全网设备参数异常值辨识方法及系统

    公开(公告)号:CN111242459A

    公开(公告)日:2020-06-05

    申请号:CN202010015479.1

    申请日:2020-01-07

    IPC分类号: G06Q10/06 G06K9/62 G06Q50/06

    摘要: 本发明提出一种全网设备参数异常值辨识方法及系统,该方法包括:获取全网设备参数数据,分别从多维度对设备参数指标进行归类分析;创建各设备参数标准化字段和衍生标准化字段,作为设备参数异常辨识的基础;将各设备参数按升序排列并编号,求取各参数的方差变化率;通过对比前后两个参数的方差变化率之差,判断该设备参数数值是否存在异常;如果方差变化率之差超出预设方差阈值,则判断对应的设备参数为异常数据,若无异常数据,再根据四分位法得到设备参数正常区间范围,判断设备参数数值是否在此范围内,若超出,则判断为异常数据。本发明通用性强、可靠性高,可有效识别电网设备参数中的异常数据值,为电网继电保护定值正确性提供有力保障。

    大电网整定参数快速计算方法

    公开(公告)号:CN111476461A

    公开(公告)日:2020-07-31

    申请号:CN202010186620.4

    申请日:2020-03-17

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明提出一种大电网整定参数快速计算方法,包括:S1:当电网模型发生预设变化时,将电网的变化模型存储于未处理支路数据集中;S2:当所有支路数据集中的支路均已经处理完成,转到S7,否则转到S3;S3:获取各支路的类型;S4:将未处理支路及其类型插入到追加队列中;S5:CPU根据支路的类型调用相应CUDA核函数,修正全网矩阵模型;S6:将GPU线程块的计算结果读回内存,并转到S2;S7:根据修正后的全网矩阵模型计算对应电网模型下的整定参数。本发明在CPU和GPU的协同架构下,对大电网下矩阵的生成和修正进行加速,提高批量计算整定参数的能力,从而全面提高大电网下整定算数的计算效率。

    基于多场景模型融合的继电器保护平台构建方法和装置

    公开(公告)号:CN118554635A

    公开(公告)日:2024-08-27

    申请号:CN202410818631.8

    申请日:2024-06-24

    摘要: 本申请涉及一种基于多场景模型融合的继电器保护平台构建方法和装置。所述方法包括:获取低压配电网的设备特性数据;根据设备特性数据,构建低压配电网的中低压配电网拓扑模型、云侧低压拓扑分相连接模型以及边侧局部拓扑连接模型;根据云侧低压拓扑分相连接模型的协同信息以及边侧局部拓扑连接模型的协同信息,构建低压配电网的云边协同信息交互模型;将低压配电网的待接入电力设备的设备产品模型和设备物模型分别接入至中低压配电网拓扑模型、云侧低压拓扑分相连接模型、边侧局部拓扑连接模型以及云边协同信息交互模型,得到低压配电网的继电器保护平台。采用本方法能够提高电力系统保护的准确性和响应速度。

    继电保护运行安全校核决策知识库构建方法和装置

    公开(公告)号:CN118551838A

    公开(公告)日:2024-08-27

    申请号:CN202410818445.4

    申请日:2024-06-24

    摘要: 本申请涉及一种继电保护运行安全校核决策知识库构建方法和装置。所述方法包括:获取电网系统的实际运行数据、知识库构建核心数据以及知识库构建辅助数据;根据实际运行数据以及知识库构建核心数据,构建电网系统的校核决策数据解析层;根据知识库构建辅助数据以及校核决策数据解析层,构建电网系统的校核决策知识分析层;根据校核决策数据解析层的数据以及校核决策知识分析层的数据,构建电网系统的校核决策数据应用层;融合校核决策数据解析层、校核决策知识分析层以及校核决策数据应用层,得到电网系统的安全校核决策知识库。采用本方法能够消除对继电保护运行安全校核决策方面的数据处理能力的缺陷。

    基于多源故障信息的电网二次系统故障诊断方法

    公开(公告)号:CN112415331B

    公开(公告)日:2024-04-09

    申请号:CN202011163422.2

    申请日:2020-10-27

    IPC分类号: G01R31/08

    摘要: 本公开提出了基于多源故障信息的电网二次系统故障诊断方法及系统,包括如下步骤:获取配电网故障告警信息以及配电网拓扑结构信息;根据获取的信息确定故障设备的可疑元件集;采用贝叶斯算法计算可疑元件集中每个元件的故障概率,若故障效率为1,确定故障设备;否则,执行下一步;采用Apriori算法将故障告警信息进行关联分析,获得故障设备的目标元件集;对可疑元件集和目标元件集进行融合处理,确定故障设备。采用面向时间、空间等多维度故障信息的大数据挖掘分析与基于贝叶斯算法的人工智能故障诊断相结合,提出一种适用于配电网故障定位的目标故障元件诊断方法,快速准确的定位故障,及时排除故障,提高系统运行的稳定性和安全性。