CN117237148A - 电网数据处理方法、装置、设备和存储介质 - Google Patents
电网数据处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117237148A CN117237148A CN202311185932.3A CN202311185932A CN117237148A CN 117237148 A CN117237148 A CN 117237148A CN 202311185932 A CN202311185932 A CN 202311185932A CN 117237148 A CN117237148 A CN 117237148A
- Authority
- CN
- China
- Prior art keywords
- fault
- equipment
- target
- power grid
- graph model
- 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
Links
- 238000003672 processing method Methods 0.000 title abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 37
- 238000010586 diagram Methods 0.000 claims description 28
- 238000004804 winding Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000003068 static effect Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000004519 manufacturing process 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
- 238000012502 risk assessment Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
本申请涉及一种电网数据处理方法、装置、计算机设备、存储介质。方法包括:获取目标电网的电网数据;电网数据包括至少一个电网设备的设备数据、以及目标电网的运行数据;基于设备数据构建设备图模型;设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;基于运行数据确定目标电网的目标故障图模型;目标故障图模型包括至少一个故障组,以及故障组关联的至少一个故障节点;建立设备图模型中设备节点与目标故障图模型中的故障节点之间的关联关系,得到目标图模型。采用本方法能够易于维护目标电网中的故障信息与电网设备之间的关联关系从而提高电网数据处理效率。
Description
技术领域
本申请涉及智能电网安全分析领域,特别是涉及一种电网数据处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
智能电力网络中,通过电力系统静态安全的约束条件、预想事故集的选择以及对于静态电压越限的风险评估来对电力系统的静态安全进行分析,从而给出安全对策,保障电网的安全稳定运行。
相关技术中,针对电力网络中的故障信息的管理都采用使用关系型数据库建模,由于故障信息与电网设备之间的关联关系复杂,导致在实际生产中,为了链接不同二维表所做的运算,通常会浪费掉电流检查任务高达25%的处理时间和全网状态评估任务高达35%的处理时间,针对电网数据的处理效率非常低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够便于维护电网的故障信息与电网设备之间的关联关系从而提高电网数据处理效率的电网数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种电网数据处理方法。所述方法包括:
获取目标电网的电网数据;所述电网数据包括至少一个电网设备的设备数据、以及所述目标电网的运行数据;
基于所述设备数据构建设备图模型;所述设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
基于所述运行数据确定所述目标电网的目标故障图模型;所述目标故障图模型包括至少一个故障组,以及所述故障组关联的至少一个故障节点;
建立所述设备图模型中设备节点与所述目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
在其中一个实施例中,所述基于所述设备数据构建设备图模型,包括:
解析所述设备数据以确定所述目标电网的多个电网设备,将每个所述电网设备均作为一个图节点;
从所述设备数据中确定各电网设备间的设备连接信息,并根据所述设备连接信息确定至少两个图节点间的关联边;
根据所述图节点和所述关联边,获得设备图模型。
在其中一个实施例中,所述基于所述运行数据确定所述目标电网的目标故障图模型,包括:
构建所述目标电网的初始故障图模型,所述初始故障图模型包括多个空的故障组;
基于所述运行数据,对所述多个空的故障组进行初始化,得到目标故障图模型。
在其中一个实施例中,所述基于所述运行数据,对所述多个空的故障组进行初始化,得到目标故障图模型,包括:
解析所述运行数据,得到故障信息;
基于所述故障信息关联的电网设备的数量,以及各所述电网设备的设备类型,确定所述故障信息所属的目标故障组;
在所述目标故障组中,构建所述故障信息对应的故障节点,得到目标故障图模型。
在其中一个实施例中,所述建立所述设备图模型中设备节点与所述目标故障图模型中的故障节点之间的关联关系,得到目标图模型,包括:
针对所述故障图模型中的每个所述故障节点,确定所述故障节点与所述设备图模型中相关联的设备节点之间的至少一个故障标识;
基于各所述故障标识,建立所述故障节点与所述设备图模型中相关联的各所述设备节点间的关联关系,得到目标图模型。
在其中一个实施例中,所述确定所述故障节点与所述设备图模型中相关联的设备节点之间的至少一个故障标识,包括:
获取所述故障节点关联的电网设备的设备类型,并确定与所述设备类型对应的第一故障标识;
获取所述故障节点关联的电网设备发生故障后的电气参数的实际值,所述电气参数包括以下至少之一:电压、功率;
若所述电气参数的实际值超过参数阈值,确定与所述电气参数对应的第二故障标识。
在其中一个实施例中,所述若所述电气参数的实际值超过参数阈值,确定与所述电气参数对应的第二故障标识,包括:
若所述电气参数为功率,且所述功率的实际值大于功率阈值,构建与所述电网设备对应的第二故障标识;
若所述电气参数为电压,且所述电压的实际值大于电压阈值,构建与所述电网设备对应的第二故障标识。
第二方面,本申请还提供了一种电网数据处理装置。所述装置包括:
获取模块,用于获取目标电网的电网数据;所述电网数据包括至少一个电网设备的设备数据、以及所述目标电网的运行数据;
构建模块,用于基于所述设备数据构建设备图模型;所述设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
确定模块,用于基于所述运行数据确定所述目标电网的目标故障图模型;所述目标故障图模型包括至少一个故障组,以及所述故障组关联的至少一个故障节点;
关联模块,用于建立所述设备图模型中设备节点与所述目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取目标电网的电网数据;所述电网数据包括至少一个电网设备的设备数据、以及所述目标电网的运行数据;
基于所述设备数据构建设备图模型;所述设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
基于所述运行数据确定所述目标电网的目标故障图模型;所述目标故障图模型包括至少一个故障组,以及所述故障组关联的至少一个故障节点;
建立所述设备图模型中设备节点与所述目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取目标电网的电网数据;所述电网数据包括至少一个电网设备的设备数据、以及所述目标电网的运行数据;
基于所述设备数据构建设备图模型;所述设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
基于所述运行数据确定所述目标电网的目标故障图模型;所述目标故障图模型包括至少一个故障组,以及所述故障组关联的至少一个故障节点;
建立所述设备图模型中设备节点与所述目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取目标电网的电网数据;所述电网数据包括至少一个电网设备的设备数据、以及所述目标电网的运行数据;
基于所述设备数据构建设备图模型;所述设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
基于所述运行数据确定所述目标电网的目标故障图模型;所述目标故障图模型包括至少一个故障组,以及所述故障组关联的至少一个故障节点;
建立所述设备图模型中设备节点与所述目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
上述电网数据处理方法、装置、计算机设备、存储介质和计算机程序产品,首先获取目标电网的电网数据,并基于电网数据中的设备数据构建设备图模型,然后基于电网数据中的运行数据确定目标电网的目标故障图模型;建立设备图模型中设备节点与目标故障图模型中的故障节点之间的关联关系,得到目标图模型,如此,通过关联两个图数据模型的方式,能够易于维护目标电网中的故障信息与电网设备之间的关联关系,提高具有复杂关联关系的数据的处理效率高。
附图说明
图1为一个实施例中电网数据处理方法的应用环境图;
图2为一个实施例中电网数据处理方法的流程示意图;
图3为一个实施例中目标电网的设备图模型的示例图;
图4为一个实施例中目标故障图模型的确定方法流程示意图;
图5为一个实施例中目标故障图模型中的各节点间的关联关系示意图;
图6为另一个实施例中目标故障图模型的确定方法流程示意图;
图7为一个实施例中故障标识的确定方法流程示意图;
图8为一个实施例中目标电网对应的目标图模型的示例图;
图9为一个实施例中电网数据处理装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的电网数据处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端102部署目标电网的电网管理客户端,向服务器发送针对目标电网的分析请求,分析请求中包括目标电网的电网数据的存放路径,服务器104接收到该分析请求,并基于分析请求中的存放路径,获取目标电网的电网数据,基于电网数据中的设备数据,在图数据库中,构建设备图模型,设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边。基于电网数据中的运行数据确定目标电网的目标故障图模型,最后建立设备图模型中设备节点与目标故障图模型中的故障节点之间的关联关系,得到目标图模型,并基于目标图模型执行针对目标电网的分析操作,得到分析结果,返回至终端。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和物联网设备,物联网设备可为智能电表等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种电网数据处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取目标电网的电网数据;电网数据包括至少一个电网设备的设备数据、以及目标电网的运行数据。
在实际实施时,目标电网的电网数据通常采用符合电力系统数据标记语言-E语言规范的文件存储,服务器将电网数据的文件解析成能够在图数据库中存储的结构化数据。电网数据包括至少一个电网设备的设备数据,以及目标电网的运行数据。目标电网中的电网设备可以包括交流传输线(Acline_dot)、三绕组变压器(three_port_transformer)、双绕组变压器(two_port_transformer)、负荷(Load)、母线(Busbar)、机组(Generator)、并联电容电抗器(C_P)、串联补偿器(C_S)、开关(Breaker)、刀闸(Disconnector)等。
步骤204,基于设备数据构建设备图模型;设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边。
在实际实施时,服务器解析设备数据,得到多个电网设备,以及不同电网设备在物理上的连接关系。在图数据库中通过点vertex(V)和边edge(E)定义目标电网对应的设备图模型G(V,E)。在目标电网的设备图模型中,电网设备作为设备图模型中的设备节点,以点的形式表示,不同电网设备在物理上的连接关系,作为设备图模型中的关联边,以边的形式表示。
示例性地,如图3所示,图中示出的为目标电网的设备图模型的示例。图中BS指示母线Busbar,DS指示刀闸Disconnector,CB指示刀闸Circuit Breaker,L指示负荷Load,G指示机组Generator,CN指示连接点Connectivity Node。电网设备间通过连接点CN连接。
步骤206,基于运行数据确定目标电网的目标故障图模型;目标故障图模型包括至少一个故障组,以及所述故障组关联的至少一个故障节点。
在实际实施时,为了基于图模型对目标电网中的故障信息进行管理,服务器也可以将目标电网关联的故障信息存在图数据库中,得到目标电网的目标故障图模型。其中,在目标故障图模型中,故障信息被划分为多个故障组(Fault Group),故障信息在相应故障组中以一个或多个故障节点(Fault)的形式存在。其中,故障节点也可以被划分为单一故障节点或复杂故障节点,单一故障节点是指符合N-1方式运行的某类电网设备中的一个电网设备发生故障,又称为N-1故障,N为目标电网中电网设备的数量,N为大于1的正整数。其中,N-1方式是指电网中一定范围内,对某类设备或某类部件而言,当只能允许其中1件发生故障(或退运)时才不至于影响向用户或下级电网供电(再多1件就会影响正常供电),此种运行方式就称为该类设备(或部件)在该范围内的N-1方式。复杂故障节点是指目标电网中同时有多个设备发生故障的情况。因此,复杂故障节点(Fault)存储当前故障信息中的多个发生故障的电网设备。若某条故障信息指示只有一个电网设备发生故障,则该故障信息对应的故障节点为单一故障节点,若某条故障信息指示同时有多个电网设备发生故障,该故障节点为复杂故障节点。
步骤208,建立设备图模型中设备节点与目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
在实际实施时,服务器得到目标电网的设备图模型以及目标故障图模型之后,获取目标故障图模型中的故障节点的故障元件名,并从设备图模型中的设备节点中查找设备名称与故障元件名相同的设备节点,然后,建立该设备节点与该故障节点之间的关联边。针对目标故障图模型中的所有故障节点执行上述查找过程,确定每个故障节点在设备图模型中的相匹配的设备节点,并建立两者间的关联边,最终,得到目标电网对应的目标图模型。该目标图模型详尽的记录了故障信息与电网设备之间的关联关系,在故障发生时,能够全面查找发生故障的电网设备,以及相关的其他设备。
上述电网数据处理方法中,可以高效处理包括复杂关联关系的故障信息,支持针对故障信息以及发生故障的电网设备的多种查询方式;对数据结构的变化具有较好的适应性。
在一个实施例中,基于设备数据构建设备图模型,包括:解析设备数据以确定目标电网的多个电网设备,将每个电网设备均作为一个图节点;从设备数据中确定各电网设备间的设备连接信息,并根据设备连接信息确定至少两个图节点间的关联边;根据图节点和关联边,获得设备图模型。
在实际实施时,服务器解析设备数据,得到多个电网设备,以及不同电网设备在物理上的连接关系。在图数据库中,创建目标电网的设备图模型,其中,将电网设备作为设备图模型中的点,将不同电网设备在物理上的连接关系,作为设备图模型中的关联边。需要说明的是,设备图模型中设备节点与设备节点之间是通过连接点CN连接的。
示例性地,如图3所示,在图数据库中,目标电网中的电网设备作为设备图模型中的设备节点,电网设备之间的连接关系作为设备图模型中设备节点间的关联边。
本实施例中,将设备数据解析基于图数据库存储的结构化数据,以防下次使用时再次解析,能够提高设备数据的重用率。
在一个实施例中,如图4所示,基于运行数据确定目标电网的目标故障图模型,包括:
步骤302,构建目标电网的初始故障图模型,初始故障图模型包括多个空的故障组。
在实际实施时,服务器预先针对目标电网构建相应的初始故障图模型,初始故障图模型包括多个空的故障组。其中,故障组是具有某种共同物理特征的多个故障的集合,这些物理特征可以是:开断元件类型,地区划分,电压等级划分等。故障组的属性至少包括故障组名称、故障组描述信息等。故障组包括多个单一故障对应的故障组,以及复杂故障对应的故障组。其中,复杂故障是指同时具有两个或两个以上的电气设备发生故障的故障信息。
示例性地,初始故障图模型包括的空的故障组,可以是N-1线路故障组(针对N-1说明如前述所示,N为大于1的正整数),N-1两卷变故障组,N-1三卷变故障组,N-1机组故障组和复杂故障组5个故障组等,其中,N-1线路故障组用于记录目标电网中电网设备-线路发生单一故障的故障组,N-1两卷变故障组用于记录目标电网中电网设备-两卷变压器发生单一故障的故障组,N-1三卷变故障组用于记录目标电网中电网设备-三卷变压器发生单一故障的故障组。
步骤304,基于运行数据,对多个空的故障组进行初始化,得到目标故障图模型。
在实际实施时,服务器解析运行数据中的故障信息,针对每条故障信息,首先确定故障信息所属的目标故障组,然后在目标故障组下构建与该故障信息对应的故障节点,实现针对初始故障图模型的初始化,得到目标电网对应的目标故障图。其中,如图5所示,故障节点是隶属于故障组的,故障节点指示发生故障的电网设备,故障节点至少具备以下属性:故障元件名、元件类型、故障所在厂站、所属故障组等,故障元件即为发生故障的电网设备。
本实施例中,通过预先定义多个不同类型的故障组的方式,构建目标电网的初始故障图模型,然后结合目标电网的故障数据,初始化初始故障图模型,得到目标故障图模型的方式,能够将故障信息保存成基于图数据库的结构化数据,保证数据的完整性,提高针对故障信息的查询效率。
在一个实施例中,如图6所示,基于运行数据,对多个空的故障组进行初始化,得到目标故障图模型,包括:
步骤402,解析运行数据,得到故障信息。
在实际实施时,服务器解析目标电网的运行数据,得到多条故障信息,故障信息记录了目标电网运行过程中所发生的故障,故障信息中记录有发生故障的电网设备,以及发生故障后该电网设备的电气参数的实际值。其中,发生故障的电网设备的设备数量可以为一个或多个。
步骤404,基于故障信息关联的电网设备的数量,以及各电网设备的设备类型,确定故障信息所属的目标故障组。
在实际实施时,针对每一条故障信息,服务器解析故障信息关联的电网设备的数量,以及各电网设备的设备类型。若发生故障的电网设备的数量为一个,则说明该故障信息所指示的故障为单一故障,然后,根据发生故障的电网设备的设备类型,确定该故障信息在初始故障图模型中所属的故障组。若发生故障的电网设备的数量为多个,则说明该故障信息所指示的故障为复杂故障,该故障信息归属于复杂故障组。
示例性地,基于步骤402示例,若故障信息关联的电网设备为两卷变压器,此时,该故障信息所属故障组为两卷变故障组。
步骤406,在目标故障组中,构建故障信息对应的故障节点,得到目标故障图模型。
在实际实施时,服务器确定故障信息的故障组之后,构建该故障信息对应的空的故障节点,并读取故障信息中关联的电网设备的设备名称、设备类型、故障所在厂站、所属故障组等信息,以更新该空的故障节点的属性信息(故障元件名,元件类型,故障所在厂站,所属故障组),得到该故障信息对应的故障节点。若存在多条故障信息,依据上述方式依次构建每条故障信息对应的故障节点,最终得到该目标电网的目标故障图模型。
本实施例中,通过故障信息中关联的电网设备的设备类型、设备数量,确定故障信息所属的目标故障组,并在目标故障组下构建自身对应的故障节点,如此,能够实现针对故障信息的准确定位。
在一个实施例中,建立设备图模型中设备节点与目标故障图模型中的故障节点之间的关联关系,得到目标图模型,包括:针对故障图模型中的每个故障节点,确定故障节点与设备图模型中相关联的设备节点之间的至少一个故障标识;基于各故障标识,建立故障节点与设备图模型中相关联的各设备节点间的关联关系,得到目标图模型。
在实际实施时,目标电网的设备图模型以及目标故障图模型之间的关联关系,是通过建立设备图模型中的设备节点与目标故障图模型中的故障节点之间的关联关系实现的。其中,通过构建故障节点与设备节点之间的至少一个故障标识作为故障节点与设备节点之间的关联边的边数据,故障标识可以基于发生故障的电网设备的设备类型确定,也可以基于发生故障的电网设备的电气参数的实际值是否出现越限情况确定。其中,基于设备类型确定时,服务器预先为目标电网中的各种不同的设备类型设置相应的故障标识。通过该故障标识确定发生故障的电网设备,以及发生故障后,该电网设备的电气参数的实际值是否存在越限信息。越限信息是指电网设备的电气参数的实际值超出该电气参数发生告警的上下限区间的信息,电网越限信息包括母线电压、间隔电压、有功、无功,变压器油温、档位、交流电压等。可以理解的是,在目标图模型中,针对设备节点任一边,若边数据为故障标识,则表征该设备节点所指示的电网设备发生过故障信息。
本实施例中,通过构建设备节点与相应的故障节点之间的故障标识,建立设备节点与故障节点之间的关联关系,在进行故障分析时,能够提高定位故障的速度。
在一个实施例中,如图7所示,确定故障节点与设备图模型中相关联的设备节点之间的至少一个故障标识,包括:
步骤502,获取故障节点关联的电网设备的设备类型,并确定与设备类型对应的第一故障标识。
在实际实施时,服务器获取故障节点所指示的电网设备的设备类型,并确定与设备类型对应的第一故障标识。需要说明的是,第一故障标识与设备类型之间的对应关系可以是预先设置的。
示例性地,第一故障标识Fault_acline_select,表明故障节点Fault所指示的电网设备为线路设备(如交流传输线)ACline_dot,用于关联目标故障图模型中的故障节点Fault与设备图模型中的线路设备节点ACline_dot。第一故障标识为Fault_unit_select,表明故障节点Fault所指示的电网设备为发电机设备unit,用于关联目标故障图模型中的故障节点Fault与设备图模型中的发送机设备节点。第一故障标识Fault_twoport_select,表征故障节点Fault所指示的电网设备为双绕组变压器设备,用于关联目标故障图模型中的故障节点Fault与设备图模型中的双绕组变压器设备。第一故障标识Fault_threeport_select,表征故障节点Fault所指示的电网设备为三绕组变压器设备节点,用于关联目标故障图模型中的故障节点Fault与设备图模型中的三绕组变压器设备节点。本申请实施例对第一故障标识与设备类型之间的对应关系的设置不做限制。
步骤504,获取故障节点关联的电网设备发生故障后的电气参数的实际值,电气参数包括以下至少之一:电压、功率。
在实际实施时,服务器获取故障节点关联的电网设备发生故障后的电气参数的实际值,针对每个实际值,比较与相应的电气参数的第一参数阈值与第二参数阈值之间的关系。其中,第一参数阈值是该故障节点所指示的电气设备能够正常稳定运行时电气参数的取值下限,第二参数阈值是该故障节点所指示的电气设备能够正常稳定运行时电气参数的取值上限。电气设备的常见的电气参数包括电压、功率等。
步骤506,若电气参数的实际值超过参数阈值,确定与电气参数对应的第二故障标识。
在实际实施时,针对故障节点所指示的电网设备的电气参数的实际值产生越限时,构建电气参数对应的第二故障标识。若电气参数为功率,且电网设备发生故障后的功率的数值大于功率阈值,则确定与电网设备对应的第二故障标识,第二故障标识用于指示该电网设备的电压发生功率越限。若故障节点所指示的电网设备发生故障后的电压的数值大于电压阈值,则确定与该电网设备对应的第二故障标识,此时的第二故障标识用于指示该电网设备的功率发生功率越限。
示例性地,如图8所示,图中示出的是故障节点与设备节点之间的关联关系,针对目标故障图模型中的故障节点Fault,该故障节点指示电网设备为双绕组变压器,则可以通过构建第一故障标识Fault_twoport_select,关联故障节点Fault与设备图模型中的该电网设备的设备名称所指示的具体的双绕组变压器。若服务器检测发现故障发生后电网设备产生功率越限,此时,在该故障节点与双绕组变压器之间在构建一个第二故障标识Fault_twoport_overlimit,用于指示双绕组变压器在故障发生后发生功率越限。同理,用第二故障标识Fault_aclinedot_overlimit来关联故障节点和故障后产生功率越限的线路设备节点。用第二故障标识Fault_bus_overlimit来关联故障节点和故障后产生电压越限的母线段设备节点。用第二故障标识Fault_twoport_overlimit来关联故障节点和故障后产生电压越限的双绕组变压器设备节点。用第二故障标识Fault_threeport_overlimit来关联故障节点和故障后产生功率越限的三绕组变压器设备节点。
本实施例中,通过不同类型的故障标识,构建了目标电网的故障图模型与设备图模型间的关联关系,可以有效的管理目标电网中发生故障的电网设备。同时能够实时显示故障后的设备功率的越限情况,以及电压的越限情况。
为详细说明本方案中电网数据处理方法,下面以一个实施例进行说明,在该实施例中,针对电力系统(即前文中的目标电网)的电网数据处理方法,实际上是基于图数据库以及图数据模型实现针对复杂故障的管理。该方法包括以下四个步骤:1)根据电力系统的输电网模型文件,构建电力系统的设备图模型。2)构建相应的故障图模型。3)关联设备图模型以及故障图模型。
在构建设备图模型的过程中,获取电力系统的电网数据文件并解析,以电力系统中的电网设备作为设备图模型的点,以电网设备之间在物理上的连接关系作为设备图模型的边。
在构建故障图模型时,预先设置电力系统的多个故障组,故障组是具有某种特征的若干故障的集合,这些物理特征可以是:故障重数,开断元件类型,地区划分,电压等级划分等。预设的故障组可以包括N-1线路故障组,N-1两卷变故障组,N-1三卷变故障组,N-1机组故障组和复杂故障组5个故障组,N为大于1的正整数。初始化的故障组和故障信息通过加载包含电力系统的故障信息的文件到图数据库中得到。故障组(FaultGroup)的属性可以包括故障组名称,故障组描述。故障节点的属性包括故障元件名,元件类型,故障所在厂站,所属故障组。在实际实施时,相对于N-1故障表示只有一个设备故障的情况,复杂故障是指系统中同时有多个设备发生故障的情况。这种情况下,定义故障节点(Fault)的属性需要可以同时表示多个电网设备的信息,因此针对复杂故障属性的定义可以采用能够存储多个发生故障的电网设备的数据格式。其中,故障组、故障和故障元件的关联关系如图5所示,故障图模型中,故障节点从属于故障组所对应节点,故障节点可以定义多个发生故障的设备节点,设备节点所指示的设备包含了线路、两卷变、三卷变和母线段等多种设备节点。
在关联设备图模型以及故障图模型时,通过设计故障节点与电网设备节点之间的关联边来连接故障节点与设备节点。如图8所示,通过在设备图模型与故障图模型之间,构建故障节点Fault与交流传输线线路设备节点ACline_dot之间的边Fault_acline_select来关联故障节点Fault与设备节点ACline_dot,同时,用边Fault_aclinedot_overlimit来关联故障节点和故障后产生功率越限的线路设备节点。同样的,可以通过构建边Fault_unit_select来关联故障节点Fault与发电机设备节点unit;通过构建边Fault_bus_overlimit来关联故障节点与故障后产生电压越限的母线段设备节点;通过构建Fault_twoport_select/Fault_twoport_overlimit来关联故障节点和双绕组变压器设备节点;通过构建Fault_threeport_select/Fault_threeport_overlimit来关联故障节点和三绕组变压器设备节点。通过构建了故障管理图模型与电力系统图模型的关联关系,在发生故障后,可以有效的管理电网设备,并显示故障后的设备功率与电压的越限情况。
应用本实施例,具有以下有益效果:
本实施例中,利用图数据库和图数据模型对电力系统静态安全分析的故障定义和管理提供新的方法,相对于传统的静态安全分析的故障定义和管理都采用关系型数据库的技术实现,出现的缺乏对数据关联性的考虑、占用大量存储空间对数据量大的情况难以处理、难以应对数据结构复杂的情况、难以处理复杂的关系数据,对数据结构的变化敏感,维护成本高等问题,能够提高系统运行效率,可以处理复杂的关系数据,支持多种查询方式;对数据结构的变化具有较好的适应性,维护成本低。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的电网数据处理方法的电网数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个电网数据处理装置实施例中的具体限定可以参见上文中对于电网数据处理方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种电网数据处理装置,包括:获取模块、确定模块、拟合模块和预测模块,其中:
获取模块,用于获取目标电网的电网数据;电网数据包括至少一个电网设备的设备数据、以及目标电网的运行数据;
构建模块,用于基于设备数据构建设备图模型;设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
确定模块,用于基于运行数据确定所述目标电网的目标故障图模型;目标故障图模型包括至少一个故障组,以及故障组关联的至少一个故障节点;
关联模块,用于建立设备图模型中设备节点与目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
在一个实施例中,构建模块,还用于解析设备数据以确定目标电网的多个电网设备,将每个电网设备均作为一个图节点;从设备数据中确定各电网设备间的设备连接信息,并根据设备连接信息确定至少两个图节点间的关联边;根据图节点和关联边,获得设备图模型。
在一个实施例中,确定模块,还用于构建目标电网的初始故障图模型,初始故障图模型包括多个空的故障组;基于运行数据,对多个空的故障组进行初始化,得到目标故障图模型。
在一个实施例中,确定模块,还用于解析运行数据,得到故障信息;基于故障信息关联的电网设备的数量,以及各电网设备的设备类型,确定故障信息所属的目标故障组;在目标故障组中,构建故障信息对应的故障节点,得到目标故障图模型。
在一个实施例中,关联模块,还用于针对故障图模型中的每个故障节点,确定故障节点与设备图模型中相关联的设备节点之间的至少一个故障标识;基于各故障标识,建立故障节点与设备图模型中相关联的各设备节点间的关联关系,得到目标图模型。
在一个实施例中,关联模块,还用于获取故障节点关联的电网设备的设备类型,并确定与设备类型对应的第一故障标识;获取故障节点关联的电网设备发生故障后的电气参数的实际值,电气参数包括以下至少之一:电压、功率;若电气参数的实际值超过参数阈值,确定与电气参数对应的第二故障标识。
在一个实施例中,关联模块,还用于若电气参数为功率,且功率的实际值大于功率阈值,构建与电网设备对应的第二故障标识;若电气参数为电压,且电压的实际值大于电压阈值,构建与电网设备对应的第二故障标识。
上述电网数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储应用程序的历史下载次数相关的数据、以及应用程序的属性数据等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电网数据处理方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电网数据处理方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取目标电网的电网数据;电网数据包括至少一个电网设备的设备数据、以及目标电网的运行数据;基于设备数据构建设备图模型;设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;基于运行数据确定目标电网的目标故障图模型;目标故障图模型包括至少一个故障组,以及故障组关联的至少一个故障节点;建立设备图模型中设备节点与目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:解析设备数据以确定目标电网的多个电网设备,将每个电网设备均作为一个图节点;从设备数据中确定各电网设备间的设备连接信息,并根据设备连接信息确定至少两个图节点间的关联边;根据图节点和所述关联边,获得设备图模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:构建目标电网的初始故障图模型,初始故障图模型包括多个空的故障组;基于运行数据,对多个空的故障组进行初始化,得到目标故障图模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:解析运行数据,得到故障信息;基于故障信息关联的电网设备的数量,以及各电网设备的设备类型,确定故障信息所属的目标故障组;在目标故障组中,构建故障信息对应的故障节点,得到目标故障图模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:针对故障图模型中的每个故障节点,确定故障节点与设备图模型中相关联的设备节点之间的至少一个故障标识;基于各故障标识,建立故障节点与设备图模型中相关联的各设备节点间的关联关系,得到目标图模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取故障节点关联的电网设备的设备类型,并确定与设备类型对应的第一故障标识;获取故障节点关联的电网设备发生故障后的电气参数的实际值,电气参数包括以下至少之一:电压、功率;若电气参数的实际值超过参数阈值,确定与电气参数对应的第二故障标识。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若电气参数为功率,且功率的实际值大于功率阈值,构建与电网设备对应的第二故障标识;若电气参数为电压,且电压的实际值大于电压阈值,构建与电网设备对应的第二故障标识。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取目标电网的电网数据;电网数据包括至少一个电网设备的设备数据、以及目标电网的运行数据;基于设备数据构建设备图模型;设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;基于运行数据确定目标电网的目标故障图模型;目标故障图模型包括至少一个故障组,以及故障组关联的至少一个故障节点;建立设备图模型中设备节点与目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:解析设备数据以确定目标电网的多个电网设备,将每个电网设备均作为一个图节点;从设备数据中确定各电网设备间的设备连接信息,并根据设备连接信息确定至少两个图节点间的关联边;根据图节点和所述关联边,获得设备图模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:构建目标电网的初始故障图模型,初始故障图模型包括多个空的故障组;基于运行数据,对多个空的故障组进行初始化,得到目标故障图模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:解析运行数据,得到故障信息;基于故障信息关联的电网设备的数量,以及各电网设备的设备类型,确定故障信息所属的目标故障组;在目标故障组中,构建故障信息对应的故障节点,得到目标故障图模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:针对故障图模型中的每个故障节点,确定故障节点与设备图模型中相关联的设备节点之间的至少一个故障标识;基于各故障标识,建立故障节点与设备图模型中相关联的各设备节点间的关联关系,得到目标图模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取故障节点关联的电网设备的设备类型,并确定与设备类型对应的第一故障标识;获取故障节点关联的电网设备发生故障后的电气参数的实际值,电气参数包括以下至少之一:电压、功率;若电气参数的实际值超过参数阈值,确定与电气参数对应的第二故障标识。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若电气参数为功率,且功率的实际值大于功率阈值,构建与电网设备对应的第二故障标识;若电气参数为电压,且电压的实际值大于电压阈值,构建与电网设备对应的第二故障标识。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种电网数据处理方法,其特征在于,所述方法包括:
获取目标电网的电网数据;所述电网数据包括至少一个电网设备的设备数据、以及所述目标电网的运行数据;
基于所述设备数据构建设备图模型;所述设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
基于所述运行数据确定所述目标电网的目标故障图模型;所述目标故障图模型包括至少一个故障组,以及所述故障组关联的至少一个故障节点;
建立所述设备图模型中设备节点与所述目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
2.根据权利要求1所述的方法,其特征在于,所述基于所述设备数据构建设备图模型,包括:
解析所述设备数据以确定所述目标电网的多个电网设备,将每个所述电网设备均作为一个图节点;
从所述设备数据中确定各电网设备间的设备连接信息,并根据所述设备连接信息确定至少两个图节点间的关联边;
根据所述图节点和所述关联边,获得设备图模型。
3.根据权利要求1所述的方法,其特征在于,所述基于所述运行数据确定所述目标电网的目标故障图模型,包括:
构建所述目标电网的初始故障图模型,所述初始故障图模型包括多个空的故障组;
基于所述运行数据,对所述多个空的故障组进行初始化,得到目标故障图模型。
4.根据权利要求3所述的方法,其特征在于,所述基于所述运行数据,对所述多个空的故障组进行初始化,得到目标故障图模型,包括:
解析所述运行数据,得到故障信息;
基于所述故障信息关联的电网设备的数量,以及各所述电网设备的设备类型,确定所述故障信息所属的目标故障组;
在所述目标故障组中,构建所述故障信息对应的故障节点,得到目标故障图模型。
5.根据权利要求1所述的方法,其特征在于,所述建立所述设备图模型中设备节点与所述目标故障图模型中的故障节点之间的关联关系,得到目标图模型,包括:
针对所述故障图模型中的每个所述故障节点,确定所述故障节点与所述设备图模型中相关联的设备节点之间的至少一个故障标识;
基于各所述故障标识,建立所述故障节点与所述设备图模型中相关联的各所述设备节点间的关联关系,得到目标图模型。
6.根据权利要求5所述的方法,其特征在于,所述确定所述故障节点与所述设备图模型中相关联的设备节点之间的至少一个故障标识,包括:
获取所述故障节点关联的电网设备的设备类型,并确定与所述设备类型对应的第一故障标识;
获取所述故障节点关联的电网设备发生故障后的电气参数的实际值,所述电气参数包括以下至少之一:电压、功率;
若所述电气参数的实际值超过参数阈值,确定与所述电气参数对应的第二故障标识。
7.根据权利要求6所述的方法,其特征在于,所述若所述电气参数的实际值超过参数阈值,确定与所述电气参数对应的第二故障标识,包括:
若所述电气参数为功率,且所述功率的实际值大于功率阈值,构建与所述电网设备对应的第二故障标识;
若所述电气参数为电压,且所述电压的实际值大于电压阈值,构建与所述电网设备对应的第二故障标识。
8.一种电网数据处理装置,其特征在于,所述装置包括:
获取模块,用于获取目标电网的电网数据;所述电网数据包括至少一个电网设备的设备数据、以及所述目标电网的运行数据;
构建模块,用于基于所述设备数据构建设备图模型;所述设备图模型包括用于指示电网设备的设备节点、以及用于指示电网设备之间的连接关系的关联边;
确定模块,用于基于所述运行数据确定所述目标电网的目标故障图模型;所述目标故障图模型包括至少一个故障组,以及所述故障组关联的至少一个故障节点;
关联模块,用于建立所述设备图模型中设备节点与所述目标故障图模型中的故障节点之间的关联关系,得到目标图模型。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311185932.3A CN117237148A (zh) | 2023-09-13 | 2023-09-13 | 电网数据处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311185932.3A CN117237148A (zh) | 2023-09-13 | 2023-09-13 | 电网数据处理方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117237148A true CN117237148A (zh) | 2023-12-15 |
Family
ID=89088928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311185932.3A Pending CN117237148A (zh) | 2023-09-13 | 2023-09-13 | 电网数据处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237148A (zh) |
-
2023
- 2023-09-13 CN CN202311185932.3A patent/CN117237148A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102930062B (zh) | 一种数据库快速水平扩展的方法 | |
CN110134833A (zh) | 面向电网拓扑管理的图数据建模系统及方法 | |
CN104142888A (zh) | 一种有状态协议的规则化状态机模型设计方法 | |
Gangwar et al. | Network reconfiguration for the DG‐integrated unbalanced distribution system | |
CN116500385B (zh) | 输电网监测校验方法、装置、设备和介质 | |
Hou et al. | Impact‐increment based decoupled reliability assessment approach for composite generation and transmission systems | |
Liu et al. | Evolving graph based power system EMS real time analysis framework | |
CN111967636A (zh) | 用于辅助决策配电网维修策略的系统和方法 | |
CN111192010A (zh) | 台账数据处理方法和装置 | |
CN114186858A (zh) | 一种配电网储能规划节点重要度评估方法及系统 | |
CN117237148A (zh) | 电网数据处理方法、装置、设备和存储介质 | |
Zhang et al. | Intentional islanding method based on community detection for distribution networks | |
CN116644567A (zh) | 一种电力系统关键输电断面确定方法、系统、设备和介质 | |
CN114462859A (zh) | 工作流处理方法、装置、计算机设备和存储介质 | |
CN116316616B (zh) | 配电网的故障处理方案确定方法、装置和计算机设备 | |
Qing | Controlled islanding of power systems using label propagation | |
CN117220279A (zh) | 基于图模型的电网数据分析方法、装置、设备和存储介质 | |
CN112016833B (zh) | 电力网络的线损获取方法、装置、计算机设备和介质 | |
CN116169666A (zh) | 电网风险的处理方法、装置、设备、存储介质和产品 | |
CN116613892B (zh) | 设备增量拓扑分析方法、装置、计算机设备和存储介质 | |
CN116976060A (zh) | 分布式新能源集群-负荷-网络动态重构的灵活组网方法 | |
CN112559471B (zh) | 一种智能电子设备的数据发送方法、系统及存储介质 | |
CN117235705A (zh) | 嵌入式设备的集中控制方法、装置和计算机设备 | |
CN116667377A (zh) | 多能源电力系统振荡稳定性评估方法、装置、设备和介质 | |
CN117354842A (zh) | 网络质差根因定位方法、装置、计算机设备和存储介质 |
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 |