CN112487658B - 一种电网关键节点的识别方法、装置及*** - Google Patents
一种电网关键节点的识别方法、装置及*** Download PDFInfo
- Publication number
- CN112487658B CN112487658B CN202011468470.2A CN202011468470A CN112487658B CN 112487658 B CN112487658 B CN 112487658B CN 202011468470 A CN202011468470 A CN 202011468470A CN 112487658 B CN112487658 B CN 112487658B
- Authority
- CN
- China
- Prior art keywords
- power
- node
- nodes
- power grid
- key
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于电力数据处理领域,涉及一种电网关键节点的识别方法、装置及***;所述方法包括按照电网中电力节点注入功率和线路传输功率的有效性规则,构建出功率有效性的电网拓扑结构;在所述电网拓扑结构中,计算出电力节点的平均电气距离以及电气介数中心,并分别分配权重向量,构建出节点的关键度评估模型;按照所述关键度评估模型计算出电力节点核值,根据电力节点核值所属的区间进行递归网络分解,将最后一层子网络所包含的电力节点作为识别出的关键节点集合。本发明根据一系列规则挖掘出大型电力***的规则特性,构建出规范的电网拓扑结构,又综合考虑了电力***的网络特性和电气特性,建立了基于多因素的电网关键节点识别模型,提升了复杂电网***中关键节点识别的效率和准确性。
Description
技术领域
本发明属于电力数据处理领域,涉及一种电网关键节点的识别方法、装置及***。
背景技术
近年来,多种新兴科技的迅猛发展,让人们的生活水准有了质的飞跃。电力***是所有科学技术发展的重要基建设施,在互联网、通信网、交通网等其他社会网络的发展过程中做出了卓越贡献。随着电网规模的不断扩大和组件集成度的提高,电网的结构特性也变得越来越复杂,这种复杂性的提升在维持电力高效输送方面发挥了显著作用。虽然现代电网已经形成了电压等级高、远距离传输的跨区域大电网格局,基本实现了网络架构的互联与互通,但是电网的安全稳定运行,仍然是令人头疼和难以解决的一大问题。电力***的安全稳定运行,取决于多个因素,例如电网自身的硬件设备、电网周边环境的气候等,其中,电网中某些关键部位的安全性更是不容忽视的因素。因此,准确识别出电网***中的关键节点或线路,并对其采取一定的防护措施,是维持电力***鲁棒性的重要手段。
以往对于大面积停电事故的研究多数是基于还原论思想,其本质是首先通过简化研究对象来发现规律,然后再还原***规律,通常是局限于元件自身的物理性能来进行理论研究的。还原论方法通常是将电网描述成一组多维的微分代数方程,再通过计算机仿真求解,一定程度上忽略了整个***内部的演化特性,因此需要一个新的思路来研究电网特性。复杂网络理论是将母线抽象为网络节点,将传输电线抽象为网络链路,从而将电网视为具有单位或个人之间交互作用的网络,为研究电网结构和级联反应过程提供了一个新的思路。
基于已有的技术研究可以发现,很多大规模电网故障事故都是由于该***中的某些特殊节点或线路发生故障引起的。因此,准确识别出电网***中的关键节点或线路并采取针对性保护措施,是预防电网发生大规模级联故障的有效手段。目前,大多数对电网***的关键节点识别主要是从电网拓扑结构的角度出发,结合复杂网络理论中的通用网络模型(如小世界网络模型、无标度网络模型和规则网络模型等)和常见指标(如节点的聚类系数、度数等)来辨识该电力***中的关键节点。但是,在复杂的电力***中,节点在电网中的关键程度不能仅从拓扑结构的角度去进行分析,更多的需要考虑从电力***的实际物理属性,例如电网线路功率的有向传输、某个节点状态的变化对整个电网潮流产生的影响等。
另外由于传统的排序算法(例如k_shell算法、TOPSIS算法、Pagerank算法等)在很多实际应用场景中具有一定的局限性,一方面现有技术只考虑网络拓扑的基本特性,没有与实际的电网场景相结合,例如缺少对功率传输的考虑,因此需要对现有技术做出一定的改进,才能更准确地识别出电网***中的关键节点。
发明内容
有鉴于此,本发明的目的在于提供一种基于改进k_shell算法的电网关键节点识别方法,结合电力***的网络拓扑特性和电气特性,建立多因素评估节点关键度的新模型,同时通过对k_shell算法进行改进,提出一种电网关键节点的识别方法、装置及***。
本发明解决上述技术问题所采用的方案包括:
在本发明的第一方面,本发明提供了一种电网关键节点的识别方法,所述识别方法包括以下步骤:
步骤1)按照电网中电力节点注入功率和线路传输功率的有效性规则,构建出功率有效性的电网拓扑结构;
步骤2)在所述电网拓扑结构中,计算出电力节点的平均电气距离以及电气介数中心,并分别分配权重向量,构建出节点的关键度评估模型;
步骤3)按照所述关键度评估模型计算出电力节点核值,根据电力节点核值所属的区间进行递归网络分解,将最后一层子网络所包含的电力节点作为识别出的关键节点集合。
在本发明的第二方面,本发明还提供了一种电网关键节点的识别装置,所述识别装置包括:
拓扑结构构建模块,用于按照电网中电力节点注入功率和线路传输功率的有效性规则,构建出功率有效性的电网拓扑结构;
关键度评估模块,用于计算出电力节点的平均电气距离以及电气介数中心,并分别分配权重向量,构建出关键度评估模型;
核值计算模块,用于根据所述关键度评估模型,计算出每个电力节点的核值;
区间划分模块,用于按照电力节点的核值划分出多个区间,并确定其中的最小区间;
拓扑更新模块,用于删除最小区间内的电力节点,更新电网拓扑结构后,返回所述核值计算模块;
节点输出模块,用于输出最后一个区间的电力节点,即为关键点集合。
在本发明的第三方面,本发明还提供了一种电网关键节点的识别***,所述识别***包括:
数据采集模块,用于采集电网中电力节点的电力数据;
电网关键节点的识别装置,用于对采集到的电力节点的电力数据进行识别,输出关键点集合。
本发明的有益效果:
1、本发明按照电网中电力节点注入功率和线路传输功率的有效性规则,构建出了一种具有功率有效性的电网拓扑结构,本发明所构建的电网拓扑结构能够反映出复杂电力***的电气特性,并排除其他干扰因素,相对于现有的电网拓扑结构而言,一定程度的提高了电网结构的运算效率,从而能够快速且准确的提取出电网中的关键节点。
2、本发明按照电力节点的平均路径长度和介数中心,结合电气特性,提出了一种新的节点关键度评估模型,并利用层次分析法训练得出关键度评估模型的权重向量;该评估模型同时考虑了电力***的网络特性和电气特性,能够更加客观反映电力节点的关键程度;
3、本发明按照关键度评估模型重新定义出节点的核值,对所有节点的核值进行区间划分,按照节点核值所属的空间进行递归网络分解,将最后一层子网络包含的节点作为最终的关键点集合。该方法改进了k_shell算法在电网应用场景下的局限性,能够提升识别电网关键节点的准确性。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明构建的电网关键节点识别模型的总体结构图;
图2为本发明实施例的电网关键节点的识别方法流程图;
图3为本发明实施例所采用的层次分析法分配权重的流程图;
图4为本发明实施例采用改进k_shell算法的关键节点集合筛选流程图;
图5为本发明实施例的电网关键节点的识别装置结构图。
具体实施方式
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,所描述的实施例仅仅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他实施例,都属于本发明保护的范围。
本发明是基于复杂网络理论对大型电力***的特性进行研究,通过综合考虑了电力***的网络特性和电气特性,结合基于多因素改进的排序类算法,从而能够较准确地识别处电力***中的关键节点。
图1是本发明采用的节点识别模型架构图,如图1所示,本发明中将电力***采集到的电力数据进行抽象和规范化处理后,按照电力节点注入功率和线路传输功率的有效性规则,形成了电网拓扑结构,其中电网拓扑结构中的节点包括发电节点、中间节点(传输节点)和负荷节点,在所述电网拓扑结构中,计算出电力节点的平均电气聚合以及电气介数中心,按照层次分析法为他们分配权重,从而构建出新的关键度评估模型;按照区间划分法改进的k-shell算法对网络进行分解,从而提取出关键节点集合。
图2是本发明的一种电网关键节点的识别方法流程图,如图2所示,所述识别方法包括以下步骤:
步骤1)按照电网中电力节点注入功率和线路传输功率的有效性规则,构建出功率有效性的电网拓扑结构;
本实施例中,将电力***中的发电站、变电站或中间连接装置抽象为电力网络的电力节点,将输电传输线路作为网络的电力边;基于电网中电力节点注入功率和线路传输功率的有效性规则,将电网中的电力节点进行分类,并规定每两个电力节点之间最多只有一条边相连,从而构建功率有效性电网拓扑结构。
其中,节点注入功率的有效性规则是指,对于整个电网***,根据节点的净注入功率值,将节点细分为发电节点、传输节点和负荷节点;具体的,对于整个电网***,若该节点的净注入功率为正值,则该节点是向电网注入有功功率的发电节点;若该节点的净注入功率为负值,则该节点是向电网接收功率的负荷节点;若该节点的净注入功率为零,则该节点是传输节点。
电路传输的功率有效性规则是指,采取正向叠加和反向抵消的策略,规定节点对之间只有一条传输功率为非负值的边相连;具体的,若电力节点对之间有多条线路相连,由于每条线路传输的功率大小和方向都可能存在差异,因此采取正向叠加和反向抵消的策略对多条线路的传输功率进行处理,最终规定每两个电力节点之间最多只有一条传输功率为非负值的边相连。
步骤2)在所述电网拓扑结构中,计算出电力节点的平均电气距离以及电气介数中心,并分别分配权重向量,构建出节点的关键度评估模型;
首先,对于电力节点的平均电气距离,在前述获得电网拓扑结构基础上,考虑电力节点的平均路径长度,结合电网的电气特性,其计算方法参考如下:
基于最短路径算法,求解出任意电力节点对ij之间的最短路径i,k1,k2,…,km,j,以及最短路径的长度,基于电力节点本身的负载和线路传输功率求解出传输功率的总和Pij,表示为:
其中,wij是指电力节点i和电力节点j之间的实际负载,被定义为wij=min(Si,Sj),且wii=0,Si是指电力节点i的额定发电容量,Sj是电力节点j的额定发电容量。
其中,所述最短路径算法可以采用floyd-warshall算法,弗洛伊德算法是一种利用动态规划的思想去找给定的加权图中多源点之间的最短路径算法,能够更为准确的求取出任意电力节点对ij之间的最短路径。
任意节点对之间的电气距离dij是指两节点间最短路径的功率总和与长度之比,定义如下:
其中,Mij是指电力节点i和电力节点j之间的最短或最有效路径的长度,若电力节点i和电力节点j之间不可达,则有Mij=+∞,且有Mii=1。
在电力节点之间的最短路径的基础上,本发明给出了电力节点的平均电气距离的定义,表示为:
其中,Di表示电力节点i的平均电气距离;V表示电网中电力节点集合;N是指电网中电力节点总数。
其次,在求解出电力节点的平均电气距离后,仍然基于电网拓扑结构,对于电气节点介数中心,结合电网的电气特性,本发明分别定义出三种电力节点的电气介数中心;
一般的复杂网络中节点的介数中心通常是用来表征该节点在整个网络中的关键程度,具体取决于该网络***中的最短路径或最有效路径经过该节点的次数,因此,传统电网中的介数中心定义如下:
本发明对其进行归一化处理后,表示为:
其中,σij是电力节点i和电力节点j之间最短路径或最有效路径的数量,σij(k)是电力节点i和电力节点j之间最短路径或最有效路径中通过电力节点k的数量,G、L分别指发电节点集合与负荷节点集合。
在上述对介数中心指标进行归一化的基础上,本发明还结合电网的电气和有向传输特性,分别针对发电节点、负荷节点和中间节点等三种情况,分别定义电气介数中心指标,表示如下:
其中,Pij是指电力节点i和电力节点j之间的通过最短或最有效路径传输的功率总和,G、L分别指发电节点集合与负荷节点集合;其中上式中则表示电力节点k属于中间节点集合;考虑到电网中电力节点的有向性,Pki表示发电节点k和其他电力节点i之间的通过最短或最有效路径传输的功率总和;Pik表示其他电力节点i和负荷节点k之间的通过最短或最有效路径传输的功率总和。
图3给出了本发明实施例所采用的层次分析法分配权重的流程图,如图3所示,分配过程包括以下内容:
建立层次结构模型,即输入电力节点的平均电气距离和电气介数中心的决策准则;
构造出判断矩阵,采用相对尺度,把所述决策准则进行两两比较,从而得出判断矩阵A:
其中aij是指决策准则间两两比较的标度值。为了验证该标度值设置的合理性,通过定义一致性比率来检验构造的判断矩阵是否具有一致性,从而确定指标的权重向量;接下来需要对矩阵A进行一致性检验。
若A满足则A是一致性矩阵,且秩为1,唯一非零特征值为λ,将该特征值所对应的特征向量进行归一化处理之后作为权重向量ψ;若A不是一致性矩阵,则需要检验A的不一致性是否在合理范围内。取A的最大特征值λ,定义一致性指标CI:
为了更为客观地衡量CI的大小,随机构造m个一致性矩阵,引入随机一致性指标RI:
则可以定义一致性比率:
只有满足CR<0.1时,认为A具有满意的一致性,取A的最大特征值λ对应的特征向量进行归一化操作,从而得到了权向量ψ。如果不满足CR<0.1,则需要重新设置判断矩阵A的标度值,直至得到符合条件的判断矩阵。
步骤3)按照所述关键度评估模型计算出电力节点核值,根据电力节点核值所属的区间进行递归网络分解,将最后一层子网络所包含的电力节点作为识别出的关键节点集合。
图4是本发明实施例所采用的关键节点集合筛选流程图;如图4所示,本发明基于改进k_shell算法进行网络分解,最终识别出该电力***的关键节点集合,主要需要进行以下步骤:
按照所述关键度评估模型,定义出新的节点核值计算公式表示为:
其中,KS(i)表示电力节点i的核值;Kmin表示电网中所有节点的关键度的最小值;Kmax表示电网中所有电力节点的关键度的最大值;K(i)表示电力节点i的关键度。
本实施例采用最大最小归一化方式,将关键度值进行等比例缩放作为新的节点核值,将核值固定在[0,1]区间后,能够增强核值的集中分布程度,便于后续划分出空间进行递归网络分解。
2)计算出每个电力节点的核值,并将所有的核值按照合理的差值划分为l1个区间(Π1,Π2…,Πl1),去掉那些核值属于最小区间的电力节点,节点去除后,所述电网拓扑结构中剩下一个子图,重新计算子图中各电力节点核值,如果该子图中依然有电力节点的核值属于区间内,则继续删除这些电力节点,直到最后剩下一个子图G1中所有电力节点的核值均不在区间内,那些被删除的电力节点则属于S(1)集合中;
在一些实施例中,将关键度评估模型所计算出的关键值直接作为电力节点核值的区间划分指标;其中核值的空间的划分标准包括计算出所有节点的关键值,按照关键值的分布情况进行等级划分,其中这个区间的范围取决于分布的密集程度,若分布较为密集,则将空间范围划分为小空间,否则可以划分出大空间。
在另一些实施例中,除了上述按照关键值进行划分以外,参照上述实施例,本实施例也可以按照本发明所提供的新的核值计算公式来划分出核值空间。
4)以此类推,直到最后所有的电力节点核值都位于一个区间内,则是该电网拓扑结构中的关键电力节点集合。
可以理解的是,本发明的递归网络以及最后一层子网络都指的是电网拓扑结构包括更新前的电网拓扑结构和更新后的子图,另外本发明对于k-shell算法的改进主要在于划分出空间进行递归网络分解以及改进了传统的核值计算。
图5给出了本发明的一种电网关键节点的识别装置的结构图,如图5所示,所述识别装置包括:
拓扑结构构建模块,用于按照电网中电力节点注入功率和线路传输功率的有效性规则,构建出功率有效性的电网拓扑结构;
关键度评估模块,用于计算出电力节点的平均电气距离以及电气介数中心,并分别分配权重向量,构建出关键度评估模型;
核值计算模块,用于根据所述关键度评估模型,计算出每个电力节点的核值;
区间划分模块,用于按照电力节点的核值划分出多个区间,并确定其中的最小区间;
拓扑更新模块,用于删除最小区间内的电力节点,更新电网拓扑结构后,返回所述核值计算模块;
节点输出模块,用于输出最后一个区间的电力节点,即为关键点集合。
本实施例中,核值计算模块和拓扑更新模块除了通过区间划分模块作为中间过渡以外,还采用直接相连的方式,在计算出电网拓扑结构中的各个电力节点的核值后,按照区间划分模块,对这些电力节点划分出不同的区间,在拓扑更新模块中,按照k-shell的方式,去除最小区间中的电力节点,并更新电网拓扑结构,将更新后的电网拓扑结构作为一个子图,重新通过核值计算模块计算出子图中的各电力节点的核值,首先,将子图中还存在于最小区间中的电力节点去除;然后继续按照k-shell的方式,去除次小区间中的电力节点,反复迭代此过程,直至最后所有的电力节点核值都位于最后一个区间内即最后一个子图内,则将该子图内的所有电力节点集合作为该电网拓扑结构中的关键电力节点集合。
在一些实施例中,本发明还提供了一种电网关键节点的识别***,所述识别***包括:
数据采集模块,用于采集电网中电力节点的电力数据;
电网关键节点的识别装置,用于对采集到的电力节点的电力数据进行识别,输出关键点集合。
可以理解的是,本发明中的关键节点的识别方法、装置以及***是属于同一发明构思,其对应特征可以相互引用,本发明不再一一赘述。
在本发明的描述中,需要理解的是,术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“外”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,术语“安装”、“设置”、“连接”、“固定”、“旋转”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种电网关键节点的识别方法,其特征在于,所述识别方法包括以下步骤:
步骤1)按照电网中电力节点注入功率和线路传输功率的有效性规则,构建出功率有效性的电网拓扑结构;
步骤2)在所述电网拓扑结构中,计算出电力节点的平均电气距离以及电气介数中心,并分别分配权重向量,构建出节点的关键度评估模型;
电气介数中心的计算方式包括:
其中,Pki表示电力节点k和电力节点i之间的通过最短或最有效路径传输的功率总和;Pik表示电力节点i和电力节点k之间的通过最短或最有效路径传输的功率总和,G表示发电节点集合;L表示负荷节点集合;CB(k)表示归一化后的电力节点k的传统介数中心;
步骤3)按照所述关键度评估模型计算出电力节点核值,根据电力节点核值所属的区间进行递归网络分解,将最后一层子网络所包含的电力节点作为识别出的关键节点集合;
电力节点核值的计算方式包括:
其中,KS(i)表示电力节点i的核值;Kmin表示电网中所有节点的关键度的最小值;Kmax表示电网中所有电力节点的关键度的最大值;K(i)表示电力节点i的关键度。
2.根据权利要求1所述的一种电网关键节点的识别方法,其特征在于,所述步骤1)包括按照电力节点的净注入功率值,将电力节点划分为发电节点、传输节点和负荷节点,采用正向叠加和反向抵消的策略,让电力节点之间只有一条传输功率为非负的边连接,从而构建出电网拓扑结构。
4.根据权利要求1或3所述的一种电网关键节点的识别方法,其特征在于,所述权重向量的计算方式包括采用层次分析法构建出节点的平均电气距离和电气介数中心的决策准则的层次结构模型;采用相对尺度,将两个决策准则进行两两比较,得出判断矩阵;通过一致性比率检测所述判断矩阵是否具备一致性,将具备一致性的判断矩阵的指标作为所对应的权重向量。
5.根据权利要求1所述的一种电网关键节点的识别方法,其特征在于,将所有电力节点的核值划分出多个区间,并确定出最小区间,去掉所述最小区间内的电力节点,更新所述电网拓扑结构,计算更新后的电网拓扑结构中剩余的电力节点核值,重复去掉电力节点以及更新计算的上述步骤,直至所有的电力节点的核值位于同一个区间,将该区间内的所有电力节点作为识别出的关键节点集合。
6.一种电网关键节点的识别装置,其应用于如权利要求1~5任一所述的一种电网关键节点的识别方法,其特征在于,所述识别装置包括:
拓扑结构构建模块,用于按照电网中电力节点注入功率和线路传输功率的有效性规则,构建出功率有效性的电网拓扑结构;
关键度评估模块,用于计算出电力节点的平均电气距离以及电气介数中心,并分别分配权重向量,构建出关键度评估模型;
核值计算模块,用于根据所述关键度评估模型,计算出每个电力节点的核值;
区间划分模块,用于按照电力节点的核值划分出多个区间,并确定其中的最小区间;
拓扑更新模块,用于删除最小区间内的电力节点,更新电网拓扑结构后,返回所述核值计算模块;
节点输出模块,用于输出最后一个区间的电力节点,即为关键点集合。
7.一种电网关键节点的识别***,其特征在于,所述识别***包括:
数据采集模块,用于采集电网中电力节点的电力数据;
如权利要求6所述的电网关键节点的识别装置,用于对采集到的电力节点的电力数据进行识别,输出关键点集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011468470.2A CN112487658B (zh) | 2020-12-14 | 2020-12-14 | 一种电网关键节点的识别方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011468470.2A CN112487658B (zh) | 2020-12-14 | 2020-12-14 | 一种电网关键节点的识别方法、装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112487658A CN112487658A (zh) | 2021-03-12 |
CN112487658B true CN112487658B (zh) | 2022-09-16 |
Family
ID=74916837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011468470.2A Active CN112487658B (zh) | 2020-12-14 | 2020-12-14 | 一种电网关键节点的识别方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487658B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113507389B (zh) * | 2021-07-08 | 2022-05-03 | 华北电力大学 | 一种电网关键节点识别方法及*** |
CN113591937B (zh) * | 2021-07-09 | 2023-09-26 | 国家电网有限公司 | 一种基于局部距离编码的电力***关键节点识别方法 |
CN113536508B (zh) * | 2021-07-30 | 2023-11-21 | 齐鲁工业大学 | 一种制造网络节点分类方法及*** |
CN114943430B (zh) * | 2022-05-13 | 2023-04-28 | 平顶山学院 | 一种基于深度强化学习的智能电网关键节点识别方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104362638A (zh) * | 2014-12-04 | 2015-02-18 | 国家电网公司 | 基于相量量测单元量测的电网聚合的关键节点电压调控方法 |
GB201500943D0 (en) * | 2015-01-20 | 2015-03-04 | Tumbling Dice Ltd | Improvements in and relating to network analysis |
CN105303460A (zh) * | 2015-10-30 | 2016-02-03 | 国家电网公司 | 一种电网关键节点和关键支路的辨识方法 |
CN105426685A (zh) * | 2015-11-27 | 2016-03-23 | 云南电网有限责任公司电力科学研究院 | 一种电力***雷击闪络风险评估方法 |
CN105893740A (zh) * | 2016-03-29 | 2016-08-24 | 中国人民解放军国防科学技术大学 | 一种用于挖掘电力网络中脆弱节点和线路的方法 |
CN106779309A (zh) * | 2016-11-24 | 2017-05-31 | 华北电力大学(保定) | 关键线路多角度多层次的辨识方法 |
CN106850254A (zh) * | 2016-12-20 | 2017-06-13 | 国网新疆电力公司信息通信公司 | 一种电力通信网中关键节点识别方法 |
CN107453357A (zh) * | 2017-08-24 | 2017-12-08 | 天津大学 | 一种基于分层求解的配电网状态估计方法 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
CN107622360A (zh) * | 2017-10-20 | 2018-01-23 | 广东电网有限责任公司电力调度控制中心 | 一种综合考虑主客观因素的关键线路识别方法 |
CN107947151A (zh) * | 2017-11-02 | 2018-04-20 | 广西电网有限责任公司电力科学研究院 | 一种电力***关键节点的识别方法 |
CN108879708A (zh) * | 2018-08-28 | 2018-11-23 | 东北大学 | 一种主动配电网的无功电压分区方法及*** |
CN109687438A (zh) * | 2018-12-19 | 2019-04-26 | 西南交通大学 | 一种计及高铁冲击负荷作用下的电网脆弱线路辨识方法 |
CN109830963A (zh) * | 2019-01-08 | 2019-05-31 | 国网山东省电力公司滨州供电公司 | 一种计及电压等级影响的电网关键节点识别方法 |
CN110034581A (zh) * | 2019-04-23 | 2019-07-19 | 湘潭大学 | 风电并网下电力***的区间电气介数脆弱性评估方法 |
CN110570094A (zh) * | 2019-08-13 | 2019-12-13 | 国网四川省电力公司成都供电公司 | 一种中压配电网网架结构坚强度的评估方法及*** |
CN111697590A (zh) * | 2020-06-19 | 2020-09-22 | 上海交通大学 | 一种基于熵权法的电力***关键节点识别方法及*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8401709B2 (en) * | 2009-11-03 | 2013-03-19 | Spirae, Inc. | Dynamic distributed power grid control system |
US9432312B2 (en) * | 2013-02-05 | 2016-08-30 | Cisco Technology, Inc. | Proactive and selective time-stamping of packet headers based on quality of service experience and node location |
US10452845B2 (en) * | 2017-03-08 | 2019-10-22 | General Electric Company | Generic framework to detect cyber threats in electric power grid |
US20180262525A1 (en) * | 2017-03-09 | 2018-09-13 | General Electric Company | Multi-modal, multi-disciplinary feature discovery to detect cyber threats in electric power grid |
US11520881B2 (en) * | 2019-01-23 | 2022-12-06 | General Electric Company | Framework for cyber-physical system protection of electric vehicle charging stations and power grid |
-
2020
- 2020-12-14 CN CN202011468470.2A patent/CN112487658B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104362638A (zh) * | 2014-12-04 | 2015-02-18 | 国家电网公司 | 基于相量量测单元量测的电网聚合的关键节点电压调控方法 |
GB201500943D0 (en) * | 2015-01-20 | 2015-03-04 | Tumbling Dice Ltd | Improvements in and relating to network analysis |
CN105303460A (zh) * | 2015-10-30 | 2016-02-03 | 国家电网公司 | 一种电网关键节点和关键支路的辨识方法 |
CN105426685A (zh) * | 2015-11-27 | 2016-03-23 | 云南电网有限责任公司电力科学研究院 | 一种电力***雷击闪络风险评估方法 |
CN105893740A (zh) * | 2016-03-29 | 2016-08-24 | 中国人民解放军国防科学技术大学 | 一种用于挖掘电力网络中脆弱节点和线路的方法 |
CN106779309A (zh) * | 2016-11-24 | 2017-05-31 | 华北电力大学(保定) | 关键线路多角度多层次的辨识方法 |
CN106850254A (zh) * | 2016-12-20 | 2017-06-13 | 国网新疆电力公司信息通信公司 | 一种电力通信网中关键节点识别方法 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
CN107453357A (zh) * | 2017-08-24 | 2017-12-08 | 天津大学 | 一种基于分层求解的配电网状态估计方法 |
CN107622360A (zh) * | 2017-10-20 | 2018-01-23 | 广东电网有限责任公司电力调度控制中心 | 一种综合考虑主客观因素的关键线路识别方法 |
CN107947151A (zh) * | 2017-11-02 | 2018-04-20 | 广西电网有限责任公司电力科学研究院 | 一种电力***关键节点的识别方法 |
CN108879708A (zh) * | 2018-08-28 | 2018-11-23 | 东北大学 | 一种主动配电网的无功电压分区方法及*** |
CN109687438A (zh) * | 2018-12-19 | 2019-04-26 | 西南交通大学 | 一种计及高铁冲击负荷作用下的电网脆弱线路辨识方法 |
CN109830963A (zh) * | 2019-01-08 | 2019-05-31 | 国网山东省电力公司滨州供电公司 | 一种计及电压等级影响的电网关键节点识别方法 |
CN110034581A (zh) * | 2019-04-23 | 2019-07-19 | 湘潭大学 | 风电并网下电力***的区间电气介数脆弱性评估方法 |
CN110570094A (zh) * | 2019-08-13 | 2019-12-13 | 国网四川省电力公司成都供电公司 | 一种中压配电网网架结构坚强度的评估方法及*** |
CN111697590A (zh) * | 2020-06-19 | 2020-09-22 | 上海交通大学 | 一种基于熵权法的电力***关键节点识别方法及*** |
Non-Patent Citations (2)
Title |
---|
Identifying groups of critical edges in a realistic electrical network by multi-objective genetic algorithms;Zio,E等;《Reliability Engineering & System Safety》;20120331;第99卷;第172-177页 * |
基于复杂网络理论的无功电压分区与关键线路辨识;徐毅非;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20180315(第3期);第C042-1629页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112487658A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112487658B (zh) | 一种电网关键节点的识别方法、装置及*** | |
CN102594909B (zh) | 基于共邻矩阵谱信息的多目标社区检测方法 | |
CN106850254B (zh) | 一种电力通信网中关键节点识别方法 | |
CN107482626A (zh) | 一种区域电网关键节点识别方法 | |
CN110969347A (zh) | 一种输电网结构形态评估方法 | |
CN104992266A (zh) | 确定电网节点重要度的方法及*** | |
CN104077393B (zh) | 一种基于半监督谱聚类的最优解列断面搜索方法 | |
CN110417011A (zh) | 一种基于互信息与迭代随机森林的在线动态安全评估方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN107947151A (zh) | 一种电力***关键节点的识别方法 | |
CN114638021B (zh) | 物联网轻量级区块链***安全性评价方法 | |
CN107944705A (zh) | 一种基于模块度划分通信社团的全端可靠性计算方法 | |
CN111966574A (zh) | 一种航电通用计算平台的架构方案评估方法 | |
CN111160716A (zh) | 基于潮流介数的大电网脆弱性评估方法 | |
Liu et al. | Link prediction by multiple motifs in directed networks | |
CN105228185A (zh) | 一种用于识别通信网络中模糊冗余节点身份的方法 | |
Li et al. | An effective reliability evaluation method for power communication network based on community structure | |
CN112103950B (zh) | 一种基于改进gn***算法的电网分区方法 | |
Chabert‐Liddell et al. | Impact of the mesoscale structure of a bipartite ecological interaction network on its robustness through a probabilistic modeling | |
CN107086565A (zh) | 一种基于聚合理论的预想事故自动选择方法 | |
Shen et al. | A maintainability evaluation method for wireless sensor networks based on AHP and fuzzy comprehensive evaluation | |
CN114978878B (zh) | 定位方法、装置、电子设备及计算机可读存储介质 | |
CN115577292A (zh) | 基于抽象对偶网络和连锁故障超网络的脆弱线路辨识方法 | |
CN108268982B (zh) | 一种大规模有源配电网分解策略评价方法和装置 | |
Lu et al. | EMH: Extended Mixing H-index centrality for identification important users in social networks based on neighborhood diversity |
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 |