CN117787698A - 基于供电范围最大化的微网风险评估方法及系统 - Google Patents
基于供电范围最大化的微网风险评估方法及系统 Download PDFInfo
- Publication number
- CN117787698A CN117787698A CN202311804400.3A CN202311804400A CN117787698A CN 117787698 A CN117787698 A CN 117787698A CN 202311804400 A CN202311804400 A CN 202311804400A CN 117787698 A CN117787698 A CN 117787698A
- Authority
- CN
- China
- Prior art keywords
- level
- risk assessment
- risk
- data
- micro
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 60
- 230000036541 health Effects 0.000 claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000002910 structure generation Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于供电范围最大化的微网风险评估方法及系统，涉及电力控制技术领域。本发明技术方案通过采集微网系统中的原始数据作为风险评估因素数据，获取微网系统拓扑结构，计算拓扑结构中各层级节点的可靠度及风险评估因素数据与节点可靠度间的相关系数，确定各层级节点风险评估重要性影响因素以及健康性影响因素的权重及等级，根据获取的层级节点风险评估重要性影响因素和风险评估健康性影响因素的权重及等级数据计算各层级节点的风险程度评价值，将复杂的微电网群系统抽象简化为若干相互连接的层级节点，以计算节点的风险评估量化值表征微网系统的运行风险程度，实现对微网系统运行状态的量化评估各智能化监测。
Description
技术领域
本发明涉及电力控制技术领域，特别涉及一种基于供电范围最大化的微网风险评估方法及系统。
背景技术
微电网是一种新型电网概念，它是由风能、水能、光伏等微电源加上负荷、储能元件和能量管理和控制系统组成的微型电力系统，微电网既可以孤岛运行，也可以接入大电网并网运行，与大电网之间相互支撑、互为备用，形成更为可靠的电力系统。并且在恶劣天气时，还能保障供电。同时，微电网对于解决海岛、偏远地区、人口稀少地区等区域的供电具有不可替代优越性，由于其距离负荷较近，可有效解决大电网“最后一公里”的问题，明显提升电能质量和供电可靠性。
微网(群)系统的内部构成的复杂性导致影响其运行风险的因素增多，目前，针对于微网系统运行风险的评估大多是针对于运行过程中的某一参数或者某一组网部分进行评价，缺少对微网系统整体运行风险的评价体系和模型。为此，我们提出基于供电范围最大化的微网风险评估方法及系统。
发明内容
本发明的主要目的在于提供基于供电范围最大化的微网风险评估方法及系统，可以有效解决背景技术中的问题。
为实现上述目的，本发明采取的技术方案为，
基于供电范围最大化的微网风险评估方法，包括，
步骤一，采集微网系统中的电网运行数据、在线监测数据、天气信息、配网运维信息及设备状态信息作为风险评估因素数据；
步骤二，对微网系统中馈线连通关系进行分析，获取微网系统拓扑结构，根据获取的风险评估因素数据计算拓扑结构中各层级节点的可靠度，计算公式为：
式中，rek为拓扑结构中第k层级的可靠度；θ为层级数量；MTBF为末级层级节点的平均故障间隔时间；rekp、rekv分别为第k层级的第p、v个节点的可靠度；p、v分别为第k层级中串联连接节点和并联连接节点的编号；u为第k层级中串联连接节点的总数；q为第k层级中连接节点的总数；
步骤三，分别计算各类风险评估因素数据与层级节点可靠度之间的相关系数，根据计算结果确定拓扑结构中各层级节点风险评估重要性影响因素的权重及等级，其中，相关系数的计算公式为：
式中，ρλk为第λ类风险评估因素数据与第k层级可靠度之间的相关系数；为第λ类风险评估因素数据的第/>个参数值；/>为第λ类风险评估因素数据的均值；/>为第k层级的可靠度均值；n为参数值总数；
步骤四，筛选与层级节点可靠度呈正相关关系的风险评估因素数据类型作为风险评估健康性影响因素，对获取的风险评估健康性影响因素的风险评估因素数据进行分析处理，根据微网系统节点运行情况将各类风险评估健康性影响因素数据划分为正常状态、风险状态及故障状态三种运行状态类型，设定划分运行状态的临界值，根据设置的临界值确定各层级节点风险评估健康性影响因素的权重及等级；
步骤五，根据获取的层级节点风险评估重要性影响因素的权重及等级和风险评估健康性影响因素的权重及等级计算各层级节点的风险程度评价值，计算公式为：
式中，Rk为微网系统第k层级的风险程度评价值；为第k层级的健康值的第j个影响因素的权重；Gkj为第k层级的健康值的第j个影响因素的健康值等级；ξki为第k层级的重要性的第i个影响因素的权重；Fki为第k层级的重要性的第i个影响因素的重要性等级；N为数据样本量。
基于供电范围最大化的微网风险评估系统，包括数据采集模块、电网拓扑结构生成模块、节点分析模块、数据分析模块、风险评估模块、可视化模块；
所述数据采集模块用于采集微网系统中的电网运行数据、在线监测数据、天气信息、配网运维信息及设备状态信息，并将采集的数据进行预处理后得到风险评估因素数据；
所述电网拓扑结构生成模块基于GIS的微网系统模型和网络地图对配网线路中各设备间及设备与线路线路间的连通关系进行分析，以获取微网系统拓扑结构；
所述节点分析模块与所述数据采集模块及所述电网拓扑结构生成模块连接，用于根据获取的风险评估因素数据计算微网系统拓扑结构中各层级节点的可靠度；
所述数据分析模块与所述节点分析模块及所述数据采集模块连接，用于计算各类风险评估因素数据与层级节点可靠度之间的相关系数，并根据计算结果确定拓扑结构中各层级节点风险评估重要性影响因素的权重及等级以及风险评估健康性影响因素的权重及等级；
所述风险评估模块与所述数据分析模块连接，用于根据获取的层级节点风险评估重要性影响因素的权重及等级和风险评估健康性影响因素的权重及等级计算各层级节点的风险程度评价值；
所述可视化模块与所述风险评估模块连接，用于将微网系统微网系统拓扑结构中各层级节点的风险程度评价结果进行可视化显示。
所述系统还包括数据存储模块，所述数据存储模块与所述数据采集模块连接，用于存储所述风险评估因素数据及微网系统中的历史数据。
所述系统还包括存储器、处理器及存储于存储器中能够在处理器上运行的电子程序。
本发明具有如下有益效果，
与现有技术相比，本发明技术方案提出一种对微网系统整体运行风险的评价体系和模型，通过采集微网系统中的电网运行数据、在线监测数据、天气信息、配网运维信息及设备状态信息作为风险评估因素数据，对微网系统中馈线连通关系进行分析，获取微网系统拓扑结构，根据获取的风险评估因素数据计算拓扑结构中各层级节点的可靠度，分别计算各类风险评估因素数据与层级节点可靠度之间的相关系数，根据计算结果确定拓扑结构中各层级节点风险评估重要性影响因素的权重及等级，筛选与层级节点可靠度呈正相关关系的风险评估因素数据类型作为风险评估健康性影响因素，对获取的风险评估健康性影响因素的风险评估因素数据进行分析处理，根据微网系统节点运行情况将各类风险评估健康性影响因素数据划分为正常状态、风险状态及故障状态三种运行状态类型，设定划分运行状态的临界值，根据设置的临界值确定各层级节点风险评估健康性影响因素的权重及等级，根据获取的层级节点风险评估重要性影响因素的权重及等级和风险评估健康性影响因素的权重及等级计算各层级节点的风险程度评价值，将复杂的微电网群系统抽象简化为若干相互连接的层级节点，以计算节点的风险评估量化值表征微网系统的运行风险程度，实现对微网系统运行状态的量化评估各智能化监测。
附图说明
图1为本发明基于供电范围最大化的微网风险评估方法的流程图；
图2为本发明基于供电范围最大化的微网风险评估系统的结构框图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明，其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制，为了更好地说明本发明的具体实施方式，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸。
实施例1
如图1所示的本发明技术方案基于供电范围最大化的微网风险评估方法的流程图及图2所示的本发明技术方案基于供电范围最大化的微网风险评估系统的结构框图。
本发明技术方案的具体实施流程包括以下步骤：
步骤1，通过数据采集模块采集微网系统中的电网运行数据、在线监测数据、天气信息、配网运维信息及设备状态信息，并将采集的数据进行预处理后得到风险评估因素数据，其中，包括微网系统中各元件的型号、安装信息、铭牌参数及额定电流、额定电压、线路长度参数、元件的功率因数、有功功率值、无功功率值、电压值、电流值；状态数据包括调度数据、电网安全信息、负荷节点异常数据、设备的开通及断开情况、配电区域的实时负荷大小、大气压强、温度、湿度、日照强度、风速大小及风向数据等，实操过程中，可以通过个来传感器及检测设备进行数据采集，为保证评估结果的准确性，采集的数据类型应尽可能完整；
步骤2，通过电网拓扑结构生成模块基于GIS的微网系统模型和网络地图对配网线路中各设备间及设备与线路线路间的连通关系进行分析，以获取微网系统拓扑结构；
步骤3，通过节点分析模块根据获取的风险评估因素数据计算微网系统拓扑结构中各层级节点的可靠度，计算方法为：
式中，rek为拓扑结构中第k层级的可靠度；θ为层级数量；MTBF为末级层级节点的平均故障间隔时间；rekp、rekv分别为第k层级的第p、v个节点的可靠度；p、v分别为第k层级中串联连接节点和并联连接节点的编号；u为第k层级中串联连接节点的总数；q为第k层级中连接节点的总数，其中，第k层级的第p个节点的可靠度rekp的计算公式为：
式中，α、β分别为第k层级第p个节点中的串联连接节点和并联连接节点的编号；χ为第k层级第p个节点中串联连接节点的总数，第k层级的第v个节点的可靠度rekv的计算方法同理。
步骤4，通过数据分析模块计算各类风险评估因素数据与层级节点可靠度之间的相关系数，其中，相关系数的计算公式为：
式中，ρλk为第λ类风险评估因素数据与第k层级可靠度之间的相关系数；为第λ类风险评估因素数据的第/>个参数值；/>为第λ类风险评估因素数据的均值；/>为第k层级的可靠度均值；n为参数值总数；
步骤5，根据相关系数的计算结果确定拓扑结构中各层级节点风险评估重要性影响因素的权重及等级，具体步骤具体如下：
步骤51,去除相关系数为0的风险评估因素数据类型，对获取的其余各类风险评估因素数据与层级节点可靠度之间的相关系数数值取绝对值；
步骤52,利用获取的相关系数数值的创建相关系数数据集，计算相关系数数据集中的均值和标准差，利用均值和标准差对数据进行标准化，标准化公式为在此式中z为标准参量，σ为样本数据的方差，μ为样本数据的均值；
步骤53,将获取的标准参量利用归一化函数调整至数值区间[0,1]之间，利用归一化函数f(k)的函数值对相关系数数值进行分类，分类机制为：
当f(k)min≤f(k)<f(k)1时，相关系数数值分类为一级；
当f(k)1≤f(k)<f(k)2时，相关系数数值分类为二级；
当f(k)2≤f(k)<f(k)max时，相关系数数值分类为三级；
其中，f(k)min<f(k)1<f(k)2<f(k)max，f(k)min、f(k)max分别为f(k)的函数值的最小值和最大值，f(k)1、f(k)2分别为f(k)的函数值的中间值；
步骤54,根据相关系数数值分类结果对层级节点风险评估重要性影响因素的等级进行分类，分类机制为：
当相关系数数值分类为一级时，对应的层级节点风险评估重要性影响因素的等级为一级；
当相关系数数值分类为二级时，对应的层级节点风险评估重要性影响因素的等级为二级；
当相关系数数值分类为三级时，对应的层级节点风险评估重要性影响因素的等级为三级；
步骤55,根据风险评估重要性影响因素的等级分类结果确定权重值，其中，层级节点风险评估重要性影响因素的权重通过以下模型进行确定：
式中，l为层级节点风险评估重要性影响因素的等级分类结果；
步骤6，筛选与层级节点可靠度呈正相关关系的风险评估因素数据类型作为风险评估健康性影响因素，对获取的风险评估健康性影响因素的风险评估因素数据进行分析处理，根据微网系统节点运行情况将各类风险评估健康性影响因素数据划分为正常状态、风险状态及故障状态三种运行状态类型，设定划分运行状态的临界值，根据设置的临界值确定各层级节点风险评估健康性影响因素的权重及等级，其中，以不发生故障时的风险评估健康性影响因素数据最小值作为风险状态与故障状态的临界值，风险评估健康性影响因素数据的正常状态与风险状态的临界值根据阈值法和获取的电网运行数据及配网运维信息进行确定；
风险评估健康性影响因素的权重及等级确定原则为：
当风险评估健康性影响因素数据为正常状态时，对应的风险评估健康性影响因素的权重取值范围为(0,0.15]，等级为一级；
当风险评估健康性影响因素数据为风险状态时，对应的风险评估健康性影响因素的权重取值范围为(0.2,0.35]，等级为二级；
当风险评估健康性影响因素数据为故障状态时，对应的风险评估健康性影响因素的权重取值范围为[0.5,1)，等级为三级。
步骤7，通过风险评估模块根据获取的层级节点风险评估重要性影响因素的权重及等级和风险评估健康性影响因素的权重及等级计算各层级节点的风险程度评价值，计算公式为：
式中，Rk为微网系统第k层级的风险程度评价值；为第k层级的健康值的第j个影响因素的权重；Gkj为第k层级的健康值的第j个影响因素的健康值等级；ξki为第k层级的重要性的第i个影响因素的权重；Fki为第k层级的重要性的第i个影响因素的重要性等级；N为数据样本量；
步骤8，通过可视化模块将微网系统微网系统拓扑结构中各层级节点的风险程度评价结果进行可视化显示，从而实现对微网系统的整体运行风险及节点运行风险进行实时监测。
以上显示和描述了本发明的基本原理和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只是说明本发明的原理，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 (9)
1.基于供电范围最大化的微网风险评估方法，其特征在于，包括，
步骤一，采集微网系统中的电网运行数据、在线监测数据、天气信息、配网运维信息及设备状态信息作为风险评估因素数据；
步骤二，对微网系统中馈线连通关系进行分析，获取微网系统拓扑结构，根据获取的风险评估因素数据计算拓扑结构中各层级节点的可靠度，计算公式为：
式中，rek为拓扑结构中第k层级的可靠度；θ为层级数量；MTBF为末级层级节点的平均故障间隔时间；rekp、rekv分别为第k层级的第p、v个节点的可靠度；p、v分别为第k层级中串联连接节点和并联连接节点的编号；u为第k层级中串联连接节点的总数；q为第k层级中连接节点的总数；
步骤三，分别计算各类风险评估因素数据与层级节点可靠度之间的相关系数，根据计算结果确定拓扑结构中各层级节点风险评估重要性影响因素的权重及等级，其中，相关系数的计算公式为：
式中，ρλk为第λ类风险评估因素数据与第k层级可靠度之间的相关系数；为第λ类风险评估因素数据的第/>个参数值；/>为第λ类风险评估因素数据的均值；/>为第k层级的可靠度均值；n为参数值总数；
步骤四，筛选与层级节点可靠度呈正相关关系的风险评估因素数据类型作为风险评估健康性影响因素，对获取的风险评估健康性影响因素的风险评估因素数据进行分析处理，根据微网系统节点运行情况将各类风险评估健康性影响因素数据划分为正常状态、风险状态及故障状态三种运行状态类型，设定划分运行状态的临界值，根据设置的临界值确定各层级节点风险评估健康性影响因素的权重及等级；
步骤五，根据获取的层级节点风险评估重要性影响因素的权重及等级和风险评估健康性影响因素的权重及等级计算各层级节点的风险程度评价值，计算公式为：
式中，Rk为微网系统第k层级的风险程度评价值；为第k层级的健康值的第j个影响因素的权重；Gkj为第k层级的健康值的第j个影响因素的健康值等级；ξki为第k层级的重要性的第i个影响因素的权重；Fki为第k层级的重要性的第i个影响因素的重要性等级；N为数据样本量。
2.根据权利要求1所述的基于供电范围最大化的微网风险评估方法，其特征在于，第k层级的第p个节点的可靠度rekp的计算公式为：
式中，α、β分别为第k层级第p个节点中的串联连接节点和并联连接节点的编号；χ为第k层级第p个节点中串联连接节点的总数，第k层级的第v个节点的可靠度rekv的计算方法同理。
3.根据权利要求1所述的基于供电范围最大化的微网风险评估方法，其特征在于，步骤三中，层级节点风险评估重要性影响因素的等级的确定步骤具体如下：
步骤s31,去除相关系数为0的风险评估因素数据类型，对获取的其余各类风险评估因素数据与层级节点可靠度之间的相关系数数值取绝对值；
步骤s32,利用获取的相关系数数值的创建相关系数数据集，计算相关系数数据集中的均值和标准差，利用均值和标准差对数据进行标准化，标准化公式为在此式中z为标准参量，σ为样本数据的方差，μ为样本数据的均值；
步骤s33,将获取的标准参量利用归一化函数调整至数值区间[0,1]之间，利用归一化函数f(k)的函数值对相关系数数值进行分类，分类机制为：
当f(k)min≤f(k)<f(k)1时，相关系数数值分类为一级；
当f(k)1≤f(k)<f(k)2时，相关系数数值分类为二级；
当f(k)2≤f(k)<f(k)max时，相关系数数值分类为三级；
其中，f(k)min<f(k)1<f(k)2<f(k)max，f(k)min、f(k)max分别为f(k)的函数值的最小值和最大值，f(k)1、f(k)2分别为f(k)的函数值的中间值；
步骤s34,根据相关系数数值分类结果对层级节点风险评估重要性影响因素的等级进行分类，分类机制为：
当相关系数数值分类为一级时，对应的层级节点风险评估重要性影响因素的等级为一级；
当相关系数数值分类为二级时，对应的层级节点风险评估重要性影响因素的等级为二级；
当相关系数数值分类为三级时，对应的层级节点风险评估重要性影响因素的等级为三级。
4.根据权利要求1所述的基于供电范围最大化的微网风险评估方法，其特征在于，步骤三中，层级节点风险评估重要性影响因素的权重通过以下模型进行确定：
式中，l为层级节点风险评估重要性影响因素的等级分类结果。
5.根据权利要求1所述的基于供电范围最大化的微网风险评估方法，其特征在于，步骤四中，以不发生故障时的风险评估健康性影响因素数据最小值作为风险状态与故障状态的临界值，风险评估健康性影响因素数据的正常状态与风险状态的临界值根据阈值法和获取的电网运行数据及配网运维信息进行确定。
6.根据权利要求1所述的基于供电范围最大化的微网风险评估方法，其特征在于，步骤四中，风险评估健康性影响因素的权重及等级确定原则为：
当风险评估健康性影响因素数据为正常状态时，对应的风险评估健康性影响因素的权重取值范围为(0,0.15]，等级为一级；
当风险评估健康性影响因素数据为风险状态时，对应的风险评估健康性影响因素的权重取值范围为(0.2,0.35]，等级为二级；
当风险评估健康性影响因素数据为故障状态时，对应的风险评估健康性影响因素的权重取值范围为[0.5,1)，等级为三级。
7.基于供电范围最大化的微网风险评估系统，其特征在于，包括数据采集模块、电网拓扑结构生成模块、节点分析模块、数据分析模块、风险评估模块、可视化模块；
所述数据采集模块用于采集微网系统中的电网运行数据、在线监测数据、天气信息、配网运维信息及设备状态信息，并将采集的数据进行预处理后得到风险评估因素数据；
所述电网拓扑结构生成模块基于GIS的微网系统模型和网络地图对配网线路中各设备间及设备与线路线路间的连通关系进行分析，以获取微网系统拓扑结构；
所述节点分析模块与所述数据采集模块及所述电网拓扑结构生成模块连接，用于根据获取的风险评估因素数据计算微网系统拓扑结构中各层级节点的可靠度；
所述数据分析模块与所述节点分析模块及所述数据采集模块连接，用于计算各类风险评估因素数据与层级节点可靠度之间的相关系数，并根据计算结果确定拓扑结构中各层级节点风险评估重要性影响因素的权重及等级以及风险评估健康性影响因素的权重及等级；
所述风险评估模块与所述数据分析模块连接，用于根据获取的层级节点风险评估重要性影响因素的权重及等级和风险评估健康性影响因素的权重及等级计算各层级节点的风险程度评价值；
所述可视化模块与所述风险评估模块连接，用于将微网系统微网系统拓扑结构中各层级节点的风险程度评价结果进行可视化显示。
8.根据权利要求7所述的基于供电范围最大化的微网风险评估系统，其特征在于，所述系统还包括数据存储模块，所述数据存储模块与所述数据采集模块连接，用于存储所述风险评估因素数据及微网系统中的历史数据。
9.根据权利要求7所述的基于供电范围最大化的微网风险评估系统，其特征在于，所述系统还包括存储器、处理器及存储于存储器中且能够在处理器上运行的电子程序，其中，所述处理器在执行电子程序时，能实现权利要求1-6中任一项方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311804400.3A CN117787698A (zh) | 2023-12-26 | 2023-12-26 | 基于供电范围最大化的微网风险评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311804400.3A CN117787698A (zh) | 2023-12-26 | 2023-12-26 | 基于供电范围最大化的微网风险评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117787698A true CN117787698A (zh) | 2024-03-29 |
Family
ID=90393927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311804400.3A Pending CN117787698A (zh) | 2023-12-26 | 2023-12-26 | 基于供电范围最大化的微网风险评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117787698A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118323228A (zh) * | 2024-05-11 | 2024-07-12 | 广州运达智能科技有限公司 | 一种城轨列车在线故障诊断与健康评估系统及方法 |
-
2023
- 2023-12-26 CN CN202311804400.3A patent/CN117787698A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118323228A (zh) * | 2024-05-11 | 2024-07-12 | 广州运达智能科技有限公司 | 一种城轨列车在线故障诊断与健康评估系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109842373B (zh) | 基于时空分布特性的光伏阵列故障诊断方法及装置 | |
| CN110533331B (zh) | 一种基于输电线路数据挖掘的故障预警方法和系统 | |
| CN111539553B (zh) | 基于svr算法和偏峰度的风电机组发电机故障预警方法 | |
| CN110570122B (zh) | 一种计及风速季节特性及集电系统元件故障的海上风电场可靠性评估方法 | |
| CN111488896B (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
| CN110362045B (zh) | 一种考虑海洋气象因素的海上双馈风电机组故障判别方法 | |
| CN109447441B (zh) | 一种考虑新能源机组不确定性的暂态稳定风险评估方法 | |
| CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
| CN114399081A (zh) | 一种基于天气分类的光伏发电功率预测方法 | |
| Yun et al. | Research on fault diagnosis of photovoltaic array based on random forest algorithm | |
| CN117787698A (zh) | 基于供电范围最大化的微网风险评估方法及系统 | |
| CN115859099A (zh) | 样本生成方法、装置、电子设备和存储介质 | |
| CN104574221A (zh) | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 | |
| Min et al. | Fault prediction for distribution network based on CNN and LightGBM algorithm | |
| KR20190071174A (ko) | 기압 데이터를 이용한 단기 풍속 예측 방법 및 시스템 | |
| CN117937753A (zh) | 一种电力环境远程监控系统 | |
| CN115598459A (zh) | 一种配电网10kV馈线故障停电预测方法 | |
| Shan et al. | Root Cause Analysis of Failures for Power Communication Network Based on CNN | |
| Zhou et al. | Research on Data Classification and Risk Level Perception of Weak Distribution Network | |
| Li et al. | Extraction of abnormal points from on-line operation data of intelligent meter based on LSTM | |
| Zhou et al. | Power Grid transient stability prediction method based on improved CNN under big data background | |
| CN118246695B (zh) | 一种光伏新能源运维调度系统 | |
| Wang et al. | Distributed Photovoltaic Power Station Fault Diagnosis Based on Random Forest | |
| CN117893030B (zh) | 基于大数据的电力系统风险预警方法 | |
| CN115811278B (zh) | 基于离散率的分布式光伏故障检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |