CN113608072B - 基于非健全条件下电力自愈快速故障定位方法 - Google Patents

基于非健全条件下电力自愈快速故障定位方法 Download PDF

Info

Publication number
CN113608072B
CN113608072B CN202111169562.5A CN202111169562A CN113608072B CN 113608072 B CN113608072 B CN 113608072B CN 202111169562 A CN202111169562 A CN 202111169562A CN 113608072 B CN113608072 B CN 113608072B
Authority
CN
China
Prior art keywords
fault
node
probability
nodes
accessed
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
Application number
CN202111169562.5A
Other languages
English (en)
Other versions
CN113608072A (zh
Inventor
练晓玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jingxing Tiancheng Technology Co ltd
Original Assignee
Shenzhen Jingxing Tiancheng Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Jingxing Tiancheng Technology Co ltd filed Critical Shenzhen Jingxing Tiancheng Technology Co ltd
Priority to CN202111169562.5A priority Critical patent/CN113608072B/zh
Publication of CN113608072A publication Critical patent/CN113608072A/zh
Application granted granted Critical
Publication of CN113608072B publication Critical patent/CN113608072B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01R31/08—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
    • 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)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明涉及电力自愈技术领域，具体地说，涉及基于非健全条件下电力自愈快速故障定位方法。其包括故障位置判断，故障搜索定位和区域试探恢复，其中故障位置判断采用的拓扑算法的具体故障位置判断步骤为，一是检测区域划分：对待检测区域进行分初步区域处理，记为
Figure DEST_PATH_IMAGE002
，每个
Figure 345577DEST_PATH_IMAGE002
都包含若干个信息节点，共同组成一个常规状态信息，二是广度搜索：当整个待检测区域的状态信息发生改变时，进行搜索，主动发出检测信号依次对每个
Figure 934822DEST_PATH_IMAGE002
进行访问，判断是否发生变化从而进一步定位故障区域，本发明的目的在于提升非闭环电网在非健全条件下对电网故障位置判断定位的准确性和判断速度。

Description

基于非健全条件下电力自愈快速故障定位方法
技术领域
本发明涉及电力自愈技术领域，具体地说，涉及基于非健全条件下电力自愈快速故障定位方法。
背景技术
配电网自动化是减少停电时间、缩小停电面积从而提高供电可靠性的重要手段，在配电网发生故障时，通过快速定位故障位置然后对故障位置采取隔离的方式可以有效恢复区域供电，同时定位后便于工作人员进行故障维修，但是在判断故障位置时，由于配电设备、配电自动化***和通信网络工作在户外的恶劣环境下，同时非闭环的电网信号通道单一，容易发生漏报或错报故障信息的现象，因此会出现非健全条件下对故障区域进行判断的问题，在非健全条件下，不同的区域的故障是概率问题；
对漏报或错报故障信息的现象如果每次都派出维修人员去现场勘查，就可能会导致人力资源的大量浪费，本发明的目的在于为非闭环电网漏报或错报故障信息产生的错误信息进行检测，为工作人员在非健全条件下判断故障产生概率，避免出现人力资源浪费。
发明内容
本发明的目的在于提供基于非健全条件下电力自愈快速故障定位方法，以解决上述背景技术中提出的在非健全条件下，不同的区域的故障是概率问题，传统的逐个访问的方式难以直接的进行判断同时运算压力大的问题。
为实现上述目的，本发明提供基于非健全条件下电力自愈快速故障定位方法，其方法步骤如下：
S1.1、故障位置判断：通过拓扑算法进行快速的故障位置范围进行初步判断，拓扑算法启动时，***会以报错点为起点，沿着一定的序列访问数据信息节点，得到数据反馈，如果是误报的情况，则在这条路径上得不到其他错误信息反馈，从而定性为误报，不予处理；
当发现其他错误信息反馈时，可以通过拓扑算法将故障位置定位在一个较大的区域内；
S1.2、故障搜索定位：通过树状算法进行深度搜索，从而得到若干故障发生区域，深度搜索时在S1.1得到的较大的区域内进行有顺序的逐个访问，从而得到多个小的可能故障发生区域，并对多个区域的故障概率进行计算；
S1.3、区域试探恢复：逐个对低故障发生率区域进行恢复供电，从而使电网自愈。
作为本技术方案的进一步改进，S1.1中的拓扑算法的具体故障位置判断步骤如下：
S2.1、检测区域划分：对待检测区域进行分初步区域处理，记为
Figure 413510DEST_PATH_IMAGE001
，每个
Figure 265403DEST_PATH_IMAGE001
都包含 若干个信息节点，共同组成一个常规状态信息；
S2.2、广度搜索：当整个待检测区域的状态信息发生改变时，进行搜索，主动发出 检测信号依次对每个
Figure 248403DEST_PATH_IMAGE001
进行访问，获得反馈信息并与步骤S2.1中的常规状态信息进行对 比。
作为本技术方案的进一步改进，所述S2.1中的区域划分时，每个区域
Figure 112454DEST_PATH_IMAGE001
包括至少 两个信息节点，相互独立，且所有的
Figure 130088DEST_PATH_IMAGE001
共同组成完整的待检测区域。
作为本技术方案的进一步改进，所述S2.2中的广度搜索流程如下：
S3.1、读取访问某一区域
Figure 421392DEST_PATH_IMAGE001
为起始节点；
S3.2、依次访问起始节点的各个未被访问过的邻接区域
Figure 891688DEST_PATH_IMAGE001
；
S3.3、从这些刚被访问过的邻接区域
Figure 559430DEST_PATH_IMAGE001
出发，以一定顺序访问它们未被访问过的 邻接区域
Figure 697150DEST_PATH_IMAGE001
，访问顺序规则为:“先被访问的顶点的邻接点”先于“后被访问的顶点的邻接 点”被访问。
S3.4、如果仍有区域
Figure 159355DEST_PATH_IMAGE001
未被访问，则跳到S3.3，否则，结束搜索。
作为本技术方案的进一步改进，所述S1.2包括的对
Figure 116947DEST_PATH_IMAGE001
内的节点的访问的树状算法 具体流程如下：
S4.1、读取访问某一节点为起始节点；
S4.2、沿着某条未被访问过路径搜索，间隔的访问该路径上的节点，直到末节点；
S4.3 、回溯到上一个已访问节点；
S4.4、如果该节点有未被访问过的路径，则跳到S4.2，否则，检查该节点是否为起 始节点，是的话，结束搜索，不是的话，跳到S4.3，读取访问结束后，将原本包含多个节点的
Figure 322800DEST_PATH_IMAGE001
划分为多个连续的包含两个节点的
Figure 315027DEST_PATH_IMAGE002
。
作为本技术方案的进一步改进，所述S1.2包括的对
Figure 213713DEST_PATH_IMAGE001
内的节点的访问的树状算法 在只访问到一个检测到故障信息的节点时，有如下算法流程：
S5.1、以报误节点为起始节点开始读取访问；
S5.2、屏蔽相邻的一个节点向同路径的第三个节点进行访问；
S5.3、当路径被访问完毕时，若仍无法判断，则屏蔽相邻的节点数量加一并重复S5.2。
作为本技术方案的进一步改进，所述S1.3的区域试探恢复步骤如下：
S6.1、将各个可能故障区域按照其故障概率从大到小的顺序排序，逐个恢复低概率区域的供电，同时对高概率区域排出工作人员现场勘查。
S6.2、按照故障概率从大到小的顺序提取可能故障区域,每次只提取一个可能故障区域，满足下列情况之一时终止：一是已经提取的区域的故障概率之和超过阈值a(a一般可取90 %-98 %)；二是第k+1个提取的区域的故障概率低于第k个提取的区域的故障概率的1/m(m一般可取10-20)。
作为本技术方案的进一步改进，所述S1.3概率判断算法如下：
记节点误报概率P（1）=K，具体情况包括，相邻节点均误报为无故障的概率为P（2）=K*K；一个节点误报为无故障的概率为P（3）=K*（1-K）；两个节点均正确上报的概率为P（3）=（1-K）*（1-K）；其中K值一般来说在0.001-0.05之间（随着时间变化而上升）。
作为本技术方案的进一步改进，所述S1.3中的一个节点上报有故障信息的情况下，若该节点上报的故障信息正确，则附近区域存在高概率区域，通过树状算法进行深度搜索，得到的均上报为无故障区域记为低概率区域，可以逐个通电，均上报为故障的区域记为高概率区域，需要暂时隔离。
作为本技术方案的进一步改进，所述S1.3中的节点上报有故障信息为错位的情况下，通过间隔式树状算法进行深度搜索，当间隔节点超过三个仍未发现第二个上报故障信息的节点时，其正确上报的概率计算公式为：
P（4）=K*K*K。
与现有技术相比，本发明的有益效果：
1、该基于非健全条件下电力自愈快速故障定位方法中，通过拓扑结构的方式将非闭环的电网进行连续的划分，然后通过广度搜索再树状搜索的算法方式，从大范围上先缩小需要精确访问的区域，然后通过树状算法精细的访问相邻节点，精细化确定多个小区域。
2、该基于非健全条件下电力自愈快速故障定位方法中，对于误报的情况，通过间隔式的树状搜索方式来扩大单个区域内的信息节点数量，降低节点误报概率，能够较为快速准确的识别底概率故障区域。
3、该基于非健全条件下电力自愈快速故障定位方法中，对高概率区域进行隔离，实现电网的快速自愈能力。
附图说明
图1为本发明的整体流程图；
图2为本发明的拓扑算法步骤流程图；
图3为本发明的事前广度搜索算法步骤流程图；
图4为本发明的事后树状搜索算法步骤流程图；
图5为本发明的电网节点模拟图。
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。
请参阅图1-图5，本发明提供技术方案：
本发明提供基于非健全条件下电力自愈快速故障定位方法，其方法步骤如下：
S1.1、故障位置判断：通过拓扑算法进行快速的故障位置范围进行初步判断；
S1.2、故障搜索定位：通过树状算法进行深度搜索，从而得到若干故障发生区域；
S1.3、区域试探恢复：逐个对低故障发生率区域进行恢复供电，从而使电网自愈。
此外，S1.1中的拓扑算法的具体故障位置判断步骤如下：
S2.1、检测区域划分：对待检测区域进行分初步区域处理，记为，每个
Figure 661531DEST_PATH_IMAGE001
都包含若 干个信息节点，共同组成一个常规状态信息；
S2.2、广度搜索：当整个待检测区域的状态信息发生改变时，进行搜索，主动发出 检测信号依次对每个
Figure 405496DEST_PATH_IMAGE001
进行访问，获得反馈信息并与步骤S2.1中的常规状态信息进行对 比，判断是否发生变化从而进一步定位故障区域。
进一步的，S2.1中的区域划分时，每个区域
Figure 517808DEST_PATH_IMAGE001
包括至少两个信息节点，相互独立， 且所有的
Figure 56237DEST_PATH_IMAGE001
共同组成完整的待检测区域，由于非闭环电路的特性，此时待检测区域作为完 整的拓扑空间X，而
Figure 254000DEST_PATH_IMAGE001
是拓扑空间X的子集，通过拓扑算法进行检查判断，当配电设备、配电 自动化***和通信网络均处于正常状态时，可以快速得出故障位置，然后进行隔离进而使 得电网自愈。
具体的，S2.2中的广度搜索流程如下：
S3.1、读取访问某一区域
Figure 536077DEST_PATH_IMAGE001
为起始节点；
S3.2、依次访问起始节点的各个未被访问过的邻接区域
Figure 502896DEST_PATH_IMAGE001
；
S3.3、从这些刚被访问过的邻接区域
Figure 743384DEST_PATH_IMAGE001
出发，以一定顺序访问它们未被访问过的 邻接区域
Figure 162864DEST_PATH_IMAGE001
，访问顺序规则为:“先被访问的顶点的邻接点”先于“后被访问的顶点的邻接 点”被访问，以图5为例，当使用广度搜索时，其访问节点的顺序如下：
1→2→4→3→6→8→5→7，优先将相邻的节点进行访问且不重复，节约了计算资源，提升计算效率。
S3.4、如果仍有区域
Figure 248632DEST_PATH_IMAGE001
未被访问，则跳到S3.3，否则，结束搜索，通过广度优先的算 法，可以快速的定位目标区域，同时节约计算资源，提升计算速度。
此外，S1.2包括的对
Figure 69957DEST_PATH_IMAGE001
内的节点的访问的树状算法具体流程如下：
S4.1、读取访问某一节点为起始节点；
S4.2、沿着某条未被访问过路径搜索，间隔的访问该路径上的节点，直到末节点；
S4.3 、回溯到上一个已访问节点；
S4.4、如果该节点有未被访问过的路径，则跳到S4.2，否则，检查该节点是否为起 始节点，是的话，结束搜索，不是的话，跳到S4.3，读取访问结束后，将原本包含多个节点的
Figure 481347DEST_PATH_IMAGE001
划分为多个连续的包含两个节点的
Figure 388123DEST_PATH_IMAGE002
，当
Figure 12003DEST_PATH_IMAGE002
两个节点均未检测到故障信息时，该
Figure 950484DEST_PATH_IMAGE002
属于正 常区域，当出现两端均检测到故障信息时，则确定该
Figure 532775DEST_PATH_IMAGE002
所在区域为故障区域，以图5为例，当 使用树状算法搜索时，其访问节点的顺序如下：
1→2→1→4→3→4→6→8→6→4→5→7，往复的进行连续的搜索，效率较低但是精准度高，同时在广度搜索将范围缩小的情况下，计算量得以减少，进而提升了计算速度。
除此之外，S1.2包括的对
Figure 926848DEST_PATH_IMAGE001
内的节点的访问的树状算法在只访问到一个检测到故 障信息的节点时，有如下算法流程：
S5.1、以报误节点为起始节点开始读取访问；
S5.2、屏蔽相邻的一个节点向同路径的第三个节点进行访问；
S5.3、当路径被访问完毕时，若仍无法判断，则屏蔽相邻的节点数量加一并重复S5.2，通过屏蔽相邻节点的方式来扩大故障检测范围，从而避免对故障的节点进行直接访问，进而避免得到错误的信息而影响判断，以图5为例，当使用间隔式树状算法搜索时，若4号点报错，其访问节点的路径有如下：
4→2；4→7；4→8……，获得了多个有间隔的检测区域，进而降低了单个节点误报从而影响结过的概率。
进一步的，S1.3的区域试探恢复步骤如下：
S6.1、将各个可能故障区域按照其故障概率从大到小的顺序排序，逐个恢复低概率区域的供电。
S6.2、按照故障概率从大到小的顺序提取可能故障区域,每次只提取一个可能故障区域，满足下列情况之一时终止：一是已经提取的区域的故障概率之和超过阈值a(a一般可取90 %-98 %)；二是第k+1个提取的区域的故障概率低于第k个提取的区域的故障概率的1/m(m一般可取10-20)，尽管筛选出来的区域发生故障的可能性已经很高,但是在现实中，故障发生在其他区域的小概率事件仍然有可能发生，仍存在较少的情形会导致停电范围有所扩大，这往往是由于误报和漏报比较严重造成的，也与误报和漏报开关的分布有关。即使如此,除了有可能使个别健全区域的供电得不到恢复外，不会对运行造成任何风险。
此外，S1.3概率判断算法如下：
记节点误报概率P（1）=K，具体情况包括，相邻节点均误报为无故障的概率为P（2）=K*K；一个节点误报为无故障的概率为P（3）=K*（1-K）；两个节点均正确上报的概率为P（3）=（1-K）*（1-K）；其中K值一般来说在0.001-0.05之间（随着时间变化而上升），故而均上报无故障的情况下该区域发生故障概率极低，属于低概率区域，可以逐个通电。
除此之外，S1.3中的一个节点上报有故障信息的情况下，若该节点上报的故障信息正确，则附近区域存在高概率区域，通过树状算法进行深度搜索，得到的均上报为无故障区域记为低概率区域，可以逐个通电，均上报为故障的区域记为高概率区域，需要暂时隔离。
进一步的，S1.3中的节点上报有故障信息为错位的情况下，通过间隔式树状算法进行深度搜索，当间隔节点超过三个仍未发现第二个上报故障信息的节点时，其正确上报的概率计算公式为：
P（4）=K*K*K。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.基于非健全条件下电力自愈快速故障定位方法，其特征在于，包括如下方法步骤：
S1.1、故障位置判断：通过拓扑算法进行快速的故障位置范围初步判断；
S1.2、故障搜索定位：通过树状算法进行深度搜索，从而得到若干故障发生区域；
S1.3、区域试探恢复：逐个对低故障发生率区域进行恢复供电，从而使电网自愈；
所述S1.1中的拓扑算法的具体故障位置判断步骤如下：
S2.1、检测区域划分：对待检测区域进行分初步区域处理，记为
Figure DEST_PATH_IMAGE001
，每个
Figure 329713DEST_PATH_IMAGE001
都包含若干个信息节点，共同组成一个常规状态信息；
S2.2、广度搜索：当整个待检测区域的状态信息发生改变时，进行搜索，主动发出检测信号依次对每个
Figure 525202DEST_PATH_IMAGE001
进行访问，获得反馈信息并与步骤S2.1中的常规状态信息进行对比；
所述S2.1中的区域划分时，每个区域
Figure 627150DEST_PATH_IMAGE001
包括至少两个信息节点，相互独立，且所有的
Figure 806459DEST_PATH_IMAGE001
共同组成完整的待检测区域；
所述S1.2包括的对
Figure 878320DEST_PATH_IMAGE001
内的节点的访问的树状算法具体流程如下：
S4.1、读取访问某一节点为起始节点；
S4.2、沿着某条未被访问过路径搜索，间隔的访问该路径上的节点，直到末节点；
S4.3、回溯到上一个已访问节点；
S4.4、如果该节点有未被访问过的路径，则跳到S4.2，否则，检查该节点是否为起始节点，是的话，结束搜索，不是的话，跳到S4.3，读取访问结束后，将原本包含多个节点的
Figure 863069DEST_PATH_IMAGE001
划分为多个连续的包含两个节点的
Figure 870339DEST_PATH_IMAGE002
；
所述S1.2包括的对
Figure 130419DEST_PATH_IMAGE001
内的节点的访问的树状算法在只访问到一个检测到故障信息的节点时，有如下算法流程：
S5.1、以报误节点为起始节点开始读取访问；
S5.2、屏蔽相邻的一个节点向同路径的第三个节点进行访问；
S5.3、当路径被访问完毕时，若仍无法判断，则屏蔽相邻的节点数量加一并重复S5.2。
2.根据权利要求1所述的基于非健全条件下电力自愈快速故障定位方法，其特征在于：所述S2.2中的广度搜索流程如下：
S3.1、读取访问某一区域
Figure 881337DEST_PATH_IMAGE001
为起始节点；
S3.2、依次访问起始节点的各个未被访问过的邻接区域
Figure 910473DEST_PATH_IMAGE001
；
S3.3、从这些刚被访问过的邻接区域
Figure 88645DEST_PATH_IMAGE001
出发，以一定顺序访问它们未被访问过的邻接区域
Figure 711387DEST_PATH_IMAGE001
，访问顺序规则为:“先被访问的顶点的邻接点”先于“后被访问的顶点的邻接点”被访问；
S3.4、如果仍有区域
Figure DEST_PATH_IMAGE003
未被访问，则跳到S3.3，否则，结束搜索。
3.根据权利要求1所述的基于非健全条件下电力自愈快速故障定位方法，其特征在于：
所述S1.3的区域试探恢复步骤如下：
S6.1、将各个可能故障区域按照其故障概率从大到小的顺序排序，逐个恢复低概率区域的供电；
S6.2、按照故障概率从大到小的顺序提取可能故障区域,每次只提取一个可能故障区域，满足下列情况之一时终止：
一是已经提取的区域的故障概率之和超过阈值a；
二是第k+1个提取的区域的故障概率低于第k个提取的区域的故障概率的1/m，m取10-20。
4.根据权利要求3所述的基于非健全条件下电力自愈快速故障定位方法，其特征在于：所述S1.3概率判断算法如下：
记节点误报概率P（1）=K，具体情况包括，相邻节点均误报为无故障的概率为P（2）=K*K；一个节点误报为无故障的概率为P（3）=K*（1-K）；两个节点均正确上报的概率为P（3）=（1-K）*（1-K），K值在0.001-0.05之间。
5.根据权利要求4所述的基于非健全条件下电力自愈快速故障定位方法，其特征在于：
所述S1.3中的一个节点上报有故障信息的情况下，若该节点上报的故障信息正确，则附近区域存在高概率区域，通过树状算法进行深度搜索，均上报为故障的区域记为高概率区域，其余的均上报为无故障区域记为低概率区域，逐个通电。
6.根据权利要求5所述的基于非健全条件下电力自愈快速故障定位方法，其特征在于：所述S1.3中的节点上报有故障信息为错位的情况下，通过间隔式树状算法进行深度搜索，当间隔节点超过三个仍未发现第二个上报故障信息的节点时，其正确上报的概率计算公式为：
P（4）=K*K*K。
CN202111169562.5A 2021-10-06 2021-10-06 基于非健全条件下电力自愈快速故障定位方法 Active CN113608072B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111169562.5A CN113608072B (zh) 2021-10-06 2021-10-06 基于非健全条件下电力自愈快速故障定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111169562.5A CN113608072B (zh) 2021-10-06 2021-10-06 基于非健全条件下电力自愈快速故障定位方法

Publications (2)

Publication Number Publication Date
CN113608072A CN113608072A (zh) 2021-11-05
CN113608072B true CN113608072B (zh) 2021-12-28

Family

ID=78310812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111169562.5A Active CN113608072B (zh) 2021-10-06 2021-10-06 基于非健全条件下电力自愈快速故障定位方法

Country Status (1)

Country Link
CN (1) CN113608072B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116663785B (zh) * 2023-08-01 2023-10-10 国网四川省电力公司广安供电公司 一种基于拓扑识别的低压故障定位方法
CN117559447B (zh) * 2024-01-10 2024-03-22 成都汉度科技有限公司 一种基于电网模型的停电研判数据分析方法及***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104750878A (zh) * 2015-04-28 2015-07-01 国网上海市电力公司 一种基于混合搜索策略的拓扑故障诊断方法
CN107196337A (zh) * 2017-06-29 2017-09-22 广东电网有限责任公司电力调度控制中心 一种孤岛静态工作点校验方法及***
CN107612970A (zh) * 2017-08-16 2018-01-19 国网上海市电力公司 基于电网拓扑分析的大图缓存方法、显示方法和***
CN108281945A (zh) * 2018-04-12 2018-07-13 天津浩源慧能科技有限公司 一种基于外施信号的单相接地故障隔离***及隔离方法
CN108933694A (zh) * 2018-06-09 2018-12-04 西安电子科技大学 基于拨测数据的数据中心网络故障节点诊断方法及***
CN109558518A (zh) * 2018-10-30 2019-04-02 深圳先进技术研究院 一种确定社交网络中社区发现的方法、装置及存储介质
CN109613400A (zh) * 2018-12-24 2019-04-12 华中科技大学 基于限流电抗器电压差异性的架空柔直电网故障检测方法
CN110571802A (zh) * 2019-09-12 2019-12-13 国网山东省电力公司寿光市供电公司 基于粗糙集动态规划模型的配电网自愈控制方法及装置
CN112083292A (zh) * 2020-10-26 2020-12-15 积成电子股份有限公司 一种基于多源非健全信息融合的配电网主动故障研判方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8059563B2 (en) * 2008-07-31 2011-11-15 Aruba Networks, Inc. Assigning slots in a mesh network

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104750878A (zh) * 2015-04-28 2015-07-01 国网上海市电力公司 一种基于混合搜索策略的拓扑故障诊断方法
CN107196337A (zh) * 2017-06-29 2017-09-22 广东电网有限责任公司电力调度控制中心 一种孤岛静态工作点校验方法及***
CN107612970A (zh) * 2017-08-16 2018-01-19 国网上海市电力公司 基于电网拓扑分析的大图缓存方法、显示方法和***
CN108281945A (zh) * 2018-04-12 2018-07-13 天津浩源慧能科技有限公司 一种基于外施信号的单相接地故障隔离***及隔离方法
CN108933694A (zh) * 2018-06-09 2018-12-04 西安电子科技大学 基于拨测数据的数据中心网络故障节点诊断方法及***
CN109558518A (zh) * 2018-10-30 2019-04-02 深圳先进技术研究院 一种确定社交网络中社区发现的方法、装置及存储介质
CN109613400A (zh) * 2018-12-24 2019-04-12 华中科技大学 基于限流电抗器电压差异性的架空柔直电网故障检测方法
CN110571802A (zh) * 2019-09-12 2019-12-13 国网山东省电力公司寿光市供电公司 基于粗糙集动态规划模型的配电网自愈控制方法及装置
CN112083292A (zh) * 2020-10-26 2020-12-15 积成电子股份有限公司 一种基于多源非健全信息融合的配电网主动故障研判方法

Also Published As

Publication number Publication date
CN113608072A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CN113608072B (zh) 基于非健全条件下电力自愈快速故障定位方法
CN112799898B (zh) 基于分布式故障检测的互联***故障节点定位方法及***
CN112104495B (zh) 一种基于网络拓扑的***故障根因定位方法
CN110943453B (zh) 面向迁移学习的电力***故障样本生成和模型构建方法
CN106918764B (zh) 基于网基矩阵型算法的配网故障定位方法
CN111159922B (zh) 一种电力***连锁故障的关键线路辨识方法和装置
CN110048901B (zh) 一种电力通信网的故障定位方法、装置及设备
CN104750878A (zh) 一种基于混合搜索策略的拓扑故障诊断方法
CN102183708A (zh) 广域行波测距方法
CN103533571A (zh) 基于投票策略的容错事件检测方法
CN106771875B (zh) 一种配电网容错故障定位方法
CN109767113B (zh) 一种基于决策树的动态安全评估及预防控制综合方法
CN109635430B (zh) 电网输电线路暂态信号监测方法和***
WO2020215505A1 (zh) 一种网络告警规则多维关联生成方法及***
CN109561480A (zh) 一种基站位置纠偏方法和***
CN110412417A (zh) 基于智能电力监测仪表的微电网数据故障诊断方法
CN108256536B (zh) 一种基于地理位置关系的电力网络态势感知方法和装置
CN113887452B (zh) 基于相关性矩阵的故障诊断优化方法
CN113075498A (zh) 一种基于残差聚类的配电网行波故障定位方法和***
CN101291255B (zh) 一种用于下一代网络的启发式故障定位方法
CN111368933A (zh) 一种基于Softmax回归的配电网暂态过程故障分类方法及***
CN117310384A (zh) 一种智能配电网内故障区域分析方法及装置
Wang et al. A fault detection scheme based on self-clustering nodes sets for wireless sensor networks
CN117691743B (zh) 考虑深度效应的配网停电判断方法及***
CN109245098A (zh) 一种电网安全分析中故障集的生成方法、装置及存储介质

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