CN115051912A - 一种停电用户定位方法、装置、设备、介质 - Google Patents
一种停电用户定位方法、装置、设备、介质 Download PDFInfo
- Publication number
- CN115051912A CN115051912A CN202210699387.9A CN202210699387A CN115051912A CN 115051912 A CN115051912 A CN 115051912A CN 202210699387 A CN202210699387 A CN 202210699387A CN 115051912 A CN115051912 A CN 115051912A
- Authority
- CN
- China
- Prior art keywords
- preset
- user
- value
- power
- node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005070 sampling Methods 0.000 claims description 103
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 description 9
- 230000005611 electricity Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明实施例公开了一种停电用户定位方法、装置、设备、介质，该方法包括：获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于历史电气数据确定各预设用户节点在当前运行周期的下一个运行周期的预测电气数据；根据预测电气数据，以及预设配电节点与预设用户节点之间的配电拓扑网络关系，确定各预设配电节点在下一个运行周期中的预测有效电流值；根据各预设配电节点在下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及配电拓扑网络关系定位目标停电用户。本发明实施例的技术方案可以提高故障定位的效率和准确率，能够精准定位到停电用户。
Description
技术领域
本发明实施例涉及电力技术领域，尤其涉及一种停电用户定位方法、装置、设备和介质。
背景技术
低压配电网作为与国计民生息息相关的关键供电环节，当发生停电故障后，要求供电企业能够在第一时间判断故障位置，并立即投入检修，快速恢复停电用户。目前，常用于低压配电网故障定位的方式主要包括三种类型，分别是利用重合器和分段器的定位方法、基于馈线终端单元的故障定位和根据用户电话投诉机制的定位方法，但是这些方法存在定位效率低，定位准确率较低，无法精准定位到停电用户等问题。
发明内容
本发明实施例提供了一种停电用户定位方法、装置、设备、介质，可以提高低压配电网区域故障定位效率和定位准确率，能够精准定位到停电用户。
第一方面，一种停电用户定位方法，所述方法包括：
获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于所述历史电气数据确定各所述预设用户节点在所述当前运行周期的下一个运行周期的预测电气数据；
根据所述预测电气数据，以及所述预设配电节点与所述预设用户节点之间的配电拓扑网络关系，确定各所述预设配电节点在所述下一个运行周期中的预测有效电流值；
根据各所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及所述配电拓扑网络关系定位目标停电用户。
第二方面，本发明实施例提供了一种停电用户定位装置，所述装置包括：
电气数据预测模块，用于获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于所述历史电气数据确定各所述预设用户节点在所述当前运行周期的下一个运行周期的预测电气数据；
有效电流值预测模块，用于根据所述预测电气数据，以及所述预设配电节点与所述预设用户节点之间的配电拓扑网络关系，确定各所述预设配电节点在所述下一个运行周期中的预测有效电流值；
停电用户定位模块，用于根据各所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及所述配电拓扑网络关系定位目标停电用户。
第三方面，本发明实施例提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的停电用户定位方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现任一实施例所述的停电用户定位方法。
本发明实施例所提供的技术方案，通过获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于历史电气数据确定各预设用户节点在当前运行周期的下一个运行周期的预测电气数据；根据预测电气数据，以及预设配电节点与预设用户节点之间的配电拓扑网络关系，确定各预设配电节点在下一个运行周期中的预测有效电流值；根据各预设配电节点在下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及配电拓扑网络关系定位目标停电用户。本发明实施例的技术方案解决了现有技术中存在的故障定位效率和定位准确率不足的问题，可以提高故障定位效率和定位准确率，并能够精准定位到停电用户。
附图说明
图1是本发明实施例一提供的一种停电用户定位方法流程图；
图2是本发明实施例二提供的一种停电用户定位方法流程图；
图3是本发明实施例三提供的一种停电用户定位装置的结构示意图；
图4是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，都属于本发明保护的范围。
实施例一
图1是本发明实施例一提供的一种停电用户定位方法流程图，本发明实施例可适用于判断停电用户的场景中，该方法可以由停电用户定位装置执行，该装置可以由软件和/或硬件的方式来实现。
如图1所示，停电用户定位方法包括以下步骤：
S110、获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于所述历史电气数据确定各所述预设用户节点在所述当前运行周期的下一个运行周期的预测电气数据。
其中，目标配电网络表示低压配电网，目标配电网络的起点为配电变压器，用于将发电站输入的高压电转化为低压电，随后低压电会经过预设配电节点发送至用户，目标配电网络的终点即是预设用户节点。预设配电节点表示在低压配电网络拓扑中入度为1且出度大于1的位置，也即在低压配电网络拓扑中输入的电线数为1，输出的电线数大于1的整数。可以根据与目标配电网络的起点的距离，从近至远将预设配电节点分为不同等级，例如，与目标配电网络的起点最近的预设配电节点为一级预设配电节点，进而，与一级预设配电节点相邻的预设配电节点作为二级配电节点。每一级的预设配电节点的数目包括一个或多个，在进行目标配电网络管理时可以会对每级的预设配电节点依次进行编号管理，每一个预设配电节点可能会连接多个预设用户节点。预设用户节点表示每个预设配电节点下连接用户电表的连接点，每个用户对应一个专属的预设用户节点，判断出某个预设用户节点有停电故障的情况，则该预设用户节点对应的用户也即是停电用户。
运行周期是指低压配电网负荷周期性波动时间间隔，当前运行周期则表示监测低压配电网运行过程中目前所处的运行周期。可以在运行周期内设定监测电气数据的采样频率，例如一个运行周期内可以每间隔15分钟进行一次电气数据记录。电气数据表示一些电学数据，例如运行电压、运行电流、有功功率、无功功率及功率因数等数据，其中，电压和电流数据可以通过电压表、电流表等电气设备测量得出，功率及功率因数可以根据电压电流数据进行计算确定。预设数量运行周期的历史电气数据表示在当前运行舟曲前的几个运行周期内的历史电气数据。下一个运行周期表示当前运行周期的下一个运行周期。
预设用户节点在当前运行周期的下一个运行周期的预测电气数据，是根据各用户节点在历史运行周期中的电气数据进行数据预测得到的相应电气数据的预测值，例如，可以利用预先训练好的神经网络模型，将历史电气数据作为输入，从而得到模型的输出结果，作为预设用户节点在当前运行周期的下一个运行周期的预测电气数据。在本实施例中要预测的电气数据包括配电拓扑网络中的有功功率预测值和无功功率预测值。
S120、根据所述预测电气数据，以及所述预设配电节点与所述预设用户节点之间的配电拓扑网络关系，确定各所述预设配电节点在所述下一个运行周期中的预测有效电流值。
其中，预设配电节点与预设用户节点之间的配电拓扑网络关系，表示每一个预设配电节点与一个或多个预设用户节点，以及次级预设配电节点的连接关系，也即配电网络中的电流的分支与合流的对应关系。
将包括有功功率采样序列预测值和无功功率采样序列预测值的预测电气数据和配电拓扑网络关系输入至预设潮流计算模型，即低压三相四线潮流计算模型中，可得到各预设配电节点与各预设用户节点在所述下一个运行周期中的预测有效电流值。
S130、根据各所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及所述配电拓扑网络关系定位目标停电用户。
其中，下一个运行周期的采样有效电流值表示在进入到配电网络的下一个运行周期后，实际监测出的有效电流值。假设当前周期为第N个运行周期，那么下一个运行周期即为第N+1个周期。根据第N+1个周期的采样有效电流值和预测有效电流值可以计算出预测偏差值，可以采用预设配电节点在第N+1个周期的采样有效电流值与对应的预测有效电流值的差值的绝对值进行表示。
目标停电用户表示发生停电故障的用户，通常预测有效电流值表示的是非停电状态的电流有效值，当出现停电故障时，便会出现实际监测电流有效与预测有效电流值出现较大的差别。当遇着偏差值超过预设的偏差阈值时，便可以确定在因为某些与预设配电节点连接的预设用户节点存在停电的情况。所以某些预设配电节点在第N+1个周期的采样有效电流值与对应的预测有效电流值会存在预测偏差值，定位到存在停电用户的区域，即预测偏差值大于对应阈值的预设配电节点所对应的配电子网络区域，在该子网络区域被包括与预设配电节点连接的预设用户节点与次级预设配电节点。
进一步的，定位目标停电用户的具体过程可以是基于配电子网络区域内各个节点(包括用户节点和配电节点)的电流数值关系，构建一个以该配电子网络区域内用户节点的连接状态(是否断电)为未知数的方程组，进而采用相应的数学算法求解方程组，定位到目标停电用户。
本发明实施例所提供的技术方案，通过获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于历史电气数据确定各预设用户节点在当前运行周期的下一个运行周期的预测电气数据；根据预测电气数据，以及预设配电节点与预设用户节点之间的配电拓扑网络关系，确定各预设配电节点在下一个运行周期中的预测有效电流值；根据各预设配电节点在下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及配电拓扑网络关系定位目标停电用户。本发明实施例的技术方案解决了现有技术中存在的故障定位效率和定位准确率不足的问题，可以提高故障定位效率和定位准确率，并能够精准定位到停电用户。
实施例二
图2是本发明实施例二提供的一种停电用户定位方法流程图，本发明实施例在上述实施例的基础上，进一步的阐述了如何定位停电用户，本发明实施例可适用于判断停电用户的场景中，该方法可以由停电用户定位装置执行，该装置可以由软件和/或硬件的方式来实现。
如图2所示，停电用户定位方法包括以下步骤：
