Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网江苏省电力有限公司电力科学研究院;国家电网有限公司;国网江苏省电力有限公司;江苏省电力试验研究院有限公司陈烨获国家专利权

国网江苏省电力有限公司电力科学研究院;国家电网有限公司;国网江苏省电力有限公司;江苏省电力试验研究院有限公司陈烨获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉国网江苏省电力有限公司电力科学研究院;国家电网有限公司;国网江苏省电力有限公司;江苏省电力试验研究院有限公司申请的专利基于线路拓扑分析的配电网准实时故障识别方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114878957B

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210330005.5,技术领域涉及:G01R31/08;该发明授权基于线路拓扑分析的配电网准实时故障识别方法及系统是由陈烨;范鹏展;许扬;车伟;梁云丹;徐春雷;陈锦铭;黄怡;韦磊;赵新冬;谭晶;蒋承伶;焦昊;毕晓甜;马洲俊;蔡云峰;方鑫;刘利国;程力涵;史明明设计研发完成,并于2022-03-31向国家知识产权局提交的专利申请。

基于线路拓扑分析的配电网准实时故障识别方法及系统在说明书摘要公布了:本发明公开了一种基于线路拓扑分析的配电网准实时故障识别方法,包括:获取线路基础信息、线路拓扑图信息、置牌信息、开关动作信息、用采系统停电记录信息、融合终端停电记录信息、线路故障重合成功记录信息以及线路检修计划信息;根据获取的开关动作信息、用采系统停电记录信息以及融合终端停电记录信息生成线路动作集合;根据置牌信息、线路故障重合成功记录信息以及线路检修计划信息对线路动作集合进行筛选;根据线路拓扑图信息以及筛选后的线路动作集合生成特征样本集;通过特征样本集对故障识别模型进行训练;通过训练好的故障识别模型对配电网故障进行识别,本发明能够准确对配电网故障进行识别。

本发明授权基于线路拓扑分析的配电网准实时故障识别方法及系统在权利要求书中公布了:1.一种基于线路拓扑分析的配电网准实时故障识别方法,其特征在于,包括: 获取线路基础信息、线路拓扑图信息、置牌信息、开关动作信息、用采系统停电记录信息、融合终端停电记录信息、线路故障重合成功记录信息以及线路检修计划信息; 根据获取的开关动作信息、用采系统停电记录信息以及融合终端停电记录信息生成线路动作集合; 根据置牌信息、线路故障重合成功记录信息以及线路检修计划信息对线路动作集合进行筛选; 根据线路拓扑图信息以及筛选后的线路动作集合生成特征样本集; 通过特征样本集对故障识别模型进行训练; 通过训练好的故障识别模型对配电网故障进行识别; 其中,所述根据筛选后的线路动作集合生成特征样本集包括: 根据线路动作集合及线路拓扑图信息查看筛选后的线路动作集合内各线路与准实时变电站的事故分闸信息、变电站及配网开关的遥信变位信息、保护SOE信息以及FA动作信息、用采系统停电记录信息以及融合终端停电记录信息的匹配情况生成特征样本集; 所述特征样本集包含的特征值有: 变电站事故分闸信息匹配情况、变电站遥信变位信息匹配情况、变电站保护SOE信息匹配情况、线路检修计划匹配情况、配网开关遥信变位信息匹配情况、配网开关保护SOE信息匹配情况、FA动作信息匹配情况、线路下配变与融合终端停电信息匹配情况、线路下配变与用采停电信息匹配情况、配网开关遥信变位信息中开关与其下游配变的融合终端停电信息匹配情况、配网开关遥信变位信息中开关与其下游配变的用采停电信息匹配情况、配网开关保护SOE信息中开关与其下游配变的融合终端停电信息匹配情况、配网开关保护SOE信息中开关与其下游配变的用采停电信息匹配情况、FA动作信息中开关与其下游配变的融合终端停电信息匹配情况、FA动作信息中开关与其下游配变的用采停电信息匹配情况。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人国网江苏省电力有限公司电力科学研究院;国家电网有限公司;国网江苏省电力有限公司;江苏省电力试验研究院有限公司,其通讯地址为:211103 江苏省南京市江宁区帕威尔路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。