CN117350548A - 一种配电设备安全隐患排查方法 - Google Patents
一种配电设备安全隐患排查方法 Download PDFInfo
- Publication number
- CN117350548A CN117350548A CN202311638628.XA CN202311638628A CN117350548A CN 117350548 A CN117350548 A CN 117350548A CN 202311638628 A CN202311638628 A CN 202311638628A CN 117350548 A CN117350548 A CN 117350548A
- Authority
- CN
- China
- Prior art keywords
- risk
- sub
- line
- safety
- safety 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000011835 investigation Methods 0.000 title claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 238000013058 risk prediction model Methods 0.000 claims abstract description 29
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及配电设备检测技术领域,更具体涉及一种配电设备安全隐患排查方法。包括:步骤S1:子线路的第一检测单元实时获取子线路的工作参数,并将工作参数保存在第一检测单元存储部中;步骤S2:子线路的模型建立单元基于每一工作参数的历史样本数据和对应风险数值进行机器学习获取每一工作参数的风险预测模型;步骤S3:通过配电设备的第二检测单元判断配电设备每一线路对应的断路设备是否存在安全风险;步骤S4:在断路设备不存在安全风险时,根据每一工作参数的安全风险值和全部工作参数的安全风险值之和判断子线路是否存在安全风险。本发明解决了配电设备安全隐患排查的问题,实现了配电设备安全隐患排查并确定了安全隐患的位置。
Description
技术领域
本发明涉及配电设备检测技术领域,更具体涉及一种配电设备安全隐患排查方法。
背景技术
随着城市化的发展和建设速度的加快,输配电设备的使用也迎来了井喷式的增长,因此保障电力系统的安全稳定的运行是当前都比较关注的问题,特别是对配电设备安全隐患的提前排查,防止安全隐患的进一步恶化,造成不可估量的生命财产的损失,例如:中国专利CN109685340B,本公开提供了一种配电设备健康状态评估方法及系统。其中,一种配电设备健康状态评估方法包括:采用多级模糊综合评判法建立配电设备状态评判模型;运用层次分析法分析配电设备状态评判模型中配电设备各部位缺陷严重度,建立配电设备各部位评价矩阵,确定出各个评价指标的权重;利用模糊评价法以及各个评价指标的权重对配电设备各部位评价矩阵分析,通过加权隶属度原则得到配电设备综合初始得分;构建配电设备状态评估模型的辨识框架,确定出缺陷严重度的权重;对配电设备综合初始得分和缺陷严重度的权重进行加权计算,得出配电设备健康状态评估的综合得分值。还例如:美国专利US10355523B2,公开了在配电网络中使用的用于自动化的终端单元的故障类型确定方法和设备。该方法包括:对于配电设备的输入线路和输出线路的每一行,记录在该线路上发生的故障数量;以及发生故障后,根据每条线路的电流和/或电压,确定是否执行自动重合闸,并记录已执行的自动重合闸次数;在故障类型确定期间,对于每条线路,如果线路上发生的故障数量大于变电站侧允许的自动重合闸的最大数量,或者该故障是重复故障,则在该故障类型上进行识别。上述两篇专利都从根据配电设备中每一配电线路的断路开关到配电线路的每一子线路进行逐级判断对应的安全风险,也没有对配电线路进行分段,并通过计算子线路的安全风险值来判断配电线路的安全风险,同时也不能确定引起安全风险的位置。
发明内容
为了更好的解决上述问题,本发明提供一种配电设备安全隐患排查方法,所述方法包括如下步骤:
步骤S1:将配电设备对应的配电线路进行子线路划分,并为每一子线路设置第一检测单元和开关单元,并通过所述第一检测单元实时获取所述子线路的工作参数,并将所述工作参数保存在所述第一检测单元的存储部中;
步骤S2:所述子线路的模型建立单元通过通信单元从所述子线路所述第一检测单元的所述存储部中获取每一所述工作参数的历史测量样本数据及对应风险数值,并基于每一所述工作参数的所述样本数据和对应风险数值进行机器学习获取每一所述工作参数的风险预测模型;
步骤S3:通过所述配电设备的第二检测单元判断所述配电设备每一线路对应的断路设备是否存在安全风险;
步骤S4:在所述断路设备不存在安全风险时,通过所述子线路的每一所述工作参数对应的所述风险预测模型和所述子线路在第一周期内采集的工作参数计算所述子线路的安全风险值,并根据全部所述工作参数的所述安全风险值之和判断所述子线路是否存在安全风险,还根据每一所述工作参数的安全风险值获取风险参数;
步骤S5:获取所述子线路和所述子线路相邻子线路对应所述风险参数的第一时间序列数据和第二时间序列数据,通过将所述第一时间序列数据和所述第二时间序列数据进行分组并计算各分组的安全风险值,并基于所述各分组的安全风险值获取目标分组,还根据所述目标分组的数据采样时间获取引发所述风险参数安全风险的目标位置。
作为本发明一种更优选的技术方案,所述工作参数包括:工作电流、工作电压、漏电流及环境信息,其中所述环境信息包括:环境温度、湿度及风速。
作为本发明一种更优选的技术方案,所述步骤S2包括如下步骤:
步骤S21:从所述第一检测单元中的存储部获取所述子线路的每一所述工作参数的历史测量样本数据及所述历史测量样本数据的采集时间、环境信息和对应的安全风险值;
步骤S22:基于所述子线路的每一所述工作参数的历史测量样本数据、所述历史测量样本数据的采集时间、所述环境信息及所述安全风险值进行有监督的机器学习,并获取所述子线路的每一所述工作参数对应的所述风险预测模型。
作为本发明一种更优选的技术方案,所述步骤S3包括如下步骤:
步骤S31:所述断路设备包括供电部、开关控制部和断路开关,通过所述第二检测单元分别生成闭合指令或者断开指令,并将所述闭合指令或者所述断开指令发送至所述开关控制部;
步骤S32:通过所述第二检测单元周期性的检测所述供电部的输入电压和输出电压,在所述输入电压大于等于第一电压值小于等于第二电压值时,所述供电部的输入电压正常,否则所述供电部存在安全风险;在所述供电部的所述输入电压正常时,判断所述输出电压的数值范围,在所述输出电压大于等于第三电压值小于等于第四电压时,所述供电部正常,否则所述供电部存在安全风险,进而判断所述断路设备存在安全风险,并将所述断路设备的安全风险发送至所述配电设备的管理单元;
步骤S33:在所述供电部正常的情况下,所述开关控制部接收并执行所述闭合指令或者断开指令,在所述开关控制部执行所述闭合指令时,通过所述第二检测单元检测流过所述断路开关的通路电流,在所述通路电流大于等于第一电流小于等于第二电流时,所述断路开关正确执行所述闭合指令,否则所述断路设备存在安全风险;在所述开关控制部执行所述断开指令时,通过所述第二检测单元检测流过所述断路开关的断路电流,在所述断路电流为0时,所述断路设备正常,否则,所述断路设备存在安全风险,并将所述断路设备安全风险发送至所述管理单元;
其中,所述断路设备设置在所述配电设备的每一配电线路的输出端和负载之间,其中所述供电部给所述开关控制部提供电力。
作为本发明一种更优选的技术方案,所述步骤S4包括如下步骤:
步骤S41:在所述断路设备不存在安全风险时,以第一周期从所述子线路的所述第一检测单元存储部中读取当前周期时间段内每一工作参数的时间序列数据,并将每一所述工作参数的时间序列数据输入对应的所述风险预测模型,并获取每一所述工作参数的安全风险值;
步骤S42:基于每一所述工作参数的安全风险值和每一所述工作参数风险值的权重系数计算所述子线路的安全风险值,在所述子线路的安全风险值大于等于第一风险值时,所述子线路存在安全风险,在所述子线路的安全风险值小于所述第一风险值时,执行步骤S43;
步骤S43:基于每一所述工作参数的安全风险值与每一所述工作参数的安全风险参考值进行比较,在其中至少一个所述工作参数的所述安全风险值大于对应所述安全风险参考值时,所述子线路存在安全风险,将至少一个所述工作参数作为风险参数;在任意一个所述工作参数的所述安全风险值都小于等于对应所述安全风险参考值时,所述子线路不存在安全风险。
作为本发明一种更优选的技术方案,所述步骤S5包括如下步骤:
步骤S51:通过所述管理单元获取所述子线路上一周期和本周期内所述风险参数的第一时间序列数据,还获取所述子线路的所有所述相邻子线路的第二时间序列数据;
步骤S52:基于所述第一时间序列数据和所述第二时间序列数据的采集时间,将所述第一时间序列数据和所述第二时间序列数据以第二周期进行组划分,并通过所述风险参数的所述风险预测模型分别计算所述第一时间序列数据和所述第二时间序列数据对应各分组的安全风险值,其中所述第二周期小于所述第一周期;
步骤S53:获取所述各分组中所述安全风险值大于所述风险参数的参考值的目标分组,并获取所述目标分组中对应所述时间序列数据的采集时间最早的分组作为风险分组,其中,所述风险分组所在子线路为引发所述风险参数安全风险的目标位置。
作为本发明一种更优选的技术方案,所述步骤S5之后还包括步骤S6:在所述断路设备存在安全风险时,通过所述配电设备的管理单元断开所述断路设备所在配电线路的电源供应;在所述子线路存在安全风险时,通过所述子线路的所述开关单元将所述子线路与对应的配电线路断开。
与现有技术相比,本发明的有益效果至少如下所述:
本发明通过将每一配电线路划分成若干个子线路,并为每一子线路设置检测模块实时检测子线路的工作参数,还通过将周期性采集到的子线路的相应工作输入上述风险预测模型可以周期性的获取上述子线路的安全风险值,还可以根据全部上述工作参数的风险预测模型和全部上述工作参数获取全部参数的安全风险值,从而可以计算上述子线路对应的安全风险值,进而可以获取配电装置的安全风险,配电装置为每一配电线路都设置了一个断路设备,在供电部出现故障或者老化风险后,会导致上述断路开关控制失控,在配电线路出现安全风险时不能及时的对配电线路进行保护,从而造成配电装置的损坏,因此通过对供电部的输入电压和输出电压进行检测是否在正常范围内,从而判断上述供电部的安全风险,并且基于开关控制部的断开或者闭合指令及流过上述断路开关的电流判断上述断路开关是否能够正确的执行上述断开或者闭合指令,从而获取上述断路设备的安全风险信息,进而判断上述配电设备是否存在安全风险。断路设备是子线路的第一层保护,在断路设备存在安全风险时,上述配电装置肯定也存在安全风险,但是在配电装置不存在安全风险时,还需要判断后续的子线路是否存在安全风险,在子线路的安全风险值大于等于第一风险值时,上述子线路存在安全风险,在上述子线路的安全风险值小于第一风险值时,还要根据每一工作参数对应的安全风险值的预设值来进一步更准确的判断上述子线路是否存在安全风险。由于各个子线路的安全风险计算时差及电的传导特性,同时还有可能是风险参数对应的异常数据在通过第一周期进行获取时,被划分在了两个周期内,因此,尽管该子线路的风险参数安全风险值超过了风险参考值,但是该子线路可能并不是引发安全风险的位置,需要通过该子线路及该子线路的相邻子线路风险参数在本周期和上周期的时间序列数据,重新进行计算并根据上述子线路和相邻子线路的风险参数的安全风险值获取引发该风险参数安全风险的位置,从而提高了风险参数的安全风险值计算准确性,进一步提高了确定引起风险参数安全风险位置的准确性。
附图说明
为了更清楚地说明本发明的技术方案,下面将对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,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为本发明一种配电设备安全隐患排查方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种配电设备安全隐患排查方法,如图1所示,所述方法包括如下步骤:
步骤S1:将配电设备对应的配电线路进行子线路划分,并为每一子线路设置第一检测单元和开关单元,并通过所述第一检测单元实时获取对应所述子线路的工作参数,并将所述工作参数保存在所述第一检测单元的存储部中;
具体的,在实际的应用中配电设备的安全隐患主要来自断路设备和配电线路,上述断路设备用来控制配电线路的电源通断,虽然有断路设备对配电线路的保护,但是一旦配电线路出现故障或者安全隐患时,若断路设备不能正确的接收或者执行相应的操作指令也会引起配电设备的故障,即使断路设备能够正确的执行相应操作指令,在配电线路出现较严重的故障或者危险时,也能够对上述断路设备和上述配电设备造成严重的损伤,因此,只有排除上述断路设备和上述配电线路的安全风险时,才能够保证上述配电装置的安全性,又由于配电线路较长,一旦出现线路异常或者故障不能及时的发现,从而给配电装置造成安全风险,因此将每一配电线路划分成若干个子线路,并为每一子线路设置检测模块实时检测子线路的工作参数,并将上述工作参数保存在存储单元中,便于周期性的根据上述保存在存储单元中的工作参数并通过上述每一工作参数的风险预测模型计算风险数值,进而获取子线路的风险值。
步骤S2:将所述模型建立单元通过通信单元从所述子线路所述第一检测单元的所述存储部中获取每一所述工作参数的样本数据及对应风险数值,并基于每一所述工作参数的所述样本数据和对应风险数值进行机器学习获取每一所述工作参数的风险预测模型;
具体的,通过通信单元从子线路第一检测单元的存储部中存储的上述子线路的每一工作参数样本数据及对应的风险数值,其中上述每一工作参数的样本数据还包括样本数据采集时对应的环境信息,通过上述每一工作参数的样本数据和对应的风险数值进行机器学习并获取每一工作参数的风险预测模型,通过将周期性采集到的子线路的相应工作输入上述风险预测模型可以周期性的获取上述子线路的安全风险值,还可以根据全部上述工作参数的风险预测模型和全部上述工作参数获取全部参数的安全风险值,从而可以计算上述子线路对应的安全风险值,进而可以获取配电装置的安全风险。
步骤S3:通过所述配电设备终端的第二检测单元判断所述配电设备每一线路对应的断路设备是否存在安全风险;
具体的,配电装置为每一配电线路都设置了一个断路设备,通过上述断路设备可以控制对应配电线路的电源通断,其中上述断路设备包括:供电部、开关控制部和断路开关,其中上述供电部为上述开关控制部及断路开关供电,在供电部出现故障或者老化风险后,会导致上述断路开关控制失控,在配电线路出现安全风险时不能及时的对配电线路进行保护,从而造成配电装置的损坏,因此通过对供电部的输入电压和输出电压进行检测是否在正常范围内,从而判断上述供电部的安全风险,并且基于开关控制部的断开或者闭合指令及流过上述断路开关的电流判断上述断路开关是否能够正确的执行上述断开或者闭合指令,从而获取上述断路设备的安全风险信息,进而判断上述配电设备是否存在安全风险。
步骤S4:在所述断路设备不存在安全风险时,通过所述子线路的每一所述工作参数对应的所述风险预测模型和所述子线路在第一周期内采集的工作参数计算所述子线路的安全风险值,并根据全部所述工作参数的所述安全风险值之和判断所述子线路是否存在安全风险,还根据每一所述工作参数的安全风险值获取风险参数;
具体的,由于上述断路设备是控制上述子线路的电源通断,一旦电源通断控制出现故障时,轻则子线路不能正常工作,重则在子线路出现危险状态时,不能及时的断开电源对整个子线路进行保护,因此,断路设备是子线路的第一层保护,在断路设备存在安全风险时,上述配电装置肯定也存在安全风险,但是在配电装置不存在安全风险时,还需要判断后续的配电线路是否存在安全风险,通过周期性的计算上述子线路的每一工作参数的安全风险值,并基于上述每一工作参数的安全风险值计算上述子线路的全部工作参数的安全风险值之和来判断子线路的是否存在安全风险,进而确定上述配电装置是否存在安全风险。
步骤S5:获取所述子线路和所述子线路相邻子线路对应所述风险参数的第一时间序列数据和第二时间序列数据,通过将所述第一时间序列数据和所述第二时间序列数据进行分组并计算各分组的安全风险值,并基于所述各分组的安全风险值获取目标分组,还根据所述目标分组的数据采样时间获取引发所述风险参数安全风险的目标位置。
具体的,通过将上述第一时间序列数据和第二时间序列数据以第二周期进行组划分,从而获取周期更短的分组数据,减少异常的风险参数数据被划分在两个周期中的可能性,同时还通过上述风险参数的风险预测模型分别计算各个分组的安全风险值,并基于上述各个分组的安全风险值和各个分组数据对应的采集时间获取引发风险参数出现安全风险的位置,从而防止由于第一周期较长将异常的风险参数对应数据被划分在两个周期中,提高了风险参数的安全风险值计算准确性,进一步提高了确定引起风险参数安全风险位置的准确性。
进一步地,所述工作参数包括:工作电流、工作电压、漏电流和环境信息,其中所述环境信息包括:环境温度、湿度、降水及风速。
具体的,在子线路中,最能反应子线路安全风险的指标为子线路的工作电流、工作电压,又由于子线路中负载的电能消耗受环境的影响比较大,因此,在判断工作电流和工作电压是否有安全风险时,还要结合上述子线路当前的环境参数,否则,不能准确的通过计算上述每一工作参数的安全风险值,进而也不能准确的判断子线路和配电装置的安全风险。
进一步地,所述步骤S2包括如下步骤:
步骤S21:从所述第一检测单元中的存储部获取所述子线路的每一所述工作参数的历史测量样本数据及所述历史测量样本数据的采集时间、环境信息和对应的安全风险值;
具体的,通过子线路的模型建立单元从第一检测单元中的存储部获取每一工作参数的历史测量样本数据,还获取上述样本数据的采集时间及上述样本数据采集时对应的环境信息及对应风险值,从而为通过机器学习训练上述风险预测模型提供了数据基础。
步骤S22:基于所述子线路的每一所述工作参数的历史测量样本数据、所述历史测量样本数据的采集时间、所述环境信息及所述安全风险值进行有监督的机器学习,并获取所述子线路的每一所述工作参数对应的所述风险预测模型。
具体的,由于上述历史测量样本数据对应的安全风险值不仅与采集时间有关,还与采集环境信息有关,不同的采集时间,子线路负载的电力消耗不同对应的工作参数的样本数据也不相同,并且在不同的环境中子线路的电路特性也会发生变化,例如,在环境温度、湿度或者风速不同的时候,子线路的阻抗和稳定性都会发生变化,因此,在通过机器学习训练每一参数的风险预测模型时,必须考虑样本数据的采集时间及环境信息,从而提高上述风险预测模型的准确性。
进一步地,所述步骤S3包括如下步骤:
步骤S31:所述断路设备包括供电部、开关控制部和断路开关,通过所述第二检测单元分别生成闭合指令或者断开指令,并将所述闭合指令或者所述断开指令发送至所述开关控制部;
具体的,上述供电部中包括电容脱扣器,一旦上述电容脱扣器发生故障或者劣化时,就不能通过供电部给上述断路开关和开关控制部进行电力控制,因此需要对断路设备的供电部进行安全风险检测,同时还通过配电装置的第二检测单元生成闭合指令或者断开指令,并将上述闭合指令或者断开指令发送至上述开关控制部,通过上述开关控制部对上述两种指令的执行情况进行判断上述断路设备是否存在安全风险。
步骤S32:通过所述第二检测单元周期性的检测所述供电部的输入电压和输出电压,在所述输入电压大于等于第一电压值小于等于第二电压值时,所述供电部的输入电压正常,否则所述供电部存在安全风险;在所述供电部的所述输入电压正常时,判断所述输出电压的数值范围,在所述输出电压大于等于第三电压值小于等于第四电压时,所述供电部正常,否则所述供电部存在安全风险,进而判断所述断路设备存在安全风险,并将所述断路设备的安全风险发送至所述配电设备的管理单元;
具体的,上述开关控制部基于第二检测单元生成的断开指令或者闭合指令对断路开关进行控制,同时还通过第二检测单元周期性的检测上述供电部的供电是否正常,上述供电部的供电是否正常主要是看上述供电部的输入电压和输出电压是否正常,由于即使供电部本身正常,在输入电压异常时,也会导致断路设备安全风险,因此,先通过判断上述供电部的输入电压是否存在设定的范围即大于等于第一电压值小于等于第二电压值,若在说明输入电压是正常的,若不在,则说明输入电压是异常的,即供电电压存在安全风险,因此可以判断该配电设备存在安全风险,进而配电设备也存在安全风险,还在输入电压正常时判断输出电压是否在设定范围内,即判断输出电压是否大于等于第三电压值且小于等于第四电压值,若是,则同时满足输入电压和输出电压都在设定范围内,此时可以确定上述供电部正常供电,若不是,则满足输入电压在设定范围内,但是输出电压不在设定范围内,此时,输出电压不能给断路控制部和断路开关正常提供电力,因此供电部存在安全风险,也会导致配电设备存在安全风险。
步骤S33:在所述供电部正常的情况下,所述开关控制部接收并执行所述闭合指令或者断开指令,在所述开关控制部执行所述闭合指令时,通过所述第二检测单元检测流过所述断路开关的通路电流,在所述通路电流大于等于第一电流小于等于第二电流时,所述断路开关正确执行所述闭合指令,否则所述断路设备存在安全风险;在所述开关控制部执行所述断开指令时,通过所述第二检测单元检测流过所述断路开关的断路电流,在所述断路电流为0时,所述断路设备正常,否则,所述断路设备存在安全风险,并将所述断路设备安全风险发送至所述管理单元;
其中,所述断路设备设置在所述配电设备的每一配电线路的输出端和负载之间,其中所述供电部给所述开关控制部提供电力。
具体的,在上述供电部能够正常供电的情况下,基于上述断开指令和闭合指令及流过上述断路开关的电流来判断上述断路开关能否正确执行上述断开指令和闭合指令,在能正确执行上述断开指令和闭合指令时,上述断路设备正常,在不能执行上述断开指令和闭合指令时,上述断路设备存在安全风险,并将上述断路设备的安全风险发送至配单设备的管理单元,并采取相应的措施解决上述安全风险。
进一步地,所述步骤S4包括如下步骤:
步骤S41:在所述断路设备不存在安全风险时,以第一周期从所述子线路的所述第一检测单元存储部中读取当前周期时间段内每一工作参数的时间序列数据,并将每一所述工作参数的时间序列数据输入对应的所述风险预测模型,并获取每一所述工作参数的安全风险值;
具体的,在断路设备部存在安全风险时,在配电线路存在风险时也会对配电装置造成安全风险,由于每一配电线路都由多个子线路组成,因此,在每一子线路都不存在安全风险时,对应的配电线路才不存在安全风险,在任意一个子线路存在安全风险时,对应的配电线路都存在安全风险,现以一个子线路为例来说明子线路的安全风险判断方法,通过周期性的从子线路的第一检测单元的存储部中读取预设周期时间段内每一工作参数的时间序列数据,并通过将上述每一参数对应的时间序列数据输入对应的风险预测模型中,从而获取每一参数的安全风险值,并基于每一参数的安全风险值判断上述子线路的安全风险。
步骤S42:基于每一所述工作参数的安全风险值和每一所述工作参数风险值的权重系数计算所述子线路的安全风险值,在所述子线路的安全风险值大于等于第一风险值时,所述子线路存在安全风险,在所述子线路的安全风险值小于所述第一风险值时,执行步骤S43;
具体的,通过上述每一工作参数的安全风险值及每一工作参数的权重系数计算子线路的安全风险值,其中上述工作参数中工作电压和工作电流的权重最高,漏电流的权重次之,环境信息的权重最低,具体可以根据实际的工作场景去确定及每一工作参数对子线路安全风险的影响程度去确定,在上述子线路的安全风险值大于等于第一风险值时,上述子线路存在安全风险,在上述子线路的安全风险值小于第一风险值时,还要根据每一工作参数对应的安全风险值的预设值来进一步更准确的判断上述子线路是否存在安全风险。
步骤S43:基于每一所述工作参数的安全风险值与每一所述工作参数的安全风险参考值进行比较,在其中至少一个所述工作参数的所述安全风险值大于对应所述安全风险参考值时,所述子线路存在安全风险,将至少一个所述工作参数作为风险参数;在任意一个所述工作参数的所述安全风险值都小于等于对应所述安全风险参考值时,所述子线路不存在安全风险。
具体的,在子线路的安全风险值小于第一风险值时,将每一工作参数对应的安全风险值与安全风险参考值进行比较,在至少一个工作参数的风险值大于对应的安全风险值时,尽管此时子线路的安全风险值较小,上述风险参数也有可能引起子线路故障或者异常,因此,上述子线路存在安全风险,进而会使得配电装置存在安全风险;反之,在任意一个工作参数的安全风险值都小于等于对应的安全风险参考值时,即每一工作参数的安全风险值都在安全范围内,此时子线路不存在安全风险。
进一步地,所述步骤S5包括如下步骤:
步骤S51:通过所述管理单元获取所述子线路上一周期和本周期内所述风险参数的第一时间序列数据,还获取所述子线路的所有所述相邻子线路的第二时间序列数据;
具体的,由于各个子线路的安全风险计算时差及电的传导特性,同时还有可能是风险参数对应的异常数据在通过第一周期进行获取时,被划分在了两个周期内,因此,最先获取风险参数的安全风险值超过风险参考值的子线路可能并不是引发该子线路安全风险的位置,需要通过该子线路及该子线路的相邻子线路风险参数在本周期和上周期的时间序列数据,重新进行计算并根据上述子线路和相邻子线路的风险参数的安全风险值获取引发该风险参数安全风险的位置。
步骤S52:基于所述第一时间序列数据和所述第二时间序列数据的采集时间,将所述第一时间序列数据和所述第二时间序列数据以第二周期进行组划分,并通过所述风险参数的所述风险预测模型分别计算所述第一时间序列数据和所述第二时间序列数据对应各分组的安全风险值,其中所述第二周期小于所述第一周期;
具体的,通过将上述第一时间序列数据和第二时间序列数据以第二周期进行组划分,从而获取周期更短的分组数据,减少异常的风险参数数据被划分在两个周期中的可能性,同时还通过上述风险参数的风险预测模型分别计算各个分组的安全风险值,并基于上述各个分组的安全风险值和各个分组数据对应的采集时间获取引发风险参数出现安全风险的位置,通过上述技术方案,能够防止由于第一周期较长将异常的风险参数对应数据被划分在两个周期中,从而导致计算风险参数的安全风险值不准确的问题,还可以通过风险参数的安全风险值获取未被发现的存在安全风险的相邻子线路。
步骤S53:获取所述各分组中所述安全风险值大于所述风险参数的参考值的目标分组,并获取所述目标分组中对应所述时间序列数据的采集时间最早的分组作为风险分组,其中,所述风险分组所在子线路为引发所述风险参数安全风险的目标位置。
具体的,通过上述技术方案,分别获取子线路和相邻子线路中对应风险参数安全风险值大于风险参数参考值的目标分组,并将上述目标分组中时间序列数据对应采集时间最早的分组为风险分组,并且该分组所在子线路就是引起风险参数安全风险的目标位置,从而实现了对引发风险参数安全风险的位置进行了确定,便于进一步的通过目标位置所在子线路的开关单元进行断开操作,从而避免引发配电设备的安全事故。
进一步地,所述步骤S5之后还包括步骤S6:在所述断路设备存在安全风险时,通过所述配电设备的管理单元断开所述断路设备所在配电线路的电源供应;在所述子线路存在安全风险时,通过所述子线路的所述开关单元将所述子线路与对应的配电线路断开。
具体的,通过上述技术方案,提供了在出现不同安全风险时,采取相应的措施,避免安全风险的进一步恶化,从而造成配电设备的损坏。
综上所述,本发明通过将每一配电线路划分成若干个子线路,并为每一子线路设置检测模块实时检测子线路的工作参数,还通过将周期性采集到的子线路的相应工作输入上述风险预测模型可以周期性的获取上述子线路的安全风险值,还可以根据全部上述工作参数的风险预测模型和全部上述工作参数获取全部参数的安全风险值,从而可以计算上述子线路对应的安全风险值,进而可以获取配电装置的安全风险,配电装置为每一配电线路都设置了一个断路设备,在供电部出现故障或者老化风险后,会导致上述断路开关控制失控,在配电线路出现安全风险时不能及时的对配电线路进行保护,从而造成配电装置的损坏,因此通过对供电部的输入电压和输出电压进行检测是否在正常范围内,从而判断上述供电部的安全风险,并且基于开关控制部的断开或者闭合指令及流过上述断路开关的电流判断上述断路开关是否能够正确的执行上述断开或者闭合指令,从而获取上述断路设备的安全风险信息,进而判断上述配电设备是否存在安全风险。断路设备是子线路的第一层保护,在断路设备存在安全风险时,上述配电装置肯定也存在安全风险,但是在配电装置不存在安全风险时,还需要判断后续的子线路是否存在安全风险,在子线路的安全风险值大于等于第一风险值时,上述子线路存在安全风险,在上述子线路的安全风险值小于第一风险值时,还要根据每一工作参数对应的安全风险值的预设值来进一步更准确的判断上述子线路是否存在安全风险。由于各个子线路的安全风险计算时差及电的传导特性,同时还有可能是风险参数对应的异常数据在通过第一周期进行获取时,被划分在了两个周期内,因此,尽管该子线路的风险参数安全风险值超过了风险参考值,但是该子线路可能并不是引发安全风险的位置,需要通过该子线路及该子线路的相邻子线路风险参数在本周期和上周期的时间序列数据,重新进行计算并根据上述子线路和相邻子线路的风险参数的安全风险值获取引发该风险参数安全风险的位置,从而提高了风险参数的安全风险值计算准确性,进一步提高了确定引起风险参数安全风险位置的准确性。
上述的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。
上述的实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
上述的仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种配电设备安全隐患排查方法,其特征在于,所述方法包括如下步骤:
步骤S1:将配电设备对应的配电线路进行子线路划分,并为每一子线路设置第一检测单元和开关单元,并通过所述第一检测单元实时获取所述子线路的工作参数,并将所述工作参数保存在所述第一检测单元的存储部中;
步骤S2:所述子线路的模型建立单元通过通信单元从所述第一检测单元的所述存储部中获取每一所述工作参数的历史测量样本数据及对应风险数值,并基于每一所述工作参数的所述样本数据和对应风险数值进行机器学习获取每一所述工作参数的风险预测模型;
步骤S3:通过所述配电设备的第二检测单元判断所述配电设备每一线路对应的断路设备是否存在安全风险;
步骤S4:在所述断路设备不存在安全风险时,通过所述子线路的每一所述工作参数对应的所述风险预测模型和所述子线路在第一周期内采集的工作参数计算所述子线路的安全风险值,并根据全部所述工作参数的所述安全风险值之和判断所述子线路是否存在安全风险,还根据每一所述工作参数的安全风险值获取风险参数;
步骤S5:获取所述子线路和所述子线路相邻子线路对应所述风险参数的第一时间序列数据和第二时间序列数据,通过将所述第一时间序列数据和所述第二时间序列数据进行分组并计算各分组的安全风险值,并基于所述各分组的安全风险值获取目标分组,还根据所述目标分组的数据采样时间获取引发所述风险参数安全风险的目标位置。
2.根据权利要求1所述一种配电设备安全隐患排查方法,其特征在于,所述工作参数包括:工作电流、工作电压、漏电流及环境信息,其中所述环境信息包括:环境温度、湿度及风速。
3.根据权利要求1所述一种配电设备安全隐患排查方法,其特征在于,所述步骤S2包括如下步骤:
步骤S21:从所述第一检测单元中的存储部获取所述子线路的每一所述工作参数的历史测量样本数据及所述历史测量样本数据的采集时间、环境信息和对应的安全风险值;
步骤S22:基于所述子线路的每一所述工作参数的历史测量样本数据、所述历史测量样本数据的采集时间、所述环境信息及所述安全风险值进行有监督的机器学习,并获取所述子线路的每一所述工作参数对应的所述风险预测模型。
4.根据权利要求1所述一种配电设备安全隐患排查方法,其特征在于,所述步骤S3包括如下步骤:
步骤S31:所述断路设备包括供电部、开关控制部和断路开关,通过所述第二检测单元分别生成闭合指令或者断开指令,并将所述闭合指令或者所述断开指令发送至所述开关控制部;
步骤S32:通过所述第二检测单元周期性的检测所述供电部的输入电压和输出电压,在所述输入电压大于等于第一电压值小于等于第二电压值时,所述供电部的输入电压正常,否则所述供电部存在安全风险;在所述供电部的所述输入电压正常时,判断所述输出电压的数值范围,在所述输出电压大于等于第三电压值小于等于第四电压时,所述供电部正常,否则所述供电部存在安全风险,进而判断所述断路设备存在安全风险,并将所述断路设备的安全风险发送至所述配电设备的管理单元;
步骤S33:在所述供电部正常的情况下,所述开关控制部接收并执行所述闭合指令或者断开指令,在所述开关控制部执行所述闭合指令时,通过所述第二检测单元检测流过所述断路开关的通路电流,在所述通路电流大于等于第一电流小于等于第二电流时,所述断路开关正确执行所述闭合指令,否则所述断路设备存在安全风险;在所述开关控制部执行所述断开指令时,通过所述第二检测单元检测流过所述断路开关的断路电流,在所述断路电流为0时,所述断路设备正常,否则,所述断路设备存在安全风险,并将所述断路设备安全风险发送至所述管理单元;
其中,所述断路设备设置在所述配电设备的每一配电线路的输出端和负载之间,其中所述供电部给所述开关控制部提供电力。
5.根据权利要求2所述一种配电设备安全隐患排查方法,其特征在于,所述步骤S4包括如下步骤:
步骤S41:在所述断路设备不存在安全风险时,以第一周期从所述子线路的所述第一检测单元存储部中读取出当前周期时间段内每一工作参数的时间序列数据,并将每一所述工作参数的时间序列数据输入对应的所述风险预测模型,并获取每一所述工作参数的安全风险值;
步骤S42:基于每一所述工作参数的安全风险值和每一所述工作参数风险值的权重系数计算所述子线路的安全风险值,在所述子线路的安全风险值大于等于第一风险值时,所述子线路存在安全风险,在所述子线路的安全风险值小于所述第一风险值时,执行步骤S43;
步骤S43:基于每一所述工作参数的安全风险值与每一所述工作参数的安全风险参考值进行比较,在其中至少一个所述工作参数的所述安全风险值大于对应所述安全风险参考值时,所述子线路存在安全风险,将至少一个所述工作参数作为风险参数;在任意一个所述工作参数的所述安全风险值都小于等于对应所述安全风险参考值时,所述子线路不存在安全风险。
6.根据权利要求4所述一种配电设备安全隐患排查方法,其特征在于,所述步骤S5包括如下步骤:
步骤S51:通过所述管理单元获取所述子线路上一周期和本周期内所述风险参数的第一时间序列数据,还获取所述子线路的所有所述相邻子线路的第二时间序列数据;
步骤S52:基于所述第一时间序列数据和所述第二时间序列数据的采集时间,将所述第一时间序列数据和所述第二时间序列数据以第二周期进行组划分,并通过所述风险参数的所述风险预测模型分别计算所述第一时间序列数据和所述第二时间序列数据对应各分组的安全风险值,其中所述第二周期小于所述第一周期;
步骤S53:获取所述各分组中所述安全风险值大于所述风险参数的参考值的目标分组,并获取所述目标分组中对应所述时间序列数据的采集时间最早的分组作为风险分组,其中,所述风险分组所在子线路为引发所述风险参数安全风险的目标位置。
7.根据权利要求1所述一种配电设备安全隐患排查方法,其特征在于,所述步骤S5之后还包括步骤S6:在所述断路设备存在安全风险时,通过所述配电设备的管理单元断开所述断路设备所在配电线路的电源供应;在所述子线路存在安全风险时,通过所述子线路的所述开关单元将所述子线路与对应的配电线路断开。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311638628.XA CN117350548B (zh) | 2023-12-04 | 2023-12-04 | 一种配电设备安全隐患排查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311638628.XA CN117350548B (zh) | 2023-12-04 | 2023-12-04 | 一种配电设备安全隐患排查方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117350548A true CN117350548A (zh) | 2024-01-05 |
CN117350548B CN117350548B (zh) | 2024-04-16 |
Family
ID=89363470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311638628.XA Active CN117350548B (zh) | 2023-12-04 | 2023-12-04 | 一种配电设备安全隐患排查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117350548B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117688342A (zh) * | 2024-02-01 | 2024-03-12 | 山东云天安全技术有限公司 | 一种基于模型的设备状态预测方法、电子设备及存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801739A (zh) * | 2012-08-25 | 2012-11-28 | 乐山师范学院 | 基于云计算环境的网络风险测定取证方法 |
CN103971182A (zh) * | 2014-05-26 | 2014-08-06 | 湖南大学 | 一种配电网馈线在线风险监测系统及其监测方法 |
CN104517241A (zh) * | 2014-12-16 | 2015-04-15 | 上海交通大学 | 一种基于输电线路全工况信息的风险评估方法 |
WO2016176913A1 (zh) * | 2015-05-06 | 2016-11-10 | 杨启蓓 | 电网高压断路器多维度大数据分析智能专家系统 |
CN110889587A (zh) * | 2019-10-18 | 2020-03-17 | 国家电网有限公司 | 配电网线路风险评估方法 |
WO2021120775A1 (zh) * | 2019-12-19 | 2021-06-24 | 中国银联股份有限公司 | 一种数据异常检测方法与装置 |
CN113033989A (zh) * | 2021-03-19 | 2021-06-25 | 国网河北省电力有限公司邢台供电分公司 | 一种输电线路的故障风险评估方法、装置及终端设备 |
CN114186876A (zh) * | 2021-12-14 | 2022-03-15 | 广州淏华实业有限公司 | 一种智慧式用电安全监管与电能管理方法及系统 |
CN114252103A (zh) * | 2021-11-02 | 2022-03-29 | 国网吉林省电力有限公司电力科学研究院 | 融合电站运行故障预测方法 |
CN114254818A (zh) * | 2021-12-09 | 2022-03-29 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于风险评估模型的低压配电网连锁故障预警方法 |
CN114266370A (zh) * | 2021-12-24 | 2022-04-01 | 国家电网有限公司华东分部 | 一种台风气象环境电网设备故障处置预案在线生成方法、系统及存储介质 |
CN115186964A (zh) * | 2022-05-21 | 2022-10-14 | 重庆邮电大学 | 计及主观评估数据的配电网线路风险预测系统及方法 |
CN115293584A (zh) * | 2022-08-05 | 2022-11-04 | 国网山东省电力公司寿光市供电公司 | 一种架空输电线路风险预测方法、系统及终端 |
CN115693661A (zh) * | 2022-11-15 | 2023-02-03 | 贵州电网有限责任公司 | 一种基于图神经网络的连锁故障风险关键线路辨识方法 |
US20230052730A1 (en) * | 2017-09-04 | 2023-02-16 | Southeast University | Method for predicting operation state of power distribution network with distributed generations based on scene analysis |
CN116050817A (zh) * | 2022-10-28 | 2023-05-02 | 国网新疆电力有限公司电力科学研究院 | 基于一二次耦合多重故障模型的电力系统风险评估方法 |
-
2023
- 2023-12-04 CN CN202311638628.XA patent/CN117350548B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801739A (zh) * | 2012-08-25 | 2012-11-28 | 乐山师范学院 | 基于云计算环境的网络风险测定取证方法 |
CN103971182A (zh) * | 2014-05-26 | 2014-08-06 | 湖南大学 | 一种配电网馈线在线风险监测系统及其监测方法 |
CN104517241A (zh) * | 2014-12-16 | 2015-04-15 | 上海交通大学 | 一种基于输电线路全工况信息的风险评估方法 |
WO2016176913A1 (zh) * | 2015-05-06 | 2016-11-10 | 杨启蓓 | 电网高压断路器多维度大数据分析智能专家系统 |
US20230052730A1 (en) * | 2017-09-04 | 2023-02-16 | Southeast University | Method for predicting operation state of power distribution network with distributed generations based on scene analysis |
CN110889587A (zh) * | 2019-10-18 | 2020-03-17 | 国家电网有限公司 | 配电网线路风险评估方法 |
WO2021120775A1 (zh) * | 2019-12-19 | 2021-06-24 | 中国银联股份有限公司 | 一种数据异常检测方法与装置 |
CN113033989A (zh) * | 2021-03-19 | 2021-06-25 | 国网河北省电力有限公司邢台供电分公司 | 一种输电线路的故障风险评估方法、装置及终端设备 |
CN114252103A (zh) * | 2021-11-02 | 2022-03-29 | 国网吉林省电力有限公司电力科学研究院 | 融合电站运行故障预测方法 |
CN114254818A (zh) * | 2021-12-09 | 2022-03-29 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于风险评估模型的低压配电网连锁故障预警方法 |
CN114186876A (zh) * | 2021-12-14 | 2022-03-15 | 广州淏华实业有限公司 | 一种智慧式用电安全监管与电能管理方法及系统 |
CN114266370A (zh) * | 2021-12-24 | 2022-04-01 | 国家电网有限公司华东分部 | 一种台风气象环境电网设备故障处置预案在线生成方法、系统及存储介质 |
CN115186964A (zh) * | 2022-05-21 | 2022-10-14 | 重庆邮电大学 | 计及主观评估数据的配电网线路风险预测系统及方法 |
CN115293584A (zh) * | 2022-08-05 | 2022-11-04 | 国网山东省电力公司寿光市供电公司 | 一种架空输电线路风险预测方法、系统及终端 |
CN116050817A (zh) * | 2022-10-28 | 2023-05-02 | 国网新疆电力有限公司电力科学研究院 | 基于一二次耦合多重故障模型的电力系统风险评估方法 |
CN115693661A (zh) * | 2022-11-15 | 2023-02-03 | 贵州电网有限责任公司 | 一种基于图神经网络的连锁故障风险关键线路辨识方法 |
Non-Patent Citations (4)
Title |
---|
SHIVA POUDEL等: "Risk-Based Probabilistic Quantification of Power Distribution System Operational Resilience", IEEE SYSTEMS JOURNAL, vol. 14, no. 3, 25 September 2019 (2019-09-25), pages 3506 * |
张硕;刘永民;梅小丽;杜林;: "基于实时运行条件的电力系统连锁故障风险性评估", 华中电力, no. 02 * |
段花利: "配电网故障监测系统研究及应用", 石油石化节能与计量, vol. 13, no. 9, 20 September 2023 (2023-09-20), pages 22 - 26 * |
霍健;尹茂林;: "考虑时间风险的配电系统调度操作流程优化", 山东电力技术, no. 07 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117688342A (zh) * | 2024-02-01 | 2024-03-12 | 山东云天安全技术有限公司 | 一种基于模型的设备状态预测方法、电子设备及存储介质 |
CN117688342B (zh) * | 2024-02-01 | 2024-04-19 | 山东云天安全技术有限公司 | 一种基于模型的设备状态预测方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117350548B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9864008B2 (en) | Electric power system circuit breaker trip diagnostic | |
CN117350548B (zh) | 一种配电设备安全隐患排查方法 | |
CN112713649B (zh) | 一种基于极限学习机的电力设备剩余寿命预测方法 | |
CN115693948A (zh) | 一种电力系统故障监测方法及监测系统 | |
CN102866313A (zh) | 电力隧道电缆运行状态综合监控方法 | |
CN113763667B (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN117060409B (zh) | 电力线路运行状态自动化检测分析方法及系统 | |
KR102417800B1 (ko) | 전력 케이블 노후도 판단 장치 및 방법 | |
CN116609651A (zh) | 一种光伏用多功能断路器的检测方法 | |
CN114493238A (zh) | 供电服务风险预测方法、系统、存储介质及计算机设备 | |
CN117949887A (zh) | 一种能源控制器的电能计量系统故障检测与预防方法 | |
CN117031182B (zh) | 配电站所终端遥测值异常检测方法及系统 | |
CN117674407A (zh) | 电网设备故障预警方法、装置、设备及存储介质 | |
CN117134490A (zh) | 一种基于云平台的智能电涌保护器监测系统及其方法 | |
CN115270982A (zh) | 一种基于多元数据神经网络的开关柜故障预测方法 | |
CN113949618B (zh) | 基于大数据的通信故障预警系统 | |
CN113298389A (zh) | 评估电缆运行状态的方法及装置 | |
CN110674193A (zh) | 一种智能变电站继电保护故障信息建模方法 | |
CN116707144B (zh) | 一种低压配电箱故障预警方法 | |
KR102604708B1 (ko) | 인공 지능 기반 수배전반 진단 시스템 및 방법 | |
CN116879663B (zh) | 基于多参数监测的spd在线寿命预测系统与预测方法 | |
KR102388973B1 (ko) | 내진 시설을 구비한 주배선반 시스템 | |
CN117038048B (zh) | 一种用于医疗器械的远程故障处理方法及系统 | |
JP2023063742A (ja) | 配電系統事故予兆原因推定システム | |
CN116681423A (zh) | 变电站变压器劣化趋势的预测装置 |
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 |