CN106485333A - 一种输电线路运行状态评估方法 - Google Patents
一种输电线路运行状态评估方法 Download PDFInfo
- Publication number
- CN106485333A CN106485333A CN201610913879.8A CN201610913879A CN106485333A CN 106485333 A CN106485333 A CN 106485333A CN 201610913879 A CN201610913879 A CN 201610913879A CN 106485333 A CN106485333 A CN 106485333A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- electricity
- parameter
- years
- over
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 66
- 230000005611 electricity Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000007547 defect Effects 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 22
- 230000007812 deficiency Effects 0.000 claims abstract description 13
- 239000012212 insulator Substances 0.000 claims abstract description 10
- 238000000513 principal component analysis Methods 0.000 claims abstract description 7
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims abstract description 6
- 239000010931 gold Substances 0.000 claims abstract description 6
- 229910052737 gold Inorganic materials 0.000 claims abstract description 6
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 claims abstract description 6
- 230000001681 protective effect Effects 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 description 8
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 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
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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—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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种输电线路运行状态评估方法,包括:统计输电线路中部件的历年故障、历年紧急或重大缺陷、历年那一般缺陷和典型缺陷数据,将所述输电线路中部件的参量进行量化,构建用于主成分分析的多维矩阵;确定所述输电线路中部件的关键参量;构建所述输电线路中部件运行状态的贝叶斯网络结构,所述贝叶斯网络结构中的部件包括基础及防护设施、杆塔、导地线、绝缘子串、金具、防雷设施及接地装置和线路防护区;统计所述部件的状态概率,构建条件概率表;输电线路部件缺陷评估。建立了基于主成分分析法的各单元部件评估参量的数学模型,提高了评估指标的获取效率。
Description
技术领域
本发明涉及电力***运行安全技术领域,更为具体地说,涉及一种输电线路运行状态评估方法。
背景技术
架空输电线路是电力***的大动脉,肩负着输送电能的重任,是电力***的重要组成部分。架空输电线路自投运起,就必须保证其输电的能力以及运行的安全性和可靠性水平,在线路运行过程中出现的各种状态,都在一定程度上影响整个线路的正常运行,甚至给整个电力***的安全运行带来了不同程度的影响和威胁。如此,随着我国电力建设的快速增长,电力网络的规模日益增大,对架空输电线路的安全稳定运行、监控及保护提出了更高的要求。
目前,开展全面有效的输电线路状态监测与状态评估符合线路智能化运维的发展趋势,现监测多集中于在线监测,如对覆冰、污秽等线路运行状态的监测,通过少数在线监测参量得到线路覆冰、污秽等状态;状态评估主要集中在状态评价导则。
然而,高压输电线路的运行呈现分布广阔、所处地理环境恶劣和气象环境复杂的特点,现有的监测和评估多集中在某一状态(如覆冰、污秽)的评估,缺乏整体评估,评价模型单一,多为评估导则,智能算法研究较少,评估参量不统一,往往忽略评估参量的有效性和冗余度。
发明内容
本发明的目的是提供一种输电线路运行状态评估方法,以对高压输电线路运行中的状态进行准确有效的评估。
为了解决上述技术问题,本发明提供如下技术方案:
本发明提供的一种输电线路运行状态评估方法,包括:
统计输电线路中部件的历年故障、历年紧急或重大缺陷、历年那一般缺陷和典型缺陷数据,将所述输电线路中部件的参量进行量化,构建用于主成分分析的多维矩阵;
确定所述输电线路中部件的关键参量;
构建所述输电线路中部件运行状态的贝叶斯网络结构,所述贝叶斯网络结构中的部件包括基础及防护设施、杆塔、导地线、绝缘子串、金具、防雷设施及接地装置和线路防护区;
统计所述部件的状态概率,构建条件概率表;
输电线路部件缺陷评估。
优选的,上述输电线路运行状态评估方法中,所述统计输电线路中部件的历年故障、历年紧急或重大缺陷、历年那一般缺陷和典型缺陷数据,将所述输电线路中部件的参量进行量化,构建用于主成分分析的多维矩阵,具体包括:
根据所述统计输电线路中部件的历年故障、历年紧急或重大缺陷、历年那一般缺陷和典型缺陷数据,将所述参量中的每个参量量化为四维数组,记作参量=(A1,A2,A3,A4),A1表示故障统计中对应该参量的个数;A2表示紧急或重大缺陷统计中对应该参量的个数;A3表示一般缺陷中对应该参量的百分比;A4表示典型缺陷库中各类缺陷对应该参量的个数;
将所述参量量化成N×4维的矩阵X,N表示部件中参量个数;
按照主成分分析法的定义,得到一个p×n阶的数据矩阵X=(X1,X2,…,Xp)T,其中n表示样本个数,p表示所有参量个数,X1,X2,…,Xp表示p个参量对应的样本。
优选的,上述输电线路运行状态评估方法中,所述确定所述输电线路中部件的关键参量,具体包括:
对所述数据矩阵X进行标准化、正交化,得到相关系数矩阵R,对所述R进行奇异值分解,得到R的特征值和特征向量,其中λ1≥λ2≥…≥λp≥0表示按大小顺序排列的p个特征值,α1,α2,…,αp为特征值对应的特征向量;
通过计算累计贡献率,确定主成分个数;
计算主成分的综合得分;
推导综合得分的权重;将权重在0.5以上的参量定为所述输电线路中部件的关键参量。
本发明提供的输电线路运行状态评估方法,建立了基于主成分分析法的各单元部件评估参量的数学模型,提高了评估指标的获取效率。提出了基于贝叶斯网络的状态评估算法,利用极大似然训练获得了线路各个指标参量的条件概率,通过因果推理判断线路和各部件的运行状态,并通过实例进行了验证。设计开发输电线路状态评估专家***。基于多源数据融合后的综合数据平台,将输电线路状态评估研究成果进行开发实现。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施提供的输电线路运行状态评估方法的结构流程图;
图2是本发明实施提供的架空输电线路运行状态评估的贝叶斯网络结构图。
具体实施方式
本发明实施例提供的一种输电线路运行状态评估方法,以对高压输电线路运行中的状态进行准确有效的评估。
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明实施例中的技术方案作进一步详细的说明。
参见附图1,该图示出了本发明实施例提供的输电线路运行状态评估方法,具体步骤如下:
S101:统计输电线路中部件的历年故障、历年紧急或重大缺陷、历年那一般缺陷和典型缺陷数据,将所述输电线路中部件的参量进行量化,构建用于主成分分析的多维矩阵。
根据历年故障统计、历年紧急或重大缺陷统计、历年一般缺陷统计、典型缺陷库,统计输电线路中部件的历年故障、历年紧急或重大缺陷、历年那一般缺陷和典型缺陷数据。将输电线路中部件进行区分,将每一个部件的参量进行量化,构件每一个部件的主成分分析的多维矩阵。优选的,将每一个部件的参量进行量化,构件每一个部件的主成分分析的多维矩阵的具体步骤如下:
(1)将每个参量量化为一个4维数组,即参量=(A1,A2,A3,A4):
A1表示故障统计中对应该参量的个数;
A2表示紧急或重大缺陷统计中对应该参量的个数;
A3表示一般缺陷中对应该参量的百分比;
A4表示典型缺陷库中各类缺陷对应该参量的个数。
(2)将每个分部件参量分布量化成N×4维的矩阵X,其中N表示该分部件中状态量个数。
(3)按照主成分分析法的定义,得到一个p×n阶的数据矩阵X=(X1,X2,…,Xp)T,其中n表示样本个数,p表示所有参量个数,X1,X2,…,Xp表示p个参量对应的样本,
S102:确定所述输电线路中部件的关键参量
针对输电线路中的每一个部件,根据每一个部件的参量对部件产生缺陷或故障影响的大小,选取输电线路中部件的关键参量。
根据上述步骤中的数据矩阵X=(X1,X2,…,Xp)T,通过计算,筛选输电线路中部件的关键参量。
对进行标准化、正交化,得到相关系数矩阵R,
进行奇异值分解,得到R的特征值和特征向量,其中λ1≥λ2≥…≥λp≥0表示按大小顺序排列的p个特征值,α1,α2,…,αp为特征值对应的特征向量。
通过计算累计贡献率,确定主成分个数。根据贡献率:
累计贡献率:
λ1,λ2,…,λm的累计贡献率属于85%-95%的置信区间,则确定有m个主成分能够用来表征原始的p个基础参量信息(m≤p),记为F=(F1,F2,…,Fm)T。
计算主成分的综合得分。对m个主成分进行加权,计算出主成分的综合得分以利用综合得分对各参量进行排名和评价:
推导综合得分的权重;将权重在0.5以上的参量定为所述输电线路中部件的关键参量。
的方差应与m个主成分的方差贡献之和一致,即
根据因子分析中的Thomson方法,可以推导出因子载荷矩阵A可以近似用AR-1来表示,因此推导出的方差为:
根据相关矩阵R的定义,有:Cov(X,XT)=R,从而
因此,权重ωi的取值为
将参量的权重向量C归一化至[0,1],权重越大表明相关性越强、该基础参量越具有代表性,依据专家经验及模拟演练,将权重在0.5以上的基础参量选为关键参量。
如,输电线路中,部件绝缘子性能参量众多,经过上述步骤进行关键量的筛选可以得到绝缘子状态评估参量表,表中展示出绝缘子排名前八的关键参量,如下表1:
表1
S103:构建所述输电线路中部件运行状态的贝叶斯网络结构,所述贝叶斯网络结构中的部件包括基础及防护设施、杆塔、导地线、绝缘子串、金具、防雷设施及接地装置和线路防护区。
根据S101和S102中输电线路中部件参量的统计和计算,构建输电线路中部件运行状态的贝叶斯网络结构。贝叶斯网络结构中的部件包括基础及防护设施、杆塔、导地线、绝缘子串、金具、防雷设施及接地装置和线路防护区。详见附图2。
S104:统计所述部件的状态概率,构建条件概率表
将各子部件作为整体,根据历史观测数据,统计一段时间(例如以年为时间段统计)内该部件处于某种状态的次数与总监测次数的比值即状态出现频率作为状态概率的估值。某部件的基本指标参量的先验概率估值形式如下:
其中,i=1,2,…Q,是第i统计的时间段,Ci为该部件的某一指标参量,ni、vi、yi和si分别代表Ci在运行中监测到位于不同状态属性值的监测次数或统计数量,mi是总监测次数或统计总数,ni+vi+yi+si=mi。
条件概率表表达了节点同父节点的相关关系,没有任何父节点的条件概率为其先验概率。根据专家经验或参数学习确定贝叶斯网络的条件概率表。
参数学习方法可以采用基于经典统计学(最大似然估计)的学习和基于贝叶斯统计学的学习,并在数据不完备时采用EM算法作为辅助,再结合相关资料和专家经验作为补充。本项目采用基于最大似然估计与相关资料和专家经验相结合的参数学习的方法,在参数学习中,样本数据分为两部分,一部分是训练样本,用于估计参数,另一部分是检验样本,用于结果的验证。
每个部件的条件概率表都具有表2和表3所示格式:
表2
表3
其中,Cj为Bj的指标参量个数,i=1,2,…,Cj,j=1,2,…,7。
S105:输电线路部件缺陷评估。
当某部件Bj的各参量Ci(i=1,2,…Q)的运行状态分别为ti∈{1,2,3,4}时,确定某部件Bj运行的4种状态概率:
其中,k=1,2,3,4。
任一部件Bj运行的状态概率均由其各参量当前的运行状态概率P(Ci=ti)推理得到,而线路A整体的运行状态概率则由其各部件当前的运行状态概率P(Bj=tj)推理得到。根据计算结果筛选出概率最大的那一项作为评估结果。
为详细说明本发明提供的输电线路运行状态评估方法,现举实例说明:
某500kV线路,铁塔基数为387;绝缘子串数为2322,其中合成绝缘子124串,玻璃绝缘子636串,瓷质绝缘子1562串;金具8817个;基础与接地装置数均为387;导地线386档,其中导线总数为1158,地线总数为772;线路避雷器数为6,防雷设施数为42。
以杆塔部件为例,根据测量数据,计算其状态概率。由历史测量数据得到杆塔倾斜度的先验概率分别为:P(C1=1)=0.960,P(C1=2)=0.031,P(C1=3)=0.008,P(C1=4)=0.001;杆(塔)顶挠度C2先验概率分别为:0.990,0.008,0.002,0;铁塔主材弯曲度C3先验概率分别为:0.962,0.030,0.006,0.002……,具体见表4、表5。
表4各指标参量对杆塔的先验概率
表5指标参量对杆塔的条件概率表
实测的杆塔倾斜度C1、杆(塔)顶挠度C2等参量均为正常状态;钢管塔主材弯曲度的状态C3、塔螺栓牢固情况C5、铁塔表面脱落、锈蚀情况C6为注意状态,如表6所示:
表6:杆塔状态概率情况表
比较各概率值大小,表明杆塔处于正常状态。
同理,求得其他部件的转台概率,如表7所示:
表7
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其它实施例的不同之处。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种输电线路运行状态评估方法,其特征在于,包括:
统计输电线路中部件的历年故障、历年紧急或重大缺陷、历年那一般缺陷和典型缺陷数据,将所述输电线路中部件的参量进行量化,构建用于主成分分析的多维矩阵;
确定所述输电线路中部件的关键参量;
构建所述输电线路中部件运行状态的贝叶斯网络结构,所述贝叶斯网络结构中的部件包括基础及防护设施、杆塔、导地线、绝缘子串、金具、防雷设施及接地装置和线路防护区;
统计所述部件的状态概率,构建条件概率表;
输电线路部件缺陷评估。
2.根据权利要求1所述的输电线路运行状态评估方法,其特征在于,所述统计输电线路中部件的历年故障、历年紧急或重大缺陷、历年那一般缺陷和典型缺陷数据,将所述输电线路中部件的参量进行量化,构建用于主成分分析的多维矩阵,具体包括:
根据所述统计输电线路中部件的历年故障、历年紧急或重大缺陷、历年那一般缺陷和典型缺陷数据,将所述参量中的每个参量量化为四维数组,记作参量=(A1,A2,A3,A4),A1表示故障统计中对应该参量的个数;A2表示紧急或重大缺陷统计中对应该参量的个数;A3表示一般缺陷中对应该参量的百分比;A4表示典型缺陷库中各类缺陷对应该参量的个数;
将所述参量量化成N×4维的矩阵X,N表示部件中参量个数;
按照主成分分析法的定义,得到一个p×n阶的数据矩阵X=(X1,X2,…,Xp)T,其中n表示样本个数,p表示所有参量个数,X1,X2,…,Xp表示p个参量对应的样本。
3.根据权利要求2所述的输电线路运行状态评估方法,其特征在于,所述确定所述输电线路中部件的关键参量,具体包括:
对所述数据矩阵X进行标准化、正交化,得到相关系数矩阵R,对所述R进行奇异值分解,得到R的特征值和特征向量,其中λ1≥λ2≥…≥λp≥0表示按大小顺序排列的p个特征值,α1,α2,…,αp为特征值对应的特征向量;
通过计算累计贡献率,确定主成分个数;
计算主成分的综合得分;
推导综合得分的权重;将权重在0.5以上的参量定为所述输电线路中部件的关键参量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610913879.8A CN106485333A (zh) | 2016-10-20 | 2016-10-20 | 一种输电线路运行状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610913879.8A CN106485333A (zh) | 2016-10-20 | 2016-10-20 | 一种输电线路运行状态评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106485333A true CN106485333A (zh) | 2017-03-08 |
Family
ID=58270296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610913879.8A Pending CN106485333A (zh) | 2016-10-20 | 2016-10-20 | 一种输电线路运行状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485333A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107221882A (zh) * | 2017-07-06 | 2017-09-29 | 国家电网公司 | 一种线路避雷器安装选点方法 |
CN107886218A (zh) * | 2017-10-20 | 2018-04-06 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种绝缘子运行状态综合评估方法 |
CN109544399A (zh) * | 2018-11-29 | 2019-03-29 | 广东电网有限责任公司 | 基于多源异构数据的输电设备状态评价方法及装置 |
CN110135489A (zh) * | 2019-05-10 | 2019-08-16 | 莆田学院 | 一种基于主成分分析法的关键输电线路识别方法及存储设备 |
CN111783344A (zh) * | 2020-07-07 | 2020-10-16 | 天津大学 | 一种基于磁场分布特征仿真分析电缆缺陷的方法 |
CN112712185A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司佛山供电局 | 一种输电线路巡视作业计划智能聚类组合生成方法 |
CN113408842A (zh) * | 2021-04-29 | 2021-09-17 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于关联规则贝叶斯网络的高压输电线路状态评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793853A (zh) * | 2014-01-21 | 2014-05-14 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于双向贝叶斯网络的架空输电线路运行状态评估方法 |
CN103914792A (zh) * | 2014-03-17 | 2014-07-09 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种计及输电线路运行不确定性的综合风险评估方法 |
CN104750976A (zh) * | 2015-03-10 | 2015-07-01 | 上海交通大学 | 一种输电线路状态评价参数体系的构建方法 |
CN105719094A (zh) * | 2016-01-27 | 2016-06-29 | 刘冰 | 一种输电设备状态评估方法 |
-
2016
- 2016-10-20 CN CN201610913879.8A patent/CN106485333A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793853A (zh) * | 2014-01-21 | 2014-05-14 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于双向贝叶斯网络的架空输电线路运行状态评估方法 |
CN103914792A (zh) * | 2014-03-17 | 2014-07-09 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种计及输电线路运行不确定性的综合风险评估方法 |
CN104750976A (zh) * | 2015-03-10 | 2015-07-01 | 上海交通大学 | 一种输电线路状态评价参数体系的构建方法 |
CN105719094A (zh) * | 2016-01-27 | 2016-06-29 | 刘冰 | 一种输电设备状态评估方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107221882A (zh) * | 2017-07-06 | 2017-09-29 | 国家电网公司 | 一种线路避雷器安装选点方法 |
CN107886218A (zh) * | 2017-10-20 | 2018-04-06 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种绝缘子运行状态综合评估方法 |
CN107886218B (zh) * | 2017-10-20 | 2020-08-11 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种绝缘子运行状态综合评估方法 |
CN109544399A (zh) * | 2018-11-29 | 2019-03-29 | 广东电网有限责任公司 | 基于多源异构数据的输电设备状态评价方法及装置 |
CN110135489A (zh) * | 2019-05-10 | 2019-08-16 | 莆田学院 | 一种基于主成分分析法的关键输电线路识别方法及存储设备 |
CN111783344A (zh) * | 2020-07-07 | 2020-10-16 | 天津大学 | 一种基于磁场分布特征仿真分析电缆缺陷的方法 |
CN111783344B (zh) * | 2020-07-07 | 2024-03-08 | 天津大学 | 一种基于磁场分布特征仿真分析电缆缺陷的方法 |
CN112712185A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司佛山供电局 | 一种输电线路巡视作业计划智能聚类组合生成方法 |
CN113408842A (zh) * | 2021-04-29 | 2021-09-17 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于关联规则贝叶斯网络的高压输电线路状态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485333A (zh) | 一种输电线路运行状态评估方法 | |
CN110969347B (zh) | 一种输电网结构形态评估方法 | |
CN114665498A (zh) | 一种计及新能源影响的主动配电网脆弱节点辨识方法 | |
CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及*** | |
CN103279808B (zh) | 恶劣天气下的电力***线路状态转移概率预测分析方法 | |
CN107633320B (zh) | 一种基于气象预测和风险评估的电网线路重要度评估方法 | |
Dokic et al. | Risk assessment of a transmission line insulation breakdown due to lightning and severe weather | |
CN103699668B (zh) | 基于数据断面一致性的配电网电气设备组合状态评估方法 | |
CN102426305A (zh) | 电网雷害风险评估方法 | |
CN110908014A (zh) | 舞动精细化订正预报方法及*** | |
CN103093097A (zh) | 基于规范切的电力***脆弱断面识别方法 | |
CN104599023A (zh) | 台风天气输电线路时变可靠性计算方法及风险评估*** | |
CN114236288B (zh) | 一种基于输电线路故障定位方法 | |
CN104750976A (zh) | 一种输电线路状态评价参数体系的构建方法 | |
CN110276536A (zh) | 指数型去模糊化层次分析法的配电网杆塔安全性评估方法 | |
CN106327071A (zh) | 电力通信风险分析方法和*** | |
CN112668821A (zh) | 一种基于风沙区域绝缘子故障概率的配电线路风险分析方法 | |
CN110265906B (zh) | 一种变电站接地网状态评估方法及计算机*** | |
CN116050599A (zh) | 一种线路覆冰故障预测方法、***、存储介质及设备 | |
CN109711687B (zh) | 一种基于改进熵值法的绝缘子状态模糊评估方法 | |
CN114912355A (zh) | 输电线路短期覆冰预测方法、装置和存储介质 | |
CN113052473B (zh) | 一种基于故障率和静态安全分析的电网风险分析方法 | |
CN111062569A (zh) | 一种基于bp神经网络的小电流故障判别方法 | |
CN111369388B (zh) | 用于城市电网的对抗脆弱性评估方法及*** | |
Shariatinasab et al. | Development of an adaptive neural‐fuzzy inference system based meta‐model for estimating lightning related failures in polluted environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170308 |