CN115879775B - 一种三维变电站涉鸟故障风险等级评估方法及系统 - Google Patents
一种三维变电站涉鸟故障风险等级评估方法及系统 Download PDFInfo
- Publication number
- CN115879775B CN115879775B CN202310168179.0A CN202310168179A CN115879775B CN 115879775 B CN115879775 B CN 115879775B CN 202310168179 A CN202310168179 A CN 202310168179A CN 115879775 B CN115879775 B CN 115879775B
- Authority
- CN
- China
- Prior art keywords
- bird
- transformer substation
- involved
- vulnerability
- risk
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 238000012502 risk assessment Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 231100000727 exposure assessment Toxicity 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000010606 normalization Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 239000003990 capacitor Substances 0.000 claims description 4
- 238000013508 migration Methods 0.000 claims description 4
- 230000005012 migration Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 210000003608 fece Anatomy 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000005770 birds nest Nutrition 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 235000005765 wild carrot Nutrition 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种三维变电站涉鸟故障风险等级评估方法及系统,该方法根据变电站涉鸟故障风险危险性、脆弱性和暴露度评估指标建立三维变电站涉鸟故障风险评估模型;采用SVM算法获取危险性评估值,采用改进CRITIC‑TOPSIS方法获取脆弱性评估值,由变电站对应的等级确定暴露度评估值;根据三维变电站涉鸟故障风险评估模型计算变电站涉鸟故障风险评估值;最后确定变电站涉鸟故障风险等级。本发明综合危险性、脆弱性和暴露度三个维度建立三维变电站涉鸟故障风险评估模型,采用客观科学有效的方法对数据进行处理,实现对变电站涉鸟故障风险等级更合理准确的评估,同时为后续变电站如何防鸟提供指导。
Description
技术领域
本发明涉及变电站风险评估技术领域,具体为一种三维变电站涉鸟故障风险等级评估方法及系统。
背景技术
随着生态环境越来越好,鸟类活动也越来越频繁,鸟类筑巢、飞行、泄粪等活动会引起电力设施发生故障,目前涉鸟故障已成为引发停电的三大原因之一,变电站大部分建立在城郊,鸟类资源丰富,非常容易发生涉鸟故障,因此需要建立变电站涉鸟故障风险评估体系,为变电站防鸟提供指导。目前,针对涉鸟故障风险等级的评估仅针对于输电线路,变电站相对于输电线路来说,存在涉鸟故障隐患的电力设备更多且除电气类故障外,还存在有机械和腐蚀类涉鸟故障,输电线路的涉鸟故障风险等级评估方法无法直接应用于变电站,因此需要建议一套适用于变电站涉鸟故障风险等级的评估体系,为变电站后续防鸟工作提供指导意见。
发明内容
本发明的目的是克服现有技术的缺点和不足,提出一种三维变电站涉鸟故障风险等级评估方法及系统,综合危险性、脆弱性和暴露度三个维度建立三维变电站涉鸟故障风险评估模型,采用客观科学有效的方法对数据进行处理,实现对变电站涉鸟故障风险等级更合理准确的评估,同时为后续变电站如何防鸟提供指导。
本发明的目的是这样实现的:一种三维变电站涉鸟故障风险等级评估方法,过程如下:
采用SVM算法获取危险性评估值,采用改进CRITIC-TOPSIS方法获取脆弱性评估值,由变电站对应的等级确定暴露度评估值;
根据三维变电站涉鸟故障风险评估模型计算变电站涉鸟故障风险评估值;
将各变电站涉鸟故障风险评估值进行归一化处理,按风险评估值区间将涉鸟故障风险分为若干等级,根据每个变电站归一化后的变电站涉鸟故障风险评估值所在区间确定风险等级。
进一步优选,所述危险性评估值通过以下步骤获取:
步骤S11:收集各变电站的危险性评估指标数据以及近x年年均发生的涉鸟故障事故数量;
步骤S12:数据预处理并按照年均发生的涉鸟故障事故数量进行危险分级,其中各变电站的危险性评估指标数据作为SVM模型的输入;
步骤S13:划分训练集和测试集;
步骤S14:SVM模型训练和测试;
步骤S15:将训练好的SVM模型用于其他缺少年均发生的涉鸟故障事故数量数据的变电站涉鸟故障危险等级预测,并根据危险等级确定危险性评估值。
进一步优选,所述脆弱性评估值通过以下步骤获取:
步骤S23:通过式(3)计算各脆弱性评估指标的标准差:
脆弱性评估指标的相关性矩阵中各元素计算公式如下:
脆弱性评估指标信息承载量由式(5)进行计算:
步骤S24:通过下式计算得到各脆弱性评估指标的权重:
步骤S27:计算各变电站脆弱性评估指标与理想解的马氏距离和灰色关联系数,其中马氏距离由式(8)计算,灰色关联系数由式(9)和式(10)计算:
式中,和/>分别为第/>个变电站脆弱性评估指标与正、负理想解的马氏距离,/>为第/>个变电站脆弱性评估指标向量,/>为加权标准化矩阵/>的协方差矩阵的逆矩阵,/>和/>分别为第/>个变电站脆弱性评估指标与正、负理想解的灰色关联系数,/>为分辨系数;和/>分别为第/>个变电站第/>个脆弱性评估指标与正负理想解的灰色关联系数,/>和/>分别为第/>个脆弱性评估指标的正理想解和负理想解;
步骤S28:计算各变电站脆弱性评估值:
进一步优选,所述危险性评估指标包括110 kV隔离开关数量、220 kV隔离开关数量、500 kV隔离开关数量、110 kV构架数量、220 kV构架数量、电容器组数量、叠放电抗器数量、常见鸟类体型、常见鸟类排泄物电导率、污秽度和降雨量。
进一步优选,所述脆弱性评估指标分为自然和社会两类,其中自然包括离河流距离、离湖泊距离、离森林距离、离农田距离和离鸟类迁徙通道距离,社会包括全站型防鸟装置覆盖程度、日常值守人数。
进一步优选,所述暴露度评估指标是指变电站类别。
本发明还提供了一种三维变电站涉鸟故障风险等级评估系统,包括:数据采集模块,用于收集各变电站涉鸟危险性、脆弱性和暴露度评估指标数据;输入模块,用于输入待评级变电站信息;计算模块,用于计算变电站涉鸟故障危险性、脆弱性和暴露度评估值;输出模块,输出该变电站对应的涉鸟故障风险等级。
本发明的有益效果:通过确定变电站涉鸟故障风险危险性、脆弱性和暴露度评估指标建立三维风险评估模型,运用SVM算法(支持向量机)实现对变电站涉鸟故障风险危险性的评估,同时采用改进CRITIC-TOPSIS方法(指标相关法-逼近理想解排序法)确定变电站涉鸟故障风险脆弱性的综合评估值,再结合该变电站对应的暴露度得到涉鸟故障风险评估值,最后通过此涉鸟故障风险评估值确定变电站涉鸟故障风险等级。本发明综合三个维度建立变电站涉鸟故障风险评估模型,采用客观科学有效的方法对数据进行处理,实现对变电站涉鸟故障风险等级更合理准确的评估,同时为后续变电站如何防鸟提供指导。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统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申请的一些实施例,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为本发明实施例的一种三维变电站涉鸟故障风险等级评估方法的流程图。
图2为本发明实施例的系统示意图。
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。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
参照图1,本发明公开一种三维变电站涉鸟故障风险等级评估方法,过程如下:
采用SVM算法获取危险性评估值,采用改进CRITIC-TOPSIS方法获取脆弱性评估值,由变电站对应的等级确定暴露度评估值;所述暴露度评估值具体是指当变电站对应类别为(一类、二类、三类、四类)时暴露度评估值为(1、0.75、0.5、0.25);
根据三维变电站涉鸟故障风险评估模型计算变电站涉鸟故障风险评估值;
将各变电站涉鸟故障风险评估值进行归一化处理,按[0,0.2],(0.2,0.5],(0.5,1]将涉鸟故障风险分为I、II、III三种等级,根据每个变电站归一化后的变电站涉鸟故障风险评估值所在区间确定风险等级。
对于风险等级为I的变电站,需要在隐患重灾区安装全站型防鸟装置;对于风险等级为II的变电站,需要在整站安装全站型防鸟装置;对于风险等级为III的变电站,需要在整站安装全站型防鸟装置并配合设备型防鸟装置,加强人工巡检,其中全站型防鸟装置指各类驱鸟器,设备型防鸟装置指防鸟挡板、护套等安装在设备上的装置。
本实施例中,危险性评估指标包括110 kV隔离开关数量、220 kV隔离开关数量、500 kV隔离开关数量、110 kV构架数量、220 kV构架数量、电容器组数量、叠放电抗器数量、常见鸟类体型、常见鸟类排泄物电导率、污秽度和降雨量;脆弱性评估指标分为自然和社会两类,其中自然包括离河流距离、离湖泊距离、离森林距离、离农田距离和离鸟类迁徙通道距离,社会包括全站型防鸟装置覆盖程度、日常值守人数;暴露度评估指标是指变电站类别。
危险性是指在诱发因素下发生涉鸟故障的可能性,变电站内存在的涉鸟故障类别包括电气类、机械类和腐蚀类,其中电气类指鸟类活动引起的短路跳闸等故障,主要发生在隔离开关和构架的绝缘子以及电容器组和叠放电抗器,其中500 kV构架绝缘子故障需要的鸟巢材料或鸟粪过长而不存在,因此不考虑,同时电气类故障中包括有绝缘子污秽闪络,因此需要考虑污秽度、降雨量以及鸟类排泄物,除此以外还包括鸟体短接类故障,因此需要考虑鸟类体型;机械类故障指鸟类活动引起的设备分合闸失败或不到位等故障,主要发生在隔离开关上;腐蚀类故障是指鸟粪长期堆积在变电设备表面,导致设备金属部件腐蚀断裂等故障,主要与鸟类排泄物有关。
脆弱性是指自然环境和社会面对涉鸟故障的敏感性,在自然环境上,变电站离河流、湖泊、森林、农田和鸟类迁徙通道越近,鸟类活动越频繁,越容易发生涉鸟故障;在社会上,变电站全站型防鸟装置覆盖越大、值班人数越多,就具有更好的驱赶鸟类,清除隐患的能力。
暴露度是指变电站在涉鸟故障影响下引发生命财产损失的程度,变电站类别越高越重要,发生涉鸟故障后引发的生命财产损失的程度更大。
各评估指标的具体含义如表中所示。
本实施例中,所述危险性评估值通过以下步骤获取:
步骤S11:收集各变电站的危险性评估指标数据以及近3年年均发生的涉鸟故障事故数量。
步骤S12:数据预处理并按照年均发生的涉鸟故障事故数量进行危险分级,其中各变电站的危险性评估指标数据作为SVM模型的输入,数据预处理方法如下:
对于数值型指标,进行线性归一化操作将数据转化到[0,1]范围内,对于字符型指标,给其中的每一字符赋予[0,1]之间的数,例如对于鸟类体型,分为大鸟、小鸟和两者均有,可以分别赋予0、0.5和1,对于污秽度,有5种等级,分别赋予0、0.25、0.5、0.75和1。
年均发生的涉鸟故障事故数量作为危险性等级,分为3个等级,当年均数量≤1时为低危险,1<年均数量≤3时为中等危险,年均数量>3为高危险。
步骤S13:划分训练集和测试集,将80%样本作为训练集,20%数据样本作为测试集。
步骤S14:SVM模型训练和测试,SVM本质是一个二值分类器,但评估值有3个等级,因此选用1对1法搭建3个训练模型分别为(低危险,中等危险)、(低危险、高危险)和(中等危险、高危险),每个模型中的训练集只包括对应两类危险的样本,训练后可以得到3个训练结果,在测试的时候,把测试样本分别对3个结果进行测试,然后采取投票形式得到1个结果,调整核函数、惩罚系数、迭代次数等参数使测试集准确率达到90%以上。
步骤S15:将训练好的SVM模型用于其他缺少年均发生的涉鸟故障事故数量数据的变电站涉鸟故障危险等级预测,并根据危险等级确定危险性评估值,其中低危险对应评估值H=0.3,中等危险对应评估值H=0.6,高危险对应评估值H=0.9。
所述脆弱性评估值通过以下步骤获取:
步骤S23:计算信息承载量,脆弱性评估指标信息承载量与脆弱性评估指标的变异性和冲突性有关,脆弱性评估指标变异性可以用标准差来表示,通过式(3)计算各脆弱性评估指标的标准差:
脆弱性评估指标冲突性的计算需要用到指标的相关性矩阵,相关性矩阵中各元素计算公式如下:
脆弱性评估指标信息承载量由式(5)进行计算:
步骤S24:通过下式计算得到各脆弱性评估指标的权重:
传统的TOPSIS采用的是欧氏距离,将各指标之间的差别等同看待,这一点有时不能满足实际要求,没有考虑到总体变异对距离远近的影响,而马氏距离考虑到各指标之间的联系,并且与尺度无关,是对欧氏距离的一种修正,同时灰色关联法也能通过因素之间几何形状趋势的相似程度高低来判断指标优劣,因此本文的TOPSIS选用马氏距离和灰色关联系数相结合的方法,使模型计算结果与实践更温和、更科学。
步骤S27:计算各变电站脆弱性评估指标与理想解的马氏距离和灰色关联系数,其中马氏距离由式(8)计算,灰色关联系数由式(9)和式(10)计算:
式中,和/>分别为第/>个变电站脆弱性评估指标与正、负理想解的马氏距离,/>为第/>个变电站脆弱性评估指标向量,/>为加权标准化矩阵/>的协方差矩阵的逆矩阵,/>和/>分别为第/>个变电站脆弱性评估指标与正、负理想解的灰色关联系数, />为分辨系数,在0~1范围内,/>越小,分辨力越大,一般取0.5;/>和/>分别为第/>个变电站第/>个脆弱性评估指标与正负理想解的灰色关联系数,/>和/>分别为第/>个脆弱性评估指标的正理想解和负理想解。
步骤S28:计算各变电站脆弱性评估值,由于马氏距离越大越优而灰色关联系数越小越优,因此变电站脆弱性评估值计算公式如下:
图2为本发明实施例的一种三维变电站涉鸟故障风险等级评估系统示意图,包括:数据采集模块201,用于收集各变电站涉鸟危险性、脆弱性和暴露度评估指标数据;输入模块202,用于输入待评级变电站信息;计算模块203,用于计算变电站涉鸟故障危险性、脆弱性和暴露度评估值;输出模块204,输出该变电站对应的涉鸟故障风险等级。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种三维变电站涉鸟故障风险等级评估方法,其特征在于,过程如下:
根据变电站涉鸟故障风险危险性、脆弱性和暴露度评估指标建立三维变电站涉鸟故障风险评估模型:,其中/>为变电站涉鸟故障风险评估值,/>为危险性评估值,/>为脆弱性评估值,/>为暴露度评估值;所述暴露度评估指标是指变电站类别;
用SVM算法获取危险性评估值,采用改进CRITIC-TOPSIS方法获取脆弱性评估值,由变电站对应的等级确定暴露度评估值;
根据三维变电站涉鸟故障风险评估模型计算变电站涉鸟故障风险评估值;
将各变电站涉鸟故障风险评估值进行归一化处理,按风险评估值区间将涉鸟故障风险分为若干等级,根据每个变电站归一化后的变电站涉鸟故障风险评估值所在区间确定风险等级;
所述危险性评估值通过以下步骤获取:
步骤S11:收集各变电站的危险性评估指标数据以及近x年年均发生的涉鸟故障事故数量;
步骤S12:数据预处理并按照年均发生的涉鸟故障事故数量进行危险分级,其中各变电站的危险性评估指标数据作为SVM模型的输入;
步骤S13:划分训练集和测试集;
步骤S14:SVM模型训练和测试;
步骤S15:将训练好的SVM模型用于其他缺少年均发生的涉鸟故障事故数量数据的变电站涉鸟故障危险等级预测,并根据危险等级确定危险性评估值;
所述脆弱性评估值通过以下步骤获取:
步骤S23:通过式(3)计算各脆弱性评估指标的标准差:
脆弱性评估指标的相关性矩阵中各元素计算公式如下:
脆弱性评估指标信息承载量由式(5)进行计算:
步骤S24:通过下式计算得到各脆弱性评估指标的权重:
步骤S27:计算各变电站脆弱性评估指标与理想解的马氏距离和灰色关联系数,其中马氏距离由式(8)计算,灰色关联系数由式(9)和式(10)计算:
式中,和/>分别为第/>个变电站脆弱性评估指标与正、负理想解的马氏距离,/>为第/>个变电站脆弱性评估指标向量,/>为加权标准化矩阵/>的协方差矩阵的逆矩阵,/>和/>分别为第/>个变电站脆弱性评估指标与正、负理想解的灰色关联系数,/>为分辨系数;/>和分别为第/>个变电站第/>个脆弱性评估指标与正负理想解的灰色关联系数,/>和/>分别为第/>个脆弱性评估指标的正理想解和负理想解;
步骤S28:计算各变电站脆弱性评估值:
2.根据权利要求1所述的三维变电站涉鸟故障风险等级评估方法,其特征在于,所述危险性评估指标包括110 kV隔离开关数量、220 kV隔离开关数量、500 kV隔离开关数量、110kV构架数量、220 kV构架数量、电容器组数量、叠放电抗器数量、常见鸟类体型、常见鸟类排泄物电导率、污秽度和降雨量。
3.根据权利要求2所述的三维变电站涉鸟故障风险等级评估方法,其特征在于,所述脆弱性评估指标分为自然和社会两类,其中自然包括离河流距离、离湖泊距离、离森林距离、离农田距离和离鸟类迁徙通道距离,社会包括全站型防鸟装置覆盖程度、日常值守人数。
4.一种三维变电站涉鸟故障风险等级评估系统,包括:数据采集模块,用于收集各变电站涉鸟危险性、脆弱性和暴露度评估指标数据;输入模块,用于输入待评级变电站信息;计算模块,用于按权利要求1-3任意一项所述三维变电站涉鸟故障风险等级评估方法计算变电站涉鸟故障危险性、脆弱性和暴露度评估值;输出模块,输出该变电站对应的涉鸟故障风险等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168179.0A CN115879775B (zh) | 2023-02-27 | 2023-02-27 | 一种三维变电站涉鸟故障风险等级评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168179.0A CN115879775B (zh) | 2023-02-27 | 2023-02-27 | 一种三维变电站涉鸟故障风险等级评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115879775A CN115879775A (zh) | 2023-03-31 |
CN115879775B true CN115879775B (zh) | 2023-06-16 |
Family
ID=85761667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310168179.0A Active CN115879775B (zh) | 2023-02-27 | 2023-02-27 | 一种三维变电站涉鸟故障风险等级评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879775B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117251974B (zh) * | 2023-11-15 | 2024-03-12 | 国网江西省电力有限公司电力科学研究院 | 一种变电站防鸟装置布局方案生成系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023283A (zh) * | 2015-06-24 | 2015-11-04 | 云南电网有限责任公司电力科学研究院 | 基于冬候鸟迁徙路径及生境的电网鸟害图绘制方法及系统 |
CN114399204A (zh) * | 2022-01-17 | 2022-04-26 | 北京工业大学 | 一种城市内涝灾害风险评估方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101483567B (zh) * | 2008-12-19 | 2011-04-13 | 西北电网有限公司 | 一种基于无线通信和光通信的高压输电线路监测方法 |
JP2011204200A (ja) * | 2010-03-26 | 2011-10-13 | Tokyo Electric Power Co Inc:The | 移動体軌跡図作成装置及びコンピュータプログラム |
CN107239651A (zh) * | 2017-04-17 | 2017-10-10 | 国网辽宁省电力有限公司电力科学研究院 | 一种电网鸟粪类故障风险等级评估的方法 |
CN110110989A (zh) * | 2019-04-29 | 2019-08-09 | 国网河北省电力有限公司经济技术研究院 | 架空线路防鸟效果的评价方法及终端设备 |
CN110276528A (zh) * | 2019-05-29 | 2019-09-24 | 上海电力学院 | 一种电厂控制系统信息安全风险评估系统 |
CN111598309B (zh) * | 2020-04-27 | 2024-05-31 | 国网山东省电力公司电力科学研究院 | 一种差异化鸟害风险等级评判方法及系统 |
CN111832895B (zh) * | 2020-06-10 | 2024-02-23 | 中国水产科学研究院黄海水产研究所 | 一种基于灰色加权关联度的滨海湿地生态脆弱性潜在风险评估方法 |
CN112529351A (zh) * | 2020-08-24 | 2021-03-19 | 上海应用技术大学 | 一种针对多个尾矿库的安全风险评估方法 |
CN112132432A (zh) * | 2020-09-15 | 2020-12-25 | 中国水产科学研究院黄海水产研究所 | 一种滨海湿地生态脆弱性潜在风险综合评估方法 |
CN112884320B (zh) * | 2021-02-18 | 2022-03-29 | 中铁建华南建设有限公司 | 基于熵值模型的基坑风险评估方法、装置、设备和介质 |
CN115115175A (zh) * | 2022-05-18 | 2022-09-27 | 北京建筑大学 | 干旱风险等级评估方法、装置及计算机设备 |
CN115630270B (zh) * | 2022-12-19 | 2023-03-14 | 国网江西省电力有限公司电力科学研究院 | 一种变电站防鸟装置应用效果评估方法及系统 |
-
2023
- 2023-02-27 CN CN202310168179.0A patent/CN115879775B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023283A (zh) * | 2015-06-24 | 2015-11-04 | 云南电网有限责任公司电力科学研究院 | 基于冬候鸟迁徙路径及生境的电网鸟害图绘制方法及系统 |
CN114399204A (zh) * | 2022-01-17 | 2022-04-26 | 北京工业大学 | 一种城市内涝灾害风险评估方法 |
Non-Patent Citations (1)
Title |
---|
Analysis of Bird-related Outage Risk for Hunan Power Grid;Zhang Liu;《2017 EPTC Power Transmission and Transformation Technology Conference》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115879775A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Afrasiabi et al. | Integration of accelerated deep neural network into power transformer differential protection | |
CN106850254B (zh) | 一种电力通信网中关键节点识别方法 | |
CN115879775B (zh) | 一种三维变电站涉鸟故障风险等级评估方法及系统 | |
CN116229380B (zh) | 一种变电站涉鸟故障相关鸟种识别方法 | |
CN111080105A (zh) | 基于电压时序数据的台区户变关系识别方法及系统 | |
Khalyasmaa et al. | Expert system for engineering assets' management of utility companies | |
CN111160241B (zh) | 一种基于深度学习的配电网故障分类方法、系统和介质 | |
CN113283155B (zh) | 一种近地表气温估算方法、系统、存储介质及设备 | |
CN109711435A (zh) | 一种基于遗传算法的支持向量机在线电压稳定性监测方法 | |
CN109214604A (zh) | 基于Adaboost的输变电设备的雾霾灾害风险预测方法及系统 | |
CN110610212A (zh) | 一种配电网的变压器的故障分类方法和故障分类装置 | |
CN113866552B (zh) | 一种基于机器学习的中压配网用户用电异常诊断方法 | |
CN116432112A (zh) | 基于小波包变换、残差卷积神经网络的电弧故障检测方法 | |
Kanwal et al. | Artificial intelligence based faults identification, classification, and localization techniques in transmission lines-a review | |
CN105868916A (zh) | 基于相似日聚类的微电网光伏出力空间预测方法 | |
CN117113243B (zh) | 一种光伏设备异常检测方法 | |
Aligholian et al. | GraphPMU: Event clustering via graph representation learning using locationally-scarce distribution-level fundamental and harmonic PMU measurements | |
CN112036718B (zh) | 一种考虑新能源不确定性的电力系统安全风险评估方法 | |
CN113298296A (zh) | 一种自下而上的输电变电站日前负荷概率预测方法 | |
CN117333045A (zh) | 一种海上风电机组服役环境状态评价方法和系统 | |
CN112287953A (zh) | 一种用于gis绝缘缺陷类别识别的方法及系统 | |
Babayomi et al. | Intelligent fault diagnosis in a power distribution network | |
CN114421465A (zh) | 基于元件拓扑的电网参数辨识校验方法、装置及存储介质 | |
CN105678460B (zh) | 雷电灾害与设备过载及断面越限的关联度分析方法 | |
CN111382147A (zh) | 一种气象数据缺失插补方法和系统 |
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 |