CN116008734B - 基于数据处理的电力信息设备故障预测方法 - Google Patents

基于数据处理的电力信息设备故障预测方法 Download PDF

Info

Publication number
CN116008734B
CN116008734B CN202310303075.6A CN202310303075A CN116008734B CN 116008734 B CN116008734 B CN 116008734B CN 202310303075 A CN202310303075 A CN 202310303075A CN 116008734 B CN116008734 B CN 116008734B
Authority
CN
China
Prior art keywords
transmission line
loss function
function value
value
change
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
CN202310303075.6A
Other languages
English (en)
Other versions
CN116008734A (zh
Inventor
刘洪波
窦增
丛犁
刘立明
孙伟
张凯
臧洪睿
王佳
陈兆强
崔杰
樊家树
刘允志
曹永娇
徐晗
陈鹤
胡杨
金泽洙
彭超
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.)
Information and Telecommunication Branch of State Grid Jilin Electric Power Co Ltd
Original Assignee
Information and Telecommunication Branch of State Grid Jilin Electric Power 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 Information and Telecommunication Branch of State Grid Jilin Electric Power Co Ltd filed Critical Information and Telecommunication Branch of State Grid Jilin Electric Power Co Ltd
Priority to CN202310303075.6A priority Critical patent/CN116008734B/zh
Publication of CN116008734A publication Critical patent/CN116008734A/zh
Application granted granted Critical
Publication of CN116008734B publication Critical patent/CN116008734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

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

Abstract

本发明公开了基于数据处理的电力信息设备故障预测方法，涉及电力数据处理领域，通过流量监测部件实时监测电流量，获取电流量损失参数后通过构建的损失函数模型获取出损失函数值，阈值情况下启用故障预测，通过故障预测模型进行故障发生率的运算，将故障发生直接定位到具体输电线的输出情况，当故障发生时通过各输电线的电流量损失参数和导数变化值直接进行相应的排除筛查，能够对损坏区域集中在哪条输电线直观进行展示，能够通过预测模型对当前输电系统进行故障的预测，解决了现有输电变电检修维护过程中通过人工高空逐段勘测确定故障发生后输电线是否发生损坏以及损坏区域集中在哪段，此种方法存在处理效率低且无法提前预测故障发生的问题。

Description

基于数据处理的电力信息设备故障预测方法
技术领域
本发明涉及电力数据处理的技术领域，尤其涉及基于数据处理的电力信息设备故障预测方法。
背景技术
电力系统由发电、输电、变电、配电和用电等环节组成，其中每个环节又由数量不菲的各种电力设备拼接而成。在数字化电力系统的应用场景中，电力信息处理设备是数字化电力系统正常运行的基础。
着眼于输电和变电具体环节中，通过各类输电线将电流输送至变压器中进行变压，大量配置的输电线在室外长期使用过程中容易发生故障，在相关故障检测技术中，一般是故障发生后通过人工高空逐段勘测确定输电线是否发生损坏以及损坏区域集中在哪段。此种方法存在处理效率低且无法提前预测故障发生的问题，影响数字化电力系统的正常运行。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有输电变电故障检修维护方式存在的问题，提出了本发明。
因此，本发明解决的技术问题是：解决现有输电变电检修维护过程中通过人工高空逐段勘测确定故障发生后输电线是否发生损坏以及损坏区域集中在哪段，此种方法存在处理效率低且无法提前预测故障发生的问题。
为解决上述技术问题，本发明提供如下技术方案：基于数据处理的电力信息设备故障预测方法，各输电线与变压器的链路连接节点上设置有流量监测部件；所述故障预测方法包括以下步骤：S1：所述流量监测部件实时监测相应输电线上传输的电流量I，并将数据传输至故障处理器中进行存储及处理；S2：依据所述电流量I实时获取相应输电线的电流量损失参数α；S3：构建损失函数模型，输入各输电线的所述电流量损失参数α；S4：实时输出损失函数值，并当所述损失函数值达到设定的阈值时启用故障预测；S5：构建故障预测模型，输入参数后输出故障发生率，并当所述故障发生率达到设定的阈值时启用报警，同步输出所述故障发生率并显示；
其中，依据以下公式获取所述电流量损失参数α：
Figure GDA0004198650870000021
其中，I1为当前电流量，I2为下一时刻电流量，其中，当电流量产生变化时，下一时刻电流量I2相较于当前电流量I1具备物理意义；
其中，依据所述电流量I实时获取相应输电线的所述电流量损失参数α后，还包括如下步骤：
依据所述电流量损失参数α获取相应输电线的电流量损失变动曲线；
实时顺序获取所述电流量损失变动曲线中变动点的导数变化值β；
其中，所述电流量损失变动曲线中的变动点由具备物理意义的下一时刻电流量I2决定；
其中，构建的所述损失函数模型为：
Figure GDA0004198650870000022
其中，δ为损失函数值，δ1为第一条输电线的损失函数值，δ2为第二条输电线的损失函数值，δm为第m条输电线的损失函数值，α11为第一条输电线的第一个变动点的损失函数值，α12为第一条输电线的第二个变动点的损失函数值，α1n为第一条输电线的第n个变动点的损失函数值，β11为第一条输电线的第一个变动点的导数变化值，β12为第一条输电线的第二个变动点的导数变化值，β1n为第一条输电线的第n个变动点的导数变化值，α21为第二条输电线的第一个变动点的损失函数值，α22为第二条输电线的第二个变动点的损失函数值，α2n为第二条输电线的第n个变动点的损失函数值，β21为第二条输电线的第一个变动点的导数变化值，β22为第二条输电线的第二个变动点的导数变化值，β2n为第二条输电线的第n个变动点的导数变化值，αm1为第m条输电线的第一个变动点的损失函数值，αm2为第m条输电线的第二个变动点的损失函数值，αmn为第m条输电线的第n个变动点的损失函数值，βm1为第m条输电线的第一个变动点的导数变化值，βm2为第m条输电线的第二个变动点的导数变化值，βmn为第m条输电线的第n个变动点的导数变化值；
其中，所述预测模型为：
Figure GDA0004198650870000031
其中，η为故障发生率，根号2为故障发生率原模修正参数，δ为损失函数值，0.014为损失函数值修正参数，αmax为输电过程中最大损失函数值，αmin为输电过程中最小损失函数值，βmax为输电过程中最大导数变化值，βmin为输电过程中最小导数变化值，tdt为积分运算，R1为第一条输电线的接地电阻，R2为第二条输电线的接地电阻，Rm为第m条输电线的接地电阻，其中，t及dt为数学积分运算符号。
作为本发明所述的基于数据处理的电力信息设备故障预测方法的一种优选方案，其中：所述流量监测部件环状设置于输电线末端，且由内而外设置有三层，分别为内层石墨保护层、中间电流量监测层、外层接地电阻层；所述石墨保护层与变压器节点相接；所述电流量监测层上设置有用于监控电流量的监控单元及用于传输流量数据的无线传输单元；每条输电线中配置的所述接地电阻层中均设置有接地电阻，多条输电线的接地电阻相互并联至变压器节点接地。
作为本发明所述的基于数据处理的电力信息设备故障预测方法的一种优选方案，其中：所述接地电阻为0.5～3Ω。
作为本发明所述的基于数据处理的电力信息设备故障预测方法的一种优选方案，其中：所述损失函数值设定的阈值定义为不小于7.63。
作为本发明所述的基于数据处理的电力信息设备故障预测方法的一种优选方案，其中：所述故障发生率设定的阈值设定为12.82％。
本发明的有益效果：本发明提供了基于数据处理的电力信息设备故障预测方法，通过流量监测部件实时监测电流量，获取电流量损失参数后通过构建的损失函数模型获取出损失函数值，阈值情况下启用故障预测，通过故障预测模型进行故障发生率的运算，本发明将故障发生直接定位到具体输电线的输出情况，当故障发生时能够通过各输电线的电流量损失参数和导数变化值直接进行相应的排除筛查，能够对损坏区域集中在哪条输电线直观进行展示，能够通过预测模型对当前输电系统进行故障的预测，解决了现有输电变电检修维护过程中通过人工高空逐段勘测确定故障发生后输电线是否发生损坏以及损坏区域集中在哪段，此种方法存在处理效率低且无法提前预测故障发生的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明提供的基于数据处理的电力信息设备故障预测方法的整体方法流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
着眼于输电和变电具体环节中，通过各类输电线将电流输送至变压器中进行变压，大量配置的输电线在室外长期使用过程中容易发生故障，在相关故障检测技术中，一般是故障发生后通过人工高空逐段勘测确定输电线是否发生损坏以及损坏区域集中在哪段。此种方法存在处理效率低且无法提前预测故障发生的问题，影响数字化电力系统的正常运行。
故此，请参阅图1，本发明提供基于数据处理的电力信息设备故障预测方法，各输电线与变压器的链路连接节点上设置有流量监测部件；
故障预测方法包括以下步骤：
S1：流量监测部件实时监测相应输电线上传输的电流量I，并将数据传输至故障处理器中进行存储及处理；
S2：依据电流量I实时获取相应输电线的电流量损失参数α；
S3：构建损失函数模型，输入各输电线的电流量损失参数α；
S4：实时输出损失函数值，并当损失函数值达到设定的阈值时启用故障预测；
S5：构建故障预测模型，输入参数后输出故障发生率，并当故障发生率达到设定的阈值时启用报警，同步输出故障发生率并显示
额外的，流量监测部件环状设置于输电线末端，且由内而外设置有三层，分别为内层石墨保护层、中间电流量监测层、外层接地电阻层；
石墨保护层与变压器节点相接；
电流量监测层上设置有用于监控电流量的监控单元及用于传输流量数据的无线传输单元；
每条输电线中配置的接地电阻层中均设置有接地电阻，多条输电线的接地电阻相互并联至变压器节点接地。
其中，需要说明的是，流量监测部件环状设置，石墨保护层用于保护流量监测部件，厚度一般取定为0.1mm，电流量监测层中设置有用于监控电流量的部件，此部件用于监控流通于该输电线中的电流，该部件选用现有部件，在此不做多余赘述，接地电阻层用于保护输电线在监测过程中的用电安全。
具体的，接地电阻为0.5～3Ω。
进一步的，依据以下公式获取电流量损失参数α：
Figure GDA0004198650870000051
其中，I1为当前电流量，I2为下一时刻电流量，其中，当电流量产生变化时，下一时刻电流量I2相较于当前电流量I1具备物理意义。
更进一步的，依据电流量I实时获取相应输电线的电流量损失参数α后，还包括如下步骤：
依据电流量损失参数α获取相应输电线的电流量损失变动曲线；
实时顺序获取电流量损失变动曲线中变动点的导数变化值β；
其中，电流量损失变动曲线中的变动点由具备物理意义的下一时刻电流量I2决定。
进一步的，构建的损失函数模型为：
Figure GDA0004198650870000061
其中，δ为损失函数值，δ1为第一条输电线的损失函数值，δ2为第二条输电线的损失函数值，δm为第m条输电线的损失函数值，α11为第一条输电线的第一个变动点的损失函数值，α12为第一条输电线的第二个变动点的损失函数值，α1n为第一条输电线的第n个变动点的损失函数值，β11为第一条输电线的第一个变动点的导数变化值，β12为第一条输电线的第二个变动点的导数变化值，β1n为第一条输电线的第n个变动点的导数变化值，α21为第二条输电线的第一个变动点的损失函数值，α22为第二条输电线的第二个变动点的损失函数值，α2n为第二条输电线的第n个变动点的损失函数值，β21为第二条输电线的第一个变动点的导数变化值，β22为第二条输电线的第二个变动点的导数变化值，β2n为第二条输电线的第n个变动点的导数变化值，αm1为第m条输电线的第一个变动点的损失函数值，αm2为第m条输电线的第二个变动点的损失函数值，αmn为第m条输电线的第n个变动点的损失函数值，βm1为第m条输电线的第一个变动点的导数变化值，βm2为第m条输电线的第二个变动点的导数变化值，βmn为第m条输电线的第n个变动点的导数变化值。
具体的，损失函数值设定的阈值定义为不小于7.63。
需要说明的是，相对于本申请中确定的损失函数模型，本申请选用7.63作为对接该损失函数模型最佳的损失函数值。其他亦可选用5.44、6.01、7.99、9.03、14.68等；
请参阅表1，选用其他可用数值配合后续预测模型最后出来的同等状态数值输入情况：
表1：损失函数值不同阈值选定的预测结果对比表
Figure GDA0004198650870000071
由上表1可看出，损失函数阈值选用7.63能够相较于后续的预测模型得到更为准确的预测度。
更进一步的，预测模型为：
Figure GDA0004198650870000072
其中，η为故障发生率，根号2为故障发生率原模修正参数，δ为损失函数值，0.014为损失函数值修正参数，αmax为输电过程中最大损失函数值，αmin为输电过程中最小损失函数值，βmax为输电过程中最大导数变化值，βmin为输电过程中最小导数变化值，tdt为积分运算，R1为第一条输电线的接地电阻，R2为第二条输电线的接地电阻，Rm为第m条输电线的接地电阻，其中，t及dt为数学积分运算符号。
具体的，故障发生率设定的阈值设定为12.82％。
本发明提供了基于数据处理的电力信息设备故障预测方法，通过流量监测部件实时监测电流量，获取电流量损失参数后通过构建的损失函数模型获取出损失函数值，阈值情况下启用故障预测，通过故障预测模型进行故障发生率的运算，本发明将故障发生直接定位到具体输电线的输出情况，当故障发生时能够通过各输电线的电流量损失参数和导数变化值直接进行相应的排除筛查，能够对损坏区域集中在哪条输电线直观进行展示，能够通过预测模型对当前输电系统进行故障的预测，解决了现有输电变电检修维护过程中通过人工高空逐段勘测确定故障发生后输电线是否发生损坏以及损坏区域集中在哪段，此种方法存在处理效率低且无法提前预测故障发生的问题。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，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案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.基于数据处理的电力信息设备故障预测方法，其特征在于：各输电线与变压器的链路连接节点上设置有流量监测部件；
所述故障预测方法包括以下步骤：
S1：所述流量监测部件实时监测相应输电线上传输的电流量I，并将数据传输至故障处理器中进行存储及处理；
S2：依据所述电流量I实时获取相应输电线的电流量损失参数α；
S3：构建损失函数模型，输入各输电线的所述电流量损失参数α；
S4：实时输出损失函数值，并当所述损失函数值达到设定的阈值时启用故障预测；
S5：构建故障预测模型，输入参数后输出故障发生率，并当所述故障发生率达到设定的阈值时启用报警，同步输出所述故障发生率并显示；
其中，依据以下公式获取所述电流量损失参数α：
Figure FDA0004198650850000011
其中，I1为当前电流量，I2为下一时刻电流量，其中，当电流量产生变化时，下一时刻电流量I2相较于当前电流量I1具备物理意义；
其中，依据所述电流量I实时获取相应输电线的所述电流量损失参数α后，还包括如下步骤：
依据所述电流量损失参数α获取相应输电线的电流量损失变动曲线；
实时顺序获取所述电流量损失变动曲线中变动点的导数变化值β；
其中，所述电流量损失变动曲线中的变动点由具备物理意义的下一时刻电流量I2决定；
其中，构建的所述损失函数模型为：
Figure FDA0004198650850000021
Figure FDA0004198650850000022
Figure FDA0004198650850000023
Figure FDA0004198650850000024
Figure FDA0004198650850000025
其中，δ为损失函数值，δ1为第一条输电线的损失函数值，δ2为第二条输电线的损失函数值，δm为第m条输电线的损失函数值，α11为第一条输电线的第一个变动点的损失函数值，α12为第一条输电线的第二个变动点的损失函数值，α1n为第一条输电线的第n个变动点的损失函数值，β11为第一条输电线的第一个变动点的导数变化值，β12为第一条输电线的第二个变动点的导数变化值，β1n为第一条输电线的第n个变动点的导数变化值，α21为第二条输电线的第一个变动点的损失函数值，α22为第二条输电线的第二个变动点的损失函数值，α2n为第二条输电线的第n个变动点的损失函数值，β21为第二条输电线的第一个变动点的导数变化值，β22为第二条输电线的第二个变动点的导数变化值，β2n为第二条输电线的第n个变动点的导数变化值，αm1为第m条输电线的第一个变动点的损失函数值，αm2为第m条输电线的第二个变动点的损失函数值，αmn为第m条输电线的第n个变动点的损失函数值，βm1为第m条输电线的第一个变动点的导数变化值，βm2为第m条输电线的第二个变动点的导数变化值，βmn为第m条输电线的第n个变动点的导数变化值；
其中，所述预测模型为：
Figure FDA0004198650850000026
其中，η为故障发生率，根号2为故障发生率原模修正参数，δ为损失函数值，0.014为损失函数值修正参数，αmax为输电过程中最大损失函数值，αmin为输电过程中最小损失函数值，βmax为输电过程中最大导数变化值，βmin为输电过程中最小导数变化值，tdt为积分运算，R1为第一条输电线的接地电阻，R2为第二条输电线的接地电阻，Rm为第m条输电线的接地电阻，其中，t及dt为数学积分运算符号。
2.根据权利要求1所述的基于数据处理的电力信息设备故障预测方法，其特征在于：所述流量监测部件环状设置于输电线末端，且由内而外设置有三层，分别为内层石墨保护层、中间电流量监测层、外层接地电阻层；
所述石墨保护层与变压器节点相接；
所述电流量监测层上设置有用于监控电流量的监控单元及用于传输流量数据的无线传输单元；
每条输电线中配置的所述接地电阻层中均设置有接地电阻，多条输电线的接地电阻相互并联至变压器节点接地。
3.根据权利要求2所述的基于数据处理的电力信息设备故障预测方法，其特征在于：所述接地电阻为0.5～3Ω。
4.根据权利要求3所述的基于数据处理的电力信息设备故障预测方法，其特征在于：所述损失函数值设定的阈值定义为不小于7.63。
5.根据权利要求4所述的基于数据处理的电力信息设备故障预测方法，其特征在于：所述故障发生率设定的阈值设定为12.82％。
CN202310303075.6A 2023-03-27 2023-03-27 基于数据处理的电力信息设备故障预测方法 Active CN116008734B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310303075.6A CN116008734B (zh) 2023-03-27 2023-03-27 基于数据处理的电力信息设备故障预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310303075.6A CN116008734B (zh) 2023-03-27 2023-03-27 基于数据处理的电力信息设备故障预测方法

Publications (2)

Publication Number Publication Date
CN116008734A CN116008734A (zh) 2023-04-25
CN116008734B true CN116008734B (zh) 2023-05-30

Family

ID=86037699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310303075.6A Active CN116008734B (zh) 2023-03-27 2023-03-27 基于数据处理的电力信息设备故障预测方法

Country Status (1)

Country Link
CN (1) CN116008734B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116295855B (zh) * 2023-05-24 2023-08-08 国网吉林省电力有限公司信息通信公司 基于无线通信网络的故障定位及诊断系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107390049A (zh) * 2017-06-23 2017-11-24 深圳市盛路物联通讯技术有限公司 一种电力电缆故障监测方法及装置
CN110930052A (zh) * 2019-12-02 2020-03-27 国网山东省电力公司高密市供电公司 一种变电设备故障率预测方法，系统，设备及可读存储介质
CN112763929A (zh) * 2020-12-31 2021-05-07 华东理工大学 一种储能电站系统电池单体健康预测方法及装置
CN113687187A (zh) * 2021-08-31 2021-11-23 贵州吉步科技有限公司 一种通过电流变化趋势预判线路故障的方法及系统
CN114021475A (zh) * 2021-11-17 2022-02-08 中国南方电网有限责任公司超高压输电公司昆明局 基于lstm的避雷器故障判断方法、装置、设备、介质和产品
CN114707401A (zh) * 2022-03-08 2022-07-05 通号城市轨道交通技术有限公司 信号系统设备的故障预警方法及装置
CN115061009A (zh) * 2022-06-01 2022-09-16 国网浙江省电力有限公司嘉兴供电公司 一种输电线故障分析预警方法
CA3169131A1 (en) * 2021-07-27 2023-01-27 Qualitrol Company Llc Systems and methods for ai continued learning in electrical power grid fault analysis

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107390049A (zh) * 2017-06-23 2017-11-24 深圳市盛路物联通讯技术有限公司 一种电力电缆故障监测方法及装置
CN110930052A (zh) * 2019-12-02 2020-03-27 国网山东省电力公司高密市供电公司 一种变电设备故障率预测方法，系统，设备及可读存储介质
CN112763929A (zh) * 2020-12-31 2021-05-07 华东理工大学 一种储能电站系统电池单体健康预测方法及装置
CA3169131A1 (en) * 2021-07-27 2023-01-27 Qualitrol Company Llc Systems and methods for ai continued learning in electrical power grid fault analysis
CN113687187A (zh) * 2021-08-31 2021-11-23 贵州吉步科技有限公司 一种通过电流变化趋势预判线路故障的方法及系统
CN114021475A (zh) * 2021-11-17 2022-02-08 中国南方电网有限责任公司超高压输电公司昆明局 基于lstm的避雷器故障判断方法、装置、设备、介质和产品
CN114707401A (zh) * 2022-03-08 2022-07-05 通号城市轨道交通技术有限公司 信号系统设备的故障预警方法及装置
CN115061009A (zh) * 2022-06-01 2022-09-16 国网浙江省电力有限公司嘉兴供电公司 一种输电线故障分析预警方法

Also Published As

Publication number Publication date
CN116008734A (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN107895947B (zh) 一种配电网脆弱线路辨识方法
CN116008734B (zh) 基于数据处理的电力信息设备故障预测方法
CN110287543B (zh) 一种继电保护装置寿命预测方法
CN116385208B (zh) 储能电站数据的处理方法及系统
CN110428191B (zh) 配电网脆弱节点辨识的方法
CN113052473B (zh) 一种基于故障率和静态安全分析的电网风险分析方法
CN112186900B (zh) 一种基于5g技术的综合箱运行监控方法及装置
CN117422405A (zh) 一种基于电力大数据的电力系统信息处理系统
CN108681319B (zh) 一种基于传递函数的变压器绕组故障识别方法
CN110138870A (zh) 一种泛在电力物联网电力设备的感知层检测系统及其检测方法
CN117937766B (zh) 一种用于储能柜的智能管理系统
CN106356846A (zh) 一种基于时间的初期电网连锁故障模拟仿真方法
CN114826883A (zh) 一种基于物联网数据传输的网络设备故障报警监测系统
CN117152925B (zh) 基于大数据的电力通信数据处理系统
CN114123113A (zh) 并联电容器组中性点不平衡电流监测方法及装置
CN113888061A (zh) 一种换流变压器的运行状态评估方法及装置
CN117650621A (zh) 一种电力系统网络运行状态监控方法及系统
CN112084661A (zh) 一种风电机组变流器水冷系统冷却状态评估预警方法
CN115308541A (zh) 一种低压交流长电缆的绝缘故障判断方法及装置
CN115718270A (zh) 一种电力变压器的监测方法、装置和电子设备
CN112463362A (zh) 多信息边缘计算的干式变压器故障模式识别系统及方法
CN109861214B (zh) 判断区域电网暂态功角稳定薄弱线路的方法、系统
CN115914271A (zh) 一种控制系统报警方法、装置、电子设备及存储介质
CN117614802A (zh) 一种基于检测周期确认电力网关工作状态的方法
CN117949870A (zh) 基于数字孪生的直流换流变压器隐性故障诊断方法及系统

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