基于电网跳闸数据分析的供电线路异常状态预警方法

为提升电力系统的稳定性与安全性,研究基于电网跳闸数据分析的供电线路异常状态预警方法。以广州市电网为例,统计分析在2010—2014年中,其电网电压小于或等于75 kV的电网跳闸数据,得出跳闸主要因素为天气;以风速、温度、相对湿度及线路走向同风向间夹角作为输入特征量,以实际出现的跳闸异常状况为输出,创建基于BP神经网络的供电线路跳闸异常状态预警模型,并实现跳闸异常状态预估;依据预估结果,结合供电线路跳闸异常状态预警过程完成预警,并通过训练来调整漏警集与虚警集,提升预警准确率。结果表明,所提方法的训练集平均准确率为99.69%,测试集平均准确率为97.65%,而其他对比方法最高值仅为90.32%;所提方法的空报率和漏报率均在1.5%以下,说明其准确率高且性能稳定,预估结果与现实状况相符,可作为供电线路跳闸的有效预警方法。

浅谈配电网跳闸原因与防范措施

随着我国经济的飞速发展，电力系统在国民经济和人们日常生活中所起到的作用越来越大，如何维护配电网安全、稳定运转成为了电网建设中重要的环节之一。对于送点线路来讲，配电网跳闸一直是影响线路功率输送的一个重要的因素，本文主要就配电网跳闸原因进行具体的分析，提出一些相应的防范措施，以减少跳闸次数，这对于维护配电网可靠性具有十分重要的意义。

变电站集中监控数据智能分析研究

现行的监控相关信息杂散、繁杂,并没有可供监控员使用的事故跳闸综合分析及智能提醒的功能,不利于监控员进行综合分析和决策。本系统实现自动获取相关报文及故障诊断结果,生成监控故障分析报告,将极大地提高监控员工作效率。通过对各类信息进行集中收集、综合分析、智能风险预警的数据分析与辅助决策平台,实现对监控业务的多维度、多层次、多目标的实时在线智能分析,为可能出现的电网事故、设备异常提出预警,辅助调控人员更快速地进行故障异常处置,提高监控业务工作效率。