|本期目录/Table of Contents|

[1]马金祥,范新南,张建生,等.智能配电网大数据全景风险评估与自愈控制方法[J].工业仪表与自动化装置,2016,(03):14-18.
　MA Jinxiang,FAN Xinnan,ZHANG Jiansheng,et al.Panoramic risk assessment and self-healing control of big data on smart distribution grid[J].Industrial Instrumentation & Automation,2016,(03):14-18.
点击复制

智能配电网大数据全景风险评估与自愈控制方法(PDF)

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2016年03期
页码:
14-18
栏目:
出版日期:
2016-06-15

文章信息/Info

Title:
Panoramic risk assessment and self-healing control of big data on smart distribution grid
文章编号:
1000-0682（2016）03-0000-00
作者:
马金祥1; 2; 3; 范新南2; 3; 张建生1; 韩庆邦3; 张金波3
（1.常州工学院 电气与光电工程学院，江苏 常州 213002；2.河海大学 计算机与信息学院，南京210098；3.河海大学 江苏省输配电装备技术重点实验室，江苏 常州 213022）
Author(s):
MA Jinxiang1; 2; 3;  FAN Xinnan2; 3;  ZHANG Jiansheng1;  HAN Qingbang3;  ZHANG Jinbo3
(1.School of Electric and Photo-electronic Engineering, Changzhou Institute of Technology, Changzhou 213002, China;2.College of Computer and Information, Hohai University, Nanjing 210098, China;3. Jiangsu Key Laboratory of Power Transmission & Distribution Equipment Technology, Hohai University, Changzhou 213022,China)
关键词:
智能配电网; 自愈控制; 大数据; 全景风险评估
Keywords:
smart distribution grid;  big data;  self-healing control;  panoramic risk assessment
分类号:
TM76
DOI:
-
文献标志码:
A
摘要:
该文对配电网大数据进行初始聚类划分，根据智能配电网运行状态建立关联规则，实现扩展聚类的划分；基于扩展聚类，根据当前数据预测运行状态，从而确定自愈控制策略，进行智能配电网全景风险管控和自愈控制。指出了大数据技术在配电网安全稳定分析及智能预警等方面的广阔应用前景，并分析了大数据时代配电网智能化发展所面临的若干挑战。
Abstract:
In this paper, the big data of the DG is divided into initial cluster and the association rules are established based on running states of the DG, and the association rules can achieve extensive clustering division. Based on the current data and according to the extensive clustering division, the running states could be predicted. The panoramic risk assessment and self-healing control strategy of the DG could be achieved with the initial cluster and extensive cluster. It has been pointed out that big data technology shows broad application in the fields of on-line security stability analysis and smart alarming of the DG, the challenges of big data technology in the future for the DG are concluded.

参考文献/References:

[1] Fang Xi,Misra Satyajayant,Xue Guoliang,et al.Smart grid- The new and improved power grid: A survey[J].IEEE Communications Surveys and Tutorials,2012,14(4): 944-980.

[2] 张文亮,汤广福,查鲲鹏,等.先进电力电子技术在智能电网中的应用[J].中国电机工程学报,2010,30(04):1-7.
[3] 孙洪斌,张英杰.智能配电网体系设计与研究[J].中国农村水利水电,2012(02):131-134.
[4] 刘惟秀,苑宏宇.电力大数据在配电网管理上的应用[J].中国新通信,2015(02):56-57.
[5] 何明.应用网格化方法构建城市配电网大数据[J].中国电业(技术版),2014(07):26-28.
[6] 梁乃峰,王琛,秦艳辉,等.基于大数据和层次分析的配电网电压综治系统研究[J].中国电业(技术版),2015(07): 14-16.
[7] 亓峰,唐晓璇,邢宁哲等.未来大数据环境下的配用电通信网虚拟网络架构及应用[J].数据采集与处理,2015(03): 511-518.
[8] 曹熙,田欣,黎晓冰.基于营配大数据的配网停电诊断与影响评估关键技术研究[J].中小企业管理与科技(中旬刊),2014(10):187-188.
[9] 张沛,吴潇雨,和敬涵.大数据技术在主动配电网中的应用综述[J].电力建设,2015(01):52-59.
[10] 宋亚奇,周国亮,朱永利.智能电网大数据处理技术现状与挑战[J].电网技术,2013(04):927-935.
[11] 石峰.基于数据挖掘技术的变压器状态监测数据处理系统[D].保定:华北电力大学,2013.
[12] 金建业,倪志伟,汪莎.基于密度与分形维数的数据流聚类算法[J].计算机工程,2012(05):38-40.
[13] 吴晓璇,倪志伟,倪丽萍.基于分形维数的聚类融合算法[J].吉林大学学报(工学版),2012(S1):364-367.
[14] 李贵兵,罗洪.大数据下的智能数据分析技术研究[J].科技资讯,2013(30):11-12.
[15] Liu Li, Zhao Xuan. Study on self-healing control strategy of smart distribution network[J]. 2012 IEEE Innovative Smart Grid Technologies-Asia,ISGT Asia, 2012.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2015-10-26
基金项目:江苏省输配电装备技术重点实验室开放基金资助项目(2013JSSPD03)；江苏省普通高校研究生科研创新计划项目(CXZZ14_0140)
更新日期/Last Update: 1900-01-01