,并记录该线路电流信息对应的线路状态编码信息。
S20:构建开关函数以及适应度函数,通过开关函数对线路状态编码信息进行计算,获取计算结果,并通过适应度函数对该计算结果进行评价,获取该线路对应的适应值。
应当理解的是,之后系统会构建开关函数以及适应度函数,通过开关函数将线路状态编码信息转化为馈线终端设备待检测的故障电流信息,并通过适应度函数计算该故障电流信息对应的适应值。
应当理解的是,所述开关函数为:
其中,代表馈线终端设备待检测的故障电流信息,xju代表上游的电源与该开关j之间线路的状态,xjd代表下游的电源与该开关j之间线路的状态,当分布式电源DGi接入到配电网之中并网运行时,其KDGi的值为1,相反DGi未接入配电网时,其KDGi的值为0,N代表上游路段数,M1代表在开关j与其最近的上游的电源之间所有馈线区段个数,M2代表在开关j与所有的下游的电源之间所有馈线区段的个数。
应当理解的是,所述适应度函数为:
其中,w代表系数,为1/2,Ij代表,Ij代表第j个开关馈线终端设备上传的故障信息,K代表开关总数,F(X)代表适应度函数的输出值。
S30:构建鸽群算法,通过鸽群算法对该线路对应的适应值进行计算,根据计算结果确定对应的故障线路。
应当理解的是,之后系统会构建鸽群算法,将适应度函数的输出值作为鸽群的总体数量并确定对应维度,设定地图因子的最大迭代次数、地标因子的最大的迭代次数、指南因子的参数值以及退火系数,根据这些参数通过鸽群算法对该线路对应的适应值进行计算,根据计算结果确定对应的故障线路。
应当理解的是,最后系统会初始化鸽群各个个体的位置和速度,并计算各个个体的适应度,根据该适应度确定全局最优gbset,通过指南因子对全局最优gbset进行迭代,根据迭代结果结果确定对应的故障线路。
具体步骤如下:
初始化基本参数。首先设置鸽群的总体数量Np,地图因子的最大的迭代的次数t1,地标因子的最大的迭代次数t2,根据求解问题确定维度W,设置指南针因子R的参数值,设置退火系数λ,通常退火系数λ=0.95。
进入地图指南针因子迭代循环计算,按如下步骤:
根据下式计算在当前温度下的适配值:
根据上述计算的适配值,根据轮盘赌策略从中所有Xi中选择出种群的最优个体,并将其赋值g‘bset。
根据地图和指南针因子和g‘bset,更新速度Vi t和位置并计算适应度的值,更新种群的最优位置gbset。进行退温处理直至到达地图和指南针因子的迭代次数t1,将更新迭代后的和Vi t送入地标更新过程中。
由适应度函数的值确定中心位置gc并更新种群的最优位置gbset,直至达到地标因子的迭代次数t2。
完成所有迭代过程后,其得到的最优位置gbset即为所求问题的最优解。
需要说明的是,以上仅为举例说明,并不对本申请的技术方案构成任何限定。
通过上述描述不难发现,本实施例通过设定开关状态编码,实时获取线路电流信息,通过该开关状态编码对线路电流信息进行编码,获取线路状态编码信息;构建开关函数以及适应度函数,通过开关函数对线路状态编码信息进行计算,获取计算结果,并通过适应度函数对该计算结果进行评价,获取该线路对应的适应值;构建鸽群算法,通过鸽群算法对该线路对应的适应值进行计算,根据计算结果确定对应的故障线路。本实施例通过对鸽群算法进行改进,利用开关函数以及适应度函数,能够提高了鸽群算法在寻优过程中的速度、稳定性和精确度,同时也提高鸽群算法在解决配电网故障定位问题时的快速定位性能和容错率,能够对电网故障路段快速定位。
此外,本发明实施例还提出一种电网分布式故障定位装置。如图3所示,该电网分布式故障定位装置包括:编码转化模块10、计算模块20、故障确定模块30。
编码转化模块10,用于设定开关状态编码,实时获取线路电流信息,通过该开关状态编码对线路电流信息进行编码,获取线路状态编码信息;
计算模块20,用于构建开关函数以及适应度函数,通过开关函数对线路状态编码信息进行计算,获取计算结果,并通过适应度函数对该计算结果进行评价,获取该线路对应的适应值;
故障确定模块30,用于构建鸽群算法,通过鸽群算法对该线路对应的适应值进行计算,根据计算结果确定对应的故障线路。
此外,需要说明的是,以上所描述的装置实施例仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的电网分布式故障定位方法,此处不再赘述。
此外,本发明实施例还提出一种介质,所述介质为计算机介质,所述计算机介质上存储有电网分布式故障定位方法程序,所述电网分布式故障定位方法程序被处理器执行时实现如下操作:
S1,设定开关状态编码,实时获取线路电流信息,通过该开关状态编码对线路电流信息进行编码,获取线路状态编码信息;
S2,构建开关函数以及适应度函数,通过开关函数对线路状态编码信息进行计算,获取计算结果,并通过适应度函数对该计算结果进行评价,获取该线路对应的适应值;
S3,构建鸽群算法,通过鸽群算法对该线路对应的适应值进行计算,根据计算结果确定对应的故障线路。
进一步地,所述电网分布式故障定位方法程序被处理器执行时还实现如下操作:
设定开关状态编码,所述开关状态编码包括:开关处流过正向故障电流,标记为1;开关处未流过故障电流,标记为0;开关处流过反向故障电流,标记为-1,实时获取线路电流信息,通过该开关状态编码对线路电流信息进行转化编码,并记录该线路电流信息对应的线路状态编码信息。
进一步地,所述电网分布式故障定位方法程序被处理器执行时还实现如下操作:
构建开关函数以及适应度函数,通过开关函数将线路状态编码信息转化为馈线终端设备待检测的故障电流信息,并通过适应度函数计算该故障电流信息对应的适应值。
进一步地,所述电网分布式故障定位方法程序被处理器执行时还实现如下操作:
所述开关函数为:
其中,代表馈线终端设备待检测的故障电流信息,xju代表上游的电源与该开关j之间线路的状态,xjd代表下游的电源与该开关j之间线路的状态,当分布式电源DGi接入到配电网之中并网运行时,其KDGi的值为1,相反DGi未接入配电网时,其KDGi的值为0,N代表上游路段数,M1代表在开关j与其最近的上游的电源之间所有馈线区段个数,M2代表在开关j与所有的下游的电源之间所有馈线区段的个数。
进一步地,所述电网分布式故障定位方法程序被处理器执行时还实现如下操作:
所述适应度函数为:
其中,w代表系数,为1/2,Ij代表,Ij代表第j个开关馈线终端设备上传的故障信息,K代表开关总数,F(X)代表适应度函数的输出值。
进一步地,所述电网分布式故障定位方法程序被处理器执行时还实现如下操作:
构建鸽群算法,将适应度函数的输出值作为鸽群的总体数量并确定对应维度,设定地图因子的最大迭代次数、地标因子的最大的迭代次数、指南因子的参数值以及退火系数,根据这些参数通过鸽群算法对该线路对应的适应值进行计算,根据计算结果确定对应的故障线路。
进一步地,所述电网分布式故障定位方法程序被处理器执行时还实现如下操作:
初始化鸽群各个个体的位置和速度,并计算各个个体的适应度,根据该适应度确定全局最优gbset,通过指南因子对全局最优gbset进行迭代,根据迭代结果结果确定对应的故障线路。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机、可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种电网分布式故障定位方法,其特征在于包括以下步骤;
S1,实时获取线路电流信息,通过事先设定的开关状态编码对所述电流信息进行编码,获得线路状态编码信息;
S2,构建开关函数对所述线路状态编码信息进行计算,构建适应度函数对计算结果进行评价,获取该线路对应的适应值;
S3,通过鸽群算法对所述适应值进行计算,依计算结果确定对应的故障线路。
2.如权利要求1所述的一种电网分布式故障定位方法,其特征在于,所述开关状态编码包括:开关处流过正向故障电流,标记为1;开关处未流过故障电流,标记为0;开关处流过反向故障电流,标记为-1。
3.一种电网分布式故障定位装置,其特征在于,所述装置包括:
编码转化模块,用于实时获取线路电流信息,通过事先设定的开关状态编码对所述电流信息进行编码,获得线路状态编码信息;
计算模块,用于构建开关函数对所述线路状态编码信息进行计算,构建适应度函数对计算结果进行评价,获取该线路对应的适应值;
故障确定模块,用于通过鸽群算法对所述适应值进行计算,依计算结果确定对应的故障线路;
所述编码转化模块、计算模块、故障确定模块通信连接,能执行权利要求1中所述S1-S3步骤。
4.如权利要求3所述的一种电网分布式故障定位装置,其特征在于,所述编码转化模块中还包括编码模块,用于当开关处流过正向故障电流,标记1;开关处未流过故障电流,标记0;开关处流过反向故障电流,标记-1。
5.一种非暂态可读记录媒体,用以存储包含多个指令的一个或多个程序,所述程序被处理器执行时实现如权利要求1-2中任一项所述的一种电网分布式故障定位方法的步骤。
6.一种电网分布式故障定位系统,其特征在于,所述系统包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被处理器执行时实现如权利要求1-2中任一项所述的一种电网分布式故障定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111202429.5A CN113985196A (zh) | 2021-10-15 | 2021-10-15 | 一种电网分布式故障定位方法、装置、记录媒体及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111202429.5A CN113985196A (zh) | 2021-10-15 | 2021-10-15 | 一种电网分布式故障定位方法、装置、记录媒体及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113985196A true CN113985196A (zh) | 2022-01-28 |
Family
ID=79738781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111202429.5A Pending CN113985196A (zh) | 2021-10-15 | 2021-10-15 | 一种电网分布式故障定位方法、装置、记录媒体及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113985196A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117031214A (zh) * | 2023-10-10 | 2023-11-10 | 国网山东省电力公司曲阜市供电公司 | 一种电网故障智能监控方法、系统、介质及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108693771A (zh) * | 2017-04-10 | 2018-10-23 | 南京理工大学 | 一种基于多种群遗传算法的配电网故障区段定位算法 |
CN109391515A (zh) * | 2018-11-07 | 2019-02-26 | 武汉烽火技术服务有限公司 | 基于鸽群算法优化支持向量机的网络故障预测方法及系统 |
CN110554280A (zh) * | 2019-08-09 | 2019-12-10 | 上海电力大学 | 基于层级模型和改进灰狼优化算法的配电网故障定位方法 |
CN112327097A (zh) * | 2020-10-27 | 2021-02-05 | 南方电网科学研究院有限责任公司 | 一种电力故障线路定位方法 |
CN113487019A (zh) * | 2021-07-06 | 2021-10-08 | 湖南第一师范学院 | 电路故障诊断方法、装置、计算机设备和存储介质 |
-
2021
- 2021-10-15 CN CN202111202429.5A patent/CN113985196A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108693771A (zh) * | 2017-04-10 | 2018-10-23 | 南京理工大学 | 一种基于多种群遗传算法的配电网故障区段定位算法 |
CN109391515A (zh) * | 2018-11-07 | 2019-02-26 | 武汉烽火技术服务有限公司 | 基于鸽群算法优化支持向量机的网络故障预测方法及系统 |
CN110554280A (zh) * | 2019-08-09 | 2019-12-10 | 上海电力大学 | 基于层级模型和改进灰狼优化算法的配电网故障定位方法 |
CN112327097A (zh) * | 2020-10-27 | 2021-02-05 | 南方电网科学研究院有限责任公司 | 一种电力故障线路定位方法 |
CN113487019A (zh) * | 2021-07-06 | 2021-10-08 | 湖南第一师范学院 | 电路故障诊断方法、装置、计算机设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117031214A (zh) * | 2023-10-10 | 2023-11-10 | 国网山东省电力公司曲阜市供电公司 | 一种电网故障智能监控方法、系统、介质及设备 |
CN117031214B (zh) * | 2023-10-10 | 2024-01-23 | 国网山东省电力公司曲阜市供电公司 | 一种电网故障智能监控方法、系统、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3822880A1 (en) | Load prediction method and apparatus based on neural network | |
KR101945863B1 (ko) | 시뮬레이션 모듈을 사용하는 컴퓨터-지원 플랜트 제어 최적화를 위한 방법 | |
CN107015875B (zh) | 一种电子整机贮存寿命评估方法及装置 | |
Türkay et al. | Application of a fast evolutionary algorithm to short-term hydro-thermal generation scheduling | |
CN109858798B (zh) | 关联改造措施与电压指标的电网投资决策建模方法及装置 | |
CN108885787A (zh) | 训练图像修复模型的方法、图像修复方法、装置、介质及设备 | |
CN113033861A (zh) | 一种基于时间序列模型的水质预测方法及系统 | |
CN111126707B (zh) | 能耗方程构建、能耗预测方法与装置 | |
CN110009181A (zh) | 配电网改造措施与失负荷量指标关联性挖掘方法及装置 | |
CN113985196A (zh) | 一种电网分布式故障定位方法、装置、记录媒体及系统 | |
CN115730755A (zh) | 一种双碳目标实现路径规划方法、装置、终端设备及介质 | |
CN116799796A (zh) | 一种光伏发电功率预测方法、装置、设备及介质 | |
Aman et al. | Discrete evolutionary programming to solve network reconfiguration problem | |
CN113642766B (zh) | 一种电力系统站点停电数的预测方法、装置、设备及介质 | |
CN104281917A (zh) | 基于自适应遗传和克隆选择算法的模糊作业车间调度方法 | |
CN112801374A (zh) | 模型训练方法、用电负荷预测方法、装置及设备 | |
CN115986729A (zh) | 基于源网荷储数据驱动模型的求解方法、装置以及设备 | |
CN115169754B (zh) | 能源调度方法、装置、电子设备及存储介质 | |
CN115358314A (zh) | 风电功率预测模型的训练和功率预测的方法、装置和设备 | |
CN111478331B (zh) | 一种用于调整电力系统潮流收敛的方法及系统 | |
CN114548790A (zh) | 一种综合能源系统碳排放分配方法、装置及相关组件 | |
CN116050557A (zh) | 电力负荷预测方法、装置、计算机设备和介质 | |
CN118572729B (zh) | 一种基于多智能体强化学习的多微电网快速功率控制方法 | |
CN111242803A (zh) | 基于多种群遗传算法的风机排布方法及装置 | |
Xia et al. | An improved non-dominated sorting genetic algorithm for multi-objective optimization based on crowding distance |
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 |