CN108227678A - 一种基于计量自动化***的配电网失压故障诊断方法和装置 - Google Patents
一种基于计量自动化***的配电网失压故障诊断方法和装置 Download PDFInfo
- Publication number
- CN108227678A CN108227678A CN201810008050.2A CN201810008050A CN108227678A CN 108227678 A CN108227678 A CN 108227678A CN 201810008050 A CN201810008050 A CN 201810008050A CN 108227678 A CN108227678 A CN 108227678A
- Authority
- CN
- China
- Prior art keywords
- voltage
- decompression
- automation system
- data
- metering automation
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于计量自动化***的配电网失压故障诊断方法和装置,解决了目前主要通过人工周期性排查的方式对配电网失压故障进行检测,造成的运维效率低下、故障检测误差大等问题。本发明的基于计量自动化***的配电网失压故障诊断方法包括:实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。
Description
技术领域
本发明涉及配电网故障诊断方法领域,尤其涉及一种基于计量自动化***的配电网失压故障诊断方法和装置。
背景技术
在当前国内的配电网中,主要由线路、变压器等一次设备组成,其失压故障可能导致下一层用户线路失压,最终导致相应线路下的整片计量装置失压,甚至引发大面积停电等不良影响。同时,计量装置的失压故障也将导致电能计量差错,为后续电量追补带来一定难度,为电力部门造成经济损失。
目前主要通过人工周期性排查的方式对配电网失压故障进行检测,造成了运维效率低下、故障检测误差大等问题。
发明内容
本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断方法及装置,解决了目前主要通过人工周期性排查的方式对配电网失压故障进行检测,造成的运维效率低下、故障检测误差大等问题。
本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断方法包括:
实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。
可选地,实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果,具体包括:
S1:从计量自动化***中抽取预置时间段内的失压故障电压历史数据,并将所述失压故障电压历史数据进行数据变换,得到包括突变失压指标、趋势失压指标和断续失压指标的失压故障电压历史数据建模样本数据;
S2:通过BP神经网络模型对所述建模样本数据进行训练建模得到所述预置训练建模模型;
S3:然后通过所述预置训练建模模型对实时抽取的所述待诊断电压数据进行处理,得到是否失压的诊断结果。
可选地,所述突变失压指标为:
V1:代表电压是否发生突变,逻辑变量,用0和1分别表示发生与不发生两种状态;
其中:α为突降幅度,不同的电压等级需要设置不同的α值,Un为常态电压,即设备正常运行状态时的电压;
T1:代表电压发生突变的最大持续时间是否大于预设值,为逻辑变量,用0和1分别表示是与否两种状态;
其中:t为V1所指突变的持续时间,β为预设值,不同的电压等级需要设置不同的β值。
可选地,所述趋势失压指标为:
代表平均电压系数,用于衡量当前的电压状态;
其中:为计算数据周期内第i相电压均值,Un为常态电压;
ki:代表电压变化曲线斜率,可通过对数据周期内电压变化与时间拟合一元一次方程得到;
Ui=χi+kit
其中:Ui表示数据周期内的第i相电压序列,t为对应时间序列,χi为模型截距。
可选地,所述断续失压指标为:
代表数据周期内,第i相电压发生突增的次数;
其中:表示第i相电压前后两个连续时点上升百分比超过预设值δ(δ∈N),进一步计算为:
代表数据周期内,第i相电压发生突减的次数;
其中:表示第i相电压前后两个连续时点下降百分比超过预设值δ(δ∈N),进一步计算为:
本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断装置,包括:
训练建模诊断单元,用于实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。
可选地,所述训练建模诊断单元具体包括:
抽取单元,用于从所述计量自动化***中抽取预置时间段内的失压故障电压历史数据,并将所述失压故障电压历史数据进行数据变换,得到包括突变失压指标、趋势失压指标和断续失压指标的失压故障电压历史数据建模样本数据;
训练建模单元,用于通过BP神经网络模型对所述建模样本数据进行训练建模得到所述预置训练建模模型;
诊断单元,用于通过所述预置训练建模模型对实时抽取的所述待诊断电压数据进行处理,得到是否失压的诊断结果。
可选地,所述训练建模诊断单元中的所述突变失压指标具体包括:
V1:代表电压是否发生突变,逻辑变量,用0和1分别表示发生与不发生两种状态;
其中:α为突降幅度,不同的电压等级需要设置不同的α值,Un为常态电压,即设备正常运行状态时的电压;
T1:代表电压发生突变的最大持续时间是否大于预设值,为逻辑变量,用0和1分别表示是与否两种状态;
其中:t为V1所指突变的持续时间,β为预设值,不同的电压等级需要设置不同的β值。
可选地,所述训练建模诊断单元中的所述趋势失压指标具体包括:
代表平均电压系数,用于衡量当前的电压状态;
其中:为计算数据周期内第i相电压均值,Un为常态电压;
ki:代表电压变化曲线斜率,可通过对数据周期内电压变化与时间拟合一元一次方程得到;
Ui=χi+kit
其中:Ui表示数据周期内的第i相电压序列,t为对应时间序列,χi为模型截距。
可选地,所述训练建模诊断单元中的所述断续失压指标具体包括:
代表数据周期内,第i相电压发生突增的次数;
其中:表示第i相电压前后两个连续时点上升百分比超过预设值δ(δ∈N),进一步计算为:
代表数据周期内,第i相电压发生突减的次数;
其中:表示第i相电压前后两个连续时点下降百分比超过预设值δ(δ∈N),进一步计算为:
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例公开了一种基于计量自动化***的配电网失压故障诊断方法和装置,其中基于计量自动化***的配电网失压故障诊断方法包括:实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。
本实施例中,通过实时抽取计量自动化***的待诊断电压数据并输入到由BP神经网络模型进行训练的包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,并得到是否失压的诊断结果。解决了目前主要通过人工周期性排查的方式对配电网失压故障进行检测,造成的运维效率低下、故障检测误差大等问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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本发明的一些实施例,对于本领域普通技术人员来讲,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为本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断方法的一个实施例的流程示意图;
图2为本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断方法的另一个实施例的流程示意图;
图3为本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断装置的一个实施例的结构示意图;
图4为本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断装置的另一个实施例的结构示意图;
图5为本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断方法的整体框架图。
具体实施方式
本发明实施例提供了一种基于计量自动化***的配电网失压故障诊断方法和装置解决了目前主要通过人工周期性排查的方式对配电网失压故障进行检测,造成的运维效率低下、故障检测误差大等问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断方法的一个实施例包括:
101、实时抽取计量自动化***的待诊断电压数据;
需要说明的是,抽取计量自动化***的待诊断电压数据是按一定周期进行抽取的,我们是按15分钟为周期实时抽取计量自动化***的待诊断电压数据。
102、通过包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型对待诊断电压数据进行处理;
需要说明的是,预置训练模型通过BP神经网络对建模样本数据进行训练建模,建立诊断模型。
103、得到是否失压的诊断结果;
本实施例中,通过实时抽取计量自动化***的待诊断电压数据并输入到由BP神经网络模型进行训练的包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,并得到是否失压的诊断结果。解决了目前主要通过人工周期性排查的方式对配电网失压故障进行检测,造成的运维效率低下、故障检测误差大等问题。
上面是对基于计量自动化***的配电网失压故障诊断方法的过程进行的描述,下面将对基于计量自动化***的配电网失压故障诊断方法的过程进行详细的描述。
请参阅图2,本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断方法的另一个实施例包括:
201、从计量自动化***中抽取预置时间段内的失压故障电压历史数据,并将所述失压故障电压历史数据进行数据变换,得到包括突变失压指标、趋势失压指标和断续失压指标的失压故障电压历史数据建模样本数据;
需要说明的是,抽取计量自动化***的待诊断电压数据是按一定周期进行抽取的,我们是按15分钟为周期实时抽取计量自动化***的待诊断电压数据。
202、通过BP神经网络模型对所述建模样本数据进行训练建模得到所述预置训练建模模型;
203、然后通过所述预置训练建模模型对实时抽取的所述待诊断电压数据进行处理,得到是否失压的诊断结果;
请参阅图5为本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断方法的整体框架。需要说明的是,模型输出变量为测量点的失压故障嫌疑系数,其取值范围为[0,1];失压故障嫌疑系数越高,失压故障发生的可能性也越高。按失压故障嫌疑系数的取值范围,生成工单种类分为:失压故障嫌疑系数在[0,0.4],三级排查工单;失压故障嫌疑系数在(0.4,0.8],二级排查工单;失压故障嫌疑系数在(0.8,1],一级排查工单。
本实施例中,通过实时抽取计量自动化***的待诊断电压数据并输入到由BP神经网络模型进行训练的包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,并得到是否失压的诊断结果。解决了目前主要通过人工周期性排查的方式对配电网失压故障进行检测,造成的运维效率低下、故障检测误差大等问题。
请参阅图3,本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断装置包括:
训练建模诊断单元301,用于实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。
本实施例中,通过训练建模诊断单元301来实时抽取计量自动化***的待诊断电压数据并输入到通过BP神经网络模型训练的包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。
本实施例中,通过训练建模诊断单元301实时抽取计量自动化***的待诊断电压数据并输入到由BP神经网络模型进行训练的包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,并得到是否失压的诊断结果。解决了目前主要通过人工周期性排查的方式对配电网失压故障进行检测,造成的运维效率低下、故障检测误差大等问题。
上面是对基于计量自动化***的配电网失压故障诊断装置进行的描述,下面将对子单元进行详细的描述,请参阅图4,本发明实施例提供的一种基于计量自动化***的配电网失压故障诊断装置的另一个实施例包括:
训练建模诊断单元401,用于实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。
抽取单元4011,用于从所述计量自动化***中抽取预置时间段内的失压故障电压历史数据,并将所述失压故障电压历史数据进行数据变换,得到包括突变失压指标、趋势失压指标和断续失压指标的失压故障电压历史数据建模样本数据;
训练建模单元4012,用于用于通过BP神经网络模型对所述建模样本数据进行训练建模得到所述预置训练建模模型;
诊断单元4013,用于通过所述预置训练建模模型对实时抽取的所述待诊断电压数据进行处理,得到是否失压的诊断结果。
本实施例中,通过抽取单元4011实时抽取计量自动化***的待诊断电压数据并输入到由BP神经网络模型进行训练的包括突变失压指标、趋势失压指标和断续失压指标的训练建模单元4012进行处理,并通过诊断单元4013得到是否失压的诊断结果。解决了目前主要通过人工周期性排查的方式对配电网失压故障进行检测,造成的运维效率低下、故障检测误差大等问题。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于计量自动化***的配电网失压故障诊断方法,其特征在于,包括:
实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。
2.根据权利要求1所述的一种基于计量自动化***的配电网失压故障诊断方法,其特征在于,实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果,具体包括:
S1:从计量自动化***中抽取预置时间段内的失压故障电压历史数据,并将所述失压故障电压历史数据进行数据变换,得到包括突变失压指标、趋势失压指标和断续失压指标的失压故障电压历史数据建模样本数据;
S2:通过BP神经网络模型对所述建模样本数据进行训练建模得到所述预置训练建模模型;
S3:然后通过所述预置训练建模模型对实时抽取的所述待诊断电压数据进行处理,得到是否失压的诊断结果。
3.根据权利要求1所述的一种基于计量自动化***的配电网失压故障诊断方法,其特征在于,所述突变失压指标为:
V1:代表电压是否发生突变,逻辑变量,用0和1分别表示发生与不发生两种状态;
其中:α为突降幅度,不同的电压等级需要设置不同的α值,Un为常态电压,即设备正常运行状态时的电压;
T1:代表电压发生突变的最大持续时间是否大于预设值,为逻辑变量,用0和1分别表示是与否两种状态;
其中:t为V1所指突变的持续时间,β为预设值,不同的电压等级需要设置不同的β值。
4.根据权利要求1所述的一种基于计量自动化***的配电网失压故障诊断方法,其特征在于,所述趋势失压指标为:
代表平均电压系数,用于衡量当前的电压状态;
其中:为计算数据周期内第i相电压均值,Un为常态电压;
ki:代表电压变化曲线斜率,可通过对数据周期内电压变化与时间拟合一元一次方程得到;
Ui=χi+kit
其中:Ui表示数据周期内的第i相电压序列,t为对应时间序列,χi为模型截距。
5.根据权利要求1所述的一种基于计量自动化***的配电网失压故障诊断方法,其特征在于,所述断续失压指标为:
代表数据周期内,第i相电压发生突增的次数;
其中:表示第i相电压前后两个连续时点上升百分比超过预设值δ(δ∈N),进一步计算为:
代表数据周期内,第i相电压发生突减的次数;
其中:表示第i相电压前后两个连续时点下降百分比超过预设值δ(δ∈N),进一步计算为:
6.一种基于计量自动化***的配电网失压故障诊断装置,其特征在于,包括:
训练建模诊断单元,用于实时抽取计量自动化***的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。
7.根据权利要求6所述的一种基于计量自动化***的配电网失压故障诊断装置,其特征在于,
所述训练建模诊断单元具体包括:
抽取单元,用于从所述计量自动化***中抽取预置时间段内的失压故障电压历史数据,并将所述失压故障电压历史数据进行数据变换,得到包括突变失压指标、趋势失压指标和断续失压指标的失压故障电压历史数据建模样本数据;
训练建模单元,用于通过BP神经网络模型对所述建模样本数据进行训练建模得到所述预置训练建模模型;
诊断单元,用于通过所述预置训练建模模型对实时抽取的所述待诊断电压数据进行处理,得到是否失压的诊断结果。
8.根据权利要求6所述的一种基于计量自动化***的配电网失压故障诊断装置,其特征在于,
所述训练建模诊断单元中的所述突变失压指标具体包括:
V1:代表电压是否发生突变,逻辑变量,用0和1分别表示发生与不发生两种状态;
其中:α为突降幅度,不同的电压等级需要设置不同的α值,Un为常态电压,即设备正常运行状态时的电压;
T1:代表电压发生突变的最大持续时间是否大于预设值,为逻辑变量,用0和1分别表示是与否两种状态;
其中:t为V1所指突变的持续时间,β为预设值,不同的电压等级需要设置不同的β值。
9.根据权利要求6所述的一种基于计量自动化***的配电网失压故障诊断装置,其特征在于,
所述训练建模诊断单元中的所述趋势失压指标具体包括:
代表平均电压系数,用于衡量当前的电压状态;
其中:为计算数据周期内第i相电压均值,Un为常态电压;
ki:代表电压变化曲线斜率,可通过对数据周期内电压变化与时间拟合一元一次方程得到;
Ui=χi+kit
其中:Ui表示数据周期内的第i相电压序列,t为对应时间序列,χi为模型截距。
10.根据权利要求6所述的一种基于计量自动化***的配电网失压故障诊断装置,其特征在于,
所述训练建模诊断单元中的所述断续失压指标具体包括:
代表数据周期内,第i相电压发生突增的次数;
其中:表示第i相电压前后两个连续时点上升百分比超过预设值δ(δ∈N),进一步计算为:
代表数据周期内,第i相电压发生突减的次数;
其中:表示第i相电压前后两个连续时点下降百分比超过预设值δ(δ∈N),进一步计算为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810008050.2A CN108227678A (zh) | 2018-01-04 | 2018-01-04 | 一种基于计量自动化***的配电网失压故障诊断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810008050.2A CN108227678A (zh) | 2018-01-04 | 2018-01-04 | 一种基于计量自动化***的配电网失压故障诊断方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108227678A true CN108227678A (zh) | 2018-06-29 |
Family
ID=62645268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810008050.2A Pending CN108227678A (zh) | 2018-01-04 | 2018-01-04 | 一种基于计量自动化***的配电网失压故障诊断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108227678A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045177A (zh) * | 2019-04-23 | 2019-07-23 | 深圳市博实结科技有限公司 | 掉电状态检测方法及掉电状态检测*** |
CN110824292A (zh) * | 2018-08-08 | 2020-02-21 | 广州泰迪智能科技有限公司 | 一种基于特征分类的配电网失压故障智能识别方法 |
CN116756619A (zh) * | 2023-07-12 | 2023-09-15 | 常熟浦发第二热电能源有限公司 | 一种基于大数据的设备智能诊断方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813740A (zh) * | 2010-05-13 | 2010-08-25 | 天津市翔晟远电力设备实业有限公司 | 高压输电线路故障检测***及检测方法 |
CN102866321A (zh) * | 2012-08-13 | 2013-01-09 | 广东电网公司电力科学研究院 | 一种自适应的防窃漏电诊断方法 |
CN103197138A (zh) * | 2013-02-22 | 2013-07-10 | 王金泽 | 一种具有供电可靠率和电压合格率监测功能的智能电表及监测方法 |
CN103245885A (zh) * | 2013-04-27 | 2013-08-14 | 国家电网公司 | 一体化的电力故障指示与状态监测逻辑判断方法 |
CN103901306A (zh) * | 2014-04-09 | 2014-07-02 | 南京航空航天大学 | 一种检测电网电压突变故障的方法 |
CN103605103B (zh) * | 2013-06-26 | 2016-12-28 | 广东电网公司东莞供电局 | 基于s型曲线函数的电能计量故障智能诊断方法 |
CN106291030A (zh) * | 2016-09-27 | 2017-01-04 | 国网山东省电力公司济南供电公司 | 一种配电网计量防护*** |
CN106557991A (zh) * | 2016-11-04 | 2017-04-05 | 广东电网有限责任公司电力科学研究院 | 电压监测数据平台 |
CN106786611A (zh) * | 2016-12-12 | 2017-05-31 | 国网山东省电力公司青岛供电公司 | 一种电网电压控制方法及装置 |
CN106841726A (zh) * | 2016-12-15 | 2017-06-13 | 国网天津市电力公司 | 一种失压断相分析防窃电预警分析方法 |
CN106908752A (zh) * | 2017-03-17 | 2017-06-30 | 广东电网有限责任公司电力科学研究院 | 一种基于特征分组的电能计量异常诊断方法及*** |
-
2018
- 2018-01-04 CN CN201810008050.2A patent/CN108227678A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813740A (zh) * | 2010-05-13 | 2010-08-25 | 天津市翔晟远电力设备实业有限公司 | 高压输电线路故障检测***及检测方法 |
CN102866321A (zh) * | 2012-08-13 | 2013-01-09 | 广东电网公司电力科学研究院 | 一种自适应的防窃漏电诊断方法 |
CN103197138A (zh) * | 2013-02-22 | 2013-07-10 | 王金泽 | 一种具有供电可靠率和电压合格率监测功能的智能电表及监测方法 |
CN103245885A (zh) * | 2013-04-27 | 2013-08-14 | 国家电网公司 | 一体化的电力故障指示与状态监测逻辑判断方法 |
CN103605103B (zh) * | 2013-06-26 | 2016-12-28 | 广东电网公司东莞供电局 | 基于s型曲线函数的电能计量故障智能诊断方法 |
CN103901306A (zh) * | 2014-04-09 | 2014-07-02 | 南京航空航天大学 | 一种检测电网电压突变故障的方法 |
CN106291030A (zh) * | 2016-09-27 | 2017-01-04 | 国网山东省电力公司济南供电公司 | 一种配电网计量防护*** |
CN106557991A (zh) * | 2016-11-04 | 2017-04-05 | 广东电网有限责任公司电力科学研究院 | 电压监测数据平台 |
CN106786611A (zh) * | 2016-12-12 | 2017-05-31 | 国网山东省电力公司青岛供电公司 | 一种电网电压控制方法及装置 |
CN106841726A (zh) * | 2016-12-15 | 2017-06-13 | 国网天津市电力公司 | 一种失压断相分析防窃电预警分析方法 |
CN106908752A (zh) * | 2017-03-17 | 2017-06-30 | 广东电网有限责任公司电力科学研究院 | 一种基于特征分组的电能计量异常诊断方法及*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110824292A (zh) * | 2018-08-08 | 2020-02-21 | 广州泰迪智能科技有限公司 | 一种基于特征分类的配电网失压故障智能识别方法 |
CN110045177A (zh) * | 2019-04-23 | 2019-07-23 | 深圳市博实结科技有限公司 | 掉电状态检测方法及掉电状态检测*** |
CN110045177B (zh) * | 2019-04-23 | 2021-03-30 | 深圳市博实结科技有限公司 | 掉电状态检测方法及掉电状态检测*** |
CN116756619A (zh) * | 2023-07-12 | 2023-09-15 | 常熟浦发第二热电能源有限公司 | 一种基于大数据的设备智能诊断方法及*** |
CN116756619B (zh) * | 2023-07-12 | 2023-11-21 | 常熟浦发第二热电能源有限公司 | 一种基于大数据的设备智能诊断方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106411257B (zh) | 一种光伏电站状态诊断方法及装置 | |
CN104809722B (zh) | 一种基于红外热像的电气设备故障诊断方法 | |
CN109165504B (zh) | 一种基于对抗生成网络的电力***虚假数据攻击识别方法 | |
CN111612650B (zh) | 一种基于dtw距离的电力用户分群方法及*** | |
CN108227678A (zh) | 一种基于计量自动化***的配电网失压故障诊断方法和装置 | |
CN109635928A (zh) | 一种基于深度学习模型融合的电压暂降原因识别方法 | |
CN103617561A (zh) | 一种电网智能变电站二次设备状态评估***和方法 | |
CN107291830A (zh) | 一种设备知识库的创建方法 | |
CN113177357B (zh) | 一种电力***暂态稳定评估方法 | |
CN106569030A (zh) | 一种电能计量异常诊断中的告警阈值寻优方法及装置 | |
CN111489539A (zh) | 家电***故障的预警方法、***及装置 | |
CN104133143A (zh) | 一种基于Hadoop云计算平台的电网线路故障诊断***及方法 | |
CN114580829A (zh) | 基于随机森林算法的用电安全感知方法、设备及介质 | |
CN115221982B (zh) | 牵引供电运维方法、装置、终端及存储介质 | |
CN111654392A (zh) | 基于互信息的低压配电网拓扑识别方法及*** | |
CN108183814A (zh) | 用电信息采集***的通信信道的故障排查方法和装置 | |
CN108009063A (zh) | 一种电子设备故障阈值检测的方法 | |
CN106934728A (zh) | 一种电网安全风险管控智能评估方法 | |
CN106786602A (zh) | 一种配电网潮流计算方法 | |
CN108009582A (zh) | 一种电子设备标准工作指标设置的方法 | |
CN107437804A (zh) | 涉网定值的校核方法及装置 | |
CN107169644A (zh) | 一种配电网安全运行管控方法 | |
CN116777264A (zh) | 考虑储能的新型配电网韧性指标的确定方法及评估*** | |
CN115420988B (zh) | 异常用电用户的识别方法、装置、设备及存储介质 | |
CN103513168B (zh) | Gis及电缆局部放电综合判断方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180629 |
|
RJ01 | Rejection of invention patent application after publication |