Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Modeling Analysis of Network Spatial Sensitive Information Detection Driven by Big Data Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Fault Feature Analysis of Power Network Based on Big Data

verfasst von : Cai-yun Di

Erschienen in: Advanced Hybrid Information Processing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

During the operation of the power network, there was a sharp change in current and voltage at the time of failure, which made it difficult for the grid operators to quickly and accurately determine the fault. This paper proposed a big data-based power network fault feature analysis method design. Taking the symmetrical fault component method as the main analysis method, a two-phase short-circuit equivalent model was constructed by accurately analyzing the fault characteristics of the power network, and the fault features were detected and located by the big data network preprocessor. The experimental results shown that the big data power network fault feature analysis method could effectively feedback and locate the fault location and complete the maintenance of the power network in time.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Research on RF Fingerprinting Extraction of Power Amplifier Based on Multi-domain RF-DNA Fingerprint
Nächstes Kapitel Design of All-Pass Filter System for Power Communication with High Anti-harmonic Interference
Literatur
1.
Zhu, Y., Li, L., Song, Y., et al.: Large data storage and parallel processing methods for power equipment monitoring based on ODPS platform. J. Electr. Technol. 32(9), 199–210 (2017)
2.
Chai, Q., Zheng, W., Pan, J., et al.: Research on state monitoring and fault processing of intelligent distribution network based on large data analysis. Mod. Electr. Technol. 16(4), 105–108 (2018)
3.
Lei, W., Qing, C., Gao, H., et al.: Intelligent substation fault tracking architecture based on large data mining. Power Syst. Autom. 56(3), 84–91 (2018)
4.
Wang, S., Zhao, D.: Review and prospect of power grid fault diagnosis. Autom. Electr. Power Syst. 41(19), 164–175 (2017)
5.
Wei, H., Le, Z., Yong, M., et al.: Study on post-fault transient stability assessment of power system based on in-depth learning. Power Grid Technol. 26(10), 40–46 (2017)
6.
Yu, Y., Zhu, Z., Huang, C., et al.: Distribution network fault trend judgment based on large data analysis. Power Supply Technol. 23(1), 132–134 (2018)
7.
Ge, X., Ai, M., Li, Z., et al.: Large data ETL method of distribution network operation monitoring signal based on CEP engine. New Technol. Electr. Energy 36(9), 36–42 (2017)
8.
Li, G., Yu, C., Liu, Y., et al.: Power transformer fault prediction and health management: challenges and prospects. Power Syst. Autom. 41(23), 156–167 (2017)
9.
Wang, D., Li, J.: Query optimization method for large data of condition monitoring of substation equipment. Power Syst. Autom. 41(2), 165–172 (2017)MathSciNet
10.
Wang, Y., Jia, Y.: Improved matrix algorithm for fault location of distribution network containing distributed generation. Comput. Simul. 35(04), 58–64 (2018)
11.
Hao, S., Ming, L., Ma, H., et al.: Research on large data application planning method in power supply chain. China Electr. Power 50(6), 69–74 (2017)
Metadaten
Titel
Fault Feature Analysis of Power Network Based on Big Data
verfasst von
Cai-yun Di
Copyright-Jahr
2019
Buch
Advanced Hybrid Information Processing

Print ISBN: 978-3-030-36401-4

Electronic ISBN: 978-3-030-36402-1

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-36402-1_15