CN106056305A - 一种基于状态聚类的发电***可靠性快速评估方法 - Google Patents
一种基于状态聚类的发电***可靠性快速评估方法 Download PDFInfo
- Publication number
- CN106056305A CN106056305A CN201610413919.2A CN201610413919A CN106056305A CN 106056305 A CN106056305 A CN 106056305A CN 201610413919 A CN201610413919 A CN 201610413919A CN 106056305 A CN106056305 A CN 106056305A
- Authority
- CN
- China
- Prior art keywords
- reliability
- state
- generating capacity
- scene
- clustering
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010248 power generation Methods 0.000 title abstract 3
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 238000003064 k means clustering Methods 0.000 claims description 5
- 230000007812 deficiency Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 201000004569 Blindness Diseases 0.000 claims description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 abstract description 3
- 238000007796 conventional method Methods 0.000 abstract description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开提供一种基于状态聚类的发电***可靠性快速评估方法,属于电力***可靠性评估技术领域,主要采用非序贯蒙特卡罗抽样及状态聚类的方法进行发电***的可靠性评估,通过提出***常规机组运行(故障)状态的非序贯蒙特卡罗抽样方法,计及了发电机组强迫停运率,不仅替代了对***增加备用容量以保证***可靠性的常规方法,而且充分计及了***内所有机组的运行随机性与不确定性,建立了***可用发电容量概率模型,通过对抽样获得的可用发电容量样本聚类成典型可用发电容量场景,减少了可靠性计算的工作量,使可靠性评估速度得到大幅提高,达到大规模电力***可靠性快速评估的目的。
Description
技术领域
本发明涉及电气工程技术领域,更具体地来说它是一种基于状态聚类的发电***可靠性快速评估方法。
背景技术
电力***可靠性评估是指在计入各种不确定性因素的情况下对***的充裕度或安全性进行分析计算,包含元件停运模型、***状态选择、***状态评估和***指标计算等方面的内容。
随着电力***的规模日益增大,电力***内发电机组数量大规模增加,对发电***的可靠性进行准确评估势必增大计算工作量,增加了计算时间。在电力***的运行过程中,负荷水平、机组开停机与发电出力等都是实时变化的,在负荷加重、大容量机组等发生故障退出运行时,***的可靠性水平会大幅降低,需及时采取措施预防大停电事故的发生。因此,如何能够快速准确地对***的可靠性进行评估是亟待研究的问题。
目前的电力***可靠性评估方法主要分为解析法和模拟法,其中,解析法在***规模较大时,可能会出现“维数灾”的问题,故一般适合应用于规模较小的***;以蒙特卡罗为代表的模拟法在电力***的可靠性评估中应用较为广泛。在同样的精度要求下,非序贯蒙特卡罗模拟法的计算时间远小于序贯蒙特卡罗法的计算时间,在不需要计算频率和持续时间指标的场合,优先采用非序贯蒙特卡罗法进行电力***可靠性的计算,然而,由于蒙特卡罗方法在计算精度和计算时间之间的矛盾,要取得令人满意的计算精度,往往耗费大量的计算时间。目前通常采用方差减小技术,如控制变量法、等分散抽样法等,以加快蒙特卡罗模拟的收敛速度,提高计算效率,但这些技术仅在保证一定的计算精度的条件下减少抽样次数,不能达到可靠性的快速评估。
发明内容
本发明的目的为了克服上述背景技术的不足之处,而提供一种基于状态聚类的发电***可靠性快速评估方法,基于非序贯蒙特卡罗模拟法对***内机组的运行状态抽样,通过计及***机组的强迫停运率的方法,替代了对***增加备用容量以保证***可靠性的常规方法,并对抽样获得的***可用发电容量结果进行聚类,建立***的可用发电容量概率模型,不仅在保证计算结果准确性的条件下提高了***可靠性指标的计算效率,且能够应用于快速评估发电***的可靠性,解决了现有技术中未有能够快速评估发电***可靠性的问题。
为了实现上述目的,本发明的技术方案是这样的:一种基于状态聚类的发电***可靠性快速评估方法,包括以下步骤:
步骤1,输入参数,输入***机组参数(机组类型、机组容量及机组强迫停运率等)、***负荷数据;
步骤2,采用蒙特卡罗非序贯抽样法对***内机组的运行(故障)状态进行抽样,生成NS个***状态,并计算每个***状态下的***可用发电容量;
步骤3,建立***可用发电容量概率模型,对抽样生成的***状态进行聚类,聚类算法采用K-means聚类算法,获得***的典型可用发电容量场景及每个典型可用发电容量场景对应的概率;
步骤4,对聚类获得的***每个可用发电容量典型场景依次进行可靠性计算,结合每个典型可用发电容量场景相应的概率,计算***的概率可靠性指标,主要计算的***可靠性指标包括停电功率期望值(Exception Power Not Supply,EPNS)、电力不足概率(Lossof Load Probability,LOLP)。
在上述技术方案中,步骤2的具体步骤如下:
步骤2-1,根据输入参数确定***内所有常规机组的台数为NG,并确定抽样样本数为NS;
步骤2-2,模拟产生NS组NG个服从[0,1]均匀分布的随机数xi,j,对于第i组中第j个随机数xi,j,将其与第j台机组的强迫停运率的数值进行比较。若xi,j大于机组的强迫停运率FORj,则第i组状态中第j台机组的状态为开机,否则第i组状态中第j台机组的状态为停机,即,
则具有NG台常规机组的***的状态为:
步骤2-3,根据每组状态下的所有机组的开停机状态,按照式(3)计算第i组抽样状态下的***可用容量为PG,i,
故所有抽样状态下的***可用发电容量可表示为,
在上述技术方案中,步骤3的具体步骤如下:
步骤3-1,在对***内的所有发电机组的可用发电容量进行聚类时,聚类数的大小对最终的计算结果产生很大的影响。常规的聚类算法中,对聚类数的选取具有盲目性和随意性,故会对最终结果产生较大影响。因此本步骤中采用斯特杰斯(Sturges)经验公式确定最终可用发电容量的聚类数为NZ,计算公式如下式所示,计算时对结果进行四舍五入取整数,
步骤3-2,采用K-means聚类算法,获得***内常规机组的典型可用发电容量概率模型GT。其中第i个可用发电容量场景为GT,i,该场景对应出现的概率为p(GT,i),如式所示,
在上述技术方案中,步骤4的具体步骤如下:
步骤4-1,对每类***的可用发电容量GT,i,对应***负荷曲线PL的第t小时的负荷值分别判断每小时的***电力平衡情况,并计算电力不足值DNSt。若该时段负荷值与***可用容量之差小于等于零,则***供电充裕,不存在缺电的情况;若该时段负荷值与***可用容量之差大于零,则存在***供电不足的情况。
步骤4-2,计算GT,i下的***可靠性指标LOLPi、EPNSi,计算公式如下所示,
步骤4-3,将每类可用发电容量场景下计算出的***可靠性指标汇总,结合每个可用发电容量场景的概率,加权计算即可得出,
本发明的有益效果是:从发电***的角度出发,在对机组运行状态进行蒙特卡罗非序贯抽样的基础上,提出了***可用发电容量概率模型,即通过对抽样获得的***可用发电容量进行聚类,获得典型的可用发电容量场景来计算***的可靠性,以大幅减小大规模电力***的计算工作量,目前尚未有文献将基于状态聚类的方法应用到可靠性快速评估方法的研究中,具体来说:
一是通过提出***常规机组运行(故障)状态的非序贯蒙特卡罗抽样方法,计及了发电机组强迫停运率,不仅替代了对***增加备用容量以保证***可靠性的常规方法,而且充分计及了***内所有机组的运行随机性与不确定性;二是通过提出状态聚类的方法,建立了***可用发电容量概率模型,通过对抽样获得的可用发电容量样本聚类成典型可用发电容量场景,减少了可靠性计算的工作量,使可靠性评估速度得到大幅提高,达到大规模电力***可靠性快速评估的目的。
附图说明
图1为本发明提出的基于状态聚类的发电***可靠性快速评估方法流程图。
图2为可用发电容量概率模型建立方法流程图。
具体实施方式
下面结合附图详细说明本发明实施情况,但它们并不构成对本发明的限定,仅作举例而已,同时通过说明本发明的优点将变得更加清楚和容易理解。
一种基于状态聚类的发电***可靠性快速评估方法,包含步骤:输入***参数及负荷数据;对***发电机组运行(故障)状态进行蒙特卡罗抽样;建立***可用发电容量概率模型;加权计算***可靠性指标。其中,计及了***发电机组强迫停运率,达到了充分考虑***机组运行的随机性的目的;且提出了状态聚类的方法,建立***可用发电容量典型场景,减小了计算工作量。
如图1所示,基于状态聚类的发电***可靠性快速评估方法,包含步骤如下:
步骤1,输入参数:输入***机组参数(机组类型、机组容量及机组强迫停运率等)、***负荷数据。
步骤2,采用蒙特卡罗非序贯抽样法对***内所有机组的开停机状态进行抽样,并计算获得***所有抽样样本下的***可用发电容量PG。步骤2的具体步骤如下:
步骤2-1,根据输入参数确定***内所有常规机组的台数为NG,并确定抽样样本数为NS;
步骤2-2,模拟产生NS组NG个服从[0,1]均匀分布的随机数xi,j,对于第i组中第j个随机数xi,j,将其与第j台机组的强迫停运率的数值进行比较。若xi,j大于机组的强迫停运率FORj,则第i组状态中第j台机组的状态为开机,否则第i组状态中第j台机组的状态为停机,即,
则具有NG台常规机组的***的状态为:
步骤2-3,根据每组状态下的所有机组的开停机状态,按照式(3)计算第i组抽样状态下的***可用容量为PG,i,
故所有抽样状态下的***可用发电容量可表示为,
其中,采用蒙特卡罗非序贯抽样法对***内机组的开停机状态进行抽样的具体做法是:模拟产生NS组NG个服从[0,1]均匀分布的随机数xi,j,对于第i组中第j个随机数xi,j,将其与第j台机组的强迫停运率的数值进行比较。若xi,j大于机组的强迫停运率FORj,则第i组状态中第j台机组的状态为开机,否则第i组状态中第j台机组的状态为停机。由此生成***状态S并计算所有抽样样本下的***可用发电容量PG。
步骤3,建立***可用发电容量概率模型。如图2所示,对抽样生成的***状态进行典型发电场景聚类,获得***的典型可用发电容量场景及每个典型可用发电容量场景对应的概率。
其中,对抽样生成的***状态进行典型发电场景的聚类方法的具体做法是:根据斯特杰斯(Sturges)经验公式(式5)计算可用发电容量的聚类数NZ。
采用K-means聚类算法获得***内常规机组的典型可用发电容量概率模型,其中第i个典型可用发电容量场景为GT,i,其对应出现的概率为p(GT,i)。
步骤4,对每类***的可用发电容量GT,i,对应***负荷曲线PL的第t小时的负荷值分别判断每小时的***电力平衡情况,并计算电力不足值DNSt。若该时段负荷值与***可用容量之差小于等于零,则***供电充裕,不存在缺电的情况;若该时段负荷值与***可用容量之差大于零,则存在***供电不足的情况。
计算GT,i下的***可靠性指标LOLPi、EPNSi,计算公式如下所示,
将每类可用发电容量场景下计算出的***可靠性指标汇总,结合每个可用发电容量场景的概率,加权计算即可得出,
以IEEE-RTS 79***为例,说明基于状态聚类的发电***可靠性快速评估方法。***内包含32台发电机组,***负荷包含8736小时个负荷点。
采用蒙特卡罗非序贯抽样法对***内的发电机组的运行状态进行抽样,设定抽样次数为10万次,通过式(5)计算得到本发明的快速评估算法中的最优聚类次数为18类。
为验证计算结果准确性,对实例***进行随机生产模拟的计算,计算获得实例***的可靠性指标,与本发明提出的可靠性快速评估方法的所获得可靠性指标相比较,计算结果如下表所示。
表1 可靠性计算结果表
通过上表可以看出,与随机生产模拟的可靠性计算结果相比,采用蒙特卡罗模拟法计算得到的可靠性指标结果与其基本相同。采用本发明提出的快速评估算法获得的LOLP指标与随机生产模拟计算结果相差为0.98%,EPNS指标与随机生产模拟计算结果相差0.49%,计算误差均控制在1%以内,同时计算时间大大缩短,可以验证本发明提出的快速评估算法应用在更大规模电力***中,能够在保证计算结果准确性的条件下大幅减少计算工作量,提高计算效率。
未详细说明的均为现有技术。
Claims (4)
1.一种基于状态聚类的发电***可靠性快速评估方法,其特征在于,包括以下步骤:
步骤1,输入参数,输入***机组参数、***负荷数据;
步骤2,采用蒙特卡罗非序贯抽样法对***内机组的运行状态进行抽样,生成NS个***状态,并计算每个***状态下的***可用发电容量;
步骤3,建立***可用发电容量概率模型,对抽样生成的***状态进行聚类,聚类算法采用K-means聚类算法,获得***的典型可用发电容量场景及每个典型可用发电容量场景对应的概率;
步骤4,对聚类获得的***每个可用发电容量典型场景依次进行可靠性计算,结合每个典型可用发电容量场景相应的概率,计算***的概率可靠性指标,主要计算的***可靠性指标包括停电功率期望值、电力不足概率。
2.根据权利要求1所述的基于状态聚类的发电***可靠性快速评估方法,其特征在于,步骤2的具体步骤如下:
步骤2-1,根据输入参数确定***内所有常规机组的台数为NG,并确定抽样样本数为NS;
步骤2-2,模拟产生NS组NG个服从[0,1]均匀分布的随机数xi,j,对于第i组中第j个随机数xi,j,将其与第j台机组的强迫停运率的数值进行比较,若xi,j大于机组的强迫停运率FORj,则第i组状态中第j台机组的状态为开机,否则第i组状态中第j台机组的状态为停机,即,
则具有NG台常规机组的***的状态为:
步骤2-3,根据每组状态下的所有机组的开停机状态,按照式(3)计算第i组抽样状态下的***可用容量为PG,i,
故所有抽样状态下的***可用发电容量可表示为,
3.根据权利要求1所述的基于状态聚类的发电***可靠性快速评估方法,其特征在于,步骤3的具体步骤如下:
步骤3-1,在对***内的所有发电机组的可用发电容量进行聚类时,聚类数的大小对最终的计算结果产生很大的影响,常规的聚类算法中,对聚类数的选取具有盲目性和随意性,故会对最终结果产生较大影响,因此本步骤中采用斯特杰斯(Sturges)经验公式确定最终可用发电容量的聚类数为NZ,计算公式如下式所示,计算时对结果进行四舍五入取整数,
步骤3-2,采用K-means聚类算法,获得***内常规机组的典型可用发电容量概率模型GT,其中第i个可用发电容量场景为GT,i,该场景对应出现的概率为p(GT,i),如式所示,
4.根据权利要求1要求所述的基于状态聚类的发电***可靠性快速评估方法,其特征在于,步骤4的具体步骤如下:
步骤4-1,对每类***的可用发电容量GT,i,对应***负荷曲线PL的第t小时的负荷值分别判断每小时的***电力平衡情况,并计算电力不足值DNSt,若该时段负荷值与***可用容量之差小于等于零,则***供电充裕,不存在缺电的情况;若该时段负荷值与***可用容量之差大于零,则存在***供电不足的情况,
步骤4-2,计算GT,i下的***可靠性指标LOLPi、EPNSi,计算公式如下所示,
步骤4-3,将每类可用发电容量场景下计算出的***可靠性指标汇总,结合每个可用发电容量场景的概率,加权计算即可得出,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610413919.2A CN106056305B (zh) | 2016-06-14 | 2016-06-14 | 一种基于状态聚类的发电***可靠性快速评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610413919.2A CN106056305B (zh) | 2016-06-14 | 2016-06-14 | 一种基于状态聚类的发电***可靠性快速评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106056305A true CN106056305A (zh) | 2016-10-26 |
CN106056305B CN106056305B (zh) | 2020-04-03 |
Family
ID=57170261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610413919.2A Active CN106056305B (zh) | 2016-06-14 | 2016-06-14 | 一种基于状态聚类的发电***可靠性快速评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106056305B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038594A (zh) * | 2017-11-24 | 2018-05-15 | 国网北京市电力公司 | 能源***可靠性指标的确定方法及装置、存储介质 |
CN110661250A (zh) * | 2019-08-19 | 2020-01-07 | 国网经济技术研究院有限公司 | 含风光储发输电***的可靠性评估方法及*** |
CN111259520A (zh) * | 2020-01-09 | 2020-06-09 | 华北电力大学 | 基于决策图的多状态发电***运行可靠性分析方法 |
CN112418700A (zh) * | 2020-11-30 | 2021-02-26 | 广东电力交易中心有限责任公司 | 一种电力容量市场需求曲线设计方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246806A (zh) * | 2013-04-25 | 2013-08-14 | 浙江大学 | 一种含风电场电力***的运行风险评估方法 |
WO2013174144A1 (zh) * | 2012-05-23 | 2013-11-28 | 国家电网公司 | 一种基于风电波动规律的连续潮流计算方法 |
CN104318397A (zh) * | 2014-10-29 | 2015-01-28 | 国家电网公司 | 一种基于电网短期运行行为的风险评估及分析方法 |
CN104951654A (zh) * | 2015-06-05 | 2015-09-30 | 华南理工大学 | 基于控制变量抽样的大规模风电场可靠性评估方法 |
CN105429129A (zh) * | 2015-10-14 | 2016-03-23 | 中国电力科学研究院 | 一种考虑网络约束的间歇性能源发电容量置信度评估方法 |
-
2016
- 2016-06-14 CN CN201610413919.2A patent/CN106056305B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013174144A1 (zh) * | 2012-05-23 | 2013-11-28 | 国家电网公司 | 一种基于风电波动规律的连续潮流计算方法 |
CN103246806A (zh) * | 2013-04-25 | 2013-08-14 | 浙江大学 | 一种含风电场电力***的运行风险评估方法 |
CN104318397A (zh) * | 2014-10-29 | 2015-01-28 | 国家电网公司 | 一种基于电网短期运行行为的风险评估及分析方法 |
CN104951654A (zh) * | 2015-06-05 | 2015-09-30 | 华南理工大学 | 基于控制变量抽样的大规模风电场可靠性评估方法 |
CN105429129A (zh) * | 2015-10-14 | 2016-03-23 | 中国电力科学研究院 | 一种考虑网络约束的间歇性能源发电容量置信度评估方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038594A (zh) * | 2017-11-24 | 2018-05-15 | 国网北京市电力公司 | 能源***可靠性指标的确定方法及装置、存储介质 |
CN108038594B (zh) * | 2017-11-24 | 2022-03-15 | 国网北京市电力公司 | 能源***可靠性指标的确定方法及装置、存储介质 |
CN110661250A (zh) * | 2019-08-19 | 2020-01-07 | 国网经济技术研究院有限公司 | 含风光储发输电***的可靠性评估方法及*** |
CN110661250B (zh) * | 2019-08-19 | 2021-04-06 | 国网经济技术研究院有限公司 | 含风光储发输电***的可靠性评估方法及*** |
CN111259520A (zh) * | 2020-01-09 | 2020-06-09 | 华北电力大学 | 基于决策图的多状态发电***运行可靠性分析方法 |
CN111259520B (zh) * | 2020-01-09 | 2022-03-25 | 华北电力大学 | 基于决策图的多状态发电***运行可靠性分析方法 |
CN112418700A (zh) * | 2020-11-30 | 2021-02-26 | 广东电力交易中心有限责任公司 | 一种电力容量市场需求曲线设计方法、装置及设备 |
CN112418700B (zh) * | 2020-11-30 | 2023-10-03 | 广东电力交易中心有限责任公司 | 一种电力容量市场需求曲线设计方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106056305B (zh) | 2020-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103018673B (zh) | 一种基于改进型动态小波神经网络的航天Ni-Cd蓄电池寿命预测方法 | |
CN107292502B (zh) | 一种配电网可靠性评估方法 | |
CN107918103B (zh) | 一种基于灰色粒子滤波的锂离子电池剩余寿命预测方法 | |
CN111428355B (zh) | 一种电力负荷数字统计智能综合的建模方法 | |
CN104573906B (zh) | 用于分析电力传输***中的振荡稳定性的***和方法 | |
CN103488869A (zh) | 一种最小二乘支持向量机的风力发电短期负荷预测方法 | |
CN103383445A (zh) | 一种智能电表寿命和可靠性预测***及其方法 | |
CN106056305A (zh) | 一种基于状态聚类的发电***可靠性快速评估方法 | |
CN105182245A (zh) | 基于无迹卡尔曼滤波的大容量电池***荷电状态估计方法 | |
CN108664700A (zh) | 基于不确定数据包络分析的加速退化信息融合建模方法 | |
CN105866725A (zh) | 一种基于聚类分析和云模型的智能电表故障分类方法 | |
CN109636035A (zh) | 负荷预测模型创建方法及装置、电力负荷预测方法及装置 | |
CN103761685A (zh) | 基于MapReduce的电力数据并行化异常检测方法 | |
CN104766142B (zh) | 基于eeac和轨迹灵敏度的暂态稳定约束最优潮流计算方法 | |
CN103473602A (zh) | 一种电网理论线损数据预测***及预测方法 | |
CN111177128B (zh) | 基于改进的离群点检测算法的计量大数据批量处理方法及*** | |
CN105449667A (zh) | 一种发输电***可靠性预测方法 | |
CN109447512B (zh) | 基于均匀设计的大电网可靠性评估方法 | |
CN105825317A (zh) | 一种基于贝叶斯网络的直流配网可靠性评估方法 | |
CN109490622B (zh) | 一种基于三态信息的电量数据校验技术 | |
CN104283208A (zh) | 大型电网概率性可用输电能力的分解协调计算方法 | |
CN104198981A (zh) | 智能电能表的质量确定方法及装置 | |
Duan et al. | High performance computing (hpc) for advanced power system studies | |
CN114186756A (zh) | 一种配电网终端蓄电池储能容量预测方法 | |
CN108959719B (zh) | 交直流混合的分布式可再生能源***测试场景模拟方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |