CN103986238B - 基于概率加权二分图法的智能变电站故障诊断方法 - Google Patents

基于概率加权二分图法的智能变电站故障诊断方法 Download PDF

Info

Publication number
CN103986238B
CN103986238B CN201410230444.4A CN201410230444A CN103986238B CN 103986238 B CN103986238 B CN 103986238B CN 201410230444 A CN201410230444 A CN 201410230444A CN 103986238 B CN103986238 B CN 103986238B
Authority
CN
China
Prior art keywords
information
fault
probability
intelligent substation
prognostic
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
Application number
CN201410230444.4A
Other languages
English (en)
Other versions
CN103986238A (zh
Inventor
高湛军
高诺
王俊山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201410230444.4A priority Critical patent/CN103986238B/zh
Publication of CN103986238A publication Critical patent/CN103986238A/zh
Application granted granted Critical
Publication of CN103986238B publication Critical patent/CN103986238B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/16—Electric power substations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/20—Systems supporting electrical power generation, transmission or distribution using protection elements, arrangements or systems

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了基于概率加权二分图法的智能变电站故障诊断方法，获得智能变电站征兆信息并根据故障分析的实际需要获得召测信息；对步骤一所获得的所有信息进行优先级分类，对各征兆信息与召测信息进行概率赋值，得到实际***的概率加权二分因果图，根据步骤二得到的概率加权二分图，采用基于贝叶斯公式的故障定位算法计算每种可能故障发生的概率，进行故障最终定位，确定故障元件，输出诊断结果。本发明不仅可以诊断智能变电站一次***的故障，同时也可以诊断二次***的故障，诊断过程十分缜密可靠，诊断结果准确，这为智能变电站二次***故障诊断提供了一个很好的故障诊断新方法。

Description

基于概率加权二分图法的智能变电站故障诊断方法
技术领域
本发明涉及一种基于概率加权二分图法的智能变电站故障诊断方法。
背景技术
在传统变电站中由于二次***采用硬接线，存在相应逻辑实回路，物理接线与变电站的功能配置存在一一对应的关系，因此通过检测二次***的接线便可以分析确定变电站二次***故障。但是随着技术的发展，智能变电站以其特有的优势成为未来变电站发展的趋势。而智能变电站二次***则将硬接线变为通信网络，即实回路变为虚回路，站内的采样信息、控制信息、闭锁信息、状态信息以及继电保护跳闸合闸都是通过通信网络实现，网络拓扑结构与功能信息以及信号的输入输出不再一一对应。基于这些变化，智能变电站二次***的故障诊断与传统变电站有很大的不同。
由于传统变电站故障诊断算法模型一般是建立在开关信息、保护动作信息以及一次***的拓扑结构基础上，因此这些算法只涉及变电站一次***的故障诊断，对于二次***的故障诊断则很少有涉及。这样的诊断是很不全面的，不利于故障的快速切除以及停电恢复。同时对于智能变电站，由于其二次***实现了网络化，传统变电站的故障诊断模型更加无法适用于其二次***的故障诊断，并且通过查阅相应的资料可以发现，依靠智能变电站一次***以及二次***征兆信息进行一次***与二次***故障诊断的研究，至今仍然比较匮乏。
发明内容
为解决现有技术存在的不足，本发明公开了基于概率加权二分图法的智能变电站故障诊断方法，利用智能变电站征兆信息及召测信息，建立***的概率加权二分图，这种方法逻辑清晰易懂，不论***多复杂，均可用二分图表示其内在关系，同时该方法过程简单，非常实用。基于该方法进行智能变电站故障诊断，可以准确的诊断智能变电站一次***及二次***的故障。
为实现上述目的，本发明的具体方案如下：
步骤一：获得智能变电站征兆信息并根据故障分析的实际需要获得召测信息；
步骤二：对步骤一所获得的所有信息进行优先级分类，对各征兆信息与召测信息进行概率赋值，得到实际***的概率加权二分因果图；
步骤三：根据步骤二得到的概率加权二分图，采用基于贝叶斯公式的故障定位算法计算每种可能故障发生的概率，进行故障最终定位，确定故障元件，输出诊断结果；
步骤四：根据输出的故障诊断结果，进一步分析引起该次故障的原因，若下次出现相同故障则快速的进行诊断。
所述步骤一中，智能变电站征兆信息包括所有的继电保护动作信息、开关信息、二次***征兆信息，其中二次***征兆信息包括网络通信通断信息、交换机故障信息及流量信息；
所述召测信息为征兆信息中没有上传但是分析需要的继电保护动作信息、断路器信息、二次通信网络的静态配置信息、动态监测信息以及网络延时等；
所述二次通信网络的静态配置信息包括通过全站***配置文件SCD获取的智能变电站二次***网络配置信息以及智能电子设备配置信息；
所述动态监测信息包括通过数据采集与监控***SCADA获得的二次***召测信息以及通信网络的动态监测信息；
所述二次***召测信息包括电源故障、报文异常及网络延时。
所述步骤一中还包括根据征兆信息对智能变电站一次***进行故障诊断，当征兆信息属于一次***中的信息则判断为一次***故障，并根据信息的类型诊断出相应的故障元件，若不是一次***，则应进一步诊断智能变电站的二次***，根据获得二次***的征兆信息进一步判断是否为二次***设备故障。
所述步骤二中对步骤一所获得的所有信息进行优先级分类，以确定其优先级顺序；
在获得的征兆信息以及召测信息中，首先根据继电保护动作信息以及开关信息判断是否是一次***故障，若判断为一次***故障，则只用第一优先级信息即可；若根据断路器信息以及保护动作信息判断一次***正常，则由二次装置信息以及局域网信息判断确定那个二次装置故障。
根据优先级确定一次***故障，其次确定二次***设备故障，最后确定二次***网络故障的原则确定优先级的规则，所述优先级的确定规则：
第一优先级：继电保护动作信息以及开关信息；
第二优先级：二次装置信息；
第三优先级：局域网信息，具体包括：网络通断、交换机故障及流量及误码率。
所述步骤二中得到实际***的概率加权二分因果图，具体为：确定***的故障集，获得的征兆信息以及召测信息集，依据***的故障集与征兆信息以及召测信息集之间的拓扑关系建立相应的概率加权二分图。
以一个简单的电力***为例说明概率加权二分图法的具体应用：假设一个***的故障集为F:(Ls,Bs)，其中Ls为线路故障，其发生的概率为0.1629，Bs为变电站母线故障，其发生的概率为0.0058；获得的征兆信息以及召测信息集S0:(Jw,Rw,Cw,Lw,Bw)，其中Jw为断路器跳闸信号，Rw为重合闸信号，Cw为电流差动保护信号，Lw为母差纵联保护信号，Bw为母线失灵保护信号。根据可能的故障以及征兆信息之间的关系，可得该***的概率加权二分图如图4所示。
所述步骤三中基于贝叶斯公式的故障定位算法公式具体为：
P ( f | S N ) = Σ S i ∈ S N P ( f | S i ) Σ S j ∈ symtom ( f ) P ( f | S j )
式中，SN为征兆信息与召测信息集；si为SN中第i个信息；Sj为与故障相关的征兆信息与召测信息集中第j个信息；symtom(f)为与故障f相关联的所有征兆信息与召测信息集；
所述步骤三具体过程为：基于所获得的概率二分图，计算每种可能故障发生的概率，即对应于每个故障，都能够在已获得的征兆信息及召测信息的条件下求得其发生的概率，将所得故障概率存入可疑元件库H，在H中将每个故障发生的概率值由大到小排列，概率值最大的为最有可能发生的故障，进而确定故障元件。
所述步骤四具体为：根据输出的最终故障诊断的结果，分析引起该故障的原因以及在本次故障诊断中所用到的征兆信息以及召测信息，以后若发生类似故障快速的进行故障诊断；同时应用其它故障诊断模型重新计算，比较该模型与其它模型的结果的异同以及各自的优缺点，为智能变电站故障诊断寻找更加优秀的模型算法。
本发明的有益效果：
(1)本发明是利用所获得的征兆信息以及召测信息，并且利用***的拓扑结构关系建立概率加权二分图，进而利用基于贝叶斯公式的故障定位算法进行故障定位，不仅可以准确诊断一次***故障，也可以准确诊断二次***故障，确定故障设备，找出故障位置。
(2)本发明对征兆信息以及召测信息进行了优先级的划分，这样在故障诊断的过程中可以大大的提高诊断效率，提高了该方法的实用性。
(3)本发明采用的是基于***拓扑结构的概率加权二分图，基于这种二分图进行故障诊断，征兆信息与故障之间的逻辑关系十分明确，不论多么复杂的***，都可以十分清晰找出故障与征兆信息之间的内在关系，得到概率加权二分图，进而进行相应的故障诊断。
(4)本发明不仅可以诊断智能变电站一次***的故障，同时也可以诊断二次***的故障，诊断过程十分缜密可靠，诊断结果准确，这为智能变电站二次***故障诊断提供了一个很好的故障诊断新方法。
附图说明
图1：智能变电站一次***母线运行结构图；
图2：智能变电站二次***故障诊断模型图；
图3：智能变电站二次***故障诊断流程图；
图4：一个简单的电力***的二分图；
图5：一次***的概率加权二分图；
图6：二次***的概率加权二分图。
具体实施方式：
下面结合附图对本发明进行详细说明：
步骤一：获得智能变电站征兆信息，包括保护信息、开关信息、二次***相应信息。
基于所获得的继电保护动作信息以及开关信息等这些征兆信息对智能变电站一次进行故障诊断，可准确的诊断出是否为一次***故障，若为一次***故障则诊断出相应的故障元件，若不是一次***，则应进一步诊断智能变电站的二次***，获得二次***的征兆信息如网络通断信息、交换机信息、流量信息等，进一步判断是否为二次***设备故障。其故障诊断模型图如图2所示，故障诊断流程图如图3所示。在此，以智能变电站一次***母线运行结构图图1为例，若智能变电站二次***的交换机一个端口发生故障，此时将得到大量的征兆信息，这其中包括保护信息，断路器信息以及二次***设备的相关信息，同时对于该故障而言，这属于二次***故障，保护及断路器不应该发生，若发生动作则为误动作，在后面的故障定位中会有所体现。得到上面这些信息还不足以完全反应故障特征，此时进入下一步。
步骤二：根据故障分析的实际需要，获得召测信息，并对所获得的所有信息进行优先级分类。
若为一次***故障，召测所需要的开关信息及保护信息，若为二次***故障，召测二次通信网络的静态配置信息及动态监测信息以及其它一些故障诊断所需的信息。二次通信网络的静态配置信息包括智能变电站二次***网络配置信息以及智能电子设备配置信息等，这些信息通过SCD(Substation Configuration Description，全站***配置文件)获取。而动态监测信息包括SCADA(Supervisory Control And Data Acquisition数据采集与监控***)***征兆信息以及通信网络的动态监测信息等。这些征兆信息主要包括通信中断、交换机故障、电源故障、报文异常、网络延时等。
通过获得步骤一的征兆信息以及步骤二的召测信息，此时对于故障诊断而言已经获得比较全面的信息，下面的故障诊断便是依据这些征兆信息以及召测信息。但是在故障诊断之前还需要对这些所获得的信息进行优先级的划分，以确定其优先级顺序。
优先级的确定规则：
第一优先级：断路器信息以及保护动作信息；
第二优先级：二次装置信息；
第三优先级：局域网信息(网络通断、交换机故障、流量及误码率等)；
对于本例而言，由于是交换机某一个端口发生故障，所以根据召测信息以及征兆信息可以先确定是否为一次***故障，诊断结果显示这不是一次***故障，则对二次***进行诊断，由故障诊断流程图继续进行相应的故障诊断。需要说明的一点是；由于在本例中存在保护及断路器误动作，所以根据保护及断路器信息并不能确定不是一次***故障，必须首先对一次***进行故障诊断，判断是否为一次***故障，进而再对二次***进行故障诊断。
步骤三：建立实际***的概率加权二分图，对二分图中每个故障以及与之对应的征兆信息和召测信息进行概率赋值，得到实际***的概率加权二分因果图。
由实际的智能变电站一次***运行拓扑图，建立一次***的概率加权二分图。在此我们得到的征兆信息以及召测信息为断路器CB5断开，断路器CB1，断路器CB2，断路器CB3，断路器CB4正常，母线保护未动作，线路L1电流保护动作，二次***征兆及召测信息为网络断开，交换机端口故障GOOSE报文及SV报文缺失等。基于此，可以推断可能的故障集F：(母线B1故障，母线B2故障，线路L1故障，交换机端口故障，合并单元故障，保护控制故障，智能终端故障)，根据征兆信息的优先级，首先对一次***进行故障诊断，画出其概率加权二分图，若诊断结果不是一次***故障，继续对二次***进行诊断，画出其概率加权二分图。首先基于故障与征兆信息的内在关系，可得一次***的概率加权二分图，如图5所示。然后根据二次***征兆信息以及召测信息得到二次***概率加权二分图，如图6所示。
步骤四：采用基于贝叶斯公式的故障定位算法进行故障最终定位，确定故障元件，输出诊断结果。
得到上面的概率加权二分图后，利用基于贝叶斯公式的故障定位算法，分别计算在所得到的征兆信息以及召测信息的条件下线路L1，母线B1，B2发生故障的概率，存入可疑元件库H中，并且由高到低排列，进而利用基于贝叶斯公式的故障定位算法计算二次***可疑元件故障概率，存入可疑元件库中，按照发生概率的大小由高到低进行排列，概率值最高的为最可能发生故障的设备，进而确定故障设备，输出故障诊断结果。对于本例而言，交换机端口故障发生故障的概率最大，所以诊断结果为交换机端口发生故障，结果准确。
步骤五：根据输出的故障诊断结果，进一步分析引起该次故障的原因，若下次出现相同故障则可以快速的进行诊断。
根据输出的最终故障诊断的结果，分析引起该故障的原因以及在本次故障诊断中所用到的征兆信息以及召测信息，以后若发生类似故障可快速的进行故障诊断。对于本例而言，此次故障得到的有用的征兆信息以及召测信息为断路器、保护动作信息以及二次***信息，若以后得到类似进行，则可以快速准确的判断故障元件。
上面虽然结合附图对本发明的具体实施方案进行了详细的描述，但是这并不是对本发明范围的限制，在本发明的技术方案的基础上，本领域的技术人员可十分方便的利用本发明技术方案进行相应的修改，对于本方案做出的各种修改或者变形仍然在本发明的保护范围以内。

Claims (6)

1.基于概率加权二分图法的智能变电站故障诊断方法，其特征是，包括以下步骤：
步骤一：获得智能变电站征兆信息并根据故障分析的实际需要获得召测信息；
步骤二：对步骤一所获得的所有信息进行优先级分类，对各征兆信息与召测信息进行概率赋值，得到实际***的概率加权二分因果图；
步骤三：根据步骤二得到的概率加权二分图，采用基于贝叶斯公式的故障定位算法计算每种可能故障发生的概率，进行故障最终定位，确定故障元件，输出诊断结果；
步骤四：根据输出的故障诊断结果，进一步分析引起该次故障的原因，若下次出现相同故障则快速的进行诊断；
所述步骤一中还包括根据征兆信息对智能变电站一次***进行故障诊断，当征兆信息属于一次***中的信息则判断为一次***故障，并根据信息的类型诊断出相应的故障元件，若不是一次***，则应进一步诊断智能变电站的二次***，根据获得二次***的征兆信息进一步判断是否为二次***设备故障；
所述步骤二中对步骤一所获得的所有信息进行优先级分类，以确定其优先级顺序；
在获得的征兆信息以及召测信息中，首先根据继电保护动作信息以及开关信息判断是否是一次***故障，若判断为一次***故障，则只用第一优先级信息即可；若根据断路器信息以及保护动作信息判断一次***正常，则由二次装置信息以及局域网信息判断确定哪个二次装置故障；
所述步骤二中得到实际***的概率加权二分因果图，具体为：确定***的故障集，获得的征兆信息以及召测信息集，依据***的故障集与征兆信息以及召测信息集之间的拓扑关系建立相应的概率加权二分图；
所述步骤三具体过程为：基于所获得的概率二分图，计算每种可能故障发生的概率，即对应于每个故障，都能够在已获得的征兆信息及召测信息的条件下求得其发生的概率，将所得故障概率存入可疑元件库H，在可疑元件库H中将每个故障发生的概率值由大到小排列，概率值最大的为最有可能发生的故障，进而确定故障元件。
2.如权利要求1所述的基于概率加权二分图法的智能变电站故障诊断方法，其特征是，所述步骤一中，智能变电站征兆信息包括所有的继电保护动作信息、开关信息、二次***征兆信息，其中二次***征兆信息包括网络通信通断信息、交换机故障信息及流量信息；
所述召测信息为征兆信息中没有上传但是分析需要的继电保护动作信息、断路器信息、二次通信网络的静态配置信息、动态监测信息以及网络延时。
3.如权利要求2所述的基于概率加权二分图法的智能变电站故障诊断方法，其特征是，所述二次通信网络的静态配置信息包括通过全站***配置文件SCD获取的智能变电站二次***网络配置信息以及智能电子设备配置信息；
所述动态监测信息包括通过数据采集与监控***SCADA获得的二次***召测信息以及通信网络的动态监测信息；
所述二次***召测信息包括电源故障、报文异常及网络延时。
4.如权利要求1所述的基于概率加权二分图法的智能变电站故障诊断方法，其特征是，所述优先级的确定规则：
第一优先级：继电保护动作信息以及开关信息；
第二优先级：二次装置信息；
第三优先级：局域网信息，具体包括：网络通断、交换机故障、流量及误码率。
5.如权利要求1所述的基于概率加权二分图法的智能变电站故障诊断方法，其特征是，所述步骤三中基于贝叶斯公式的故障定位算法公式具体为：
P ( f | S N ) = Σ S i ∈ S N P ( f | s i ) Σ S j ∈ symtom ( f ) P ( f | S j )
式中，SN为征兆信息与召测信息集；si为SN中第i个信息；Sj为与故障相关的征兆信息与召测信息集中第j个信息；symtom(f)为与故障f相关联的所有征兆信息与召测信息集。
6.如权利要求1所述的基于概率加权二分图法的智能变电站故障诊断方法，其特征是，所述步骤四具体为：根据输出的最终故障诊断的结果，分析引起该故障的原因以及在本次故障诊断中所用到的征兆信息以及召测信息，以后若发生类似故障快速的进行故障诊断；同时应用其它故障诊断模型重新计算，比较该模型与其它模型的结果的异同以及各自的优缺点，为智能变电站故障诊断寻找更加优秀的模型算法。
CN201410230444.4A 2014-05-28 2014-05-28 基于概率加权二分图法的智能变电站故障诊断方法 Active CN103986238B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410230444.4A CN103986238B (zh) 2014-05-28 2014-05-28 基于概率加权二分图法的智能变电站故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410230444.4A CN103986238B (zh) 2014-05-28 2014-05-28 基于概率加权二分图法的智能变电站故障诊断方法

Publications (2)

Publication Number Publication Date
CN103986238A CN103986238A (zh) 2014-08-13
CN103986238B true CN103986238B (zh) 2015-07-22

Family

ID=51278104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410230444.4A Active CN103986238B (zh) 2014-05-28 2014-05-28 基于概率加权二分图法的智能变电站故障诊断方法

Country Status (1)

Country Link
CN (1) CN103986238B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105245001B (zh) * 2015-09-18 2018-04-13 贵州电力试验研究院 一种事件驱动的变电站事故智能告警处理方法和装置
CN105678337B (zh) * 2016-01-12 2020-02-04 国网技术学院 一种智能变电站故障诊断中的信息融合方法
CN106940818A (zh) * 2017-04-06 2017-07-11 深圳市沃特沃德股份有限公司 终端设备的维修方法和装置
CN111884715A (zh) * 2020-06-08 2020-11-03 国网山东省电力公司建设公司 一种变电站二次***光回路的故障定位方法及装置
DE102020120539A1 (de) * 2020-08-04 2022-02-10 Maschinenfabrik Reinhausen Gmbh Vorrichtung zur Ermittlung eines Fehlerwahrscheinlichkeitswerts für eine Transformatorkomponente sowie ein System mit einer derartigen Vorrichtung
CN112415331B (zh) * 2020-10-27 2024-04-09 中国南方电网有限责任公司 基于多源故障信息的电网二次***故障诊断方法
CN113283603B (zh) * 2021-06-08 2023-06-20 华能(浙江)能源开发有限公司清洁能源分公司 一种精细化的闭环式风机故障诊断方法及***
US20230164156A1 (en) * 2021-11-19 2023-05-25 IronNet Cybersecurity, Inc. Detection of abnormal events

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102368634A (zh) * 2011-09-14 2012-03-07 文存润 智能变电站状态监测统一信息平台***
CN103454516A (zh) * 2013-05-06 2013-12-18 国家电网公司 智能化变电站二次设备健康状态诊断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4478769B2 (ja) * 2004-02-23 2010-06-09 独立行政法人産業技術総合研究所 情報処理装置、情報処理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102368634A (zh) * 2011-09-14 2012-03-07 文存润 智能变电站状态监测统一信息平台***
CN103454516A (zh) * 2013-05-06 2013-12-18 国家电网公司 智能化变电站二次设备健康状态诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于贝叶斯征兆解释度的链路故障定位算法;王汝言等;《计算机应用研究》;20130331;第30卷(第3期);第712-714页及图1 *
基于贝叶斯疑似度的启发式故障定位算法;张成等;《软件学报》;20101031;第21卷(第10期);第2610-2619页 *

Also Published As

Publication number Publication date
CN103986238A (zh) 2014-08-13

Similar Documents

Publication Publication Date Title
CN103986238B (zh) 基于概率加权二分图法的智能变电站故障诊断方法
Kiaei et al. Fault section identification in smart distribution systems using multi-source data based on fuzzy Petri nets
CN103616579B (zh) 一种用于智能变电站二次***的故障诊断方法
Zhang et al. Method of power grid fault diagnosis using intuitionistic fuzzy Petri nets
CN110380514B (zh) 一种智能变电站继电保护二次回路故障诊断方法
CN103426056A (zh) 基于风险评估的电力***薄弱环节辨识方法
CN106771883A (zh) 一种基于云的多源信息配电故障定位方法及***
CN104931857A (zh) 一种基于d-s证据理论的配电网故障定位方法
CN101251835A (zh) 一种±800kV换流站主接线可靠性评估方法
CN109001596B (zh) 一种电网故障诊断与输电线路参数辨识***
CN105429803B (zh) 基于故障区域差分逼近推理的二次虚回路故障定位方法
CN103995172B (zh) 变电站gis母线负荷电流在线监测方法
CN104750878A (zh) 一种基于混合搜索策略的拓扑故障诊断方法
Kiaei et al. A two-stage fault location identification method in multiarea power grids using heterogeneous types of data
Kundu et al. Online identification of protection element failure using wide area measurements
Panteli et al. Quantifying the reliability level of system integrity protection schemes
CN104166940A (zh) 配电网运行风险评估方法及评估***
CN109116181A (zh) 一种基于最大概率的故障指示器故障判定方法
CN104215879A (zh) 一种配电网短路故障定位方法及***
Cui et al. Power system fault reasoning and diagnosis based on the improved temporal constraint network
CN106532692A (zh) 一种地区电网计及备自投的静态安全分析方法及装置
Rayudu A knowledge-based architecture for distributed fault analysis in power networks
CN111327474B (zh) 基于拓扑分析的电力***故障诊断方法
KAluđer et al. Fault diagnosis and identification in the distribution network using the fuzzy expert system
CN112054511A (zh) 电力***事故处理措施与标准票的关联生成方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant