CN116244964B - 基于数值模拟和svd模型的配电网大风灾害停电预报方法 - Google Patents
基于数值模拟和svd模型的配电网大风灾害停电预报方法 Download PDFInfo
- Publication number
- CN116244964B CN116244964B CN202310307094.6A CN202310307094A CN116244964B CN 116244964 B CN116244964 B CN 116244964B CN 202310307094 A CN202310307094 A CN 202310307094A CN 116244964 B CN116244964 B CN 116244964B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- power failure
- disaster
- power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004088 simulation Methods 0.000 title claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 239000012212 insulator Substances 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000007619 statistical method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000010295 mobile communication 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
- 238000002360 preparation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
本发明涉及一种基于数值模拟和SVD模型的配电网大风灾害停电预报方法,包括如下步骤:匹配大风灾害情况下停电故障发生时的本体参数、气象参数、运行状态参数、故障发生后的停电概率和时长数据,建立配电网历史气象参数样本库A和配电网大风故障样本库B;基于上述样本库,采用SVD方法,构建大风灾害对配电网停电故障影响的SVD模型;采用区域数值模式,结合全球气象预报数据提供的初边界场,进行数值模拟,得到目标区域的气象参数预报值;基于上述的SVD模型和气象参数预报值,对配电网大风灾害下的停电概率和停电时长进行预报。本发明实现基于数值模拟和统计方法的精细化大风灾害预报,适用于各种情况复杂的配电网的防灾减灾。
Description
技术领域
本发明属于电网防灾技术领域,具体涉及一种基于数值模拟和SVD模型的配电网大风灾害停电预报方法。
背景技术
电网是与国计民生息息相关的重要基础产业,但因其自身的结构和运行特点,其相关硬件设施的平稳运行会受到周围气象要素的显著影响。在全球变暖的背景下,灾害性气象气候事件频发,大风、暴雨和雷电等自然灾害使配电网等硬件设施的正常运行环境受到严峻的挑战。其中,大风灾害出现的概率较高,其影响范围较广、危害较大,可直接造成电力设备的断线、倒塔和风偏闪络等故障,也可使树枝、布条、气球等杂物缠绕电线,对输电线路造成间接破坏。若能及时发布相关预警,提前做出准备,为受大风影响地区线路的抢修保供电工作争取充裕时间,对确保区域电网安全可靠供电是至关重要的。因此,提出一种配电网大风灾害停电预报方法迫在眉睫。
在气象领域,随着数值天气预报模式的不断发展,对天气尺度各气象要素预报的准确率得到很大的提升,相应地也形成了公里级的大风预报产品。但由于配电网所处的地形地貌复杂多样,普遍存在微地形、微气象特征,若要针对区域内各配电网进行大风预警,目前数值预报产品的水平分辨率还难以满足要求。与此同时,各配电网也缺乏有效的强风监测手段,难以基于单个配电网构造出有效的统计预报模型。因此亟待研究面向配电网的精细化气象预报及灾害预警技术。若能基于数值预报产品和配电网故障数据集,将粗分辨率气象要素与区域内配电网历史故障数据相结合,建立起两者时空上的联系,对实现配电网的精细化大风灾害预报和预警具有重要的意义。
发明内容
针对现有方法的不足,本发明一种基于数值模拟和SVD模型的配电网大风灾害停电预报方法,实现基于数值模拟和统计方法的精细化大风灾害预报,适用于各种情况复杂的配电网的防灾减灾。
为实现上述目的,本发明采用如下技术方案:
一种基于数值模拟和SVD模型的配电网大风灾害停电预报方法,包括如下步骤:
收集历史气象参数数据集,并获取配电网的本体参数、运行状态参数,建立配电网运行状态数据集;
匹配大风灾害情况下停电故障发生时的本体参数、气象参数、运行状态参数、故障发生后的停电概率和时长数据,建立配电网历史气象参数样本库A和配电网大风故障样本库B;
基于历史气象参数样本库A和配电网大风故障样本库B,采用SVD方法,构建大风灾害对配电网停电故障影响的SVD模型;
采用区域数值模式,结合全球气象预报数据提供的初边界场,进行数值模拟,得到目标区域的气象参数预报值;
基于构建的大风灾害对配电网停电故障影响的SVD模型和目标区域的气象参数预报值,对配电网大风灾害下的停电概率和停电时长进行预报。
优选地,所述的本体参数包括配电网的杆塔信息和线路信息。
优选地,所述的杆塔信息包括杆塔类型、编号、经度、纬度、海拔高度、制造厂家、安装位置、地质环境信息、水平档距、垂直档距、耐张塔转以及杆塔的绝缘子串型号、串数、绝缘子片数角。
优选地,所述的线路信息包括线路序号、电压等级、线路编号、线路名称、起止地点、线路规格、线路类型、回路数量、输电长度、设计风速、设计冰厚、***数和***间隙。
优选地,所述的气象参数包括风速大小和风向。
优选地,所述的大风灾害对配电网停电故障影响的SVD模型构建步骤如下:
S1、输入配电网历史气象参数样本库A和配电网大风故障样本库B:
A=(A11,A12,…,A21,…,Aij,…,ANM),
B=(B11,B12,…,B21,…,Bik,…,BNS),
其中,Aij为第i个时间样本时第j个格点的气象参数,Bik为第i个时间样本时第k个配电网的故障样本输入参数,即大风灾害故障样本发生时的配电网本体参数、运行状态参数、停电概率和停电时长;
S2、将配电网历史气象参数样本库A和配电网大风故障样本库B的协方差矩阵进行奇异值分解,得到配电网历史气象参数样本库A的主要模态的时间系数X:
X=(X1,…,Xi,…,XN),
其中,XN表示气象参数主模态的第N个时间样本对应的系数;
进一步得到X和B主要空间模态的相关系数C,即为对每个配电网的影响权重:
C=(C1,…,Ci,…,CS),
其中,CS表示第S个配电网对应的相关系数;
S3、利用C构建预测模型:
其中,xi为第i个时间样本的气象参数,为气象参数的平均值,yi为配电网大风灾害下的停电概率或者停电时长的预测值。
优选地,还包括结合配电网大风灾害下的停电概率和停电时长,将风灾分为若干个等级,进行风灾预警。
一种基于数值模拟和SVD模型的配电网大风灾害停电预报***,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述基于数值模拟和SVD模型的配电网大风灾害停电预报方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行上述任一项所述基于数值模拟和SVD模型的配电网大风灾害停电预报方法。
本发明的积极有益效果:
1.本发明公开了一种基于数值模拟和SVD模型的配电网大风灾害停电预报方法,采用较易获取的历史气象参数数据集和配电网运行状态数据集,通过SVD方法建立起气象要素与各配电网在时空上的统计关系模型,即构建大风灾害对配电网停电故障影响的SVD模型,将粗分辨率气象要素的影响按权重分配给目标区域内的各配电网,充分利用配电网停电故障时周围环境的气象信息;然后利用区域数值模式配合全球气象预报数据提供的初边界场,积分得到公里级的气象参数预报值;最后,将目标区域的气象参数预报值和SVD模型相结合,可得到针对单个配电网的微气象预报产品,从而实现对目标区域内各配电网的精细化大风灾害停电概率与停电时长的预报,还可以基于大风灾害下的停电概率与停电时长对大风灾害进行等级划分,根据预报结果实现配电网大风灾害的预警。本发明实现基于数值模拟和统计方法的精细化大风灾害预报,适用于各种情况复杂的配电网的防灾减灾。
附图说明
图1为基于数值模拟和SVD模型的配电网大风灾害停电预报方法流程图。
具体实施方式
下面结合一些具体实施例对本发明进一步说明。
实施例1
一种基于数值模拟和SVD模型的配电网大风灾害停电预报方法,参见图1,包括如下步骤:
收集历史气象参数数据集,并获取配电网的本体参数、运行状态参数,建立配电网运行状态数据集;
匹配大风灾害情况下停电故障发生时的本体参数、气象参数、运行状态参数、故障发生后的停电概率和时长数据,建立配电网历史气象参数样本库A(包括气象参数)和配电网大风故障样本库B(包括本体参数、运行状态参数、故障发生后的停电概率和时长数据);
基于历史气象参数样本库A和配电网大风故障样本库B,采用SVD方法分析大风对目标区域内各配电网的影响,构建大风灾害对配电网停电故障影响的SVD模型;
采用区域数值模式,结合全球气象预报数据提供的初边界场,进行数值模拟,得到目标区域的气象参数预报值,即得到格点化的大风预报产品;
基于构建的大风灾害对配电网停电故障影响的SVD模型和格点化的大风预报产品,对配电网大风灾害下的停电概率和停电时长进行预报;
结合配电网大风灾害下的停电概率和停电时长,将风灾分为若干个等级,进行风灾预警。
进一步地,本体参数包括配电网的杆塔信息和线路信息。
进一步地,杆塔信息包括杆塔类型、编号、经度、纬度、海拔高度、制造厂家、安装位置、地质环境信息、水平档距、垂直档距、耐张塔转以及杆塔的绝缘子串型号、串数、绝缘子片数角。
进一步地,线路信息包括线路序号、电压等级、线路编号、线路名称、起止地点、线路规格、线路类型、回路数量、输电长度、设计风速、设计冰厚、***数和***间隙。
进一步地,气象参数包括风速大小和风向。
进一步地,大风灾害对配电网停电故障影响的SVD模型构建步骤如下:
S1、输入配电网历史气象参数样本库A和配电网大风故障样本库B:
A=(A11,A12,…,A21,…,Aij,…,ANM),
B=(B11,B12,…,B21,…,Bik,…,BNS),
其中,Aij为第i个时间样本时第j个格点的气象参数,Bik为第i个时间样本时第k个配电网的故障样本输入参数,即大风灾害故障样本发生时的配电网本体参数、运行状态参数、停电概率和停电时长;
S2、将配电网历史气象参数样本库A和配电网大风故障样本库B的协方差矩阵进行奇异值分解,得到配电网历史气象参数样本库A的主要模态的时间系数X:
X=(X1,…,Xi,…,XN),
其中,XN表示气象参数主模态的第N个时间样本对应的系数;
进一步得到X和B主要空间模态的相关系数C,即为对每个配电网的影响权重:
C=(C1,…,Ci,…,CS),
其中,CS表示第S个配电网对应的相关系数;
S3、利用C构建预测模型:
其中,xi为第i个时间样本的气象参数,为气象参数的平均值,yi为配电网大风灾害情况下的停电概率或者停电时长的预测值。
一种基于数值模拟和SVD模型的配电网大风灾害停电预报***,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述基于数值模拟和SVD模型的配电网大风灾害停电预报方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
需要说明的是,本实施例中的基于数值模拟和SVD模型的配电网大风灾害停电预报***,可以包括有业务处理模块、边缘端数据库、服务端版本信息寄存器、数据同步模块,处理器执行计算机程序时实现如上述基于数值模拟和SVD模型的配电网大风灾害停电预报方法。
以上所描述的装置实施例仅仅是示意性的,其中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,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。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行上述任一项所述基于数值模拟和SVD模型的配电网大风灾害停电预报方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于数值模拟和SVD模型的配电网大风灾害停电预报方法,其特征在于,包括如下步骤:
收集历史气象参数数据集,并获取配电网的本体参数、运行状态参数,建立配电网运行状态数据集;
匹配大风灾害情况下停电故障发生时的本体参数、气象参数、运行状态参数、故障发生后的停电概率和时长数据,建立配电网历史气象参数样本库A和配电网大风故障样本库B;
基于历史气象参数样本库A和配电网大风故障样本库B,采用SVD方法,构建大风灾害对配电网停电故障影响的SVD模型;
采用区域数值模式,结合全球气象预报数据提供的初边界场,进行数值模拟,得到目标区域的气象参数预报值;
基于构建的大风灾害对配电网停电故障影响的SVD模型和目标区域的气象参数预报值,对配电网大风灾害下的停电概率和停电时长进行预报;
所述的大风灾害对配电网停电故障影响的SVD模型构建步骤如下:
S1、输入配电网历史气象参数样本库A和配电网大风故障样本库B:
A=(A11,A12,…,A21,…,Aij,…,ANM),
B=(B11,B12,…,B21,…,Bik,…,BNS),
其中,Aij为第i个时间样本时第j个格点的气象参数,Bik为第i个时间样本时第k个配电网的故障样本输入参数,即大风灾害故障样本发生时的配电网本体参数、运行状态参数、停电概率和停电时长;
S2、将配电网历史气象参数样本库A和配电网大风故障样本库B的协方差矩阵进行奇异值分解,得到配电网历史气象参数样本库A的主要模态的时间系数X:
X=(X1,…,Xi,…,XN),
其中,XN表示气象参数主模态的第N个时间样本对应的系数;
进一步得到X和B主要空间模态的相关系数C,即为对每个配电网的影响权重:
C=(C1,…,Ci,…,CS),
其中,CS表示第S个配电网对应的相关系数;
S3、利用C构建预测模型:
其中,xi为第i个时间样本的气象参数,为气象参数的平均值,yi为配电网大风灾害下的停电概率或者停电时长的预测值。
2.根据权利要求1所述的基于数值模拟和SVD模型的配电网大风灾害停电预报方法,其特征在于,所述的本体参数包括配电网的杆塔信息和线路信息。
3.根据权利要求2所述的基于数值模拟和SVD模型的配电网大风灾害停电预报方法,其特征在于,所述的杆塔信息包括杆塔类型、编号、经度、纬度、海拔高度、制造厂家、安装位置、地质环境信息、水平档距、垂直档距、耐张塔转以及杆塔的绝缘子串型号、串数、绝缘子片数角。
4.根据权利要求2所述的基于数值模拟和SVD模型的配电网大风灾害停电预报方法,其特征在于,所述的线路信息包括线路序号、电压等级、线路编号、线路名称、起止地点、线路规格、线路类型、回路数量、输电长度、设计风速、设计冰厚、***数和***间隙。
5.根据权利要求1所述的基于数值模拟和SVD模型的配电网大风灾害停电预报方法,其特征在于,所述的气象参数包括风速大小和风向。
6.根据权利要求1-5任一项所述的基于数值模拟和SVD模型的配电网大风灾害停电预报方法,其特征在于,还包括结合配电网大风灾害下的停电概率和停电时长,将风灾分为若干个等级,进行风灾预警。
7.一种基于数值模拟和SVD模型的配电网大风灾害停电预报***,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-6任一项所述基于数值模拟和SVD模型的配电网大风灾害停电预报方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行权利要求1-6任一项所述基于数值模拟和SVD模型的配电网大风灾害停电预报方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310307094.6A CN116244964B (zh) | 2023-03-27 | 2023-03-27 | 基于数值模拟和svd模型的配电网大风灾害停电预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310307094.6A CN116244964B (zh) | 2023-03-27 | 2023-03-27 | 基于数值模拟和svd模型的配电网大风灾害停电预报方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116244964A CN116244964A (zh) | 2023-06-09 |
CN116244964B true CN116244964B (zh) | 2023-10-24 |
Family
ID=86624302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310307094.6A Active CN116244964B (zh) | 2023-03-27 | 2023-03-27 | 基于数值模拟和svd模型的配电网大风灾害停电预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116244964B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254239A (zh) * | 2011-06-01 | 2011-11-23 | 福建省电力有限公司 | 基于微地形风场分布及台风叠加效应的电网风灾预警*** |
CN206075498U (zh) * | 2016-07-27 | 2017-04-05 | 国网新疆电力公司电力科学研究院 | 基于数值模拟天气预报的电网风害预警*** |
CN107688906A (zh) * | 2017-09-04 | 2018-02-13 | 北京玖天气象科技有限公司 | 多方法融合的输电线路气象要素降尺度分析***及方法 |
CN111965486A (zh) * | 2020-08-07 | 2020-11-20 | 国网江苏省电力有限公司电力科学研究院 | 一种基于智能数据融合分析的配电网故障识别方法及*** |
CN114564889A (zh) * | 2022-02-28 | 2022-05-31 | 国网河南省电力公司电力科学研究院 | 一种基于pca模型的配电网大风灾害预警方法 |
CN114580483A (zh) * | 2022-03-16 | 2022-06-03 | 国网山西省电力公司电力科学研究院 | 一种配电网电能质量扰动分类方法及其应用 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3171203B1 (en) * | 2015-11-18 | 2019-01-02 | CGG Services SAS | Adaptive ensemble-based method and device for highly-nonlinear problems |
-
2023
- 2023-03-27 CN CN202310307094.6A patent/CN116244964B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254239A (zh) * | 2011-06-01 | 2011-11-23 | 福建省电力有限公司 | 基于微地形风场分布及台风叠加效应的电网风灾预警*** |
CN206075498U (zh) * | 2016-07-27 | 2017-04-05 | 国网新疆电力公司电力科学研究院 | 基于数值模拟天气预报的电网风害预警*** |
CN107688906A (zh) * | 2017-09-04 | 2018-02-13 | 北京玖天气象科技有限公司 | 多方法融合的输电线路气象要素降尺度分析***及方法 |
CN111965486A (zh) * | 2020-08-07 | 2020-11-20 | 国网江苏省电力有限公司电力科学研究院 | 一种基于智能数据融合分析的配电网故障识别方法及*** |
CN114564889A (zh) * | 2022-02-28 | 2022-05-31 | 国网河南省电力公司电力科学研究院 | 一种基于pca模型的配电网大风灾害预警方法 |
CN114580483A (zh) * | 2022-03-16 | 2022-06-03 | 国网山西省电力公司电力科学研究院 | 一种配电网电能质量扰动分类方法及其应用 |
Non-Patent Citations (2)
Title |
---|
东亚土地覆盖动态与季风气候年际变化的关系;香宝等;地理学报;第57卷(第1期);第39-46页 * |
奇异值分析法对四川电网电压静稳极限的分析预测;吴国梁, 刘俊勇, 陈谦;四川电力技术(第01期);第1-4、17页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116244964A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10386542B2 (en) | Predicting ice coating status on transmission lines | |
CN105278004B (zh) | 一种电网输电线路区段的气象情况分析方法 | |
US11143793B2 (en) | Storm outage management system | |
CN109784559B (zh) | 一种台风路径预测信息下的输电杆塔累积损伤故障概率计算方法 | |
US20220236451A1 (en) | Weather-related Overhead Distribution Line Failures Online Forecasting | |
KR20160022421A (ko) | 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법 | |
Yang et al. | Using numerical weather model outputs to forecast wind gusts during typhoons | |
Tomaszewski et al. | The study of weather conditions favourable to the accretion of icing that pose a threat to transmission power lines | |
KR20220036608A (ko) | 지진 조기 경보 기반 전력 설비 기능 정지 예측 시스템 및 방법 | |
CN114912355A (zh) | 输电线路短期覆冰预测方法、装置和存储介质 | |
CN114548601A (zh) | 基于bp神经网络的配电网极端灾害下停电预测方法及*** | |
CN113344735B (zh) | 电网设备的防灾减灾监测预警*** | |
CN114707796A (zh) | 一种弹性配电网运行风险的滚动评估方法 | |
CN116244964B (zh) | 基于数值模拟和svd模型的配电网大风灾害停电预报方法 | |
US10345485B2 (en) | Forensic weather system | |
Wu et al. | Extension of power system early-warning defense schemes by integrating typhoon information | |
Huang et al. | Analysis and visualization of natural threats against the security of electricity transmission system | |
JP2004061416A (ja) | 冬季雷発雷予測方法および予測装置 | |
Abaas et al. | Long short-term memory customer-centric power outage prediction models for weather-related power outages | |
Durañona et al. | A first characterization of high winds that affect the energy distribution system of Uruguay and their related effects | |
CN113469268B (zh) | 基于误差统计分析的输电线路杆塔雨量修正方法及装置 | |
Kezunovic et al. | Predictive asset management under weather impacts using big data, spatiotemporal data analytics and risk based decision-making | |
CN110070199A (zh) | 一种电网台风灾害预警方法和*** | |
JP2023023481A (ja) | 事故発生確率推定装置、事故発生確率推定装置の制御方法及びプログラム | |
McCarthy | Expanding The UConn-Eversource Outage Prediction Model to New Hampshire |
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 |