CN115586402B - 配电网故障诊断与处理方法 - Google Patents

配电网故障诊断与处理方法 Download PDF

Info

Publication number
CN115586402B
CN115586402B CN202211576313.2A CN202211576313A CN115586402B CN 115586402 B CN115586402 B CN 115586402B CN 202211576313 A CN202211576313 A CN 202211576313A CN 115586402 B CN115586402 B CN 115586402B
Authority
CN
China
Prior art keywords
node
data
key
power distribution
distribution network
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
Application number
CN202211576313.2A
Other languages
English (en)
Other versions
CN115586402A (zh
Inventor
智建立
杨阳
许峰
李贻斌
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.)
Anhui Zhongxin Jiyuan Information Technology Co ltd
Original Assignee
Anhui Zhongxin Jiyuan 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 Anhui Zhongxin Jiyuan Information Technology Co ltd filed Critical Anhui Zhongxin Jiyuan Information Technology Co ltd
Priority to CN202211576313.2A priority Critical patent/CN115586402B/zh
Publication of CN115586402A publication Critical patent/CN115586402A/zh
Application granted granted Critical
Publication of CN115586402B publication Critical patent/CN115586402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了配电网故障诊断与处理方法，涉及配电网故障检测技术领域，解决了现有技术无法合理设置数据限值以精确分析电气数据，导致配电网故障的识别精度不高的技术问题；本发明在获取各关键节点的基础数据之后，以相同场景下若干关键节点的电气数据来确定参考范围，对参考范围在进行划分，进而判断关键节点是否故障。本发明自动获取准确合理的参考范围以分析电气数据，提高配电网故障诊断的准确率；本发明在获取参考范围之后，根据经验对参考范围进行精细划分，获取若干参考子范围，基于参考子范围判断目标节点是否故障以及是否存在风险。本发明能够判断出关键节点的微小异常，同时降低了配电网维护成本。

Description

配电网故障诊断与处理方法
技术领域
本发明属于配电网故障检测领域，涉及配电网故障诊断与处理技术，具体是配电网故障诊断与处理方法。
背景技术
配电网由多个分支组成以便将电能输送至用户，这些分支分散在农村、城市，容易受到各种因素影响而发生故障。一旦发生故障而不能及时诊断处理，不仅会影响居民正常生活，而且还可能导致巨大损失。
现有技术(公开号为CN111650478A的中国发明专利)公开了一种配电网故障诊断与定位方法及网关，通过电气数据判断关键节点是否故障，再根据建立的物理拓扑连接关系图来定位故障位置，实现对配电网故障的简捷准确定位。现有技术在进行故障分析时，一般将关键节点的电气数据与设定的数据限值进行比较，当电气数据落入数据限值时则判定该关键节点正常；但是，数据限值的设定需要综合考虑各关键节点，也就是说通过数据限值并不能识别出关键节点的微小异常，导致配电网故障的识别精度不高；因此，亟须一种配电网故障诊断与处理方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了配电网故障诊断与处理方法，用于解决现有技术无法合理设置数据限值以精确分析电气数据，导致配电网故障的识别精度不高的技术问题。
为实现上述目的，本发明的第一方面提供了配电网故障诊断与处理方法，包括：
获取配电网中若干关键节点的基础数据；其中，基础数据包括环境数据、连接数据和电气数据，且连接数据包括与该关键节点连接的配电线路；
基于若干连接数据获取若干关键节点之间连接关系，并基于连接关系建立若干关键节点的连接拓扑图；其中，连接拓扑图中包括若干关键节点的标志信息；
选定目标节点，基于目标节点的环境数据和连接数据从其他关键节点中提取相匹配的关键节点形成节点集合；根据节点集合确定电气数据的参考范围；
将参考范围和目标节点的电气数据进行比较分析判断是否故障；提取故障关键节点的地理位置并进行预警。
优选的，所述基础数据通过网关采集模块获取，且若干所述网关采集模块与配电网故障分析中心进行数据交互；
所述网关采集模块包括处理器、电压互感器、电压变送器、电流互感器、电流变送器、无线通信模块以及各类型环境传感器。
优选的，工作人员在配电网中设定若干所述关键节点，并通过所述网关采集模块定时采集若干所述关键节点的基础数据；
从若干所述连接数据中识别分离配电线路；基于若干配电线路确定若干所述关键节点之间的连接关系，进而建立所述连接拓扑图。
优选的，在所述连接拓扑图构建完成之后，在其中添加若干所述关键节点的标志信息以及若干所述配电线路的标志信息；
基于若干所述关键节点和若干所述配电线路的标志信息生成若干所述关键节点的影响系数；其中，影响系数用于表示两个关键节点中其中一个关键节点故障对另外一个关键节点的影响程度。
优选的，在进行配电网的故障诊断中，依次将关键节点作为目标节点；基于所述目标节点与其他若干关键节点的匹配分数生成所述节点集合，包括：
联合关键节点的环境数据和连接数据提取节点要素i；其中，i为正整数，且节点要素包括温度、湿度、风力和配电线路连接数量；
通过公式PF=α1×|GY1-MY1|+α2×|GY2-MY2|+…+αi×|GYi-MYi|计算匹配分数PF；其中，αi为节点要素i对应的权重阈值，且αi大于0，GYi为关键节点对应节点要素i的数值，MYi为目标节点对应节点要素i的数值；
当PF≤PY时，则判定该关键节点与目标节点匹配，将其纳入节点集合；其中，PY为根据经验设定的匹配阈值。
优选的，基于人工智能模型计算若干所述关键节点的节点分数，并基于所述节点分数生成所述节点集合，包括：
提取关键节点的环境数据和连接数据，并将其数值整合生成模型输入序列；
调取经过标准训练数据训练获取的人工智能模型，将模型输入序列输入至所述人工智能模型中，获取输出的节点分数；
将与目标节点的节点分数之差小于分差阈值的关键节点纳入节点集合；其中，分差阈值根据经验设定。
优选的，在生成所述节点集合之后，对所述节点集合中关键节点的电气数据进行筛选排序，获取各电气数据的变化范围，并标记为参考范围；
将所述目标节点的电气数据与参考范围进行比较，判断所述目标节点是否故障；当所述目标节点发生故障时，则进行预警。
优选的，在获取电气数据对应的所述参考范围之后，将所述参考范围划分为若干参考子范围；根据若干所述参考子范围判断所述目标节点的工作状态；其中，工作状态包括故障、中风险、低风险以及无风险。
与现有技术相比，本发明的有益效果是：
1.本发明在获取各关键节点的基础数据之后，以相同场景下若干关键节点的电气数据来确定参考范围，对参考范围在进行划分，进而判断关键节点是否故障。本发明自动获取准确合理的参考范围以分析电气数据，提高配电网故障诊断的准确率。
2.本发明在获取参考范围之后，根据经验对参考范围进行精细划分，获取若干参考子范围，基于参考子范围判断目标节点是否故障以及是否存在风险。本发明能够判断出关键节点的微小异常，同时降低了配电网维护成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的工作步骤示意图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
请参阅图1，本发明第一方面实施例提供了配电网故障诊断与处理方法，包括：
获取配电网中若干关键节点的基础数据；其中，基础数据包括环境数据、连接数据和电气数据，且连接数据包括与该关键节点连接的配电线路；
基于若干连接数据获取若干关键节点之间连接关系，并基于连接关系建立若干关键节点的连接拓扑图；其中，连接拓扑图中包括若干关键节点的标志信息；
选定目标节点，基于目标节点的环境数据和连接数据从其他关键节点中提取相匹配的关键节点形成节点集合；根据节点集合确定电气数据的参考范围；
将参考范围和目标节点的电气数据进行比较分析判断是否故障；提取故障关键节点的地理位置并进行预警。
现有技术在判断配电网是否故障时，一般是分析各关键节点的电气数据是否落在设定的数据限值之内，若落在数据限值内则判定正常，否则判定故障。在设定数据限值时，一般是根据经验设定，而且相同或者相似的节点设定的数据限值也相差不多，这就意味着电气数据要么正常，要么故障，针对正常与故障之间的一些细微异常无法识别，进而提高了配电网的维护成本。
本发明在获取各关键节点的基础数据之后，不单纯以设定的数据限值来分析其中的电气数据，而是以相同场景下若干关键节点的电气数据来确定参考范围，对参考范围在进行划分，进而判断关键节点是否故障。本发明能够判断出关键节点的微小异常，提高配电网故障诊断的准确率，同时降低了配电网维护成本。
本发明在进行配电网故障诊断之前，分析配电网并在其中设置若干关键节点。关键节点可以对应变压器、隔离开关、配电线路等。为关键节点配置网关采集模块以采集基础数据。
在配置若干网关采集模块之后，建立配电网故障分析中心与若干网关采集模块的连接，以实现二者之间的数据交互。网关采集模块包括处理器、电压互感器、电压变送器、电流互感器、电流变送器、无线通信模块以及各类型环境传感器，以采集发送关键节点的环境数据、电气数据和连接数据。连接数据实际是指关键节点对应的若干条配电线路以及配电线路的规格数据。
工作人员在配电网中设定若干关键节点，并通过网关采集模块定时采集若干关键节点的基础数据；从若干连接数据中识别分离配电线路；基于若干配电线路确定若干关键节点之间的连接关系，进而建立连接拓扑图。
在连接拓扑图构建完成之后，在其中添加若干关键节点的标志信息以及若干配电线路的标志信息；基于若干关键节点和若干配电线路的标志信息生成若干关键节点的影响系数；其中，影响系数用于表示两个关键节点中其中一个关键节点故障对另外一个关键节点的影响程度。
在配电线路和关键节点已知的情况下，结合连接数据可以建立连接拓扑图。在连接拓扑图中包含各关键节点的标志信息以及各配电线路与关键节点的连接信息。配电网故障分析中心基于诊断分析结果对连接拓扑图进行更新和区别显示，同时可以根据连接拓扑图定位故障位置。
影响系数实质表示了两个关键节点是否会相互影响，比如两个关键节点中，其中一个关键节点通过配电线路与另外一个关键节点直接相连，则二者会产生较大的相互影响，可将其影响系数标记为1；其中一个关键节点通过配电线路与另外一个关键节点间接相连，则二者会产生较小的相互影响，可将其影响系数标记为2。值得注意的是，影响系数可用于接下来节点集合的生成。
在一个可选的实施例中，在进行配电网的故障诊断中，依次将关键节点作为目标节点；基于目标节点与其他若干关键节点的匹配分数生成节点集合，包括：
联合关键节点的环境数据和连接数据提取节点要素i；通过公式PF=α1×|GY1-MY1|+α2×|GY2-MY2|+…+αi×|GYi-MYi|计算匹配分数PF；当PF≤PY时，则判定该关键节点与目标节点匹配，将其纳入节点集合。
匹配分数实质是判断其他关键节点是否与目标节点相似，相似内容包括环境以及配电任务是否相似，当二者越相似，则匹配分数越低。将匹配分数低于分数阈值的关键节点纳入到节点集合中。举例说明本实施例：
节点要素包括温度、湿度、风力和配电线路连接数量，编号i分别为1，2，3，4；则对应权重分别为α1、α2、α3和α4。
假设某关键节点对应的节点要素数值分别为20℃，0.5，5级和8条；目标节点对应的节点要素数值分别为23℃，0.5，6级和8条；则PF=3α1×+α3，带入对应权重值可以计算获取匹配分数，进而可以判断是否能够纳入节点集合。
在另外一个可选的实施例中，基于人工智能模型计算若干关键节点的节点分数，并基于节点分数生成节点集合，包括：
提取关键节点的环境数据和连接数据，并将其数值整合生成模型输入序列；
调取经过标准训练数据训练获取的人工智能模型，将模型输入序列输入至人工智能模型中，获取输出的节点分数；将与目标节点的节点分数之差小于分差阈值的关键节点纳入节点集合。
在计算匹配分数是需要对节点要素进行数值化处理，才能够保证匹配分数的有效性。而基于人工智能模型获取节点分数，可以充分利用其强大的非线性拟合能力，不需要考虑各参数之间的关系。
人工智能模型经过标准训练数据训练之后才可用，标准训练数据是通过专家打分方式对标准输入数据(内容与模型输入数据一致)进行打分获取对应的标准输出数据。在进行专家打分过程中，工作人员需要考虑各关键节点的基础数据以及节点级别，不同级别关键节点对应的标准输出数据范围不同(一般情况下不重叠)，在各自数据范围中再考虑基础数据。
通过标准输入数据和标准输出数据对人工智能模型进行训练之后即可进行存储备用。人工智能模型包括误差逆向传播神经网络模型以及RBF神经网络模型，各自结构均为经典结构，其中的各项参数也设置为默认。
值得注意的是，在根据匹配分数或者节点分数将若干关键节点纳入节点集合中之后，还可以根据影响系数来进行筛选剔除，如节点集合中若存在与目标节点之间的影响系数为1的关键节点则剔除，以保证节点集合的可靠性和可参考性。
本发明在生成节点集合之后，对节点集合中关键节点的电气数据进行筛选排序，获取各电气数据的变化范围，并标记为参考范围；将目标节点的电气数据与参考范围进行比较，判断目标节点是否故障；当目标节点发生故障时，则进行预警。
获取节点结合中各关键节点对应的电气数据，按照对应的数值范围大小进行排序可以整理出其变化范围，也就可以确定参考范围。当参考范围小于对应目标节点的数据限值时，则判断目标节点的电气数据是否落在参考范围内，是，则判定目标节点正常，否则判定目标节点故障。
在一个可选的实施例中，在获取电气数据对应的参考范围之后，将参考范围划分为若干参考子范围；根据若干参考子范围判断目标节点的工作状态；其中，工作状态包括故障、中风险、低风险以及无风险。
节点集合中若干关键节点的电气数据因为数据范围不同，而且围绕着其中一个数值波动，因此将各电气数据以中间值为基点进行拟合可以获取一个类似于正态分布的曲线。根据历史经验可以将关键节点的状态划分为多个级别，并获取各级别对应的数据范围，进而可以在正态分布的基础上不断缩小数值范围划分出若干参考子范围。目标节点的电气数据落在各参考子范围中可以进行故障和风险判断，即目标节点可能无故障，但是存在风险，针对识别出的风险也可以进行预警。
在识别到故障或者风险之后，通过连接拓扑图定位其位置，然后通过配电网故障分析中心内置的处理程序或者安排工作人员现场对故障或者风险进行处置。
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：
获取配电网中若干关键节点的基础数据；基于基础数据中的连接数据获取若干关键节点之间连接关系，并基于连接关系建立若干关键节点的连接拓扑图。
选定目标节点，基于目标节点的环境数据和连接数据从其他关键节点中提取相匹配的关键节点形成节点集合；根据节点集合确定电气数据的参考范围。
将参考范围和目标节点的电气数据进行比较分析判断是否故障；提取故障关键节点的地理位置并进行预警。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (5)

1.配电网故障诊断与处理方法，其特征在于，包括：
获取配电网中若干关键节点的基础数据；其中，基础数据包括环境数据、连接数据和电气数据，且连接数据包括与该关键节点连接的配电线路；
基于若干连接数据获取若干关键节点之间连接关系，并基于连接关系建立若干关键节点的连接拓扑图；其中，连接拓扑图中包括若干关键节点的标志信息；
选定目标节点，基于目标节点的环境数据和连接数据从其他关键节点中提取相匹配的关键节点形成节点集合；根据节点集合确定电气数据的参考范围；
将参考范围和目标节点的电气数据进行比较分析判断是否故障；提取故障关键节点的地理位置并进行预警；
所述基础数据通过网关采集模块获取，且若干所述网关采集模块与配电网故障分析中心进行数据交互；
所述网关采集模块包括处理器、电压互感器、电压变送器、电流互感器、电流变送器、无线通信模块以及各类型环境传感器；
在进行配电网的故障诊断中，依次将关键节点作为目标节点；以及基于匹配分数或者节点分数生成节点集合；
基于所述目标节点与其他若干关键节点的匹配分数生成节点集合，包括：
联合关键节点的环境数据和连接数据提取节点要素i；其中，i为正整数，且节点要素包括温度、湿度、风力和配电线路连接数量；
通过公式PF=α1×|GY1-MY1|+α2×|GY2-MY2|+…+αi×|GYi-MYi|计算匹配分数PF；其中，αi为节点要素i对应的权重阈值，且αi大于0，GYi为关键节点对应节点要素i的数值，MYi为目标节点对应节点要素i的数值；
当PF≤PY时，则判定该关键节点与目标节点匹配，将其纳入节点集合；其中，PY为根据经验设定的匹配阈值；
基于人工智能模型计算若干所述关键节点的节点分数，并基于所述节点分数生成所述节点集合，包括：
提取关键节点的环境数据和连接数据，并将其数值整合生成模型输入序列；
调取经过标准训练数据训练获取的人工智能模型，将模型输入序列输入至所述人工智能模型中，获取输出的节点分数；
将与目标节点的节点分数之差小于分差阈值的关键节点纳入节点集合；其中，分差阈值根据经验设定。
2.根据权利要求1所述的配电网故障诊断与处理方法，其特征在于，工作人员在配电网中设定若干所述关键节点，并通过所述网关采集模块定时采集若干所述关键节点的基础数据；
从若干所述连接数据中识别分离配电线路；基于若干配电线路确定若干所述关键节点之间的连接关系，进而建立所述连接拓扑图。
3.根据权利要求1所述的配电网故障诊断与处理方法，其特征在于，在所述连接拓扑图构建完成之后，在其中添加若干所述关键节点的标志信息以及若干所述配电线路的标志信息；
基于若干所述关键节点和若干所述配电线路的标志信息生成若干所述关键节点的影响系数；其中，影响系数用于表示两个关键节点中其中一个关键节点故障对另外一个关键节点的影响程度。
4.根据权利要求1所述的配电网故障诊断与处理方法，其特征在于，在生成所述节点集合之后，对所述节点集合中关键节点的电气数据进行筛选排序，获取各电气数据的变化范围，并标记为参考范围；
将所述目标节点的电气数据与参考范围进行比较，判断所述目标节点是否故障；当所述目标节点发生故障时，则进行预警。
5.根据权利要求4所述的配电网故障诊断与处理方法，其特征在于，在获取电气数据对应的所述参考范围之后，将所述参考范围划分为若干参考子范围；根据若干所述参考子范围判断所述目标节点的工作状态；其中，工作状态包括故障、中风险、低风险以及无风险。
CN202211576313.2A 2022-12-09 2022-12-09 配电网故障诊断与处理方法 Active CN115586402B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211576313.2A CN115586402B (zh) 2022-12-09 2022-12-09 配电网故障诊断与处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211576313.2A CN115586402B (zh) 2022-12-09 2022-12-09 配电网故障诊断与处理方法

Publications (2)

Publication Number Publication Date
CN115586402A CN115586402A (zh) 2023-01-10
CN115586402B true CN115586402B (zh) 2023-03-14

Family

ID=84783086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211576313.2A Active CN115586402B (zh) 2022-12-09 2022-12-09 配电网故障诊断与处理方法

Country Status (1)

Country Link
CN (1) CN115586402B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115993504B (zh) * 2023-03-23 2023-08-18 山东盛日电力集团有限公司 一种电气设备的智能故障诊断方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111273126A (zh) * 2020-01-20 2020-06-12 湖南大学 一种配电网拓扑快速感知方法
CN111650478A (zh) * 2020-07-15 2020-09-11 广东电网有限责任公司 一种配电网故障诊断与定位方法及网关
AU2020103179A4 (en) * 2020-11-02 2021-01-14 China Southern Power Grid Research Institute A Fault Locating Method of Power Grid Based on Network Theory
CN114280414A (zh) * 2021-12-09 2022-04-05 国网江苏省电力有限公司盐城供电分公司 一种基于拓扑动态识别的低压配电网故障定位系统及方法
CN115207909A (zh) * 2022-07-20 2022-10-18 北京三圣凯瑞科技有限公司 一种台区拓扑识别方法、装置、设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3020950A1 (fr) * 2018-10-16 2020-04-16 Hydro-Quebec Reconstruction d'une topologie d'un reseau de distribution electrique
CN113835000B (zh) * 2021-09-23 2024-04-12 南方电网科学研究院有限责任公司 一种配电网故障定位方法、装置、终端及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111273126A (zh) * 2020-01-20 2020-06-12 湖南大学 一种配电网拓扑快速感知方法
CN111650478A (zh) * 2020-07-15 2020-09-11 广东电网有限责任公司 一种配电网故障诊断与定位方法及网关
AU2020103179A4 (en) * 2020-11-02 2021-01-14 China Southern Power Grid Research Institute A Fault Locating Method of Power Grid Based on Network Theory
CN114280414A (zh) * 2021-12-09 2022-04-05 国网江苏省电力有限公司盐城供电分公司 一种基于拓扑动态识别的低压配电网故障定位系统及方法
CN115207909A (zh) * 2022-07-20 2022-10-18 北京三圣凯瑞科技有限公司 一种台区拓扑识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN115586402A (zh) 2023-01-10

Similar Documents

Publication Publication Date Title
CN115166500B (zh) 基于电网资源业务中台的直流断路器设备状态分析系统
CN115586402B (zh) 配电网故障诊断与处理方法
CN109034220A (zh) 一种基于最优旋转森林的智能光伏阵列故障诊断方法
CN117390403B (zh) 一种新能源灯塔发电站的电网故障检测方法及系统
CN112464995A (zh) 一种基于决策树算法的电网配变故障诊断方法及系统
CN116862081B (zh) 一种污染治理设备运维方法及系统
CN109638826B (zh) 一种基于cnn的电网拓扑辨识方法及系统
CN107295537A (zh) 一种测评无线传感器网络可靠性的方法及系统
CN116125204A (zh) 一种基于电网数字化的故障预测系统
CN110837532A (zh) 一种基于大数据平台对充电桩窃电行为的检测方法
CN117674407A (zh) 电网设备故障预警方法、装置、设备及存储介质
Narasimhulu et al. LWT based ANN with ant lion optimizer for detection and classification of high impedance faults in distribution system
CN115603459A (zh) 一种基于数字孪生技术的配电网关键厂站监测方法与系统
CN115545479A (zh) 一种配电网重要节点或重要线路的确定方法及装置
CN110096723B (zh) 基于运维检测大数据的高压开关柜绝缘状态分析方法
CN116418117A (zh) 一种用于智能电网的设备检测系统
CN117590145A (zh) 智慧配电网的故障定位方法及系统
CN118130968A (zh) 一种基于深度学习的数据驱动的非侵入式反孤岛检测方法
CN117825866A (zh) 一种基于电网模型的电网短路容量就地检测方法及系统
CN111127242A (zh) 一种基于小样本数据的电力系统可靠性动态实时评估方法
CN109784777B (zh) 基于时序信息片段云相似度度量的电网设备状态评估方法
CN116975389A (zh) 一种变电站故障分析方法及装置
CN116433018A (zh) 基于数字孪生的配电网风险态势感知方法及装置
CN115456222A (zh) 一种远程智能预测性维修运维服务方法
CN111614083B (zh) 一种适用于400v供电网络拓扑识别的大数据分析方法

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