S210、获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据。
该步骤的详情同上述实施例的S110，这里不进行赘述。
预设数量运行周期的历史电气数据假，可以包括连续N个运行周期内各预设用户的运行电压、运行电流、有功功率及功率因数等数据。若每个运行周期内有T个采样点，对应的，每个预设用户节点包括NT个电气数据。
S220、针对每一个所述预设用户节点，分别将每个运行周期中对应的所述历史电气数据中的三相有功功率和功率因数，按照数据采集时序建立历史电气数据矩阵。
其中，每个运行周期表示发生停电故障前的每个运行周期；三相有功功率和功率因数是指三相电分为A相电，B相电和C相电，每相电的有功功率和功率因数有所不同，所以可以对每相电的有功功率和功率因数分别采集；数据采集时序表示在采集的运行周期内每隔一定时间设立的采样点，会对运行周期内采集点采集的电气数据设立历史电气数据矩阵。
具体的，将采集的M个预设用户节点的三相有功功率以长度为T的向量形式区分A、B、C三相地相应存入第n个工作周期下的有功功率矩阵
定义m＝1,2,...,M，定义n＝1,2,...,N，至此产生M个预设用户节点的数据集，其中，第m个用户的数据矩阵由
表示。
S230、将各所述预设用户节点的历史电气数据矩阵输入至预设负荷预测模型，得到在所述下一个运行周期的有功功率采样序列预测值，并基于所述有功功率采样序列预测值和所述当前运行周期中的所述功率因数的均值确定所述下一个运行周期的无功功率采样序列预测值。
其中，预设负荷预测模型表示一种回归模型，通过将各预设用户节点的历史电气数据矩阵输入至预设负荷预测模型，可以得到在下一个运行周期的有功功率采样序列预测值，例如，可以选用SVM(Support vector machine，支持向量机)模型，输入历史电气数据矩阵中的在发生停电故障前的几个连续周期的有功功率采样序列，得到在下一个运行周期的有功功率采样序列预测值；接下来采用有功功率与无功功率的关系式，基于采样序列预测值和当前运行周期中的功率因数的均值确定下一个运行周期的无功功率采样序列预测值。
具体的，在对所有预设用户的第N+1个工作周期区分三相地进行负荷预测时，可以将各预设用户节点的数据矩阵Dm分别输入到预设负荷预测模型，得到
相有功功率预测值
进而可以通过功率因数工作周期均值计算得到无功功率预测值
S240、基于各所述预设用户节点的所述有功功率采样序列预测值和所述无功功率采样序列预测值，组成所述预测电气数据。
将预设用户节点m的计算结果输出至功率预测矩阵
以此方法依次获取所有预设用户节点的功率预测矩阵并合成
S250、将所述预测电气数据和所述配电拓扑网络关系输入至预设潮流计算模型中，得到各所述预设配电节点与各所述预设用户节点在所述下一个运行周期中的预测有效电流值。
其中，预设潮流计算模型表示一种计算模型，可以根据预测电气数据中的有功功率和无用功率等数据计算出预测有效电流值，例如，可以选用MATLAB软件进行潮流计算。
具体是，将
作为用预设户负荷，在已知的低压配电网拓扑中进行潮流计算，获取各级预设配电节点与预设用户节点在第N+1工作周期的预测电流时序向量，记录各预设配电节点的t时刻预测
相电流有效值
并存入向量
其中，i和j分别表示各预设配电节点在配电拓扑网络中的层级和编号，t表示T个采样点中各采样点相对应的采样时间。记录各预设用户节点的t时刻预测
相电流有效值
并存入向量
S260、将各所述预设配电节点在所述下一个运行周期的采样有效电流值，输入至预设超阈值模型，确定各所述预设配电节点对应的预测偏差阈值。
其中，预设超阈值模型表示一种可以推测合理阈值的模型，例如POT(Peaks overthreshold，超阈值)模型，可以根据预设配电节点在下一个运行周期的采样有效电流值，推测出采样有效电流值与对应的预测有效电流值的差值的阈值。
当采集到各个预设配电节点在第N+1个运行周期的采样有效值时，便可以将各预设配电节点的采样有效电流值序列输入到POT模型中，得到相应的预测阈值。
S270、当任一个所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的差值，大于对应的预测偏差阈值时，确定对应的所述预设配电节点在所述配电拓扑网络关系中对应的用户节点群中存在停电用户。
其中，用户节点群表示与预设配电节点连接的所有预设用户节点的集合，一个预设配电节点对应一个用户节点群，当某个所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的差值，大于对应的预测偏差值时，则表示与该预设配电节点对应的用户节点群或者与该预设配电节点连接的次级预设配电节点中对应的用户节点群存在停电用户，通过对各个预设配电节点的预测有效电流值的差值与预测偏差值的比较，可以确定是哪一个预设配电节点对应的用户节点群中存在停电用户。
S280、基于存在停电用户的用户节点群中的各用户节点，在确定存在停电用户之后的预设数量采样点的电流有效值采样值、电流有效值预测值，及对应的预设配电节点的预设数量采样点的电流有效值采样值，构建所述用户节点群中各用户节点停电状态求解方程，确定所述目标停电用户。
其中，预设数量采样点表示对存在停电用户的用户节点群中的各用户节点进行高频率的多次设立的采样点，例如，可以以1s为间隔，采样次数选为测量用户节点群中的用户节点数量的两倍；停电状态求解方程可以为根据在确定存在停电用户之后的用户节点群中的各节点预设数量采样点的电流有效值采样值、电流有效值预测值所构建的超定方程，例如，方程的左侧为存在停电用户的用户节点群中的各用户节点预设数量采样点的电流有效值预测值乘以各用户节点的停电情况，方程的右侧为存在停电用户的用户节点群中的各用户节点预设数量采样点的电流有效值采样值，将在确定存在停电用户之后的预设数量采样点的电流有效值采样值、电流有效值预测值代入方程中求解，可以得出存在停电用户的用户节点群中的各用户节点的停电情况，从而判断具体是哪些用户为目标停电用户。
在一种可选的实施方式中，在确定存在停电用户之后，以每秒时间间隔连续采集所述用户节点群中的各用户节点和对应的预设配电节点的预设数量采样点的电流有效值采样值。例如，在确定存在停电用户之后，可以以1秒为时间间隔连续采集多次用户节点群中的各用户节点和对应的预设配电节点的预设数量采样点的电流有效值采样值，采集的次数通常可以取该预设配电节点对应用户群的用户个数的两倍。
建立所述用户节点群中的各用户节点在所述预设数量采样点的电流有效值预测值、所述用户节点群中的各用户节点和对应的预设配电节点的预设数量采样点的电流有效值采样值与所述用户节点群中各用户节点停电状态的关系方程。
基于所述关系方程确定所述用户节点群中各用户停节点电状态的超定方程组。
采用最小二乘法求解所述超定方程组，得到所述用户节点群中各用户节点停电状态的解，确定所述目标停电用户。
在一种可选的实施方式中，当各所述用户节点停电状态的解减去1的绝对值，小于或等于对应用户节点停电状态的解的绝对值时，将1作为对应用户节点停电状态的解，记为非停电状态；当各所述用户节点停电状态的解减去1的绝对值，大于对应用户节点停电状态的解的绝对值时，将0作为对应用户节点停电状态的解，记为停电状态。通过该方法可以对求解出来的用户节点停电状态进行约束，使求解出来的用户节点停电状态是严格的0-1变量。
示例性的，关系方程可以采用下述方程：
其中，x＝[x1,x2,...,xb]T表示用户群所包含的b个用户连接状态，元素取值范围仅为0或1，0表示停电，1表示连接，
为节点ij预设配电节点对应的电流测量值向量，i表示预设配电节点的级数，j表示是第i级的第j个预设配电节点，
为与节点ij相关联的次级预设分叉节点电流向量累和，
的值是预设分叉节点
对应的用户群的有效电流值，也即是用户节点群中的各用户节点在预设数量采样点下的电流有效值采样值之和，
为用户群所包含的所有预设用户节点预设采样点的电流预测值，
中的R表示预设采样点，b表示用户群包含的用户个数，
由下式确定：
事实上，对于系数矩阵
与
存在误差，方程解x可能出现不是严格的0-1变量，因此可以采用如下方法进行对解空间进行约束，由此得到方程解
式中，xj表示解向量x中第j个元素的值，而
表示经过处理后转化为0-1二进制的解向量中第j个元素的值，则
随后，可以记录每个方程组解
中连接状态为停电的用户编号存入集合Lpo，得到低压配电网所有停电用户集合Lpo。
在一个具体实例性中，假设某个低压配电网共有4条低压出线，13个三相用户，32个单相用户，其中A相11户，B相9户，C相12户，以其中一个C相预设配电节点a21所对应的用户群为例，该用户群有6个C相负荷用户。其中，与预设配电节点a21关联的有上级预设配电节点a11和次级预设配电节点a31、a32，预设配电节点a21的电流有效值等于a21所对应的用户群的电流有效值之和加上次级预设配电节点a31与a32电流有效值之和，上级预设配电节点a11的电流有效值等于a11所对应的用户群的电流有效值之和加上预设配电节点a21的电流有效值。假设预设配电节点a21所对应的用户群中的4号用户在t时刻发生停电故障，首先，获取低压配电网的各分支馈线及用户节点连续N个运行周期共NT个测量时刻的运行电压、运行电流、有功功率及功率因数等数据。其次，通过负荷预测与潮流计算得到各分叉节点在t时刻的电流有效值，通过求解极值POT模型到各节点阈值并采集到t时刻电流有效值如下：
表1某低压配电网的t时刻预设配电节点电流超阈值情况
通过对比上表中各节点预测偏差的超阈值情况可以发现，该配电网C相发生停电故障，由表可知，a11的预测偏差大于阈值，则可以推断出a11所对应的用户群中可能存在停电用户，也可能是次级预设配电节点a21所对应的用户群中存在停电用户；同样，a21的预测偏差大于阈值，则可以推断出a21所对应的用户群中可能存在停电用户，也可能是次级预设配电节点a31或者a32所对应的用户群中存在停电用户；随后，由表可知a31的预测偏差不大于阈值，a32的预测偏差也不大于阈值，则可以排除a31或者a32所对应的用户群中存在停电用户的可能；则由表1可以推出的结论为：a11所对应的用户群中可能存在停电用户，也可能是次级预设配电节点a21所对应的用户群中存在停电用户。随后对a11所对应的用户群进行排查后发现，a11所对应的用户群中不存在停电用户，则可以判断预设配电节点a21所对应的用户群中存在停电用户，故仅考虑预设配电节点a21所对应的用户群的停电状况。通过采集R个数据得到
矩阵与
向量如下表，此处预设数量采样点取12。
表2预设配电节点a21所对应的各个用户在停电发生后的测量矩阵值
通过关系方程计算得到x＝[1.08 1.08 0.85 -0.18 0.90 1.05]T，通过近似计算可得出x＝[1 1 1 0 1 1]T。因此，可以判断该用户群中的停电用户为4号用户，由计算结果可见本发明方法能够对低压配电网停电用户进行准确辨识，具有可行性。
本发明实施例所提供的技术方案，通过获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据；针对每一个预设用户节点，分别将每个运行周期中对应的历史电气数据中的三相有功功率和功率因数，按照数据采集时序建立历史电气数据矩阵；将各预设用户节点的历史电气数据矩阵输入值预设负荷预测模型，得到在下一个运行周期的有功功率采样序列预测值，并基于有功功率采样序列预测值和所当前运行周期中的功率因数的均值确定下一个运行周期的无功功率采样序列预测值；基于各预设用户节点的有功功率采样序列预测值和无功功率采样序列预测值，组成预测电气数据；将预测电气数据和配电拓扑网络关系输入至预设潮流计算模型中，得到各预设配电节点与各预设用户节点在下一个运行周期中的预测有效电流值；将各预设配电节点在下一个运行周期的采样有效电流值，输入至预设超阈值模型，确定各预设配电节点对应的预测偏差值；当任一个预设配电节点在下一个运行周期的采样有效电流值与对应的预测有效电流值的差值，大于对应的预测偏差值时，确定对应的预设配电节点在配电拓扑网络关系中对应的用户节点群中存在停电用户；基于存在停电用户的用户节点群中的各用户节点，在确定存在停电用户之后的预设数量采样点的电流有效值采样值、电流有效值预测值，及对应的预设配电节点的预设数量采样点的电流有效值采样值，构建用户节点群中各用户节点停电状态求解方程，确定目标停电用户。本发明实施例的技术方案解决了现有技术中存在的故障定位效率和定位准确率不足的问题，可以提高故障定位效率和定位准确率，并能够精准定位到停电用户。
实施例三
图3为本发明实施例三提供的停电用户定位装置的结构示意图，本发明实施例可适用于判断停电用户的场景中，该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的计算机设备中。
如图3所示，停电用户定位装置包括：电气数据预测模块410、有效电流值预测模块420和停电用户定位模块430。
其中，电气数据预测模块410用于获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于历史电气数据确定各预设用户节点在当前运行周期的下一个运行周期的预测电气数据；有效电流值预测模块420，用于根据预测电气数据，以及预设配电节点与预设用户节点之间的配电拓扑网络关系，确定各预设配电节点在下一个运行周期中的预测有效电流值；停电用户定位模块430，停电用户定位模块，用于根据各预设配电节点在下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及配电拓扑网络关系定位目标停电用户。
本发明实施例所提供的技术方案，通过获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于历史电气数据确定各预设用户节点在当前运行周期的下一个运行周期的预测电气数据；根据预测电气数据，以及预设配电节点与预设用户节点之间的配电拓扑网络关系，确定各预设配电节点在下一个运行周期中的预测有效电流值；根据各预设配电节点在下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及配电拓扑网络关系定位目标停电用户。本发明实施例的技术方案解决了现有技术中存在的故障定位效率和定位准确率不足的问题，可以提高故障定位效率和定位准确率，并能够精准定位到停电用户。
在一种可选的实施方式中，电气数据预测模块410具体用于：
针对每一个预设用户节点，分别将每个运行周期中对应的历史电气数据中的三相有功功率和功率因数，按照数据采集时序建立历史电气数据矩阵；
将各预设用户节点的历史电气数据矩阵输入值预设负荷预测模型，得到在下一个运行周期的有功功率采样序列预测值，并基于有功功率采样序列预测值和所当前运行周期中的功率因数的均值确定下一个运行周期的无功功率采样序列预测值；
基于各预设用户节点的有功功率采样序列预测值和无功功率采样序列预测值，组成预测电气数据。
在一种可选的实施方式中，电气数据预测模块410还用于：
计算1与各预设用户节点在当前运行周期内的功率因数均值的平方的差值的平方根；
计算平方根与对应功率因数均值的比值；
将各预设用户节点的有功功率采样序列预测值与对应的比值相乘，得到各预设用户节点的无功功率采样序列预测值。
在一种可选的实施方式中，有效电流值预测模块420具体用于：
将预测电气数据和配电拓扑网络关系输入至预设潮流计算模型中，得到各预设配电节点与各预设用户节点在下一个运行周期中的预测有效电流值；
其中，预测电气数据包括各预设用户节点在下一个运行周期中的有功功率采样序列预测值和无功功率采样序列预测值。
在一种可选的实施方式中，停电用户定位模块430具体用于：
将各预设配电节点在下一个运行周期的采样有效电流值，输入至预设超阈值模型，确定各预设配电节点对应的预测偏差阈值；
当任一个预设配电节点在下一个运行周期的采样有效电流值与对应的预测有效电流值的差值，大于对应的预测偏差阈值时，确定对应的预设配电节点在配电拓扑网络关系中对应的用户节点群中存在停电用户；
基于存在停电用户的用户节点群中的各用户节点，在确定存在停电用户之后的预设数量采样点的电流有效值采样值、电流有效值预测值，及对应的预设配电节点的预设数量采样点的电流有效值采样值，构建用户节点群中各用户节点停电状态求解方程，确定目标停电用户。
在一种可选的实施方式中，停电用户定位模块430还用于：
在确定存在停电用户之后，以每秒时间间隔连续采集用户节点群中的各用户节点和对应的预设配电节点的预设数量采样点的电流有效值采样值；
建立用户节点群中的各用户节点在预设数量采样点的电流有效值预测值、用户节点群中的各用户节点和对应的预设配电节点的预设数量采样点的电流有效值采样值与用户节点群中各用户节点停电状态的关系方程；
基于关系方程确定用户节点群中各用户停节点电状态的超定方程组；
采用最小二乘法求解超定方程组，得到用户节点群中各用户节点停电状态的解，确定目标停电用户。
在一种可选的实施方式中，采用最小二乘法求解超定方程组，得到用户节点群中各用户节点停电状态的解，确定目标停电用户，包括：
当各用户节点停电状态的解减去1的绝对值，小于或等于对应用户节点停电状态的解的绝对值时，将1作为对应用户节点停电状态的解，记为非停电状态；
当各用户节点停电状态的解减去1的绝对值，大于对应用户节点停电状态的解的绝对值时，将0作为对应用户节点停电状态的解，记为停电状态。
本发明实施例所提供的停电用户定位装置可执行本发明任意实施例所提供的停电用户定位方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制，计算机设备12可以配置于停电用户定位设备中。
如图4所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图4中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的停电用户定位方法，该方法包括：
获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于所述历史电气数据确定各所述预设用户节点在所述当前运行周期的下一个运行周期的预测电气数据；
根据所述预测电气数据，以及所述预设配电节点与所述预设用户节点之间的配电拓扑网络关系，确定各所述预设配电节点在所述下一个运行周期中的预测有效电流值；
根据各所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及所述配电拓扑网络关系定位目标停电用户。
实施例六
本实施例六提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的停电用户定位方法，包括：
获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于所述历史电气数据确定各所述预设用户节点在所述当前运行周期的下一个运行周期的预测电气数据；
根据所述预测电气数据，以及所述预设配电节点与所述预设用户节点之间的配电拓扑网络关系，确定各所述预设配电节点在所述下一个运行周期中的预测有效电流值；
根据各所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及所述配电拓扑网络关系定位目标停电用户。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种停电用户定位方法，其特征在于，包括：
获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于所述历史电气数据确定各所述预设用户节点在所述当前运行周期的下一个运行周期的预测电气数据；
根据所述预测电气数据，以及所述预设配电节点与所述预设用户节点之间的配电拓扑网络关系，确定各所述预设配电节点在所述下一个运行周期中的预测有效电流值；
根据各所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及所述配电拓扑网络关系定位目标停电用户。
2.根据权利要求1所述的方法，其特征在于，所述基于所述历史电气数据确定各所述预设用户节点在所述当前运行周期的下一个运行周期的预测电气数据，包括：
针对每一个所述预设用户节点，分别将每个运行周期中对应的所述历史电气数据中的三相有功功率和功率因数，按照数据采集时序建立历史电气数据矩阵；
将各所述预设用户节点的历史电气数据矩阵输入至预设负荷预测模型，得到在所述下一个运行周期的有功功率采样序列预测值，并基于所述有功功率采样序列预测值和所当前运行周期中的所述功率因数的均值确定所述下一个运行周期的无功功率采样序列预测值；
基于各所述预设用户节点的所述有功功率采样序列预测值和所述无功功率采样序列预测值，组成所述预测电气数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述预测电气数据，以及所述预设配电节点与所述预设用户节点之间的配电拓扑网络关系，确定各所述预设配电节点在所述下一个运行周期中的预测有效电流值，包括：
将所述预测电气数据和所述配电拓扑网络关系输入至预设潮流计算模型中，得到各所述预设配电节点与各所述预设用户节点在所述下一个运行周期中的预测有效电流值；
其中，所述预测电气数据包括各所述预设用户节点在所述下一个运行周期中的有功功率采样序列预测值和无功功率采样序列预测值。
4.根据权利要求1所述的方法，其特征在于，所述根据各所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及所述配电拓扑网络关系定位目标停电用户，包括：
将各所述预设配电节点在所述下一个运行周期的采样有效电流值，输入至预设超阈值模型，确定各所述预设配电节点对应的预测偏差阈值；
当任一个所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的差值，大于对应的预测偏差阈值时，确定对应的所述预设配电节点在所述配电拓扑网络关系中对应的用户节点群中存在停电用户；
基于存在停电用户的用户节点群中的各用户节点，在确定存在停电用户之后的预设数量采样点的电流有效值采样值、电流有效值预测值，及对应的预设配电节点的预设数量采样点的电流有效值采样值，构建所述用户节点群中各用户节点停电状态求解方程，确定所述目标停电用户。
5.根据权利要求4所述的方法，其特征在于，所述基于存在停电用户的用户节点群中的各用户节点，在确定存在停电用户之后的预设数量采样点的电流有效值采样值、电流有效值预测值，及对应的预设配电节点的预设数量采样点的电流有效值采样值，构建所述用户节点群中各用户节点停电状态求解方程，确定所述目标停电用户，包括：
在确定存在停电用户之后，以每秒时间间隔连续采集所述用户节点群中的各用户节点和对应的预设配电节点的预设数量采样点的电流有效值采样值；
建立所述用户节点群中的各用户节点在所述预设数量采样点的电流有效值预测值、所述用户节点群中的各用户节点和对应的预设配电节点的预设数量采样点的电流有效值采样值与所述用户节点群中各用户节点停电状态的关系方程；
基于所述关系方程确定所述用户节点群中各用户停节点电状态的超定方程组；
采用最小二乘法求解所述超定方程组，得到所述用户节点群中各用户节点停电状态的解，确定所述目标停电用户。
6.根据权利要求5所述的方法，其特征在于，所述采用最小二乘法求解所述超定方程组，得到所述用户节点群中各用户节点停电状态的解，确定所述目标停电用户，包括：
当各所述用户节点停电状态的解减去1的绝对值，小于或等于对应用户节点停电状态的解的绝对值时，将1作为对应用户节点停电状态的解，记为非停电状态；
当各所述用户节点停电状态的解减去1的绝对值，大于对应用户节点停电状态的解的绝对值时，将0作为对应用户节点停电状态的解，记为停电状态。
7.根据权利要求2所述的方法，其特征在于，所述基于所述有功功率采样序列预测值和所当前运行周期中的所述功率因数的均值确定所述下一个运行周期的无功功率采样序列预测值，包括：
计算1与各所述预设用户节点在当前运行周期内的功率因数均值的平方的差值的平方根；
计算所述平方根与对应功率因数均值的比值；
将各所述预设用户节点的所述有功功率采样序列预测值与对应的所述比值相乘，得到各所述预设用户节点的无功功率采样序列预测值。
8.一种停电用户定位装置，其特征在于，所述装置包括：
电气数据预测模块，用于获取目标配电网络中预设配电节点与预设用户节点的包括当前运行周期中已采集电气数据的预设数量运行周期的历史电气数据，并基于所述历史电气数据确定各所述预设用户节点在所述当前运行周期的下一个运行周期的预测电气数据；
有效电流值预测模块，用于根据所述预测电气数据，以及所述预设配电节点与所述预设用户节点之间的配电拓扑网络关系，确定各所述预设配电节点在所述下一个运行周期中的预测有效电流值；
停电用户定位模块，用于根据各所述预设配电节点在所述下一个运行周期的采样有效电流值与对应的预测有效电流值的预测偏差值，以及所述配电拓扑网络关系定位目标停电用户。
9.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的停电用户定位方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的停电用户定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210699387.9A CN115051912B (zh) | 2022-06-20 | 2022-06-20 | 一种停电用户定位方法、装置、设备、介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210699387.9A CN115051912B (zh) | 2022-06-20 | 2022-06-20 | 一种停电用户定位方法、装置、设备、介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115051912A true CN115051912A (zh) | 2022-09-13 |
| CN115051912B CN115051912B (zh) | 2023-11-03 |
Family
ID=83164197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210699387.9A Active CN115051912B (zh) | 2022-06-20 | 2022-06-20 | 一种停电用户定位方法、装置、设备、介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115051912B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115459299A (zh) * | 2022-10-11 | 2022-12-09 | 南方电网数字电网研究院有限公司 | 低压配电无功调节方法、装置、计算机设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376371A (zh) * | 2014-10-31 | 2015-02-25 | 国家电网公司 | 一种基于拓扑的配网分层负荷预测方法 |
| KR102029031B1 (ko) * | 2018-06-29 | 2019-10-07 | 한국전력공사 | 배전선로 손실 추정 장치 및 방법 |
| US20210234922A1 (en) * | 2017-12-29 | 2021-07-29 | Electric Power Science & Research Institute Of State Grid Tianjin Electric Power Company | Method and device for identifying distribution network topology error |
| CN113300371A (zh) * | 2021-05-31 | 2021-08-24 | 广东电网有限责任公司 | 一种配电房实时电压的确定方法及装置 |
| CN113886181A (zh) * | 2021-09-30 | 2022-01-04 | 中南大学 | 应用于AIOps故障预警的动态阈值预测方法、设备及介质 |
-
2022
- 2022-06-20 CN CN202210699387.9A patent/CN115051912B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376371A (zh) * | 2014-10-31 | 2015-02-25 | 国家电网公司 | 一种基于拓扑的配网分层负荷预测方法 |
| US20210234922A1 (en) * | 2017-12-29 | 2021-07-29 | Electric Power Science & Research Institute Of State Grid Tianjin Electric Power Company | Method and device for identifying distribution network topology error |
| KR102029031B1 (ko) * | 2018-06-29 | 2019-10-07 | 한국전력공사 | 배전선로 손실 추정 장치 및 방법 |
| CN113300371A (zh) * | 2021-05-31 | 2021-08-24 | 广东电网有限责任公司 | 一种配电房实时电压的确定方法及装置 |
| CN113886181A (zh) * | 2021-09-30 | 2022-01-04 | 中南大学 | 应用于AIOps故障预警的动态阈值预测方法、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 李延真;郭英雷;彭博;孙媛媛;李良子;: "基于多时间尺度状态估计的配电网实时态势预测", no. 02 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115459299A (zh) * | 2022-10-11 | 2022-12-09 | 南方电网数字电网研究院有限公司 | 低压配电无功调节方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115051912B (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220268827A1 (en) | Distribution Fault Location Using Graph Neural Network with both Node and Link Attributes | |
| CN114915546B (zh) | 一种停电用户定位方法、装置、设备、介质 | |
| Wadi et al. | Reliability evaluation in smart grids via modified Monte Carlo simulation method | |
| Morrell et al. | Modeling of electric distribution feeder using smart meter data | |
| CN115051912A (zh) | 一种停电用户定位方法、装置、设备、介质 | |
| CN112993988B (zh) | 一种电力电网线损分析方法 | |
| CN110850296A (zh) | 一种评估电池健康度的方法和装置 | |
| Khare et al. | Optimal PMU placement using matrix modification based integer linear programming | |
| CN106022590B (zh) | 有源配电网的电压质量评估方法和装置 | |
| CN113051741B (zh) | 一种高压直流输电系统元件可靠性参数求解方法及装置 | |
| CN112258149B (zh) | 一种线路可转供电率的确定方法、装置、设备及存储介质 | |
| Massignan et al. | Real-time load estimation for distribution feeders | |
| CN114936612A (zh) | 短路类型识别方法、装置、电子设备及存储介质 | |
| Ritu et al. | Genetic algorithm based optimal pmu placement for enhanced power system observability and reliability | |
| CN114137360A (zh) | 一种配电网故障定位方法、装置及存储介质 | |
| CN111413587A (zh) | 配电网故障监测装置安装位置的确定方法及系统 | |
| Wan et al. | Load estimation in radial electric power distribution networks using limited measurements | |
| Li et al. | Dynamic Harmonic State Estimation of Power System Based on Sage-Husa Square-Root Unscented Kalman Filter | |
| CN115343524B (zh) | 基于削顶波形的微电网保护方法、装置及电子设备 | |
| Hossain et al. | Distribution fault location using wide-area voltage magnitude measurements | |
| Hrnjić et al. | Data structures and implementation of fast distribution system power flow and state estimation | |
| CN117639107B (zh) | 配电网电能质量评估方法及系统 | |
| Bozz et al. | Metering system planning for state estimation via evolutionary algorithm and H T Δ matrix considering SCADA and PMU measurements | |
| CN118011098A (zh) | 一种线路区间零序阻抗计算电路、方法、存储介质及终端 | |
| CN118011099A (zh) | 一种区间零序阻抗参数计算电路、方法、存储介质及终端 |
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 |