CN114414938A - 一种配电网故障的动态响应方法及系统 - Google Patents
一种配电网故障的动态响应方法及系统 Download PDFInfo
- Publication number
- CN114414938A CN114414938A CN202111576540.0A CN202111576540A CN114414938A CN 114414938 A CN114414938 A CN 114414938A CN 202111576540 A CN202111576540 A CN 202111576540A CN 114414938 A CN114414938 A CN 114414938A
- Authority
- CN
- China
- Prior art keywords
- fault
- time
- information
- distribution network
- power distribution
- 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.)
- Granted
Links
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
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网故障的动态响应方法及系统,所述方法包括:通过对所述配电网的实时运行状态进行数据监测,获得第一实时监测数据;根据配电网络拓扑结构和所述第一实时监测数据,获得第一结构区间;通过对所述第一结构区间进行故障指标检测,确定第一故障点类别;判断所述第一故障点类别是否属于标识频次故障点,若属于所述标识频次故障点,获得所述第一故障点类别的同类比故障累计数据;将所述故障累计数据作为输入信息输入故障预测模型中,获得第一输出信息;根据所述第一输出信息中的时间信息进行动态响应标记。解决了现有技术中存在现有故障检测对于预测性的故障检测不够完善,造成故障率高,从而增加经济损失的技术问题。
Description
技术领域
本发明涉及配电网相关领域,尤其涉及一种配电网故障的动态响应方法及系统。
背景技术
随着我国科学技术的发展,用户对于供电需求和供电质量越来越高,配电网是供电公司的重要设备,配电故障会造成巨大的损失,而配电网的供电可靠性直接受到故障检测的影响,一旦配电系统发生故障,如何保证故障迅速分析、定位,从而为解决故障问题提供信息基础,以提高故障检修效率。
当配电网发生故障时,为社会生产和人们的生活会带来较大的影响,但是,随着用电种类的增多,配电网的电压等级不断的升高,配电网的结构也越来越复杂,因此,降低故障发生概率是目前的主要解决问题。
但本申请在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在现有故障检测对于预测性的故障检测不够完善,造成故障率高,从而增加经济损失的技术问题。
发明内容
针对现有技术中的缺陷,本申请实施例的目的是,通过提供一种配电网故障的动态响应方法及系统,解决了现有技术中存在现有故障检测对于预测性的故障检测不够完善,造成故障率高,从而增加经济损失的技术问题,达到了通过对结合时间序列模型对配电网进行检测信息的预测处理,并根据预测结果不断实现反馈优化的实现故障动态响应,降低故障率的技术效果。
一方面,本申请实施例提供一种配电网故障的动态响应方法,所述方法包括:通过对配电网的结构进行模拟,生成配电网络拓扑结构;通过对所述配电网的实时运行状态进行数据监测,获得第一实时监测数据;根据所述配电网络拓扑结构和所述第一实时监测数据,获得第一结构区间,其中,所述第一结构区间为异常检测的结构范围;通过对所述第一结构区间进行故障指标检测,并根据检测结果从所述第一结构区间中确定第一故障点类别;判断所述第一故障点类别是否属于标识频次故障点,若属于所述标识频次故障点,获得第一累计指令;根据所述第一累计指令,获得所述第一故障点类别的同类比故障累计数据;将所述故障累计数据作为输入信息输入故障预测模型中,根据所述故障预测模型,获得第一输出信息,其中,所述第一输出信息为时间-故障概率的预测分布信息;根据所述第一输出信息中的时间信息进行动态响应标记。
另一方面,本申请还提供了一种配电网故障的动态响应系统,所述系统包括:第一生成单元,所述第一生成单元用于通过对配电网的结构进行模拟,生成配电网络拓扑结构;第一获得单元,所述第一获得单元用于通过对所述配电网的实时运行状态进行数据监测,获得第一实时监测数据;第二获得单元,所述第二获得单元用于根据所述配电网络拓扑结构和所述第一实时监测数据,获得第一结构区间,其中,所述第一结构区间为异常检测的结构范围;第一确定单元,所述第一确定单元用于通过对所述第一结构区间进行故障指标检测,并根据检测结果从所述第一结构区间中确定第一故障点类别;第一判断单元,所述第一判断单元用于判断所述第一故障点类别是否属于标识频次故障点,若属于所述标识频次故障点,获得第一累计指令;第三获得单元,所述第三获得单元用于根据所述第一累计指令,获得所述第一故障点类别的同类比故障累计数据;第一输入单元,所述第一输入单元用于将所述故障累计数据作为输入信息输入故障预测模型中,根据所述故障预测模型,获得第一输出信息,其中,所述第一输出信息为时间-故障概率的预测分布信息;第一标记单元,所述第一响应单元用于根据所述第一输出信息中的时间信息进行动态响应标记。
第三方面,本申请实施例提供了一种配电网故障的动态响应系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、由于采用了通过对配电网的结构进行模拟,从而生成配电网络拓扑结构以数字化对配电网进行管理,再进一步的对配电网的运行状态进行数据检测,在数据检测的基础上确定所述配电网络拓扑结构的所主要异常检测结构范围,进一步的对检测的结构区间实现精确定位检测,从而确定其故障类别,并判断该故障类别是否为出现频次较高的故障类别,若是出现频次较高的故障类别,基于历史数据提取对应故障类别的数据进行时间序列的故障预测响应分析,即将所述故障累计数据作为输入信息输入故障预测模型中,并根据故障预测模型输出时间-故障概率的预测分析信息,再对所述第一输出信息中的时间信息进行动态响应标记的方式,达到了通过对结合时间序列模型对配电网进行检测信息的预测处理,并根据预测结果不断实现反馈优化的实现故障动态响应,降低故障率的技术效果。
2、由于采用了通过构建时间序列预测的自回归模型对过去若干个时间点的值的回归进行预测,从而输出预测时间分布信息和预测故障概率分布信息的方式,能够根据预测的数据实现系统的故障预见性提醒,从而降低故障发生的概率。
3、由于采用了通过确定对应的邻时间差值,适应性的对所述预测时间分布信息中的第一组分布信息进行调整,提高所述预测模型在不断实时数据更新的过程中,进行动态响应,增加预测结果准确性和响应有效性的技术效果。
4、由于采用了将多个质量评估信息与优化故障模型的时间-用电量的时间序列模型进行结合,从而对用户的用电量与设备的选型适配度进行分析,对所述配电网络拓扑结构进行优化,并根据优化结果实现动态响应的适应性更新。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读参照以下附图对非限制性实施例所做的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本申请实施例一种配电网故障的动态响应方法的流程示意图;
图2为本申请实施例一种配电网故障的动态响应方法的获得第一输出信息的流程示意图;
图3为本申请实施例一种配电网故障的动态响应方法的响应标记故障反馈分析的流程示意图;
图4为本申请实施例一种配电网故障的动态响应方法的获得第二输出信息的流程示意图;
图5为本申请实施例一种配电网故障的动态响应方法的拓扑结构优化的流程示意图;
图6为本申请实施例一种配电网故障的动态响应系统的结构示意图;
图7为本申请实施例示例性电子设备的结构示意图。
具体实施方式
本申请实施例通过提供一种配电网故障的动态响应方法及系统,解决了现有技术中存在现有故障检测对于预测性的故障检测不够完善,造成故障率高,从而增加经济损失的技术问题,达到了通过对结合时间序列模型对配电网进行检测信息的预测处理,并根据预测结果不断实现反馈优化的实现故障动态响应,降低故障率的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
目前,现有技术中的配电网络故障准确定位和检测都处于实时性,无法对故障的发生的数据进行关于时间序列的可预见性预测。在不影响配电网故障的动态响应的基础上,本申请提供了一种基于故障定位和类比分析的数据基础上,通过时间序列响应的故障预测模型进行分析,进而根据模型输出的时间-故障概率的预测分布信息,实现关于时间信息的预见性标记,并根据标记结果不断优化预测分布信息,实现了动态响应的预见性故障检测。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供一种配电网故障的动态响应方法,所述方法包括:通过对配电网的结构进行模拟,生成配电网络拓扑结构;通过对所述配电网的实时运行状态进行数据监测,获得第一实时监测数据;根据所述配电网络拓扑结构和所述第一实时监测数据,获得第一结构区间,其中,所述第一结构区间为异常检测的结构范围;通过对所述第一结构区间进行故障指标检测,并根据检测结果从所述第一结构区间中确定第一故障点类别;判断所述第一故障点类别是否属于标识频次故障点,若属于所述标识频次故障点,获得第一累计指令;根据所述第一累计指令,获得所述第一故障点类别的同类比故障累计数据;将所述故障累计数据作为输入信息输入故障预测模型中,根据所述故障预测模型,获得第一输出信息,其中,所述第一输出信息为时间-故障概率的预测分布信息;根据所述第一输出信息中的时间信息进行动态响应标记。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种配电网故障的动态响应方法,所述方法包括:
步骤S100:通过对配电网的结构进行模拟,生成配电网络拓扑结构;
具体而言,所述配电网络拓扑结构是根据配电网的目前设计结构和主要分配功能进行模拟的数学模型,其中,由于配电网是指从输电网或地区发电厂接受电能,并通过配电设施就地分配或按照电压主机分配给各类用户的电力网,一般为闭环执行结构配电网节点众多,在实现所述配电自动化的功能,需要进行拓扑结构模型的构建,即根据节点位置和节点之间的相互连接关系进行模型的构建,从而获得配电网络拓扑结构。进一步的,基于网络拓扑结构中的拓扑关系和区段,从而将配电网的结构进行数字化的模拟,数据化的模型便于系统的数据化检测和故障查询。
步骤S200:通过对所述配电网的实时运行状态进行数据监测,获得第一实时监测数据;
步骤S300:根据所述配电网络拓扑结构和所述第一实时监测数据,获得第一结构区间,其中,所述第一结构区间为异常检测的结构范围;
具体而言,所述第一实时监测数据为对配电网在运行期间产生的大量流动性数据进行监测获得的数据,比如可以通过系统连接的状态量监测模块监测电网电量数据,以及负荷监测模块监测电力负荷数据,从而根据所述第一实时监测数据从所述配电网络拓扑结构中,获得数据异常的结构区间范围,即通过进一步的结构区间定位来增加异常情况出现的区段,从而获得所述第一结构区间。所述第一实时监测数据会经过数据预处理的模型,与历史检测数据进行数据比对,当数据出现异常时再标记异常区间,从而能够根据标记的区间进一步缩小故障指标的检测范围,提高故障定位的速度。
步骤S400:通过对所述第一结构区间进行故障指标检测,并根据检测结果从所述第一结构区间中确定第一故障点类别;
具体而言,由于所述第一结构区间为数据异常检测的结构范围,从而根据所述第一结构区间,确定所属区间中的节点关系以及结构的路径关系,并结合所述第一实时监测数据中的异常监测数据类型,确定其异常数据节点和相关的连接节点,从而进一步的进行故障的精确化定位,确定出现异常数据的故障类别。
步骤S500:判断所述第一故障点类别是否属于标识频次故障点,若属于所述标识频次故障点,获得第一累计指令;
步骤S600:根据所述第一累计指令,获得所述第一故障点类别的同类比故障累计数据;
具体而言,所述标识频次故障点为基于历史故障数据的进行频次计算和排序后,确定频次数据大于预设频次的前N个故障类别,并对前N个故障类别进行标识的故障类型,并存储至所述标识故障信息库,其中,所述标识频次故障点为所述标识故障信息库中的故障类型。所述第一故障点类别的同类比故障累计数据为与所述第一故障点类别相同的故障数据,且为某一段周期中的累计数据。
若所述第一故障点类别输入所述标识故障信息库中能够匹配到对应的故障类型,表示所述第一故障点类别输入所述标识频次故障点,从而根据累计指令,累计所述第一故障点类别的故障发生累计次数以及相关故障数据,包括故障发省时间、故障设备信息、故障异常等级、故障维修信息等各项数据信息。
步骤S700:将所述故障累计数据作为输入信息输入故障预测模型中,根据所述故障预测模型,获得第一输出信息,其中,所述第一输出信息为时间-故障概率的预测分布信息;
进一步的,如图2所示,本申请实施例步骤S700还包括:
步骤S710:构建所述故障预测模型,其中,所述故障预测模型为时间序列响应模型;
步骤S720:获得所述故障累计数据的时间分布信息,其中,所述故障累计数据中每一次的故障数据都与一时间信息相对应;
步骤S730:所述故障预测模型根据所述故障累计数据的时间分布信息进行时间序列预测,获得预测时间分布信息和预测故障概率分布信息,其中,所述预测时间分布信息和所述预测故障概率分布信息一一对应;
步骤S740:将所述预测时间分布信息和所述预测故障概率分布信息生成的所述预测分布信息,作为所述第一输出信息。
具体而言,所述故障预测模型为基于时间序列的故障预测模型,能够根据输入的所述故障累计数据实现预测,从而输出关于时间-故障概率的预测分布信息,其中,所述预测分布信息中包括预测的时间分布和预测的故障概率分布。将同一故障类型的历史一段时期的累计数据输入至模型中进行预测,获得对应的第一输出信息,其中,输入的累计数据中包括每一次故障发生的时间信息,比如日期、上午/下午、时刻,根据这些时期进行时间序列的构建,并根据构建的时间序列构建出预测模型,再由所述故障预测模型输出的信息能够对将来故障发生的下一时间点和对应的发生概率进行预测,增加了故障分析的可预见性。
进一步的,所述故障预测模型为通过构建时间序列预测的自回归模型,由于配电网发生故障时会增加其配电不稳定性,因此,基于过去若干个时间点的值的回归进行预测,从而输出预测分布信息中的下一故障发生时间点,并通过自回归模型的计算误差来确定其发生的准确性概率,进一步的,再将预测的下一故障发生时间点作为累计数据进行预测输出,确定故障再次发生的时间点及对应概率,进而获得所述预测分析信息,其中,分布信息中时间分布数和概率分布数成对应关系,从而能够根据预测的数据实现系统的故障预见性提醒,从而降低故障发生的概率。
另外的,还可以构建配电网供电用户的电量需求增长度与时间的关系,构建时间-用电量的时间序列模型,并根据该模型对所述故障预测模型进行模型输出拟合,以提高预测输出信息的准确性。
步骤S800:根据所述第一输出信息中的时间信息进行动态响应标记。
具体而言,所述第一输出信息中的时间信息为预测时间分布信息中的时间分布,根据输出预测分布信息于系统中进行时间响应,当处于时间分布中预测的第一故障发生时间时,进行系统的故障发生响应反馈,并能够根据反馈结果不断对所述故障预测模型进行优化,提高该模型的高度适应性和预测准确性。
进一步的,如图3所示,本申请实施例步骤S800还包括:
步骤S810:通过对所述预测时间分布信息中的时间信息进行节点标记,获得第一时间节点的第一故障响应结果;
步骤S820:判断所述第一故障响应结果是否响应成功;
步骤S830:若所述第一时间节点的所述第一故障响应结果为响应成功,判断第二时间节点的第二故障响应结果是否响应成功;
步骤S840:若所述第二故障响应结果响应成功,根据所述预测时间分布信息,生成预维修提醒时间。
具体而言,所述第一时间节点为故障预测模型输出的预测时间分布信息中的第一个预测时间节点,所述第一故障响应结果为在第一个预测时间节点的故障发生的响应反馈结果。所述第二时间节点为故障预测模型输出的预测时间分布信息中的第二个预测时间节点,所述第二故障响应结果为在第二个预测时间节点的故障发生的响应反馈结果。
进一步的,当所述第一时间节点的故障响应结果响应成功时,表示其反馈状态为激活状态,进而再判断第二时间节点的故障响应结果是否为响应成功,如果两次响应结果都为成功状态,对两个时间节点的概率进行大小判断,将较大概率的数据作为筛选条件,从模型输出的预测时间分布信息中选取概率大于筛选概率的时间节点,进行维修提醒标识,且维修提醒标识可以根据不断优化的模型进行动态标识响应,达到了灵活变动的响应效果。
进一步的,本申请实施例步骤S820还包括:
步骤S821:若所述第一时间节点的所述第一故障响应结果为响应失败,获得第一采集指令;
步骤S822:根据所述第一采集指令,对所述第一时间节点的邻域时间中发生故障响应的时间节点进行采集,获得第一邻时间节点;
步骤S823:根据所述第一邻时间节点对所述预测时间分布信息进行调整。
具体而言,若所述第一故障响应结果为响应失败,表示所述第一时间节点的预测性存在预测误差,其预测干扰因素造成的误差不处于预设范围中,从而造成响应失败的结果,因此,需要进一步对其预测分布信息进行误差性的调整。所述第一邻时间节点为在所述第一时间节点前后邻域时间中发生的故障响应,且所述第一邻时间节点与所述第一时间节点不重合,详细来说,可以通过对配电网的故障响应系统中的基于预测时间起,出现的第一次故障响应信息进行采集,包括时间信息和故障类型,从而确定对应的邻域时间差值,适应性的对所述预测时间分布信息中的第一组分布信息进行调整,提高所述预测模型在不断实时数据更新的过程中,进行动态响应,提高预测结果准确性和响应有效性的技术效果。
进一步的,如图4所示,本申请实施例步骤S823还包括:
步骤S8231:获得第一时间差值,其中,所述第一时间差值为所述第一时间节点与所述第一邻时间节点的时间差值;
步骤S8232:判断所述第一时间差值是否处于预设时间差值阈值中;
步骤S8233:若所述第一时间差值不处于所述预设时间差值阈值中,引入第一损失函数对所述预测时间分布信息进行损失分析,生成第一损失数据;
步骤S8234:根据所述第一损失数据对所述预测时间分布信息进行调整,获得第二输出信息。
具体而言,所述第一时间差值为所述第一时间节点与所述第一邻时间节点中间隔的时间差值,所述时间差值以所述第一时间节点为中心,具有大小和方向性,即所述第一时间差值包括正向时间差值和负向时间差值,所述第一时间差值的绝对值为大小。所述预设时间差值阈值为提前设定的偏差阈值,且所述预设时间差值阈值具有一上限值,优选的,所述上限值为小于模型输出的第一时间节点和第二时间节点的差值的1/4,进而再判断所述第一时间差值是否处于预设时间差值阈值,其中,判断过程是基于绝对值大小实现判断逻辑的,当不处于所述预设时间差值阈值时,表示目前数据在预测过程中损失性较大,进而根据损失函数实现预测时间分布信息的更新调整,进而输出第二输出信息。
进一步的,所述损失函数的构建是根据所述第一时间差值和所述预测时间分布信息进行分析,即根据所述第一时间差值对所述预测时间分布信息进行损失数据的分析,以生成第一损失数据,其中,所述第一损失数据可以对素数预测时间分布信息进行优化调整,使得输出的所述第二输出信息更加准确,从而达到了增加预测准确性的技术效果。
进一步的,本申请实施例步骤S100还包括:
步骤S110:通过对所述配电网络拓扑结构的所有配电设备元件进行信息录入,确定第一配电设备信息;
步骤S120:通过对所述第一配电设备信息进行设备评估,生成多个质量评估信息,其中,所述多个质量评估信息包括设备劣化评估信息、设备维修评估信息和设备适配评估信息;
步骤S130:根据所述多个质量评估信息,获得第三输出信息。
具体而言,通过对所述配电网络拓扑结构中的所有配电设备元件进行设备信息录入,从而能够根据其设备的录入信息进一步的对所述配电网络拓扑结构进行故障高频设备的标记输出。
进一步的,通过对设备的设备型号、设备选型、设备维修次数、设备维修内容以及设备使用的破损和等进行质量评估,从而在设备劣化评估、设备维修评估和设备适配评估这三个评估维度,实现设备的评估,生成对应的评估信息。其中,所述设备劣化评估是对设备的使用程度和设备老化度、破损度等信息进行评估;所述设备维修评估是对设备的维修大小、次数和质量进行评估;所述设备适配评估是对设备的选型与配电网的用电量增长速率进行评估。再通过对三个评估维度与故障类型相关度进行分析,确定对应的权重计算比,根据权重计算比对所述多个质量评估信息进行权重分配计算,再根据评估的结果对高频设备进行标记输出。
进一步的,如图5所示,本申请实施例步骤S120还包括:
步骤S121:根据所述多个质量评估信息,确定第一设备筛选规则;
步骤S122:根据所述第一设备筛选规则对所述第一配电设备信息进行设备筛选,获得小于等于预设劣化评分的N个筛选设备;
步骤S123:判断所述N个筛选设备的选型适配评分是否小于预设选型适配度,若小于,获得N个替代设备;
步骤S124:根据所述N个替代设备,对所述配电网络拓扑结构进行优化。
具体而言,根据第一设备筛选规则从所有设备中筛选出设备劣化评分较低的N个设备,即所述N个筛选设备,所述N个筛选设备为设备待更换的设备。进一步的,再通过对劣化程度较低的设备进行进一步的选型适配度判断,即所述设备的选型与配电网中日益增加的用电量增长率不适配,从而造成由于配电设备的适配性低造成的故障率的提高,因此,当所述N个筛选设备的选型适配评分小于所述预设选型适配度时,表示需要替换适配度高的升级设备,从而达到了智能化灵活提醒,以及增加设备信息的动态响应信息,提高响应自动化效果。
进一步的,进行选型适配度的分析,可以将所述多个质量评估信息与优化故障模型的时间-用电量的时间序列模型进行结合,从而对用户的用电量与设备的选型适配度进行分析,若不符合情况,获得所述N个替代设备,再对所述配电网络拓扑结构进行优化,并根据优化结果实现动态响应的适应性更新。
与现有技术相比,本发明具有如下的有益效果:
1、由于采用了通过对配电网的结构进行模拟,从而生成配电网络拓扑结构以数字化对配电网进行管理,再进一步的对配电网的运行状态进行数据检测,在数据检测的基础上确定所述配电网络拓扑结构的所主要异常检测结构范围,进一步的对检测的结构区间实现精确定位检测,从而确定其故障类别,并判断该故障类别是否为出现频次较高的故障类别,若是出现频次较高的故障类别,基于历史数据提取对应故障类别的数据进行时间序列的故障预测响应分析,即将所述故障累计数据作为输入信息输入故障预测模型中,并根据故障预测模型输出时间-故障概率的预测分析信息,再对所述第一输出信息中的时间信息进行动态响应标记的方式,达到了通过对结合时间序列模型对配电网进行检测信息的预测处理,并根据预测结果不断实现反馈优化的实现故障动态响应,降低故障率的技术效果。
2、由于采用了通过构建时间序列预测的自回归模型对过去若干个时间点的值的回归进行预测,从而输出预测时间分布信息和预测故障概率分布信息的方式,能够根据预测的数据实现系统的故障预见性提醒,从而降低故障发生的概率。
3、由于采用了通过确定对应的邻域时间差值,适应性的对所述预测时间分布信息中的第一组分布信息进行调整,提高所述预测模型在不断实时数据更新的过程中,进行动态响应,增加预测结果准确性和响应有效性的技术效果。
4、由于采用了将多个质量评估信息与优化故障模型的时间-用电量的时间序列模型进行结合,从而对用户的用电量与设备的选型适配度进行分析,对所述配电网络拓扑结构进行优化,并根据优化结果实现动态响应的适应性更新。
实施例二
基于与前述实施例中一种配电网故障的动态响应方法同样发明构思,本发明还提供了一种配电网故障的动态响应系统,如图6所示,所述系统包括:
第一生成单元11,所述第一生成单元11用于通过对配电网的结构进行模拟,生成配电网络拓扑结构;
第一获得单元12,所述第一获得单元12用于通过对所述配电网的实时运行状态进行数据监测,获得第一实时监测数据;
第二获得单元13,所述第二获得单元13用于根据所述配电网络拓扑结构和所述第一实时监测数据,获得第一结构区间,其中,所述第一结构区间为异常检测的结构范围;
第一确定单元14,所述第一确定单元14用于通过对所述第一结构区间进行故障指标检测,并根据检测结果从所述第一结构区间中确定第一故障点类别;
第一判断单元15,所述第一判断单元15用于判断所述第一故障点类别是否属于标识频次故障点,若属于所述标识频次故障点,获得第一累计指令;
第三获得单元16,所述第三获得单元16用于根据所述第一累计指令,获得所述第一故障点类别的同类比故障累计数据;
第一输入单元17,所述第一输入单元17用于将所述故障累计数据作为输入信息输入故障预测模型中,根据所述故障预测模型,获得第一输出信息,其中,所述第一输出信息为时间-故障概率的预测分布信息;
第一标记单元18,所述第一响应单元18用于根据所述第一输出信息中的时间信息进行动态响应标记。
进一步的,所述系统还包括:
第一构建单元,所述第一构建单元用于构建所述故障预测模型,其中,所述故障预测模型为时间序列响应模型;
第四获得单元,所述第四获得单元用于获得所述故障累计数据的时间分布信息,其中,所述故障累计数据中每一次的故障数据都与一时间信息相对应;
第一预测单元,所述第一预测单元用于所述故障预测模型根据所述故障累计数据的时间分布信息进行时间序列预测,获得预测时间分布信息和预测故障概率分布信息,其中,所述预测时间分布信息和所述预测故障概率分布信息一一对应;
第一操作单元,所述第一操作单元用于将所述预测时间分布信息和所述预测故障概率分布信息生成的所述预测分布信息,作为所述第一输出信息。
进一步的,所述系统还包括:
第五获得单元,所述第五获得单元用于通过对所述预测时间分布信息中的时间信息进行节点标记,获得第一时间节点的第一故障响应结果;
第一判断单元,所述第一判断单元用于判断所述第一故障响应结果是否响应成功;
第二判断单元,所述第二判断单元用于若所述第一时间节点的所述第一故障响应结果为响应成功,判断第二时间节点的第二故障响应结果是否响应成功;
第二生成单元,所述第二生成单元用于若所述第二故障响应结果响应成功,根据所述预测时间分布信息,生成预维修提醒时间。
第一调整单元,所述第一调整单元用于根据所述第一适应温度,对所述第一电压幅值、所述第一电流幅值、所述第一脉冲频率进行调整,获得第二电压幅值、第二电流幅值、第二脉冲频率。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于若所述第一时间节点的所述第一故障响应结果为响应失败,获得第一采集指令;
第七获得单元,所述第七获得单元用于根据所述第一采集指令,对所述第一时间节点的邻域时间中发生故障响应的时间节点进行采集,获得第一邻时间节点;
第一调整单元,所述第一调整单元用于根据所述第一邻时间节点对所述预测时间分布信息进行调整。
进一步的,所述系统还包括:
第八获得单元,所述第八获得单元用于获得第一时间差值,其中,所述第一时间差值为所述第一时间节点与所述第一邻时间节点的时间差值;
第三判断单元,所述第三判断单元用于判断所述第一时间差值是否处于预设时间差值阈值中;
第三生成单元,所述第三生成单元用于若所述第一时间差值不处于所述预设时间差值阈值中,引入第一损失函数对所述预测时间分布信息进行损失分析,生成第一损失数据;
第九获得单元,所述第九获得单元用于根据所述第一损失数据对所述预测时间分布信息进行调整,获得第二输出信息。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于通过对所述配电网络拓扑结构的所有配电设备元件进行信息录入,确定第一配电设备信息;
第四生成单元,所述第四生成单元用于通过对所述第一配电设备信息进行设备评估,生成多个质量评估信息,其中,所述多个质量评估信息包括设备劣化评估信息、设备维修评估信息和设备适配评估信息;
第十一获得单元,所述第十一获得单元用于根据所述多个质量评估信息,获得第三输出信息。
进一步的,所述系统还包括:
第十二获得单元,所述第十二获得单元用于根据所述多个质量评估信息,确定第一设备筛选规则;
第十三获得单元,所述第十三获得单元用于根据所述第一设备筛选规则对所述第一配电设备信息进行设备筛选,获得小于等于预设劣化评分的N个筛选设备;
第十四获得单元,所述第十四获得单元用于判断所述N个筛选设备的选型适配评分是否小于预设选型适配度,若小于,获得N个替代设备;
第一优化单元,所述第一优化单元用于根据所述N个替代设备,对所述配电网络拓扑结构进行优化。
前述图1实施例一中的一种配电网故障的动态响应方法的各种变化方式和具体实例同样适用于本实施例的一种配电网故障的动态响应系统,通过前述对一种配电网故障的动态响应方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种配电网故障的动态响应系统的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
下面参考图7来描述本申请实施例的电子设备。
图7图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种配电网故障的动态响应方法的发明构思,本发明还提供一种配电网故障的动态响应系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种配电网故障的动态响应系统的任一方法的步骤。
其中,在图7中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供一种配电网故障的动态响应方法,所述方法包括:通过对配电网的结构进行模拟,生成配电网络拓扑结构;通过对所述配电网的实时运行状态进行数据监测,获得第一实时监测数据;根据所述配电网络拓扑结构和所述第一实时监测数据,获得第一结构区间,其中,所述第一结构区间为异常检测的结构范围;通过对所述第一结构区间进行故障指标检测,并根据检测结果从所述第一结构区间中确定第一故障点类别;判断所述第一故障点类别是否属于标识频次故障点,若属于所述标识频次故障点,获得第一累计指令;根据所述第一累计指令,获得所述第一故障点类别的同类比故障累计数据;将所述故障累计数据作为输入信息输入故障预测模型中,根据所述故障预测模型,获得第一输出信息,其中,所述第一输出信息为时间-故障概率的预测分布信息;根据所述第一输出信息中的时间信息进行动态响应标记。解决了现有技术中存在现有故障检测对于预测性的故障检测不够完善,造成故障率高,从而增加经济损失的技术问题,达到了通过对结合时间序列模型对配电网进行检测信息的预测处理,并根据预测结果不断实现反馈优化的实现故障动态响应,降低故障率的技术效果。
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系统。
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系统的制造品,该指令系统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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例进行另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种配电网故障的动态响应方法,其特征在于,所述方法包括:
通过对配电网的结构进行模拟,生成配电网络拓扑结构;
通过对所述配电网的实时运行状态进行数据监测,获得第一实时监测数据;
根据所述配电网络拓扑结构和所述第一实时监测数据,获得第一结构区间,其中,所述第一结构区间为异常检测的结构范围;
通过对所述第一结构区间进行故障指标检测,并根据检测结果从所述第一结构区间中确定第一故障点类别;
判断所述第一故障点类别是否属于标识频次故障点,若属于所述标识频次故障点,获得第一累计指令;
根据所述第一累计指令,获得所述第一故障点类别的同类比故障累计数据;
将所述故障累计数据作为输入信息输入故障预测模型中,根据所述故障预测模型,获得第一输出信息,其中,所述第一输出信息为时间-故障概率的预测分布信息;
根据所述第一输出信息中的时间信息进行动态响应标记。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
构建所述故障预测模型,其中,所述故障预测模型为时间序列响应模型;
获得所述故障累计数据的时间分布信息,其中,所述故障累计数据中每一次的故障数据都与一时间信息相对应;
所述故障预测模型根据所述故障累计数据的时间分布信息进行时间序列预测,获得预测时间分布信息和预测故障概率分布信息,其中,所述预测时间分布信息和所述预测故障概率分布信息一一对应;
将所述预测时间分布信息和所述预测故障概率分布信息生成的所述预测分布信息,作为所述第一输出信息。
3.如权利要求2所述的方法,其特征在于,所述根据所述第一输出信息中的时间信息进行动态响应标记,所述方法还包括:
通过对所述预测时间分布信息中的时间信息进行节点标记,获得第一时间节点的第一故障响应结果;
判断所述第一故障响应结果是否响应成功;
若所述第一时间节点的所述第一故障响应结果为响应成功,判断第二时间节点的第二故障响应结果是否响应成功;
若所述第二故障响应结果响应成功,根据所述预测时间分布信息,生成预维修提醒时间。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
若所述第一时间节点的所述第一故障响应结果为响应失败,获得第一采集指令;
根据所述第一采集指令,对所述第一时间节点的邻域时间中发生故障响应的时间节点进行采集,获得第一邻时间节点;
根据所述第一邻时间节点对所述预测时间分布信息进行调整。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
获得第一时间差值,其中,所述第一时间差值为所述第一时间节点与所述第一邻时间节点的时间差值;
判断所述第一时间差值是否处于预设时间差值阈值中;
若所述第一时间差值不处于所述预设时间差值阈值中,引入第一损失函数对所述预测时间分布信息进行损失分析,生成第一损失数据;
根据所述第一损失数据对所述预测时间分布信息进行调整,获得第二输出信息。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过对所述配电网络拓扑结构的所有配电设备元件进行信息录入,确定第一配电设备信息;
通过对所述第一配电设备信息进行设备评估,生成多个质量评估信息,其中,所述多个质量评估信息包括设备劣化评估信息、设备维修评估信息和设备适配评估信息;
根据所述多个质量评估信息,获得第三输出信息。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
根据所述多个质量评估信息,确定第一设备筛选规则;
根据所述第一设备筛选规则对所述第一配电设备信息进行设备筛选,获得小于等于预设劣化评分的N个筛选设备;
判断所述N个筛选设备的选型适配评分是否小于预设选型适配度,若小于,获得N个替代设备;
根据所述N个替代设备,对所述配电网络拓扑结构进行优化。
8.一种配电网故障的动态响应系统,其特征在于,所述系统包括:
第一生成单元,所述第一生成单元用于通过对配电网的结构进行模拟,生成配电网络拓扑结构;
第一获得单元,所述第一获得单元用于通过对所述配电网的实时运行状态进行数据监测,获得第一实时监测数据;
第二获得单元,所述第二获得单元用于根据所述配电网络拓扑结构和所述第一实时监测数据,获得第一结构区间,其中,所述第一结构区间为异常检测的结构范围;
第一确定单元,所述第一确定单元用于通过对所述第一结构区间进行故障指标检测,并根据检测结果从所述第一结构区间中确定第一故障点类别;
第一判断单元,所述第一判断单元用于判断所述第一故障点类别是否属于标识频次故障点,若属于所述标识频次故障点,获得第一累计指令;
第三获得单元,所述第三获得单元用于根据所述第一累计指令,获得所述第一故障点类别的同类比故障累计数据;
第一输入单元,所述第一输入单元用于将所述故障累计数据作为输入信息输入故障预测模型中,根据所述故障预测模型,获得第一输出信息,其中,所述第一输出信息为时间-故障概率的预测分布信息;
第一标记单元,所述第一响应单元用于根据所述第一输出信息中的时间信息进行动态响应标记。
9.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备,其特征在于,包括处理器和存储器:
所述存储器,用于存储;
所述处理器,用于通过调用,执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111576540.0A CN114414938B (zh) | 2021-12-22 | 2021-12-22 | 一种配电网故障的动态响应方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111576540.0A CN114414938B (zh) | 2021-12-22 | 2021-12-22 | 一种配电网故障的动态响应方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114414938A true CN114414938A (zh) | 2022-04-29 |
CN114414938B CN114414938B (zh) | 2023-06-16 |
Family
ID=81268135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111576540.0A Active CN114414938B (zh) | 2021-12-22 | 2021-12-22 | 一种配电网故障的动态响应方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114414938B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170053463A1 (en) * | 2014-02-21 | 2017-02-23 | Ge Aviation Systems, Llc | System and method of fault detection |
CN107247198A (zh) * | 2017-05-09 | 2017-10-13 | 安徽继远软件有限公司 | 一种配电设备故障预测方法及装置 |
CN108375715A (zh) * | 2018-03-08 | 2018-08-07 | 中国电力科学研究院有限公司 | 一种配电网线路故障风险日预测方法及系统 |
CN109635854A (zh) * | 2018-11-26 | 2019-04-16 | 国网冀北电力有限公司 | 基于马尔科夫链的充电桩故障预测方法及装置 |
CN109828182A (zh) * | 2018-11-29 | 2019-05-31 | 广东电网有限责任公司信息中心 | 一种基于故障分类处理的电网系统故障分析预警方法 |
CN110794254A (zh) * | 2018-08-01 | 2020-02-14 | 北京映翰通网络技术股份有限公司 | 一种基于强化学习的配电网故障预测方法及系统 |
CN110888013A (zh) * | 2018-09-10 | 2020-03-17 | 比亚迪股份有限公司 | 电力设备的故障预测方法、装置和电力监控系统 |
WO2020140104A1 (en) * | 2018-12-27 | 2020-07-02 | Guruprasad Srinivasan | System and method for proactive handling of multiple faults in an electrical network of energy assets |
CN111832827A (zh) * | 2020-07-16 | 2020-10-27 | 国网北京市电力公司 | 一种配网故障预警方法、装置、可读介质及电子设备 |
CN112085071A (zh) * | 2020-08-21 | 2020-12-15 | 广东电网有限责任公司广州供电局 | 一种基于边缘计算的配电房设备故障分析预判方法及装置 |
CN112421770A (zh) * | 2020-10-19 | 2021-02-26 | 国网山东省电力公司邹城市供电公司 | 一种配电自动化系统的自动辅助巡检方法及系统 |
CN113466627A (zh) * | 2021-07-09 | 2021-10-01 | 广东电网有限责任公司广州供电局 | 一种适用于恶劣天气引起的电网故障预测方法 |
-
2021
- 2021-12-22 CN CN202111576540.0A patent/CN114414938B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170053463A1 (en) * | 2014-02-21 | 2017-02-23 | Ge Aviation Systems, Llc | System and method of fault detection |
CN107247198A (zh) * | 2017-05-09 | 2017-10-13 | 安徽继远软件有限公司 | 一种配电设备故障预测方法及装置 |
CN108375715A (zh) * | 2018-03-08 | 2018-08-07 | 中国电力科学研究院有限公司 | 一种配电网线路故障风险日预测方法及系统 |
CN110794254A (zh) * | 2018-08-01 | 2020-02-14 | 北京映翰通网络技术股份有限公司 | 一种基于强化学习的配电网故障预测方法及系统 |
CN110888013A (zh) * | 2018-09-10 | 2020-03-17 | 比亚迪股份有限公司 | 电力设备的故障预测方法、装置和电力监控系统 |
CN109635854A (zh) * | 2018-11-26 | 2019-04-16 | 国网冀北电力有限公司 | 基于马尔科夫链的充电桩故障预测方法及装置 |
CN109828182A (zh) * | 2018-11-29 | 2019-05-31 | 广东电网有限责任公司信息中心 | 一种基于故障分类处理的电网系统故障分析预警方法 |
WO2020140104A1 (en) * | 2018-12-27 | 2020-07-02 | Guruprasad Srinivasan | System and method for proactive handling of multiple faults in an electrical network of energy assets |
CN111832827A (zh) * | 2020-07-16 | 2020-10-27 | 国网北京市电力公司 | 一种配网故障预警方法、装置、可读介质及电子设备 |
CN112085071A (zh) * | 2020-08-21 | 2020-12-15 | 广东电网有限责任公司广州供电局 | 一种基于边缘计算的配电房设备故障分析预判方法及装置 |
CN112421770A (zh) * | 2020-10-19 | 2021-02-26 | 国网山东省电力公司邹城市供电公司 | 一种配电自动化系统的自动辅助巡检方法及系统 |
CN113466627A (zh) * | 2021-07-09 | 2021-10-01 | 广东电网有限责任公司广州供电局 | 一种适用于恶劣天气引起的电网故障预测方法 |
Non-Patent Citations (3)
Title |
---|
J. Y. YAO 等: "Modeling system based on fuzzy dynamic Bayesian network for fault diagnosis and reliability prediction", 《2015 ANNUAL RELIABILITY AND MAINTAINABILITY SYMPOSIUM (RAMS)》 * |
薛涵磊 等: "基于模型预测方法的电网故障预测", 《辽宁石油化工大学学报》 * |
许奇歆 等: "电力系统故障预测方法研究", 《电工文摘》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114414938B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348339A (zh) | 一种基于大数据分析的配电网规划方法 | |
CN109861206B (zh) | 一种基于支持向量机的暂态功角稳定故障筛选系统及方法 | |
CN113325308B (zh) | 一种用于数据中心的供电故障检测方法 | |
CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
Xue et al. | Adaptive ultra-short-term wind power prediction based on risk assessment | |
CN116125204A (zh) | 一种基于电网数字化的故障预测系统 | |
CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
CN117318069B (zh) | 一种供电系统故障自愈方法及系统 | |
CN201666923U (zh) | 一种用免疫遗传算法处理电力系统的dsp故障诊断的装置 | |
CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
CN117154945A (zh) | 基于云计算技术的变配电站智能监测方法 | |
CN116880402A (zh) | 智慧工厂协同管控系统及其方法 | |
CN114414938B (zh) | 一种配电网故障的动态响应方法及系统 | |
KR20210075358A (ko) | 스마트공장의 운영 분석 시스템 및 방법 | |
CN116526553A (zh) | 一种提高光伏电站发电能力的管理方法及系统 | |
CN115936663A (zh) | 一种电力系统的维护方法及装置 | |
CN105426999A (zh) | 输变电设备状态变化预测方法和系统 | |
LU505190B1 (en) | Method, Device and Equipment for Monitoring the Operation State of Photovoltaic Power Station | |
CN117010573B (zh) | 一种智能配电节能优化方法及系统 | |
CN117878925B (zh) | 一种智能电网的输电数据控制方法及系统 | |
CN117394440B (zh) | 基于ddpg算法的微电网并网离网控制方法及系统 | |
CN117034157B (zh) | 一种结合多模态运行数据的水电设备故障识别方法与系统 | |
CN117644794B (zh) | 一种基于充电桩的智能时段控制系统 | |
CN117993614A (zh) | 一种基于配电网架的配电网规划装置 | |
CN117526344A (zh) | 一种配电网无功电压控制优化方法及系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230526 Address after: 150000 No. 8, Taihu South Street, Yingbin Road concentration area, high tech Industrial Development Zone, Harbin, Heilongjiang Province Applicant after: HARBIN COSLIGHT ELECTRIC AUTOMATION Co.,Ltd. Address before: 226000 Room 101, building 8, Caizhi Tiandi Park, No. 255, Renmin Middle Road, Chongchuan District, Nantong City, Jiangsu Province Applicant before: Nantong Liantuo Information Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |