CN109241169A - 配电网运行信息多源异构数据融合数据库集成方法 - Google Patents
配电网运行信息多源异构数据融合数据库集成方法 Download PDFInfo
- Publication number
- CN109241169A CN109241169A CN201811369141.5A CN201811369141A CN109241169A CN 109241169 A CN109241169 A CN 109241169A CN 201811369141 A CN201811369141 A CN 201811369141A CN 109241169 A CN109241169 A CN 109241169A
- Authority
- CN
- China
- Prior art keywords
- data
- distribution network
- fusion
- power distribution
- source heterogeneous
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 41
- 230000004927 fusion Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000010354 integration Effects 0.000 title claims abstract description 14
- 238000010937 topological data analysis Methods 0.000 claims abstract description 19
- 239000012141 concentrate Substances 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 8
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 4
- 239000002131 composite material Substances 0.000 abstract description 3
- 238000010801 machine learning Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
Classifications
-
- 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
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据融合领域,具体公开了一种配电网运行信息多源异构数据融合数据库集成方法,具体包括:根据需求接入电网的不同的业务子***以获取目标数据集;对目标数据集进行分类;对分类后的目标数据集中,按照配电网络和网络原件之间的相互关联构建拓扑分析引擎;基于拓扑分析引擎,选择目标数据集中满足在相同时间断面,同时电压一致、电流和功率满足KCL定律的数据集,剔除不满足的数据集;构建基于正则化残差搜索法的数据融合模型剔除经拓扑分析处理后的目标数据集中的坏数据之后进行融合。该方法完成多源异构数据的融合,解决了配网多源异构运行信息的提取、集成与数据质量提升,实现对配电网历史数据与准实时数据的交叉复合深度分析。
Description
技术领域
本发明属于数据融合领域,特别涉及一种配电网运行信息多源异构数据融合数据库集成方法。
背景技术
随着全球掀起大数据分析技术及人工智能技术的研究热潮,配电网信息化建设迎来了新的驱动力。数据是一切高级分析应用的基础,而将不同***来源、不同数据结构的数据进行有机融合是实现大数据分析的前提。
配电***作为连接输电***与终端用户的纽带,具有点多、线长、面广、结构复杂、管理环节交叉等基本特点。在配电网生产运维过程中,涉及到资产管理***、计量自动化***、调度自动化***等数十个业务***模块,各个***之间数据彼此独立,存在数据壁垒问题。
此外,随着智能电网建设的深入发展,配电网各业务***的专业方向不同、建设时间不同、架构不同,在运行过程中产生了大量的量测数据、业务表单数据、台账信息数据等结构多样、来源复杂,时间尺度不统一、空间尺度各异的多源异构数据。据统计,一个中等规模配电网每年将产生上百TB的数据,这些数据在各自业务***中相互独立,未能实现有效融合,数据效能未能得到充分的挖掘和发挥。对来自不同业务***、不同结构类型的配电网生产运行数据进行有效融合,是实现大数据分析的前提,是深入挖掘配电网运行数据间相关关系的基础,对进一步推进配网管理升级、数据驱动生产具有重要意义。
发明内容
本发明的目的在于提供一种配电网运行信息多源异构数据融合数据库集成方法,从而克服现有处理数据工作量大、效率低的缺陷。
为实现上述目的,本发明提供了一种配电网运行信息多源异构数据融合数据库集成方法,具体包括:
S1,根据需求接入电网的不同的业务子***以获取目标数据集以形成多源数据集;
S2,对所述目标数据集进行分类;
S3,对分类后的所述目标数据集中,按照配电网络和网络原件之间的相互关联构建拓扑分析引擎;
S4,基于拓扑分析引擎,选择所述目标数据集中满足在相同时间断面,同时电压一致、电流和功率满足KCL定律的数据集,剔除不满足的数据集;
S5,构建基于正则化残差搜索法的数据融合模型剔除经拓扑分析处理后的目标数据集中的坏数据之后进行融合。
优选的,上述技术方案中,若经步骤S5融合后发现数据异常,则返回步骤S4。
优选的,上述技术方案中,步骤S2具体包括:对所述目标数据集按电压等级,设备类型,采集量测类型进行分类。
优选的,上述技术方案中,所述电压等级分为:35kV,20kV,10kV;所述设备类型按不同的业务子***分为:变压器,开关柜,线路;所述采集量测类型分为:状态量和模拟量、实时数据和非实时数据。
优选的,上述技术方案中,步骤S4具体包括:按照配电网络和网络原件之间的相互关联构建拓扑分析引擎具体包括:
拓扑分析引擎的建立依赖以下原则:
1)根据网络连接关系,对网络中的断路器、开关建立依赖关系;
2)网络元件相互依赖的信息:开关位置信息、采集量测量的关系;
3)网络元件于数据的依赖关系,包括不同运行方式下的临时依赖和固定的依赖、开关位置与采集量测量的依赖、与历史数据的依赖;
4)网络元件于网络运行信息中的告警事件、SOE事件、保护***的信息依赖关系。
与现有的技术相比,本发明配电网运行信息多源异构数据融合数据库集成方法,利用数据接口提供的配网运行数据,实现配网网络***的拓扑分析,去除错误的数据,再利用传统的基尔霍夫定理及各业务子***的内部逻辑关系,建立数据融合模型,完成多源异构数据的融合解决了配网多源异构运行信息的提取、集成与数据质量提升,实现对配电网历史数据与准实时数据的交叉复合深度分析。
附图说明
图1是根据本发明的配电网运行信息多源异构数据融合数据库集成方法流程图。
图2是spark与MongoDB组合的数据处理与分析的框架。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
如图1所示,一种配电网运行信息多源异构数据融合数据库集成方法,具体包括:
S1,技术层面上使用spark、MongoDB组合的大数据处理与分析的框架,业务层面上根据需求接入电网的不同的业务子***的数据库集以获取一个或多个目标数据集以形成多源数据集。
S2,对目标数据集进行分类。对目标数据集按电压等级,设备类型,采集量测类型进行分类。电压等级分为:35kV,20kV,10kV;设备类型按不同的业务子***分为:变压器,开关柜,线路;采集量测类型分为:状态量和模拟量、实时数据和非实时数据。
S3,对分类后的目标数据集中,按照配电网络和网络原件之间的相互关联构建拓扑分析引擎。
拓扑分析引擎的建立依赖以下原则:
1)根据网络连接关系,对网络中的断路器、开关建立依赖关系;
2)网络元件相互依赖的信息:开关位置信息、采集量测量的关系;
3)网络元件于数据的依赖关系,包括不同运行方式下的临时依赖和固定的依赖、开关位置与采集量测量的依赖、与历史数据的依赖;
4)网络元件于网络运行信息中的告警事件、SOE事件、保护***的信息依赖关系。
S4,基于拓扑分析引擎的分析,选择目标数据集中满足在相同时间断面,同时电压一致、电流和功率满足KCL定律的数据集,剔除不满足的数据集。
对多源异构数据建立融合模型。对相互冗余的历史数据、稳态数据,采取不同的权重系数进行计算,也可以根据先验数据或者这些物理量的几何分布特点设计模型,采用平均值的办法进行融合。
基于S4构建满足KCL定律的数据融合模型,建立数据过滤匹配规则,从大量的历史数据、稳态数据中根据模型划分、融合,融合数据集经S5逐级分析。
S5,构建基于正则化残差搜索法的数据融合模型剔除经拓扑分析处理后的所述目标数据集中的坏数据之后进行融合,若经步骤S5融合后发现数据异常,则返回步骤S4,可进行多次循环。
使用正则化残差搜索法,根据数据集中实际值与估计值之间的差进行分类,根据构建的测量值误差模型,保留有效数据,剔除无效数据。
S6,通过人工干预或者机器学习算法进行数据质量深入挖掘分析,对步骤(4)得到的同一时间断面的数据,按照不同的权重系数进行步骤S4到步骤S5数据融合,进一步提升数据可信度和准确度。
采用模糊数学法、神经网络法、聚类分析等机器学习算法,用一种特殊的数据来泛化的预测模型,通过大量实例供机器学习算法来理解***的行为,当机器算法与新类型数据一起出现时,***将能够生成类似的预测,通过输入数据、模式、机器学习算法、推断输出,将S4至S5过程数据进行分析学习。
实例
(1)通过标准化接口协议连接资产管理***、调度自动化***。
(2)从调度自动化***、资产管理***抓取故障信息、设备运行数据、设备状态数据构成多源异构数据。
(3)建立数据挖掘规则,提取设备电压类型表、厂站信息表、设备信息表、测点遥信信息表、遥控操作告警表、遥测采样定义表、SOE事件记录表。
(4)根据电压等级(35kV,20kV,10kV)、设备类型(变压器,开关柜,线路)进行分类融合。
(5)基于融合数据集,建立设备、位置信息、状态量、模拟量、实时数据、历史数据关系映射表,按照配电网络和网络原件之间的相互关联构建拓扑分析引擎。
(6)通过拓扑分析处理模块,进行数据融合分析,提取满足KCL定律数据集。
(7)通过正则化残差搜索法对融合数据中不良数据进行检测与辨识,提取有效数据。
(8)通过模糊数学法、神经网络法、聚类分析对不同结构数据进行互校验,进一步对配网风险状态进行集中判断、定位以及预防监控。
综上所述,本发明配电网运行信息多源异构数据融合数据库集成方法,对电力***产生大量的多源异构数据进行分类、拓扑分析、剔除坏数据之后进行融合,解决了配网多源异构运行信息的提取、集成与数据质量提升,实现对配电网历史数据与准实时数据的交叉复合深度分析。
另外,由于配电网运行数据是海量的,为了能完成上述的数据处理任务,需要一套高效的数据处理框架。图2是本发明所使用的数据处理框架,框架使用多个MongoDB实例数据库对数据进行并行计算。spark是MongoDB的调用者,通过执行MongoDB内置的MapReduce机制处理基础数据,得到符合进入上述数据分析模型的数据。Spark的ML(机器学习)库包含了诸多机器学习的算法,完美支撑上述的分析需求。由于spark和MongoDB的处理方式现在非常流行,在本发明中也只起到基础设施作用,所以这里不做过多说明。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (5)
1.一种配电网运行信息多源异构数据融合数据库集成方法,其特征在于,具体包括:
S1,根据需求接入电网的不同的业务子***以获取目标数据集以形成多源数据集;
S2,对所述目标数据集进行分类;
S3,对分类后的所述目标数据集中,按照配电网络和网络原件之间的相互关联构建拓扑分析引擎;
S4,基于拓扑分析引擎,选择所述目标数据集中满足在相同时间断面,同时电压一致、电流和功率满足KCL定律的数据集,剔除不满足的数据集;
S5,构建基于正则化残差搜索法的数据融合模型剔除经拓扑分析处理后的所述目标数据集中的坏数据之后进行融合。
2.根据权利要求1所述的配电网运行信息多源异构数据融合数据库集成方法,其特征在于,若经步骤S5融合后发现数据异常,则返回步骤S4。
3.根据权利要求1所述的配电网运行信息多源异构数据融合数据库集成方法,其特征在于,步骤S2具体包括:对所述目标数据集按电压等级,设备类型,采集量测类型进行分类。
4.根据权利要求3所述的配电网运行信息多源异构数据融合数据库集成方法,其特征在于,所述电压等级分为:35KV,20KV,10KV;所述设备类型按不同的业务子***分为:变压器,开关柜,线路;所述采集量测类型分为:状态量和模拟量、实时数据和非实时数据。
5.根据权利要求1所述的配电网运行信息多源异构数据融合数据库集成方法,其特征在于,步骤S4具体包括:按照配电网络和网络原件之间的相互关联构建拓扑分析引擎具体包括:
拓扑分析引擎的建立依赖以下原则:
1)根据网络连接关系,对网络中的断路器、开关建立依赖关系;
2)网络元件相互依赖的信息:开关位置信息、采集量测量的关系;
3)网络元件于数据的依赖关系,包括不同运行方式下的临时依赖和固定的依赖、开关位置与采集量测量的依赖、与历史数据的依赖;
4)网络元件于网络运行信息中的告警事件、SOE事件、保护***的信息依赖关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811369141.5A CN109241169A (zh) | 2018-11-16 | 2018-11-16 | 配电网运行信息多源异构数据融合数据库集成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811369141.5A CN109241169A (zh) | 2018-11-16 | 2018-11-16 | 配电网运行信息多源异构数据融合数据库集成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109241169A true CN109241169A (zh) | 2019-01-18 |
Family
ID=65075743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811369141.5A Pending CN109241169A (zh) | 2018-11-16 | 2018-11-16 | 配电网运行信息多源异构数据融合数据库集成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241169A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188141A (zh) * | 2019-05-15 | 2019-08-30 | 南京邮电大学 | 电力物联网多源数据融合方法、可读存储介质和终端 |
CN110543508A (zh) * | 2019-08-30 | 2019-12-06 | 海南电网有限责任公司 | 一种配电通信网多源大数据融合接入的方法 |
CN110674235A (zh) * | 2019-08-13 | 2020-01-10 | 南方电网科学研究院有限责任公司 | 一种营配拓扑档案同步管理***及方法 |
CN110687398A (zh) * | 2019-10-12 | 2020-01-14 | 广西电网有限责任公司电力科学研究院 | 基于多源数据融合的配电网故障智能搜索定位方法 |
CN111597415A (zh) * | 2020-05-13 | 2020-08-28 | 云南电网有限责任公司电力科学研究院 | 基于神经网络的配电网台账数据贯通方法及装置 |
CN112270337A (zh) * | 2020-09-16 | 2021-01-26 | 广州奇化有限公司 | 一种基于特征映射的异构信息获取方法及装置 |
CN112818052A (zh) * | 2021-02-25 | 2021-05-18 | 云南电网有限责任公司电力科学研究院 | 一种异常电压数据的检测方法及装置 |
CN113610123A (zh) * | 2021-07-23 | 2021-11-05 | 上海德衡数据科技有限公司 | 基于物联网的多源异构数据融合方法及*** |
CN115001793A (zh) * | 2022-05-27 | 2022-09-02 | 北京双湃智安科技有限公司 | 一种信息安全多源异构数据的数据融合方法 |
CN115378674A (zh) * | 2022-08-11 | 2022-11-22 | 国网湖南综合能源服务有限公司 | 一种基于区块链技术的共享储能云平台的应用方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102940482A (zh) * | 2012-11-22 | 2013-02-27 | 中国科学院自动化研究所 | 自适应的荧光断层成像重建方法 |
CN104393593A (zh) * | 2014-11-28 | 2015-03-04 | 国家电网公司 | 一种基于三态数据有效融合的方法 |
US20160314165A1 (en) * | 2013-12-16 | 2016-10-27 | International Business Machines Corporation | System and method of integrating time-aware data from multiple sources |
CN107945053A (zh) * | 2017-12-29 | 2018-04-20 | 广州思泰信息技术有限公司 | 一种多源配电网数据融合分析平台及其控制方法 |
-
2018
- 2018-11-16 CN CN201811369141.5A patent/CN109241169A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102940482A (zh) * | 2012-11-22 | 2013-02-27 | 中国科学院自动化研究所 | 自适应的荧光断层成像重建方法 |
US20160314165A1 (en) * | 2013-12-16 | 2016-10-27 | International Business Machines Corporation | System and method of integrating time-aware data from multiple sources |
CN104393593A (zh) * | 2014-11-28 | 2015-03-04 | 国家电网公司 | 一种基于三态数据有效融合的方法 |
CN107945053A (zh) * | 2017-12-29 | 2018-04-20 | 广州思泰信息技术有限公司 | 一种多源配电网数据融合分析平台及其控制方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188141A (zh) * | 2019-05-15 | 2019-08-30 | 南京邮电大学 | 电力物联网多源数据融合方法、可读存储介质和终端 |
CN110674235A (zh) * | 2019-08-13 | 2020-01-10 | 南方电网科学研究院有限责任公司 | 一种营配拓扑档案同步管理***及方法 |
CN110543508A (zh) * | 2019-08-30 | 2019-12-06 | 海南电网有限责任公司 | 一种配电通信网多源大数据融合接入的方法 |
CN110687398A (zh) * | 2019-10-12 | 2020-01-14 | 广西电网有限责任公司电力科学研究院 | 基于多源数据融合的配电网故障智能搜索定位方法 |
CN111597415B (zh) * | 2020-05-13 | 2023-05-26 | 云南电网有限责任公司电力科学研究院 | 基于神经网络的配电网台账数据贯通方法及装置 |
CN111597415A (zh) * | 2020-05-13 | 2020-08-28 | 云南电网有限责任公司电力科学研究院 | 基于神经网络的配电网台账数据贯通方法及装置 |
CN112270337A (zh) * | 2020-09-16 | 2021-01-26 | 广州奇化有限公司 | 一种基于特征映射的异构信息获取方法及装置 |
CN112818052A (zh) * | 2021-02-25 | 2021-05-18 | 云南电网有限责任公司电力科学研究院 | 一种异常电压数据的检测方法及装置 |
CN113610123A (zh) * | 2021-07-23 | 2021-11-05 | 上海德衡数据科技有限公司 | 基于物联网的多源异构数据融合方法及*** |
CN113610123B (zh) * | 2021-07-23 | 2024-01-23 | 上海德衡数据科技有限公司 | 基于物联网的多源异构数据融合方法及*** |
CN115001793A (zh) * | 2022-05-27 | 2022-09-02 | 北京双湃智安科技有限公司 | 一种信息安全多源异构数据的数据融合方法 |
CN115378674A (zh) * | 2022-08-11 | 2022-11-22 | 国网湖南综合能源服务有限公司 | 一种基于区块链技术的共享储能云平台的应用方法及*** |
CN115378674B (zh) * | 2022-08-11 | 2023-11-03 | 国网湖南综合能源服务有限公司 | 一种基于区块链技术的共享储能云平台的应用方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241169A (zh) | 配电网运行信息多源异构数据融合数据库集成方法 | |
CN110311376A (zh) | 一种电力***动态安全评估综合模型及时空可视化方法 | |
CN103872681A (zh) | 一种基于主配网一体化的在线实时合环方法 | |
CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
CN107180314B (zh) | 一种基于一二次***关联关系的运维业务模型建模方法 | |
CN109286188B (zh) | 一种基于多源数据集的10kV配电网理论线损计算方法 | |
CN102931727A (zh) | 电力调度主站式综合智能防误***拓扑防误校验方法 | |
CN104200288A (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
CN109655712A (zh) | 一种配电网线路故障原因分析方法与*** | |
CN104166942A (zh) | 基于cim模型的跨区域供电范围搜索方法及其*** | |
CN103269279B (zh) | 一种主子站联合拓扑辨识方法 | |
CN109284346A (zh) | 一种基于云计算的配电网规划方法及装置 | |
CN108152663A (zh) | 一种配电网故障定位方法及装置 | |
CN109993189A (zh) | 一种网络故障预警方法、装置和介质 | |
CN106339800A (zh) | 一种基于Graphx的大电网快速拓扑分析的方法 | |
CN106130781B (zh) | 基于配电网拓扑模型的变压器故障累积效应评估方法 | |
CN109902373A (zh) | 一种辖区变电站故障诊断、定位方法及*** | |
CN107453354A (zh) | 一种配电网的薄弱环节识别方法 | |
CN107591802A (zh) | 一种配网模型的抽象校验方法 | |
CN103023152A (zh) | 一种考虑自切配合的n-1开断扫描在线计算*** | |
CN107742883B (zh) | 一种基于Spark的电力***拓扑岛快速识别***和方法 | |
CN105021952A (zh) | 基于广域相角量测信息的大电网故障定位方法 | |
CN104657814A (zh) | 基于ems***的继电保护装置信号模板抽取定义方法 | |
CN113092936A (zh) | 基于多源数据协同的配电网电缆故障区段辨识方法 | |
CN111857015B (zh) | 输变电云端智能控制器 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |