CN112731150A - 电压暂降状态估计方法、装置、计算机设备和存储介质 - Google Patents
电压暂降状态估计方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112731150A CN112731150A CN202011424792.7A CN202011424792A CN112731150A CN 112731150 A CN112731150 A CN 112731150A CN 202011424792 A CN202011424792 A CN 202011424792A CN 112731150 A CN112731150 A CN 112731150A
- Authority
- CN
- China
- Prior art keywords
- matrix
- bus
- fault
- voltage sag
- frequency
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims abstract description 327
- 238000005457 optimization Methods 0.000 claims abstract description 58
- 238000005259 measurement Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000012806 monitoring device Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 23
- 239000000126 substance Substances 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及电压暂降状态估计方法、装置、计算机设备和存储介质。所述方法包括:获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;待测电网包括预设故障点、第一母线和第二母线,预设故障点发生故障可能导致第一母线和第二母线发生电压暂降;根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵;故障频次矩阵包括对应每一预设故障点的故障频次;根据故障频次矩阵预估第二母线上的电压暂降频次。采用本方法能够简化模型,以减少预估电压暂降频次中的数据计算量,提高计算效率。
Description
技术领域
本申请涉及电力***技术领域,特别是涉及一种电压暂降状态估计方法、装置、计算机设备和存储介质。
背景技术
电压暂降(Voltage Sag)是指电力***中某点工频电压有效值降低至额定电压的10%~90%,一般持续10ms~1min,然后又恢复到正常水平的现象,是影响电能质量的重要因素。电压暂降严重时会引起电网中母线的短路故障,影响到敏感设备的正常运行,给电力企业和用户带来巨大的经济损失。电压暂降状态可通过电压暂降频次表征,实时监测并分析电压暂降频次,技术人员可及时采取有效措施降低电压暂降发生的频次,改善电能质量问题,进而降低电压暂降造成的经济损失。
传统技术中,采用数值解法利用有限的电压暂降频次监测数据对全网母线进行电压暂降频次估计。
然而,数值解法的数学模型复杂,计算量大,计算效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种电压暂降状态估计方法、装置、计算机设备和存储介质。
一种电压暂降状态估计方法,包括:
获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;其中,待测电网包括预设故障点、第一母线和第二母线,第一母线包括设置电压暂降监测装置的至少一个电网母线,第二母线包括未设置电压暂降监测装置的至少一个电网母线,预设故障点为在待测电网中设置的可能发生故障的位置,预设故障点发生故障可能导致第一母线和第二母线发生电压暂降;
根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵;其中,故障频次矩阵包括对应每一预设故障点的故障频次;
根据故障频次矩阵预估第二母线上的电压暂降频次。
在其中一个实施例中,基于预设故障点建立的故障频次矩阵等于稀疏基矩阵和稀疏表示系数矩阵的乘积;其中,稀疏基矩阵为所选稀疏变换所用的稀疏基常量矩阵,故障频次矩阵及稀疏表示系数矩阵均为未知量矩阵。
在其中一个实施例中,根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵,包括:
基于稀疏表示系数的稀疏性质,通过压缩感知理论中的非凸基追踪算法建立优化模型:
其中,为目标函数,H=Aθ为约束条件,0≤p<1,‖θ‖p表示lp范数,argmin表示选取使最小的稀疏表示系数矩阵θ作为稀疏表示系数矩阵θ的目标解;为稀疏表示系数矩阵θ的目标解;预设的电压暂降状态估计模型为H=MX,H为量测矩阵,X为故障频次矩阵,M为通过待测电网的网络拓扑确定的量测矩阵H与故障频次矩阵X之间的关系矩阵常量;A为传感矩阵常量,A=MΨ;
根据优化模型确定故障频次矩阵。
在其中一个实施例中,根据优化模型确定故障频次矩阵,包括:
其中,θi为稀疏表示系数矩阵θ中的第i个元素;ωi为加权l2范数的加权系数;
根据目标优化模型,得稀疏表示系数矩阵θ的迭代求解公式:
θ(n)=QnAT(AQnAT)-1H;
为稀疏表示系数矩阵θ设置一个稀疏的初值,进行迭代,当|θ(n)-θ(n-1)|<ε时,得到稀疏表示系数矩阵θ的目标解;其中,ε为预设的迭代结束阈值;
将稀疏表示系数矩阵θ的目标解带入X=Ψθ,得到故障频次矩阵X。
在其中一个实施例中,根据故障频次矩阵预估第二母线上的电压暂降频次,包括:
对故障频次矩阵中故障频次不为0对应的预设故障点进行短路计算,以确定第二母线上是否会发生电压暂降;
若是,则确定故障频次矩阵中对应预设故障点的故障频次为第二母线上预估的初始电压暂降频次;
根据第二母线上预估的初始电压暂降频次确定第二母线上预估的电压暂降频次。
在其中一个实施例中,对故障频次矩阵中对应的预设故障点进行短路计算,以确定第二母线上是否会发生电压暂降,包括:
计算故障频次矩阵中对应的预设故障点短路时,预设故障点所对应的第二母线上的电压;
获取第二母线上的电压和正常电压的比值;
若比值小于预设的比例阈值,则确定第二母线上会发生电压暂降;
若比值不小于比例阈值,则确定第二母线上不发生电压暂降。
在其中一个实施例中,根据第二母线上预估的初始电压暂降频次确定第二母线上预估的电压暂降频次,包括:
获取相同第二母线上初始电压暂降频次之和,得到第二母线上预估的电压暂降频次。
一种电压暂降状态估计装置,包括:
数据获取模块,用于获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;其中,待测电网包括预设故障点、第一母线和第二母线,第一母线包括设置电压暂降监测装置的至少一个电网母线,第二母线包括未设置电压暂降监测装置的至少一个电网母线,预设故障点为在待测电网中设置的可能发生故障的位置,预设故障点发生故障可能导致第一母线和第二母线发生电压暂降;
故障预估模块,用于根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵;其中,故障频次矩阵包括对应每一预设故障点的故障频次;
暂降预估模型,用于根据故障频次矩阵预估第二母线上的电压暂降频次。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;其中,待测电网包括预设故障点、第一母线和第二母线,第一母线包括设置电压暂降监测装置的至少一个电网母线,第二母线包括未设置电压暂降监测装置的至少一个电网母线,预设故障点为在待测电网中设置的可能发生故障的位置,预设故障点发生故障可能导致第一母线和第二母线发生电压暂;
根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵;其中,故障频次矩阵包括对应每一预设故障点的故障频次;
根据故障频次矩阵预估第二母线上的电压暂降频次。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;其中,待测电网包括预设故障点、第一母线和第二母线,第一母线包括设置电压暂降监测装置的至少一个电网母线,第二母线包括未设置电压暂降监测装置的至少一个电网母线,预设故障点为在待测电网中设置的可能发生故障的位置,预设故障点发生故障可能导致第一母线和第二母线发生电压暂降;
根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵;其中,故障频次矩阵包括对应每一预设故障点的故障频次;
根据故障频次矩阵预估第二母线上的电压暂降频次。
上述电压暂降状态估计方法、装置、计算机设备和存储介质,通过获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;待测电网包括预设故障点、第一母线和第二母线,第一母线包括设置电压暂降监测装置的至少一个电网母线,第二母线包括未设置电压暂降监测装置的至少一个电网母线,预设故障点为在待测电网中设置的可能发生故障的位置,预设故障点发生故障可能导致第一母线和第二母线发生电压暂降;根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵;故障频次矩阵包括对应每一预设故障点的故障频次;根据故障频次矩阵预估第二母线上的电压暂降频次,以简化模型,以减少预估电压暂降频次中的数据计算量,提高计算效率。
附图说明
图1为一个实施例中电压暂降状态估计方法的流程示意图;
图2为一个实施例中确定故障频次矩阵的流程示意图;
图3为另一个实施例中电压暂降状态估计方法流程示意图;
图4为一个实施例中电压暂降状态估计装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
待测电网中包括多个电网母线,部分电网母线即第一母线上设置有电压暂降监测装置,通过该电压暂降监测装置可直接检测得到第一母线上发生电压暂降的实测电压暂降频次,而部分母线即第二母线上并未设置上述电压暂降监测装置,则无法直接得到第二母线上发生电压暂降的频次。本申请提供的电压暂降状态估计方法,可以根据第一母线上的实测电压暂降频次对第二母线上的电压暂降频次进行预估,以确定第二母线上的电压暂降状态。本实施例中,如图1所示,该方法包括以下步骤:
S110、获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵。
其中,待测电网包括预设故障点、第一母线和第二母线,第一母线包括设置电压暂降监测装置的至少一电网母线,第二母线包括未设置电压暂降监测装置的至少一电网母线,预设故障点为在待测电网中设置的可能发生故障的位置,预设故障点发生故障可能导致第一母线和第二母线发生电压暂降。待测电网包括至少一个预设故障点和至少一个第一母线,以及至少一个第二母线。
可选地,预设故障点为与待测电网中电网母线连接的某一线路上的具***置,也可以是与待测电网中电网母线连接的设备的具***置。其中,预设故障点可对应连接多个电网母线,每一预设故障点故障,则会导致对应连接的多个电网母线可能发生电压暂降。
具体地,计算机设备获取待测电网中未设置电压暂降监测装置的第一母线上的实测电压暂降频次,每一实测电压暂降频次对应一第一母线,获取到n个实测电压暂降频次hi,对应构成n×1的量测矩阵H。
S120、根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵。
其中,故障频次矩阵中包括预设个数的预设故障点中每一预设故障点所对应的故障频次。例如,包括z个预设故障点中每一预设故障点所对应的故障频次xi,构成z×1的故障频次矩阵X。预设的电压暂降状态估计模型用于根据第一母线上的实测电压暂降频次矩阵对可能发生故障的预设故障点构成的故障频次矩阵进行预估,而故障频次矩阵具有稀疏先验性,可由稀疏基矩阵和稀疏表示系数矩阵确定。
具体地,计算机设备对电压暂降状态估计模型中的故障频次矩阵进行替换,采用稀疏基矩阵和稀疏表示系数矩阵表示故障频次矩阵,以得到关于量测矩阵、稀疏基矩阵和稀疏表示系数矩阵的关系式,并将量测矩阵输入该关系式中,求解得到稀疏表示系数矩阵,进而根据故障频次矩阵与稀疏基矩阵和稀疏表示系数矩阵三者之间的关系确定故障频次矩阵。
S130、根据故障频次矩阵预估第二母线上的电压暂降频次。
具体地,计算机设备根据得到的故障频次矩阵,确定每一预设故障点故障时,所对应的电网母线上是否发生电压暂降。若是,计算机设备则确定对应预设故障点的故障频次为该预设故障点所对应的发生电压暂降的电网母线上预估的电压暂降频次。例如,预设故障点A对应第二母线1~3,计算后确定若预设故障点A故障,第二母线1和3发生电压暂降,若预设故障点A的故障频次为5次,对应第二母线1和3上预估的电压暂降频次也为5次。
本实施例中,计算机设备获取待测电网中安装了电压暂降监测装置的第一母线上的实测电压暂降频次,得到量测矩阵,并根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立预设故障点的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵,进而根据故障频次矩阵预估未设置电压暂降监测装置的第二母线上的电压暂降频次。通过上述方法,利用故障频次矩阵的稀疏先验性,采用稀疏基矩阵和稀疏表示系数矩阵替换电压暂降状态估计模型中的故障频次矩阵,简化模型,以减少预估电压暂降频次中的数据计算量,提高计算效率。
在一个实施例中,可利用压缩感知理论中的非凸基追踪算法求解故障频次矩阵,如图2所示,上述S120包括:
S210、基于稀疏表示系数的稀疏性质,通过压缩感知理论中的非凸基追踪算法建立优化模型:
其中,为目标函数,H=Aθ为约束条件,0≤p<1,‖θ‖p表示lp范数,argmin表示选取使最小的稀疏表示系数矩阵θ作为稀疏表示系数矩阵θ的目标解;为稀疏表示系数矩阵θ的目标解;预设的电压暂降状态估计模型为H=MX,H为量测矩阵,X为故障频次矩阵,M为通过待测电网的网络拓扑确定的量测矩阵H与故障频次矩阵X之间的关系矩阵常量;A为传感矩阵常量,A=MΨ。
具体地,电压暂降状态估计模型满足H=MX,计算机设备利用故障频次矩阵X的稀疏先验性,将故障频次矩阵X分解为稀疏基矩阵Ψ和稀疏表示系数矩阵θ,得到故障频次矩阵X的稀疏表达式X=Ψθ,即故障频次矩阵X等于稀疏基矩阵Ψ和稀疏表示系数矩阵θ的乘积。其中,稀疏基矩阵Ψ为所选稀疏变换所用的稀疏基常量矩阵,故障频次矩阵X及稀疏表示系数矩阵θ均为未知量矩阵。计算机设备将X=Ψθ替换电压暂降状态估计模型H=MX中的X,得到H=Aθ。
S220、根据优化模型确定故障频次矩阵。
其中,θi为稀疏表示系数矩阵θ中的第i个元素;ωi为l2范数的加权系数。
根据上述优化模型,可得θ的迭代求解公式为:
θ(n)=QnAT(AQnAT)-1H
其中,n为迭代次数,Qn为对角矩阵,其表达式为:
ωi=|θ(n-1)|p-2
计算机设备为θ设置一个稀疏的初值,带入上述目标优化模型中进行迭代,当|θ(n)-θ(n-1)|<ε时,输出的θ即为稀疏表示系数矩阵θ的目标解。其中,ε为预设的迭代结束阈值。
计算机设备利用上述故障频次矩阵X的稀疏表达式X=Ψθ,将求解得到的稀疏表示系数矩阵θ的目标解带入X=Ψθ中,得到故障频次矩阵X。
本实施例中,计算机设备利用故障频次矩阵X的稀疏表达式X=Ψθ将电压暂降状态估计模型H=MX转换为目标估计模型H=Aθ,并构建上述目标优化模型,并利用上述压缩感知理论中的非凸基追踪算法求解故障频次矩阵,简化了模型,减少了数据计算量,进而提高了计算效率。
在一个实施例中,为提高未设置电压暂降监测装置的第二母线上预估的电压暂降频次的准确性,如图3所示,上述S130包括:
S330、对故障频次矩阵中故障频次不为0对应的预设故障点进行短路计算,以确定第二母线上是否会发生电压暂降。
其中,预设故障点故障并不一定导致该预设故障点所对应的第二母线发生电压暂降,计算机设备需根据该预设故障点短路时,对应每一第二母线上的电压具体确定该第二母线上是否会发生电压暂降。
具体地,计算机设备计算故障频次矩阵中故障频次不为0对应的预设故障点短路时,该预设故障点所对应的第二母线上的电压,并获取对应的第二母线上的电压与该第二母线上正常电压值的比值,根据该比值与预设的比例阈值的大小确定该第二母线上是否会发生电压暂降。其中,若得到的比值小于比例阈值,计算机设备则确定第二母线上会发生电压暂降;若比值不小于比例阈值,计算机设备则确定第二母线上不发生电压暂降。例如,故障频次矩阵X中包括分别对应预设故障点B1~B5的故障频次x1~x5,其中,x1=0,x2=0,x3=3,x4=0,x5=0,计算机设备计算故障频次矩阵中x3=3对应的预设故障点B3短路时,预设故障点B3所对应的第二母线上的电压U3,进而根据电压U3与正常电压值U0确定该第二母线是否会发生电压暂降。其中,第二母线包括3个,分别为第二母线1~3,对预设故障点B3进行短路计算后,对应得到第二母线1~3的电压U3-1,U3-2和U3-3,并得到与U0的的比值,最后将得到的比值与预设的比例阈值90%进行比较,以确定第二母线1~3上是否会发生电压暂降。例如,若U3-1/U0=95%,确定对应第二母线1上则不会发生电压暂降,若U3-2/U0=75%,确定对第二网母线2上则会发生电压暂降,若U3-3/U0=60%,确定对应第二母线3则会发生电压暂降。
S320、若是,则确定故障频次矩阵中对应预设故障点的故障频次为第二母线上预估的初始电压暂降频次。
具体地,若第二母线上会发生电压暂降,计算机设备则确定故障频次矩阵中对应预设故障点的故障频次为第二母线上预估的初始电压暂降频次。例如,上述计算机设备确定第二母线2和3上会发生电压暂降后,则确定预设故障点B3对应的故障频次x3=3为第二母线2和3上预估的初始电压暂降频次。
S330、根据第二母线上预估的初始电压暂降频次确定第二母线上预估的电压暂降频次。
其中,不同预设故障点之间对应的第二母线可能存在重复,例如,预设故障点C1对应第二母线1,2,3,预设故障点C2对应第二母线2和5,预设故障点C3对应第二母线4,5,6。计算机设备则需将相同第二母线的初始电压暂降频次加起来,以计算每一第二母线上预估的电压暂降频次。
具体地,计算机设备获取相同第二母线中上预估的初始电压暂降频次之和,得到每一第二母线上预估的电压暂降频次。例如,预设故障点C1对应的第二母线包括3个,分别为第二母线1,2,3,预设故障点C2对应的第二母线2和5,预设故障点C3对应的第二母线4,5,6。其中,计算机计算后确定第二母线2,5,6会发生电压暂降,预设故障点C1的故障频次为2,第二母线2的初始电压暂降频次即为2,预设故障点C2的故障频次为5,第二母线2和5的初始电压暂降频次即均为5,预设故障点C3的故障频次为11,第二母线5和6的初始电压暂降频次即均为11,最终预估第二母线2的电压暂降频次为2+5=7次,预估第二母线5的电压暂降频次为5+11=16次,预估第二母线6的电压暂降频次为11次。
本实施例中,计算机设备对故障频次矩阵中故障频次不为0对应的预设故障点进行短路计算,以确定第二母线上是否会发生电压暂降,并将故障频次作为发生电压暂降的第二母线的初始电压暂降,进而获取相同的会发生电压暂降的第二母线上的初始电压暂降之和,以得到每一第二母线上预估的电压暂降频次,从而提高预估每一电网母线的电压暂降频次的准确率。
应该理解的是,虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-3中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种电压暂降状态估计装置,包括:数据获取模块401、故障预估模块402和暂降预估模块403,其中:
数据获取模块401用于获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;其中,待测电网包括预设故障点、第一母线和第二母线,第一母线包括设置电压暂降监测装置的至少一个电网母线,第二母线包括未设置电压暂降监测装置的至少一个电网母线,预设故障点为在待测电网中设置的可能发生故障的位置,预设故障点发生故障可能导致第一母线和第二母线发生电压暂降;
故障预估模块,用于根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵;其中,故障频次矩阵包括对应每一预设故障点的故障频次;
暂降预估模型,用于根据故障频次矩阵预估第二母线上的电压暂降频次。
在其中一个实施例中,基于预设故障点建立的故障频次矩阵等于稀疏基矩阵和稀疏表示系数矩阵的乘积;其中,稀疏基矩阵为所选稀疏变换所用的稀疏基常量矩阵,故障频次矩阵及稀疏表示系数矩阵均为未知量矩阵。
在其中一个实施例中,故障预估模块402具体用于:
基于稀疏表示系数的稀疏性质,通过压缩感知理论中的非凸基追踪算法建立优化模型:
其中,为目标函数,H=Aθ为约束条件,0≤p<1,‖θ‖p表示lp范数,argmin表示选取使最小的稀疏表示系数矩阵θ作为稀疏表示系数矩阵θ的目标解;为稀疏表示系数矩阵θ的目标解;预设的电压暂降状态估计模型为H=MX,H为量测矩阵,X为故障频次矩阵,M为通过待测电网的网络拓扑确定的量测矩阵H与故障频次矩阵X之间的关系矩阵常量;A为传感矩阵常量,A=MΨ;根据优化模型确定故障频次矩阵。
在其中一个实施例中,故障预估模块402具体用于:
其中,θi为稀疏表示系数矩阵θ中的第i个元素;ωi为加权l2范数的加权系数;
根据目标优化模型,得稀疏表示系数矩阵θ的迭代求解公式:
θ(n)=QnAT(AQnAT)-1H;
为稀疏表示系数矩阵θ设置一个稀疏的初值,进行迭代,当|θ(n)-θ(n-1)|<ε时,得到稀疏表示系数矩阵θ的目标解;其中,ε为预设的迭代结束阈值;
将稀疏表示系数矩阵θ的目标解带入X=Ψθ,得到故障频次矩阵X。
在其中一个实施例中,暂降预估模块403具体用于:
对故障频次矩阵中故障频次不为0对应的预设故障点进行短路计算,以确定第二母线上是否会发生电压暂降;若是,则确定故障频次矩阵中对应预设故障点的故障频次为第二母线上预估的初始电压暂降频次;根据第二母线上预估的初始电压暂降频次确定第二母线上预估的电压暂降频次。
在其中一个实施例中,暂降预估模块403具体用于:
计算故障频次矩阵中对应的预设故障点短路时,预设故障点所对应的第二母线上的电压;获取第二母线上的电压和正常电压值的比值;若比值小于预设的比例阈值,则确定第二母线上会发生电压暂降;若比值不小于比例阈值,则确定第二母线上不发生电压暂降。
在其中一个实施例中,暂降预估模块403具体用于:
获取相同第二母线上初始电压暂降频次之和,得到第二母线上预估的电压暂降频次。
关于压暂降频次的预估装置的具体限定可以参见上文中对于压暂降频次的预估方法的限定,在此不再赘述。上述压暂降频次的预估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种压暂降状态估计方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;其中,待测电网包括预设故障点、第一母线和第二母线,第一母线包括设置电压暂降监测装置的至少一个电网母线,第二母线包括未设置电压暂降监测装置的至少一个电网母线,预设故障点为在待测电网中设置的可能发生故障的位置,预设故障点发生故障可能导致第一母线和第二母线发生电压暂降;根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵;其中,故障频次矩阵包括对应每一预设故障点的故障频次;根据故障频次矩阵预估第二母线上的电压暂降频次。
在一个实施例中,基于预设故障点建立的故障频次矩阵等于稀疏基矩阵和稀疏表示系数矩阵的乘积;其中,稀疏基矩阵为所选稀疏变换所用的稀疏基常量矩阵,故障频次矩阵及稀疏表示系数矩阵均为未知量矩阵。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于稀疏表示系数的稀疏性质,通过压缩感知理论中的非凸基追踪算法建立优化模型:
其中,为目标函数,H=Aθ为约束条件,0≤p<1,‖θ‖p表示lp范数,argmin表示选取使最小的稀疏表示系数矩阵θ作为稀疏表示系数矩阵θ的目标解;为稀疏表示系数矩阵θ的目标解;预设的电压暂降状态估计模型为H=MX,H为量测矩阵,X为故障频次矩阵,M为通过待测电网的网络拓扑确定的量测矩阵H与故障频次矩阵X之间的关系矩阵常量;A为传感矩阵常量,A=MΨ;根据优化模型确定故障频次矩阵。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
其中,θi为稀疏表示系数矩阵θ中的第i个元素;ωi为加权l2范数的加权系数;
根据目标优化模型,得稀疏表示系数矩阵θ的迭代求解公式:
θ(n)=QnAT(AQnAT)-1H;
为稀疏表示系数矩阵θ设置一个稀疏的初值,进行迭代,当|θ(n)-θ(n-1)|<ε时,得到稀疏表示系数矩阵θ的目标解;其中,ε为预设的迭代结束阈值;将稀疏表示系数矩阵θ的目标解带入X=Ψθ,得到故障频次矩阵X。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对故障频次矩阵中故障频次不为0对应的预设故障点进行短路计算,以确定第二母线上是否会发生电压暂降;若是,则确定故障频次矩阵中对应预设故障点的故障频次为第二母线上预估的初始电压暂降频次;根据第二母线上预估的初始电压暂降频次确定第二母线上预估的电压暂降频次。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
计算故障频次矩阵中对应的预设故障点短路时,预设故障点所对应的第二母线上的电压;获取第二母线上的电压和正常电压值的比值;若比值小于预设的比例阈值,则确定第二母线上会发生电压暂降;若比值不小于比例阈值,则确定第二母线上不发生电压暂降。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取相同第二母线上初始电压暂降频次之和,得到第二母线上预估的电压暂降频次。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;其中,待测电网包括预设故障点、第一母线和第二母线,第一母线包括设置电压暂降监测装置的至少一个电网母线,第二母线包括未设置电压暂降监测装置的至少一个电网母线,预设故障点为在待测电网中设置的可能发生故障的位置,预设故障点发生故障可能导致第一母线和第二母线发生电压暂降;根据量测矩阵、预设的电压暂降状态估计模型、基于预设故障点建立的故障频次矩阵,以及与故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据优化模型确定故障频次矩阵;其中,故障频次矩阵包括对应每一预设故障点的故障频次;根据故障频次矩阵预估第二母线上的电压暂降频次。
在一个实施例中,基于预设故障点建立的故障频次矩阵等于稀疏基矩阵和稀疏表示系数矩阵的乘积;其中,稀疏基矩阵为所选稀疏变换所用的稀疏基常量矩阵,故障频次矩阵及稀疏表示系数矩阵均为未知量矩阵。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于稀疏表示系数的稀疏性质,通过压缩感知理论中的非凸基追踪算法建立优化模型:
其中,为目标函数,H=Aθ为约束条件,0≤p<1,‖θ‖p表示lp范数,argmin表示选取使最小的稀疏表示系数矩阵θ作为稀疏表示系数矩阵θ的目标解;为稀疏表示系数矩阵θ的目标解;预设的电压暂降状态估计模型为H=MX,H为量测矩阵,X为故障频次矩阵,M为通过待测电网的网络拓扑确定的量测矩阵H与故障频次矩阵X之间的关系矩阵常量;A为传感矩阵常量,A=MΨ;根据优化模型确定故障频次矩阵。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
其中,θi为稀疏表示系数矩阵θ中的第i个元素;ωi为加权l2范数的加权系数;
根据目标优化模型,得稀疏表示系数矩阵θ的迭代求解公式:
θ(n)=QnAT(AQnAT)-1H;
为稀疏表示系数矩阵θ设置一个稀疏的初值,进行迭代,当|θ(n)-θ(n-1)|<ε时,得到稀疏表示系数矩阵θ的目标解;其中,ε为预设的迭代结束阈值;将稀疏表示系数矩阵θ的目标解带入X=Ψθ,得到故障频次矩阵X。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对故障频次矩阵中故障频次不为0对应的预设故障点进行短路计算,以确定第二母线上是否会发生电压暂降;若是,则确定故障频次矩阵中对应预设故障点的故障频次为第二母线上预估的初始电压暂降频次;根据第二母线上预估的初始电压暂降频次确定第二母线上预估的电压暂降频次。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
计算故障频次矩阵中对应的预设故障点短路时,预设故障点所对应的第二母线上的电压;获取第二母线上的电压和正常电压值的比值;若比值小于预设的比例阈值,则确定第二母线上会发生电压暂降;若比值不小于比例阈值,则确定第二母线上不发生电压暂降。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取相同第二母线上初始电压暂降频次之和,得到第二母线上预估的电压暂降频次。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电压暂降状态估计方法,其特征在于,所述方法包括:
获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;其中,所述待测电网包括预设故障点、第一母线和第二母线,所述第一母线包括设置电压暂降监测装置的至少一个电网母线,所述第二母线包括未设置所述电压暂降监测装置的至少一个电网母线,所述预设故障点为在待测电网中设置的可能发生故障的位置,所述预设故障点发生故障可能导致所述第一母线和所述第二母线发生电压暂降;
根据所述量测矩阵、预设的电压暂降状态估计模型、基于所述预设故障点建立的故障频次矩阵,以及与所述故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据所述优化模型确定所述故障频次矩阵;其中,所述故障频次矩阵包括对应每一所述预设故障点的故障频次;
根据所述故障频次矩阵预估所述第二母线上的电压暂降频次。
2.根据权利要求1所述的方法,其特征在于,所述基于所述预设故障点建立的故障频次矩阵等于所述稀疏基矩阵和所述稀疏表示系数矩阵的乘积;其中,所述稀疏基矩阵为所选稀疏变换所用的稀疏基常量矩阵,故障频次矩阵及稀疏表示系数矩阵均为未知量矩阵。
3.根据权利要求2所述的方法,其特征在于,所述根据所述量测矩阵、预设的电压暂降状态估计模型、基于所述预设故障点建立的故障频次矩阵,以及与所述故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据所述优化模型确定所述故障频次矩阵,包括:
基于稀疏表示系数的稀疏性质,通过压缩感知理论中的非凸基追踪算法建立所述优化模型:
其中,为目标函数,H=Aθ为约束条件,0≤p<1,‖θ‖p表示lp范数,argmin表示选取使最小的所述稀疏表示系数矩阵θ作为所述稀疏表示系数矩阵θ的目标解;为所述稀疏表示系数矩阵θ的目标解;所述预设的电压暂降状态估计模型为H=MX,H为所述量测矩阵,X为所述故障频次矩阵,M为通过待测电网的网络拓扑确定的所述量测矩阵H与所述故障频次矩阵X之间的关系矩阵常量;A为传感矩阵常量,A=MΨ;
根据所述优化模型确定所述故障频次矩阵。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述根据所述故障频次矩阵预估所述第二母线上的电压暂降频次,包括:
对所述故障频次矩阵中故障频次不为0对应的所述预设故障点进行短路计算,以确定所述第二母线上是否会发生电压暂降;
若是,则确定所述故障频次矩阵中对应所述预设故障点的故障频次为所述第二母线上预估的初始电压暂降频次;
根据所述第二母线上预估的初始电压暂降频次确定所述第二母线上预估的电压暂降频次。
6.根据权利要求5所述的方法,其特征在于,所述对所述故障频次矩阵中对应的所述预设故障点进行短路计算,以确定所述第二母线上是否会发生电压暂降,包括:
计算所述故障频次矩阵中对应的所述预设故障点短路时,所述预设故障点所对应的所述第二母线上的电压;
获取所述第二母线上的电压和正常电压值的比值;
若所述比值小于预设的比例阈值,则确定所述第二母线上会发生电压暂降;
若所述比值不小于所述比例阈值,则确定所述第二母线上不发生电压暂降。
7.根据权利要求5所述的方法,其特征在于,所述根据所述第二母线上预估的初始电压暂降频次确定所述第二母线上预估的电压暂降频次,包括:
获取相同所述第二母线上初始电压暂降频次之和,得到所述第二母线上预估的电压暂降频次。
8.一种电压暂降状态估计装置,其特征在于,所述装置包括:
数据获取模块,用于获取待测电网中第一母线上的实测电压暂降频次,得到量测矩阵;其中,所述待测电网包括预设故障点、第一母线和第二母线,所述第一母线包括设置电压暂降监测装置的至少一个电网母线,所述第二母线包括未设置所述电压暂降监测装置的至少一个电网母线,所述预设故障点为在待测电网中设置的可能发生故障的位置,所述预设故障点发生故障可能导致所述第一母线和所述第二母线发生电压暂降;
故障预估模块,用于根据所述量测矩阵、预设的电压暂降状态估计模型、基于所述预设故障点建立的故障频次矩阵,以及与所述故障频次矩阵相关的稀疏基矩阵和稀疏表示系数矩阵,建立优化模型,并根据所述优化模型确定所述故障频次矩阵;其中,所述故障频次矩阵包括对应每一所述预设故障点的故障频次;
暂降预估模型,用于根据所述故障频次矩阵预估所述第二母线上的电压暂降频次。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011424792.7A CN112731150B (zh) | 2020-12-08 | 2020-12-08 | 电压暂降状态估计方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011424792.7A CN112731150B (zh) | 2020-12-08 | 2020-12-08 | 电压暂降状态估计方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112731150A true CN112731150A (zh) | 2021-04-30 |
CN112731150B CN112731150B (zh) | 2023-07-07 |
Family
ID=75598540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011424792.7A Active CN112731150B (zh) | 2020-12-08 | 2020-12-08 | 电压暂降状态估计方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112731150B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113363993A (zh) * | 2021-07-16 | 2021-09-07 | 国网冀北电力有限公司电力科学研究院 | 一种基于不动点迭代的电压暂降状态估计方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2698642A2 (en) * | 2012-08-14 | 2014-02-19 | ABB Research Ltd. | "Fault analysis in electric networks having a plurality of multi-phase buses" |
CN104300532A (zh) * | 2014-09-30 | 2015-01-21 | 国网山西省电力公司电力科学研究院 | 一种基于矩阵因子的电压暂降评估流程 |
WO2016197484A1 (zh) * | 2015-06-09 | 2016-12-15 | 国网四川省电力公司经济技术研究院 | 电压暂降监测节点的优化配置方法 |
CN107229774A (zh) * | 2017-04-26 | 2017-10-03 | 江苏大学 | 一种基于广义正交匹配追踪的电能质量信号重构方法 |
CN108896853A (zh) * | 2018-08-09 | 2018-11-27 | 广州供电局有限公司 | 具有分布式电源的电网电压暂降频次评估方法及装置 |
CN108983046A (zh) * | 2018-08-16 | 2018-12-11 | 国网山东省电力公司泰安供电公司 | 一种基于奇异值分解法的电压暂降状态估计方法及*** |
CN110045226A (zh) * | 2019-03-18 | 2019-07-23 | 昆明理工大学 | 一种基于压缩感知的配电网故障定位方法 |
CN112035527A (zh) * | 2020-09-08 | 2020-12-04 | 四川大学 | 基于数据挖掘的电压暂降敏感设备故障水平评估方法 |
-
2020
- 2020-12-08 CN CN202011424792.7A patent/CN112731150B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2698642A2 (en) * | 2012-08-14 | 2014-02-19 | ABB Research Ltd. | "Fault analysis in electric networks having a plurality of multi-phase buses" |
CN104300532A (zh) * | 2014-09-30 | 2015-01-21 | 国网山西省电力公司电力科学研究院 | 一种基于矩阵因子的电压暂降评估流程 |
WO2016197484A1 (zh) * | 2015-06-09 | 2016-12-15 | 国网四川省电力公司经济技术研究院 | 电压暂降监测节点的优化配置方法 |
CN107229774A (zh) * | 2017-04-26 | 2017-10-03 | 江苏大学 | 一种基于广义正交匹配追踪的电能质量信号重构方法 |
CN108896853A (zh) * | 2018-08-09 | 2018-11-27 | 广州供电局有限公司 | 具有分布式电源的电网电压暂降频次评估方法及装置 |
CN108983046A (zh) * | 2018-08-16 | 2018-12-11 | 国网山东省电力公司泰安供电公司 | 一种基于奇异值分解法的电压暂降状态估计方法及*** |
CN110045226A (zh) * | 2019-03-18 | 2019-07-23 | 昆明理工大学 | 一种基于压缩感知的配电网故障定位方法 |
CN112035527A (zh) * | 2020-09-08 | 2020-12-04 | 四川大学 | 基于数据挖掘的电压暂降敏感设备故障水平评估方法 |
Non-Patent Citations (5)
Title |
---|
DONGSUN 等: "A sparse representation-based algorithm for the voltage fluctuation detection of a power system", 《DIGITAL SIGNAL PROCESSING》 * |
JAIRO BLANCO-SOLANO 等: "Voltage Sag State Estimation using Compressive Sensing in Power Systems", 《2019 IEEE MILAN POWERTECH》 * |
刘国海等: "广义正交匹配追踪电能质量信号重构方法", 《电测与仪表》 * |
杨京燕等: "计及电压暂降的配网可靠性评估", 《中国电机工程学报》 * |
沈跃等: "不相干约束项的判别字典表示电能质量扰动分类研究", 《电子测量与仪器学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113363993A (zh) * | 2021-07-16 | 2021-09-07 | 国网冀北电力有限公司电力科学研究院 | 一种基于不动点迭代的电压暂降状态估计方法 |
CN113363993B (zh) * | 2021-07-16 | 2022-04-01 | 国网冀北电力有限公司电力科学研究院 | 一种基于不动点迭代的电压暂降状态估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112731150B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112150311B (zh) | 能耗异常状态检测方法、装置、计算机设备和存储介质 | |
CN111224469A (zh) | 输电线路线损监测预警方法、装置、设备和介质 | |
CN115238831B (zh) | 故障预测方法、装置、计算机设备和存储介质 | |
CN115549084A (zh) | 配电网故障确定方法、装置、计算机设备和存储介质 | |
CN110990135A (zh) | 基于深度迁移学习的Spark作业时间预测方法和装置 | |
CN112731150A (zh) | 电压暂降状态估计方法、装置、计算机设备和存储介质 | |
CN117686102A (zh) | 变压器异常温度主动预警的方法及装置 | |
CN112836843B (zh) | 一种基站退服告警预测方法及装置 | |
CN115544803B (zh) | 一种变压器剩余寿命预测方法、装置、设备及存储介质 | |
CN111507591A (zh) | 电力***状态确定方法、装置、计算机介质及存储介质 | |
CN113887676B (zh) | 设备故障预警方法、装置、设备和存储介质 | |
CN116070734A (zh) | 一种变压器故障预测方法、装置、设备及存储介质 | |
CN113344435B (zh) | 台区供电状态评估、装置、电子设备和存储介质 | |
CN115015632A (zh) | 谐波电压失真的纠正方法、装置、计算机设备、存储介质 | |
CN114462264A (zh) | 一种基于多物理场耦合的电缆接头状态评估方法及装置 | |
CN114185882A (zh) | 一种不良数据修正方法、装置、存储介质及电子设备 | |
CN112926259A (zh) | 一种基于rbf神经网络模型预测半导体器件结温的方法 | |
Li et al. | Uneven internal time-step adjustment for fast power system dynamic simulations based on Trapezoidal integration of elementary transfer function blocks | |
CN118281878A (zh) | 电力***潮流确定方法、装置、计算机设备和存储介质 | |
Kim et al. | COMPARATIVE STUDY ON THE COST ANALYSIS OF SOFTWARE DEVELOPMENT MODEL APPLICABLE TO SYSTEM SOLUTIONS BASED ON GAMMA FAMILY DISTRIBUTION | |
CN116070516A (zh) | 一种电缆温度的预测方法及装置 | |
CN117767275A (zh) | 电压支撑强度实时监测方法、***、存储介质及电子设备 | |
CN117833208A (zh) | 配电网状态推演方法、装置、电子设备和存储介质 | |
He et al. | The analysis of state estimator condition number: A machine learning approach | |
CN115276012A (zh) | 电网潮流估计方法、装置、计算机设备、存储介质 |
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 |