CN117728582B - 一种具有自适应判断能力的5g电力监控系统 - Google Patents
一种具有自适应判断能力的5g电力监控系统 Download PDFInfo
- Publication number
- CN117728582B CN117728582B CN202311806152.6A CN202311806152A CN117728582B CN 117728582 B CN117728582 B CN 117728582B CN 202311806152 A CN202311806152 A CN 202311806152A CN 117728582 B CN117728582 B CN 117728582B
- Authority
- CN
- China
- Prior art keywords
- fault
- node
- information
- training
- unit
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 238000013507 mapping Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 55
- 238000011084 recovery Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000011835 investigation Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供了一种具有自适应判断能力的5G电力监控系统,属于过程监控技术领域,其系统包括:信息采集模块:将电力网络拆分成若干个节点,采集每个节点的数据,得到节点信息;自适应判断模块:基于自适应方法判断存在故障节点,得到故障节点信息;故障分析模块:建立节点和节点对应设备建立映射关系,对所述故障节点信息进行故障分析,确定故障节点的设备;故障处理模块:对当前存在所述冗余故障节点及安全故障节点分类报警,处理并恢复所述冗余故障节点及安全故障节点。实现了电力监控系统强大的故障自动检查和排查的功能。
Description
技术领域
本发明涉及过程监控技术领域,特别涉及一种具有自适应判断能力的5G电力监控系统。
背景技术
随着国家电网公司在电力物联网、企业数据中台建设方向的推进,必将对用电末端客户侧设备运检要求更严格,现场采集设备在信息收集、交互方面朝着更加智能化、多元化、数据精细化应用方向发展,从而要求电力公司工作人员在具备常规电力现场运维作业能力之余,不断适应未来业务发展需要。因此,需要电力监控系统具有强大的故障自动检查和排查的功能。
因此,本发明提出一种具有自适应判断能力的5G电力监控系统。
发明内容
本发明提供一种具有自适应判断能力的5G电力监控系统,其系统包括:信息采集模块:将电力网络拆分成若干个节点,采集每个节点的数据,得到节点信息;自适应判断模块:基于自适应方法判断存在故障节点,得到故障节点信息;故障分析模块:建立节点和节点对应设备建立映射关系,对所述故障节点信息进行故障分析,确定故障节点的设备;故障处理模块:对当前存在所述冗余故障节点及安全故障节点分类报警,处理并恢复所述冗余故障节点及安全故障节点。实现了电力监控系统强大的故障自动检查和排查的功能。
本发明提出一种具有自适应判断能力的5G电力监控系统,该系统包括:
信息采集模块:将电力网络拆分成若干个节点,采集每个节点的数据,得到节点信息;
自适应判断模块:基于自适应方法判断存在故障节点,得到故障节点信息;
故障分析模块:建立节点和节点对应设备建立映射关系,对所述故障节点信息进行故障分析,确定故障节点的设备;
故障处理模块:对当前存在所述冗余故障节点及安全故障节点分类报警,处理并恢复所述冗余故障节点的设备及安全故障节点的设备。
优选的,信息采集模块,包括:
区域确定单元:预先确定电力网络故障监控区域,所述网络故障监控区域覆盖网络中的所有设备;
节点拆分单元:将所述网络故障监控区域拆分成若干个节点,为每个节点设置基本信息,设置采集指令;
信息采集单元:进行电力网络故障检测时,依次调用每一个节点,从节点获取采集指令,根据采集指令采集设备的信息数据,得到节点信息。
优选的,自适应判断模块,包括:
冗余故障判断单元:基于自适应方法判断节点信息中存在冗余故障的节点,得到故障节点冗余信息;
安全故障判断单元:基于自适应方法判断节点信息中存在安全故障的节点,得到故障节点安全信息。
优选的,冗余故障判断单元,包括:
采集计算单元:采集相邻两个时间段的节点信息,计算第一时间节点信息与第二节点信息的比值,基于所述比值判断所述节点的繁忙程度,得到当前节点故障节点冗余信息;
模型训练单元:建立冗余故障识别模型,采用所述采集计算单元的方式对多个节点的节点信息进行训练,得到电力网络故障监控区域内所有故障节点冗余信息。
优选的,模型训练单元,包括:
信息训练单元:首先提取训练信息集,将信息集里每个节点信息的第一时间节点信息和第二时间节点信息代入训练公式计算,所述训练公式如下:
其中,a1、a2为训练系数,是常数,v1表示采集到的第一时间节点信息,v2表示采集到的第二时间节点信息,K为训练信息集计算得到的训练值矩阵,n为训练样本个数,将训练样本中的第一节点信息与第二节点信息代入到公式里可得到训练信息集计算得到的训练值矩阵;
冗余故障计算单元:基于训练信息的训练值建立冗余故障识别模型,将区域内所有采集到的节点信息输入到所述冗余故障识别模型中,输出节点信息对应的故障计算值向量,所述冗余故障识别模型包括:
其中,si表示区域内节点信息,m表示区域内节点个数,当输入区域内的节点信息时,通过训练值矩阵计算得到对应节点信息的故障计算值。
优选的,安全故障判断单元,包括:
编号单元:对网络故障监控区域的节点进行编号;
安全判断单元:判断所述节点是否为安全节点,具体包括:若当前节点信息冗余故障值小于设定阈值,则所述当前节点为安全节点,否则,所述当前节点为不安全节点;
故障信息收集单元:定义故障信息的初始化策略,建立故障信息表,得到故障节点安全信息,故障信息表包括所述节点编号和节点安全情况。
优选的,故障分析模块,包括:
映射关系确定单元:基于所述节点信息建立网络拓扑结构,获取网络节点连接的设备的位置,标注在所述网络拓扑结构中,建立节点与设备之间的映射关系;
设备定位分析单元:基于故障节点信息分析设备故障原因,基于节点与设备之间的映射关系完成电力网络故障监控区域所有设备的定位分析。
优选的,故障处理模块,包括:
故障报警单元:基于所述故障节点信息生成故障报警指令,当所述自适应判断模块判断得到故障节点冗余信息时,生成对应的节点存在冗余的报警指令,当书自适应判断模块判断得到故障节点安全信息时,生成对应的节点存在不安全的情况的报警指令;
故障恢复单元:基于所述报警指令,检测所述设备与所述网络故障监控区域之间的数据传输通道是否畅通;如果所述数据传输通道出现故障,则发出网络维护及故障排除的提示;如果所述数据传输通道运行正常,则向电力监控系统发送运行异常提示;
故障存储单元:当所述故障恢复单元解决当前故障问题后,记录并存储当前。
经由上述的技术方案可知,与现有技术相比,本发明的有益效果为:
1、由于电力网络故障监控区域内节点并不单一,逐个计算工作量较大,通过对单一的节点的计算方式及对训练信息集训练,得到能识别冗余故障信息的冗余故障识别模型,便于统计每个节点的冗余故障,提高工作效率。
2、基于所述节点信息建立网络拓扑结构,获取网络节点连接的设备的位置,标注在所述网络拓扑结构中,建立节点与设备之间的映射关系,根据映射关系确定设备位置,便于对设备进行分析。
3、通过故障恢复单元实现故障报警、故障恢复、故障存储功能,当检测出运行故障时,将故障类型发送至故障恢复单元可通过系统内部解决故障问题,如果系统仍无法解决会发送提示信息,节省人工对故障进行判断,节省大量人工成本,提高故障识别效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种具有自适应判断能力的5G电力监控系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明提供一种具有自适应判断能力的5G电力监控系统,如图1所示,该系统包括:
信息采集模块:将电力网络拆分成若干个节点,采集每个节点的数据,得到节点信息;
自适应判断模块:基于自适应方法判断存在故障节点,得到故障节点信息;
故障分析模块:建立节点和节点对应设备建立映射关系,对所述故障节点信息进行故障分析,确定故障节点的设备;
故障处理模块:对当前存在所述冗余故障节点及安全故障节点分类报警,处理并恢复所述冗余故障节点的设备及安全故障节点的设备。
该实施例中,系统工作原理是先将电网工作区域内的网络拆分成若干个节点,再采集每个节点的数据。确定故障节点后找出对应的故障节点的设备,系统再基于故障和对应的设备进行报警和恢复。
上述技术方案的有益效果是:通过将电网工作区域内的网络拆分成若干个节点,再采集每个节点的数据。确定故障节点后找出对应的故障节点的设备,系统再基于故障和对应的设备进行报警和恢复,实现系统故障自检和恢复。
实施例2:
本发明提供一种具有自适应判断能力的5G电力监控系统,信息采集模块,包括:
区域确定单元:预先确定电力网络故障监控区域,所述网络故障监控区域覆盖网络中的所有设备;
节点拆分单元:将所述网络故障监控区域拆分成若干个节点,为每个节点设置基本信息,设置采集指令;
信息采集单元:进行电力网络故障检测时,依次调用每一个节点,从节点获取采集指令,根据采集指令采集设备的信息数据,得到节点信息。
该实施例中,每个所述节点绑定一台指定的设备。
该实施例中,所述节点的基本信息包含节点名称,节点类型,节点描述,设备信息,是否包含设备以及节点的输入参数和输出参数。
上述技术方案的有益效果是:通过将网络故障监控区域拆分成若干个节点,进行电力网络故障检测时,依次调用每一个节点,采集设备的信息数据,得到节点信息。
实施例3:
本发明提供一种具有自适应判断能力的5G电力监控系统,自适应判断模块,包括:
冗余故障判断单元:基于自适应方法判断节点信息中存在冗余故障的节点,得到故障节点冗余信息;
安全故障判断单元:基于自适应方法判断节点信息中存在安全故障的节点,得到故障节点安全信息。
该实施例中,具有自适应判断能力的5G电力监控系统是通过自适应方法对故障节点进行判断,得到故障节点的信息,具体的判断过程是首先对故障类型进行判断,得到存在冗余故障的节点信息和存在安全故障的节点信息。
上述技术方案的有益效果是:通过对故障类型进行判断,得到存在冗余故障的节点信息和存在安全故障的节点信息。
实施例4:
本发明提供一种具有自适应判断能力的5G电力监控系统,冗余故障判断单元,包括:
采集计算单元:采集相邻两个时间段的节点信息,计算第一时间节点信息与第二节点信息的比值,基于所述比值判断所述节点的繁忙程度,得到当前节点故障节点冗余信息;
模型训练单元:建立冗余故障识别模型,采用所述采集计算单元的方式对多个节点的节点信息进行训练,得到电力网络故障监控区域内所有故障节点冗余信息。
该实施例中,通过计算某一个时间段采集节点的信息比值来衡量当前节点的繁忙程度,可得到当前节点冗余故障信息。由于电力网络故障监控区域内节点并不单一,逐个计算工作量较大,通过对单一的节点的计算方式及对训练信息集训练,得到能识别冗余故障信息的冗余故障识别模型。
上述技术方案的有益效果是:将建立冗余故障识别模型,采用所述采集计算单元的方式对多个节点的节点信息进行训练,得到电力网络故障监控区域内所有故障节点冗余信息,能确定故障冗余情况。
实施例5:
本发明提供一种具有自适应判断能力的5G电力监控系统,模型训练单元,包括:
信息训练单元:首先提取训练信息集,将信息集里每个节点信息的第一时间节点信息和第二时间节点信息代入训练公式计算,所述训练公式如下:
其中,a1、a2为训练系数,是常数,v1表示采集到的第一时间节点信息,v2表示采集到的第二时间节点信息,K为训练信息集计算得到的训练值矩阵,n为训练样本个数,将训练样本中的第一节点信息与第二节点信息代入到公式里可得到训练信息集计算得到的训练值矩阵;
冗余故障计算单元:基于训练信息的训练值建立冗余故障识别模型,将区域内所有采集到的节点信息输入到所述冗余故障识别模型中,输出节点信息对应的故障计算值向量,所述冗余故障识别模型包括:
其中,si表示区域内节点信息,m表示区域内节点个数,当输入区域内的节点信息时,通过训练值矩阵计算得到对应节点信息的故障计算值。
实施例6:
本发明提供一种具有自适应判断能力的5G电力监控系统,安全故障判断单元,包括:
编号单元:对网络故障监控区域的节点进行编号;
安全判断单元:判断所述节点是否为安全节点,具体包括:若当前节点信息冗余故障值小于设定阈值,则所述当前节点为安全节点,否则,所述当前节点为不安全节点;
故障信息收集单元:定义故障信息的初始化策略,建立故障信息表,得到故障节点安全信息,故障信息表包括所述节点编号和节点安全情况。
该实施例中,安全故障识别原理是基于冗余故障识别单元进行的,在冗余故障识别单元对所有节点进行冗余故障计算之后,将得到的冗余故障值与设定阈值对比,当冗余故障值大于设定阈值时,则视为当前节点存在安全故障,若冗余故障值小于设定阈值时,则视为当前节点不存在安全故障。
上述技术方案的有益效果是:首先判断故障冗余情况,在冗余故障识别单元对所有节点进行冗余故障计算之后,将得到的冗余故障值与设定阈值对比,得到安全故障情况,通过两次自适应判断更好的提高工作效率,降低人工成本呢。
实施例7:
本发明提供一种具有自适应判断能力的5G电力监控系统,故障分析模块,包括:
映射关系确定单元:基于所述节点信息建立网络拓扑结构,获取网络节点连接的设备的位置,标注在所述网络拓扑结构中,建立节点与设备之间的映射关系;
设备定位分析单元:基于故障节点信息分析设备故障原因,基于节点与设备之间的映射关系完成电力网络故障监控区域所有设备的定位分析。
该实施例中,故障分析模块的工作原理是建立节点和节点对应设备建立映射关系,对所述故障节点信息进行故障分析,确定故障节点的设备。具体的是基于所述节点信息建立网络拓扑结构,获取网络节点连接的设备的位置,标注在所述网络拓扑结构中,建立节点与设备之间的映射关系,根据映射关系确定设备位置,便于对设备进行分析。
上述技术方案的有益效果是:通过基于节点信息建立网络拓扑结构,获取网络节点连接的设备的位置,标注在所述网络拓扑结构中,建立节点与设备之间的映射关系,根据映射关系确定设备位置,便于对设备进行分析。
实施例8:
本发明提供一种具有自适应判断能力的5G电力监控系统,故障处理模块,包括:
故障报警单元:基于所述故障节点信息生成故障报警指令,当所述自适应判断模块判断得到故障节点冗余信息时,生成对应的节点存在冗余的报警指令,当书自适应判断模块判断得到故障节点安全信息时,生成对应的节点存在不安全的情况的报警指令;
故障恢复单元:基于所述报警指令,检测所述设备与所述网络故障监控区域之间的数据传输通道是否畅通;如果所述数据传输通道出现故障,则发出网络维护及故障排除的提示;如果所述数据传输通道运行正常,则向电力监控系统发送运行异常提示;
故障存储单元:当所述故障恢复单元解决当前故障问题后,记录并存储当前故障发生原因、故障节点信息和节点对应的设备。
该实施例中,如果检测发现不存在异常则表示网络监控系统并未存在故障。
该实施例中,故障报警单元会根据故障类型不同生成不同的报警指令,当所述自适应判断模块判断得到故障节点冗余信息时,生成对应的节点存在冗余的报警指令,当书自适应判断模块判断得到故障节点安全信息时,生成对应的节点存在不安全的情况的报警指令。
该实施例中,故障恢复单元可以实现故障报警、故障恢复、故障存储功能,当检测出运行故障时,将故障类型发送至故障恢复单元可通过系统内部解决故障问题,如果系统仍无法解决会发送提示信息,节省人工对故障进行判断,节省大量人工成本,提高故障识别效率。
上述技术方案的有益效果是:通过故障恢复单元可以实现故障报警、故障恢复、故障存储功能,当检测出运行故障时,将故障类型发送至故障恢复单元可通过系统内部解决故障问题,如果系统仍无法解决会发送提示信息,节省人工对故障进行判断,节省大量人工成本,提高故障识别效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (1)
1.一种具有自适应判断能力的5G电力监控系统,其特征在于,该系统包括:
信息采集模块:将电力网络拆分成若干个节点,采集每个节点的数据,得到节点信息;
自适应判断模块:基于自适应方法判断存在故障节点,得到故障节点信息;
故障分析模块:节点和节点对应设备建立映射关系,对所述故障节点信息进行故障分析,确定故障节点的设备;
故障处理模块:对当前存在冗余故障节点及安全故障节点分类报警,处理并恢复所述冗余故障节点的设备及安全故障节点的设备;
信息采集模块,包括:
区域确定单元:预先确定电力网络故障监控区域,所述网络故障监控区域覆盖网络中的所有设备;
节点拆分单元:将所述网络故障监控区域拆分成若干个节点,为每个节点设置基本信息,设置采集指令;
信息采集单元:进行电力网络故障检测时,依次调用每一个节点,从节点获取采集指令,根据采集指令采集设备的信息数据,得到节点信息;
自适应判断模块,包括:
冗余故障判断单元:基于自适应方法判断节点信息中存在冗余故障的节点,得到故障节点冗余信息;
安全故障判断单元:基于自适应方法判断节点信息中存在安全故障的节点,得到故障节点安全信息;
冗余故障判断单元,包括:
采集计算单元:采集相邻两个时间段的节点信息,计算第一时间节点信息与第二节点信息的比值,基于所述比值判断所述节点的繁忙程度,得到当前故障节点冗余信息;
模型训练单元:建立冗余故障识别模型,采用所述采集计算单元的方式对多个节点的节点信息进行训练,得到电力网络故障监控区域内所有故障节点冗余信息;
模型训练单元,包括:
信息训练单元:首先提取训练信息集,将信息集里每个节点信息的第一时间节点信息和第二时间节点信息代入训练公式计算,所述训练公式如下:
其中,a1、a2为训练系数,是常数,v1表示采集到的第一时间节点信息,v2表示采集到的第二时间节点信息,K为训练信息集计算得到的训练值矩阵,n为训练样本个数,将训练样本中的第一节点信息与第二节点信息代入到公式里可得到训练信息集计算得到的训练值矩阵;
冗余故障计算单元:基于训练信息的训练值建立冗余故障识别模型,将区域内所有采集到的节点信息输入到所述冗余故障识别模型中,输出节点信息对应的故障计算值向量,所述冗余故障识别模型包括:
其中,si表示区域内节点信息,m表示区域内节点个数,当输入区域内的节点信息时,通过训练值矩阵计算得到对应节点信息的故障计算值;
安全故障判断单元,包括:
编号单元:对网络故障监控区域的节点进行编号;
安全判断单元:判断所述节点是否为安全节点,具体包括:若当前节点信息冗余故障值小于设定阈值,则所述当前节点为安全节点,否则,所述当前节点为不安全节点;
故障信息收集单元:定义故障信息的初始化策略,建立故障信息表,得到故障节点安全信息,故障信息表包括所述节点编号和节点安全情况;
故障分析模块,包括:
映射关系确定单元:基于所述节点信息建立网络拓扑结构,获取网络节点连接的设备的位置,标注在所述网络拓扑结构中,建立节点与设备之间的映射关系;
设备定位分析单元:基于故障节点信息分析设备故障原因,基于节点与设备之间的映射关系完成电力网络故障监控区域所有设备的定位分析;
故障处理模块,包括:
故障报警单元:基于所述故障节点信息生成故障报警指令,当所述自适应判断模块判断得到故障节点冗余信息时,生成对应的节点存在冗余的报警指令,当所述自适应判断模块判断得到故障节点安全信息时,生成对应的节点存在不安全的情况的报警指令;
故障恢复单元:基于所述报警指令,检测所述设备与所述网络故障监控区域之间的数据传输通道是否畅通;所述数据传输通道出现故障,则发出网络维护及故障排除的提示;所述数据传输通道运行正常,则向电力监控系统发送运行异常提示;
故障存储单元:当所述故障恢复单元解决当前故障问题后,记录并存储当前故障发生原因、故障节点信息和节点对应的设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311806152.6A CN117728582B (zh) | 2023-12-26 | 2023-12-26 | 一种具有自适应判断能力的5g电力监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311806152.6A CN117728582B (zh) | 2023-12-26 | 2023-12-26 | 一种具有自适应判断能力的5g电力监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117728582A CN117728582A (zh) | 2024-03-19 |
CN117728582B true CN117728582B (zh) | 2024-05-10 |
Family
ID=90205187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311806152.6A Active CN117728582B (zh) | 2023-12-26 | 2023-12-26 | 一种具有自适应判断能力的5g电力监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117728582B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1556624A (zh) * | 2003-12-31 | 2004-12-22 | П | 以太网冗余网络系统中数据传输模式的自适应选择方法 |
CN103245881A (zh) * | 2013-04-22 | 2013-08-14 | 国家电网公司 | 一种基于潮流分布特征的配电网故障分析方法及装置 |
CN106253250A (zh) * | 2016-08-23 | 2016-12-21 | 江苏方天电力技术有限公司 | 一种智能配电网分布式快速保护系统及保护方法 |
CN111551825A (zh) * | 2020-05-28 | 2020-08-18 | 中国矿业大学(北京) | 基于故障电流通路的自适应配电网故障定位方法 |
CN113347060A (zh) * | 2021-05-27 | 2021-09-03 | 广西电网有限责任公司 | 基于流程自动化的电力网络故障检测方法、装置和系统 |
CN114152839A (zh) * | 2021-11-26 | 2022-03-08 | 国网四川省电力公司达州供电公司 | 一种分布式电力并网环境下的配电网故障定位方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11740275B2 (en) * | 2021-09-16 | 2023-08-29 | Hunan University Of Science And Technology | Method for intelligent fault detection and location of power distribution network |
-
2023
- 2023-12-26 CN CN202311806152.6A patent/CN117728582B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1556624A (zh) * | 2003-12-31 | 2004-12-22 | П | 以太网冗余网络系统中数据传输模式的自适应选择方法 |
CN103245881A (zh) * | 2013-04-22 | 2013-08-14 | 国家电网公司 | 一种基于潮流分布特征的配电网故障分析方法及装置 |
CN106253250A (zh) * | 2016-08-23 | 2016-12-21 | 江苏方天电力技术有限公司 | 一种智能配电网分布式快速保护系统及保护方法 |
CN111551825A (zh) * | 2020-05-28 | 2020-08-18 | 中国矿业大学(北京) | 基于故障电流通路的自适应配电网故障定位方法 |
CN113347060A (zh) * | 2021-05-27 | 2021-09-03 | 广西电网有限责任公司 | 基于流程自动化的电力网络故障检测方法、装置和系统 |
CN114152839A (zh) * | 2021-11-26 | 2022-03-08 | 国网四川省电力公司达州供电公司 | 一种分布式电力并网环境下的配电网故障定位方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于SVG的电网故障处理自动化系统;郑贵省 等;计算机工程;20100420;第36卷(第08期);第239-244页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117728582A (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717665B (zh) | 基于调度控制系统故障辨识及趋性分析系统和方法 | |
CN111914873B (zh) | 一种两阶段云服务器无监督异常预测方法 | |
CN113190421B (zh) | 一种用于数据中心的设备健康状态的检测分析方法 | |
CN109489977B (zh) | 基于KNN-AdaBoost的轴承故障诊断方法 | |
CN111597204A (zh) | 一种基于ai技术的智慧运维知识分析方法 | |
CN117474357B (zh) | 基于深度学习的配电房运维管理方法及系统 | |
CN104574219A (zh) | 电网业务信息系统运行工况的监测预警方法及系统 | |
CN115061061B (zh) | 用于无线站点开关电源的异常状态预判方法及其装置 | |
CN115269314A (zh) | 一种基于日志的事务异常检测方法 | |
CN113687972A (zh) | 业务系统异常数据的处理方法、装置、设备及存储介质 | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
CN114666117A (zh) | 一种面向电力互联网的网络安全态势度量和预测方法 | |
CN112988843B (zh) | 一种基于SQL Server数据库的SMT贴片机故障管理及诊断系统 | |
CN116796261B (zh) | 一种基于人工智能的封闭开关设备机械特性预测方法 | |
CN113807690A (zh) | 区域电网调控系统运行状态在线评估预警方法及系统 | |
CN117728582B (zh) | 一种具有自适应判断能力的5g电力监控系统 | |
CN113626480A (zh) | 一种基于改进关联规则的直流换流站ser事件集诊断方法 | |
CN113093695A (zh) | 一种数据驱动的sdn控制器故障诊断系统 | |
CN112803587A (zh) | 一种基于诊断决策库的自动化设备状态智能巡视方法 | |
CN115871745B (zh) | 一种应用于轨道交通的智能维护方法与装置 | |
CN110674193A (zh) | 一种智能变电站继电保护故障信息建模方法 | |
CN115169650B (zh) | 一种大数据分析的装备健康预测方法 | |
CN116488843A (zh) | 一种基于聚类分析的用户行为异常检测系统及方法 | |
CN115788771A (zh) | 一种基于物联网技术的风力发电系统的智能运维管理系统 | |
CN113591909A (zh) | 电力系统的异常检测方法、异常检测装置以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |