CN115545479A - 一种配电网重要节点或重要线路的确定方法及装置 - Google Patents
一种配电网重要节点或重要线路的确定方法及装置 Download PDFInfo
- Publication number
- CN115545479A CN115545479A CN202211231098.2A CN202211231098A CN115545479A CN 115545479 A CN115545479 A CN 115545479A CN 202211231098 A CN202211231098 A CN 202211231098A CN 115545479 A CN115545479 A CN 115545479A
- Authority
- CN
- China
- Prior art keywords
- index
- line
- node
- distribution network
- power distribution
- 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 150
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 85
- 238000012546 transfer Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000008878 coupling Effects 0.000 claims description 17
- 238000010168 coupling process Methods 0.000 claims description 17
- 238000005859 coupling reaction Methods 0.000 claims description 17
- 230000002776 aggregation Effects 0.000 claims description 13
- 238000005054 agglomeration Methods 0.000 claims description 8
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000005494 condensation Effects 0.000 claims description 5
- 238000009833 condensation Methods 0.000 claims description 5
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 8
- 238000012790 confirmation Methods 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006068 polycondensation reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网重要节点或重要线路的确定方法及装置，通过对目标配电网的基础数据进行预处理，获得第一数据，并进行辨识度计算，获得多维度辨识指标；基于多维度辨识指标，通过熵权法和加权TOPSIS算法计算获得目标配电网拓扑结构所对应的重要度，从而根据获得的重要度确定配电网中的重要节点或重要线路。相比现有技术通过专家评价进行重要目标配电网的节点或线路的重要度评判，本发明通过基于多维度辨识指标、熵权法和TOPSIS算法进行每个目标配电网中的节点或线路的重要度比较，提高了配电网综合重要节点或重要线路的识别准确度，从而在台风灾害下能够根据重要节点或重要线路的确认结果进行防护，提高了配电网的防护效率。
Description
技术领域
本发明涉及配电***领域，尤其涉及一种配电网重要节点或重要线路的确定方法及装置。
背景技术
对于大型风灾研究后发现，目前，一些学者利用复杂网络理论和层次分析/熵权法进行跳闸线路重要性分析，判断出配电网暴露于风灾下的薄弱环节，并用具体的评估指标衡量脆弱度。在现实配电网中，可将电网中发电厂、变电站及负荷视为网络中的节点，输电线路则视为网络中的边。通过网络节点收缩后的聚集程度来判定节点重要度。在加权网络中还需考虑边权值差异的影响，主要工作是采用复杂网络理论对网络中线路进行赋权，而后使用主/客观赋权法判断跳闸线路的重要度，为后续配电网灾后复电抢修策略优化提供参考。而电气介数/电气度(电网拓扑模型边权值参数)的选取，往往需要选择节点电压、线路承载功率或电流、线路阻抗值等作为关键节点辨识参数，以此来建立节点或线路评价指标，这样才能够体现出它们之间的电气联系。
但当前的基于复杂网络理论的台风灾害下配电网节点、线路综合重要度辨识中，存在缺陷，对于综合重要度辨识依赖专家评分，这会导致结果偏主观，对于配电网中节点、线路综合重要度辨识的准确率低。
因此，亟需一种配电网重要节点或重要线路的策略，来解决在台风灾害下配电网重要节点或重要线路确定不准确的问题。
发明内容
本发明实施例提供一种配电网节点、线路综合重要度的辨识控制方法，以提高在台风灾害下确定配电网的重要节点或重要线路的准确度。
为了解决上述问题，本发明一实施例提供一种配电网重要节点或重要线路的确定方法，包括：
获取目标配电网的基础数据，并对所述基础数据进行预处理，获得第一数据；其中，所述第一数据包括：拓扑数据和标幺制数据；
根据所述拓扑数据和所述标幺制数据计算获得多维度辨识指标；
根据所述多维度辨识指标的指标值，通过熵权法和加权TOPSIS算法，获得所述目标配电网的拓扑结构所对应的重要度；其中，所述目标配电网的拓扑结构所对应的重要度，包括以下任意一项或多项：目标配电网的节点的重要度或目标配电网的线路的重要度；
根据所述目标配电网的拓扑结构所对应的重要度和预设的重要度阈值，确定重要节点或重要线路。
由上可见，本发明具有如下有益效果：
本发明提供了一种配电网重要节点或重要线路的确定方法，通过对目标配电网的基础数据进行预处理，获得第一数据，并进行辨识度计算，获得多维度辨识指标；基于多维度辨识指标，通过熵权法和加权TOPSIS算法计算获得目标配电网拓扑结构所对应的重要度，从而根据获得的重要度确定配电网中的重要节点或重要线路。相比于现有技术，通过专家评价进行重要目标配电网的节点或线路的重要度评判，本发明通过基于多维度辨识指标、熵权法和TOPSIS算法进行每个目标配电网中的节点或线路的重要度比较，提高了配电网综合重要节点或重要线路的识别准确度，从而在台风灾害下能够根据重要节点或重要线路的确认结果进行防护，提高了配电网的防护效率。
作为上述方案的改进，所述根据所述多维度辨识指标的指标值，通过熵权法和加权TOPSIS算法，获得所述目标配电网的拓扑结构所对应的重要度，具体为：
根据多维度辨识指标，建立目标配电网的拓扑结构所对应的判断矩阵；其中，所述判断矩阵与所述拓扑结构对应，包括以下任意一项或多项：节点判断矩阵和线路判断矩阵；以及所述多维度辨识指标，包括：改进节点度指标、节点凝聚度指标、节点介数指标、加权线路介数指标、线路转移潮流熵指标和风灾下线路故障率指标；
根据所述目标配电网的拓扑结构所对应的判断矩阵，获取信息熵赋权：若判断矩阵为节点判断矩阵，则根据改进节点度指标、节点凝聚度指标和节点介数指标，通过熵权法，计算获得若干节点的第一信息熵赋权；若判断矩阵为线路判断矩阵，则根据加权线路介数指标、线路转移潮流熵指标和风灾下线路故障率指标，通过熵权法，计算获得若干线路的第二信息熵赋权；其中，所述信息熵赋权包括：所述第一信息熵赋权和所述第二信息熵赋权；
根据所述信息熵赋权，通过加权TOPSIS算法计算获得所述目标配电网的拓扑结构所对应的重要度；
其中，所述熵权法的公式如下：
式中，zij为判断矩阵中各元素，z′ij为元素zij标准化后的矩阵元素，pij是概率矩阵中各元素，ej是信息熵赋权，i为节点序号或线路序号，j为多维度辨识指标的类型标号；其中，当判断矩阵为节点判断矩阵，则每个元素为：每个节点的改进节点度指标的指标值或每个节点的节点凝聚度指标的指标值或每个节点的节点介数指标的指标值；当判断矩阵为线路判断矩阵，则每个元素为：每条线路的加权线路介数指标的指标值或每条线路的线路转移潮流熵指标的指标值或每条线路的风灾下线路故障率指标的指标值。
实施本实施例的改进方案，本实施例通过将节点和线路分开进行判断，并通过节点对应的多维度辨识指标和线路对应的多维度辨识指标，建立目标配电网拓扑结构的判断矩阵(节点判断矩阵或线路判断矩阵)，在通过熵权法进行信息熵赋权的计算，从而根据信息熵赋权进行加权TOPSIS算法的计算，获得目标配电网拓扑结构所对应的重要度，通过熵权法的计算，提高了TOPSIS算法的计算精度。
作为上述方案的改进，所述根据所述信息熵赋权，通过加权TOPSIS算法计算获得所述目标配电网的拓扑结构所对应的重要度，具体为：
根据所述信息熵赋权和判断矩阵，代入到TOPSIS算法中进行所述目标配电网的拓扑结构所对应的重要度；
当判断矩阵为节点判断矩阵，则根据所述每个节点的信息熵赋权、每个节点的改进节点度指标的指标值、每个节点的节点凝聚度指标的指标值以及每个节点的节点介数指标的指标值，代入到TOPSIS算法中计算获得目标配电网每个节点的重要度；
当判断矩阵为线路判断矩阵，则根据所述每个线路的信息熵赋权、每条线路的加权线路介数指标的指标值、每条线路的线路转移潮流熵指标的指标值以及每条线路的风灾下线路故障率指标的指标值，代入到TOPSIS算法中计算获得目标配电网每条线路的重要度；
其中，所述TOPSIS算法的公式如下：
式中，zij为所述判断矩阵中各元素，Ti为所述目标配电网的拓扑结构所对应的重要度。
实施本实施例的改进方案，本实施例将信息熵赋权和判断矩阵，代入TOPSIS算法进行计算，对目标配电网中的节点和线路进行分开考虑，从而获得节点的重要度和线路的重要度，提高了节点的重要度和线路的重要度的计算准确率。
作为上述方案的改进，所述改进节点度指标的获取，具体为：
根据所述标幺制数据，计算获得阻抗数据；
根据所述阻抗数据，通过电气耦合距离公式，获取电气耦合距离；其中，所述电气耦合距离公式具体如下：
dij＝Uij/Ii＝(Zii-Zij)+(Zjj-Zij)＝Zii+Zij-2Zij
式中Zii和Zjj分别为节点i、j自阻抗；Zij为节点i、j互阻抗；dij为电气耦合距离；
根据所述电气耦合距离，通过第一指标公式计算获得改进节点度指标；其中，所述第一指标公式具体如下：
式中，n为拓扑网络中节点总个数，Z1i为改进节点度指标。
实施本实施例的改进方案，本实施例通过改进节点度指标，可以很好弥补传统节点度对节点之间电气联系描述不足的缺陷。传统节点度指标定义为与该节点直接相邻的节点数目，相邻节点数量越多度越大，该节点和网络关联性就越强，在网络中相对更重。而本实施例使用电气耦合距离dij(电气距离)可以用来显示任意两节点之间的电气联系，数值越大，那么这两个节点之间潮流传递电能就越多，相比于传统节点度更加准确，为提高目标配电网的拓扑结构所对应的重要度的准确率奠定了基础。
作为上述方案的改进，所述节点凝聚度指标的获取，具体为：
根据所述拓扑数据，通过迪杰斯特拉算法计算获得最短电气距离；
根据所述最短电气距离，通过第二指标公式计算获得节点凝聚度；其中，所述第二指标公式具体如下：
式中，l为任意两节点间最短平均路径；dmin,ij为配电网中任意节点i、j间的最短电气距离；N2i为节点凝聚度指标。
实施本实施例的改进方案，本实施例通过节点凝聚度指标，可以很好地描绘网络中任意节点的实际重要度。根据节点度定义，虽然与一个节点相邻接点数越多，该节点重要性可能就越高。然而，在许多现实网络中，一些重要节点其度不一定大，因此需要采用节点缩聚法，将节点进行缩聚后的节点凝聚度作为原节点重要度评价指标，为提高目标配电网的拓扑结构所对应的重要度的准确率奠定了基础。
作为上述方案的改进，所述节点介数指标的获取，具体为：
根据所述拓扑数据，通过邻接矩阵计算获得最短第一路径数和最短第二路径数；
根据所述最短第一路径数和所述最短第二路径数，通过第三指标公式计算获得节点介数指标；其中，所述第三指标公式具体如下：
式中，Djl(i)表示节点i、j间经过了节点i的最短第一路径数，Djl表示节点i、j间最短第二路径数；N3i为节点介数指标。
实施本实施例的改进方案，本实施例通过节点介数指标来判断节点在网络中的关键程度，倘若一个节点大量被其它节点对之间最短路径所通过，则该节点介数值大，在网络中影响力高。本实施例计算获得的节点介数指标，为提高目标配电网的拓扑结构所对应的重要度的准确率奠定了基础。
作为上述方案的改进，所述加权线路介数指标的获取，具体为：
根据所述标幺制数据，通过邻接矩阵计算获得最短第三路径数和最短第四路径数；
根据所述最短第三路径数和所述最短第四路径数，通过第四指标公式计算获得加权线路介数指标；其中，所述第四指标公式具体如下：
式中，∑i≠j∈VZij(k)表示节点i、j间最短第三路径(即路径总电抗值最小)通过线路k的次数，∑i≠j∈VZij表示节i、j间最短第四路径数；L1k为加权线路介数指标。
实施本实施例的改进方案，本实施例考虑了高压输电线路自身电气量对***潮流分布可能造成影响，把原拓扑网络转变为无向有权网络进行分析，从而获得加权线路介数指标，权线路介数指标的指标值越大，代表该线路故障对电力***的影响就越大，线路就越重要；而传统线路介数在计算时使用的拓扑网络为无向无权网络，仅考虑了线路在物理空间的分布情况，无法反映输电线路自身电气特性。因此，本实施例计算所获得的述加权线路介数指标，为提高目标配电网的拓扑结构所对应的重要度的准确率奠定了基础。
作为上述方案的改进，所述线路转移潮流熵指标的获取，具体为：
根据所述标幺制数据，通过潮流熵计算公式计算获得转移潮流熵；其中，所述潮流熵计算公式具体如下：
式中，Pαk是线路k断路后流过线路α的功率，Pα0是线路k断路前流过线路α的功率；S为拓扑网络线路集；ΔPαk为统中线路Lα承担线路Lk转移的潮流增量；βαk为支路对支路的潮流转移冲击率；HT(k)为线路k的转移潮流熵；
根据所述转移潮流熵，通过第五指标计算公式计算获得线路转移潮流熵指标；其中，所述第五指标计算公式具体如下：
式中，Pk为支路k潮流功率；L2k为线路转移潮流熵指标。
实施本实施例的改进方案，本实施例通过标幺制数据进行线路转移潮流熵指标的计算，为获取多维度辨识指标奠定基础，从而能够根据所获的多维度辨识指标代入熵权法和加权TOPSIS算法进行目标配电网的拓扑结构所对应的重要度，有利于提高重要度的计算准确度。
作为上述方案的改进，所述风灾下线路故障率指标的获取，具体为：通过蒙特卡洛抽样法，确定线路的故障率；其中，所述线路的故障率为所述风灾下线路故障率指标。
实施本实施例的改进方案，本实施例通过蒙特卡洛抽样法进行风灾下线路故障率指标的计算，需要将各种因素综合考虑才能较为精确地计算出电力网中每条线路的故障率。由于台风造成故障损坏是有很大随机性的，通过蒙特卡洛抽样法模拟故障率，以展现台风下配电网故障随机性，从而为提高目标配电网的拓扑结构所对应的重要度的准确率奠定了基础。
相应的，本发明一实施例还提供了一种配电网重要节点或重要线路的确定装置，包括：数据预处理模块、第一计算模块、第二计算模块和结果生成模块；
所述数据预处理模块，用于获取目标配电网的基础数据，并对所述基础数据进行预处理，获得第一数据；其中，所述第一数据包括：拓扑数据和标幺制数据；
所述第一计算模块，用于根据所述拓扑数据和所述标幺制数据计算获得多维度辨识指标；
所述第二计算模块，用于根据所述多维度辨识指标的指标值，通过熵权法和加权TOPSIS算法，获得所述目标配电网的拓扑结构所对应的重要度；其中，所述目标配电网的拓扑结构所对应的重要度，包括以下任意一项或多项：目标配电网的节点的重要度或目标配电网的线路的重要度；
所述结果生成模块，用于根据所述目标配电网的拓扑结构所对应的重要度和预设的重要度阈值，确定重要节点或重要线路。
附图说明
图1是本发明一实施例提供的配电网重要节点或重要线路的确定方法的流程示意图；
图2是本发明一实施例提供的配电网重要节点或重要线路的确定装置的结构示意图；
图3是本发明一实施例提供的IEEE-39节点***的拓扑结构示意图；
图4是本发明一实施例提供的重要节点的重要度的结果示意图；
图5是本发明一实施例提供的重要线路的重要度的结果示意图；
图6是本发明一实施例提供的一种终端设备结构示意图。
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作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。
实施例一
参见图1，图1是本发明一实施例提供的一种配电网重要节点或重要线路的确定方法的流程示意图，如图1所示，本实施例包括步骤101至步骤104，各步骤具体如下：
步骤101：获取目标配电网的基础数据，并对所述基础数据进行预处理，获得第一数据；其中，所述第一数据包括：拓扑数据和标幺制数据。
在一具体的实施例中，目标配电网的基础数据包括：发电机参数、变压器参数、输电线路参数和配电网物理结构。
在一具体的实施例中，预处理包括：构建拓扑网络、制作网络邻接矩阵、以及电气参数标幺化。
在一具体的实施例中，在获得发电机参数、变压器参数、输电线路参数和配电网物理结构后，通过复杂网络理论构建拓扑网络，在对拓扑网络中节点、线路标号，使用邻接矩阵的形式反映各节点、线路间连接情况，将几何信息使用数学矩阵进行表达，方便后续数据处理，从而获得拓扑数据；根据发电机参数、变压器参数、输电线路参数和配电网物理结构，进行标幺制处理，获得标幺制数据；其中，标幺制公式如下：
X*＝X/XB
式中X*为物理量X的标幺值，XB为相应基准值。
在一具体的实施例中，为更好地说明，请参见图3，图3为IEEE(Institute ofElectrical and Electronics Engineers电气和电子工程师协会)39节点***的拓扑结构的示意图。
步骤102：根据所述拓扑数据和所述标幺制数据计算获得多维度辨识指标。
在本实施例中，所述改进节点度指标的获取，具体为：
根据所述标幺制数据，计算获得阻抗数据；
根据所述阻抗数据，通过电气耦合距离公式，获取电气耦合距离；其中，所述电气耦合距离公式具体如下：
dij＝Uij/Ii＝(Zii-Zij)+(Zjj-Zij)＝Zii+Zij-2Zij
式中Zii和Zjj分别为节点i、j自阻抗；Zij为节点i、j互阻抗；dij为电气耦合距离；
根据所述电气耦合距离，通过第一指标公式计算获得改进节点度指标；其中，所述第一指标公式具体如下：
式中，n为拓扑网络中节点总个数，N1i为改进节点度指标。
在本实施例中，所述节点凝聚度指标的获取，具体为：
根据所述拓扑数据，通过迪杰斯特拉算法计算获得最短电气距离；
根据所述最短电气距离，通过第二指标公式计算获得节点凝聚度；其中，所述第二指标公式具体如下：
式中，l为任意两节点间最短平均路径；dmin,ij为配电网中任意节点i、j间的最短电气距离；N2i为节点凝聚度指标。
在一具体的实施例中，将计算所得电气耦合距离作为线路加权，使用迪杰斯特拉(Dijkstra)算法计算网络两节点间最短路径，所得结果为最短电气距离。
在本实施例中，所述节点介数指标的获取，具体为：
根据所述拓扑数据，通过邻接矩阵计算获得最短第一路径数和最短第二路径数；
根据所述最短第一路径数和所述最短第二路径数，通过第三指标公式计算获得节点介数指标；其中，所述第三指标公式具体如下：
式中，Djl(i)表示节点i、j间经过了节点i的最短第一路径数，Djl表示节点i、j间最短第二路径数；N3i为节点介数指标。
在一具体的实施例中，最短路径条数是基于拓扑结构进行计算的，通过邻接矩阵在matlab中编程计算。其中所有线路权值均为1，从节点i到j经过线路数最少，即权值和最少的路径为最短路径，所得结果为最短路径条数。
在本实施例中，所述加权线路介数指标的获取，具体为：
根据所述标幺制数据，通过邻接矩阵计算获得最短第三路径数和最短第四路径数；
根据所述最短第三路径数和所述最短第四路径数，通过第四指标公式计算获得加权线路介数指标；其中，所述第四指标公式具体如下：
式中，∑i≠j∈VZij(k)表示节点i、j间最短第三路径(即路径总电抗值最小)通过线路k的次数，∑i≠j∈VZij表示节i、j间最短第四路径数；L1k为加权线路介数指标。
在一具体的实施例中，由于交流输电线路中电抗值远大于电阻值，将线路电抗值作为权值，把原拓扑网络转变为无向有权网络进行分析，所求得权值和最少的路径为最短电气路径。加权线路介数指标Lik值越大，代表该线路故障对电力***的影响就越大，线路就越重要。
在本实施例中，所述线路转移潮流熵指标的获取，具体为：
根据所述标幺制数据，通过潮流熵计算公式计算获得转移潮流熵；其中，所述潮流熵计算公式具体如下：
式中，Pαk是线路k断路后流过线路α的功率，Pα0是线路k断路前流过线路α的功率；S为拓扑网络线路集；ΔPαk为统中线路Lα承担线路Lk转移的潮流增量；βαk为支路对支路的潮流转移冲击率；HT(k)为线路k的转移潮流熵；
根据所述转移潮流熵，通过第五指标计算公式计算获得线路转移潮流熵指标；其中，所述第五指标计算公式具体如下：
式中，Pk为支路k潮流功率；L2k为线路转移潮流熵指标。
在一具体的实施例中，倘若配电网中节点i、j间的支路Lk发生跳闸而断路，***中另一条线路Lα承担线路Lk转移的潮流增量为：ΔPαk＝Pαk-Pα0；其中，Pαk和Pα0为线路断路前、后流过功率，需要基于配电网参数进行潮流计算得到。倘若跳闸线路k潮流功率Pk越大，在它断路后，剩余线路承受潮流冲击就越大，转移潮流熵就HT(k)越小，***的潮流转移就被越集中地分布在少数支路上，因此线路k的重要度指标L2k就越大。
在一具体的实施例中，通过matpower工具计算获得潮流功率。
在本实施例中，所述风灾下线路故障率指标的获取，具体为：通过蒙特卡洛抽样法，确定线路的故障率；其中，所述线路的故障率为所述风灾下线路故障率指标。
在一具体的实施例中，通过研究中国东南沿海地区电网受台风冲击发现，大多数故障原因都集中在杆塔受损、倒杆倒塔、线路断线、风偏闪络和异物挂线等。配电网受损情况不仅和台风强度息息相关，还和各种电力元件的韧性、老化情况和抗台风能力等相联系，需要将各种因素综合考虑才能较为精确地计算出电力网中每条线路的故障率。考虑到从某种角度上来说，台风造成故障损坏是有很大随机性的，因此本文将采用蒙特卡洛抽样法来确定节点网络中每条线路的故障率，由于代表风灾下线路脆弱度，抽样范围在0～1之间，以展现台风下配电网故障随机性。
步骤103：根据所述多维度辨识指标的指标值，通过熵权法和加权TOPSIS算法，获得所述目标配电网的拓扑结构所对应的重要度；其中，所述目标配电网的拓扑结构所对应的重要度，包括以下任意一项或多项：目标配电网的节点的重要度或目标配电网的线路的重要度。
在本实施例中，所述根据所述多维度辨识指标的指标值，通过熵权法和加权TOPSIS算法，获得所述目标配电网的拓扑结构所对应的重要度，具体为：
根据多维度辨识指标，建立目标配电网的拓扑结构所对应的判断矩阵；其中，所述判断矩阵与所述拓扑结构对应，包括以下任意一项或多项：节点判断矩阵和线路判断矩阵；以及所述多维度辨识指标，包括：改进节点度指标、节点凝聚度指标、节点介数指标、加权线路介数指标、线路转移潮流熵指标和风灾下线路故障率指标；
根据所述目标配电网的拓扑结构所对应的判断矩阵，获取信息熵赋权：若判断矩阵为节点判断矩阵，则根据改进节点度指标、节点凝聚度指标和节点介数指标，通过熵权法，计算获得若干节点的第一信息熵赋权；若判断矩阵为线路判断矩阵，则根据加权线路介数指标、线路转移潮流熵指标和风灾下线路故障率指标，通过熵权法，计算获得若干线路的第二信息熵赋权；其中，所述信息熵赋权包括：所述第一信息熵赋权和所述第二信息熵赋权；
根据所述信息熵赋权，通过加权TOPSIS算法计算获得所述目标配电网的拓扑结构所对应的重要度；
其中，所述熵权法的公式如下：
式中，zij为判断矩阵中各元素，z′ij为元素zij标准化后的矩阵元素，pij是概率矩阵中各元素，ej是信息熵赋权，i为节点序号或线路序号，j为多维度辨识指标的类型标号；其中，当判断矩阵为节点判断矩阵，则每个元素为：每个节点的改进节点度指标的指标值或每个节点的节点凝聚度指标的指标值或每个节点的节点介数指标的指标值；当判断矩阵为线路判断矩阵，则每个元素为：每条线路的加权线路介数指标的指标值或每条线路的线路转移潮流熵指标的指标值或每条线路的风灾下线路故障率指标的指标值。
在一具体的实施例中，标准化后的矩阵元素具体为：
在一具体的实施例中，对节点指标和线路指标各建立一个判断矩阵。判断矩阵具体为：各个节点/线路编号分列排布，各个多维度辨识指标分行排布，内部元素为对应辨识分数。例如节点判断矩阵中，第3行第2列元素Z32指：3号节点在N2指标下的得分；而线路判断矩阵中，第1行第2列元素Z12指：1号线路在N2指标下的得分。
在本实施例中，所述根据所述信息熵赋权，通过加权TOPSIS算法计算获得所述目标配电网的拓扑结构所对应的重要度，具体为：
根据所述信息熵赋权和判断矩阵，代入到TOPSIS算法中进行所述目标配电网的拓扑结构所对应的重要度；
当判断矩阵为节点判断矩阵，则根据所述每个节点的信息熵赋权、每个节点的改进节点度指标的指标值、每个节点的节点凝聚度指标的指标值以及每个节点的节点介数指标的指标值，代入到TOPSIS算法中计算获得目标配电网每个节点的重要度；
当判断矩阵为线路判断矩阵，则根据所述每个线路的信息熵赋权、每条线路的加权线路介数指标的指标值、每条线路的线路转移潮流熵指标的指标值以及每条线路的风灾下线路故障率指标的指标值，代入到TOPSIS算法中计算获得目标配电网每条线路的重要度；
其中，所述TOPSIS算法的公式如下：
式中，zij为所述判断矩阵中各元素，Ti为所述目标配电网的拓扑结构所对应的重要度。
在本实施例中，Ti为第i个节点重要度的值，值越大得分越高。
步骤104：根据所述目标配电网的拓扑结构所对应的重要度和预设的重要度阈值，确定重要节点或重要线路。
在一具体的实施例中，预设的重要度阈值可以为：根据重要度排名前10％的节点/线路所对应的重要度值。
在一具体的实施例中，在确定重要节点或重要线路之后，可以通过专家结合目标配电网实际情况进行主观考量。
在一具体的实施例中，在确定重要节点或重要线路之后，对重要节点或重要线路进行防护措施的准备。
在一具体的实施例中，为更好的说明，请参见图4，并将重要度排在前十位的关键节点列于图4中，同时与其他单一指标辨识结果进行比较，由图4可知：前十位节点在拓扑网络中大多处于枢纽位置。综合指标辨识结果(即本发明权要所述的重要度)与其他三种单一指标辨识结果都有超过半数重叠，但是在重要度排序上又有着较大不同，这主要是因为综合辨识指标考虑更为全面。若仅采用某一指标进行评价，评价结果将会有一定片面性。例如节点4与其他节点间局部电气联系可能不足，但该节点故障后对***的影响却可能较大。因此节点4改进度值低，介数值却更高，其综合评价结果也较高。因此本实施例可以较好的识别出电力***中的关键节点。
在一具体的实施例中，为更好的说明，请参见图5，并将重要度排在前十位的关键线路列于图5中，由图5可知：综合指标辨识结果(即本发明权要所述的重要度)与单一指标辨识结果也有较大重叠。文中辨识的关键线路中有7条线路与发电机直接相连或距离很近(与发电机共用同一母线)。此外，线路21-22、16-21和15-16均处于拓扑网络关键位置，与凝聚度最大的节点16相连接，是保证发电机节点35、36向外供电的关键线路。若采用单一指标评价线路重要度，例如线路35虽然线路介数值较低，即线路21-22在拓扑结构中得地位较低。但它是发电机节点35、36传输电能的最短路径，发生故障跳闸后对***潮流冲击较大，进行重要线路辨识时很可能会忽略该线路。因此，本实施例可以更加合理地综合考虑***关键特征参数。
本实施例通过对目标配电网的基础数据进行预处理，获得第一数据，并进行辨识度计算，获得多维度辨识指标；基于多维度辨识指标，通过熵权法和加权TOPSIS算法计算获得目标配电网拓扑结构所对应的重要度，从而根据获得的重要度确定配电网中的重要节点或重要线路。本实施例充分考虑配电网地理信息分布***中发电机、母线和线路的地理位置分布，并结合台风灾害下配电网运行、故障特性，选择多维度辨识指标和客观赋权方法进行节点、线路综合重要度辨识，考虑了节点、线路故障后对网络的影响，提高了在台风灾害下确定配电网的重要节点或重要线路的准确度。
实施例二
参见图2，图2是本发明一实施例提供的一种配电网重要节点或重要线路的确定装置的结构示意图，包括：数据预处理模块201、第一计算模块202、第二计算模块203和结果生成模块204；
所述数据预处理模块201，用于获取目标配电网的基础数据，并对所述基础数据进行预处理，获得第一数据；其中，所述第一数据包括：拓扑数据和标幺制数据；
所述第一计算模块202，用于根据所述拓扑数据和所述标幺制数据计算获得多维度辨识指标；
所述第二计算模块203，用于根据所述多维度辨识指标的指标值，通过熵权法和加权TOPSIS算法，获得所述目标配电网的拓扑结构所对应的重要度；其中，所述目标配电网的拓扑结构所对应的重要度，包括以下任意一项或多项：目标配电网的节点的重要度或目标配电网的线路的重要度；
所述结果生成模块204，用于根据所述目标配电网的拓扑结构所对应的重要度和预设的重要度阈值，确定重要节点或重要线路。
所述领域的技术人员可以清楚地了解到，为的方便和简洁，上述描述的装置的具体工作过程，可参考前述方法实施例中对应的过程，在此不再赘述。
本实施例通过数据预处理模块获取目标配电网的基础数据，并通过预处理获得第一数据，通过第一计算模块对第一数据进行多维度辨识指标的计算，再将所获的多维度辨识指标代入到第二计算模块获取目标配电网的拓扑结构所对应的重要度，最后根据目标配电网的拓扑结构所对应的重要度代入结果生成模块确定重要节点或重要线路，提高了配电网综合重要节点或重要线路的识别准确度，从而在台风灾害下能够根据重要节点或重要线路的确认结果进行防护，提高了配电网的防护效率。
实施例三
参见图6，图6是本发明一实施例提供的终端设备结构示意图。
该实施例的一种终端设备包括：处理器601、存储器602以及存储在所述存储器602中并可在所述处理器601上运行的计算机程序。所述处理器601执行所述计算机程序时实现上述各个配电网重要节点或重要线路的确定方法在实施例中的步骤，例如图1所示的配电网重要节点或重要线路的确定方法的所有步骤。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如：图2所示的配电网重要节点或重要线路的确定装置的所有模块。
另外，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任一实施例所述的配电网重要节点或重要线路的确定方法。
本领域技术人员可以理解，所述示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器601可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器601是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器602可用于存储所述计算机程序和/或模块，所述处理器601通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器602内的数据，实现所述终端设备的各种功能。所述存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种配电网重要节点或重要线路的确定方法，其特征在于，包括：
获取目标配电网的基础数据，并对所述基础数据进行预处理，获得第一数据；其中，所述第一数据包括：拓扑数据和标幺制数据；
根据所述拓扑数据和所述标幺制数据计算获得多维度辨识指标；
根据所述多维度辨识指标的指标值，通过熵权法和加权TOPSIS算法，获得所述目标配电网的拓扑结构所对应的重要度；其中，所述目标配电网的拓扑结构所对应的重要度，包括以下任意一项或多项：目标配电网的节点的重要度或目标配电网的线路的重要度；
根据所述目标配电网的拓扑结构所对应的重要度和预设的重要度阈值，确定重要节点或重要线路。
2.根据权利要求1所述的配电网重要节点或重要线路的确定方法，其特征在于，所述根据所述多维度辨识指标的指标值，通过熵权法和加权TOPSIS算法，获得所述目标配电网的拓扑结构所对应的重要度，具体为：
根据多维度辨识指标，建立目标配电网的拓扑结构所对应的判断矩阵；其中，所述判断矩阵与所述拓扑结构对应，包括以下任意一项或多项：节点判断矩阵和线路判断矩阵；以及所述多维度辨识指标，包括：改进节点度指标、节点凝聚度指标、节点介数指标、加权线路介数指标、线路转移潮流熵指标和风灾下线路故障率指标；
根据所述目标配电网的拓扑结构所对应的判断矩阵，获取信息熵赋权：若判断矩阵为节点判断矩阵，则根据改进节点度指标、节点凝聚度指标和节点介数指标，通过熵权法，计算获得若干节点的第一信息熵赋权；若判断矩阵为线路判断矩阵，则根据加权线路介数指标、线路转移潮流熵指标和风灾下线路故障率指标，通过熵权法，计算获得若干线路的第二信息熵赋权；其中，所述信息熵赋权包括：所述第一信息熵赋权和所述第二信息熵赋权；
根据所述信息熵赋权，通过加权TOPSIS算法计算获得所述目标配电网的拓扑结构所对应的重要度；
其中，所述熵权法的公式如下：
式中，zij为判断矩阵中各元素，z′ij为元素zij标准化后的矩阵元素，pij是概率矩阵中各元素，ej是信息熵赋权，i为节点序号或线路序号，j为多维度辨识指标的类型标号；其中，当判断矩阵为节点判断矩阵，则每个元素为：每个节点的改进节点度指标的指标值或每个节点的节点凝聚度指标的指标值或每个节点的节点介数指标的指标值；当判断矩阵为线路判断矩阵，则每个元素为：每条线路的加权线路介数指标的指标值或每条线路的线路转移潮流熵指标的指标值或每条线路的风灾下线路故障率指标的指标值。
3.根据权利要求2所述的配电网重要节点或重要线路的确定方法，其特征在于，所述根据所述信息熵赋权，通过加权TOPSIS算法计算获得所述目标配电网的拓扑结构所对应的重要度，具体为：
根据所述信息熵赋权和判断矩阵，代入到TOPSIS算法中进行所述目标配电网的拓扑结构所对应的重要度；
当判断矩阵为节点判断矩阵，则根据所述每个节点的信息熵赋权、每个节点的改进节点度指标的指标值、每个节点的节点凝聚度指标的指标值以及每个节点的节点介数指标的指标值，代入到TOPSIS算法中计算获得目标配电网每个节点的重要度；
当判断矩阵为线路判断矩阵，则根据所述每个线路的信息熵赋权、每条线路的加权线路介数指标的指标值、每条线路的线路转移潮流熵指标的指标值以及每条线路的风灾下线路故障率指标的指标值，代入到TOPSIS算法中计算获得目标配电网每条线路的重要度；
其中，所述TOPSIS算法的公式如下：
式中，zij为所述判断矩阵中各元素，Ti为所述目标配电网的拓扑结构所对应的重要度。
4.根据权利要求2所述的配电网重要节点或重要线路的确定方法，其特征在于，所述改进节点度指标的获取，具体为：
根据所述标幺制数据，计算获得阻抗数据；
根据所述阻抗数据，通过电气耦合距离公式，获取电气耦合距离；其中，所述电气耦合距离公式具体如下：
dij＝Uij/Ii＝(Zii-Zij)+(Zjj-Zij)＝Zii+Zij-2Zij
式中Zii和Zjj分别为节点i、j自阻抗；Zij为节点i、j互阻抗；dij为电气耦合距离；
根据所述电气耦合距离，通过第一指标公式计算获得改进节点度指标；其中，所述第一指标公式具体如下：
式中，n为拓扑网络中节点总个数，N1i为改进节点度指标。
5.根据权利要求2所述的配电网重要节点或重要线路的确定方法，其特征在于，所述节点凝聚度指标的获取，具体为：
根据所述拓扑数据，通过迪杰斯特拉算法计算获得最短电气距离；
根据所述最短电气距离，通过第二指标公式计算获得节点凝聚度；其中，所述第二指标公式具体如下：
式中，l为任意两节点间最短平均路径；dmin,ij为配电网中任意节点i、j间的最短电气距离；N2i为节点凝聚度指标。
6.根据权利要求2所述的配电网重要节点或重要线路的确定方法，其特征在于，所述节点介数指标的获取，具体为：
根据所述拓扑数据，通过邻接矩阵计算获得最短第一路径数和最短第二路径数；
根据所述最短第一路径数和所述最短第二路径数，通过第三指标公式计算获得节点介数指标；其中，所述第三指标公式具体如下：
式中，Djl(i)表示节点i、j间经过了节点i的最短第一路径数，Djl表示节点i、j间最短第二路径数；N3i为节点介数指标。
7.根据权利要求2所述的配电网重要节点或重要线路的确定方法，其特征在于，所述加权线路介数指标的获取，具体为：
根据所述标幺制数据，通过邻接矩阵计算获得最短第三路径数和最短第四路径数；
根据所述最短第三路径数和所述最短第四路径数，通过第四指标公式计算获得加权线路介数指标；其中，所述第四指标公式具体如下：
式中，∑i≠j∈VZij(k)表示节点i、j间最短第三路径(即路径总电抗值最小)通过线路k的次数，∑i≠j∈VZij表示节i、j间最短第四路径数；L1k为加权线路介数指标。
8.根据权利要求2所述的配电网重要节点或重要线路的确定方法，其特征在于，所述线路转移潮流熵指标的获取，具体为：
根据所述标幺制数据，通过潮流熵计算公式计算获得转移潮流熵；其中，所述潮流熵计算公式具体如下：
式中，Pαk是线路k断路后流过线路α的功率，Pα0是线路k断路前流过线路α的功率；S为拓扑网络线路集；ΔPαk为统中线路Lα承担线路Lk转移的潮流增量；βαk为支路对支路的潮流转移冲击率；HT(k)为线路k的转移潮流熵；
根据所述转移潮流熵，通过第五指标计算公式计算获得线路转移潮流熵指标；其中，所述第五指标计算公式具体如下：
式中，Pk为支路k潮流功率；L2k为线路转移潮流熵指标。
9.根据权利要求2所述的配电网重要节点或重要线路的确定方法，其特征在于，所述风灾下线路故障率指标的获取，具体为：通过蒙特卡洛抽样法，确定线路的故障率；其中，所述线路的故障率为所述风灾下线路故障率指标。
10.一种配电网重要节点或重要线路的确定装置，其特征在于，包括：数据预处理模块、第一计算模块、第二计算模块和结果生成模块；
所述数据预处理模块，用于获取目标配电网的基础数据，并对所述基础数据进行预处理，获得第一数据；其中，所述第一数据包括：拓扑数据和标幺制数据；
所述第一计算模块，用于根据所述拓扑数据和所述标幺制数据计算获得多维度辨识指标；
所述第二计算模块，用于根据所述多维度辨识指标的指标值，通过熵权法和加权TOPSIS算法，获得所述目标配电网的拓扑结构所对应的重要度；其中，所述目标配电网的拓扑结构所对应的重要度，包括以下任意一项或多项：目标配电网的节点的重要度或目标配电网的线路的重要度；
所述结果生成模块，用于根据所述目标配电网的拓扑结构所对应的重要度和预设的重要度阈值，确定重要节点或重要线路。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211231098.2A CN115545479A (zh) | 2022-10-08 | 2022-10-08 | 一种配电网重要节点或重要线路的确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211231098.2A CN115545479A (zh) | 2022-10-08 | 2022-10-08 | 一种配电网重要节点或重要线路的确定方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115545479A true CN115545479A (zh) | 2022-12-30 |
Family
ID=84732980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211231098.2A Pending CN115545479A (zh) | 2022-10-08 | 2022-10-08 | 一种配电网重要节点或重要线路的确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115545479A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115800272A (zh) * | 2023-02-06 | 2023-03-14 | 国网山东省电力公司东营供电公司 | 基于拓扑识别的电网故障分析方法、***、终端及介质 |
| CN117592871A (zh) * | 2024-01-19 | 2024-02-23 | 中铁四局集团有限公司 | 一种基于大数据的混凝土质量安全溯源追踪管理*** |
-
2022
- 2022-10-08 CN CN202211231098.2A patent/CN115545479A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115800272A (zh) * | 2023-02-06 | 2023-03-14 | 国网山东省电力公司东营供电公司 | 基于拓扑识别的电网故障分析方法、***、终端及介质 |
| CN117592871A (zh) * | 2024-01-19 | 2024-02-23 | 中铁四局集团有限公司 | 一种基于大数据的混凝土质量安全溯源追踪管理*** |
| CN117592871B (zh) * | 2024-01-19 | 2024-04-12 | 中铁四局集团有限公司 | 一种基于大数据的混凝土质量安全溯源追踪管理*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107609569B (zh) | 一种基于多维特征向量的配电网接地故障定位方法 | |
| CN115545479A (zh) | 一种配电网重要节点或重要线路的确定方法及装置 | |
| CN100438251C (zh) | 一种大型电力***脆弱线路辨识的方法 | |
| CN108022002B (zh) | 一种基于支持张量机的中性点接地方式决策方法及*** | |
| CN106529791B (zh) | 一种电力***中支路重要度的评估方法 | |
| US20180375373A1 (en) | Impact increments-based state enumeration reliability assessment approach and device thereof | |
| CN116256602B (zh) | 一种低压配电网状态异常的识别方法和*** | |
| CN109146124B (zh) | 一种基于时变失效率的配电终端改造决策方法 | |
| CN108667005B (zh) | 一种计及新能源影响的电网静动态结合脆弱性评估方法 | |
| CN103093097A (zh) | 基于规范切的电力***脆弱断面识别方法 | |
| CN110034581A (zh) | 风电并网下电力***的区间电气介数脆弱性评估方法 | |
| CN106485333A (zh) | 一种输电线路运行状态评估方法 | |
| CN109375050A (zh) | 一种基于初始故障线路割集的电力***关键断面辨识方法 | |
| Jamali et al. | A Fast and accurate fault location method for distribution networks with DG using genetic algorithms | |
| CN111429043B (zh) | 基于场景构建的电压暂降特征量随机评估方法 | |
| CN103324858A (zh) | 配电网三相潮流状态估计方法 | |
| CN114006413A (zh) | 一种基于图神经网络的电力***暂态稳定控制方法及*** | |
| CN113740666B (zh) | 一种数据中心电力***告警风暴根源故障的定位方法 | |
| CN109587145B (zh) | 一种电力网络中的虚假数据入侵检测方法、装置及设备 | |
| CN113189428A (zh) | 一种电能质量监测管理*** | |
| CN113191062A (zh) | 基于多源不完整信息的配电网故障区段定位方法及*** | |
| CN108090616A (zh) | 一种电力***主动解列最优断面搜索方法 | |
| CN113627655B (zh) | 一种配电网灾前故障场景模拟预测方法及装置 | |
| CN115372694A (zh) | 配电***的非技术损失检测方法、电子设备及存储介质 | |
| CN115586402A (zh) | 配电网故障诊断与处理方法 |
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 |