CN110108981A - 一种有源配电网中线路的故障诊断方法和*** - Google Patents
一种有源配电网中线路的故障诊断方法和*** Download PDFInfo
- Publication number
- CN110108981A CN110108981A CN201910359298.8A CN201910359298A CN110108981A CN 110108981 A CN110108981 A CN 110108981A CN 201910359298 A CN201910359298 A CN 201910359298A CN 110108981 A CN110108981 A CN 110108981A
- Authority
- CN
- China
- Prior art keywords
- power distribution
- route
- active power
- distribution network
- voltage
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 388
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 355
- 230000007257 malfunction Effects 0.000 claims description 63
- 230000005611 electricity Effects 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000000819 phase cycle Methods 0.000 claims description 6
- 235000015170 shellfish Nutrition 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种有源配电网中线路的故障诊断方法和***,包括:根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况。本发明提供的技术方案能够快速的、精确的确定有源配电网中线路的故障情况,从而实现对有源配电网故障的定位。
Description
技术领域
本发明涉及配电网运行技术控制领域,具体涉及一种有源配电网中线路的故障诊断方法和***。
背景技术
有源配电网与传统配电网相比结构复杂、分支众,且有源配电网中分布式电源的存在导致电压电流等特征量大小方向不确定,这使得传统配电网故障诊断方法不再适用于有源配电网。
随着配网自动化程度的提高,大量自动化终端设备、通信装置等应用于有源配电网中,实时获取有源配电网的运行与故障信息已经实现,但是目前仍旧缺少能够利用有源配电网的运行与故障信息实现快速、精确的诊断有源配电网中线路故障情况的故障诊断方法。
发明内容
针对现有技术的不足,本发明的目的是提供一种能够快速、精确的诊断有源配电网中线路故障情况的故障诊断方法。
本发明的目的是采用下述技术方案实现的:
本发明提供一种有源配电网中线路的故障诊断方法,其改进之处在于,所述方法包括:
根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;
根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况。
优选的,所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络的节点包括:有源配电网中线路故障对应的节点及有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点、距离方向判据动作对应的节点、差动电流判据动作对应的节点、高频电压判据动作对应的节点和负序功率方向判据动作对应的节点;
所述负序功率方向判据动作对应的节点的父节点为所述高频电压判据动作对应的节点;所述高频电压判据动作对应的节点的父节点为所述差动电流判据动作对应的节点和所述有源配电网中线路故障对应的节点;所述差动电流判据动作对应的节点的父节点为负序电压判据动作对应的节点和距离方向判据动作对应的节点;所述负序电压判据动作对应的节点和距离方向判据动作对应的节点的父节点为所述有源配电网中线路故障对应的节点。
进一步的,所述根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率,包括:
根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率;
根据有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率。
进一步的,所述根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率,包括:
若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点不存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率。
进一步的,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率pa:
pa=1-eωt
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω为有源配电网中线路中电压/电流监测点的历史监测数据中有源配电网线路的历史年故障频率。
进一步的,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率pj:
式中,pbj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的拒动次数;pzj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的要求动作次数;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的误动率pw:
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω1为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点对应的年平均误动频率。
进一步的,所述根据有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率,包括:
令有源配电网中线路故障对应的节点为节点a;
有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点为节点b;
有源配电网中线路中电压/电流监测点处距离方向判据动作对应的节点为节点c;
有源配电网中线路中电压/电流监测点处差动电流判据动作对应的节点为节点d;
有源配电网中线路中电压/电流监测点处高频电压判据动作对应的节点为节点e;
有源配电网中线路中电压/电流监测点处负序功率方向判据动作对应的节点为节点f;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率p(t):
p(t)=p(a)·p(b/a)·p(c/a)·p(d/c,b)·p(e/a,d)·p(f/e)
式中,p(a)为节点a对应事件发生概率;p(b/a)为节点b对应事件发生概率;p(c/a)为节点c对应事件发生概率;p(d/c,b)为节点d对应事件发生概率;p(e/a,d)为节点e对应事件发生概率;p(f/e)为节点f对应事件发生概率。
优选的,所述根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况,包括:
根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率计算有源配电网线路的故障概率;
根据所述有源配电网线路的故障概率判断有源配电网中线路的故障情况。
进一步的,所述根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率计算有源配电网线路的故障概率,包括:
按下式确定所述有源配电网线路的故障概率p:
式中,p(a)为节点a对应事件发生概率;p(t)为有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;r为有源配电网中线路中电压/电流监测点数量。
进一步的,所述根据所述有源配电网线路的故障概率判断有源配电网中线路的故障情况,包括:
若所述有源配电网线路的故障概率不小于概率阈值时,则所述有源配电网线路故障;若所述有源配电网线路的故障概率小于概率阈值时,则所述有源配电网线路不故障。
本发明提供一种有源配电网中线路的故障诊断***,其改进之处在于,所述***包括:
确定模块,用于根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;
判断模块,用于根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况。
优选的,所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络的节点包括:有源配电网中线路故障对应的节点及有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点、距离方向判据动作对应的节点、差动电流判据动作对应的节点、高频电压判据动作对应的节点和负序功率方向判据动作对应的节点;
所述负序功率方向判据动作对应的节点的父节点为所述高频电压判据动作对应的节点;所述高频电压判据动作对应的节点的父节点为所述差动电流判据动作对应的节点和所述有源配电网中线路故障对应的节点;所述差动电流判据动作对应的节点的父节点为负序电压判据动作对应的节点和距离方向判据动作对应的节点;所述负序电压判据动作对应的节点和距离方向判据动作对应的节点的父节点为所述有源配电网中线路故障对应的节点。
进一步的,所述确定模块,包括:
第一确定单元,用于根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率;
第二确定单元,用于根据有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率。
进一步的,所述第一确定单元,用于:
若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点不存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率。
进一步的,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率pa:
pa=1-eωt
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω为有源配电网中线路中电压/电流监测点的历史监测数据中有源配电网线路的历史年故障频率。
进一步的,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率pj:
式中,pbj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的拒动次数;pzj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的要求动作次数;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的误动率pw:
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω1为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点对应的年平均误动频率。
进一步的,所述第二确定单元,用于:
令有源配电网中线路故障对应的节点为节点a;
有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点为节点b;
有源配电网中线路中电压/电流监测点处距离方向判据动作对应的节点为节点c;
有源配电网中线路中电压/电流监测点处差动电流判据动作对应的节点为节点d;
有源配电网中线路中电压/电流监测点处高频电压判据动作对应的节点为节点e;
有源配电网中线路中电压/电流监测点处负序功率方向判据动作对应的节点为节点f;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率p(t):
p(t)=p(a)·p(b/a)·p(c/a)·p(d/c,b)·p(e/a,d)·p(f/e)
式中,p(a)为节点a对应事件发生概率;p(b/a)为节点b对应事件发生概率;p(c/a)为节点c对应事件发生概率;p(d/c,b)为节点d对应事件发生概率;p(e/a,d)为节点e对应事件发生概率;p(f/e)为节点f对应事件发生概率。
优选的,所述判断模块,包括:
计算单元,用于根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率计算有源配电网线路的故障概率;
判断单元,用于根据所述有源配电网线路的故障概率判断有源配电网中线路的故障情况。
进一步的,所述计算单元,用于:
按下式确定所述有源配电网线路的故障概率p:
式中,p(a)为节点a对应事件发生概率;p(t)为有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;r为有源配电网中线路中电压/电流监测点数量。
进一步的,所述判断单元,用于:
若所述有源配电网线路的故障概率不小于概率阈值时,则所述有源配电网线路故障;若所述有源配电网线路的故障概率小于概率阈值时,则所述有源配电网线路不故障。
与最接近的现有技术相比,本发明具有的有益效果:
本发明提供的技术方案,根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;综合考虑多个判据的优缺点后,按照判据优先级顺序构建贝叶斯网络,发挥贝叶斯网络在故障诊断中的信息冗余性高和容错性高等优势,提高故障诊断的准确度;本发明提供的技术方案,根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况。能够快速的确定有源配电网中线路的故障情况,从而实现对有源配电网故障的定位。
附图说明
图1是一种有源配电网故障诊断方法流程图;
图2是本发明有源配电网中线路中电压/电流监测点对应的贝叶斯网络结构图;
图3是一种有源配电网故障诊断***流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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。
本发明提供一种有源配电网中线路的故障诊断方法,如图1所述,所述方法包括:
步骤101.根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;
步骤102.根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况。
在本发明的最优实施例中,有源配电网中线路中电压/电流监测点对应的贝叶斯网络如图2所示;
具体的,所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络的节点包括:有源配电网中线路故障对应的节点及有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点、距离方向判据动作对应的节点、差动电流判据动作对应的节点、高频电压判据动作对应的节点和负序功率方向判据动作对应的节点;
所述负序功率方向判据动作对应的节点的父节点为所述高频电压判据动作对应的节点;所述高频电压判据动作对应的节点的父节点为所述差动电流判据动作对应的节点和所述有源配电网中线路故障对应的节点;所述差动电流判据动作对应的节点的父节点为负序电压判据动作对应的节点和距离方向判据动作对应的节点;所述负序电压判据动作对应的节点和距离方向判据动作对应的节点的父节点为所述有源配电网中线路故障对应的节点。
在本发明的最优实施例中,有源配电网中线路中电压/电流监测点对应的贝叶斯网络是利用各判据动作的优先级顺序构建的,其中:各判据动作的优先级顺序从前到后可以为:负序电压判据动作、距离方向判据动作、差动电流判据动作、高频电压判据动作和负序功率方向判据动作;
有源配电网中线路中电压/电流监测点对应的贝叶斯网络中有源配电网中线路故障对应的节点分别与有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点、距离方向判据动作对应的节点、高频电压判据动作对应的节点相连的物理意义为有源配电网线路故障时启动主保护、近后备保护和远后备保护。
具体的,所述步骤101,包括:
步骤A.根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率;
步骤B.根据有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率。
具体的,所述步骤A,包括:
若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点不存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率。
进一步的,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率pa:
pa=1-eωt
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω为有源配电网中线路中电压/电流监测点的历史监测数据中有源配电网线路的历史年故障频率。
进一步的,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率pj:
式中,pbj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的拒动次数;pzj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的要求动作次数;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的误动率pw:
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω1为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点对应的年平均误动频率。
在本发明的最优实施例中,利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率的方法可以为:
设有两个具有相互关联关系的事件为事件u和事件k,计算条件概率p(u/k)时有4中情况:
事件k发生的条件下事件u发生的概率p(u=1/k=1);事件k发生的条件下事件u不发生的概率p(u=0/k=1);
事件k不发生的条件下事件u发生的概率p(u=1/k=0);事件k不发生的条件下事件u不发生的概率p(u=0/k=0);其中,p(u=0/k=1)称为拒动率;p(u=1/k=0)称为误动率;p(u=1/k=1)+p(u=0/k=1)=1;p(u=1/k=0)+p(u=0/k=0)=1。
具体的,所述步骤B,包括:
令有源配电网中线路故障对应的节点为节点a;
有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点为节点b;
有源配电网中线路中电压/电流监测点处距离方向判据动作对应的节点为节点c;
有源配电网中线路中电压/电流监测点处差动电流判据动作对应的节点为节点d;
有源配电网中线路中电压/电流监测点处高频电压判据动作对应的节点为节点e;
有源配电网中线路中电压/电流监测点处负序功率方向判据动作对应的节点为节点f;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率p(t):
p(t)=p(a)·p(b/a)·p(c/a)·p(d/c,b)·p(e/a,d)·p(f/e)
式中,p(a)为节点a对应事件发生概率;p(b/a)为节点b对应事件发生概率;p(c/a)为节点c对应事件发生概率;p(d/c,b)为节点d对应事件发生概率;p(e/a,d)为节点e对应事件发生概率;p(f/e)为节点f对应事件发生概率。
在本发明的最优实施例中,用1表示事件发生,0表示事件不发生,可以对某线路的某电压电流监测点a节点发生的概率(先验概率)进行赋值,如表1所示
表1.a节点发生的概率
可以对b节点发生的概率(条件概率)进行赋值,如表2所示:
表2.b节点发生的概率
可以对c节点发生的概率(条件概率)进行赋值,如表3所示:
表3.c节点发生的概率
可以对d节点发生的概率(条件概率)进行赋值,如表4所示:
表4.d节点发生的概率
可以对e节点发生的概率(条件概率)进行赋值,如表5所示:
表5.e节点发生的概率
可以对f节点发生的概率(条件概率)进行赋值,如表6所示:
表6.f节点发生的概率
进一步的,所述步骤102,包括:
步骤C.根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率计算有源配电网线路的故障概率;
步骤D.根据所述有源配电网线路的故障概率判断有源配电网中线路的故障情况。
具体的,所述步骤C,包括:
按下式确定所述有源配电网线路的故障概率p:
式中,p(a)为节点a对应事件发生概率;p(t)为有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;r为有源配电网中线路中电压/电流监测点数量。
在本发明的最优实施例中,可以将有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络和有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率(包括节点的先验概率或条件概率)输入至BNET贝叶斯matlab工具包中,程序自动计算有源配电网中线路的故障概率。
具体的,其特征在于,所述步骤D,包括:
若所述有源配电网线路的故障概率不小于概率阈值时,则所述有源配电网线路故障;若所述有源配电网线路的故障概率小于概率阈值时,则所述有源配电网线路不故障。
在本发明的最优实施例中所述概率阈值设置为0.7。
本发明提供一种有源配电网中线路的故障诊断***,如图3所示,所述***包括:
确定模块,用于根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;
判断模块,用于根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况。
具体的,所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络的节点包括:有源配电网中线路故障对应的节点及有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点、距离方向判据动作对应的节点、差动电流判据动作对应的节点、高频电压判据动作对应的节点和负序功率方向判据动作对应的节点;
所述负序功率方向判据动作对应的节点的父节点为所述高频电压判据动作对应的节点;所述高频电压判据动作对应的节点的父节点为所述差动电流判据动作对应的节点和所述有源配电网中线路故障对应的节点;所述差动电流判据动作对应的节点的父节点为负序电压判据动作对应的节点和距离方向判据动作对应的节点;所述负序电压判据动作对应的节点和距离方向判据动作对应的节点的父节点为所述有源配电网中线路故障对应的节点。
具体的,所述确定模块,包括:
第一确定单元,用于根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率;
第二确定单元,用于根据有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率。
具体的,所述第一确定单元,用于:
若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点不存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率。
进一步的,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率pa:
pa=1-eωt
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω为有源配电网中线路中电压/电流监测点的历史监测数据中有源配电网线路的历史年故障频率。
进一步的,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率pj:
式中,pbj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的拒动次数;pzj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的要求动作次数;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的误动率pw:
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω1为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点对应的年平均误动频率。
具体的,所述第二确定单元,用于:
令有源配电网中线路故障对应的节点为节点a;
有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点为节点b;
有源配电网中线路中电压/电流监测点处距离方向判据动作对应的节点为节点c;
有源配电网中线路中电压/电流监测点处差动电流判据动作对应的节点为节点d;
有源配电网中线路中电压/电流监测点处高频电压判据动作对应的节点为节点e;
有源配电网中线路中电压/电流监测点处负序功率方向判据动作对应的节点为节点f;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率p(t):
p(t)=p(a)·p(b/a)·p(c/a)·p(d/c,b)·p(e/a,d)·p(f/e)
式中,p(a)为节点a对应事件发生概率;p(b/a)为节点b对应事件发生概率;p(c/a)为节点c对应事件发生概率;p(d/c,b)为节点d对应事件发生概率;p(e/a,d)为节点e对应事件发生概率;p(f/e)为节点f对应事件发生概率。
进一步的,所述判断模块,包括:
计算单元,用于根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率计算有源配电网线路的故障概率;
判断单元,用于根据所述有源配电网线路的故障概率判断有源配电网中线路的故障情况。
具体的,所述计算单元,用于:
按下式确定所述有源配电网线路的故障概率p:
式中,p(a)为节点a对应事件发生概率;p(t)为有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;r为有源配电网中线路中电压/电流监测点数量。
具体的,所述判断单元,用于:
若所述有源配电网线路的故障概率不小于概率阈值时,则所述有源配电网线路故障;若所述有源配电网线路的故障概率小于概率阈值时,则所述有源配电网线路不故障。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (20)
1.一种有源配电网中线路的故障诊断方法,其特征在于,所述方法包括:
根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;
根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况。
2.如权利要求1所述的方法,其特征在于,所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络的节点包括:有源配电网中线路故障对应的节点及有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点、距离方向判据动作对应的节点、差动电流判据动作对应的节点、高频电压判据动作对应的节点和负序功率方向判据动作对应的节点;
所述负序功率方向判据动作对应的节点的父节点为所述高频电压判据动作对应的节点;所述高频电压判据动作对应的节点的父节点为所述差动电流判据动作对应的节点和所述有源配电网中线路故障对应的节点;所述差动电流判据动作对应的节点的父节点为负序电压判据动作对应的节点和距离方向判据动作对应的节点;所述负序电压判据动作对应的节点和距离方向判据动作对应的节点的父节点为所述有源配电网中线路故障对应的节点。
3.如权利要求2所述的方法,其特征在于,所述根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率,包括:
根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率;
根据有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率。
4.如权利要求3所述的方法,其特征在于,所述根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率,包括:
若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点不存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率。
5.如权利要求4所述的方法,其特征在于,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率pa:
pa=1-eωt
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω为有源配电网中线路中电压/电流监测点的历史监测数据中有源配电网线路的历史年故障频率。
6.如权利要求4所述的方法,其特征在于,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率pj:
式中,pbj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的拒动次数;pzj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的要求动作次数;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的误动率pw:
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω1为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点对应的年平均误动频率。
7.如权利要求3所述的方法,其特征在于,所述根据有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率,包括:
令有源配电网中线路故障对应的节点为节点a;
有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点为节点b;
有源配电网中线路中电压/电流监测点处距离方向判据动作对应的节点为节点c;
有源配电网中线路中电压/电流监测点处差动电流判据动作对应的节点为节点d;
有源配电网中线路中电压/电流监测点处高频电压判据动作对应的节点为节点e;
有源配电网中线路中电压/电流监测点处负序功率方向判据动作对应的节点为节点f;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率p(t):
p(t)=p(a)·p(b/a)·p(c/a)·p(d/c,b)·p(e/a,d)·p(f/e)
式中,p(a)为节点a对应事件发生概率;p(b/a)为节点b对应事件发生概率;p(c/a)为节点c对应事件发生概率;p(d/c,b)为节点d对应事件发生概率;p(e/a,d)为节点e对应事件发生概率;p(f/e)为节点f对应事件发生概率。
8.如权利要求1所述的方法,其特征在于,所述根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况,包括:
根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率计算有源配电网线路的故障概率;
根据所述有源配电网线路的故障概率判断有源配电网中线路的故障情况。
9.如权利要求8所述的方法,其特征在于,所述根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率计算有源配电网线路的故障概率,包括:
按下式确定所述有源配电网线路的故障概率p:
式中,p(a)为节点a对应事件发生概率;p(t)为有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;r为有源配电网中线路中电压/电流监测点数量。
10.如权利要求8所述的方法,其特征在于,所述根据所述有源配电网线路的故障概率判断有源配电网中线路的故障情况,包括:
若所述有源配电网线路的故障概率不小于概率阈值时,则所述有源配电网线路故障;若所述有源配电网线路的故障概率小于概率阈值时,则所述有源配电网线路不故障。
11.一种有源配电网中线路的故障诊断***,其特征在于,所述***包括:
确定模块,用于根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;
判断模块,用于根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率判断有源配电网中线路的故障情况。
12.如权利要求11所述的***,其特征在于,所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络的节点包括:有源配电网中线路故障对应的节点及有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点、距离方向判据动作对应的节点、差动电流判据动作对应的节点、高频电压判据动作对应的节点和负序功率方向判据动作对应的节点;
所述负序功率方向判据动作对应的节点的父节点为所述高频电压判据动作对应的节点;所述高频电压判据动作对应的节点的父节点为所述差动电流判据动作对应的节点和所述有源配电网中线路故障对应的节点;所述差动电流判据动作对应的节点的父节点为负序电压判据动作对应的节点和距离方向判据动作对应的节点;所述负序电压判据动作对应的节点和距离方向判据动作对应的节点的父节点为所述有源配电网中线路故障对应的节点。
13.如权利要求12所述的***,其特征在于,所述确定模块,包括:
第一确定单元,用于根据有源配电网中线路中电压/电流监测点的历史监测数据确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率;
第二确定单元,用于根据有源配电网中线路中电压/电流监测点对应的贝叶斯网络中各节点对应事件发生概率确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率。
14.如权利要求13所述的***,其特征在于,所述第一确定单元,用于:
若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点不存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,若有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点存在父节点,则根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率。
15.如权利要求14所述的***,其特征在于,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据确定该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定所述有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率pa:
pa=1-eωt
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω为有源配电网中线路中电压/电流监测点的历史监测数据中有源配电网线路的历史年故障频率。
16.如权利要求14所述的***,其特征在于,所述根据所述有源配电网中线路中电压/电流监测点的历史监测数据获取该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率,并利用有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率和误动率构建该有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点对应事件发生概率,包括:
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的拒动率pj:
式中,pbj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的拒动次数;pzj为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点处各节点对应的要求动作次数;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络中节点的误动率pw:
式中,t为有源配电网中线路中电压/电流监测点的历史监测数据中设备连续无故障运行的最长时间;ω1为有源配电网中线路中电压/电流监测点的历史监测数据中电压/电流监测点对应的年平均误动频率。
17.如权利要求13所述的***,其特征在于,所述第二确定单元,用于:
令有源配电网中线路故障对应的节点为节点a;
有源配电网中线路中电压/电流监测点处负序电压判据动作对应的节点为节点b;
有源配电网中线路中电压/电流监测点处距离方向判据动作对应的节点为节点c;
有源配电网中线路中电压/电流监测点处差动电流判据动作对应的节点为节点d;
有源配电网中线路中电压/电流监测点处高频电压判据动作对应的节点为节点e;
有源配电网中线路中电压/电流监测点处负序功率方向判据动作对应的节点为节点f;
按下式确定有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率p(t):
p(t)=p(a)·p(b/a)·p(c/a)·p(d/c,b)·p(e/a,d)·p(f/e)
式中,p(a)为节点a对应事件发生概率;p(b/a)为节点b对应事件发生概率;p(c/a)为节点c对应事件发生概率;p(d/c,b)为节点d对应事件发生概率;p(e/a,d)为节点e对应事件发生概率;p(f/e)为节点f对应事件发生概率。
18.如权利要求11所述的***,其特征在于,所述判断模块,包括:
计算单元,用于根据有源配电网中线路中全部电压/电流监测点对应的贝叶斯网络的后验概率计算有源配电网线路的故障概率;
判断单元,用于根据所述有源配电网线路的故障概率判断有源配电网中线路的故障情况。
19.如权利要求18所述的***,其特征在于,所述计算单元,用于:
按下式确定所述有源配电网线路的故障概率p:
式中,p(a)为节点a对应事件发生概率;p(t)为有源配电网中线路中电压/电流监测点对应的贝叶斯网络的后验概率;r为有源配电网中线路中电压/电流监测点数量。
20.如权利要求18所述的***,其特征在于,所述判断单元,用于:
若所述有源配电网线路的故障概率不小于概率阈值时,则所述有源配电网线路故障;若所述有源配电网线路的故障概率小于概率阈值时,则所述有源配电网线路不故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910359298.8A CN110108981B (zh) | 2019-04-30 | 2019-04-30 | 一种有源配电网中线路的故障诊断方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910359298.8A CN110108981B (zh) | 2019-04-30 | 2019-04-30 | 一种有源配电网中线路的故障诊断方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110108981A true CN110108981A (zh) | 2019-08-09 |
CN110108981B CN110108981B (zh) | 2024-05-31 |
Family
ID=67487721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910359298.8A Active CN110108981B (zh) | 2019-04-30 | 2019-04-30 | 一种有源配电网中线路的故障诊断方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110108981B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568315A (zh) * | 2019-10-09 | 2019-12-13 | 国网宁夏电力有限公司 | 一种基于运行状态异常信息的母线故障概率计算方法 |
CN111948490A (zh) * | 2020-08-05 | 2020-11-17 | 汪子岩 | 一种有源配电网的故障定位和处理方法 |
CN113791307A (zh) * | 2021-09-07 | 2021-12-14 | 绍兴建元电力集团有限公司 | 基于离散贝叶斯网络的混合线路配电网故障区段定位方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10253691A (ja) * | 1997-03-14 | 1998-09-25 | Meidensha Corp | 故障点標定方法 |
CN102156240A (zh) * | 2011-05-13 | 2011-08-17 | 西南交通大学 | 基于五层三区式因果规则网的区域电网故障诊断方法 |
CN103543383A (zh) * | 2013-08-07 | 2014-01-29 | 国家电网公司 | 一种融合投诉电话与保护信息的配电网故障定位方法 |
US20140257715A1 (en) * | 2013-03-09 | 2014-09-11 | Bigwood Technology, Inc. | Robust Power Flow Methodologies for Distribution Networks with Distributed Generators |
CN105319482A (zh) * | 2015-09-29 | 2016-02-10 | 科大智能科技股份有限公司 | 基于多源信息融合的配电网故障诊断***及方法 |
CN105486526A (zh) * | 2015-11-30 | 2016-04-13 | 北京宇航***工程研究所 | 一种用于运载火箭测试发射过程的多策略故障诊断*** |
CN105608634A (zh) * | 2015-11-09 | 2016-05-25 | 国网新疆电力公司 | 一种基于贝叶斯网络的电网风险预警评估模型 |
CN105866615A (zh) * | 2016-06-16 | 2016-08-17 | 山东大学 | 基于三相电压电流的10kV配电线路断线故障判定方法 |
CN106019043A (zh) * | 2016-05-10 | 2016-10-12 | 国网山东省电力公司德州供电公司 | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 |
CN107621594A (zh) * | 2017-11-13 | 2018-01-23 | 广东电网有限责任公司电力调度控制中心 | 一种基于故障录波数据与贝叶斯网络的电网故障诊断方法 |
CN107656176A (zh) * | 2017-11-09 | 2018-02-02 | 华北电力大学(保定) | 一种基于改进贝叶斯Petri网的电网故障诊断方法 |
CN108345723A (zh) * | 2018-01-24 | 2018-07-31 | 江苏新中天塑业有限公司 | 一种基于决策树和贝叶斯网络的电机故障诊断***及方法 |
CN109116188A (zh) * | 2018-09-05 | 2019-01-01 | 广东电网有限责任公司 | 一种电力***故障推演方法、装置、设备及可读存储介质 |
-
2019
- 2019-04-30 CN CN201910359298.8A patent/CN110108981B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10253691A (ja) * | 1997-03-14 | 1998-09-25 | Meidensha Corp | 故障点標定方法 |
CN102156240A (zh) * | 2011-05-13 | 2011-08-17 | 西南交通大学 | 基于五层三区式因果规则网的区域电网故障诊断方法 |
US20140257715A1 (en) * | 2013-03-09 | 2014-09-11 | Bigwood Technology, Inc. | Robust Power Flow Methodologies for Distribution Networks with Distributed Generators |
CN103543383A (zh) * | 2013-08-07 | 2014-01-29 | 国家电网公司 | 一种融合投诉电话与保护信息的配电网故障定位方法 |
CN105319482A (zh) * | 2015-09-29 | 2016-02-10 | 科大智能科技股份有限公司 | 基于多源信息融合的配电网故障诊断***及方法 |
CN105608634A (zh) * | 2015-11-09 | 2016-05-25 | 国网新疆电力公司 | 一种基于贝叶斯网络的电网风险预警评估模型 |
CN105486526A (zh) * | 2015-11-30 | 2016-04-13 | 北京宇航***工程研究所 | 一种用于运载火箭测试发射过程的多策略故障诊断*** |
CN106019043A (zh) * | 2016-05-10 | 2016-10-12 | 国网山东省电力公司德州供电公司 | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 |
CN105866615A (zh) * | 2016-06-16 | 2016-08-17 | 山东大学 | 基于三相电压电流的10kV配电线路断线故障判定方法 |
CN107656176A (zh) * | 2017-11-09 | 2018-02-02 | 华北电力大学(保定) | 一种基于改进贝叶斯Petri网的电网故障诊断方法 |
CN107621594A (zh) * | 2017-11-13 | 2018-01-23 | 广东电网有限责任公司电力调度控制中心 | 一种基于故障录波数据与贝叶斯网络的电网故障诊断方法 |
CN108345723A (zh) * | 2018-01-24 | 2018-07-31 | 江苏新中天塑业有限公司 | 一种基于决策树和贝叶斯网络的电机故障诊断***及方法 |
CN109116188A (zh) * | 2018-09-05 | 2019-01-01 | 广东电网有限责任公司 | 一种电力***故障推演方法、装置、设备及可读存储介质 |
Non-Patent Citations (3)
Title |
---|
亢超群等: "基于多源信息融合的配电真空开关柜动态状态评价研究", 《高压电器》, vol. 53, no. 3 * |
梁仕斌等: "基于矩阵和贝叶斯理论的配电网容错故障定位研究", 《软件》, no. 08 * |
翁蓝天: "基于链表的配电网供电中断型故障诊断方法", 《工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568315A (zh) * | 2019-10-09 | 2019-12-13 | 国网宁夏电力有限公司 | 一种基于运行状态异常信息的母线故障概率计算方法 |
CN111948490A (zh) * | 2020-08-05 | 2020-11-17 | 汪子岩 | 一种有源配电网的故障定位和处理方法 |
CN111948490B (zh) * | 2020-08-05 | 2023-01-10 | 汪子岩 | 一种有源配电网的故障定位和处理方法 |
CN113791307A (zh) * | 2021-09-07 | 2021-12-14 | 绍兴建元电力集团有限公司 | 基于离散贝叶斯网络的混合线路配电网故障区段定位方法 |
CN113791307B (zh) * | 2021-09-07 | 2022-08-02 | 绍兴建元电力集团有限公司 | 基于离散贝叶斯网络的混合线路配电网故障区段定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110108981B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aminifar et al. | Observability enhancement by optimal PMU placement considering random power system outages | |
CN102713862B (zh) | 故障原因提取装置、故障原因提取方法和程序记录介质 | |
CN110108981A (zh) | 一种有源配电网中线路的故障诊断方法和*** | |
US20210006469A1 (en) | Network management based on assessment of topological robustness and criticality of assets | |
CN104103019A (zh) | 含分布式电源的配电网运行风险评估方法及评估*** | |
CN116125361B (zh) | 电压互感器误差评估方法、***、电子设备及存储介质 | |
CN110119128B (zh) | 一种用于实验室用电设备的监控管理*** | |
CN104166940A (zh) | 配电网运行风险评估方法及评估*** | |
CA2743580A1 (en) | Method and system for estimation of source impedence on electrical distribution lines | |
US12039045B2 (en) | Event analysis in an electric power system | |
CN109946561A (zh) | 一种电流互感器极性测试方法、装置、设备及存储介质 | |
CN114252694A (zh) | 用于监测电气***中的能量相关数据的***和方法 | |
CN114915546A (zh) | 一种停电用户定位方法、装置、设备、介质 | |
CN115935825A (zh) | 一种基于数字孪生模型的配电网故障处理方法及装置 | |
Qin et al. | A multiple model filtering approach to transmission line fault diagnosis | |
CN108334427A (zh) | 存储***中的故障诊断方法及装置 | |
CN104617575A (zh) | 一种用于静态安全分析预想故障下潮流不可解评估方法 | |
JP2012170168A (ja) | 電力系統の縮約モデルのパラメータ推定方法及びその装置 | |
CN112345972B (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及*** | |
Ray et al. | Hybrid technique for fault location of a distribution line | |
CN115935795B (zh) | 一种电力***暂态电压稳定评估模型构建方法及评估方法 | |
US11316345B2 (en) | Predictive voltage stability of a power system post-contingency | |
Mohanta et al. | Importance and uncertainty analysis in software reliability assessment of computer relay | |
Esmail et al. | Modified autonomous fault management strategy for enhancing distribution network reliability | |
JP2010002386A (ja) | 故障点標定装置、故障点標定方法および故障点標定プログラム |
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 |