CN115048591A - 一种基于人工智能的配电网全息数据可视化智能展示分析系统 - Google Patents

一种基于人工智能的配电网全息数据可视化智能展示分析系统 Download PDF

Info

Publication number
CN115048591A
CN115048591A CN202210692272.7A CN202210692272A CN115048591A CN 115048591 A CN115048591 A CN 115048591A CN 202210692272 A CN202210692272 A CN 202210692272A CN 115048591 A CN115048591 A CN 115048591A
Authority
CN
China
Prior art keywords
line
distribution network
power
power supply
time point
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
Application number
CN202210692272.7A
Other languages
English (en)
Other versions
CN115048591B (zh
Inventor
代琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei Xinda Changyuan Electric Power Technology Co ltd
Original Assignee
Sichuan Gaorongsoft Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Gaorongsoft Information Technology Co ltd filed Critical Sichuan Gaorongsoft Information Technology Co ltd
Priority to CN202210692272.7A priority Critical patent/CN115048591B/zh
Publication of CN115048591A publication Critical patent/CN115048591A/zh
Application granted granted Critical
Publication of CN115048591B publication Critical patent/CN115048591B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种基于人工智能的配电网全息数据可视化智能展示分析系统，通过设置监测周期，进而在历史监测周期进行目标配电网对应的线路供电状态解析，并获取目标配电网线路上各电力设备在历史监测周期内的运行异常信息，进而将各电力设备在历史监测周期内的运行异常信息与目标配电网在历史监测周期内的线路供电状态健康指数进行对比，从中分析出电力设备运行异常信息与目标配电网线路供电状态健康指数之间的关联，进而据此预测可能存在运行异常的电力设备，实现了电力设备运行异常的提前预测，避免出现处理延迟的情况，为后期检修准备提供了足够的时间，最大化地保障了电力设备的安全稳定运行，具有实用性强的特点。

Description

一种基于人工智能的配电网全息数据可视化智能展示分析 系统
技术领域
本发明涉及配电网数据分析技术领域，特别涉及一种基于人工智能的配电网全息数据可视化智能展示分析系统。
背景技术
当前,随着国家经济的快速发展,电能的需求量日益增加。配电网线路由于直接与用电端相连，其线路的供电状态直接决定了用电端的运行状态，这就使得配电网在整个电力系统中占有非常重要的地位。在这种情况下，配电网线路上产生的全息供电数据就成为电力系统分析的重点。
当前对配电网线路上产生的全息供电数据进行分析的目的仅在于分析配电网线路的供电状态是否健康，忽略了其与电力设备运行状态之间的关联性。一般情况下，配电网线路上都会存在大量的电力设备，电力设备在运行过程中容易因配电网线路的供电状态存在运行异常的情况，如过压、过流、跳闸等，而目前对运行异常电力设备的处理只有在实际监测出电力设备存在异常时对其进行检修处理，这种处理方式属于事后处理，容易造成处理延迟，且不可避免地会耽误电力设备的后续运行。
综上可见，如果能够提前对电力设备进行运行异常预测，就能够及早发现可能存在运行异常的电力设备，进而能够提早对可能存在运行异常的电力设备在还未发生运行异常之前进行干预处理，这样就能够在一定程度上降低该电力设备实际发生运行异常的概率，从而有利于保障电力设备的安全稳定运行。
发明内容
为了实现上述目的，本发明搭建了一种基于人工智能的配电网全息数据可视化智能展示分析系统，能够有效解决相应的技术问题。
本发明提供的技术方案如下：
一种基于人工智能的配电网全息数据可视化智能展示分析系统，包括：
目标配电网电力设备统计模块，用于将待分析的配电网记为目标配电网，进而统计目标配电网线路上存在的电力设备数量，并分别将各电力设备按照预设的顺序进行编号；
目标配电网线路标准供电参数获取模块，用于获取目标配电网对应的供电电压等级，并将其从配电数据库中匹配出目标配电网对应的线路标准供电参数；
配电数据库，用于存储各种供电电压等级对应的线路标准供电参数；
监测周期设定模块，用于设定监测周期，并筛选出若干历史监测周期，进而对各历史监测周期按照时间的先后顺序依次标记为 1,2,...,j,...,m,同时将各历史监测周期按照预设的时间间隔进行划分，得到若干监测时间点，从而将各历史监测周期对应的各监测时间点按照时间先后顺序依次标记为1,2,...,t,...,n；
目标配电网线路供电状态解析模块，用于在各历史监测周期对应的各监测时间点解析目标配电网对应的线路供电状态健康指数；
电力设备运行异常信息提取模块，用于提取各电力设备在各历史监测周期内的运行异常信息；
电力设备运行全息数据展示模块，用于生成各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组，并将其以表格形式进行展示；
电力设备运行异常线路供电影响分析模块，用于基于表格展示的各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组分析各电力设备对应运行异常的倾向线路供电状态健康指数区间；
当前时间点目标配电网线路供电状态解析模块，用于在当前时间点解析目标配电网对应的线路供电状态健康指数；
当前时间点电力设备运行异常预测模块，用于基于当前时间点目标配电网的线路供电状态健康指数预测可能存在运行异常的电力设备，并将该电力设备记为预测异常电力设备，与此同时获取预测异常电力设备的编号及预测异常类型；
显示终端，用于将预测异常电力设备的编号及预测异常类型进行显示。
基于上述改进的技术方案，所述线路标准供电参数包括线路允许承载功率、线路限制电流、线路标称电压、线路标称频率和线路允许三相电压不平衡度。
基于上述改进的技术方案，所述在各历史监测周期对应的各监测时间点解析目标配电网对应的线路供电状态健康指数具体包括以下解析步骤：
所述在各历史监测周期对应的各监测时间点解析目标配电网对应的线路供电状态健康指数具体包括以下解析步骤：
A1:在各历史监测周期对应的各监测时间点获取目标配电网对应的线路实际承载功率；
A2:从线路标准供电参数中提取线路允许承载功率，将各历史监测周期对应各监测时间点目标配电网的线路实际承载功率与目标配电网对应的线路允许承载功率进行对比，计算目标配电网在各历史监测周期对应各监测时间点的线路过载率，其计算公式为
Figure BDA0003700557290000041
CLj t表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路过载率,pjt表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路实际承载功率，p0表示为目标配电网对应的线路允许承载功率；
A3:从线路标准供电参数中提取线路限制电流，并在各历史监测周期对应的各监测时间点获取目标配电网对应的线路实际电流，进而将其与目标配电网对应的线路限制电流进行对比，计算目标配电网在各历史监测周期对应各监测时间点的线路负载率，其计算公式为
Figure BDA0003700557290000042
LRj t表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路负载率，Ijt表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路实际电流，I0表示为目标配电网对应的线路限制电流；
A4:在各历史监测周期对应的各监测时间点获取目标配电网对应具有联络开关的线路总长度，并将其与目标配电网的线路总长度进行对比，计算目标配电网在各历史监测周期对应各监测时间点的线路联络率，其计算公式为
Figure BDA0003700557290000051
LCj t表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路联络率，Ljt表示为目标配电网在第j个历史监测周期对应第t个监测时间点的具有联络开关的线路总长度，L0表示为目标配电网对应的线路总长度；
A5:在各历史监测周期对应的各监测时间点通过电能质量监测仪监测目标配电网对应的线路电能质量参数，其中线路电能质量参数包括频率偏差、电压偏差和三相电压不平衡度；
A6:将目标配电网在各历史监测周期对应各监测时间点的线路过载率、线路负载率、线路联络率和线路电能质量参数通过线路供电状态健康指数计算公式，以此计算出目标配电网在各历史监测周期对应各监测时间点的线路供电状态健康指数。
基于上述改进的技术方案，所述线路供电状态健康指数的计算公式为
Figure BDA0003700557290000052
计算出目标配电网在各历史监测周期对应各监测时间点的线路供电状态健康指数，其中
Figure BDA0003700557290000054
表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路供电状态健康指数，ΔUj t、Δfj t、εj t分别表示为目标配电网在第j个历史监测周期对应第t个监测时间点的电压偏差、频率偏差、三相电压不平衡度，U0、f0、ε0分别表示为目标配电网对应的线路标称电压、线路标称频率、线路允许三相电压不平衡度，e表示为自然常数，a、b、c、x、y、z分别表示为线路过载率、线路负载率、线路联络率、电压偏差、频率偏差、三相电压不平衡度对应的占比因子，R0表示为预设常数。
基于上述改进的技术方案，所述运行异常信息包括异常监测时间点及异常监测时间点对应的异常类型。
基于上述改进的技术方案，所述生成各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组对应的生成过程如下：
B1:从运行异常信息中提取异常监测时间点，得到各电力设备在各历史监测周期内的异常监测时间点；
B2:根据各电力设备在各历史监测周期内的异常监测时间点从目标配电网在各历史监测周期对应各监测时间点的线路供电状态健康指数中提取各电力设备在各历史监测周期对应异常监测时间点的线路供电状态健康指数；
B3:从运行异常信息中提取异常监测时间点对应的异常类型，进而将各电力设备在各历史监测周期对应异常监测时间点的异常类型与各电力设备在各历史监测周期对应异常监测时间点的线路供电状态健康指数生成一条运行全息数据组，由此得到各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组。
基于上述改进的技术方案，所述各电力设备对应运行异常的倾向线路供电状态健康指数区间具体为各电力设备对应各种异常类型的倾向线路供电状态健康指数区间。
基于上述改进的技术方案，所述分析各电力设备对应运行异常的倾向线路供电状态健康指数区间的具体分析过程参照以下步骤：
C1:将各电力设备中具有相同异常类型的运行全息数据组进行归类，构成各电力设备在各种异常类型下的运行全息数据组集合；
C2:从各电力设备在各种异常类型下的运行全息数据组集合中提取各条运行全息数据组对应的线路供电状态健康指数；
C3:将各电力设备在各种异常类型下对应各条运行全息数据组的线路供电状态健康指数进行对比，从中提取最小线路供电状态健康指数和最大线路供电状态健康指数，进而将提取出的各电力设备在各种异常类型下的最小线路供电状态健康指数和最大线路供电状态健康指数构成倾向线路供电状态健康指数区间。
基于上述改进的技术方案，所述基于当前时间点目标配电网的线路供电状态健康指数预测可能存在运行异常的电力设备对应的预测方式为将当前时间点目标配电网的线路供电状态健康指数与各电力设备对应各种异常类型的倾向线路供电状态健康指数区间进行对比，若当前时间点目标配电网的线路供电状态健康指数处于某电力设备对应某种异常类型的倾向线路供电状态健康指数区间内，则预测该电力设备可能存在运行异常，此时将该种异常类型记为预测异常类型。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
1.本发明通过设置监测周期，进而在历史监测周期进行目标配电网对应的线路供电状态解析，并获取目标配电网线路上各电力设备在历史监测周期内的运行异常信息，进而将各电力设备在历史监测周期内的运行异常信息与目标配电网在历史监测周期内的线路供电状态健康指数进行对比，从中分析出电力设备运行异常信息与目标配电网线路供电状态健康指数之间的关联，进而在当前时间点解析目标配电网对应的线路供电状态健康指数，从而基于电力设备运行异常信息与目标配电网线路供电状态健康指数之间的关联根据当前时间点目标配电网的线路供电状态健康指数预测可能存在运行异常的电力设备，实现了电力设备运行异常的提前预测，避免出现处理延迟的情况，为后期检修准备提供了足够的时间，最大化地保障了电力设备的安全稳定运行，具有实用性强的特点。
2.本发明在分析电力设备运行异常信息与目标配电网线路供电状态健康指数之间关联的过程中通过筛选出若干历史监测周期，由此将各电力设备在各历史监测周期内的运行异常信息作为分析数据来源，相比较只以单个历史监测周期内的运行异常信息作为分析数据来源，多个历史监测周期的筛选能够避免分析误差，使分析结果更接近真实状况，进而提高分析结果的精准度，为后续进行运行异常电力设备预测提供可靠的预测依据。
3.本发明通过将各电力设备在历史监测周期内的运行异常信息与目标配电网在历史监测周期内线路供电状态健康指数的对比结果，生成运行全息数据组，并将其采用表格可视化展示的方式分析电力设备运行异常信息与目标配电网线路供电状态健康指数之间的关联，由于可视化展示能够提高对比结果的直观感，进而能够大大提高关联分析的便捷度和效率。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明系统模块连接示意图。
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。
参照图1所示，一种基于人工智能的配电网全息数据可视化智能展示分析系统，包括目标配电网电力设备统计模块、目标配电网线路标准供电参数获取模块、配电数据库、监测周期设定模块、目标配电网线路供电状态解析模块、电力设备运行异常信息提取模块、电力设备运行全息数据展示模块、电力设备运行异常线路供电影响分析模块、当前时间点目标配电网线路供电状态解析模块、当前时间点电力设备运行异常预测模块和显示终端。
上述中目标配电网电力设备统计模块与电力设备运行异常信息提取模块连接，目标配电网线路标准供电参数获取模块与配电数据库连接，监测周期设定模块分别与目标配电网线路供电状态解析模块和电力设备运行异常信息提取模块连接，目标配电网线路标准供电参数获取模块与目标配电网线路供电状态解析模块连接，目标配电网线路供电状态解析模块和电力设备运行异常信息提取模块均与电力设备运行全息数据展示模块连接，电力设备运行全息数据展示模块与电力设备运行异常线路供电影响分析模块连接，电力设备运行异常线路供电影响分析模块和当前时间点目标配电网线路供电状态解析模块均与当前时间点电力设备运行异常预测模块连接，当前时间点电力设备运行异常预测模块与显示终端连接。
所述目标配电网电力设备统计模块用于将待分析的配电网记为目标配电网，进而统计目标配电网线路上存在的电力设备数量，并分别将各电力设备按照预设的顺序进行编号。
所述目标配电网线路标准供电参数获取模块用于获取目标配电网对应的供电电压等级，并将其从配电数据库中匹配出目标配电网对应的线路标准供电参数，具体匹配过程为将目标配电网的供电电压等级与配电数据库中存储的各种供电电压等级对应的线路标准供电参数，从而匹配出目标配电网对应的线路标准供电参数。
所述配电数据库用于存储各种供电电压等级对应的线路标准供电参数，其中线路标准供电参数包括线路允许承载功率、线路限制电流、线路标称电压、线路标称频率和线路允许三相电压不平衡度。
所述监测周期设定模块用于设定监测周期，并筛选出若干历史监测周期，进而对各历史监测周期按照时间的先后顺序依次标记为 1,2,...,j,...,m,同时将各历史监测周期按照预设的时间间隔进行划分，得到若干监测时间点，从而将各历史监测周期对应的各监测时间点按照时间先后顺序依次标记为1,2,...,t,...,n。
本发明实施例在分析电力设备运行异常信息与目标配电网线路供电状态健康指数之间关联的过程中通过筛选出若干历史监测周期，由此将各电力设备在各历史监测周期内的运行异常信息作为分析数据来源，相比较只以单个历史监测周期内的运行异常信息作为分析数据来源，多个历史监测周期的筛选能够避免分析误差，使分析结果更接近真实状况，进而提高分析结果的精准度，为后续进行运行异常电力设备预测提供可靠的预测依据。
所述目标配电网线路供电状态解析模块用于在各历史监测周期对应的各监测时间点解析目标配电网对应的线路供电状态健康指数，具体包括以下解析步骤：
A1:在各历史监测周期对应的各监测时间点获取目标配电网对应的线路实际承载功率；
A2:从线路标准供电参数中提取线路允许承载功率，将各历史监测周期对应各监测时间点目标配电网的线路实际承载功率与目标配电网对应的线路允许承载功率进行对比，计算目标配电网在各历史监测周期对应各监测时间点的线路过载率，其计算公式为
Figure BDA0003700557290000111
CLj t表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路过载率,pjt表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路实际承载功率，p0表示为目标配电网对应的线路允许承载功率；
A3:从线路标准供电参数中提取线路限制电流，并在各历史监测周期对应的各监测时间点获取目标配电网对应的线路实际电流，进而将其与目标配电网对应的线路限制电流进行对比，计算目标配电网在各历史监测周期对应各监测时间点的线路负载率，其计算公式为
Figure BDA0003700557290000121
LRj t表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路负载率，Ijt表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路实际电流，I0表示为目标配电网对应的线路限制电流；
A4:在各历史监测周期对应的各监测时间点获取目标配电网对应具有联络开关的线路总长度，并将其与目标配电网的线路总长度进行对比，计算目标配电网在各历史监测周期对应各监测时间点的线路联络率，其计算公式为
Figure BDA0003700557290000122
LCj t表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路联络率，Ljt表示为目标配电网在第j个历史监测周期对应第t个监测时间点的具有联络开关的线路总长度，L0表示为目标配电网对应的线路总长度；
A5:在各历史监测周期对应的各监测时间点通过电能质量监测仪监测目标配电网对应的线路电能质量参数，其中线路电能质量参数包括频率偏差、电压偏差和三相电压不平衡度；
A6:将目标配电网在各历史监测周期对应各监测时间点的线路过载率、线路负载率、线路联络率和线路电能质量参数通过线路供电状态健康指数计算公式，以此计算出目标配电网在各历史监测周期对应各监测时间点的线路供电状态健康指数，其中线路供电状态健康指数计算公式为
Figure BDA0003700557290000131
计算出目标配电网在各历史监测周期对应各监测时间点的线路供电状态健康指数，其中
Figure BDA0003700557290000133
表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路供电状态健康指数，ΔUj t、Δfj t、εj t分别表示为目标配电网在第j个历史监测周期对应第t个监测时间点的电压偏差、频率偏差、三相电压不平衡度，U0、f0、ε0分别表示为目标配电网对应的线路标称电压、线路标称频率、线路允许三相电压不平衡度，e表示为自然常数，a、b、c、x、y、z分别表示为线路过载率、线路负载率、线路联络率、电压偏差、频率偏差、三相电压不平衡度对应的占比因子，R0表示为预设常数。
作为优选实施方式，线路过载率、线路负载率、电压偏差、频率偏差、三相电压不平衡度对线路供电状态健康指数的影响为负影响，线路联络率对线路供电状态健康指数的影响为正影响。
所述电力设备运行异常信息提取模块用于提取各电力设备在各历史监测周期内的运行异常信息，其中运行异常信息包括异常监测时间点及异常监测时间点对应的异常类型。
需要说明的是，上述提到的异常类型包括过压、欠压、过流、欠流、跳闸等。
所述电力设备运行全息数据展示模块用于生成各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组，并将其以表格形式进行展示。
上述中生成各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组对应的生成过程如下：
B1:从运行异常信息中提取异常监测时间点，得到各电力设备在各历史监测周期内的异常监测时间点；
B2:根据各电力设备在各历史监测周期内的异常监测时间点从目标配电网在各历史监测周期对应各监测时间点的线路供电状态健康指数中提取各电力设备在各历史监测周期对应异常监测时间点的线路供电状态健康指数；
B3:从运行异常信息中提取异常监测时间点对应的异常类型，进而将各电力设备在各历史监测周期对应异常监测时间点的异常类型与各电力设备在各历史监测周期对应异常监测时间点的线路供电状态健康指数生成一条运行全息数据组，由此得到各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组。
在一个具体实施例中，各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组的表格展示形式如表1：
表1
Figure BDA0003700557290000151
所述电力设备运行异常线路供电影响分析模块用于基于表格展示的各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组分析各电力设备对应运行异常的倾向线路供电状态健康指数区间，其中各电力设备对应运行异常的倾向线路供电状态健康指数区间具体为各电力设备对应各种异常类型的倾向线路供电状态健康指数区间。
上述中分析各电力设备对应运行异常的倾向线路供电状态健康指数区间的具体分析过程参照以下步骤：
C1:将各电力设备中具有相同异常类型的运行全息数据组进行归类，构成各电力设备在各种异常类型下的运行全息数据组集合；
C2:从各电力设备在各种异常类型下的运行全息数据组集合中提取各条运行全息数据组对应的线路供电状态健康指数；
C3:将各电力设备在各种异常类型下对应各条运行全息数据组的线路供电状态健康指数进行对比，从中提取最小线路供电状态健康指数和最大线路供电状态健康指数，进而将提取出的各电力设备在各种异常类型下的最小线路供电状态健康指数和最大线路供电状态健康指数构成倾向线路供电状态健康指数区间。
本发明实施例通过将各电力设备在历史监测周期内的运行异常信息与目标配电网在历史监测周期内线路供电状态健康指数的对比结果，生成运行全息数据组，并将其采用表格可视化展示的方式分析电力设备运行异常信息与目标配电网线路供电状态健康指数之间的关联，由于可视化展示能够提高对比结果的直观感，进而能够大大提高关联分析的便捷度和效率。
所述当前时间点目标配电网线路供电状态解析模块用于在当前时间点解析目标配电网对应的线路供电状态健康指数，其解析方法参照目标配电网线路供电状态解析模块。
所述当前时间点电力设备运行异常预测模块用于基于当前时间点目标配电网的线路供电状态健康指数预测可能存在运行异常的电力设备，并将该电力设备记为预测异常电力设备，与此同时获取预测异常电力设备的编号及预测异常类型。
上述提到的预测方式为将当前时间点目标配电网的线路供电状态健康指数与各电力设备对应各种异常类型的倾向线路供电状态健康指数区间进行对比，若当前时间点目标配电网的线路供电状态健康指数处于某电力设备对应某种异常类型的倾向线路供电状态健康指数区间内，则预测该电力设备可能存在运行异常，此时将该种异常类型记为预测异常类型。
所述显示终端用于将预测异常电力设备的编号及预测异常类型进行显示，便于配电网线路管理人员直观了解需要重点关注的电力设备，从而提前根据预测异常类型采取针对性的干预处理，这样就能够在一定程度上降低该电力设备实际发生运行异常的概率，从而有利于保障电力设备的安全稳定运行。
本发明实施例通过设置监测周期，进而在历史监测周期进行目标配电网对应的线路供电状态解析，并获取目标配电网线路上各电力设备在历史监测周期内的运行异常信息，进而将各电力设备在历史监测周期内的运行异常信息与目标配电网在历史监测周期内的线路供电状态健康指数进行对比，从中分析出电力设备运行异常信息与目标配电网线路供电状态健康指数之间的关联，进而在当前时间点解析目标配电网对应的线路供电状态健康指数，从而基于电力设备运行异常信息与目标配电网线路供电状态健康指数之间的关联根据当前时间点目标配电网的线路供电状态健康指数预测可能存在运行异常的电力设备，实现了电力设备运行异常的提前预测，避免出现处理延迟的情况，为后期检修准备提供了足够的时间，最大化地保障了电力设备的安全稳定运行，具有实用性强的特点。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于人工智能的配电网全息数据可视化智能展示分析系统，其特征在于，包括：
目标配电网电力设备统计模块，用于将待分析的配电网记为目标配电网，进而统计目标配电网线路上存在的电力设备数量，并分别将各电力设备按照预设的顺序进行编号；
目标配电网线路标准供电参数获取模块，用于获取目标配电网对应的供电电压等级，并将其从配电数据库中匹配出目标配电网对应的线路标准供电参数；
配电数据库，用于存储各种供电电压等级对应的线路标准供电参数；
监测周期设定模块，用于设定监测周期，并筛选出若干历史监测周期，进而对各历史监测周期按照时间的先后顺序依次标记为1,2,...,j,...,m,同时将各历史监测周期按照预设的时间间隔进行划分，得到若干监测时间点，从而将各历史监测周期对应的各监测时间点按照时间先后顺序依次标记为1,2,...,t,...,n；
目标配电网线路供电状态解析模块，用于在各历史监测周期对应的各监测时间点解析目标配电网对应的线路供电状态健康指数；
电力设备运行异常信息提取模块，用于提取各电力设备在各历史监测周期内的运行异常信息；
电力设备运行全息数据展示模块，用于生成各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组，并将其以表格形式进行展示；
电力设备运行异常线路供电影响分析模块，用于基于表格展示的各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组分析各电力设备对应运行异常的倾向线路供电状态健康指数区间；
当前时间点目标配电网线路供电状态解析模块，用于在当前时间点解析目标配电网对应的线路供电状态健康指数；
当前时间点电力设备运行异常预测模块，用于基于当前时间点目标配电网的线路供电状态健康指数预测可能存在运行异常的电力设备，并将该电力设备记为预测异常电力设备，与此同时获取预测异常电力设备的编号及预测异常类型；
显示终端，用于将预测异常电力设备的编号及预测异常类型进行显示。
2.根据权利要求1所述的一种基于人工智能的配电网全息数据可视化智能展示分析系统，其特征在于：所述线路标准供电参数包括线路允许承载功率、线路限制电流、线路标称电压、线路标称频率和线路允许三相电压不平衡度。
3.根据权利要求1所述的一种基于人工智能的配电网全息数据可视化智能展示分析系统，其特征在于：所述在各历史监测周期对应的各监测时间点解析目标配电网对应的线路供电状态健康指数具体包括以下解析步骤：
A1:在各历史监测周期对应的各监测时间点获取目标配电网对应的线路实际承载功率；
A2:从线路标准供电参数中提取线路允许承载功率，将各历史监测周期对应各监测时间点目标配电网的线路实际承载功率与目标配电网对应的线路允许承载功率进行对比，计算目标配电网在各历史监测周期对应各监测时间点的线路过载率，其计算公式为
Figure FDA0003700557280000031
CLj t表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路过载率,pjt表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路实际承载功率，p0表示为目标配电网对应的线路允许承载功率；
A3:从线路标准供电参数中提取线路限制电流，并在各历史监测周期对应的各监测时间点获取目标配电网对应的线路实际电流，进而将其与目标配电网对应的线路限制电流进行对比，计算目标配电网在各历史监测周期对应各监测时间点的线路负载率，其计算公式为
Figure FDA0003700557280000032
LRj t表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路负载率，Ijt表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路实际电流，I0表示为目标配电网对应的线路限制电流；
A4:在各历史监测周期对应的各监测时间点获取目标配电网对应具有联络开关的线路总长度，并将其与目标配电网的线路总长度进行对比，计算目标配电网在各历史监测周期对应各监测时间点的线路联络率，其计算公式为
Figure FDA0003700557280000033
LCj t表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路联络率，Ljt表示为目标配电网在第j个历史监测周期对应第t个监测时间点的具有联络开关的线路总长度，L0表示为目标配电网对应的线路总长度；
A5:在各历史监测周期对应的各监测时间点通过电能质量监测仪监测目标配电网对应的线路电能质量参数，其中线路电能质量参数包括频率偏差、电压偏差和三相电压不平衡度；
A6:将目标配电网在各历史监测周期对应各监测时间点的线路过载率、线路负载率、线路联络率和线路电能质量参数通过线路供电状态健康指数计算公式，以此计算出目标配电网在各历史监测周期对应各监测时间点的线路供电状态健康指数。
4.根据权利要求3所述的一种基于人工智能的配电网全息数据可视化智能展示分析系统，其特征在于：所述线路供电状态健康指数的计算公式为
Figure FDA0003700557280000041
,
计算出目标配电网在各历史监测周期对应各监测时间点的线路供电状态健康指数，其中
Figure FDA0003700557280000042
表示为目标配电网在第j个历史监测周期对应第t个监测时间点的线路供电状态健康指数，ΔUj t、Δfj t、εj t分别表示为目标配电网在第j个历史监测周期对应第t个监测时间点的电压偏差、频率偏差、三相电压不平衡度，U0、f0、ε0分别表示为目标配电网对应的线路标称电压、线路标称频率、线路允许三相电压不平衡度，e表示为自然常数，a、b、c、x、y、z分别表示为线路过载率、线路负载率、线路联络率、电压偏差、频率偏差、三相电压不平衡度对应的占比因子，R0表示为预设常数。
5.根据权利要求1所述的一种基于人工智能的配电网全息数据可视化智能展示分析系统，其特征在于：所述运行异常信息包括异常监测时间点及异常监测时间点对应的异常类型。
6.根据权利要求5所述的一种基于人工智能的配电网全息数据可视化智能展示分析系统，其特征在于：所述生成各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组对应的生成过程如下：
B1:从运行异常信息中提取异常监测时间点，得到各电力设备在各历史监测周期内的异常监测时间点；
B2:根据各电力设备在各历史监测周期内的异常监测时间点从目标配电网在各历史监测周期对应各监测时间点的线路供电状态健康指数中提取各电力设备在各历史监测周期对应异常监测时间点的线路供电状态健康指数；
B3:从运行异常信息中提取异常监测时间点对应的异常类型，进而将各电力设备在各历史监测周期对应异常监测时间点的异常类型与各电力设备在各历史监测周期对应异常监测时间点的线路供电状态健康指数生成一条运行全息数据组，由此得到各电力设备在各历史监测周期对应异常监测时间点的运行全息数据组。
7.根据权利要求1所述的一种基于人工智能的配电网全息数据可视化智能展示分析系统，其特征在于：所述各电力设备对应运行异常的倾向线路供电状态健康指数区间具体为各电力设备对应各种异常类型的倾向线路供电状态健康指数区间。
8.根据权利要求7所述的一种基于人工智能的配电网全息数据可视化智能展示分析系统，其特征在于：所述分析各电力设备对应运行异常的倾向线路供电状态健康指数区间的具体分析过程参照以下步骤：
C1:将各电力设备中具有相同异常类型的运行全息数据组进行归类，构成各电力设备在各种异常类型下的运行全息数据组集合；
C2:从各电力设备在各种异常类型下的运行全息数据组集合中提取各条运行全息数据组对应的线路供电状态健康指数；
C3:将各电力设备在各种异常类型下对应各条运行全息数据组的线路供电状态健康指数进行对比，从中提取最小线路供电状态健康指数和最大线路供电状态健康指数，进而将提取出的各电力设备在各种异常类型下的最小线路供电状态健康指数和最大线路供电状态健康指数构成倾向线路供电状态健康指数区间。
9.根据权利要求1所述的一种基于人工智能的配电网全息数据可视化智能展示分析系统，其特征在于：所述基于当前时间点目标配电网的线路供电状态健康指数预测可能存在运行异常的电力设备对应的预测方式为将当前时间点目标配电网的线路供电状态健康指数与各电力设备对应各种异常类型的倾向线路供电状态健康指数区间进行对比，若当前时间点目标配电网的线路供电状态健康指数处于某电力设备对应某种异常类型的倾向线路供电状态健康指数区间内，则预测该电力设备可能存在运行异常，此时将该种异常类型记为预测异常类型。
CN202210692272.7A 2022-06-17 2022-06-17 一种基于人工智能的配电网全息数据可视化智能展示分析系统 Active CN115048591B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210692272.7A CN115048591B (zh) 2022-06-17 2022-06-17 一种基于人工智能的配电网全息数据可视化智能展示分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210692272.7A CN115048591B (zh) 2022-06-17 2022-06-17 一种基于人工智能的配电网全息数据可视化智能展示分析系统

Publications (2)

Publication Number Publication Date
CN115048591A true CN115048591A (zh) 2022-09-13
CN115048591B CN115048591B (zh) 2023-09-29

Family

ID=83162652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210692272.7A Active CN115048591B (zh) 2022-06-17 2022-06-17 一种基于人工智能的配电网全息数据可视化智能展示分析系统

Country Status (1)

Country Link
CN (1) CN115048591B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115313664A (zh) * 2022-10-09 2022-11-08 智洋创新科技股份有限公司 一种基于数据分析的变电站直流绝缘监察校验系统
CN115936428A (zh) * 2022-11-17 2023-04-07 江苏东港能源投资有限公司 增量配电网防外破定值优化系统
CN116345696A (zh) * 2023-05-29 2023-06-27 南京上古网络科技有限公司 一种基于全域监测的异常信息分析管理系统及方法
CN116389223A (zh) * 2023-04-26 2023-07-04 福芯高照(上海)科技有限公司 一种基于大数据的人工智能可视化预警系统及方法
CN116381490A (zh) * 2023-06-05 2023-07-04 江苏铭星智能家居有限公司 一种基于数据分析的推杆电机性能检测系统及方法
CN116415931A (zh) * 2023-03-14 2023-07-11 成都电通能源有限公司 一种基于大数据的电力设备运行状态监控方法和系统
CN116754901A (zh) * 2023-08-21 2023-09-15 安徽博诺思信息科技有限公司 一种基于快速定位的配电网故障分析管理平台

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914791A (zh) * 2014-03-17 2014-07-09 中国南方电网有限责任公司超高压输电公司检修试验中心 一种电力设备状态检修系统
CN104009467A (zh) * 2014-05-13 2014-08-27 南京邮电大学 一种计及预安排停电影响的配电网可靠性评估和预测方法
CN104166940A (zh) * 2014-07-01 2014-11-26 清华大学 配电网运行风险评估方法及评估系统
CN105956789A (zh) * 2016-05-24 2016-09-21 国网四川省电力公司 一种基于状态评价的电力设备定量风险评估方法
CN107994539A (zh) * 2017-12-06 2018-05-04 国网山东省电力公司滨州市滨城区供电公司 一种基于云服务器的配电线路故障检测系统
CN108336725A (zh) * 2016-12-16 2018-07-27 泰豪软件股份有限公司 电网调度设备监控管理及智能分析系统
CN108345985A (zh) * 2018-01-09 2018-07-31 国网瑞盈电力科技（北京）有限公司 一种配电网数据质量评估方法及系统
CN109190996A (zh) * 2018-09-18 2019-01-11 中国电力科学研究院有限公司 一种配电网台区运行风险监测预警方法和装置
CN109884472A (zh) * 2019-03-25 2019-06-14 杭州电力设备制造有限公司 配电网故障诊断方法、装置、设备及计算机可读存储介质
CN110298535A (zh) * 2019-05-14 2019-10-01 国网浙江省电力有限公司嘉兴供电公司 一种电网主动运维预警信息生成方法
CN110336377A (zh) * 2019-07-09 2019-10-15 南京新虹佳电器设备有限公司 一种基于云计算的智能配电系统
CN110598907A (zh) * 2019-08-13 2019-12-20 中国电力科学研究院有限公司 一种配电网健康状态的智能诊断方法及系统
CN111295592A (zh) * 2017-11-03 2020-06-16 3M创新有限公司 用于电力网络中的异常检测的系统和方法
CN111458590A (zh) * 2020-04-21 2020-07-28 国网北京市电力公司 配电网的故障检测系统
CN111738573A (zh) * 2020-06-09 2020-10-02 国网河北省电力有限公司营销服务中心 一种基于电能表全寿命周期数据的健康评价方法
CN112036766A (zh) * 2020-09-11 2020-12-04 上海国泉科技有限公司 网格化配网业务管理方法、装置、计算机设备及存储介质
CN112700144A (zh) * 2020-12-31 2021-04-23 广东电网有限责任公司韶关供电局 变电站运行状态风险评估方法、装置、设备以及存储介质
CN112839069A (zh) * 2019-11-22 2021-05-25 国网吉林省电力有限公司长春供电公司 一种智能配电网综合一体化在线监控服务平台系统及方法
CN113240289A (zh) * 2021-05-17 2021-08-10 国电南瑞南京控制系统有限公司 一种电网调度控制系统运行状态评估方法及系统
CN114295940A (zh) * 2022-01-04 2022-04-08 珠海市鸿瑞信息技术股份有限公司 一种基于智慧城市的配网故障状态监测系统及方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914791A (zh) * 2014-03-17 2014-07-09 中国南方电网有限责任公司超高压输电公司检修试验中心 一种电力设备状态检修系统
CN104009467A (zh) * 2014-05-13 2014-08-27 南京邮电大学 一种计及预安排停电影响的配电网可靠性评估和预测方法
CN104166940A (zh) * 2014-07-01 2014-11-26 清华大学 配电网运行风险评估方法及评估系统
CN105956789A (zh) * 2016-05-24 2016-09-21 国网四川省电力公司 一种基于状态评价的电力设备定量风险评估方法
CN108336725A (zh) * 2016-12-16 2018-07-27 泰豪软件股份有限公司 电网调度设备监控管理及智能分析系统
CN111295592A (zh) * 2017-11-03 2020-06-16 3M创新有限公司 用于电力网络中的异常检测的系统和方法
CN107994539A (zh) * 2017-12-06 2018-05-04 国网山东省电力公司滨州市滨城区供电公司 一种基于云服务器的配电线路故障检测系统
CN108345985A (zh) * 2018-01-09 2018-07-31 国网瑞盈电力科技（北京）有限公司 一种配电网数据质量评估方法及系统
CN109190996A (zh) * 2018-09-18 2019-01-11 中国电力科学研究院有限公司 一种配电网台区运行风险监测预警方法和装置
CN109884472A (zh) * 2019-03-25 2019-06-14 杭州电力设备制造有限公司 配电网故障诊断方法、装置、设备及计算机可读存储介质
CN110298535A (zh) * 2019-05-14 2019-10-01 国网浙江省电力有限公司嘉兴供电公司 一种电网主动运维预警信息生成方法
CN110336377A (zh) * 2019-07-09 2019-10-15 南京新虹佳电器设备有限公司 一种基于云计算的智能配电系统
CN110598907A (zh) * 2019-08-13 2019-12-20 中国电力科学研究院有限公司 一种配电网健康状态的智能诊断方法及系统
CN112839069A (zh) * 2019-11-22 2021-05-25 国网吉林省电力有限公司长春供电公司 一种智能配电网综合一体化在线监控服务平台系统及方法
CN111458590A (zh) * 2020-04-21 2020-07-28 国网北京市电力公司 配电网的故障检测系统
CN111738573A (zh) * 2020-06-09 2020-10-02 国网河北省电力有限公司营销服务中心 一种基于电能表全寿命周期数据的健康评价方法
CN112036766A (zh) * 2020-09-11 2020-12-04 上海国泉科技有限公司 网格化配网业务管理方法、装置、计算机设备及存储介质
CN112700144A (zh) * 2020-12-31 2021-04-23 广东电网有限责任公司韶关供电局 变电站运行状态风险评估方法、装置、设备以及存储介质
CN113240289A (zh) * 2021-05-17 2021-08-10 国电南瑞南京控制系统有限公司 一种电网调度控制系统运行状态评估方法及系统
CN114295940A (zh) * 2022-01-04 2022-04-08 珠海市鸿瑞信息技术股份有限公司 一种基于智慧城市的配网故障状态监测系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姜涛 等: "电力设备状态智能预警系统的设计与应用" *
王荣: "基于设备健康指数的配电网络状态评价方法的研究" *
赵家庆 等: "基于时标量测的电网实时预警关键技术方案" *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115313664A (zh) * 2022-10-09 2022-11-08 智洋创新科技股份有限公司 一种基于数据分析的变电站直流绝缘监察校验系统
CN115936428A (zh) * 2022-11-17 2023-04-07 江苏东港能源投资有限公司 增量配电网防外破定值优化系统
CN116415931A (zh) * 2023-03-14 2023-07-11 成都电通能源有限公司 一种基于大数据的电力设备运行状态监控方法和系统
CN116389223A (zh) * 2023-04-26 2023-07-04 福芯高照(上海)科技有限公司 一种基于大数据的人工智能可视化预警系统及方法
CN116389223B (zh) * 2023-04-26 2023-12-22 郑州数智科技集团有限公司 一种基于大数据的人工智能可视化预警系统及方法
CN116345696A (zh) * 2023-05-29 2023-06-27 南京上古网络科技有限公司 一种基于全域监测的异常信息分析管理系统及方法
CN116345696B (zh) * 2023-05-29 2023-08-15 南京上古网络科技有限公司 一种基于全域监测的异常信息分析管理系统及方法
CN116381490A (zh) * 2023-06-05 2023-07-04 江苏铭星智能家居有限公司 一种基于数据分析的推杆电机性能检测系统及方法
CN116381490B (zh) * 2023-06-05 2023-08-11 江苏铭星智能家居有限公司 一种基于数据分析的推杆电机性能检测系统及方法
CN116754901A (zh) * 2023-08-21 2023-09-15 安徽博诺思信息科技有限公司 一种基于快速定位的配电网故障分析管理平台
CN116754901B (zh) * 2023-08-21 2023-11-03 安徽博诺思信息科技有限公司 一种基于快速定位的配电网故障分析管理平台

Also Published As

Publication number Publication date
CN115048591B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN115048591A (zh) 一种基于人工智能的配电网全息数据可视化智能展示分析系统
CN107991525B (zh) 一种绿色产业园区供用电能效监测与故障责任识别方法及系统
CN102170124A (zh) 一种电能质量稳态指标预警方法
CN113448763B (zh) 全生命周期管理的可动态扩展分组告警服务方法
CN105184521A (zh) 一种计及设备健康状态的电网运行方式的风险评估方法、装置及系统
CN109582657A (zh) 基于机器学习与大数据分析的电容器故障预测方法
CN113268590A (zh) 一种基于设备画像和集成学习的电网设备运行状态评估方法
CN117078017A (zh) 一种用于电力电网设备监控智能化决策分析系统
CN109633506B (zh) 直流输电系统中的数据采集校核方法与监测控制系统
Zhang et al. Incipient fault identification of distribution networks based on feature matching of power disturbance data
CN117349624A (zh) 一种电力能源监控方法、系统、终端设备及存储介质
CN115327282B (zh) 供电系统故障诊断方法
CN115600879A (zh) 一种断路器异常预警方法、系统及相关装置
CN116008696A (zh) 一种线路监控系统及电缆分接箱
CN106022950B (zh) 一种配电网二次设备类型识别方法及系统
CN114492869A (zh) 一种基于物联网技术的配电系统健康诊断方法
CN112465358A (zh) 基于支持向量机的电压质量分类方法及装置
CN112949271A (zh) 一种检修安全措施分析方法及系统
CN117408537B (zh) 一种能够实现实时风险预测的电能质量监测系统
CN110991833B (zh) 一种稳态电能质量评级方法
CN116545115B (zh) 一种低压配电柜故障监测系统及其方法
CN117411183A (zh) 一种断路器的异常用电监控系统
Wang et al. Identifying the internal and the external overvoltage of distribution networks based on fisher discriminate method
Yang et al. Research on Attack Identification Method and Device Method Based on Random Forest Algorithm
CN114742247A (zh) 一种基于配电网配变异常告警信息的特征提取方法及装置

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: 20230829

Address after: 071000 office building, No. 202, Xingyuan modern city, No. 79, swan Middle Road, Baoding City, Hebei Province

Applicant after: HEBEI XINDA CHANGYUAN ELECTRIC POWER TECHNOLOGY CO.,LTD.

Address before: 610096 No. 722, Middle Section of Yizhou Avenue, High-tech Zone, Chengdu City, Sichuan Province

Applicant before: Sichuan Gaorongsoft Information Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant