CN117689214A - 一种柔性直流牵引供电系统能量路由器动态安全评估方法 - Google Patents
一种柔性直流牵引供电系统能量路由器动态安全评估方法 Download PDFInfo
- Publication number
- CN117689214A CN117689214A CN202410131333.1A CN202410131333A CN117689214A CN 117689214 A CN117689214 A CN 117689214A CN 202410131333 A CN202410131333 A CN 202410131333A CN 117689214 A CN117689214 A CN 117689214A
- Authority
- CN
- China
- Prior art keywords
- data
- safety
- dynamic
- risk
- energy router
- 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 66
- 238000012549 training Methods 0.000 claims abstract description 28
- 238000012502 risk assessment Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 14
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 238000004140 cleaning Methods 0.000 claims abstract description 9
- 238000012423 maintenance Methods 0.000 claims abstract description 8
- 230000008439 repair process Effects 0.000 claims abstract description 4
- 230000007613 environmental effect Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 11
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 4
- 238000010200 validation analysis Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000008713 feedback mechanism Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000003137 locomotive effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000013450 outlier detection Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 3
- 230000003449 preventive effect Effects 0.000 abstract 1
- 238000001816 cooling Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 239000000306 component Substances 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013021 overheating Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002759 z-score normalization 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种柔性直流牵引供电系统能量路由器动态安全评估方法，该方法包括自动收集运行数据、实时监测不同环境数据、数据清洗和格式化、识别影响安全性的关键风险因素、利用专家系统或/和历史数据进行风险因素的权重分配、训练和验证动态安全评估模型、基于实时数据进行风险评估与预测、确定能量路由器的安全等级，并在必要时自动启动安全响应机制。此外，该方法还提供数据驱动的决策支持，帮助运维团队采取适当的预防或修复措施。该评估方法的核心在于其能够为柔性直流牵引供电系统中的能量路由器提供一个全面、动态且高效的安全评估解决方案。
Description
技术领域
本发明属于柔性直流牵引供电系统技术领域，具体涉及一种柔性直流牵引供电系统能量路由器动态安全评估方法。
背景技术
随着智慧城轨、绿色城轨的快速发展，柔性直流牵引供电系统因其高效率和可靠性而被广泛推广应用。能量路由器作为该系统的核心组成部分，其安全性和稳定性对整个系统的运行至关重要。然而，传统的安全评估方法往往依赖于定期的检查和维护，这不仅耗时耗力，而且难以应对复杂和多变的运行环境，尤其是在极端环境条件或突发事件下。
现有的技术在实时数据监测和风险评估方面存在一定的局限性。虽然一些系统采用了传感器来收集运行数据，但通常缺乏有效的数据处理和分析机制，以及无法提供即时的安全风险评估和预警。此外，现有技术往往忽视了环境因素对系统安全性的影响，以及在面对数据量大和变化快的情况下缺乏有效的风险管理策略。传统的牵引供电系统安全评估技术通常依赖于静态的分析和传统的故障诊断方法，这些方法在处理复杂的实时数据和预测未来潜在风险方面效果不佳。例如，许多系统无法有效处理和分析大量来自传感器的数据流，导致无法及时识别和响应可能影响系统安全性的关键变化。此外，传统方法在评估环境因素对系统性能和安全性的影响方面也存在不足。
在快速变化的操作环境中，对安全性的评估需要不仅基于当前的数据，还要考虑历史趋势和潜在的风险因素。现有技术通常缺乏动态评估的能力，无法有效预测和适应这种环境变化。例如，现有系统可能无法准确预测由于突发事件或非常规运行条件导致的安全风险，从而无法提前采取预防措施。
此外，大多数现有系统在安全响应策略上也存在局限性，它们通常依赖于人工干预，缺乏自动化和智能化的安全响应机制。这种依赖导致响应时间延迟，增加了系统面临的风险。在紧急情况下，这种延迟可能导致严重的后果，特别是在对安全性和可靠性要求较高的城市轨道交通系统牵引供电系统中。
发明内容
有鉴于此，本发明提出了一种柔性直流牵引供电系统能量路由器动态安全评估方法，该方法通过整合传感器网络、先进的数据处理技术、风险评估模型和动态安全识别技术，能够实时监测系统状态和环境变化，对潜在的安全风险进行即时评估和预测。通过这种方式，本发明旨在提供一种更高效、准确且响应迅速的安全评估机制，从而提高柔性直流牵引供电系统的整体安全性和可靠性。
本发明通过以下技术方案实现该目的：
一种柔性直流牵引供电系统能量路由器动态安全评估方法，包括以下步骤：
S1：实时监测收集柔性直流牵引供电系统的运行数据和环境数据；
S2：清洗和格式化数据，对数据进行预处理；
S3：进行安全风险分析，识别影响能量路由器安全性的关键风险因素；
S4：利用专家系统或/和历史数据分配不同风险因素的权重，并对风险因素排序；
S5：构建并训练动态安全评估模型，使用独立的测试数据集对动态安全评估模型进行验证和调优；
S6：利用训练完成的动态安全评估模型对柔性直流牵引供电系统能量路由器的实时监测数据进行风险评估，分析当前环境和设备运行状态，并进行风险预测；
S7：利用预设的安全标准和阈值，确定能量路由器的安全等级；
S8：若检测到安全等级超出预设阈值，自动启动安全响应机制；
S9：为城市轨道交通操作人员或运维团队提供数据驱动的决策支持，以采取进一步的预防或修复措施。
进一步，所述步骤S1中的运行数据包括直流馈线电压、直流母线电压、直流馈线电流、机车进入供电区间遥信信号、能量路由器三相进线电压、能量路由器三相进线电流、能量路由器阀组三相电流、能量路由器阀组状态、阀组运行温度 、牵引变压器低压侧三相电流。
进一步，所述步骤S1中环境数据包括环境温度、环境湿度和风冷或液冷数据。
进一步，所述步骤S1中运行数据和环境数据监测收集为使用传感器网络自动收集和实时传输。
进一步，所述步骤S2中数据预处理具体为：
数据清洗：滤除噪声，去除数据中的随机错误或偏差；
纠正错误读数：识别并修正显然错误的数据点；
填补缺失值：对缺失的数据进行填补；
异常值检测和校正：识别异常值并对异常值进行处理，决定是删除异常值、用其他值替换还是进行进一步的分析；
数据标准化：统一单位，确保所有数据采用统一的测量单位；
范围标准化：将数据转换为标准格式；
数据转换：数据编码，将非数值数据转换为数值形式；
特征工程：创建新的特征或转换现有特征以提高后续分析的效果；
数据集成：合并不同来源的数据。
进一步，所述步骤S3中的安全风险分析包括构建和应用一个或多个风险评估模型，所述风险评估模型同时对多种风险因素进行评估。
进一步，所述步骤S4具体为：
S4.1：根据专家系统的意见，输出每个风险因素的主观评分，反映其对系统安全性的潜在影响；
S4.2：收集和分析关于过往事故、故障和性能数据，以识别风险模式和趋势，基于其历史发生频率和影响程度输出每个风险因素的客观评分；
S4.3：使用决策支持工具将风险因素的主观评分或客观评分转化为权重；或者使用决策支持工具综合风险因素的主观评分与客观评分计算权重；所述决策支持工具包括但不限于：层次分析法、多属性决策方法、多准则决策方法、专家系统、数据驱动方法、模拟和优化工具；
S4.4：根据权重的大小进行风险因素优先级排序。
进一步，所述步骤S5中构建、训练并优化动态安全评估模型的步骤如下：
S5.1：数据准备：收集并整理用于训练动态安全评估模型的数据，包括运行参数、环境数据；进行数据预处理，包括清洗、标准化和特征工程；
S5.2：模型设计：根据数据的特征和评估需求，利用基于决策树的集成学习方法设计动态安全评估模型结构，随机森林通过构建多个决策树，并对预测结果进行平均或多数投票，来提高预测的准确性和鲁棒性；所述的决策树的每棵树都在随机选择的数据子集和特征子集上进行训练；随机森林的预测表示为：
，
式中，Y表示动态安全评估输出预测；N表示树的数量；T i 表示第i棵树的预测函数；X是输入特征；
S5.3：训练与验证：使用历史数据对动态安全评估模型进行训练，使动态安全评估模型学习如何从输入数据预测并输出安全等级；使用验证集调整动态安全评估模型参数，以优化其性能并避免过拟合；
S5.4：测试与调优：使用独立的测试集评估动态安全评估模型的准确性和泛化能力；根据测试结果对动态安全评估模型进行调优；
S5.5：持续优化：收集动态安全评估模型的预测结果和实际发生的情况，建立用于动态安全评估模型持续优化和调整的反馈机制。
进一步，所述步骤S6中风险预测的具体为动态安全评估模型利用训练、优化过程中学到的风险因素和安全状况之间的关联度进行关联学习，并预测短期内可能出现的安全问题，输出预警信息。
进一步，所述步骤S8中安全响应机制包括但不限于调节能量输出、发出警报、断开能量路由器及对系统运行人员的实时通知。
相对于现有技术，本发明具有的有益效果为：
本发明基于实时数据监测与动态分析，通过集成传感器网络来实时收集运行数据，包括环境和设备状态变化，提供了比传统方法更全面和即时的监测能力，使得系统能够快速响应环境变化和设备状态的变化，提高了评估的时效性和准确性。本发明提供的动态评估方法具备高级数据预处理能力，通过高级预处理技术，本发明能够提供更准确和可靠的数据分析基础。本发明具备综合风险评估模型，相较于现有技术，通过构建和应用一个或多个风险评估模型来综合考虑多种风险因素的组合影响，能够更全面地评估潜在的安全风险，而不仅仅是单一因素的影响。本发明利用训练性能优异的动态安全评估模型，不仅能评估当前的安全状况，还能预测潜在的安全问题，具备智能化的安全识别与预测能力，动态安全评估模型的识别预测能力远超传统的静态分析和预测。本发明提供的评估方法具备自动化安全响应机制，在检测到安全等级超出预设阈值时，能够自动启动安全响应机制，快速响应能力大大减少了潜在风险的影响。本发明提供的评估方法具备数据驱动的决策支持能力，本发明为操作人员或运维团队提供基于数据的决策支持，有助于他们更有效地进行风险管理和应对措施的制定，数据驱动方法提供了比传统基于经验的决策更高的精度和效率。本发明提供的评估方法在实时数据处理、动态风险评估、智能化预测和自动化响应等方面相对于现有技术具有显著的优势，从而为柔性直流牵引供电系统能量路由器提供了一个更安全、可靠和高效的安全评估解决方案。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术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示例性的，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，还可以根据提供的附图引申获得其它的实施附图。
图1为本发明评估方法流程图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如图1所示，本发明公开了一种牵引供电系统能量路由器动态安全评估方法，包括以下步骤：
S1：实时监测收集柔性直流牵引供电系统的运行数据和环境数据。
首先，系统通过安装在柔性直流牵引供电系统及能量路由器关键部位的传感器网络来收集传输运行数据，包括直流馈线电压U f 、直流母线电压U b 、直流馈线电流I f 、机车进入供电区间遥信信号k、能量路由器三相进线电压U a 、U b 、U c ，能量路由器三相进线电流I a 、I b 、I c ，能量路由器阀组三相电流I fa 、I fb 、I fc ，能量路由器阀组状态S t 、阀组运行温度T f 、牵引变压器低压侧三相电流I Ta 、I Tb 、I Tc 。
同时，与环境相关的监测包括牵引变电站环境数据或能量路由器阀组环境监测数据或各板件上的环境数据，通过环境传感器对环境温度、环境湿度、风冷或液冷数据进行监测收集。
板件指柔性直流牵引供电系统内部的各种电子元件、电路板或设备组件，包括但不限于以下内容：
主控制板：可能包括用于控制柔性直流牵引供电系统操作的电路板，其中包括各种传感器和控制元件。
电源模块：柔性直流牵引供电系统可能包括各种电源模块，用于提供电能和管理电流。
通信模块：通信模块用于系统内部和外部的数据通信，它们可能包括与网络通信相关的电路板。
冷却系统：柔性直流牵引供电系统可能包括用于冷却设备或元件的冷却系统，这些系统会监测温度、湿度等环境参数以确保设备正常运行。
其他电子元件：还可能包括与系统运行和监测相关的其他电子元件和板件。
环境温度对电气设备的性能和安全性有重要影响，尤其是在极端温度条件下。环境湿度水平对电气设备的绝缘性能和腐蚀风险有直接影响。风冷或液冷数据用于监测冷却系统冷却效果，冷却系统影响能量路由器的运行效率和可靠性。
S2：清洗和格式化数据，对数据进行预处理。
对于收集到的数据，首先进行预处理，包括使用数据处理软件进行清洗，滤除噪声、纠正错误读数、填补缺失值，以及对数据进行标准化处理，具体包括：
数据清洗，滤除噪声，去除数据中的随机错误或偏差，这些可能由传感器故障、数据传输错误等引起。纠正错误读数，识别并修正显然错误的数据点，如超出预期范围的读数。填补缺失值，对缺失的数据进行填补，可以使用多种技术，如平均值填补、中位数填补、插值方法或更复杂的方法，如基于时间序列的预测模型。
异常值检测和校正，识别异常值，通过统计分析方法（如箱型图、标准差方法等）或机器学习技术识别出与其他数据显著不同的点。处理异常值，决定是删除异常值、用其他值替换还是进行进一步的分析。
数据标准化，单位统一，确保所有数据采用统一的测量单位。范围标准化，将数据转换为标准格式，以便在不同的系统或模型中具有可比性，常见方法包括最小-最大标准化和Z得分标准化。
数据转换，数据编码，将非数值数据转换为数值形式，例如将分类数据转换为数字标签。
特征工程，创建新的特征或转换现有特征以提高后续分析的效果。
数据集成，合并来自不同来源的数据，确保来自不同传感器和系统的数据能够在同一分析中一起使用。
通过上述数据预处理步骤，数据被清洗、标准化和转换，从而为准确的数据分析和决策提供了坚实的基础。数据预处理有助于提高数据的质量和可靠性，从而确保随后的分析和解释更加准确和有效，确保不同来源的数据具有可比性。
S3：进行安全风险分析，识别影响能量路由器安全性的关键风险因素。
安全风险分析包括构建和应用一个或多个风险评估模型，每个风险评估模型考虑多种风险因素的组合影响，同时对多种风险因素进行评估。考虑多风险因素和交叉作用，建立更复杂、更高级的模型，使用概率分布、回归分析、机器学习算法等方法来提高预测的准确性和可靠性。
系统通过专家系统和历史数据分析，识别可能影响能量路由器安全性的关键风险因素，包括：
设备过热：由于设备运行不当或故障而导致的温度异常升高。
电路过载：电流超过电路设计容量，可能导致故障或损坏。
电压波动：电压不稳定，可能影响设备性能。
传感器故障：传感器数据不准确或失效。
通信中断：数据传输中断或延迟。
S4：利用专家系统或/和历史数据分配不同风险因素的权重，确定风险因素排序。
风险因素权重计算过程如下：
S4.1:专家评估，邀请领域专家根据风险因素的严重性和发生概率给予评分；根据专家系统的意见，输出每个风险因素的主观评分，反映其对系统安全性的潜在影响。
S4.2:历史数据分析，分析历史数据以确定每个风险因素的发生频率和影响。收集和分析关于过往事故、故障和性能数据，以识别风险模式和趋势，输出每个风险因素的客观评分，基于其历史发生频率和影响程度。
S4.3:使用决策支持工具将风险因素的主观评分或客观评分转化评分为权重；或者使用决策支持工具综合风险因素的主观评分与客观评分计算权重；其中决策支持工具包括但不限于：层次分析法（AHP）、多属性决策方法（MADM）、多准则决策方法（MCDM）、专家系统、数据驱动的方法、模拟和优化工具。
权重分配示例，基于专家评分和历史数据分析，计算每个风险因素的权重，假设有n 个风险因素，权重可以使用以下公式计算：，其中，W i 是第i个风险因素的权重，S i 是该风险因素的综合评分（通过决策支持工具结合专家评分和历史数据分析得出）；S j 为n个风险因素的总综合评分。
S4.4:根据权重的大小进行排序，权重越大的风险因素在优先级中越高。
假设经过分析计算可以得到并产生一个权重数据列表，得到的权重数据为：设备过热（0.30）、电路过载（0.25）、电压波动（0.20）、传感器故障（0.15）、通信中断（0.10）。这意味着设备过热是影响系统安全性的最主要风险因素，应被优先考虑。通过这种综合方法，能够更全面和准确地评估风险，为风险管理和决策提供坚实的基础。
S5：构建并训练动态安全评估模型，学习风险因素和安全状况关联度；使用独立的测试数据集对动态安全评估模型进行验证和调优。
发明中采用机器学习算法构建动态安全评估模型，选用机器学习算法适用于城市轨道交通柔性直流牵引供电系统这种复杂数据场景，机器学习算法为一种基于决策树的集成学习方法，该方法适用于城市轨道交通柔性直流牵引供电系统这种具有高维特征的数据的场景，并且对于缺失数据和非平衡数据具有较好的鲁棒性。这个模型使用历史运行数据进行训练，学习风险因素和安全状态之间的关联，并通过独立的测试数据集进行验证和性能调优。模型一旦训练完成，就可以实时评估当前的安全状况，分析设备运行状态和环境条件，预测潜在的安全问题。
具体构建、训练、优化动态安全评估模型的步骤如下：
S5.1：数据准备和预处理
收集并整理用于训练模型的数据，包括运行参数、环境数据。进行数据预处理，包括清洗、标准化和特征工程，以确保数据质量。
收集并整理用于训练动态安全评估模型的数据通常包括历史运行数据。历史运行数据是非常重要的资源，因为它们包含了系统在过去运行期间的表现和行为模式。历史运行数据包括各种运行参数、环境数据、故障记录、维护日志等。通过分析这些历史数据，可以帮助动态安全评估模型学习识别潜在的风险模式和趋势，从而提高安全风险评估的准确性和效率。
数据准备和预处理阶段既涉及专门筛选用于动态安全评估模型训练的数据，也包括使用经过预处理的历史数据。这个过程中，首先需要收集相关的历史运行数据，包括系统的运行参数、环境数据等。然后，对这些数据进行预处理，包括数据清洗（移除错误或不完整的数据）、标准化（确保数据格式一致，便于分析），以及特征工程（选择或转换数据，以更好地表示问题的本质）。这些步骤的目的是确保数据的质量和适用性，以便有效地训练和优化模型。
S5.2：模型设计
根据数据的特征和评估需求，利用基于决策树的集成学习方法。设计模型结构，随机森林通过构建多个决策树，并对预测结果进行平均或多数投票，来提高预测的准确性和鲁棒性。所述的决策树的每棵树都在随机选择的数据子集和特征子集上进行训练。随机森林的预测可以表示为：
，
式中，Y表示动态安全评估输出预测；N表示树的数量；T i 表示第i棵树的预测函数；X是输入特征。
S5.3：训练与验证
使用历史数据训练模型，使其学习如何从输入数据预测并输出安全等级。使用验证集调整模型参数，以优化其性能并避免过拟合。
使用处理后的数据对选定的机器学习模型进行训练，在训练过程中，模型学习风险因素和安全状态之间的复杂关系和模式，模型通过分析历史数据中的模式，学习如何预测未来的安全状况，从而能够识别和预测潜在的安全风险。安全风险评估训练与安全风险预测训练可以是同时进行的，也可以是分开进行的。具体的训练策略取决于模型的设计和数据的特性。有时，可以使用同一批处理后的历史数据来同时进行安全风险评估和预测的训练。在其他情况下，可能需要针对评估和预测的不同需求使用不同的数据集或者不同的模型特征。关键在于确保数据和模型结构能够有效地支持所需的安全评估和预测任务。
S5.4：测试与调优
使用独立的测试集评估模型的准确性和泛化能力。根据测试结果对模型进行调优，如调整算法参数或改进特征工程。使用独立的测试数据集对动态安全评估模型进行验证和调优，提高预测准确性。模型验证和调优，采用与训练集不同的数据集来验证模型的性能，确保模型具有良好的泛化能力，根据测试结果调整模型参数，优化其预测准确性和鲁棒性。
S5.5：持续优化：收集动态安全评估模型的预测结果和实际发生的情况，建立用于动态安全评估模型持续优化和调整的反馈机制。
通过上述构建动态安全评估模型的步骤，构建一个能够准确识别和预测能量路由器安全状况的动态安全评估模型。该模型可以作为柔性直流牵引供电系统能量路由器动态安全评估中的一个关键组件，提高整体的安全性和可靠性。
S6：利用训练完成的动态安全评估模型对柔性直流牵引供电系统能量路由器的实时监测数据进行风险评估，分析当前环境和设备运行状态，并进行风险预测。
将训练好的模型集成到安全评估系统中，进行当前安全状况的评估和风险预测，模型能够分析设备运行状态和环境条件，提供实时的安全评估和预测潜在的安全问题。
风险预测的具体过程为动态安全评估模型利用训练、优化过程中学到的风险因素和安全状况之间的关联度进行关联学习，并预测短期内可能出现的安全问题，输出预警信息。
通过这个过程，动态安全评估模型能够提供关于柔性直流牵引供电系统能量路由器当前和未来安全状况的深入洞见，帮助运维团队更有效地管理风险并确保系统的安全运行。
S7：利用预设的安全标准和阈值，确定能量路由器的安全等级。
预设的安全标准和阈值是指事先定义的安全评估准则，用于确定能量路由器的安全等级。预设的安全标准和阈值是基于特定的安全要求和标准设定的，它们定义了不同安全等级的量化标准。例如，预设的安全标准和阈值包括设备的温度极限、电流容量、系统响应时间等。当评估结果高于或低于这些预设阈值时，系统的安全等级将相应地被确定。预设的安全标准和阈值有助于系统管理员或自动监控系统快速识别潜在的安全问题，并采取相应的措施。以能量路由器系统为例，一个具体的预设安全阈值可能是设备运行温度。假设安全标准规定，能量路由器的正常运行温度不应超过52℃。因此，52℃成为了一个重要的安全阈值。如果系统监测到能量路由器的温度超过52℃，这将触发一个安全警报，表明路由器可能存在过热风险，需要立即检查和干预。预设的安全标准和阈值有助于及时识别和响应可能的安全风险，从而保证系统的安全运行。
S8：若检测到安全等级超出预设阈值，自动启动安全响应机制，包括但不限于调节能量输出、发出警报、断开能量路由器及对系统运行人员的实时通知。
S9：为城市轨道交通操作人员或运维团队提供数据驱动的决策支持，以采取进一步的预防或修复措施。
以上对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。
Claims (10)
1.一种柔性直流牵引供电系统能量路由器动态安全评估方法，其特征在于，包括以下步骤：
S1：实时监测收集柔性直流牵引供电系统的运行数据和环境数据；
S2：清洗和格式化数据，对数据进行预处理；
S3：进行安全风险分析，识别影响能量路由器安全性的关键风险因素；
S4：利用专家系统或/和历史数据分配不同风险因素的权重，并对风险因素排序；
S5：构建并训练动态安全评估模型，使用独立的测试数据集对动态安全评估模型进行验证和调优；
S6：利用训练完成的动态安全评估模型对柔性直流牵引供电系统能量路由器的实时监测数据进行风险评估，分析当前环境和设备运行状态，并进行风险预测；
S7：利用预设的安全标准和阈值，确定能量路由器的安全等级；
S8：若检测到安全等级超出预设阈值，自动启动安全响应机制；
S9：为城市轨道交通操作人员或运维团队提供数据驱动的决策支持，以采取进一步的预防或修复措施。
2.根据权利要求1所述的评估方法，其特征在于，所述步骤S1中的运行数据包括直流馈线电压、直流母线电压、直流馈线电流、机车进入供电区间遥信信号、能量路由器三相进线电压、能量路由器三相进线电流、能量路由器阀组三相电流、能量路由器阀组状态、阀组运行温度 、牵引变压器低压侧三相电流。
3.根据权利要求1所述的评估方法，其特征在于，所述步骤S1中环境数据包括环境温度、环境湿度和风冷或液冷数据。
4.根据权利要求1所述评估方法，其特征在于，所述步骤S1中运行数据和环境数据监测收集为使用传感器网络自动收集和实时传输。
5.根据权利要求1所述的评估方法，其特征在于，所述步骤S2中数据预处理具体为：
数据清洗：滤除噪声，去除数据中的随机错误或偏差；
纠正错误读数：识别并修正显然错误的数据点；
填补缺失值：对缺失的数据进行填补；
异常值检测和校正：识别异常值并对异常值进行处理，决定是删除异常值、用其他值替换还是进行进一步的分析；
数据标准化：统一单位，确保所有数据采用统一的测量单位；
范围标准化：将数据转换为标准格式；
数据转换：数据编码，将非数值数据转换为数值形式；
特征工程：创建新的特征或转换现有特征以提高后续分析的效果；
数据集成：合并不同来源的数据。
6.根据权利要求1所述的评估方法，其特征在于，所述步骤S3中的安全风险分析包括构建和应用一个或多个风险评估模型，所述风险评估模型同时对多种风险因素进行评估。
7.根据权利要求1所述的评估方法，其特征在于，所述步骤S4具体为：
S4.1：根据专家系统的意见，输出每个风险因素的主观评分，反映其对系统安全性的潜在影响；
S4.2：收集和分析关于过往事故、故障和性能数据，以识别风险模式和趋势，基于其历史发生频率和影响程度输出每个风险因素的客观评分；
S4.3：使用决策支持工具将风险因素的主观评分或客观评分转化评分为权重；或者使用决策支持工具综合风险因素的主观评分与客观评分计算权重；所述决策支持工具包括：层次分析法、多属性决策方法、多准则决策方法、专家系统、数据驱动方法、模拟和优化工具；
S4.4：根据权重的大小进行风险因素优先级排序。
8.根据权利要求1所述的评估方法，其特征在于，所述步骤S5中构建、训练并优化动态安全评估模型的步骤如下：
S5.1：数据准备：收集并整理用于训练动态安全评估模型的数据，包括运行参数、环境数据；进行数据预处理，包括清洗、标准化和特征工程；
S5.2：模型设计：根据数据的特征和评估需求，利用基于决策树的集成学习方法设计动态安全评估模型结构，随机森林通过构建多个决策树，并对预测结果进行平均或多数投票，来提高预测的准确性和鲁棒性；所述的决策树的每棵树都在随机选择的数据子集和特征子集上进行训练；随机森林的预测表示为：
，
式中，Y表示动态安全评估输出预测；N表示树的数量；T i 表示第i棵树的预测函数；X是输入特征；
S5.3：训练与验证：使用历史数据对动态安全评估模型进行训练，使动态安全评估模型学习如何从输入数据预测并输出安全等级；使用验证集调整动态安全评估模型参数，以优化其性能并避免过拟合；
S5.4：测试与调优：使用独立的测试集评估动态安全评估模型的准确性和泛化能力；根据测试结果对动态安全评估模型进行调优；
S5.5：持续优化：收集动态安全评估模型的预测结果和实际发生的情况，建立用于动态安全评估模型持续优化和调整的反馈机制。
9.根据权利要求1所述的评估方法，其特征在于，所述步骤S6中风险预测的具体为动态安全评估模型利用训练、优化过程中学到的风险因素和安全状况之间的关联度进行关联学习，并预测短期内可能出现的安全问题，输出预警信息。
10.根据权利要求1所述的评估方法，其特征在于，所述步骤S8中安全响应机制包括调节能量输出、发出警报、断开能量路由器及对系统运行人员的实时通知。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410131333.1A CN117689214B (zh) | 2024-01-31 | 2024-01-31 | 一种柔性直流牵引供电系统能量路由器动态安全评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410131333.1A CN117689214B (zh) | 2024-01-31 | 2024-01-31 | 一种柔性直流牵引供电系统能量路由器动态安全评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117689214A true CN117689214A (zh) | 2024-03-12 |
| CN117689214B CN117689214B (zh) | 2024-05-14 |
Family
ID=90135564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410131333.1A Active CN117689214B (zh) | 2024-01-31 | 2024-01-31 | 一种柔性直流牵引供电系统能量路由器动态安全评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117689214B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117913956A (zh) * | 2024-03-15 | 2024-04-19 | 天津仁爱学院 | 一种用于无人机的电源安全管理系统及其安全管理方法 |
| CN117937768A (zh) * | 2024-03-21 | 2024-04-26 | 无锡志恒自动化系统有限公司 | 智能电气柜远程监控系统 |
| CN117933727A (zh) * | 2024-03-15 | 2024-04-26 | 深圳市渐近线科技有限公司 | 基于物联网的工业大数据处理方法及系统 |
| CN118229091A (zh) * | 2024-05-14 | 2024-06-21 | 江苏森基建筑工程科技有限公司 | 基于数据分析的抗震成品支架安全测试管理系统 |
| CN118710068A (zh) * | 2024-08-30 | 2024-09-27 | 江苏零浩网络科技有限公司 | 一种天眼运输管理系统的车辆安全风险评估方法 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080219186A1 (en) * | 2007-03-05 | 2008-09-11 | Grid Net, Inc. | Energy switch router |
| CN103679546A (zh) * | 2013-11-29 | 2014-03-26 | 国家电网公司 | 一种主配网联合计及备自投动作的n-1计算方法 |
| US20140086329A1 (en) * | 2012-09-27 | 2014-03-27 | Qualcomm Incorporated | Base layer merge and amvp modes for video coding |
| CN111292020A (zh) * | 2020-03-13 | 2020-06-16 | 贵州电网有限责任公司 | 一种基于随机森林的电网实时运行风险评估方法及系统 |
| CN111814330A (zh) * | 2020-07-07 | 2020-10-23 | 华北电力大学 | 一种柔性配电系统连锁故障风险评估方法和系统 |
| CN112977077A (zh) * | 2021-02-20 | 2021-06-18 | 天津大学 | 一种柔性直流牵引供电系统运行域模型构建与求解方法 |
| CN113347191A (zh) * | 2021-06-10 | 2021-09-03 | 东南大学 | 一种能源互联网网络安全风险评估方法及模型 |
| CN114583973A (zh) * | 2022-03-28 | 2022-06-03 | 西南交通大学 | 一种柔性牵引变电所结构及其优化控制方法 |
| CN114943475A (zh) * | 2022-06-20 | 2022-08-26 | 广东电网有限责任公司广州供电局 | 基于配电网关键要素数据的配电运行风险评估方法、系统 |
| CN115438522A (zh) * | 2022-11-08 | 2022-12-06 | 清华大学 | 城市轨道交通混合式直流牵引供电系统最优潮流建模方法 |
| CN115577259A (zh) * | 2022-09-14 | 2023-01-06 | 中国南方电网有限责任公司超高压输电公司大理局 | 高压直流输电系统故障选极方法、装置和计算机设备 |
| CN115579969A (zh) * | 2022-08-16 | 2023-01-06 | 国网江苏省电力有限公司经济技术研究院 | 一种基于柔性互联的能量路由器拓扑结构及其控制方法 |
| CN115622111A (zh) * | 2022-11-07 | 2023-01-17 | 清华大学 | 柔性直流牵引供电系统的最优潮流计算方法及装置 |
| CN116388177A (zh) * | 2023-04-12 | 2023-07-04 | 国网浙江省电力有限公司杭州供电公司 | 电力系统静态电压稳定性分析方法、装置、设备及介质 |
| CN116566056A (zh) * | 2023-05-23 | 2023-08-08 | 中车青岛四方车辆研究所有限公司 | 轨道交通牵引供电系统的能量管理分析系统 |
| CN116596195A (zh) * | 2023-07-17 | 2023-08-15 | 清华大学 | 柔性直流牵引供电系统光伏消纳效益评估方法 |
| CN116680936A (zh) * | 2023-08-01 | 2023-09-01 | 清华大学 | 用于规划的直流牵引供电系统碳排放责任计算方法及装置 |
| CN117394529A (zh) * | 2023-09-28 | 2024-01-12 | 贵州电网有限责任公司 | 基于scada的主配网合环倒供电控制条件辅助决策方法及系统 |
-
2024
- 2024-01-31 CN CN202410131333.1A patent/CN117689214B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080219186A1 (en) * | 2007-03-05 | 2008-09-11 | Grid Net, Inc. | Energy switch router |
| US20140086329A1 (en) * | 2012-09-27 | 2014-03-27 | Qualcomm Incorporated | Base layer merge and amvp modes for video coding |
| CN103679546A (zh) * | 2013-11-29 | 2014-03-26 | 国家电网公司 | 一种主配网联合计及备自投动作的n-1计算方法 |
| CN111292020A (zh) * | 2020-03-13 | 2020-06-16 | 贵州电网有限责任公司 | 一种基于随机森林的电网实时运行风险评估方法及系统 |
| CN111814330A (zh) * | 2020-07-07 | 2020-10-23 | 华北电力大学 | 一种柔性配电系统连锁故障风险评估方法和系统 |
| CN112977077A (zh) * | 2021-02-20 | 2021-06-18 | 天津大学 | 一种柔性直流牵引供电系统运行域模型构建与求解方法 |
| CN113347191A (zh) * | 2021-06-10 | 2021-09-03 | 东南大学 | 一种能源互联网网络安全风险评估方法及模型 |
| CN114583973A (zh) * | 2022-03-28 | 2022-06-03 | 西南交通大学 | 一种柔性牵引变电所结构及其优化控制方法 |
| CN114943475A (zh) * | 2022-06-20 | 2022-08-26 | 广东电网有限责任公司广州供电局 | 基于配电网关键要素数据的配电运行风险评估方法、系统 |
| CN115579969A (zh) * | 2022-08-16 | 2023-01-06 | 国网江苏省电力有限公司经济技术研究院 | 一种基于柔性互联的能量路由器拓扑结构及其控制方法 |
| CN115577259A (zh) * | 2022-09-14 | 2023-01-06 | 中国南方电网有限责任公司超高压输电公司大理局 | 高压直流输电系统故障选极方法、装置和计算机设备 |
| CN115622111A (zh) * | 2022-11-07 | 2023-01-17 | 清华大学 | 柔性直流牵引供电系统的最优潮流计算方法及装置 |
| CN115438522A (zh) * | 2022-11-08 | 2022-12-06 | 清华大学 | 城市轨道交通混合式直流牵引供电系统最优潮流建模方法 |
| CN116388177A (zh) * | 2023-04-12 | 2023-07-04 | 国网浙江省电力有限公司杭州供电公司 | 电力系统静态电压稳定性分析方法、装置、设备及介质 |
| CN116566056A (zh) * | 2023-05-23 | 2023-08-08 | 中车青岛四方车辆研究所有限公司 | 轨道交通牵引供电系统的能量管理分析系统 |
| CN116596195A (zh) * | 2023-07-17 | 2023-08-15 | 清华大学 | 柔性直流牵引供电系统光伏消纳效益评估方法 |
| CN116680936A (zh) * | 2023-08-01 | 2023-09-01 | 清华大学 | 用于规划的直流牵引供电系统碳排放责任计算方法及装置 |
| CN117394529A (zh) * | 2023-09-28 | 2024-01-12 | 贵州电网有限责任公司 | 基于scada的主配网合环倒供电控制条件辅助决策方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张哲，徐何君: "低压柔直互联系统在配电网中的应用研究", 电力与能源, vol. 44, no. 3, 28 June 2023 (2023-06-28), pages 250 - 253 * |
| 李婷 等: "含高比例可再生能源的交直流混联电网规划技术研究综述", 电力系统保护与控制, vol. 47, no. 12, 16 June 2019 (2019-06-16), pages 177 - 187 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117913956A (zh) * | 2024-03-15 | 2024-04-19 | 天津仁爱学院 | 一种用于无人机的电源安全管理系统及其安全管理方法 |
| CN117933727A (zh) * | 2024-03-15 | 2024-04-26 | 深圳市渐近线科技有限公司 | 基于物联网的工业大数据处理方法及系统 |
| CN117933727B (zh) * | 2024-03-15 | 2024-06-11 | 深圳市渐近线科技有限公司 | 基于物联网的工业大数据处理方法及系统 |
| CN117937768A (zh) * | 2024-03-21 | 2024-04-26 | 无锡志恒自动化系统有限公司 | 智能电气柜远程监控系统 |
| CN117937768B (zh) * | 2024-03-21 | 2024-05-28 | 无锡志恒自动化系统有限公司 | 智能电气柜远程监控系统 |
| CN118229091A (zh) * | 2024-05-14 | 2024-06-21 | 江苏森基建筑工程科技有限公司 | 基于数据分析的抗震成品支架安全测试管理系统 |
| CN118229091B (zh) * | 2024-05-14 | 2024-09-17 | 江苏森基建筑工程科技有限公司 | 基于数据分析的抗震成品支架安全测试管理系统 |
| CN118710068A (zh) * | 2024-08-30 | 2024-09-27 | 江苏零浩网络科技有限公司 | 一种天眼运输管理系统的车辆安全风险评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117689214B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117689214B (zh) | 一种柔性直流牵引供电系统能量路由器动态安全评估方法 | |
| CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
| RU2389117C2 (ru) | Система и способ централизованного мониторинга и управления режимом работы силовых трансформаторов, установленных на разных подстанциях и в центрах мониторинга | |
| CN112713649B (zh) | 一种基于极限学习机的电力设备剩余寿命预测方法 | |
| CN111045364B (zh) | 一种基于大数据平台的动力环境监控系统辅助决策方法 | |
| CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
| CN110991799A (zh) | 一种配电网生产综合预警方法 | |
| CN118152784B (zh) | 模块化变电站设备数据特征提取方法 | |
| CN118226179B (zh) | 一种配网自动化继电保护测试系统 | |
| CN103218535B (zh) | 电力通信设备检测方案的选择方法及装置 | |
| CN117408162A (zh) | 基于数字孪生的电网故障控制方法 | |
| CN118395358B (zh) | 一种变电站智能防误拓扑分析方法 | |
| CN117221145A (zh) | 基于物联网平台的设备故障预测性维护系统 | |
| CN114400776B (zh) | 基于数字镜像的变电站自动化设备状态诊断方法和系统 | |
| CN117933975B (zh) | 一种基于bim的绿色建筑智慧运维平台及方法 | |
| CN115310586A (zh) | 针对网络攻击的有源配电网信息物理系统运行态势预测方法及系统 | |
| CN117391675B (zh) | 一种数据中心基础设施运维管理方法 | |
| CN117686829A (zh) | 一种集电线路故障预警系统及方法 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| CN116151808A (zh) | 一种基于风险评估的配电设备状态检修方法 | |
| CN117454121B (zh) | 一种基于电厂安全预警的数据分析处理方法及系统 | |
| CN118397771B (zh) | 一种电缆防盗系统 | |
| CN118413006B (zh) | 一种基于dna自组装的电网节点连接状态监测方法 | |
| CN118070985B (zh) | 一种预测配电自动化终端验收时间的方法 |
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 |