CN117351663A - 一种继电保护功能运行状态异常风险预警方法及系统 - Google Patents
一种继电保护功能运行状态异常风险预警方法及系统 Download PDFInfo
- Publication number
- CN117351663A CN117351663A CN202311114483.3A CN202311114483A CN117351663A CN 117351663 A CN117351663 A CN 117351663A CN 202311114483 A CN202311114483 A CN 202311114483A CN 117351663 A CN117351663 A CN 117351663A
- Authority
- CN
- China
- Prior art keywords
- change data
- risk
- matrix
- abnormal
- risk level
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote monitoring or remote control of equipment in a power distribution network
- H02J13/10—Circuit arrangements for providing remote monitoring or remote control of equipment in a power distribution network characterised by displaying of information or by user interaction, e.g. supervisory control and data acquisition [SCADA] systems
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote monitoring or remote control of equipment in a power distribution network
- H02J13/12—Monitoring network conditions, e.g. electrical magnitudes or operational status
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供一种继电保护功能运行状态异常风险预警方法及系统,包括:获取设备的状态信息变化数据和定值变化数据;基于所述状态信息变化数据和定值变化数据,获取所述状态信息变化数据和定值变化数据中的异常数据;基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型;基于所述异常数据和风险分析模型,获取风险等级阈值;基于所述风险等级阈值,获取设备的风险等级,以解决目前的继电保护设备无法正确判断供电设备的故障类型和等级,导致需要将整个供电设备停机进行维修排查,影响用户正常用电而且维修效率较低的问题。
Description
技术领域
本申请涉及继电保护技术领域,尤其涉及一种继电保护功能运行状态异常风险预警方法及系统。
背景技术
随着经济和各类产业的发展,人们的供电需求不断增长。电力系统作为经济发展的重要保障,其运行的稳定性、可靠性和安全性问题越来越重要。但电力系统从发电到用电的过程具有复杂性和耦合性,这使得其运行的稳定性、可靠性和安全性面临诸多问题和考验。
继电保护装置是智能变电站的重要设备之一,它可以有效减轻变电站发生故障时对设备以及其他方面造成的影响,是确保电力系统安全运行的重要保证。当电力系统在运行中,一旦发生故障,智能变电站可以在继电保护装置的保护下发出预警,进而提醒相关技术人员进行检修,减少故障损失。
传统的继电保护设备预警技术虽然能够对设备的运行状态和故障进行监督和预警,但是存在着几个问题:第一,当系统报警时,证明设备已经发生故障,但是不清楚设备故障的类型和等级,只能将整个变电站停机维修进行排查;第二,继电保护装置正常运行过程会产生大量物理参数,而对处理这些数据依赖于专家经验;需要从事运维的专家根据经验对故障进行分析,进而做出判断和诊断。但是现代化的预警系统要求在故障发生之前进行准确的预警与诊断,由于网络技术和信号处理技术的发展,继电保护设备每时每刻都在产生海量的信息,如果仅仅依靠专家,无法处理继电保护设备产生的全部信息,导致无法正确判断故障的类型和等级,降低了维修的效率。
发明内容
本申请实施例提供了一种继电保护功能运行状态异常风险预警方法及系统,以解决现有的继电保护设备无法正确判断供电设备的故障类型和等级,导致需要将整个供电设备停机进行维修排查,影响用户正常用电而且维修效率较低的技术问题。
本申请第一方面提供了一种继电保护功能运行状态异常风险预警方法,包括:
获取设备的状态信息变化数据和定值变化数据;
基于所述状态信息变化数据和定值变化数据,获取所述状态信息变化数据和定值变化数据中的异常数据;
基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型;
基于所述异常数据和风险分析模型,获取风险等级阈值;
基于所述风险等级阈值,获取设备的风险等级。
在一些实施例中,所述方法还包括:
基于所述风险等级阈值,获取设备的异常类型。
在一些实施例中,所述方法还包括:
基于所述设备的风险等级和所述设备的异常类型,生成预警信息;
基于所述预警信息,将所述预警信息发送至指定设备;所述指定设备为能够接收信息的电子设备或蓝牙设备。
在一些实施例中,所述基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型包括:
基于所述状态信息变化数据和定值变化数据的种类和数量,构建数据矩阵;
基于所述数据矩阵,获取所述数据矩阵的回归投影矩阵;
基于所述回归投影矩阵,获取所述回归投影矩阵的核范数;
基于所述回归投影矩阵,获取第一对角矩阵和第二对角矩阵;
计算所述第一对角矩阵和第二对角矩阵的数值,基于所述第一对角矩阵和第二对角矩阵的数值以及所述核范数,生成权重矩阵;
基于所述权重矩阵和所述数据矩阵,生成矩阵模型;
基于所述矩阵模型,利用PCA模型进行稀疏化处理,生成风险分析模型。
在一些实施例中,所述基于所述风险等级阈值,获取设备的风险等级包括:
若所述风险等级阈值小于3,则设备的风险等级为正常;
若所述风险等级阈值大于3且小于7,或所述风险等级阈值为3或7,则设备的风险等级为异常;
若所述风险等级阈值大于7,则设备的风险等级为严重。
在一些实施例中,所述矩阵模型为:
X=R’x;
式中,R’为权重矩阵,x为数据矩阵;
所述风险分析模型为:
式中,R为回归投影矩阵,||R||为回归投影矩阵的核范数,T为矩阵的转置,β为非负正则化系数,γ为核范数的正则化参数,tr( )为矩阵的迹。
在一些实施例中,所述状态信息变化数据包括:控制字变更数据、软压板状态变化数据、功能压板状态变化数据、出口压板状态变化数据和一次运行方式变化数据。
在一些实施例中,所述设备的异常类型包括:控制字定值、软压板、功能硬压板、出口硬压板的保护功能失效;定值巡视异常,定值召唤失败,软压板召唤失败,功能硬压板召唤失败,出口硬压板召唤失败。
本申请提供了一种继电保护功能运行状态异常风险预警系统,应用于上述第一方面中任意一项所述的一种继电保护功能运行状态异常风险预警方法,包括:
第一获取模块,用于获取设备的状态信息变化数据和定值变化数据;
第二获取模块,被配置为基于所述状态信息变化数据和定值变化数据,获取所述状态信息变化数据和定值变化数据中的异常数据;
生成模块,被配置为基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型;
第三获取模块,被配置为基于所述异常数据和风险分析模型,获取风险等级阈值;
第四获取模块,被配置为基于所述风险等级阈值,获取设备的风险等级。
在一些实施例中,所述系统还包括:
第五获取模块,被配置为基于所述风险等级阈值,获取设备的异常类型。
本申请实施例提供一种继电保护功能运行状态异常风险预警方法及系统,包括:获取设备的状态信息变化数据和定值变化数据;基于所述状态信息变化数据和定值变化数据,获取所述状态信息变化数据和定值变化数据中的异常数据;基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型;基于所述异常数据和风险分析模型,获取风险等级阈值;基于所述风险等级阈值,获取设备的风险等级,以实现继电保护设备可以正确判断供电设备的故障类型和等级,可以有针对性的对故障点进行维修无需将整个供电设备停机进行维修排查,不影响用户正常用电。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请中继电保护功能运行状态异常风险预警方法流程图;
图2为本申请中继电保护功能运行状态异常风险预警系统的结构示意图。
附图标记说明:
1-第一获取模块;2-第二获取模块;3-生成模块;4-第三获取模块;5-第四获取模块;6-第五获取模块。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
由于在一些技术中,继电保护设备无法正确判断供电设备的故障类型和等级,导致需要将整个供电设备停机进行维修排查,影响用户正常用电而且维修效率较低,为了解决该技术问题,本申请提供了一种继电保护功能运行状态异常风险预警方法及系统,下面对继电保护功能运行状态异常风险预警方法及系统进行说明:
由图1可知,本申请提供了一种继电保护功能运行状态异常风险预警方法,包括:获取设备的状态信息变化数据和定值变化数据;所述状态信息变化数据包括:控制字变更数据、软压板状态变化数据、功能压板状态变化数据、出口压板状态变化数据和一次运行方式变化数据;获取供电设备的状态信息变化数据和定值变化数据;基于所述状态信息变化数据和定值变化数据,获取所述状态信息变化数据和定值变化数据中的异常数据;所述异常数据为当所述状态信息变化数据和设定的正常运行数据不一致时或定制变化数据的定值不一致时,自动筛选出不一致的数据信息;而所述不一致的数据信息自动触发预设的预警条件,基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型;所述基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型包括:基于所述状态信息变化数据和定值变化数据的种类和数量,构建数据矩阵x;所述数据矩阵x为:
式中,m为采集的数据的数量,n为采集的数据的种类;
基于所述数据矩阵x,获取所述数据矩阵的回归投影矩阵R;
基于所述回归投影矩阵R,获取所述回归投影矩阵的核范数||R||;所述核范数||R||为:
式中,Rij为回归投影矩阵的第i行第j列;
基于所述回归投影矩阵R,获取第一对角矩阵A和第二对角矩阵B;所述第一对角矩阵A为:
式中,R’i为权重矩阵的第i行,xi为数据矩阵的第i行,T为矩阵的转置;
所述第二对角矩阵B为:
计算所述第一对角矩阵和第二对角矩阵的数值,利用所述第一对角矩阵和第二对角矩阵的数值计算逆矩阵的数值,所述逆矩阵的数值为:
(αB+xAxT)-1=(αA)-1-(αA)-1(αB)(I+xT(aA)-1xA)-1xT(αA)-1;
式中,α为回归投影矩阵R的核范数||R||的参数;
基于所述逆矩阵的数值以及所述核范数||R||,生成权重矩阵R’;所述权重矩阵R’为:
R’=(αA)-1-(αB)-1xA·[I+xT(αB)-1xA]xT(αB)-1;
基于所述权重矩阵和所述数据矩阵,生成矩阵模型X;所述矩阵模型X为:
X=R’x;
基于所述矩阵模型X,利用PCA模型进行稀疏化处理,生成风险分析模型。所述风险分析模型为:
式中,β为非负正则化系数,γ为核范数的正则化参数,tr()为矩阵的迹。
基于所述异常数据和风险分析模型,获取风险等级阈值;基于所述风险等级阈值,获取设备的风险等级;将所述异常数据输入至所述风险分析模型,获取风险等级阈值;所述基于所述风险等级阈值,获取设备的风险等级包括:若所述风险等级阈值小于3,则设备的风险等级为正常;即f(X)<3;若所述风险等级阈值大于3且小于7,或所述风险等级阈值为3或7,则设备的风险等级为异常;即3≤f(X)≤7;若所述风险等级阈值大于7,则设备的风险等级为严重;即f(X)>7。根据所述风险等级,维修人员可以判断出设备是否发生故障,通过所述风险等级获取到故障的类型即异常和严重,通过故障类型选择合适的维修工具有针对性进行处理。
在该实施例中,所述方法还包括:基于所述风险等级阈值,获取设备的异常类型。所述设备的异常类型包括:控制字定值、软压板、功能硬压板、出口硬压板的保护功能失效;定值巡视异常,定值召唤失败,软压板召唤失败,功能硬压板召唤失败,出口硬压板召唤失败。如下图所示,若风险等级阈值为4.0,则风险等级为异常,根据所述风险等级以及风险等级阈值获取异常类型为出口硬压板召唤失败,风险为出口硬压板信息未知,保护功能存在隐患,处理方法则通过检查保护出口硬压板召唤失败原因,并及时进行召唤功能缺陷的消缺处置。
在该实施例中,所述方法还包括:基于所述设备的风险等级和所述设备的异常类型,生成预警信息;基于所述预警信息,将所述预警信息发送至指定设备;所述指定设备为能够接收信息的电子设备或蓝牙设备。通过获取所述预警信息,维修人员可以第一时间获取到设备是否发生故障以及故障类型和等级,从而第一时间对设备进行维修以及选取合适的维修工具,提高维修效率。
本申请提供了一种继电保护功能运行状态异常风险预警方法及系统,首先通过从获取的设备的控制字变更数据、软压板状态变化数据、功能压板状态变化数据、出口压板状态变化数据、一次运行方式变化数据以及定值变化数据中筛选出异常数据,再将异常数据输入至风险分析模型,获取风险等级阈值,通过所述风险等级阈值获取设备的风险等级;通过所述风险等级阈值再获取设备的异常类型;通过设备的风险等级和异常类型,第一时间获取到维修设备的处理方法,从而通知维修人员第一时间携带合适的维修工具对供电设备的故障点进行修复,无需将整个供电设备断电处理查询故障点的所在位置,从而节省了维修的时间,提高维修效率。
由图2可知,本申请第二方面提供了一种继电保护功能运行状态异常风险预警系统,应用于上述任意一实施例所述的一种继电保护功能运行状态异常风险预警方法,包括:第一获取模块1,用于获取设备的状态信息变化数据和定值变化数据;第二获取模块2,被配置为基于所述状态信息变化数据和定值变化数据,获取所述状态信息变化数据和定值变化数据中的异常数据;生成模块3,被配置为基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型;第三获取模块4,被配置为基于所述异常数据和风险分析模型,获取风险等级阈值;第四获取模块5,被配置为基于所述风险等级阈值,获取设备的风险等级。上述系统在执行上述方法时各部分的作用效果可参见上述方法实施例,在此不予赘述。
由图2可知,所述系统还包括:第五获取模块6,被配置为基于所述风险等级阈值,获取设备的异常类型。上述系统在执行上述方法时各部分的作用效果可参见上述方法实施例,在此不予赘述。
以上的具体实施方式,对本申请实施例的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本申请实施例的具体实施方式而已,并不用于限定本申请实施例的保护范围,凡在本申请实施例的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本申请实施例的保护范围之内。
Claims (10)
1.一种继电保护功能运行状态异常风险预警方法,其特征在于,包括:
获取设备的状态信息变化数据和定值变化数据;
基于所述状态信息变化数据和定值变化数据,获取所述状态信息变化数据和定值变化数据中的异常数据;
基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型;
基于所述异常数据和风险分析模型,获取风险等级阈值;
基于所述风险等级阈值,获取设备的风险等级。
2.根据权利要求1所述的一种继电保护功能运行状态异常风险预警方法,其特征在于,所述方法还包括:
基于所述风险等级阈值,获取设备的异常类型。
3.根据权利要求2所述的一种继电保护功能运行状态异常风险预警方法,其特征在于,所述方法还包括:
基于所述设备的风险等级和所述设备的异常类型,生成预警信息;
基于所述预警信息,将所述预警信息发送至指定设备;所述指定设备为能够接收信息的电子设备或蓝牙设备。
4.根据权利要求1所述的一种继电保护功能运行状态异常风险预警方法,其特征在于,所述基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型包括:
基于所述状态信息变化数据和定值变化数据的种类和数量,构建数据矩阵;
基于所述数据矩阵,获取所述数据矩阵的回归投影矩阵;
基于所述回归投影矩阵,获取所述回归投影矩阵的核范数;
基于所述回归投影矩阵,获取第一对角矩阵和第二对角矩阵;
计算所述第一对角矩阵和第二对角矩阵的数值,基于所述第一对角矩阵和第二对角矩阵的数值以及所述核范数,生成权重矩阵;
基于所述权重矩阵和所述数据矩阵,生成矩阵模型;
基于所述矩阵模型,利用PCA模型进行稀疏化处理,生成风险分析模型。
5.根据权利要求1所述的一种继电保护功能运行状态异常风险预警方法,其特征在于,所述基于所述风险等级阈值,获取设备的风险等级包括:
若所述风险等级阈值小于3,则设备的风险等级为正常;
若所述风险等级阈值大于3且小于7,或所述风险等级阈值为3或7,则设备的风险等级为异常;
若所述风险等级阈值大于7,则设备的风险等级为严重。
6.根据权利要求4所述的一种继电保护功能运行状态异常风险预警方法,其特征在于,所述矩阵模型为:
X=R′x;
式中,R′为权重矩阵,x为数据矩阵;
所述风险分析模型为:
式中,R为回归投影矩阵,||R||为回归投影矩阵的核范数,T为矩阵的转置,β为非负正则化系数,γ为核范数的正则化参数,tr()为矩阵的迹。
7.根据权利要求1所述的一种继电保护功能运行状态异常风险预警方法,其特征在于,所述状态信息变化数据包括:控制字变更数据、软压板状态变化数据、功能压板状态变化数据、出口压板状态变化数据和一次运行方式变化数据。
8.根据权利要求2所述的一种继电保护功能运行状态异常风险预警方法,其特征在于,所述设备的异常类型包括:控制字定值、软压板、功能硬压板、出口硬压板的保护功能失效;定值巡视异常,定值召唤失败,软压板召唤失败,功能硬压板召唤失败,出口硬压板召唤失败。
9.一种继电保护功能运行状态异常风险预警系统,应用于上述权利要求1至8中任意一项所述的一种继电保护功能运行状态异常风险预警方法,其特征在于,包括:
第一获取模块(1),用于获取设备的状态信息变化数据和定值变化数据;
第二获取模块(2),被配置为基于所述状态信息变化数据和定值变化数据,获取所述状态信息变化数据和定值变化数据中的异常数据;
生成模块(3),被配置为基于所述状态信息变化数据和定值变化数据的种类和数量,生成风险分析模型;
第三获取模块(4),被配置为基于所述异常数据和风险分析模型,获取风险等级阈值;
第四获取模块(5),被配置为基于所述风险等级阈值,获取设备的风险等级。
10.根据权利要求9所述的一种继电保护功能运行状态异常风险预警系统,其特征在于,所述系统还包括:
第五获取模块(6),被配置为基于所述风险等级阈值,获取设备的异常类型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311114483.3A CN117351663A (zh) | 2023-08-31 | 2023-08-31 | 一种继电保护功能运行状态异常风险预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311114483.3A CN117351663A (zh) | 2023-08-31 | 2023-08-31 | 一种继电保护功能运行状态异常风险预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117351663A true CN117351663A (zh) | 2024-01-05 |
Family
ID=89363980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311114483.3A Pending CN117351663A (zh) | 2023-08-31 | 2023-08-31 | 一种继电保护功能运行状态异常风险预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117351663A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119087072A (zh) * | 2024-08-09 | 2024-12-06 | 国网青海省电力公司电力科学研究院 | 一种继电保护功能运行状态风险预警方法及装置 |
-
2023
- 2023-08-31 CN CN202311114483.3A patent/CN117351663A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119087072A (zh) * | 2024-08-09 | 2024-12-06 | 国网青海省电力公司电力科学研究院 | 一种继电保护功能运行状态风险预警方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hokstad et al. | Common cause failure modeling: status and trends | |
| CN106199276B (zh) | 一种用电信息采集系统中异常信息的智能诊断系统及方法 | |
| CN102222276B (zh) | 电网二次设备状态检修方法及装置 | |
| CN105320126B (zh) | 一种基于大数据技术的二次设备隐患挖掘方法 | |
| CN110533294B (zh) | 一种基于人工智能技术的核电厂运行故障报警方法 | |
| CN114283956B (zh) | 一种传感器智能数据重构方法及系统 | |
| JP3068091B1 (ja) | 異常診断装置 | |
| CN111967620A (zh) | 一种光伏组件诊断方法、装置、设备及可读存储介质 | |
| CN109521751A (zh) | 一种核电厂关键敏感设备故障缓解方法 | |
| CN111797533B (zh) | 一种核动力装置运行参数异常检测方法及系统 | |
| CN117040111A (zh) | 一种用于辅助水电站智慧运行的方法及系统 | |
| CN117351663A (zh) | 一种继电保护功能运行状态异常风险预警方法及系统 | |
| CN112381242A (zh) | 核电站设备维修项目数据处理方法及系统 | |
| CN107658980A (zh) | 一种用于复核电网监控告警信息的分析方法和系统 | |
| CN118364337A (zh) | 一种能源数据处理评估管理系统及方法 | |
| CN117559634A (zh) | 基于数据分析的变电站使用电源运行监管系统 | |
| CN113238530B (zh) | 监测系统显示功能设计方法及系统、验证方法、显示方法 | |
| CN110866695A (zh) | 基于设备运行状态与检修工作相关联的辅助检修决策方法 | |
| CN120470369A (zh) | 一种基于物联网的智慧实验室设备状态实时控制方法及系统 | |
| CN117114248B (zh) | 一种水质监测系统健康度评价方法、计算机设备及介质 | |
| CN113386976B (zh) | 一种大型飞机燃油系统全模试验方法 | |
| CN114884215A (zh) | 一种物联网用智能母线供电系统的监测平台 | |
| CN115307684A (zh) | 基于bim的设备故障预测性维护系统 | |
| CN118884124B (zh) | 电解水制氢系统接入电网试验测试系统 | |
| CN115459443B (zh) | 一种光伏发电用运行电压自检系统 |
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 |