CN115800272A - 基于拓扑识别的电网故障分析方法、系统、终端及介质 - Google Patents
基于拓扑识别的电网故障分析方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN115800272A CN115800272A CN202310063449.1A CN202310063449A CN115800272A CN 115800272 A CN115800272 A CN 115800272A CN 202310063449 A CN202310063449 A CN 202310063449A CN 115800272 A CN115800272 A CN 115800272A
- Authority
- CN
- China
- Prior art keywords
- node
- topological
- topology
- abnormal
- risk value
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 230000002159 abnormal effect Effects 0.000 claims abstract description 93
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000003379 elimination reaction Methods 0.000 claims abstract description 28
- 230000008030 elimination Effects 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000011144 upstream manufacturing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于拓扑识别的电网故障分析方法、系统、终端及介质,涉及电力故障分析技术领域,其技术方案要点是:建立电网拓扑结构模型;依据异常数据中多个维度的异常电气量进行权重分析后得到预测风险值;从电网拓扑结构模型中提取与关联拓扑节点;计算得到各个关联拓扑节点的关联风险值;将拓扑节点的关联风险值和预测风险值叠加后得到累积风险值;选取累积风险值与风险阈值的差值最大的拓扑节点作为预测故障节点,依据消除处理后的累积风险值再次筛选预测故障节点,直至消除处理后的累积风险值小于风险阈值。本发明可以在存在多个异常数据时识别出故障风险大的多个拓扑节点,故障识别的准确性更高,识别难度较低。
Description
技术领域
本发明涉及电力故障分析技术领域,更具体地说,它涉及基于拓扑识别的电网故障分析方法、系统、终端及介质。
背景技术
电网故障诊断就是依据测控、保护、录波等异常数据,一般采用诊断模型来确定故障情况。例如,采用依据历史数据训练得到的神经网络诊断模型对异常数据进行诊断分析。但是,由于电力系统中节点之间的连接关系复杂,且对不同节点发生异常的电力量也存在较大差异,所以通过神经网络诊断模型对异常数据进行精确诊断时,需要大量的历史数据来构建神经网络诊断模型,模型构建的难度大、成本高,导致神经网络诊断模型难以大范围推广应用。
为此,现有技术中记载有在电网拓扑结构的基础上,依据各个拓扑节点之间的连接关系和影响关系来对异常数据进行分析,以此确定其他拓扑节点出现故障的概率。然而,由于拓扑节点出现异常数据时,既可能是当前节点本身出现了故障,也可能是上游拓扑节点出现故障后影响了当前节点,同时当前节点出现了故障后也有可能会影响下游拓扑节点。所以,在电力系统中多个拓扑节点出现异常数据时,依据上述各个拓扑节点之间的连接关系和影响关系来对异常数据进行分析的方法将难以准确分析出电网故障的真实情况,一般情况仅能分析得到故障概率最大的故障节点,尤其是随着电网系统的拓扑结构复杂化加剧,电网故障分析的难度也越来越大。
因此,如何研究设计一种能够克服上述缺陷的基于拓扑识别的电网故障分析方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足,本发明的目的是提供基于拓扑识别的电网故障分析方法、系统、终端及介质,通过将拓扑节点之间的影响关系以正向影响系数和负向影响系数进行区别,并针对每个异常数据从电网拓扑结构模型中提取相应的子拓扑网络进行关联风险值,以此可以得到多个异常数据对不同拓扑节点的叠加影响,最后选取预测故障节点后对剩余拓扑节点的累积风险值进行消除处理,可以在存在多个异常数据时识别出故障风险大的多个拓扑节点。
本发明的上述技术目的是通过以下技术方案得以实现的:
第一方面,提供了基于拓扑识别的电网故障分析方法,包括以下步骤:
建立电力系统的电网拓扑结构模型,并在电网拓扑结构模型中的拓扑节点之间配置正向影响系数和/或负向影响系数;
获取同一周期内所有异常拓扑节点的异常数据,并依据异常数据中多个维度的异常电气量进行权重分析后得到相应异常拓扑节点的预测风险值;
从电网拓扑结构模型中提取与异常拓扑节点存在直接影响关系的关联拓扑节点,异常拓扑节点和相应的所有关联拓扑节点构成子拓扑网络;
依据异常拓扑节点的预测风险值以及关联拓扑节点与异常拓扑节点之间的正向影响系数和/或负向影响系数计算得到各个关联拓扑节点的关联风险值;
将所有子拓扑网络中相同拓扑节点的关联风险值和预测风险值叠加后得到各个拓扑节点的累积风险值;
选取累积风险值与风险阈值的差值最大的拓扑节点作为预测故障节点,并在剩余拓扑节点上消除已确定预测故障节点所带来的风险值后,依据消除处理后的累积风险值再次筛选预测故障节点,直至消除处理后的累积风险值小于风险阈值。
进一步的,所述正向影响系数为上游拓扑节点发生故障后对当前拓扑节点产生故障的影响能力;所述负向影响系数为当前拓扑节点发生故障后对下游拓扑节点产生故障的影响能力。
进一步的,同一所述拓扑节点的正向影响系数之和以及负向影响系数之和均为1。
进一步的,所述预测风险值的获得过程具体为:
从异常拓扑节点的异常数据中提取存在影响的电气量作为参考电气量;
以异常数据中参考电气量的实际值和标准值的差值确定偏移值,并以偏移值与标准值之比的绝对值确定对应参考电气量的偏移因子;
以参考电气量的偏移因子和各个参考电气量的权重系数进行权重计算,得到相应异常拓扑节点的预测风险值。
进一步的,所述直接影响关系为拓扑节点之间存在正向影响系数和/或负向影响系数。
进一步的,若所述关联拓扑节点与异常拓扑节点之间存在唯一的正向影响系数或负向影响系数,则关联风险值为预测风险值与相应的正向影响系数或负向影响系数的乘积;
若所述关联拓扑节点与异常拓扑节点之间同时存在正向影响系数和负向影响系数,则关联风险值为预测风险值分别与相应的正向影响系数、负向影响系数的乘积之和。
进一步的,所述消除处理后的累积风险值的计算公式具体为:
其中,表示拓扑节点在第次消除处理后的累积风险值;表示拓扑节点在第次消除处理后的累积风险值;表示第次所选取的预测故障节点在筛选过程所依据的累积风险值;表示第次所选取的预测故障节点与拓扑节点之间的影响系数。
第二方面,提供了基于拓扑识别的电网故障分析系统,包括:
拓扑构建模块,用于建立电力系统的电网拓扑结构模型,并在电网拓扑结构模型中的拓扑节点之间配置正向影响系数和/或负向影响系数;
风险预测模块,用于获取同一周期内所有异常拓扑节点的异常数据,并依据异常数据中多个维度的异常电气量进行权重分析后得到相应异常拓扑节点的预测风险值;
拓扑提取模块,用于从电网拓扑结构模型中提取与异常拓扑节点存在直接影响关系的关联拓扑节点,异常拓扑节点和相应的所有关联拓扑节点构成子拓扑网络;
关联分析模块,用于依据异常拓扑节点的预测风险值以及关联拓扑节点与异常拓扑节点之间的正向影响系数和/或负向影响系数计算得到各个关联拓扑节点的关联风险值;
风险叠加模块,用于将所有子拓扑网络中相同拓扑节点的关联风险值和预测风险值叠加后得到各个拓扑节点的累积风险值;
故障分析模块,用于选取累积风险值与风险阈值的差值最大的拓扑节点作为预测故障节点,并在剩余拓扑节点上消除已确定预测故障节点所带来的风险值后,依据消除处理后的累积风险值再次筛选预测故障节点,直至消除处理后的累积风险值小于风险阈值。
第三方面,提供了一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任意一项所述的基于拓扑识别的电网故障分析方法。
第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行可实现如第一方面中任意一项所述的基于拓扑识别的电网故障分析方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明提供的基于拓扑识别的电网故障分析方法,通过将拓扑节点之间的影响关系以正向影响系数和负向影响系数进行区别,并针对每个异常数据从电网拓扑结构模型中提取相应的子拓扑网络进行关联风险值,以此可以得到多个异常数据对不同拓扑节点的叠加影响,最后选取预测故障节点后对剩余拓扑节点的累积风险值进行消除处理,可以在存在多个异常数据时识别出故障风险大的多个拓扑节点,相比于直接依据阈值对比判断和影响关系的相似度匹配的方式而言,其故障识别的准确性更高,识别难度较低;
2、本发明在不确定产生异常数据时相关拓扑节点之间的影响关系时,以偏移因子来表示异常拓扑节点的风险情况,可有效降低预测风险值分析的波动,实现了预测风险值的可靠分析;
3、本发明在筛选一次预测故障节点后,依据预测故障节点与拓扑节点之间的影响因子反向求解得到预测故障节点对相应拓扑节点产生的风险值,并在上一次消除处理后的累积风险值基础上减去当前所反向求解的风险值后,既可得到当前消除处理后的累积风险值基,实现了对拓扑节点的不断消除处理,使得后续预测故障节点筛选的准确度更高。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明实施例中的流程图;
图2是本发明实施例中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:基于拓扑识别的电网故障分析方法,如图1所示,包括以下步骤:
步骤S1:建立电力系统的电网拓扑结构模型,并在电网拓扑结构模型中的拓扑节点之间配置正向影响系数和/或负向影响系数;
步骤S2:获取同一周期内所有异常拓扑节点的异常数据,并依据异常数据中多个维度的异常电气量进行权重分析后得到相应异常拓扑节点的预测风险值;
步骤S3:从电网拓扑结构模型中提取与异常拓扑节点存在直接影响关系的关联拓扑节点,异常拓扑节点和相应的所有关联拓扑节点构成子拓扑网络;
步骤S4:依据异常拓扑节点的预测风险值以及关联拓扑节点与异常拓扑节点之间的正向影响系数和/或负向影响系数计算得到各个关联拓扑节点的关联风险值;
步骤S5:将所有子拓扑网络中相同拓扑节点的关联风险值和预测风险值叠加后得到各个拓扑节点的累积风险值;
步骤S6:选取累积风险值与风险阈值的差值最大的拓扑节点作为预测故障节点,并在剩余拓扑节点上消除已确定预测故障节点所带来的风险值后,依据消除处理后的累积风险值再次筛选预测故障节点,直至消除处理后的累积风险值小于风险阈值。
在本实施例中,正向影响系数为上游拓扑节点发生故障后对当前拓扑节点产生故障的影响能力;负向影响系数为当前拓扑节点发生故障后对下游拓扑节点产生故障的影响能力。
此外,同一拓扑节点的正向影响系数之和以及负向影响系数之和均为1。
预测风险值的获得过程具体为:从异常拓扑节点的异常数据中提取存在影响的电气量作为参考电气量;以异常数据中参考电气量的实际值和标准值的差值确定偏移值,并以偏移值与标准值之比的绝对值确定对应参考电气量的偏移因子;以参考电气量的偏移因子和各个参考电气量的权重系数进行权重计算,得到相应异常拓扑节点的预测风险值。
本发明在不确定产生异常数据时相关拓扑节点之间的影响关系时,以偏移因子来表示异常拓扑节点的风险情况,可有效降低预测风险值分析的波动,实现了预测风险值的可靠分析。
需要说明的是,直接影响关系为拓扑节点之间存在正向影响系数和/或负向影响系数。若关联拓扑节点与异常拓扑节点之间存在唯一的正向影响系数或负向影响系数,则关联风险值为预测风险值与相应的正向影响系数或负向影响系数的乘积;若关联拓扑节点与异常拓扑节点之间同时存在正向影响系数和负向影响系数,则关联风险值为预测风险值分别与相应的正向影响系数、负向影响系数的乘积之和。
消除处理后的累积风险值的计算公式具体为:
其中,表示拓扑节点在第次消除处理后的累积风险值;表示拓扑节点在第次消除处理后的累积风险值;表示第次所选取的预测故障节点在筛选过程所依据的累积风险值;表示第次所选取的预测故障节点与拓扑节点之间的影响系数。
本发明在筛选一次预测故障节点后,依据预测故障节点与拓扑节点之间的影响因子反向求解得到预测故障节点对相应拓扑节点产生的风险值,并在上一次消除处理后的累积风险值基础上减去当前所反向求解的风险值后,既可得到当前消除处理后的累积风险值基,实现了对拓扑节点的不断消除处理,使得后续预测故障节点筛选的准确度更高。
实施例2:基于拓扑识别的电网故障分析系统,该系统用于实现实施例1中所记载的基于拓扑识别的电网故障分析方法,如图2所示,包括拓扑构建模块、风险预测模块、拓扑提取模块、关联分析模块、风险叠加模块和故障分析模块。
其中,拓扑构建模块,用于建立电力系统的电网拓扑结构模型,并在电网拓扑结构模型中的拓扑节点之间配置正向影响系数和/或负向影响系数;风险预测模块,用于获取同一周期内所有异常拓扑节点的异常数据,并依据异常数据中多个维度的异常电气量进行权重分析后得到相应异常拓扑节点的预测风险值;拓扑提取模块,用于从电网拓扑结构模型中提取与异常拓扑节点存在直接影响关系的关联拓扑节点,异常拓扑节点和相应的所有关联拓扑节点构成子拓扑网络;关联分析模块,用于依据异常拓扑节点的预测风险值以及关联拓扑节点与异常拓扑节点之间的正向影响系数和/或负向影响系数计算得到各个关联拓扑节点的关联风险值;风险叠加模块,用于将所有子拓扑网络中相同拓扑节点的关联风险值和预测风险值叠加后得到各个拓扑节点的累积风险值;故障分析模块,用于选取累积风险值与风险阈值的差值最大的拓扑节点作为预测故障节点,并在剩余拓扑节点上消除已确定预测故障节点所带来的风险值后,依据消除处理后的累积风险值再次筛选预测故障节点,直至消除处理后的累积风险值小于风险阈值。
工作原理:本发明通过将拓扑节点之间的影响关系以正向影响系数和负向影响系数进行区别,并针对每个异常数据从电网拓扑结构模型中提取相应的子拓扑网络进行关联风险值,以此可以得到多个异常数据对不同拓扑节点的叠加影响,最后选取预测故障节点后对剩余拓扑节点的累积风险值进行消除处理,可以在存在多个异常数据时识别出故障风险大的多个拓扑节点,相比于直接依据阈值对比判断和影响关系的相似度匹配的方式而言,其故障识别的准确性更高,识别难度较低。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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装置。
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装置的制造品,该指令装置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。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于拓扑识别的电网故障分析方法,其特征是,包括以下步骤:
建立电力系统的电网拓扑结构模型,并在电网拓扑结构模型中的拓扑节点之间配置正向影响系数和/或负向影响系数;
获取同一周期内所有异常拓扑节点的异常数据,并依据异常数据中多个维度的异常电气量进行权重分析后得到相应异常拓扑节点的预测风险值;
从电网拓扑结构模型中提取与异常拓扑节点存在直接影响关系的关联拓扑节点,异常拓扑节点和相应的所有关联拓扑节点构成子拓扑网络;
依据异常拓扑节点的预测风险值以及关联拓扑节点与异常拓扑节点之间的正向影响系数和/或负向影响系数计算得到各个关联拓扑节点的关联风险值;
将所有子拓扑网络中相同拓扑节点的关联风险值和预测风险值叠加后得到各个拓扑节点的累积风险值;
选取累积风险值与风险阈值的差值最大的拓扑节点作为预测故障节点,并在剩余拓扑节点上消除已确定预测故障节点所带来的风险值后,依据消除处理后的累积风险值再次筛选预测故障节点,直至消除处理后的累积风险值小于风险阈值。
2.根据权利要求1所述的基于拓扑识别的电网故障分析方法,其特征是,所述正向影响系数为上游拓扑节点发生故障后对当前拓扑节点产生故障的影响能力;所述负向影响系数为当前拓扑节点发生故障后对下游拓扑节点产生故障的影响能力。
3.根据权利要求1所述的基于拓扑识别的电网故障分析方法,其特征是,同一所述拓扑节点的正向影响系数之和以及负向影响系数之和均为1。
4.根据权利要求1所述的基于拓扑识别的电网故障分析方法,其特征是,所述预测风险值的获得过程具体为:
从异常拓扑节点的异常数据中提取存在影响的电气量作为参考电气量;
以异常数据中参考电气量的实际值和标准值的差值确定偏移值,并以偏移值与标准值之比的绝对值确定对应参考电气量的偏移因子;
以参考电气量的偏移因子和各个参考电气量的权重系数进行权重计算,得到相应异常拓扑节点的预测风险值。
5.根据权利要求1所述的基于拓扑识别的电网故障分析方法,其特征是,所述直接影响关系为拓扑节点之间存在正向影响系数和/或负向影响系数。
6.根据权利要求1所述的基于拓扑识别的电网故障分析方法,其特征是,若所述关联拓扑节点与异常拓扑节点之间存在唯一的正向影响系数或负向影响系数,则关联风险值为预测风险值与相应的正向影响系数或负向影响系数的乘积;
若所述关联拓扑节点与异常拓扑节点之间同时存在正向影响系数和负向影响系数,则关联风险值为预测风险值分别与相应的正向影响系数、负向影响系数的乘积之和。
8.基于拓扑识别的电网故障分析系统,其特征是,包括:
拓扑构建模块,用于建立电力系统的电网拓扑结构模型,并在电网拓扑结构模型中的拓扑节点之间配置正向影响系数和/或负向影响系数;
风险预测模块,用于获取同一周期内所有异常拓扑节点的异常数据,并依据异常数据中多个维度的异常电气量进行权重分析后得到相应异常拓扑节点的预测风险值;
拓扑提取模块,用于从电网拓扑结构模型中提取与异常拓扑节点存在直接影响关系的关联拓扑节点,异常拓扑节点和相应的所有关联拓扑节点构成子拓扑网络;
关联分析模块,用于依据异常拓扑节点的预测风险值以及关联拓扑节点与异常拓扑节点之间的正向影响系数和/或负向影响系数计算得到各个关联拓扑节点的关联风险值;
风险叠加模块,用于将所有子拓扑网络中相同拓扑节点的关联风险值和预测风险值叠加后得到各个拓扑节点的累积风险值;
故障分析模块,用于选取累积风险值与风险阈值的差值最大的拓扑节点作为预测故障节点,并在剩余拓扑节点上消除已确定预测故障节点所带来的风险值后,依据消除处理后的累积风险值再次筛选预测故障节点,直至消除处理后的累积风险值小于风险阈值。
9.一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现如权利要求1-7中任意一项所述的基于拓扑识别的电网故障分析方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行可实现如权利要求1-7中任意一项所述的基于拓扑识别的电网故障分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063449.1A CN115800272B (zh) | 2023-02-06 | 2023-02-06 | 基于拓扑识别的电网故障分析方法、系统、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063449.1A CN115800272B (zh) | 2023-02-06 | 2023-02-06 | 基于拓扑识别的电网故障分析方法、系统、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115800272A true CN115800272A (zh) | 2023-03-14 |
CN115800272B CN115800272B (zh) | 2023-04-21 |
Family
ID=85429824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310063449.1A Active CN115800272B (zh) | 2023-02-06 | 2023-02-06 | 基于拓扑识别的电网故障分析方法、系统、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115800272B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116633005A (zh) * | 2023-04-07 | 2023-08-22 | 宁波送变电建设有限公司运维分公司 | 基于拓扑分析技术的电力设备状态监控、控制方法及系统 |
CN116882595A (zh) * | 2023-09-06 | 2023-10-13 | 睿至科技集团有限公司 | 一种变电站综合性能预测方法及系统 |
CN116937575A (zh) * | 2023-09-14 | 2023-10-24 | 济南高品伟业信息科技有限公司 | 一种网格系统用的能源监控管理系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682764A (zh) * | 2016-12-02 | 2017-05-17 | 河海大学 | 一种基于并行预测策略的公共楼宇日前空调负荷预测方法 |
CN107438080A (zh) * | 2017-08-31 | 2017-12-05 | 沈阳理工大学 | 一种复杂网络效能评估方法 |
WO2020139072A1 (en) * | 2018-12-26 | 2020-07-02 | Mimos Berhad | A method of migrating virtual machines |
CN113010437A (zh) * | 2021-04-27 | 2021-06-22 | 中国人民解放军国防科技大学 | 一种基于故障分析的软件系统可靠性管理方法及系统 |
CN113987724A (zh) * | 2021-10-22 | 2022-01-28 | 国网安徽省电力有限公司宿州供电公司 | 基于拓扑分析的电网风险辨识方法及系统 |
CN115545479A (zh) * | 2022-10-08 | 2022-12-30 | 广东电网有限责任公司 | 一种配电网重要节点或重要线路的确定方法及装置 |
-
2023
- 2023-02-06 CN CN202310063449.1A patent/CN115800272B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682764A (zh) * | 2016-12-02 | 2017-05-17 | 河海大学 | 一种基于并行预测策略的公共楼宇日前空调负荷预测方法 |
CN107438080A (zh) * | 2017-08-31 | 2017-12-05 | 沈阳理工大学 | 一种复杂网络效能评估方法 |
WO2020139072A1 (en) * | 2018-12-26 | 2020-07-02 | Mimos Berhad | A method of migrating virtual machines |
CN113010437A (zh) * | 2021-04-27 | 2021-06-22 | 中国人民解放军国防科技大学 | 一种基于故障分析的软件系统可靠性管理方法及系统 |
CN113987724A (zh) * | 2021-10-22 | 2022-01-28 | 国网安徽省电力有限公司宿州供电公司 | 基于拓扑分析的电网风险辨识方法及系统 |
CN115545479A (zh) * | 2022-10-08 | 2022-12-30 | 广东电网有限责任公司 | 一种配电网重要节点或重要线路的确定方法及装置 |
Non-Patent Citations (3)
Title |
---|
JIANBIN LI: "Federated Learning-Based Ultra-Short term load forecasting in power Internet of things" * |
余梦天: "计及冲击风险及分布熵的电网连锁故障预测" * |
孙名妤: "基于电网大数据拓扑的电网运行风险预警的研究" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116633005A (zh) * | 2023-04-07 | 2023-08-22 | 宁波送变电建设有限公司运维分公司 | 基于拓扑分析技术的电力设备状态监控、控制方法及系统 |
CN116633005B (zh) * | 2023-04-07 | 2023-11-10 | 宁波送变电建设有限公司运维分公司 | 基于拓扑分析技术的电力设备状态监控、控制方法及系统 |
CN116882595A (zh) * | 2023-09-06 | 2023-10-13 | 睿至科技集团有限公司 | 一种变电站综合性能预测方法及系统 |
CN116882595B (zh) * | 2023-09-06 | 2024-01-30 | 睿至科技集团有限公司 | 一种变电站综合性能预测方法及系统 |
CN116937575A (zh) * | 2023-09-14 | 2023-10-24 | 济南高品伟业信息科技有限公司 | 一种网格系统用的能源监控管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115800272B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115800272B (zh) | 基于拓扑识别的电网故障分析方法、系统、终端及介质 | |
CA2931624A1 (en) | Systems and methods for event detection and diagnosis | |
CN111695620B (zh) | 一种电力系统时间序列异常数据检测与修正方法及系统 | |
CN110995153B (zh) | 一种光伏电站的异常数据检测方法、装置及电子设备 | |
CN112966879A (zh) | 环境试验箱故障预测方法、装置、计算机设备及存储介质 | |
KR20210017651A (ko) | 반도체 제조 공정에서 고장 검출 및 불량 원인 진단을 위한 방법 | |
CN116739829B (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
CN111949480A (zh) | 一种基于组件感知的日志异常检测方法 | |
CN113392893A (zh) | 业务故障的定位方法、装置、存储介质及计算机程序产品 | |
CN117076258A (zh) | 一种基于互联网云端的远程监控方法及系统 | |
CN109309594B (zh) | 通信设备电源故障分析的方法、装置、设备及存储介质 | |
CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
CN113835947B (zh) | 一种基于异常识别结果确定异常原因的方法和系统 | |
CN117909864A (zh) | 一种电力故障预测系统及方法 | |
Rizvi et al. | Real-time ZIP load parameter tracking using adaptive window and variable elimination with realistic synthetic synchrophasor data | |
CN114202110A (zh) | 一种基于rf-xgboost的业务故障预测方法及装置 | |
CN114003466A (zh) | 一种用于微服务应用程序的故障根因定位方法 | |
CN114386510A (zh) | 一种电力系统量测错误辨识方法及系统 | |
CN113205215A (zh) | 一种基于知识的战场态势预测方法 | |
CN115372752A (zh) | 故障检测方法、装置、电子设备以及存储介质 | |
CN117951626B (zh) | 一种基于智能优化算法的电网异常状态检测方法及系统 | |
CN116107859B (zh) | 容器故障预测方法、装置、电子设备及存储介质 | |
CN115774677B (zh) | 一种基于多参数输入的模糊测试方法及装置 | |
CN116957361B (zh) | 一种基于虚实结合的船舶任务系统健康状态检测方法 | |
CN114629785B (zh) | 一种告警位置的检测与预测方法、装置、设备及介质 |
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 |