CN117849536A - 一种电网配电线路故障在线监测方法及系统 - Google Patents
一种电网配电线路故障在线监测方法及系统 Download PDFInfo
- Publication number
- CN117849536A CN117849536A CN202410260090.1A CN202410260090A CN117849536A CN 117849536 A CN117849536 A CN 117849536A CN 202410260090 A CN202410260090 A CN 202410260090A CN 117849536 A CN117849536 A CN 117849536A
- Authority
- CN
- China
- Prior art keywords
- output control
- power distribution
- distribution network
- fault
- sequence
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 203
- 238000012545 processing Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 62
- 238000011156 evaluation Methods 0.000 claims description 41
- 230000003213 activating effect Effects 0.000 claims description 37
- 238000007405 data analysis Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 12
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 8
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000012549 training Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供了一种电网配电线路故障在线监测方法及系统，涉及数据处理技术领域，通过结合配电网拓扑结构和配电网输出控制参数分析生成配电网电压基准波动区间序列和配电网电流基准波动区间序列，进而分别对配电网电压监测值序列进行偏离分析生成电压偏离向量序列和电流偏离向量序列，进而接收序列对若干个故障分析节点执行故障解析生成故障度，在故障度大于或等于预设阈值时，将拓扑节点标识为故障节点。解决了现有技术中存在配电网故障节点的分析定位准确度较低的技术问题。达到了高精度进行故障节点分析和定位，提高配电网运维及时性，保障配电网运行可靠性和安全性的技术效果。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种电网配电线路故障在线监测方法及系统。
背景技术
在当前阶段，由于配电网的拓扑结构复杂，以及配电变化多样，这给准确判断配电网的门限状态带来了困难，这种不确定性直接影响了配电网故障节点的定位分析精度，在实际操作中，这种精度的降低可能会对故障的及时发现和处理产生不利影响，从而影响到整个电力系统的稳定性和可靠性。
综上所述，现有技术中由于配电网的拓扑复杂性，以及配电变化多样性，导致难以提供较为准确的配电网门限状态，进而导致配电网故障节点的分析定位准确度较低的技术问题。
发明内容
本申请提供了一种电网配电线路故障在线监测方法及系统，用于针对解决现有技术中由于配电网的拓扑复杂性，以及配电变化多样性，导致难以提供较为准确的配电网门限状态，进而导致配电网故障节点的分析定位准确度较低的技术问题。
鉴于上述问题，本申请提供了一种电网配电线路故障在线监测方法及系统。
本申请的第一个方面，提供了一种电网配电线路故障在线监测方法，所述方法包括：响应客户端，接收配电网故障监测请求，其中，所述配电网故障监测请求包括配电网拓扑结构、配电网输出控制参数、故障分析拓扑节点的配电网电压监测值序列和电流监测值序列；激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，对所述故障分析拓扑节点执行高频数据分析，生成配电网电压基准波动区间序列和配电网电流基准波动区间序列；根据所述配电网电压基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电压偏离向量序列；根据所述配电网电流基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电流偏离向量序列；激活应用服务器集群，初始化若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成故障度，其中，所述若干个故障分析节点至少为2个；当所述故障度大于或等于故障度阈值，将所述故障分析拓扑节点标识为故障节点，反馈至所述客户端。
本申请的第二个方面，提供了一种电网配电线路故障在线监测系统，所述系统包括：监测请求接收单元，用于响应客户端，接收配电网故障监测请求，其中，所述配电网故障监测请求包括配电网拓扑结构、配电网输出控制参数、故障分析拓扑节点的配电网电压监测值序列和电流监测值序列；高频数据分析单元，用于激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，对所述故障分析拓扑节点执行高频数据分析，生成配电网电压基准波动区间序列和配电网电流基准波动区间序列；偏离分析执行单元，用于根据所述配电网电压基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电压偏离向量序列；序列偏离分析单元，用于根据所述配电网电流基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电流偏离向量序列；故障解析执行单元，用于激活应用服务器集群，初始化若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成故障度，其中，所述若干个故障分析节点至少为2个；故障节点标识单元，用于当所述故障度大于或等于故障度阈值，将所述故障分析拓扑节点标识为故障节点，反馈至所述客户端。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的方法通过响应客户端，接收配电网故障监测请求，其中，所述配电网故障监测请求包括配电网拓扑结构、配电网输出控制参数、故障分析拓扑节点的配电网电压监测值序列和电流监测值序列；激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，对所述故障分析拓扑节点执行高频数据分析，生成配电网电压基准波动区间序列和配电网电流基准波动区间序列；根据所述配电网电压基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电压偏离向量序列；根据所述配电网电流基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电流偏离向量序列；激活应用服务器集群，初始化若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成故障度，其中，所述若干个故障分析节点至少为2个；当所述故障度大于或等于故障度阈值，将所述故障分析拓扑节点标识为故障节点，反馈至所述客户端。达到了高精度进行故障节点分析和定位，提高配电网运维及时性，保障配电网运行可靠性和安全性的技术效果。
附图说明
图1为本申请提供的一种电网配电线路故障在线监测方法流程示意图；
图2为本申请提供的一种电网配电线路故障在线监测方法中生成波动区间序列的流程示意图；
图3为本申请提供的一种电网配电线路故障在线监测系统的结构示意图。
附图标记说明：监测请求接收单元1，高频数据分析单元2，偏离分析执行单元3，序列偏离分析单元4，故障解析执行单元5，故障节点标识单元6。
具体实施方式
本申请提供了一种电网配电线路故障在线监测方法及系统，用于针对解决现有技术中由于配电网的拓扑复杂性，以及配电变化多样性，导致难以提供较为准确的配电网门限状态，进而导致配电网故障节点的分析定位准确度较低的技术问题。达到了高精度进行故障节点分析和定位，提高配电网运维及时性，保障配电网运行可靠性和安全性的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合相关规定。
下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一：如图1所示，本申请提供了一种电网配电线路故障在线监测方法，应用于电网配电线路故障在线监测系统，所述系统包括数据库服务器、应用服务器集群和客户端，包括：
A100:响应客户端，接收配电网故障监测请求，其中，所述配电网故障监测请求包括配电网拓扑结构、配电网输出控制参数、故障分析拓扑节点的配电网电压监测值序列和电流监测值序列；
具体而言，应理解的，配电网拓扑结构是由一组负载节点以及它们之间的连接方式和连接路径构成的，在配电网拓扑结构中，负载节点可以是供电节点、负荷节点、连接节点等，在配电网拓扑结构中，负载节点通过线路、电缆和设备相互连接，形成一个完整的电力系统网络，基于配电网拓扑结构可以直观化获知电流在负载节点之间的路径和流向。
所述配电网输出控制参数是指用于控制和调节配电网拓扑结构中各个负载节点的各种运行参数，这些参数通常包括电压、频率、功率因数、有功功率和无功功率中的多种。示例性的，供电负载节点输出控制参数包括电压、频率、有功功率参数。通过对配电网拓扑结构中各个负载节点的参数进行监测和调节，可以实现确保配电网的稳定运行，同时满足用户的用电需求。
应理解的，由于配电网拓扑结构中负载节点的数量众多，因而在一个时刻获得的配电网输出控制参数包括多个负载节点的多组输出控制参数。
在本实施例中，所述客户端为对配电网存在故障运维义务的不特定用户的移动设备端，所述客户端基于预构建的传感信息传输网络，获得所述配电网拓扑结构中各个负载节点反馈的输出控制参数以及电流电压参数。
当用户对所述配电网拓扑结构中某一负载节点（故障分析拓扑节点）存在运行故障怀疑时，通过客户端进行数据上传，具体上传数据包括表征该故障分析拓扑节点所处配电网的拓扑结构的所述配电网拓扑结构，表征所处配电网拓扑结构中负载节点处于正常运行状态时的历史多个时刻的多个负载节点的多组输出控制参数的所述配电网输出控制参数，表征所述故障分析拓扑节点在故障存疑时间至当前时间节点的多个时刻的电流电压实测数据的所述配电网电压监测值序列和电流监测值序列。
如上数据被打包为所述配电网故障监测请求，由电网配电线路故障在线监测系统响应客户端完成接收。
A200:激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，对所述故障分析拓扑节点执行高频数据分析，生成配电网电压基准波动区间序列和配电网电流基准波动区间序列；
在一个实施例中，如图2所示，激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，对所述故障分析拓扑节点执行高频数据分析，生成配电网电压基准波动区间序列和配电网电流基准波动区间序列，本申请提供的方法步骤A200还包括：
A210:所述配电网输出控制参数包括第一时刻输出控制参数、第二时刻输出控制参数直到第M时刻输出控制参数；
A220:激活所述应用服务器集群的控制状态邻域拟合节点，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行相邻时域聚合，生成配电网输出控制参数序列；
A230:激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，遍历所述配电网输出控制参数序列执行高频数据分析，生成所述配电网电压基准波动区间序列和所述配电网电流基准波动区间序列。
在一个实施例中，激活所述应用服务器集群的控制状态邻域拟合节点，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行相邻时域聚合，生成配电网输出控制参数序列，本申请提供的方法步骤A220还包括：
A221:所述控制状态邻域拟合节点包括相似系数评价节点、相邻时域聚类节点和集中趋势分析节点；
A222:激活所述相似系数评价节点，通过相似系数评价函数，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行邻域相似分析，生成若干个相似系数评价值；
A223:激活所述相邻时域聚类节点，通过相似系数阈值，结合所述若干个相似系数评价值，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行相邻时域聚类，生成输出控制参数聚类序列；
A224:激活所述集中趋势分析节点，遍历所述输出控制参数聚类序列执行集中趋势分析，生成所述配电网输出控制参数序列。
在一个实施例中，本申请提供的方法步骤还包括
A2221:所述相似系数评价函数为：
；
其中，表征任意两个相邻时刻的输出控制参数的相似系数，/>表征相邻时刻的一个时刻输出控制参数的第j个负载节点的第i属性的输出控制值，/>表征相邻时刻的另一个时刻输出控制参数的第j个负载节点的第i属性的输出控制值，/>表征第i属性偏离阈值，N表征第j个负载节点的输出控制值属性总数，/>表征任意两个相邻时刻在第j个负载节点的控制偏离距离，Q表征负载节点总数。
在一个实施例中，激活所述集中趋势分析节点，遍历所述输出控制参数聚类序列执行集中趋势分析，生成所述配电网输出控制参数序列，本申请提供的方法步骤A224还包括：
A2241:从所述输出控制参数聚类序列，提取第一簇输出控制参数的第一负载的第一属性输出控制参数的初始特征值集合；
A2242:对所述初始特征值集合执行集中趋势分析，生成所述第一负载的所述第一属性输出控制参数的集中特征值；
A2243:将所述集中特征值，配置为所述第一簇输出控制参数的所述第一负载的第一属性输出控制参数特征值。
在本实施例中，预构建集成多种数据分析功能节点所述应用服务器集群，所述应用服务器集群的多个数据分析功能节点之一为所述控制状态邻域拟合节点，所述控制状态邻域拟合节点包括相似系数评价节点、相邻时域聚类节点和集中趋势分析节点。
所述相似系数评价节点的构建过程如下：
预构建相似系数评价函数，所述相似系数评价函数如下：
；
其中，表征同一负载节点（第j个负载节点）的任意两个相邻时刻的输出控制参数的相似系数，/>表征相邻时刻的一个时刻输出控制参数的第j个负载节点的第i属性的输出控制值，/>表征相邻时刻的另一个时刻输出控制参数的第j个负载节点的第i属性的输出控制值，/>表征第i属性偏离阈值，N表征第j个负载节点的输出控制值属性总数，/>表征任意两个相邻时刻在第j个负载节点的控制偏离距离，Q表征负载节点总数。
将所述相似系数评价函数同步至所述相似系数评价节点，完成所述相似系数评价节点的构建。
所述电网配电线路故障在线监测系统响应客户端完成接收所述配电网故障监测请求后，首先激活所述应用服务器集群，具体的，激活所述应用服务器集群的所述相似系数评价节点。
其中，所述相似系数评价节点的数据分析能力为对同一负载节点的多个时刻输出控制参数进行数据相似性评价，具体应用如下：
在所述配电网拓扑结构中随机进行负载节点选择，获得第一负载节点，基于第一负载节点遍历所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数，获得第一负载节点在M个时刻的M组多属性输出控制参数。
进而基于时间相邻进行M组多属性输出控制参数的两两相邻数据合并，获得M-1组相邻多属性输出控制参数。进而将M-1组相邻多属性输出控制参数代入相似系数评价函数，获得第一负载节点的M-1个相似系数评价值。
采用相同方法，以所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数作为分析数据执行邻域相似分析，获得配电网拓扑结构中多个负载节点的多组M-1个相似系数评价值，作为所述若干个相似系数评价值。
所述电网配电线路故障在线监测系统响应客户端完成接收所述配电网故障监测请求，在激活所述应用服务器集群的所述相似系数评价节点，分析获得所述若干个相似系数评价值后，激活所述相邻时域聚类节点，所述相邻时域聚类节点用于根据节点内阈值的相似系数阈值，进行相似系数评价值的聚类，进而基于可聚合的相似系数评价值进行对应的输出控制参数聚类。
具体的，在本实施例中，以所述相似系数阈值为基准，构建等距的多级相似系数聚合区间，认为相似系数评价值落入同一等级相似系数聚合区间的两个及以上的相似系数评价值对应的两组及以上的相邻时刻输出控制参数为同簇数据。
基于此，本实施例通过将第一负载节点的M-1个相似系数评价值代入多级相似系数聚合区间，执行相邻时域聚类，获得第一负载节点的多簇输出控制参数构成的第一输出控制参数聚类序列。
采用相同方法，结合所述若干个相似系数评价值，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行相邻时域聚类，生成由多个负载节点的多个多簇输出控制参数构成的所述输出控制参数聚类序列。
在激活所述相邻时域聚类节点，基于相邻时域聚合节点分析获得所述输出控制参数聚类序列后，最后激活所述集中趋势分析节点，所述集中趋势分析节点用于以多个负载节点的多个多簇输出控制参数作为分析数据，分析确定每个负载节点的多属性控制参数的参数波动区间。
所述相邻时域聚类节点的数据分析过程如下：
从所述配电网拓扑结构中，随机选择一个负载节点，作为所述第一负载，进而从所述输出控制参数聚类序列，调用获得第一负载的第一多簇输出控制参数，进而从第一多簇输出控制参数随机提取一簇输出控制参数作为第一簇输出控制参数。
应理解的，基于前述内容可知第一簇输出控制参数中包括一个或多个相邻时刻的一组或多组的多属性输出控制参数，基于此，本实施例提取第一簇输出控制参数中随机控制属性的第一属性的多个第一属性输出控制参数构成的初始特征值集合。
对所述初始特征值集合的多个第一属性输出控制参数进行离散数据去除，并对剩余数据进行均值计算，以执行完成集中趋势分析，生成所述第一负载的所述第一属性输出控制参数的集中特征值，所述集中特征值就是对应第一簇输出控制参数的时间区间内的第一属性的特征性输出控制参数，将所述集中特征值配置为所述第一簇输出控制参数的所述第一负载的第一属性输出控制参数特征值。
采用相同方法，获得所述第一负载的第一簇输出控制参数的多个属性的多个属性输出控制参数特征值。采用相同方法，获得第一负载的多簇输出控制参数的多个属性的多簇属性输出控制参数特征值。
在多簇属性输出控制参数特征值中调用获得基于第一负载的第一属性的多个控制参数特征值，并基于控制参数特征值对应数据簇的时间区间进行多个控制参数特征值的序列化处理，以获得第一负载的第一属性的输出控制参数序列。
采用相同方法，获得第一负载的多个属性的多个输出控制参数序列，采用相同方法，获得配电网拓扑结构的每个负载节点的多个属性的多个输出控制参数序列，构成所述配电网输出控制参数序列。
在此基础上，本实施例激活用于进行离散数据分析剔除，保留高频数据的所述数据库服务器。
所述数据库服务器进行数据剔除/保留的具体过程如下：
对第一负载的第一属性的输出控制参数序列进行序列中出现的多个控制参数特征值进行数值出现频次计数，获得出现频次最高的控制参数特征值对应的若干个控制参数特征值。
进而确定该若干个控制参数特征值对应的若干组时刻输出控制参数，进而根据该若干组时刻输出控制参数的采集时间确定对应的若干个时间跨度，采用该若干个时间跨度在所述配电网输出控制参数中映射获得若干个组电流-电压值，进而对该若干组电流-电压值进行电流最大值最小值调用，电压最大值最小值调用，获得第一负载第一属性的电压基准波动区间和电流基准波动区间。
采用相同方法，获得第一负载的多个属性的多个电压基准波动区间-电流基准波动区间，进而进行多个电压基准波动区间-电流基准波动区间的区间并集求解，获得第一负载的电压基准波动区间-电流基准波动区间。采用相同方法，获得所述配电网拓扑结构的多个负载节点的多个电压基准波动区间-电流基准波动区间。
基于配电网拓扑结构直观化获知电流在负载节点之间的路径和流向，进而基于电流在多个负载节点之间的路径和流向进行多个负载节点的序列化处理，获得负载节点序列。
根据所述负载节点序列进行多个负载节点的多个电压基准波动区间-电流基准波动区间的序列化处理，获得所述配电网电压基准波动区间序列和所述配电网电流基准波动区间序列。
本实施例获取表征正常运行状况下配电网拓扑结构中多个负载节点的电流电压可取数值区间的所述配电网电压基准波动区间序列和所述配电网电流基准波动区间序列，为后续进行故障分析拓扑节点是否真实存在故障情况的精准确定提供高可信的科学性数据的技术效果。
A300:根据所述配电网电压基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电压偏离向量序列；
A400:根据所述配电网电流基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电流偏离向量序列；
根据步骤A100获得的所述故障分析拓扑节点，在所述配电网电流基准波动区间序列对所述配电网电压监测值序列中调用获得对应的电压基准波动区间-电流基准波动区间，作为比对电压基准波动区间和比对电流基准波动区间。
采用比对电压基准波动区间对所述配电网电压监测值序列进行偏离分析，生成电压偏离向量序列，所述电压偏离向量序列中包括多个不落入比对电压基准波动区间的电压值，且标识有偏离方向和偏离量。
根据比对电流基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电流偏离向量序列，所述电压偏离向量序列中包括多个不落入比对电流基准波动区间的电流值，且标识有偏离方向和偏离量。
A500:激活应用服务器集群，初始化若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成故障度，其中，所述若干个故障分析节点至少为2个；
在一个实施例中，激活应用服务器集群，初始化若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成故障度，本申请提供的方法步骤A500还包括：
A510:遍历所述若干个故障分析节点，采集若干组故障分析日志数据；
A520:遍历所述若干组故障分析日志数据，对所述若干个故障分析节点执行准确率校验，生成若干个故障分析准确率；
A530:根据所述若干个故障分析准确率，对所述若干个故障分析节点进行输出权重分布，生成若干个输出权重，其中，所述若干个输出权重之和等于1；
A540:根据所述若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成若干个初始故障度；
A550:根据所述若干个输出权重，对所述若干个初始故障度求加权均值，生成所述故障度。
在一个实施例中，根据所述若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成若干个初始故障度，本申请提供的方法步骤A540还包括：
A541:基于所述电压偏离向量序列，构建电压偏离波动曲线，其中，所述电压偏离波动曲线包括电压偏离极值和电压极值偏离频率；
A542:基于所述电流偏离向量序列，构建电流偏离波动曲线，其中，所述电流偏离波动曲线包括电流偏离极值和电流极值偏离频率；
A543:当故障分析节点为图处理节点，接收所述电压偏离波动曲线和所述电流偏离波动曲线执行故障解析；
A544:当故障分析节点为数据处理节点，接收所述电压偏离极值、所述电压极值偏离频率、所述电流偏离极值和所述电流极值偏离频率执行故障解析；
A545:其中，所述若干个故障分析节点为机器学习模型。
具体而言，在本实施例中，预构建标准故障分析节点，所述标准故障分析节点为机器学习模型，优选为基于反向传播神经网络构建的机器学习模型。
交互获得所述故障分析拓扑节点同型号的多个样本配电设备在运行的多组样本电流偏离向量序列-电压偏离向量序列，每组样本电流偏离向量序列-电压偏离向量序列具有表征故障严重程度的故障度数据标识，本实施例的故障度为百分制，基于历史人工进行电力设备运维时的经验进行设备故障严重程度的打分记录以及日志存储。
基于所述样本电压偏离向量序列，构建样本电压偏离波动曲线，其中，所述样本电压偏离波动曲线包括样本电压偏离极值和样本电压极值偏离频率；基于所述样本电流偏离向量序列，构建样本电流偏离波动曲线，其中，所述样本电流偏离波动曲线包括样本电流偏离极值和样本电流极值偏离频率。
基于多组样本电流偏离向量序列-电压偏离向量序列进行曲线聚合，获得多组样本电压偏离波动曲线-样本电流偏离波动曲线-故障度。
当所述标准故障分析节点为图处理节点时，所述标准故障分析节点的输入数据为电压偏离波动曲线-电流偏离波动曲线，输出结果为故障度。
当所述标准故障分析节点为图处理节点时，采用多组样本电压偏离波动曲线-样本电流偏离波动曲线-故障度进行标准故障分析节点的训练。
具体的，将多组样本电压偏离波动曲线-样本电流偏离波动曲线-故障度，划分为若干份，采用常规的反向传播神经网络训练方法，基于每份数据进行标准故障分析节点的有监督训练，获得若干个故障分析节点。
进而采集若干组故障分析日志数据获得若干组历史电压偏离波动曲线-历史电流偏离波动曲线，对所述若干个故障分析节点执行准确率校验，生成若干个故障分析准确率。
根据所述若干个故障分析准确率，对所述若干个故障分析节点进行输出权重分布，生成若干个输出权重，其中，所述若干个输出权重之和等于1。
当所述标准故障分析节点为数据处理节点时，所述标准故障分析节点的输入数据为电压偏离极值、电压极值偏离频率、电流偏离极值、电流极值偏离频率，输出结果为故障度。
当所述标准故障分析节点为数据处理节点时，采用多组样本电压偏离极值-样本电压极值偏离频率-样本电流偏离极值-样本电流极值偏离频率-样本故障度进行标准故障节点的有监督训练。
具体的，将多组样本电压偏离极值-样本电压极值偏离频率-样本电流偏离极值-样本电流极值偏离频率-故障度划分为若干份，采用常规的反向传播神经网络训练方法，基于每份数据进行标准故障分析节点的有监督训练，获得若干个故障分析节点。
进而采集若干组故障分析日志数据获得若干组电压偏离极值-电压极值偏离频率-电流偏离极值-电流极值偏离频率，对所述若干个故障分析节点执行准确率校验，生成若干个故障分析准确率。
根据所述若干个故障分析准确率，对所述若干个故障分析节点进行输出权重分布，生成若干个输出权重，其中，所述若干个输出权重之和等于1。
基于所述电压偏离向量序列，构建电压偏离波动曲线，其中，所述电压偏离波动曲线包括电压偏离极值和电压极值偏离频率；基于所述电流偏离向量序列，构建电流偏离波动曲线，其中，所述电流偏离波动曲线包括电流偏离极值和电流极值偏离频率。
当故障分析节点为图处理节点，接收所述电压偏离波动曲线和所述电流偏离波动曲线执行故障解析，获得若干个故障解析结果，所述故障解析结果为若干个故障度。
当故障分析节点为数据处理节点，接收所述电压偏离极值、所述电压极值偏离频率、所述电流偏离极值和所述电流极值偏离频率执行故障解析，获得若干个故障解析结果，所述故障解析结果为若干个故障度。
根据所述若干个输出权重，对所述若干个初始故障度求加权均值，生成所述故障分析拓扑节点的所述故障度。
本实施例基于构建多故障分析节点进行故障分析拓扑节点的短期数据分析，达到了快速获知故障分析拓扑节点的故障度的技术效果，相较于现有技术实现了高精度进行故障节点分析的技术效果。
A600:当所述故障度大于或等于故障度阈值，将所述故障分析拓扑节点标识为故障节点，反馈至所述客户端。
具体而言，应理解的，电力设备往往都设置有容灾性，容灾性的设计可以帮助电力设备在出现故障时，仍然可以保持一定的可用性和稳定性的能力。
基于此，本实施例交互确定故障分析拓扑节点的电力设备的容灾性，进而基于容灾性定义所述故障度阈值，若所述故障度大于或等于故障度阈值，则表明故障分析拓扑节点的故障程度超出了对应电力设备的可用性能力，因而将所述故障分析拓扑节点标识为故障节点，反馈至所述客户端，所述客户端基于所述故障度进行所述故障分析拓扑节点对应电力设备的紧急运维管理。
本实施例达到了提高配电网运维及时性，保障配电网运行可靠性和安全性的技术效果。
实施例二：基于与前述实施例中一种电网配电线路故障在线监测方法相同的发明构思，如图3所示，本申请提供了一种电网配电线路故障在线监测系统，其中，所述系统包括：
监测请求接收单元1，用于响应客户端，接收配电网故障监测请求，其中，所述配电网故障监测请求包括配电网拓扑结构、配电网输出控制参数、故障分析拓扑节点的配电网电压监测值序列和电流监测值序列；
高频数据分析单元2，用于激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，对所述故障分析拓扑节点执行高频数据分析，生成配电网电压基准波动区间序列和配电网电流基准波动区间序列；
偏离分析执行单元3，用于根据所述配电网电压基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电压偏离向量序列；
序列偏离分析单元4，用于根据所述配电网电流基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电流偏离向量序列；
故障解析执行单元5，用于激活应用服务器集群，初始化若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成故障度，其中，所述若干个故障分析节点至少为2个；
故障节点标识单元6，用于当所述故障度大于或等于故障度阈值，将所述故障分析拓扑节点标识为故障节点，反馈至所述客户端。
在一个实施例中，所述高频数据分析单元2还包括：
所述配电网输出控制参数包括第一时刻输出控制参数、第二时刻输出控制参数直到第M时刻输出控制参数；
激活所述应用服务器集群的控制状态邻域拟合节点，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行相邻时域聚合，生成配电网输出控制参数序列；
激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，遍历所述配电网输出控制参数序列执行高频数据分析，生成所述配电网电压基准波动区间序列和所述配电网电流基准波动区间序列。
在一个实施例中，所述高频数据分析单元2还包括：
所述控制状态邻域拟合节点包括相似系数评价节点、相邻时域聚类节点和集中趋势分析节点；
激活所述相似系数评价节点，通过相似系数评价函数，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行邻域相似分析，生成若干个相似系数评价值；
激活所述相邻时域聚类节点，通过相似系数阈值，结合所述若干个相似系数评价值，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行相邻时域聚类，生成输出控制参数聚类序列；
激活所述集中趋势分析节点，遍历所述输出控制参数聚类序列执行集中趋势分析，生成所述配电网输出控制参数序列。
在一个实施例中，所述高频数据分析单元2还包括：
所述相似系数评价函数为：
；
其中，表征任意两个相邻时刻的输出控制参数的相似系数，/>表征相邻时刻的一个时刻输出控制参数的第j个负载节点的第i属性的输出控制值，/>表征相邻时刻的另一个时刻输出控制参数的第j个负载节点的第i属性的输出控制值，/>表征第i属性偏离阈值，N表征第j个负载节点的输出控制值属性总数，/>表征任意两个相邻时刻在第j个负载节点的控制偏离距离，Q表征负载节点总数。
在一个实施例中，所述高频数据分析单元2还包括：
从所述输出控制参数聚类序列，提取第一簇输出控制参数的第一负载的第一属性输出控制参数的初始特征值集合；
对所述初始特征值集合执行集中趋势分析，生成所述第一负载的所述第一属性输出控制参数的集中特征值；
将所述集中特征值，配置为所述第一簇输出控制参数的所述第一负载的第一属性输出控制参数特征值。
在一个实施例中，所述故障解析执行单元5还包括：
遍历所述若干个故障分析节点，采集若干组故障分析日志数据；
遍历所述若干组故障分析日志数据，对所述若干个故障分析节点执行准确率校验，生成若干个故障分析准确率；
根据所述若干个故障分析准确率，对所述若干个故障分析节点进行输出权重分布，生成若干个输出权重，其中，所述若干个输出权重之和等于1；
根据所述若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成若干个初始故障度；
根据所述若干个输出权重，对所述若干个初始故障度求加权均值，生成所述故障度。
在一个实施例中，所述故障解析执行单元5还包括：
基于所述电压偏离向量序列，构建电压偏离波动曲线，其中，所述电压偏离波动曲线包括电压偏离极值和电压极值偏离频率；
基于所述电流偏离向量序列，构建电流偏离波动曲线，其中，所述电流偏离波动曲线包括电流偏离极值和电流极值偏离频率；
当故障分析节点为图处理节点，接收所述电压偏离波动曲线和所述电流偏离波动曲线执行故障解析；
当故障分析节点为数据处理节点，接收所述电压偏离极值、所述电压极值偏离频率、所述电流偏离极值和所述电流极值偏离频率执行故障解析；
其中，所述若干个故障分析节点为机器学习模型。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。
Claims (8)
1.一种电网配电线路故障在线监测方法，其特征在于，应用于电网配电线路故障在线监测系统，所述系统包括数据库服务器、应用服务器集群和客户端，包括：
响应客户端，接收配电网故障监测请求，其中，所述配电网故障监测请求包括配电网拓扑结构、配电网输出控制参数、故障分析拓扑节点的配电网电压监测值序列和电流监测值序列；
激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，对所述故障分析拓扑节点执行高频数据分析，生成配电网电压基准波动区间序列和配电网电流基准波动区间序列；
根据所述配电网电压基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电压偏离向量序列；
根据所述配电网电流基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电流偏离向量序列；
激活应用服务器集群，初始化若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成故障度，其中，所述若干个故障分析节点至少为2个；
当所述故障度大于或等于故障度阈值，将所述故障分析拓扑节点标识为故障节点，反馈至所述客户端。
2.如权利要求1所述的方法，其特征在于，激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，对所述故障分析拓扑节点执行高频数据分析，生成配电网电压基准波动区间序列和配电网电流基准波动区间序列，包括：
所述配电网输出控制参数包括第一时刻输出控制参数、第二时刻输出控制参数直到第M时刻输出控制参数；
激活所述应用服务器集群的控制状态邻域拟合节点，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行相邻时域聚合，生成配电网输出控制参数序列；
激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，遍历所述配电网输出控制参数序列执行高频数据分析，生成所述配电网电压基准波动区间序列和所述配电网电流基准波动区间序列。
3.如权利要求2所述的方法，其特征在于，激活所述应用服务器集群的控制状态邻域拟合节点，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行相邻时域聚合，生成配电网输出控制参数序列，包括：
所述控制状态邻域拟合节点包括相似系数评价节点、相邻时域聚类节点和集中趋势分析节点；
激活所述相似系数评价节点，通过相似系数评价函数，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行邻域相似分析，生成若干个相似系数评价值；
激活所述相邻时域聚类节点，通过相似系数阈值，结合所述若干个相似系数评价值，对所述第一时刻输出控制参数、所述第二时刻输出控制参数直到所述第M时刻输出控制参数执行相邻时域聚类，生成输出控制参数聚类序列；
激活所述集中趋势分析节点，遍历所述输出控制参数聚类序列执行集中趋势分析，生成所述配电网输出控制参数序列。
4.如权利要求3所述的方法，其特征在于，所述相似系数评价函数为：
；
其中，表征任意两个相邻时刻的输出控制参数的相似系数，/>表征相邻时刻的一个时刻输出控制参数的第j个负载节点的第i属性的输出控制值，/>表征相邻时刻的另一个时刻输出控制参数的第j个负载节点的第i属性的输出控制值，/>表征第i属性偏离阈值，N表征第j个负载节点的输出控制值属性总数，/>表征任意两个相邻时刻在第j个负载节点的控制偏离距离，Q表征负载节点总数。
5.如权利要求3所述的方法，其特征在于，激活所述集中趋势分析节点，遍历所述输出控制参数聚类序列执行集中趋势分析，生成所述配电网输出控制参数序列，包括：
从所述输出控制参数聚类序列，提取第一簇输出控制参数的第一负载的第一属性输出控制参数的初始特征值集合；
对所述初始特征值集合执行集中趋势分析，生成所述第一负载的所述第一属性输出控制参数的集中特征值；
将所述集中特征值，配置为所述第一簇输出控制参数的所述第一负载的第一属性输出控制参数特征值。
6.如权利要求1所述的方法，其特征在于，激活应用服务器集群，初始化若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成故障度，包括：
遍历所述若干个故障分析节点，采集若干组故障分析日志数据；
遍历所述若干组故障分析日志数据，对所述若干个故障分析节点执行准确率校验，生成若干个故障分析准确率；
根据所述若干个故障分析准确率，对所述若干个故障分析节点进行输出权重分布，生成若干个输出权重，其中，所述若干个输出权重之和等于1；
根据所述若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成若干个初始故障度；
根据所述若干个输出权重，对所述若干个初始故障度求加权均值，生成所述故障度。
7.如权利要求6所述的方法，其特征在于，根据所述若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成若干个初始故障度，包括：
基于所述电压偏离向量序列，构建电压偏离波动曲线，其中，所述电压偏离波动曲线包括电压偏离极值和电压极值偏离频率；
基于所述电流偏离向量序列，构建电流偏离波动曲线，其中，所述电流偏离波动曲线包括电流偏离极值和电流极值偏离频率；
当故障分析节点为图处理节点，接收所述电压偏离波动曲线和所述电流偏离波动曲线执行故障解析；
当故障分析节点为数据处理节点，接收所述电压偏离极值、所述电压极值偏离频率、所述电流偏离极值和所述电流极值偏离频率执行故障解析；
其中，所述若干个故障分析节点为机器学习模型。
8.一种电网配电线路故障在线监测系统，其特征在于，所述系统包括：
监测请求接收单元，用于响应客户端，接收配电网故障监测请求，其中，所述配电网故障监测请求包括配电网拓扑结构、配电网输出控制参数、故障分析拓扑节点的配电网电压监测值序列和电流监测值序列；
高频数据分析单元，用于激活数据库服务器，结合所述配电网拓扑结构和所述配电网输出控制参数，对所述故障分析拓扑节点执行高频数据分析，生成配电网电压基准波动区间序列和配电网电流基准波动区间序列；
偏离分析执行单元，用于根据所述配电网电压基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电压偏离向量序列；
序列偏离分析单元，用于根据所述配电网电流基准波动区间序列对所述配电网电压监测值序列进行偏离分析，生成电流偏离向量序列；
故障解析执行单元，用于激活应用服务器集群，初始化若干个故障分析节点，接收所述电压偏离向量序列和所述电流偏离向量序列执行故障解析，生成故障度，其中，所述若干个故障分析节点至少为2个；
故障节点标识单元，用于当所述故障度大于或等于故障度阈值，将所述故障分析拓扑节点标识为故障节点，反馈至所述客户端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410260090.1A CN117849536B (zh) | 2024-03-07 | 2024-03-07 | 一种电网配电线路故障在线监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410260090.1A CN117849536B (zh) | 2024-03-07 | 2024-03-07 | 一种电网配电线路故障在线监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117849536A true CN117849536A (zh) | 2024-04-09 |
| CN117849536B CN117849536B (zh) | 2024-06-11 |
Family
ID=90543782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410260090.1A Active CN117849536B (zh) | 2024-03-07 | 2024-03-07 | 一种电网配电线路故障在线监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117849536B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120062239A1 (en) * | 2010-09-10 | 2012-03-15 | Rostron Joseph R | Directional fault sectionalizing system |
| WO2016062316A1 (en) * | 2014-10-24 | 2016-04-28 | Vestas Wind Systems A/S | Method for operating a wind power plant in a weak grid environment and a wind power plant |
| CN106918758A (zh) * | 2017-02-17 | 2017-07-04 | 国电南瑞科技股份有限公司 | 一种基于电气量和非电气量的小电流接地综合选线方法 |
| WO2019158332A1 (de) * | 2018-02-15 | 2019-08-22 | Thyssenkrupp Marine Systems Gmbh | Verfahren zur leistungsregelung in einem unterwasserfahrzeug und unterwasserfahrzeug |
| US20200014207A1 (en) * | 2018-07-06 | 2020-01-09 | Schneider Electric USA, Inc. | Systems and methods for managing power quality events in an electrical system |
| CN213069140U (zh) * | 2020-09-28 | 2021-04-27 | 江苏中恩网络科技有限公司 | 一种消防电气线路检测装置 |
| WO2021169487A1 (zh) * | 2020-02-24 | 2021-09-02 | 上海蔚来汽车有限公司 | 动力电池内单体电池的短路监测方法、系统以及装置 |
| CN114665479A (zh) * | 2022-05-24 | 2022-06-24 | 武汉大学 | 一种考虑网络重构的配电网供电恢复方法及系统 |
| CN116298684A (zh) * | 2023-03-09 | 2023-06-23 | 国网安徽省电力有限公司 | 一种配电网用故障研判定位系统 |
| CN116505665A (zh) * | 2023-06-30 | 2023-07-28 | 国网江苏省电力有限公司南通供电分公司 | 一种电网配电线路的故障监测方法及系统 |
| CN117002309A (zh) * | 2023-10-07 | 2023-11-07 | 南通国轩新能源科技有限公司 | 一种充电桩的故障智能预警方法及系统 |
| CN117368616A (zh) * | 2023-11-20 | 2024-01-09 | 北京航能绿电科技有限公司 | 一种智能化的配电网接地故障监测方法及系统 |
| CN117406026A (zh) * | 2023-10-26 | 2024-01-16 | 贵州电网有限责任公司 | 一种适用于分布式电源的配电网故障检测方法 |
| CN117526561A (zh) * | 2023-11-09 | 2024-02-06 | 国网江苏省电力有限公司苏州供电分公司 | 基于数字孪生的变电站设备异常监控和预警方法及系统 |
-
2024
- 2024-03-07 CN CN202410260090.1A patent/CN117849536B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120062239A1 (en) * | 2010-09-10 | 2012-03-15 | Rostron Joseph R | Directional fault sectionalizing system |
| WO2016062316A1 (en) * | 2014-10-24 | 2016-04-28 | Vestas Wind Systems A/S | Method for operating a wind power plant in a weak grid environment and a wind power plant |
| CN106918758A (zh) * | 2017-02-17 | 2017-07-04 | 国电南瑞科技股份有限公司 | 一种基于电气量和非电气量的小电流接地综合选线方法 |
| WO2019158332A1 (de) * | 2018-02-15 | 2019-08-22 | Thyssenkrupp Marine Systems Gmbh | Verfahren zur leistungsregelung in einem unterwasserfahrzeug und unterwasserfahrzeug |
| US20200014207A1 (en) * | 2018-07-06 | 2020-01-09 | Schneider Electric USA, Inc. | Systems and methods for managing power quality events in an electrical system |
| WO2021169487A1 (zh) * | 2020-02-24 | 2021-09-02 | 上海蔚来汽车有限公司 | 动力电池内单体电池的短路监测方法、系统以及装置 |
| CN213069140U (zh) * | 2020-09-28 | 2021-04-27 | 江苏中恩网络科技有限公司 | 一种消防电气线路检测装置 |
| CN114665479A (zh) * | 2022-05-24 | 2022-06-24 | 武汉大学 | 一种考虑网络重构的配电网供电恢复方法及系统 |
| CN116298684A (zh) * | 2023-03-09 | 2023-06-23 | 国网安徽省电力有限公司 | 一种配电网用故障研判定位系统 |
| CN116505665A (zh) * | 2023-06-30 | 2023-07-28 | 国网江苏省电力有限公司南通供电分公司 | 一种电网配电线路的故障监测方法及系统 |
| CN117002309A (zh) * | 2023-10-07 | 2023-11-07 | 南通国轩新能源科技有限公司 | 一种充电桩的故障智能预警方法及系统 |
| CN117406026A (zh) * | 2023-10-26 | 2024-01-16 | 贵州电网有限责任公司 | 一种适用于分布式电源的配电网故障检测方法 |
| CN117526561A (zh) * | 2023-11-09 | 2024-02-06 | 国网江苏省电力有限公司苏州供电分公司 | 基于数字孪生的变电站设备异常监控和预警方法及系统 |
| CN117368616A (zh) * | 2023-11-20 | 2024-01-09 | 北京航能绿电科技有限公司 | 一种智能化的配电网接地故障监测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张稳 等: "高渗透率分布式电源按节点关键性接入配电网的运行风险评估", 《高电压技术》, 8 February 2021 (2021-02-08), pages 937 - 947 * |
| 谢强 等: "基于物联网的架空配电线路故障监控系统研究", 《河南科技》, 25 September 2014 (2014-09-25), pages 93 - 94 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117849536B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
| CN110095744B (zh) | 一种电子式互感器误差预测方法 | |
| Blanco et al. | An efficient robust solution to the two-stage stochastic unit commitment problem | |
| US10878324B2 (en) | Problem analysis and priority determination based on fuzzy expert systems | |
| CN112182720B (zh) | 一种基于建筑能源管理应用场景的建筑能耗模型评价方法 | |
| CN111367777B (zh) | 告警处理的方法、装置、设备及计算机可读存储介质 | |
| CN112069727B (zh) | 具备高可信度的电力系统暂态稳定智能化评估系统及方法 | |
| CN112906764B (zh) | 基于改进bp神经网络的通信安全设备智能诊断方法及系统 | |
| CN111861023A (zh) | 基于统计学的混合风电功率预测方法、装置 | |
| CN110766320A (zh) | 一种机场智能电网运行安全评价方法及装置 | |
| CN112001644A (zh) | 一种配电网运行可靠性检测方法、装置、终端及存储介质 | |
| CN112379325A (zh) | 一种用于智能电表的故障诊断方法及系统 | |
| CN116011158A (zh) | 一种低压台区的拓扑识别方法、系统及装置 | |
| CN110378358A (zh) | 一种配电网异构数据整合方法及系统 | |
| CN113328467B (zh) | 一种概率电压稳定性评估方法、系统、终端设备及介质 | |
| CN114662989A (zh) | 电力系统的暂态稳定自适应评估方法及装置 | |
| CN116821141A (zh) | 数据更新方法、故障诊断方法、电子设备和存储介质 | |
| CN110837857A (zh) | 工业用电负荷预测方法、系统及其存储介质 | |
| CN117849536B (zh) | 一种电网配电线路故障在线监测方法及系统 | |
| CN117034149A (zh) | 故障处理策略确定方法、装置、电子设备和存储介质 | |
| CN105842535B (zh) | 一种基于相似特征融合的谐波主特征群筛选方法 | |
| CN117938864B (zh) | 基于机器学习的节点负载匹配方法及系统 | |
| Shi et al. | Analysis of online quick judgment of transient stability based on Siamese network | |
| CN113435915B (zh) | 用户窃电行为检测方法、装置、设备及存储介质 | |
| CN117911010A (zh) | 一种水轮机调速器检修评估设备、方法、装置及介质 |
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 |