CN114895115B - 特高压直流控保系统中基于启发式搜索分析的故障预测方法 - Google Patents
特高压直流控保系统中基于启发式搜索分析的故障预测方法 Download PDFInfo
- Publication number
- CN114895115B CN114895115B CN202210225906.8A CN202210225906A CN114895115B CN 114895115 B CN114895115 B CN 114895115B CN 202210225906 A CN202210225906 A CN 202210225906A CN 114895115 B CN114895115 B CN 114895115B
- Authority
- CN
- China
- Prior art keywords
- fault
- direct current
- high voltage
- protection system
- line
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种特高压直流控保系统中基于启发式搜索分析的故障预测方法,包括:1对特高压直流控保系统的故障信息进行采集,并选取指标较高的故障事件形成事故链的初始故障集;2第j个故障线路中发生的节点故障信息在特高压直流控保系统中传递,得到各条线路的潮流值;3根据各条线路的潮流值,对特高压直流系统进行区域潮流值的再平衡控制:4根据系数,计算综合性指标;5在第j个故障节点后,将j+1赋值给j并返回步骤2;6记录整个事故链相关数据并输出。本发明能利用启发式搜索分析提取特高压换流站直流控保系统的核心报警信息,降低报警信息所需的人员处理压力,从而实现特高压换流站故障的快速处置。
Description
技术领域
本发明涉及特高压直流控保系统隐性故障机理与预警方法,具体的说是一种特高压直流控保系统中基于启发式搜索分析的故障预测方法。
背景技术
特高压换流站由于其信息的高度集成共享,各类预警、告警会更全面广泛,数据大量涌现,直流控保系统报警监控提示窗往往涌现成百上千的提示、预告信息及事故信息。信息规模的增大以及信息关系杂乱的特点,给变电站/换流站运行值班人员准确判断事故原因并及时处理造成新的困难。
智能报警技术作为特高压换流站其中一项重要的高级应用,其目的在于排除不必要的报警信息,提取主要的报警信息,有利于站内值班人员准确判断事故,减少事故的处理时间,实现换流站运行风险实时监视智能预警和故障自动逐级溯源,是特高压换流站数据管理的重要方面。近年来,针对智能报警技术的研究和应用工作主要在集中专家系统的构建以及报警信息展示两个方面,一方面运用遗传算法、专家系统等分析算法,实现设备故障的在线诊断。在设备故障报警研究中,通常需要对故障模型进行梳理,故障树法是以故障为导向的建模方法,提供了从设备失效机理出发的故障原因分析方法,反映导致系统失效的各种原因及失效原因间的逻辑关系,如以系统故障原因为基本事件,以整个系统的状态为顶事件,描述基本事件与顶事件之间的关系,为故障分析与智能报警提供依据。另一方面,也有部分研究从报警信息分层分类方法出发,进行故障推理分析与综合展示,并根据IEC61850标准开发了适用于数字变电站/换流站的在线智能报警信息处理系统,形成了基本数据库。
尽管现有变电站/换流站已经可以在过程层、间隔层获取大量辅助设备在线监测信息,全面了解二次设备和系统的技术状态,但在现有的监控后台仅采用了信息捕获加简单提取即逐条显示的方法,运行人员需根据报文含义做出处理决定,这种简单故障诊断方式对信息挖掘的深度与状态诊断的水平远未能体现特高压换流站的技术优势,没有实现对信息智能化分析的预期。此外当前特高压换流站直流控保系统报警信息缺乏有效的分类和整合,核心报警淹没在海量信息中,也为运维人员工作带来巨大压力。
发明内容
针对现有技术的不足,本发明旨在解决特高压直流控保系统中报警信息缺乏有效的分类和整合等问题,提出一种特高压直流控保系统中基于启发式搜索分析的故障预测方法,以期能快速提取特高压换流站直流控保系统的核心报警信息,实现直流控保系统隐性故障机理分析和故障状态的智能决策,以支撑特高压换流站故障的快速处置。
本发明为解决技术问题采用如下技术方案:
本发明一种特高压直流控保系统中基于启发式搜索分析的故障预测方法的特点是按如下步骤进行:
步骤1、对特高压直流控保系统的故障信息进行采集,并对所采集的故障信息进行离散化处理,得到修正后的初始故障集g;
步骤2、根据修正后的初始故障集g,选取初始可能性指标大于“0”的故障事件形成事故链的初始故障集G;所述初始故障集G包括m条线路;
步骤3、定义变量j并初始化j=1;
将所述初始故障集G中第j条线路设为第j个故障节点所在的故障线路;
步骤4、根据第j个故障线路中发生的节点故障信息在特高压直流控保系统中传递,得到m条线路的潮流值P={P1,P2,…,Pj,…,Pm};Pj表示第j条线路的潮流值;
步骤5、根据各条线路的潮流值,对特高压直流控保系统进行区域潮流值的再平衡控制:
若特高压直流控保系统发生解列,则先在解列区域内对各条线路的潮流值进行调整后,再对所述特高压直流控保系统进行潮流计算;
若特高压直流控保系统未发生解列,则利用式(1)和式(2)分别计算第j条线路的潮流变化量指标Aj和潮流越限指标Bj,并利用式(3)得到第j条线路的可能性指标Fpro_j,从而得到m条线路的潮流变化量指标A={A1,A2,…,Aj,…,Am}和潮流越限指标B={B1,B2,…,Bj,…,Bm};
Fpro_j=Aj+Bj (3)
式(1)和式(2)中,Pj,max为第j个故障节点的潮流极限值;
步骤6、第j条线路的可能性指标Fpro_j是否大于可能性指标的阈值Δ,若是,则利用式(4)和式(5)分别计算第j条线路开断后第j+1条线路的负荷损失度指标Cj+1和系统稳定度指标Dj+1,并利用式(6)得到第j+1条线路的灾害性指标Fdis_j+1,从而利用式(7)得到第j+1条线路的综合性指标Fcom_j+1;
Fcom_j+1=Fpro_j×Fdis_j+1 (7)
式(4)和式(5)中,为第j+1次故障前系统的总负荷量、为第j+1次故障后系统的总负荷量,statej表示故障节点的状态位,即特高压直流控保系统中故障信息传递过程中第j个故障节点是否失效,若statej=1表示第j个故障节点的状态位失效,statej=0表示第j个故障节点的状态位未失效;
步骤7、判断事故链启发式搜索是否满足结束条件,若是,则执行步骤8,否则,将j+1赋值给j并返回步骤4;
所述事故链启发式搜索的结束条件为:所述特高压直流控保系统的负荷损失率达到所设定的阈值或者j达到搜索深度m;
步骤8、记录整个事故链相关数据并输出,包括:可能性指标、灾害性指标、综合性指标、事故链路径,从而根据整个事故链相关数据,对事故链各环节采取控制措施和控制量。
与已有技术相比,本发明的有益效果体现在:
1、本发明将通过第m个故障节点和第m+1个故障节点,构建故障事故集;相比于传统方法,无需逐条筛选报警信息,大大提高了处理故障信息的效率。
2、本发明依据潮流值得到的综合性指标,加强特高压系统中故障的预测分析,快速寻找潜在危险并提出应对措施,提高了直流控保系统设备运行状态隐性故障的准确性。
3、本发明能利用启发式搜索分析对特高压换流站直流控保系统报警信息进行有效的分类和整合,提取核心报警信息,降低了报警信息所需的人员处理压力,从而实现了特高压换流站故障的快速处置。
附图说明
图1为本发明特高压直流控保系统中基于启发式搜索分析的故障预测方法的流程图。
具体实施方式
本实施例中,参照图1,一种特高压直流控保系统中基于启发式搜索分析的故障预测方法,对特高压直流控保系统中的故障信息进行采集,并选取指标较高的故障事件形成事故链的初始故障集,第j个故障线路中发生的节点故障信息在特高压直流控保系统中传递,得到各条线路的潮流值,根据各条线路的潮流值,对特高压直流系统进行区域潮流值的再平衡控制,根据系数,计算综合性指标,最终记录整个事故链相关数据并输出。具体来说,是按如下步骤进行:
步骤1、对特高压直流控保系统的故障信息进行采集,并对所采集的故障信息进行离散化处理,得到修正后的初始故障集g;
步骤2、根据修正后的初始故障集g,选取初始可能性指标大于“0”的故障事件形成事故链的初始故障集G;初始故障集G包括m条线路;
如果初始故障集数据出现复杂和多余的情况,则需要运用改进的约简函数进行处理,以获取事故链的初始故障集;
特高压直流控保系统中故障信息冗余属性的出现频率较高,因此约简算法就显得尤为重要,能够有效提升系统潜在知识体系的清晰度和理解度,本实施例中在初始故障集上进行属性约简,得到初始可能性指标大于“0”的事故链故障集。
步骤3、定义变量j并初始化j=1;
将初始故障集G中第j条线路设为第j个故障节点所在的故障线路;
步骤4、根据第j个故障线路中发生的节点故障信息在特高压直流控保系统中传递,得到m条线路的潮流值P={P1,P2,…,Pj,…,Pm};Pj表示第j条线路的潮流值;
步骤5、根据各条线路的潮流值,对特高压直流控保系统进行区域潮流值的再平衡控制:
若特高压直流控保系统发生解列,则先在解列区域内对各条线路的潮流值进行调整后,再对特高压直流控保系统进行潮流计算;
若特高压直流控保系统未发生解列,则利用式(1)和式(2)分别计算第j条线路的潮流变化量指标Aj和潮流越限指标Bj,并利用式(3)得到第j条线路的可能性指标Fpro_j,从而得到m条线路的潮流变化量指标A={A1,A2,…,Aj,…,Am}和潮流越限指标B={B1,B2,…,Bj,…,Bm},其中可能性指标由潮流变化量指标和潮流极限指标构成,它和灾害性指标共同构成综合性指标,用来判断故障信息的重要程度;
Fpro_j=Aj+Bj (3)
式(1)和式(2)中,Pj,max为第j个故障节点的潮流极限值;
步骤6、第j条线路的可能性指标Fpro_j是否大于可能性指标的阈值Δ,若是,则利用式(4)和式(5)分别计算第j条线路开断后第j+1条线路的负荷损失度指标Cj+1和系统稳定度指标Dj+1,并利用式(6)得到第j+1条线路的灾害性指标Fdis_j+1,从而利用式(7)得到第j+1条线路的综合性指标Fcom_j+1;
Fcom_j+1=Fpro_j×Fdis_j+1 (7)
式(4)和式(5)中,为第j+1次故障前系统的总负荷量、为第j+1次故障后系统的总负荷量,statej表示故障节点的状态位,即特高压直流控保系统中故障信息传递过程中第j个故障节点是否失效,若statej=1表示第j个故障节点的状态位失效,statej=0表示第j个故障节点的状态位未失效;
步骤7、判断事故链启发式搜索是否满足结束条件,若是,则执行步骤8,否则,将j+1赋值给j并返回步骤4;
事故链启发式搜索的结束条件为:特高压直流控保系统的负荷损失率达到所设定的阈值或者j达到搜索深度m;
步骤8、记录整个事故链相关数据并输出,包括:可能性指标、灾害性指标、综合性指标、事故链路径,从而根据整个事故链相关数据,对事故链各环节采取控制措施和控制量。
Claims (1)
1.一种特高压直流控保系统中基于启发式搜索分析的故障预测方法,其特征是按如下步骤进行:
步骤1、对特高压直流控保系统的故障信息进行采集,并对所采集的故障信息进行离散化处理,得到修正后的初始故障集g;
步骤2、根据修正后的初始故障集g,选取初始可能性指标大于“0”的故障事件形成事故链的初始故障集G;所述初始故障集G包括m条线路;
步骤3、定义变量j并初始化j=1;
将所述初始故障集G中第j条线路设为第j个故障节点所在的故障线路;
步骤4、根据第j个故障线路中发生的节点故障信息在特高压直流控保系统中传递,得到m条线路的潮流值P={P1,P2,…,Pj,…,Pm};Pj表示第j条线路的潮流值;
步骤5、根据各条线路的潮流值,对特高压直流控保系统进行区域潮流值的再平衡控制:
若特高压直流控保系统发生解列,则先在解列区域内对各条线路的潮流值进行调整后,再对所述特高压直流控保系统进行潮流计算;
若特高压直流控保系统未发生解列,则利用式(1)和式(2)分别计算第j条线路的潮流变化量指标Aj和潮流越限指标Bj,并利用式(3)得到第j条线路的可能性指标Fpro_j,从而得到m条线路的潮流变化量指标A={A1,A2,…,Aj,…,Am}和潮流越限指标B={B1,B2,…,Bj,…,Bm};
Fpro_j=Aj+Bj (3)
式(1)和式(2)中,Pj,max为第j个故障节点的潮流极限值;
步骤6、第j条线路的可能性指标Fpro_j是否大于可能性指标的阈值Δ,若是,则利用式(4)和式(5)分别计算第j条线路开断后第j+1条线路的负荷损失度指标Cj+1和系统稳定度指标Dj+1,并利用式(6)得到第j+1条线路的灾害性指标Fdis_j+1,从而利用式(7)得到第j+1条线路的综合性指标Fcom_j+1;
Fcom_j+1=Fpro_j×Fdis_j+1 (7)
式(4)和式(5)中,为第j+1次故障前系统的总负荷量、为第j+1次故障后系统的总负荷量,statej表示故障节点的状态位,即特高压直流控保系统中故障信息传递过程中第j个故障节点是否失效,若statej=1表示第j个故障节点的状态位失效,statej=0表示第j个故障节点的状态位未失效;
步骤7、判断事故链启发式搜索是否满足结束条件,若是,则执行步骤8,否则,将j+1赋值给j并返回步骤4;
所述事故链启发式搜索的结束条件为:所述特高压直流控保系统的负荷损失率达到所设定的阈值或者j达到搜索深度m;
步骤8、记录整个事故链相关数据并输出,包括:可能性指标、灾害性指标、综合性指标、事故链路径,从而根据整个事故链相关数据,对事故链各环节采取控制措施和控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210225906.8A CN114895115B (zh) | 2022-03-09 | 2022-03-09 | 特高压直流控保系统中基于启发式搜索分析的故障预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210225906.8A CN114895115B (zh) | 2022-03-09 | 2022-03-09 | 特高压直流控保系统中基于启发式搜索分析的故障预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114895115A CN114895115A (zh) | 2022-08-12 |
CN114895115B true CN114895115B (zh) | 2023-04-18 |
Family
ID=82715986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210225906.8A Active CN114895115B (zh) | 2022-03-09 | 2022-03-09 | 特高压直流控保系统中基于启发式搜索分析的故障预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114895115B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008154418A (ja) * | 2006-12-20 | 2008-07-03 | Hitachi Ltd | 配電系統の状態推定装置、状態推定方法及びそのプログラム |
CN103245881A (zh) * | 2013-04-22 | 2013-08-14 | 国家电网公司 | 一种基于潮流分布特征的配电网故障分析方法及装置 |
KR20140008768A (ko) * | 2012-07-11 | 2014-01-22 | 한국전력공사 | 비상상태 전력 계통에서의 hvdc 계통 제어 시스템 |
WO2014053174A1 (en) * | 2012-10-03 | 2014-04-10 | Abb Technology Ltd | Method for sensing a fault in a power system based on travelling wave currents |
WO2016101638A1 (zh) * | 2014-12-23 | 2016-06-30 | 国家电网公司 | 一种电力系统云仿真平台的运营管理方法 |
CN107622332A (zh) * | 2017-10-17 | 2018-01-23 | 华中科技大学 | 一种基于静态安全性约束的电网侧储能容量优化配置方法 |
CN108233435A (zh) * | 2017-12-26 | 2018-06-29 | 华中科技大学 | 一种特高压接入方式的量化评估指标体系及综合评估方法 |
CN108898287A (zh) * | 2018-06-11 | 2018-11-27 | 国网江西省电力有限公司电力科学研究院 | 大规模光伏并网的配电网运行风险评估方法 |
CN109118098A (zh) * | 2018-08-21 | 2019-01-01 | 山东大学 | 高比例风电并网的连锁故障风险评估方法及系统 |
CN109449931A (zh) * | 2018-11-23 | 2019-03-08 | 中国电力科学研究院有限公司 | 结合加权潮流熵和全过程仿真的连锁故障集构建方法 |
CN109873457A (zh) * | 2019-04-12 | 2019-06-11 | 合肥工业大学 | 台风天气条件下电力系统的多时间尺度连锁故障预测方法 |
CN111882125A (zh) * | 2020-07-24 | 2020-11-03 | 合肥工业大学 | 基于风险元理论的电力信息物理系统连锁故障预测方法 |
CN112733389A (zh) * | 2021-03-30 | 2021-04-30 | 中国电力科学研究院有限公司 | 电网故障处置预案生成方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9823637B2 (en) * | 2014-09-05 | 2017-11-21 | Southern States, Llc | Fault detection and isolation using a common reference clock |
-
2022
- 2022-03-09 CN CN202210225906.8A patent/CN114895115B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008154418A (ja) * | 2006-12-20 | 2008-07-03 | Hitachi Ltd | 配電系統の状態推定装置、状態推定方法及びそのプログラム |
KR20140008768A (ko) * | 2012-07-11 | 2014-01-22 | 한국전력공사 | 비상상태 전력 계통에서의 hvdc 계통 제어 시스템 |
WO2014053174A1 (en) * | 2012-10-03 | 2014-04-10 | Abb Technology Ltd | Method for sensing a fault in a power system based on travelling wave currents |
CN103245881A (zh) * | 2013-04-22 | 2013-08-14 | 国家电网公司 | 一种基于潮流分布特征的配电网故障分析方法及装置 |
WO2016101638A1 (zh) * | 2014-12-23 | 2016-06-30 | 国家电网公司 | 一种电力系统云仿真平台的运营管理方法 |
CN107622332A (zh) * | 2017-10-17 | 2018-01-23 | 华中科技大学 | 一种基于静态安全性约束的电网侧储能容量优化配置方法 |
CN108233435A (zh) * | 2017-12-26 | 2018-06-29 | 华中科技大学 | 一种特高压接入方式的量化评估指标体系及综合评估方法 |
CN108898287A (zh) * | 2018-06-11 | 2018-11-27 | 国网江西省电力有限公司电力科学研究院 | 大规模光伏并网的配电网运行风险评估方法 |
CN109118098A (zh) * | 2018-08-21 | 2019-01-01 | 山东大学 | 高比例风电并网的连锁故障风险评估方法及系统 |
CN109449931A (zh) * | 2018-11-23 | 2019-03-08 | 中国电力科学研究院有限公司 | 结合加权潮流熵和全过程仿真的连锁故障集构建方法 |
CN109873457A (zh) * | 2019-04-12 | 2019-06-11 | 合肥工业大学 | 台风天气条件下电力系统的多时间尺度连锁故障预测方法 |
CN111882125A (zh) * | 2020-07-24 | 2020-11-03 | 合肥工业大学 | 基于风险元理论的电力信息物理系统连锁故障预测方法 |
CN112733389A (zh) * | 2021-03-30 | 2021-04-30 | 中国电力科学研究院有限公司 | 电网故障处置预案生成方法及装置 |
Non-Patent Citations (2)
Title |
---|
I.J.W.R.J van Beurden .Predictive analytics: Using field failure data to predict failure rates for SIS verification.《IEEE Xplore》.2016,全文. * |
潘一飞.电力系统连锁故障预测.《2020年中国通信学会能源互联网学术报告会》.2020,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114895115A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113283704B (zh) | 基于知识图谱的电网故障智能处置系统及方法 | |
CN106054104B (zh) | 一种基于决策树的智能电表故障实时预测方法 | |
CN102638100B (zh) | 地区电网设备异常告警信号关联分析与诊断方法 | |
CN110619386B (zh) | 一种tmr运行监测及故障智能研判方法及系统 | |
CN108564254A (zh) | 基于大数据的配电设备状态可视化平台 | |
CN110263172A (zh) | 一种电网监控告警信息事件化自主识别方法 | |
CN108320043A (zh) | 一种基于电力大数据的配电网设备状态诊断预测方法 | |
CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
CN110009208B (zh) | 一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置 | |
CN105260595A (zh) | 道岔动作电流曲线的特征提取方法及道岔故障诊断方法 | |
CN112817280A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
CN112926666A (zh) | 一种轨道交通故障诊断方法 | |
CN105512448A (zh) | 一种配电网健康指数的评估方法 | |
MX2013000577A (es) | Aprendizaje de maquina para redes electricas. | |
WO2024146353A1 (zh) | 一种电池储能电站的主动安全三级防控系统及方法 | |
CN111474444B (zh) | 一种基于知识图谱的线路故障复电决策方法 | |
CN107256449A (zh) | 一种智能变电站继电保护装置状态评价与评估方法 | |
CN103793859A (zh) | 一种风电场运行监控及事件综合评价方法 | |
CN105548744A (zh) | 一种基于运检大数据的变电设备故障识别方法及其系统 | |
CN104991549A (zh) | 基于fta与多层次模糊神经子网络的轨道电路红光带故障诊断方法 | |
CN113466597A (zh) | 一种轨道交通供电系统设备状态智能检测方法 | |
CN113435759B (zh) | 一种基于深度学习的一次设备风险智能评估方法 | |
CN109829603A (zh) | 一种多维配电网系统运行风险等级评估系统及其方法 | |
CN105894212A (zh) | 一种电磁环网解合环综合评价方法 | |
CN107453354A (zh) | 一种配电网的薄弱环节识别方法 |
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 |