CN117390944A - 一种变电站运行工况仿真系统 - Google Patents
一种变电站运行工况仿真系统 Download PDFInfo
- Publication number
- CN117390944A CN117390944A CN202311596616.5A CN202311596616A CN117390944A CN 117390944 A CN117390944 A CN 117390944A CN 202311596616 A CN202311596616 A CN 202311596616A CN 117390944 A CN117390944 A CN 117390944A
- Authority
- CN
- China
- Prior art keywords
- module
- unit
- data
- substation
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 76
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000012423 maintenance Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000012806 monitoring device Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 238000004140 cleaning Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000005265 energy consumption Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012550 audit Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Abstract
本发明公开了一种变电站运行工况仿真系统，涉及变电站工况仿真技术领域；包括：数据采集模块：数据采集模块用于从变电站的各种监测设备中采集实时运行数据；数据采集模块采用有线或无线通信方式与监测设备连接，实现数据的实时传输；数据处理模块：数据处理模块用于对接收到的运行数据进行预处理，包括数据清洗、数据校验、数据格式转换操作；模型建立模块：模型建立模块用于根据实际变电站的结构和运行参数，建立相应的仿真模型；仿真计算模块：仿真计算模块用于根据建立的仿真模型，对变电站的运行工况进行实时仿真计算。本发明提供的变电站运行工况仿真系统可以实时、准确地模拟和分析变电站的运行工况，为电力系统的运行和维护提供有力支持。
Description
技术领域
本发明涉及变电站工况仿真技术领域，尤其涉及一种变电站运行工况仿真系统。
背景技术
随着电力系统的不断发展，变电站的规模和复杂性也在不断增加。为了保障电力系统的稳定运行，提高电力系统的安全性和经济性，对变电站的运行工况进行实时监控和分析变得越来越重要。现有的变电站监控系统主要依赖于实地监测设备，这种方式存在设备成本高、维护困难等问题。因此，开发一种能够实时、准确地模拟和分析变电站运行工况的仿真系统具有重要的实际意义。
经检索，中国专利申请号为CN201811445167.3的专利，公开了一种基于私有云的区域变电站管理系统及管理方法，所述系统包括至少一个变电站，通信网络，至少一个虚拟机云，主站，所述虚拟机云能够通过通信网路实时获取并存储变电站的数据，所述主站能够通过通信网路从虚拟机云获得所述变电站的数据以管理所述变电站。上述专利中的变电站管理系统存在以下不足：不能够对变电站的工况进行模拟评估以辅助决策，还有待改进。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种变电站运行工况仿真系统。
为了实现上述目的，本发明采用了如下技术方案：
一种变电站运行工况仿真系统，包括：
数据采集模块：数据采集模块用于从变电站的各种监测设备中采集实时运行数据；数据采集模块采用有线或无线通信方式与监测设备连接，实现数据的实时传输；
数据处理模块：数据处理模块用于对接收到的运行数据进行预处理，包括数据清洗、数据校验、数据格式转换操作；
模型建立模块：模型建立模块用于根据实际变电站的结构和运行参数，建立相应的仿真模型；
仿真计算模块：仿真计算模块用于根据建立的仿真模型，对变电站的运行工况进行实时仿真计算；
结果展示模块：结果展示模块用于将仿真计算得到的结果以图形、表格等形式进行展示；结果展示模块可以提供多种可视化工具；
分析评估模块：分析评估模块用于对仿真计算得到的结果进行分析和评估，为电力系统的运行和维护提供决策支持；
报警通知模块：报警通知模块在发现异常情况时，向相关人员发送报警信息，实现对变电站运行工况的实时监控。
优选的：所述模型建立模块包括：
特征提取单元：从原始数据中提取出对模型预测有用的特征，包括时间序列特征、频域特征；
模型选择单元：根据问题的特点和需求，选择合适的建模方法；
参数调优单元：通过交叉验证、网格搜索方法，对模型的参数进行优化，提高模型的预测性能。
优选的：所述仿真计算模块包括：
场景设定单元：根据实际需求，设定仿真计算的场景和条件；
模型运行单元：根据设定的场景，运行所建立的模型，进行仿真计算；
结果输出单元：将仿真计算的结果以图表、报告等形式输出，便于分析和评估。
优选的：所述分析评估模块包括：
指标计算单元：根据模型的输出结果，计算评估指标；
结果分析单元：对仿真计算的结果进行分析，找出其中的规律和趋势，为决策提供依据；
结果对比单元：将不同模型或不同参数设置下的评估指标进行对比，找出最优方案；
风险评估单元：对模型的预测结果进行风险评估，识别潜在的问题和不确定性；
改进建议单元：根据评估的结果，提出改进模型和优化策略的建议。
优选的：所述报警通知模块包括：
阈值设定单元：根据实际需求，设定报警的阈值和条件；
异常检测单元：实时监测模型的输出结果，判断是否满足报警条件；
报警信息生成单元：当检测到异常时，生成相应的报警信息，包括报警类型、报警级别；
报警通知单元：将报警信息发送给相关人员。
优选的：还包括：
故障预测模块：故障预测模块用于根据历史运行数据和实时监测数据，对变电站可能出现的故障进行预测，降低故障发生的风险；
设备寿命评估模块：设备寿命评估模块根据设备的运行数据、环境参数信息，采用疲劳分析、剩余寿命预测的方法，实现对设备寿命的准确评估，为设备的维护和更换提供依据。
优选的：还包括：
优化控制模块：优化控制模块负责对变电站的运行工况进行优化控制，以提高电力系统的稳定性和经济性；优化控制模块采用遗传算法、粒子群优化等方法，实现对变电站运行工况的实时优化调整；
能源管理模块：该模块负责对变电站的能源消耗进行管理和分析，采集变电站的能耗数据，采用能源审计、能源效率分析的方法，实现对变电站能源消耗的全面监控和管理。
优选的：所述故障预测模块包括：
故障特征提取单元：从历史数据中提取出与故障相关的特征，如温度、压力等；
故障诊断单元：根据提取的特征，运用故障诊断算法对设备进行故障预测；
故障等级划分单元：根据预测结果，对故障进行等级划分，如轻度故障、严重故障等；
故障处理建议单元：针对不同类型的故障，给出相应的处理建议和措施。
优选的：所述设备寿命评估模块包括：
设备状态监测单元：实时监测设备的运行状态，如温度、振动等参数；
寿命损耗计算单元：根据设备的运行状态和历史数据，计算设备的寿命损耗；
寿命预测单元：运用寿命预测模型，预测设备的剩余寿命；
维修保养建议单元：根据寿命预测结果，给出设备维修保养的建议和周期。
优选的：所述优化控制模块包括：
目标设定单元：根据实际需求，设定优化控制的目标和约束条件；
优化算法选择单元：选择合适的优化算法，如遗传算法、粒子群优化等；
优化过程执行单元：根据选定的优化算法，执行优化过程，寻找最优解；
控制策略调整单元：根据优化结果，调整控制策略，实现对系统的优化控制。
本发明的有益效果为：
1.本发明提供的变电站运行工况仿真系统可以实时、准确地模拟和分析变电站的运行工况，为电力系统的运行和维护提供有力支持。
2.本发明通过采用模块化设计，使得整个系统具有较高的灵活性和可扩展性，可以根据实际需求对各个功能模块进行优化和调整。
3.本发明采用先进的数据采集、处理、建模、仿真等技术，实现了对变电站运行工况的全面、深入研究，有助于提高电力系统的安全性和经济性。
附图说明
图1为本发明提出的一种变电站运行工况仿真系统仿真方法的流程图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步详细地说明。
实施例1：
一种变电站运行工况仿真系统，包括：
数据采集模块：数据采集模块用于从变电站的各种监测设备中采集实时运行数据，如电压、电流、功率等参数；数据采集模块可以采用有线或无线通信方式与监测设备连接，实现数据的实时传输；
数据处理模块：数据处理模块用于对接收到的运行数据进行预处理，包括数据清洗、数据校验、数据格式转换等操作；
模型建立模块：模型建立模块用于根据实际变电站的结构和运行参数，建立相应的仿真模型；
仿真计算模块：仿真计算模块用于根据建立的仿真模型，对变电站的运行工况进行实时仿真计算；
结果展示模块：结果展示模块用于将仿真计算得到的结果以图形、表格等形式进行展示；结果展示模块可以提供多种可视化工具，如曲线图、柱状图、饼图等，方便用户直观地了解变电站的运行工况；
分析评估模块：分析评估模块用于对仿真计算得到的结果进行分析和评估，为电力系统的运行和维护提供决策支持；分析评估模块采用故障诊断、性能评估、优化控制等方法，实现对变电站运行工况的深入分析；
报警通知模块：报警通知模块在发现异常情况时，向相关人员发送报警信息，实现对变电站运行工况的实时监控。
其中，所述模型建立模块包括：
特征提取单元：从原始数据中提取出对模型预测有用的特征，如时间序列特征、频域特征等；
模型选择单元：根据问题的特点和需求，选择合适的建模方法，如线性回归、决策树、神经网络等；
参数调优单元：通过交叉验证、网格搜索等方法，对模型的参数进行优化，提高模型的预测性能。
其中，所述仿真计算模块包括：
场景设定单元：根据实际需求，设定仿真计算的场景和条件，如时间范围、输入变量等；
模型运行单元：根据设定的场景，运行所建立的模型，进行仿真计算；
结果输出单元：将仿真计算的结果以图表、报告等形式输出，便于分析和评估。
其中，所述分析评估模块包括：
指标计算单元：根据模型的输出结果，计算各种评估指标，如准确率、召回率、F1值等；
结果分析单元：对仿真计算的结果进行分析，找出其中的规律和趋势，为决策提供依据；
结果对比单元：将不同模型或不同参数设置下的评估指标进行对比，找出最优方案；
风险评估单元：对模型的预测结果进行风险评估，识别潜在的问题和不确定性；
改进建议单元：根据评估的结果，提出改进模型和优化策略的建议。
其中，所述报警通知模块包括：
阈值设定单元：根据实际需求，设定报警的阈值和条件；
异常检测单元：实时监测模型的输出结果，判断是否满足报警条件；
报警信息生成单元：当检测到异常时，生成相应的报警信息，包括报警类型、报警级别等；
报警通知单元：将报警信息发送给相关人员，如通过短信、邮件等方式进行通知。
实施例2：
一种变电站运行工况仿真系统，还包括：
故障预测模块：故障预测模块用于根据历史运行数据和实时监测数据，对变电站可能出现的故障进行预测，降低故障发生的风险；
设备寿命评估模块：设备寿命评估模块根据设备的运行数据、环境参数信息，采用疲劳分析、剩余寿命预测的方法，实现对设备寿命的准确评估，为设备的维护和更换提供依据；
优化控制模块：优化控制模块负责对变电站的运行工况进行优化控制，以提高电力系统的稳定性和经济性；优化控制模块采用遗传算法、粒子群优化等方法，实现对变电站运行工况的实时优化调整；
能源管理模块：该模块负责对变电站的能源消耗进行管理和分析，采集变电站的能耗数据，采用能源审计、能源效率分析的方法，实现对变电站能源消耗的全面监控和管理。
其中，所述故障预测模块包括：
故障特征提取单元：从历史数据中提取出与故障相关的特征，如温度、压力等；
故障诊断单元：根据提取的特征，运用故障诊断算法对设备进行故障预测；
故障等级划分单元：根据预测结果，对故障进行等级划分，如轻度故障、严重故障等；
故障处理建议单元：针对不同类型的故障，给出相应的处理建议和措施。
其中，所述设备寿命评估模块包括：
设备状态监测单元：实时监测设备的运行状态，如温度、振动等参数；
寿命损耗计算单元：根据设备的运行状态和历史数据，计算设备的寿命损耗；
寿命预测单元：运用寿命预测模型，预测设备的剩余寿命；
维修保养建议单元：根据寿命预测结果，给出设备维修保养的建议和周期。
其中，所述优化控制模块包括：
目标设定单元：根据实际需求，设定优化控制的目标和约束条件；
优化算法选择单元：选择合适的优化算法，如遗传算法、粒子群优化等；
优化过程执行单元：根据选定的优化算法，执行优化过程，寻找最优解；
控制策略调整单元：根据优化结果，调整控制策略，实现对系统的优化控制。
该系统的仿真方法，包括如下步骤：
S1：从变电站的各种监测设备中采集实时运行数据，并对数据进行实时传输；
S2：对接收到的运行数据进行预处理；
S3：根据实际变电站的结构和运行参数，建立相应的仿真模型；
S4：根据建立的仿真模型，对变电站的运行工况进行实时仿真计算；
S5：将仿真计算得到的结果以图形、表格等形式进行展示；
S6：对仿真计算得到的结果进行分析和评估，为电力系统的运行和维护提供决策支持。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种变电站运行工况仿真系统，其特征在于，包括：
数据采集模块：数据采集模块用于从变电站的各种监测设备中采集实时运行数据；数据采集模块采用有线或无线通信方式与监测设备连接，实现数据的实时传输；
数据处理模块：数据处理模块用于对接收到的运行数据进行预处理，包括数据清洗、数据校验、数据格式转换操作；
模型建立模块：模型建立模块用于根据实际变电站的结构和运行参数，建立相应的仿真模型；
仿真计算模块：仿真计算模块用于根据建立的仿真模型，对变电站的运行工况进行实时仿真计算；
结果展示模块：结果展示模块用于将仿真计算得到的结果以图形、表格等形式进行展示；结果展示模块可以提供多种可视化工具；
分析评估模块：分析评估模块用于对仿真计算得到的结果进行分析和评估，为电力系统的运行和维护提供决策支持；
报警通知模块：报警通知模块在发现异常情况时，向相关人员发送报警信息，实现对变电站运行工况的实时监控。
2.根据权利要求1所述的一种变电站运行工况仿真系统，其特征在于，所述模型建立模块包括：
特征提取单元：从原始数据中提取出对模型预测有用的特征，包括时间序列特征、频域特征；
模型选择单元：根据问题的特点和需求，选择合适的建模方法；
参数调优单元：通过交叉验证、网格搜索方法，对模型的参数进行优化，提高模型的预测性能。
3.根据权利要求1所述的一种变电站运行工况仿真系统，其特征在于，所述仿真计算模块包括：
场景设定单元：根据实际需求，设定仿真计算的场景和条件；
模型运行单元：根据设定的场景，运行所建立的模型，进行仿真计算；
结果输出单元：将仿真计算的结果以图表、报告等形式输出，便于分析和评估。
4.根据权利要求1所述的一种变电站运行工况仿真系统，其特征在于，所述分析评估模块包括：
指标计算单元：根据模型的输出结果，计算评估指标；
结果分析单元：对仿真计算的结果进行分析，找出其中的规律和趋势，为决策提供依据；
结果对比单元：将不同模型或不同参数设置下的评估指标进行对比，找出最优方案；
风险评估单元：对模型的预测结果进行风险评估，识别潜在的问题和不确定性；
改进建议单元：根据评估的结果，提出改进模型和优化策略的建议。
5.根据权利要求1所述的一种变电站运行工况仿真系统，其特征在于，所述报警通知模块包括：
阈值设定单元：根据实际需求，设定报警的阈值和条件；
异常检测单元：实时监测模型的输出结果，判断是否满足报警条件；
报警信息生成单元：当检测到异常时，生成相应的报警信息，包括报警类型、报警级别；
报警通知单元：将报警信息发送给相关人员。
6.根据权利要求1-6任一项所述的一种变电站运行工况仿真系统，其特征在于，还包括：
故障预测模块：故障预测模块用于根据历史运行数据和实时监测数据，对变电站可能出现的故障进行预测，降低故障发生的风险；
设备寿命评估模块：设备寿命评估模块根据设备的运行数据、环境参数信息，采用疲劳分析、剩余寿命预测的方法，实现对设备寿命的准确评估，为设备的维护和更换提供依据。
7.根据权利要求6所述的一种变电站运行工况仿真系统，其特征在于，还包括：
优化控制模块：优化控制模块负责对变电站的运行工况进行优化控制，以提高电力系统的稳定性和经济性；优化控制模块采用遗传算法、粒子群优化等方法，实现对变电站运行工况的实时优化调整；
能源管理模块：该模块负责对变电站的能源消耗进行管理和分析，采集变电站的能耗数据，采用能源审计、能源效率分析的方法，实现对变电站能源消耗的全面监控和管理。
8.根据权利要求6所述的一种变电站运行工况仿真系统，其特征在于，所述故障预测模块包括：
故障特征提取单元：从历史数据中提取出与故障相关的特征，如温度、压力等；
故障诊断单元：根据提取的特征，运用故障诊断算法对设备进行故障预测；
故障等级划分单元：根据预测结果，对故障进行等级划分，如轻度故障、严重故障等；
故障处理建议单元：针对不同类型的故障，给出相应的处理建议和措施。
9.根据权利要求6所述的一种变电站运行工况仿真系统，其特征在于，所述设备寿命评估模块包括：
设备状态监测单元：实时监测设备的运行状态，如温度、振动等参数；
寿命损耗计算单元：根据设备的运行状态和历史数据，计算设备的寿命损耗；
寿命预测单元：运用寿命预测模型，预测设备的剩余寿命；
维修保养建议单元：根据寿命预测结果，给出设备维修保养的建议和周期。
10.根据权利要求7所述的一种变电站运行工况仿真系统，其特征在于，所述优化控制模块包括：
目标设定单元：根据实际需求，设定优化控制的目标和约束条件；
优化算法选择单元：选择合适的优化算法，如遗传算法、粒子群优化等；
优化过程执行单元：根据选定的优化算法，执行优化过程，寻找最优解；
控制策略调整单元：根据优化结果，调整控制策略，实现对系统的优化控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311596616.5A CN117390944A (zh) | 2023-11-28 | 2023-11-28 | 一种变电站运行工况仿真系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311596616.5A CN117390944A (zh) | 2023-11-28 | 2023-11-28 | 一种变电站运行工况仿真系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117390944A true CN117390944A (zh) | 2024-01-12 |
Family
ID=89439415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311596616.5A Pending CN117390944A (zh) | 2023-11-28 | 2023-11-28 | 一种变电站运行工况仿真系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117390944A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117648543A (zh) * | 2024-01-30 | 2024-03-05 | 金数信息科技(苏州)有限公司 | 一种自演化的变电站设备学习方法 |
-
2023
- 2023-11-28 CN CN202311596616.5A patent/CN117390944A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117648543A (zh) * | 2024-01-30 | 2024-03-05 | 金数信息科技(苏州)有限公司 | 一种自演化的变电站设备学习方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| EP2697699B1 (en) | Dynamic assessment system for high-voltage electrical components | |
| CN106204330A (zh) | 一种配电网智能诊断系统 | |
| CN106407589B (zh) | 一种风机状态评估与预测方法及系统 | |
| CN105512448A (zh) | 一种配电网健康指数的评估方法 | |
| CN101763598A (zh) | 电能管理系统 | |
| CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
| CN116865258B (zh) | 一种层级构造的分布式电源智能电网构建方法 | |
| CN112381306A (zh) | 配电网智能化运维管控平台 | |
| CN111143447A (zh) | 一种电网薄弱环节动态监测预警决策系统及方法 | |
| CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
| CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
| CN107069973A (zh) | 一种电力网络监控系统 | |
| CN116754888A (zh) | 一种基于大数据的低压配电柜实时状态监测系统及方法 | |
| CN113420162B (zh) | 一种基于知识图谱的设备运行链状态监测方法 | |
| CN116881661A (zh) | 一种基于低压电力电容器的性能自动化分析方法及系统 | |
| CN108596450B (zh) | 电网风险预警方法和系统 | |
| CN115936663A (zh) | 一种电力系统的维护方法及装置 | |
| CN112884606A (zh) | 一种ai智能电力高压一二次设备运维检修诊断综合管理系统 | |
| CN114414938B (zh) | 一种配电网故障的动态响应方法及系统 | |
| CN117197770B (zh) | 一种基于物联网的巡检全流程数据监管系统及方法 | |
| CN116433414A (zh) | 一种集控站运行关键信息巡检方法 | |
| CN117391352A (zh) | 一种基于人工智能高级算法的能源分析管理系统 | |
| CN117639251A (zh) | 一种高压开关柜智能在线监测系统 | |
| CN117878925A (zh) | 一种智能电网的输电数据控制方法及系统 |
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 |