CN116298690A - 配电网故障位置的定位方法、装置、设备及介质 - Google Patents

配电网故障位置的定位方法、装置、设备及介质 Download PDF

Info

Publication number
CN116298690A
CN116298690A CN202310299161.4A CN202310299161A CN116298690A CN 116298690 A CN116298690 A CN 116298690A CN 202310299161 A CN202310299161 A CN 202310299161A CN 116298690 A CN116298690 A CN 116298690A
Authority
CN
China
Prior art keywords
fault
information
result
target
fusion
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.)
Pending
Application number
CN202310299161.4A
Other languages
English (en)
Inventor
黄裕春
张晏玉
罗少威
雷才嘉
刘明昊
范杏元
佟佳俊
贾巍
童家鹏
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid 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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202310299161.4A priority Critical patent/CN116298690A/zh
Publication of CN116298690A publication Critical patent/CN116298690A/zh
Pending legal-status Critical Current

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

Abstract

本发明公开了一种配电网故障位置的定位方法、装置、设备及介质，其中，该方法包括：获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景；确定与目标故障场景相对应的初始融合结果和初始融合系数，基于初始融合结果和初始融合系数确定目标融合系数；基于目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定待应用融合结果是否满足预设精度条件；如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置。实现了基于故障定位结果信息确定对应的故障场景，并且根据故障场景确定故障位置，进而达到了提高了配电网故障位置的确定效率的技术效果。

Description

配电网故障位置的定位方法、装置、设备及介质
技术领域
本发明涉及电力技术领域，尤其涉及一种配电网故障位置的定位方法、装置、设备及介质。
背景技术
随着电力技术的不断发展，电力系统中大量的多源异构信息数据在不断地增多并积累。伴随着新类型可调节负荷接入电网，如分布式储能装置和电动汽车等，大量的新型负荷信息可能造成配电网故障时线路不同位置继电保护装置判断结果不一致情况。
但是，由于现有的故障定位方案是通过人工识别的方法确定配电网的故障位置，无法实现对配电网故障位置的快速识别，进而影响了配电网的故障修复速度。
发明内容
本发明提供一种配电网故障位置的定位方法、装置、设备及介质，实现了基于故障定位结果信息确定对应的故障场景，并且根据故障场景确定故障位置，进而达到了提高了配电网故障位置的确定效率的技术效果。
第一方面，本发明实施例提供了一种配电网故障位置的定位方法，包括：
获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景；其中，故障信息索引表是预先确定的与故障场景相对应的索引信息表；
确定与目标故障场景相对应的初始融合结果和初始融合系数，基于初始融合结果和初始融合系数确定目标融合系数；
基于目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定待应用融合结果是否满足预设精度条件；
如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置。
第二方面，本发明实施例还提供了一种配电网故障位置的定位装置，该装置包括：
故障场景确定模块，用于获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景；其中，故障信息索引表是预先确定的与故障场景相对应的索引信息表；
目标融合系数确定模块，用于确定与目标故障场景相对应的初始融合结果和初始融合系数，基于初始融合结果和初始融合系数确定目标融合系数；
融合结果确定模块，用于基于目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定待应用融合结果是否满足预设精度条件；
故障位置确定模块，用于如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置。
第三方面，本发明实施例还提供了一种电子设备，设备包括：
一个或多个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够实现如本发明实施例任一的配电网故障位置的定位方法。
第四方面，本发明实施例还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实施例任一的配电网故障位置的定位方法。
本发明实施例的技术方案，通过获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景，并确定与目标故障场景相对应的初始融合结果和初始融合系数，基于初始融合结果和初始融合系数确定目标融合系数，进而基于目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定待应用融合结果是否满足预设精度条件，如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置。基于上述技术方案，实现了基于故障定位结果信息确定对应的故障场景，并且根据故障场景确定故障位置，进而达到了提高了配电网故障位置的确定效率的技术效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更加清楚地说明本发明实施例中的技术方案，下面对描述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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种配电网故障位置的定位方法的流程示意图；
图2是本发明实施例提供的故障信息索引表的示意图；
图3是本发明实施例提供的一种配电网故障位置的定位方法的流程图；
图4是本发明实施例提供的模糊推理系统结构示意图；
图5是本发明实施例提供的配电网线路故障模型示意图；
图6是本发明实施例提供的一种配电网故障位置的定位装置的结构框图；
图7是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例提供的一种配电网故障位置的定位方法的流程示意图，本实施例可适用于根据传感器采集到的故障定位结果信息确定对应的故障场景，进而基于故障场景进行数据融合，最终确定出配电网的故障位置的情况，该方法可以由配电网故障位置的定位装置来执行，该配电网故障位置的定位装置可以采用硬件/或软件的形式实现，该装置可配置于电子设备中，该电子设备可以是PC端或服务端等。
如图1所示，该方法包括：
S110、获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景。
其中，故障定位结果信息可以是设置于配电网上的传感器采集得到的故障定位信息。故障信息索引表是预先确定的与故障场景相对应的索引信息表。目标故障场景可以理解为与故障定位结果信息相对应的故障场景，例如可以是单相接地故障、双相故障、双相接地故障、三相故障等故障场景。
具体的，通过设置于配电网上的传感器获取待应用的故障定位结果信息，并基于故障结果信息和故障信息索引表确定与故障定位结果信息相对应的目标故障场景，例如可以是根据故障定位结果信息在故障信息索引表中进行匹配，根据匹配结果确定出与故障定位结果信息相对应的目标故障场景。需要说明的是，故障定位结果信息可以是设置于配电网中的传感器在不同的周期进行采样得到的位置信息，不同采用周期得到的故障定位结果信息可能不同。
在上述技术方案的基础上，在基于故障定位结果信息和故障分类模型确定目标故障场景之前，包括：获取至少两个故障定位样本信息，并基于故障定位样本信息和预设故障信息确定故障场景信息；确定与各故障定位样本信息相对应的贝叶斯风险信息，并基于贝叶斯风险信息确定与故障场景信息相对应的故障样本定位结果；基于故障场景信息和故障样本定位结果确定故障信息索引表。
其中，故障定位样本信息可以是基于设置于配电网中的传感器获取到的故障位置的样本信息，还可以是从预先设置的故障数据库中获取的样本定位数据。预设故障信息可以理解为预先设置的故障模型，并且预设故障信息可以是一个或者多个。故障场景信息可以是与故障定位样本信息相对应的故障场景的匹配程度，需要说明的是，不同的故障定位样本信息对应的故障场景可能不同。贝叶斯风险信息可以理解为用于确定当前故障场景信息是否确切的信息。故障样本定位结果可以是基于贝叶斯风险信息进行筛选后确定的定位结果信息。
具体的，获取至少两个故障定位样本信息，并根据预设故障信息和故障定位样本信息确定对应的故障场景信息，并基于贝叶斯融合理论确定与各故障场景信息相对应的贝叶斯风险信息，进而基于贝叶斯风险信息对各故障场景信息进行筛选后，确定故障样本定位结果，进而基于故障场景信息和故障样本定位结果确定故障信息索引表，例如，可以是传感器输入初始故障定位结果数据预处理，首先，通过多个传感器发出的定位结果信息作为初始数据融合来识别故障场景。识别的过程是搜索定位结果与之匹配的最接近的故障场景。其公式可以表示为：
Figure BDA0004144328370000061
其中，/>
Figure BDA0004144328370000062
为表示多个传感器源故障定位样本信息；m1,m2,...,mn为表示存储在传统电力系统模型中的预设故障信息；mk是根据最大匹配度，其中k值识别出的故障场景范围为1～n，进而确定出最匹配的故障场景，进而在得到故障场景后，基于贝叶斯融合理论，确定对应的贝叶斯风险，假设n是定位结果的数目。融合系数的判定结果由u0表示，每个传感器的判决结果统一由u＝(u1，u2，....，uN)表示，则贝叶斯风险信息为/>
Figure BDA0004144328370000071
其中，/>
Figure BDA0004144328370000072
Figure BDA0004144328370000073
其中，P0(z)为目标的量测分布概率密度函数，Cij为假设Hi成立时做出uj决策的代价。C为最小误差代价函数，P(u∣H0)、P(u∣H1)分别为判决为(假/真)的似然函数，RB为贝叶斯风险值。根据判决条件，选择贝叶斯风险最低的点为故障样本定位结果dm。
在上述技术方案的基础上，基于故障场景信息和故障样本定位结果确定故障信息索引表，包括：获取与故障样本定位结果相对应的目标定位样本信息；基于三角隶属函数对目标定位样本信息和故障样本定位结果进行模糊处理，确定与故障场景信息相对应的模糊规则参数；基于模糊规则参数建立故障信息索引表。
其中，目标定位样本信息可以是与故障样本定位结果相对应的样本信息。三角隶属函数可以理解为将隶属度函数呈现为一个三角形的函数形式。模糊规则参数可以是根据三角隶属函数对故障样本定位结果和目标定位样本信息进行模糊处理后得到的参数信息。
具体的，获取与故障样本定位结果相对应的目标定位样本信息，进而基于三角隶属函数对目标定位样本信息和故障样本定位结果进行模糊处理，进而得到与故障场景信息相对应的模糊规则参数，进而可以根据模糊规则参数建立故障信息索引表，例如，可以是用三角隶属函数将输入故障定位数据转化为模糊输入变量，函数由A、B、C三点定义，X轴为输入数据，Y轴为隶属度。隶属函数的值表示变量x所属域的程度。A点、B点和C点的x值由故障样本定位结果dm确定，也即获取与故障样本定位结果相对应的目标定位样本信息，并将其作为输入数据：
Figure BDA0004144328370000081
其中，变量di代表两个传感器的目标定位样本信息，i等于1或2；指示定位结果是来自配电网的M端还是N端。k值是模糊域指数，其中k和k+1表示相邻域，其指数与真实故障位置有关。变量d1和d2表示两个位置结果。变量dt表示真实故障位置。
在上述技术方案的基础上，基于模糊规则参数信息建立故障信息索引表，包括：获取与目标配电线路相对应的故障位置范围信息和故障间隔参数信息；基于故障位置范围信息、故障间隔参数信息以及模糊规则参数信息建立与目标配电线路相对应的故障信息索引表。
其中，目标配电网可以是用户根据需求选择的配电网，也可以是与样本数据相对应的配电网，需要说明的是，如果目标配电网是与样本数据相对应的配电网，则获取样本数据的方式为从预设数据库中调取与目标配电网相对应的历史故障数据，将该历史故障数据作为样本数据。故障位置信息可以是预先设置的故障位置的定义域，相应的，故障间隔参数信息可以理解为各个故障位置之间的最小间隔数，也即判别故障位置的粒度。
具体的，获取与目标配电线路相对应的故障位置范围信息和故障间隔参数信息，进而基于故障位置范围信息、故障间隔参数信息以及模糊规则参数信息建立与目标配电线路相对应的故障信息索引表，例如，可以是通过建立定位结果与实际故障位置的隶属函数关系，其中的每个规则都对应一个“if-then”形式的模糊条件语句。根据模糊输入变量表示两种定位结果，实际故障位置由模糊输出变量表示，例如规则语句可以是：如果定位结果d1为“0.0”，定位结果d2为“0.0”，则真实故障位置dt为“0.0”；如果定位结果d1为“0.1”，定位结果d2为“0.1”，则真实故障位置dt为“0.1”；如果定位结果d1为“1.0”，定位结果d2为“1.0”，则真实故障位置dt为“1.0”。需要说明的是，值0.0、0.1、0.2…、1.0是条线的比值。短语是所表示的故障位置的定义域，其条件语句概括如果d1在一定范围内，d2在一定范围内，则dt推断为故障位置。利用模糊推理系统(Fuzzy Inference Systems，FIS)所构建的推理规则，建立各故障场景下的两个定位结果与故障位置之间的非线性关系，进而在此隶属度函数规则建立基础上，根据配电网线路故障出现的不同情况，利用MATLAB中的Fuzzy-Logic工具箱对FIS进行建模和模糊推理。首先通过仿真得到故障先验定位结果。接着，设定线路故障位置范围为0.0～1.0，间隔为0.1。然后获取与目标配电网相对应的模糊规则参数，最后确定FIS的参数，从而建立了该配电网线路故障情况下的FIS。
在上述技术方案的基础上，基于模糊规则参数信息建立故障信息索引表，包括：获取与目标定位样本信息相对应的协方差参数信息和交叉协方差参数信息；基于协方差参数信息和交叉协方差参数信息确定与目标定位样本信息相对应的初始融合结果和初始融合系数；根据故障类型将初始融合结果和初始融合系数存储至故障信息索引表中。
其中，协方差参数信息可以是基于目标定位样本信息确定不同的传感器定位结果之间的误差信息。交叉协方差参数信息可以理解为基于目标定位样本信息确定不同的传感器定位结果之间相关信息。初始融合结果可以是基于初始融合系数和目标定位样本信息确定的初步的融合结果。初始融合系数可以是基于协方差参数信息和交叉协方差参数信息确定的融合系数。故障类型可以是与故障场景相对应的故障类型，例如可以是在不同的故障场景下，不同的故障类型，可以是基于故障电阻的不同，对其进行划分。
具体的，获取与目标定位样本信息相对应的协方差参数信息和交叉协方差参数信息，进而基于协方差参数信息和交叉协方差参数信息确定与目标定位样本信息相对应的初始融合结果和初始融合系数，并根据故障类型将初始融合结果和初始融合系数存储至故障信息索引表中。例如，可以是采用加权协方差融合计算融合系数，具体计算公式如下：df＝pd1+qd2；其中，df为初始融合结果；p与q为初始融合系数；
Figure BDA0004144328370000101
其中，变量σ1和σ2是每个单独定位结果的协方差，σ12和σ21是两个定位结果的交叉协方差，进一步的，
Figure BDA0004144328370000102
其中，变量dt为实际故障位置，N为一个周期内的采样数，需要说明的是，采用故障类型、故障电阻和故障位置作为故障场景的决定属性。每一个FIS包含了11个覆盖线范围的推理规则。由于每个FIS都建立了两个定位结果与故障位置之间的关系，因此在故障信息索引表中建立了考虑故障类型和故障电阻的不同故障场景的FIS并存储在故障信息索引表中，如图2所示，字符“PG、pp、ppg、PPPG”代表故障类型，也即单相接地故障、双相故障、双相接地故障、三相故障等故障场景。数字表示故障电阻的值。每个FIS对应于一个特定的故障场景。
在上述技术方案的基础上，获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景，包括：获取目标配电网两端距离继电器的待应用的故障定位结果信息；基于最大隶属度原则和故障信息索引表，确定与故障定位结果相对应的目标故障场景；基于目标故障场景获取初始融合结果和初始融合系数。
其中，距离继电器可以是设置于目标配电网中的故障判别元件。最大隶属度原则可以是用于确定与故障定位结果信息相匹配的目标故障场景的原则。
具体的，获取目标配电网两端距离继电器的待应用的故障定位结果信息，进而基于最大隶属度原则和故障信息索引表，确定与故障定位结果相对应的目标故障场景，最后基于目标故障场景获取初始融合结果和初始融合系数，例如，可以是基于最大隶属度原则进行匹配，确定最相近的目标故障场景，再基于目标故障场景获取对应的初始融合结果和初始融合系数，也即根据配电网线路两端的距离继电器的两个定位结果作为输入，同时在故障定位前通过故障分类确定，并作为输入数据输入给定故障类型的所有FIS中，识别故障场景。基于“最大隶属度原理”从FIS中识别出故障场景，得到与识别出的故障场景对应的初始融合结果，FISk＝max{FIS1(d1,d2),FIS2(d1,d2),...,FISn(d1,d2)}。
S120、确定与目标故障场景相对应的初始融合结果和初始融合系数，基于初始融合结果和初始融合系数确定目标融合系数。
具体的，根据目标故障场景从故障信息索引表中获取与目标故障场景相对应的初始融合结果和初始融合系数，进而基于初始融合结果和初始融合系数确定目标融合系数，例如可以是在确定得到目标故障场景后，获取传感器采集得到的故障电阻值，进而基于故障电阻值在故障信息索引表中确定出对应的初始融合结果和初始融合系数，进而基于插值法计算初始融合结果的故障场景对应的目标融合系数，其计算公式如下：dfusion＝p(df)d1+q(df)d2，其中，dfusion为目标融合系数。
S130、基于目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定待应用融合结果是否满足预设精度条件。
其中，数据融合方程是用于进一步确定待应用融合结果的计算方程，也即
Figure BDA0004144328370000121
相应的，待应用融合结果可以是基于数据融合方程对目标融合系数进行处理后的结果。
具体的，在获取到目标融合系数后，基于目标融合系数和数据融合方程进行求解，进而确定出待应用融合结果，并确定待应用融合结果是否满足预设精度条件，例如，可以是利用新的融合结果更新融合系数，从而对数据融合方程进行求解，直到最终待应用融合结果的误差满足要求的精度。
在上述技术方案的基础上，确定待应用融合结果是否满足预设精度条件，包括：基于待应用融合结果和目标融合系数确定精度信息；如果精度信息小于预设精度信息，则确定为待应用融合结果满足预设精度条件；如果精度信息大于预设精度信息，则确定为当前待应用融合结果不满足预设精度条件，返回执行获取待应用的故障定位结果信息的操作。
其中，精度信息可以是待应用融合结果和目标融合系数之间的误差信息。预设精度信息可以理解为预先设置的精度数据。
具体的，基于待应用融合结果和目标融合系数确定精度信息，如果精度信息小于预设精度信息，则确定为待应用融合结果满足预设精度条件，如果精度信息大于预设精度信息，则确定为当前待应用融合结果不满足预设精度条件，返回执行获取待应用的故障定位结果信息的操作，也即，判断精度是否满足条件，ε作为迭代精度，通常设定ε＝0.01。当e<ε时，选择最后一次的迭代融合结果作为最终融合结果；当e>ε时，则返回执行获取待应用的故障定位结果信息的操作，基于获取的待应用的故障定位结果重新进行数据融合，也即
Figure BDA0004144328370000131
S140、如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置。
其中，目标故障结果可以是最终确定的故障位置信息。
具体的，如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置，例如可以是在待应用融合结果满足预设精度条件后，将当前的待应用融合结果作为目标故障结果，目标故障结果确定出配电网的故障位置，例如当目标故障结果为0.8时，则说明当前故障发生于目标配电网的0.8位置处，也即基于目标配电网的位置信息，确定出故障发生的区段。
本发明实施例的技术方案，通过获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景，并确定与目标故障场景相对应的初始融合结果和初始融合系数，基于初始融合结果和初始融合系数确定目标融合系数，进而基于目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定待应用融合结果是否满足预设精度条件，如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置。基于上述技术方案，实现了基于故障定位结果信息确定对应的故障场景，并且根据故障场景确定故障位置，进而达到了提高了配电网故障位置的确定效率的技术效果。
实施例二
图3是本发明实施例提供的一种配电网故障位置的定位方法的流程图。本实施例在上述实施例的基础上，进一步优化了上述配电网故障位置的定位方法。其具体的实施方式可以参见本实施例技术方案。其中，与上述实施例相同或者相应的技术术语在此不再赘述。
本实施例提供技术方案如图3所示：
获取并处理样本数据：具体的，通过多个传感器发出的定位结果信息作为故障定位样本信息融合来识别故障场景。识别的过程是搜索定位结果与之匹配的最接近的故障场景。可以表示为：
Figure BDA0004144328370000141
其中，/>
Figure BDA0004144328370000142
为表示多个传感器源故障定位结果，也即故障定位样本信息；m1,m2,...,mn为表示存储在传统电力系统模型中的不同故障场景；mk是根据最大匹配度，其中k值识别出的故障场景范围为1～n；
确定故障样本定位结果：具体的，在识别故障场景结果后，通过对故障场景的多源定位数据结果进行融合，得到故障样本定位结果。计算过程基于贝叶斯融合理论。假设n是定位结果的数目。融合系数的判定结果由u0表示，每个传感器的判决结果统一由u＝(u1，u2，....，uN)表示。融合系统贝叶斯风险为：
Figure BDA0004144328370000143
其中，/>
Figure BDA0004144328370000144
Figure BDA0004144328370000145
其中，P0(z)为目标的量测分布概率密度函数，Cij为假设Hi成立时做出uj决策的代价。C为最小误差代价函数，P(u∣H0)、P(u∣H1)分别为判决为(假/真)的似然函数，RB为贝叶斯风险值。根据判决条件，选择贝叶斯风险最低的点为故障样本定位结果dm。
建立针对配电网故障位置的模糊推理系统(Fuzzy Inference Systems，FIS)：具体的，如图4所示，以故障场景、故障电阻Rf、故障线路传感器两端判定结果d1和d2、以及故障样本定位结果dm为先验数据，建立故障诊断系统。建模过程包括两个部分：模糊化、建立模糊规则库和模糊推理。模糊化。用三角隶属函数将输入故障定位数据转化为模糊输入变量，函数由A、B、C三点定义，X轴为输入数据，Y轴为隶属度。隶属函数的值表示变量x所属域的程度。A点、B点和C点的x值由故障样本定位结果dm对应的样本数据确定，也即，
Figure BDA0004144328370000151
其中，如图5所示，变量di代表两个传感器信息定位结果，i等于1或2；指示定位结果是来自行的M端还是N端。k值是模糊域指数，其中k和k+1表示相邻域，其指数与真实故障位置有关。变量d1和d2表示两个位置结果。变量dt表示真实故障位置。进一步的，构建模糊规则库。建立定位结果与实际故障位置的隶属函数关系，其中的每个规则都对应一个“if-then”形式的模糊条件语句。根据模糊输入变量表示两种定位结果，实际故障位置由模糊输出变量表示。条件语句概括如果d1在一定范围内，d2在一定范围内，则dt推断为故障位置。利用FIS所构建的推理规则，建立各故障场景下的两个定位结果与故障位置之间的非线性关系。在此隶属度函数规则建立基础上，根据配电网线路故障出现的不同情况，利用MATLAB中的Fuzzy-Logic工具箱对FIS进行建模和模糊推理。首先通过仿真得到故障先验定位结果。接着，设定线路故障位置范围为0.0～1.0，间隔为0.1。然后，基于模糊规则参数确定FIS的参数，从而建立了该配电网线路故障情况下的FIS。
确定初始融合系数：具体的，建立FIS后，计算并存储初始融合系数，以便进一步对两个定位结果进行数据融合。采用加权协方差融合计算融合系数，具体计算公式如下：df＝pd1+qd2；其中，df为初始融合结果；p与q为初始融合系数，
Figure BDA0004144328370000161
变量σ1和σ2是每个单独定位结果的协方差，σ12和σ21是两个定位结果的交叉协方差。表达式如下所示：
Figure BDA0004144328370000162
Figure BDA0004144328370000163
其中，变量dt为实际故障位置，N为一个周期内的采样数。在建模过程中，采用故障类型、故障电阻和故障位置作为故障场景的决定属性。每一个FIS包含了11个覆盖线范围的推理规则。由于每个FIS都建立了两个定位结果与故障位置之间的关系，因此在模型中建立了考虑故障类型和故障电阻的不同故障场景的FIS并存储在模型中。
确定故障位置：具体的，根据配电网线路两端的距离继电器的两个定位结果作为模型的输入。同时在故障定位前通过故障分类确定，并作为输入数据输入模型给定故障类型的所有FIS中，识别故障场景。基于“最大隶属度原理”从FIS中识别出故障场景，得到与识别出的故障场景对应的初始融合结果；FISk＝max{FIS1(d1,d2),FIS2(d1,d2),...,FISn(d1,d2)}。确定故障场景和初始融合结果后，根据故障信息索引表所列识别出的故障场景的目标融合系数进行进一步的数据融合，采用插值法计算初始融合结果的故障场景对应的目标融合系数，其计算公式如下：dfusion＝p(df)d1+q(df)d2；进而通过数据融合方程得到最终的融合结果。首先，将初始融合结果代入并计算目标融合系数。利用目标融合系数更新融合系数。从而对数据融合方程进行求解，直到待应用融合结果的误差满足要求的精度。数据融合迭代方程定义如下：
Figure BDA0004144328370000171
判断精度是否满足条件，ε作为迭代精度，通常设定ε＝0.01。当e<ε时，选择最后一次的迭代融合结果作为最终融合结果；当e>ε时，则返回执行获取待应用的故障定位结果信息的操作，基于获取的待应用的故障定位结果重新进行数据融合，也即/>
Figure BDA0004144328370000172
输出模型信息融合结果dfusion，确定配电网线路故障出现位置。
本发明实施例的技术方案，通过获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景，并确定与目标故障场景相对应的初始融合结果和初始融合系数，基于初始融合结果和初始融合系数确定目标融合系数，进而基于目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定待应用融合结果是否满足预设精度条件，如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置。基于上述技术方案，实现了基于故障定位结果信息确定对应的故障场景，并且根据故障场景确定故障位置，进而达到了提高了配电网故障位置的确定效率的技术效果。
实施例三
图6是本发明实施例提供的一种配电网故障位置的定位装置的结构框图。该装置包括：故障场景确定模块610、目标融合系数确定模块620、融合结果确定模块630以及故障位置确定模块640。
故障场景确定模块610，用于获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景；其中，故障信息索引表是预先确定的与故障场景相对应的索引信息表；
目标融合系数确定模块620，用于确定与目标故障场景相对应的初始融合结果和初始融合系数，基于初始融合结果和初始融合系数确定目标融合系数；
融合结果确定模块630，用于基于目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定待应用融合结果是否满足预设精度条件；
故障位置确定模块640，用于如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置。
在上述技术方案的基础上，装置还包括：故障信息索引表建立模块，用于在基于故障定位结果信息和故障分类模型确定目标故障场景之前，获取至少两个故障定位样本信息，并基于故障定位样本信息和预设故障信息确定故障场景信息；确定与各故障定位样本信息相对应的贝叶斯风险信息，并基于贝叶斯风险信息确定与故障场景信息相对应的故障样本定位结果；基于故障场景信息和故障样本定位结果确定故障信息索引表。
在上述技术方案的基础上，故障信息索引表建立模块，用于获取与故障样本定位结果相对应的目标定位样本信息；基于三角隶属函数对目标定位样本信息和故障样本定位结果进行模糊处理，确定与故障场景信息相对应的模糊规则参数；基于模糊规则参数信息建立故障信息索引表。
在上述技术方案的基础上，故障信息索引表建立模块，用于获取与目标配电线路相对应的故障位置范围信息和故障间隔参数信息；基于故障位置范围信息、故障间隔参数信息以及模糊规则参数信息建立与目标配电线路相对应的故障信息索引表。
在上述技术方案的基础上，故障信息索引表建立模块，用于获取与目标定位样本信息相对应的协方差参数信息和交叉协方差参数信息；基于协方差参数信息和交叉协方差参数信息确定与目标定位样本信息相对应的初始融合结果和初始融合系数；根据故障类型将初始融合结果和初始融合系数存储至故障信息索引表中。
在上述技术方案的基础上，故障场景确定模块，用于获取目标配电网两端距离继电器的待应用的故障定位结果信息；基于最大隶属度原则和故障信息索引表，确定与故障定位结果相对应的目标故障场景；基于目标故障场景获取初始融合结果和初始融合系数。
在上述技术方案的基础上，融合结果确定模块，用于基于待应用融合结果和目标融合系数确定精度信息；如果精度信息小于预设精度信息，则确定为待应用融合结果满足预设精度条件；如果精度信息大于预设精度信息，则确定为当前待应用融合结果不满足预设精度条件，返回执行获取待应用的故障定位结果信息的操作。
本发明实施例的技术方案，通过获取待应用的故障定位结果信息，并基于故障定位结果信息和故障信息索引表确定目标故障场景，并确定与目标故障场景相对应的初始融合结果和初始融合系数，基于初始融合结果和初始融合系数确定目标融合系数，进而基于目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定待应用融合结果是否满足预设精度条件，如果待应用融合结果满足预设精度条件，则将待应用融合结果作为目标故障结果，基于目标故障结果确定故障位置。基于上述技术方案，实现了基于故障定位结果信息确定对应的故障场景，并且根据故障场景确定故障位置，进而达到了提高了配电网故障位置的确定效率的技术效果。
本发明实施例所提供的配电网故障位置的定位装置可执行本公开任一实施例所提供的配电网故障位置的定位方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
实施例四
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如配电网故障位置的定位方法。
在一些实施例中，配电网故障位置的定位方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的配电网故障位置的定位方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行配电网故障位置的定位方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种配电网故障位置的定位方法，其特征在于，包括：
获取待应用的故障定位结果信息，并基于所述故障定位结果信息和故障信息索引表确定目标故障场景；其中，所述故障信息索引表是预先确定的与故障场景相对应的索引信息表；
确定与所述目标故障场景相对应的初始融合结果和初始融合系数，基于所述初始融合结果和所述初始融合系数确定目标融合系数；
基于所述目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定所述待应用融合结果是否满足预设精度条件；
如果所述待应用融合结果满足预设精度条件，则将所述待应用融合结果作为目标故障结果，基于所述目标故障结果确定故障位置。
2.根据权利要求1所述的方法，其特征在于，在所述基于所述故障定位结果信息和故障分类模型确定目标故障场景之前，包括：
获取至少两个故障定位样本信息，并基于所述故障定位样本信息和预设故障信息确定故障场景信息；
确定与各故障定位样本信息相对应的贝叶斯风险信息，并基于所述贝叶斯风险信息确定与所述故障场景信息相对应的故障样本定位结果；
基于所述故障场景信息和所述故障样本定位结果确定故障信息索引表。
3.根据权利要求2所述的方法，其特征在于，所述基于所述故障场景信息和所述故障样本定位结果确定故障信息索引表，包括：
获取与所述故障样本定位结果相对应的目标定位样本信息；
基于三角隶属函数对所述目标定位样本信息和所述故障样本定位结果进行模糊处理，确定与所述故障场景信息相对应的模糊规则参数；
基于所述模糊规则参数信息建立所述故障信息索引表。
4.根据权利要求3所述的方法，其特征在于，所述基于所述模糊规则参数信息建立所述故障信息索引表，包括：
获取与目标配电线路相对应的故障位置范围信息和故障间隔参数信息；
基于所述故障位置范围信息、所述故障间隔参数信息以及所述模糊规则参数信息建立与所述目标配电线路相对应的故障信息索引表。
5.根据权利要求3所述的方法，其特征在于，所述基于所述模糊规则参数信息建立所述故障信息索引表，包括：
获取与所述目标定位样本信息相对应的协方差参数信息和交叉协方差参数信息；
基于所述协方差参数信息和交叉协方差参数信息确定与所述目标定位样本信息相对应的初始融合结果和初始融合系数；
根据故障类型将所述初始融合结果和所述初始融合系数存储至故障信息索引表中。
6.根据权利要求1所述的方法，其特征在于，所述获取待应用的故障定位结果信息，并基于所述故障定位结果信息和故障信息索引表确定目标故障场景，包括：
获取目标配电网两端距离继电器的待应用的故障定位结果信息；
基于最大隶属度原则和所述故障信息索引表，确定与所述故障定位结果相对应的目标故障场景；
基于所述目标故障场景获取初始融合结果和初始融合系数。
7.根据权利要求1所述的方法，其特征在于，所述确定所述待应用融合结果是否满足预设精度条件，包括：
基于所述待应用融合结果和目标融合系数确定精度信息；
如果所述精度信息小于预设精度信息，则确定为所述待应用融合结果满足所述预设精度条件；
如果所述精度信息大于所述预设精度信息，则确定为当前待应用融合结果不满足所述预设精度条件，返回执行所述获取待应用的所述故障定位结果信息的操作。
8.一种配电网故障位置的定位装置，其特征在于，包括：
故障场景确定模块，用于获取待应用的故障定位结果信息，并基于所述故障定位结果信息和故障信息索引表确定目标故障场景；其中，所述故障信息索引表是预先确定的与故障场景相对应的索引信息表；
目标融合系数确定模块，用于确定与所述目标故障场景相对应的初始融合结果和初始融合系数，基于所述初始融合结果和所述初始融合系数确定目标融合系数；
融合结果确定模块，用于基于所述目标融合系数和数据融合方程进行求解，确定待应用融合结果，并确定所述待应用融合结果是否满足预设精度条件；
故障位置确定模块，用于如果所述待应用融合结果满足预设精度条件，则将所述待应用融合结果作为目标故障结果，基于所述目标故障结果确定故障位置。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的配电网故障位置的定位方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的配电网故障位置的定位方法。
CN202310299161.4A 2023-03-24 2023-03-24 配电网故障位置的定位方法、装置、设备及介质 Pending CN116298690A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310299161.4A CN116298690A (zh) 2023-03-24 2023-03-24 配电网故障位置的定位方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310299161.4A CN116298690A (zh) 2023-03-24 2023-03-24 配电网故障位置的定位方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN116298690A true CN116298690A (zh) 2023-06-23

Family

ID=86828518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310299161.4A Pending CN116298690A (zh) 2023-03-24 2023-03-24 配电网故障位置的定位方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116298690A (zh)

Similar Documents

Publication Publication Date Title
CN116489038A (zh) 网络流量的预测方法、装置、设备和介质
CN116307215A (zh) 一种电力系统的负荷预测方法、装置、设备及存储介质
CN117235608B (zh) 风险检测方法、装置、电子设备及存储介质
CN117034149A (zh) 故障处理策略确定方法、装置、电子设备和存储介质
CN116957539A (zh) 电缆状态评价方法、装置、电子设备及存储介质
CN116298690A (zh) 配电网故障位置的定位方法、装置、设备及介质
CN115665783A (zh) 一种异常指标溯源方法、装置、电子设备及存储介质
CN115601042A (zh) 信息识别方法、装置、电子设备及存储介质
CN117271098B (zh) 一种ai模型计算核调度方法、装置、设备及存储介质
CN114037058B (zh) 预训练模型的生成方法、装置、电子设备以及存储介质
CN116186536A (zh) 风险预测方法、装置、电子设备及存储介质
CN117420444A (zh) 一种电池状态确定方法、装置、设备及存储介质
CN117455067A (zh) 一种电量消耗预测方法、装置、电子设备及存储介质
CN117611011A (zh) 一种数据处理方法、装置、电子设备及存储介质
CN117668655A (zh) 一种变压器故障的识别方法、装置、设备及介质
CN116822740A (zh) 配电网运维方案确定方法、装置、电子设备及存储介质
CN117828364A (zh) 还原度确定方法、装置、设备及存储介质
CN117610927A (zh) 设备风险评估方法、装置、电子设备和存储介质
CN116961229A (zh) 一种变电站故障定位方法、装置、电子设备和存储介质
CN118014018A (zh) 一种楼宇能源消耗预测方法、装置、设备及存储介质
CN116307159A (zh) 一种负荷预测方法、装置、电子设备和存储介质
CN117608896A (zh) 交易数据处理方法、装置、电子设备及存储介质
CN117634437A (zh) 一种设备当前运行状态的描述方法、装置及电子设备
CN117610928A (zh) 建筑设备风险评估函数生成方法、装置、设备以及介质
CN116703109A (zh) 一种配电网项目选取方法、装置、设备及存储介质

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