CN110086165B - 基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 - Google Patents
基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 Download PDFInfo
- Publication number
- CN110086165B CN110086165B CN201811500390.3A CN201811500390A CN110086165B CN 110086165 B CN110086165 B CN 110086165B CN 201811500390 A CN201811500390 A CN 201811500390A CN 110086165 B CN110086165 B CN 110086165B
- Authority
- CN
- China
- Prior art keywords
- bus
- transformer
- feeder line
- voltage
- under
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000011160 research Methods 0.000 claims description 11
- 238000012417 linear regression Methods 0.000 claims description 5
- 210000001503 joint Anatomy 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法。涉及电力一次线路接线关系判定技术领域,尤其涉及识别母线‑馈线‑配变连接关系判定的方法。提供了一种利用馈线下变压器运行特性来判定馈线与母线挂接关系的基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法。计算模型拟合优度,制定拟合优度阈值、变压器达标占比阈值,计算达到拟合优度阈值变压器个数占比情况,其比例达到相关阈值即可认定该母线即为该馈线对应的母线;根据馈线下配变拟合优度排序情况,确定馈线下配变之间的相对位置。综合以上计算结果,绘制母线‑馈线‑配变网络拓扑结构。
Description
技术领域
本发明涉及电力一次线路接线关系判定技术领域,尤其涉及识别母线-馈线-配变连接关系判定的方法。
背景技术
目前,在一个地域的供电电网中往往存在多个母线。在运行监控过程中,对于各馈线究竟挂接于哪根母线成为一个技术难题。现有技术往往是根据实时的操作记录为馈线-母线实时连接状态的依据,也就是要依赖于人工操作记录来标定此馈线的接线关系。这成为数字化电网建设过程中的一个瓶颈性难题。
目前尚未发现与该发明创造类似的技术,配电网络的结构庞大且复杂,网络结构由于故障或负荷转移操作中开关的开合,经常发生变化。目前国内外在配电网网络拓扑算法这方面现有的研究有关联表矩阵表示法、网基矩阵表示法、结点消去法、树搜索表示法、离散处理法等。但是作为配电网络分析的基础,网络拓扑计算需要进一步提高,基于母线、馈线及变压器运行数据,实现智能识别其网络拓扑结构挂接关系的技术,还有待进一步研究。
发明内容
本发明针对以上问题,提供了一种利用馈线下变压器运行特性来判定馈线与母线挂接关系的基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法。
本发明的技术方案为:按以下步骤进行操作:
1)、取多组数据研究母线、变压器相关数据波动特征;得出,母线与其下接变压器电压运行特征相关度很强,而与其他母线、其他母线下变压器电压运行特征存在很大的差距;
2)、计算馈线与母线挂接关系;
2.1)、假定已知第M个馈线下有N个变压器,其可能对接的母线有P个母线,分析变压器与可能对接母线之间的相关性,从而判断该馈线所对接的母线;
2.2)、采集馈线下各变压器与可能对接母线的运行数据,分析变压器与各母线相关程度,计算对应的相关系数矩阵,相关系数计算公式为:
其中,VM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,Bl为第l个母线的电压运行数据;
2.3)、根据步骤2.2)计算得到变压器和各母线电压相关系数矩阵,相关系数矩阵计算结果如下:
2.4)、制定相关系数阈值∈,计算各母线运行特征相近变压器占比情况,其占比计算公式如下:
2.5)、制定与母线运行特征相近的变压器占比阈值θ,对比各母线运行特征相近变压器占比及阈值θ情况,实现对馈线所属的母线判定,判定依据为:与母线运行特征相近变压器占比最高、且占比大于阈值θ,即:
max(PBl)&PBl>θ
如果出现与母线运行特征相近变压器占比相近难以区分情况,可以进一步提高阈值ε,θ,从而最终判断出馈线所属的母线;
3)、建立母线-馈线-变压器的拓扑结构关系:将母线的实际电压运行数据、馈线的实际电压运行数据、变压器的实际电压运行数据代入步骤2)中进行计算,得到母线-馈线-变压器的拓扑结构关系;完毕。
步骤1)的研究过程为:
1.1)、采集各母线的电压运行数据,计算两条不同母线电压运行特征相关系数,其相关系数计算公式如下:
其中Bl为第l个母线的电压运行数据,Bf为第j个母线的电压运行数据;
得出两根不同的母线的相关系数约等于0.338,从而判断出不同母线之间的相关性很弱;
1.2)、采集同一馈线下各变压器的电压运行数据,计算同一馈线下两个变压器的电压运行特征相关系数,其相关系数计算公式如下:
其中,VlN-i为第l个母线第N个馈线下第i个变压器的电压运行数据,VlN-j为第l个母线第N个馈线下第j个变压器的电压运行数据;
得出同一馈线下两个的变压器的相关系数约等于0.975,从而判断出同一馈线下不同的变压器之间相关性很强;
1.3)、采集同一母线不同馈线下各变压器运行数据,计算同一母线不同馈线下两个变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,VlN-j为第l个母线下第N个馈线第j个变压器的电压运行数据。
得出同一母线不同馈线下两个变压器电压相关系数约等于0.952,从而判断出同一母线不同馈线下的变压器之间相关性很强;
1.4)、采集不同母线下各变压器运行数据,计算不同母线下两个变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,VfN-j为第f个母线下第N个馈线第j个变压器的电压运行数据。
得出不同母线下两个变压器电压相关系数约等于0.385,从而判断出不同母线下两个变压器之间相关性很弱;
1.5)、采集母线及该母线下变压器运行数据,计算母线与该母线下变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,Bl为第l个母线的电压运行数据。
得出母线与其下接变压器电压相关系数约等于0.946,从而判断出母线与其下接变压器之间相关性很强;
1.6)、采集母线及其他母线下变压器运行数据,计算母线与其他母线下接变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,Bf为第f个母线的电压运行数据。
得出母线与其他母线下接变压器电压相关系数约等于0.376,从而判断出母线与其他母线下接变压器之间相关性很弱;
综合以上研究表明,母线与其下接变压器电压运行特征相关度很强,而与其他母线、其他母线下变压器电压运行特征存在很大的差距,而电压运行特征之间的相关程度可以采用运行数据之间的相关系数、线性回归模型的拟合优度进行衡量,这就为数据驱动自动判定馈线与母线挂接关系提供了基础。
本发明首先,研究母线、变压器相关数据波动特征。不同母线运行波动特征不一致,计算不同母线之间运行数据相关程度,其相关性很弱,得到不同的母线之间相互独立的结论;母线存在以天为周期的波动,但是周期波动不明显。同理,变压器电压运行数据分析表明同一母线下变压器电压波动大致相同,不同母线下变压器波动存在明显差异,得到同一母线变压器电压波动高度相关、不同母线变压器电压相关性较低的结论;变压器之间电压存在压差,其压差的产生主要取决于与母线之间的距离,距离母线越远其电压水平相对越低。
其次,基于母线、馈线及变压器历史挂接关系分析其电压波动关联关系。分析变压器电压与母线电压相关性,建立变压器电压与母线电压线性回归模型:
y=k·x+b+ε
其中:y为单个变压器电压运行数据,x为母线电压运行数据。
利用同一馈线所有变压器电压与其母线电压对以上模型进行训练,根据拟合优度判断母线对变压器电压管理关系。研究结果表明同一母线变压器波动情况与其母线波动情况相关度很高,与其他母线波动情况相关度很低;同一馈线变压器拟合优度随着与母线距离增加而逐渐降低,与其功率波动情况相关程度逐渐增加。
最后,基于上述结论,计算母线与馈线下变压器关联程度,智能识别母线与馈线及变压器拓扑结构挂接关系。计算同一馈线所有变压器分别与其可能挂接的母线电压构建线性回归模型,计算模型拟合优度,制定拟合优度阈值、变压器达标占比阈值,计算达到拟合优度阈值变压器个数占比情况,其比例达到相关阈值即可认定该母线即为该馈线对应的母线;根据馈线下配变拟合优度排序情况,确定馈线下配变之间的相对位置。综合以上计算结果,绘制母线-馈线-配变网络拓扑结构。
具体实施方式
本发明按以下步骤进行操作:
1)、取多组数据研究母线、变压器相关数据波动特征;
1.1)、采集各母线的电压运行数据,研究不同母线电压运行特征相关程度,计算两条不同母线电压运行特征相关系数(相关系数是反映变量之间线性相关程度的量),其相关系数计算公式如下:
其中Bl为第l个母线的电压运行数据,Bf为第j个母线的电压运行数据;
得出两根不同的母线的相关系数约等于0.338,从而判断出不同母线之间的相关性很弱(即不同母线之间相互独立);
1.2)、采集同一馈线下各变压器的电压运行数据,研究同一馈线下各变压器运行特征相关程度,计算同一馈线下两个变压器的电压运行特征相关系数,其相关系数计算公式如下:
其中,VlN-i为第l个母线第N个馈线下第i个变压器的电压运行数据,VlN-j为第l个母线第N个馈线下第j个变压器的电压运行数据;
得出同一馈线下两个的变压器的相关系数约等于0.975,从而判断出同一馈线下不同的变压器之间相关性很强(即同一馈线下各变压器之间存在强相关关系);
1.3)、采集同一母线不同馈线下各变压器运行数据,研究同一母线不同馈线下各变压器运行特征相关程度,计算同一母线不同馈线下两个变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,VlN-j为第l个母线下第N个馈线第j个变压器的电压运行数据。
得出同一母线不同馈线下两个变压器电压相关系数约等于0.952,从而判断出同一母线不同馈线下的变压器之间相关性很强(即同一母线下不同馈线的各变压器之间存在强相关关系);
1.4)、采集不同母线下各变压器运行数据,研究不同母线下各变压器运行特征相关程度,计算不同母线下两个变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,VfN-j为第f个母线下第N个馈线第j个变压器的电压运行数据。
得出不同母线下两个变压器电压相关系数约等于0.385,从而判断出不同母线下两个变压器之间相关性很弱(即不同母线下变压器之间相互独立);
1.5)、采集母线及该母线下变压器运行数据,研究母线与其下接变压器运行特征相关程度,计算母线与该母线下变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,Bl为第l个母线的电压运行数据。
得出母线与其下接变压器电压相关系数约等于0.946,从而判断出母线与其下接变压器之间相关性很强(即母线与其下接变压器之间存在强相关关系);
1.6)、采集母线及其他母线下变压器运行数据,研究母线与其他母线下接变压器运行特征相关程度,计算母线与其他母线下接变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,Bf为第f个母线的电压运行数据。
得出母线与其他母线下接变压器电压相关系数约等于0.376,从而判断出母线与其他母线下接变压器之间相关性很弱(即母线与其他母线下接变压器之间相互独立);
综合以上研究表明,母线与其下接变压器电压运行特征相关度很强,而与其他母线、其他母线下变压器电压运行特征存在很大的差距,而电压运行特征之间的相关程度可以采用运行数据之间的相关系数、线性回归模型的拟合优度进行衡量,这就为数据驱动自动判定馈线与母线挂接关系提供了基础;
2)、计算馈线与母线挂接关系;
2.1)、假定已知第M个馈线下有N个变压器,其可能对接的母线有P个母线,分析变压器与可能对接母线之间的相关性,从而判断该馈线所对接的母线;
2.2)、采集馈线下各变压器与可能对接母线的运行数据,分析变压器与各母线相关程度,计算对应的相关系数矩阵,相关系数计算公式为:
其中,VM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,Bl为第l个母线的电压运行数据;
2.3)、根据步骤2.2)计算得到变压器和各母线电压相关系数矩阵,相关系数矩阵计算结果如下:
2.4)、制定相关系数阈值∈,计算各母线运行特征相近变压器占比情况,其占比计算公式如下:
2.5)、制定与母线运行特征相近的变压器占比阈值θ,对比各母线运行特征相近变压器占比及阈值θ情况,实现对馈线所属的母线判定,判定依据为:与母线运行特征相近变压器占比最高、且占比大于阈值θ,即:
max(PBl)&PBl>θ
如果出现与母线运行特征相近变压器占比相近难以区分情况,可以进一步提高阈值ε,θ,从而最终判断出馈线所属的母线;
3)、建立母线-馈线-变压器的拓扑结构关系:将母线的实际电压运行数据、馈线的实际电压运行数据、变压器的实际电压运行数据代入步骤2)中进行计算,得到母线-馈线-变压器的拓扑结构关系;完毕。
Claims (2)
1.基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法,其特征在于,按以下步骤进行操作:
1)、取多组数据研究母线、变压器相关数据波动特征;得出,母线与其下接变压器电压运行特征相关度很强,而与其他母线、其他母线下变压器电压运行特征存在很大的差距;
2)、计算馈线与母线挂接关系;
2.1)、假定已知第M个馈线下有N个变压器,其可能对接的母线有P个母线,分析变压器与可能对接母线之间的相关性,从而判断该馈线所对接的母线;
2.2)、采集馈线下各变压器与可能对接母线的运行数据,分析变压器与各母线相关程度,计算对应的相关系数矩阵,相关系数计算公式为:
其中,VM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,Bl为第l个母线的电压运行数据;
2.3)、根据步骤2.2)计算得到变压器和各母线电压相关系数矩阵,相关系数矩阵计算结果如下:
2.4)、制定相关系数阈值∈,计算各母线运行特征相近变压器占比情况,其占比计算公式如下:
2.5)、制定与母线运行特征相近的变压器占比阈值θ,对比各母线运行特征相近变压器占比及阈值θ情况,实现对馈线所属的母线判定,判定依据为:与母线运行特征相近变压器占比最高、且占比大于阈值θ,即:
max(PBl)&PBl>θ
如果出现与母线运行特征相近变压器占比相近难以区分情况,则进一步提高阈值ε,θ,从而最终判断出馈线所属的母线;
3)、建立母线-馈线-变压器的拓扑结构关系:将母线的实际电压运行数据、馈线的实际电压运行数据、变压器的实际电压运行数据代入步骤2)中进行计算,得到母线-馈线-变压器的拓扑结构关系;完毕。
2.根据权利要求1所述的基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法,其特征在于,步骤1)的研究过程为:
1.1)、采集各母线的电压运行数据,计算两条不同母线电压运行特征相关系数,其相关系数计算公式如下:
其中Bl为第l个母线的电压运行数据,Bf为第j个母线的电压运行数据;
得出两根不同的母线的相关系数约等于0.338,从而判断出不同母线之间的相关性很弱;
1.2)、采集同一馈线下各变压器的电压运行数据,计算同一馈线下两个变压器的电压运行特征相关系数,其相关系数计算公式如下:
其中,VlN-i为第l个母线第N个馈线下第i个变压器的电压运行数据,VlN-j为第l个母线第N个馈线下第j个变压器的电压运行数据;
得出同一馈线下两个的变压器的相关系数约等于0.975,从而判断出同一馈线下不同的变压器之间相关性很强;
1.3)、采集同一母线不同馈线下各变压器运行数据,计算同一母线不同馈线下两个变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,VlN-j为第l个母线下第N个馈线第j个变压器的电压运行数据;
得出同一母线不同馈线下两个变压器电压相关系数约等于0.952,从而判断出同一母线不同馈线下的变压器之间相关性很强;
1.4)、采集不同母线下各变压器运行数据,计算不同母线下两个变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,VfN-j为第f个母线下第N个馈线第j个变压器的电压运行数据;
得出不同母线下两个变压器电压相关系数约等于0.385,从而判断出不同母线下两个变压器之间相关性很弱;
1.5)、采集母线及该母线下变压器运行数据,计算母线与该母线下变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,Bl为第l个母线的电压运行数据;
得出母线与其下接变压器电压相关系数约等于0.946,从而判断出母线与其下接变压器之间相关性很强;
1.6)、采集母线及其他母线下变压器运行数据,计算母线与其他母线下接变压器电压运行特征相关系数,其相关系数计算公式如下:
其中,VlM-i为第l个母线下第M个馈线第i个变压器的电压运行数据,Bf为第f个母线的电压运行数据;
得出母线与其他母线下接变压器电压相关系数约等于0.376,从而判断出母线与其他母线下接变压器之间相关性很弱;
综合以上研究表明,母线与其下接变压器电压运行特征相关度很强,而与其他母线、其他母线下变压器电压运行特征存在很大的差距,而电压运行特征之间的相关程度可以采用运行数据之间的相关系数、线性回归模型的拟合优度进行衡量,这就为数据驱动自动判定馈线与母线挂接关系提供了基础。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811500390.3A CN110086165B (zh) | 2018-12-10 | 2018-12-10 | 基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811500390.3A CN110086165B (zh) | 2018-12-10 | 2018-12-10 | 基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110086165A CN110086165A (zh) | 2019-08-02 |
CN110086165B true CN110086165B (zh) | 2020-07-24 |
Family
ID=67412935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811500390.3A Active CN110086165B (zh) | 2018-12-10 | 2018-12-10 | 基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110086165B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110865328B (zh) * | 2019-11-08 | 2021-10-08 | 上海电力大学 | 基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法 |
CN111458661A (zh) * | 2020-03-03 | 2020-07-28 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网线变关系诊断方法、装置及*** |
CN111426905B (zh) * | 2020-03-03 | 2022-02-15 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网同母线变关系异常诊断方法、装置及*** |
CN112083281B (zh) * | 2020-09-01 | 2021-08-20 | 河海大学 | 一种电力***线路端口匹配检测方法 |
CN112181982B (zh) * | 2020-09-23 | 2021-10-12 | 况客科技(北京)有限公司 | 数据选取方法、电子设备和介质 |
CN112117763B (zh) * | 2020-09-25 | 2022-03-15 | 东南大学 | 一种低压配电网拓扑识别与参数估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823140A (zh) * | 2014-02-27 | 2014-05-28 | 华北电力大学 | 基于道路-回路方程的电网拓扑错误辨识***及其方法 |
CN105515197A (zh) * | 2016-01-04 | 2016-04-20 | 南京南瑞继保电气有限公司 | 电网拓扑结构识别方法及装置 |
CN107179438A (zh) * | 2017-04-21 | 2017-09-19 | 珠海派诺科技股份有限公司 | 基于菊花链拓扑的智能识别监测*** |
CN107453351A (zh) * | 2017-07-12 | 2017-12-08 | 河海大学 | 一种基于节点注入功率的配电网运行拓扑辨识方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521398B (zh) * | 2011-12-23 | 2013-06-19 | 清华大学 | 变电站-调度中心两级分布式电网的建模方法 |
-
2018
- 2018-12-10 CN CN201811500390.3A patent/CN110086165B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823140A (zh) * | 2014-02-27 | 2014-05-28 | 华北电力大学 | 基于道路-回路方程的电网拓扑错误辨识***及其方法 |
CN105515197A (zh) * | 2016-01-04 | 2016-04-20 | 南京南瑞继保电气有限公司 | 电网拓扑结构识别方法及装置 |
CN107179438A (zh) * | 2017-04-21 | 2017-09-19 | 珠海派诺科技股份有限公司 | 基于菊花链拓扑的智能识别监测*** |
CN107453351A (zh) * | 2017-07-12 | 2017-12-08 | 河海大学 | 一种基于节点注入功率的配电网运行拓扑辨识方法 |
Non-Patent Citations (1)
Title |
---|
基于关联矩阵化简的电网拓扑辨识新方法;杨东锋等;《华东电力》;20141130;第42卷(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110086165A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110086165B (zh) | 基于大数据的智能识别母线与馈线及变压器拓扑结构挂接关系的方法 | |
CN109840541A (zh) | 一种基于XGBoost的电网变压器故障分类方法 | |
CN106777984B (zh) | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 | |
CN110070282A (zh) | 一种基于综合关联度的低压台区线损影响因素分析方法 | |
CN110264032B (zh) | 一种直流配网规划方案评价结果的获取方法 | |
CN106208043B (zh) | 一种中低压配电网关键耗能环节辨识方法 | |
CN104268402A (zh) | 一种基于模糊c均值的电力***负荷聚类方法 | |
CN112966219A (zh) | 识别户表与表箱关系的方法及***、设备、介质 | |
CN111523595A (zh) | 一种基于离群点检测算法的电缆缺陷研判方法 | |
CN111553080B (zh) | 一种配电台区负荷动态等值非机理模型参数闭环辨识方法 | |
CN106526425A (zh) | 基于智能电表实采数据的低电压诊断方法 | |
CN111242420B (zh) | 一种综合性能多维度评估方法 | |
CN113904322A (zh) | 一种基于电流+电压的低压配网拓扑生成方法 | |
CN112152213A (zh) | 基于线损的拓扑识别率判断方法 | |
CN116756530A (zh) | 用于新能源接入配电网的电网线损评估方法及*** | |
CN105699806A (zh) | 一种多源谐波责任划分方法 | |
CN105896545B (zh) | 一种基于事故链模型的分布式潮流控制器选址方法 | |
CN110399926B (zh) | 一种路灯故障诊断方法及装置 | |
CN116660679A (zh) | 一种基于网络拓扑的配电网故障分析方法 | |
CN115579862A (zh) | 基于多维多层关联规则的电压暂降预测分析方法 | |
CN108764751A (zh) | 一种装配流水线效能评估方法 | |
CN105429143B (zh) | 一种针对电力***光伏专供线的谐波质量监测点选址方法 | |
CN104376505B (zh) | 一种电力***中配电网的运行可靠性评估方法 | |
CN114047372B (zh) | 一种基于电压特征的台区拓扑辨识*** | |
CN108521138B (zh) | 一种直流***对交流故障换相失败整体免疫能力评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |