CN110932265B - 一种静态电压稳定性评估方法及*** - Google Patents
一种静态电压稳定性评估方法及*** Download PDFInfo
- Publication number
- CN110932265B CN110932265B CN201911241561.XA CN201911241561A CN110932265B CN 110932265 B CN110932265 B CN 110932265B CN 201911241561 A CN201911241561 A CN 201911241561A CN 110932265 B CN110932265 B CN 110932265B
- Authority
- CN
- China
- Prior art keywords
- load
- node
- clustering
- loads
- optimal
- 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
Images
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种静态电压稳定性评估方法及***。该方法包括:获取节点原始负荷数据并对节点原始负荷数据进行归一化处理;对处理后的节点负荷数据采用模拟植物生长算法进行聚类,得到最佳聚类数和初始聚类中心,根据模糊C均值聚类算法获得最佳聚类中心;根据最佳聚类数和最佳聚类中心对节点负荷进行分解,建立改进ZIP负荷模型;根据改进ZIP负荷模型判断节点负荷是否满足设定置信度要求;若满足,则分别计算各个节点在不同时间段、不同负荷、不同负荷增长方式的节点电压,根据所得结果,分析***静态电压的稳定性;若不满足,则重新进行聚类。本发明能够准确获得负荷模型,分析电力***的稳定性。
Description
技术领域
本发明涉及负荷建模对电网静态电压稳定性领域,特别是涉及一种静态电压稳定性评估方法及***。
背景技术
近年来,随着电力改革的不断深入,电力用户需求不断增加,负荷波动愈加频繁而剧烈,电力***极限运行的概率增大,静态电压稳定性问题越来越突出。电压不稳定已经成为限制电力工业发展的主要因素之一。
负荷特性会影响电力***状态估计、负荷预测等结果的准确度,不同的负荷模型将导致分析结果不同,有效可靠的负荷模型直接关系到***静态电压稳定性。功率需求受气候、地域、用电习惯等因素的影响,不同节点间有一定的相关性,并呈现周期性变化。因此,负荷聚类被广泛应用于负荷建模过程中。模糊C均值聚类算法可以研究不确定性因素对***静态电压稳定性的影响,但该方法存在聚类结果对初始聚类中心敏感、易陷入局部最优的缺点;不少文献对聚类算法进行改进,以遗传算法代替K均值聚类算法,提高全局寻优能力,但该方法依然对初始条件依赖度极高;将模糊k-means算法与云模型结合,解决了初始条件难以确定及算法稳定性较差的缺点,但该方法需要对负荷数据进行扩维处理,计算速度较慢;利用基于信息熵的分段近似聚合方法对负荷数据进行降维,然而,这种降维方法可能会忽略负荷数据中的某些关键信息,造成形态信息的丢失。现有文献虽然对负荷模型进行了优化,在一定程度上减小了聚类结果与初始条件的相关性与陷入局部最优解的可能性,但是仍然存在计算量大、忽略负荷变化中的关键信息等缺点,且现有基于负荷聚类的ZIP负荷模型均没有从负荷变化机理角度研究负荷变化的原因,仅是从数据上给出负荷变化的相关性。
发明内容
本发明的目的是提供一种静态电压稳定性评估方法及***,能够准确评估电力***最大可接入负荷比例及各个节点可接入负荷极限,分析负荷模型对电力***稳定性的影响。
为实现上述目的,本发明提供了如下方案:
一种静态电压稳定性评估方法,包括:
获取节点原始负荷数据;
对所述节点原始负荷数据进行归一化处理,得到处理后的节点负荷数据;
根据所述处理后的节点负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心;
根据所述最佳聚类数和所述最佳聚类中心对节点负荷进行分解,建立改进ZIP负荷模型;
根据所述改进ZIP负荷模型判断节点负荷是否满足设定置信度要求;
若是,则分别计算各个节点在不同时间段、不同负荷、不同负荷增长方式的节点电压,所述不同负荷增长方式包括:只增加工业负荷的方式、只增加商业负荷的方式、只增加居民负荷的方式和所有负荷同时增加的方式;
根据各所述节点电压,分析***静态电压的稳定性;
若否,则返回“根据所述处理后的负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心”。
可选的,所述获取节点原始负荷数据,具体包括:
获取24小时节点负荷数据、24小时具有工业特性的负荷数据、24小时具有居民特性的负荷数据和24小时具有商业特性的负荷数据。
可选的,所述对所述节点原始负荷数据进行归一化处理,得到处理后的节点负荷数据,具体包括:
以节点i的24小时负荷数据最大值为基准对节点i的负荷数据进行归一化处理,得到处理后的节点负荷数据。
可选的,所述根据所述处理后的负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心,具体包括:
S1:计算各节点之间的欧式距离及各节点的生长概率与生长方向;
S2:随机产生生长点与生长方向,以设定的生长速度进行生长;
S3:设定最小生长点距离;
S4:判断两生长点之间的距离是否小于所述最小生长点距离;
S5:若是,则两个生长点合为一个生长点;
S6:若否,则返回“随机产生生长点与生长方向,以设定的生长速度进行生长”;
S7:循环S1-S6,求解不同生长点情况下***的聚类结果评价指标,得到不同聚类结果下的聚类中心;
S8:根据所述聚类结果评价指标确定最优生长点个数、最优生长中心、最佳聚类数目和初始聚类中心;
S9:采用模糊C均值聚类对节点负荷进行聚类,求解所述最佳聚类数目下的最佳聚类中心。
可选的,所述根据所述最佳聚类数和所述最佳聚类中心对节点负荷进行分解,建立改进ZIP负荷模型,具体包括:
根据所述最佳聚类数、初始聚类中心和最佳聚类中心,对节点i的负荷进行分解,得到第n次计算节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n、节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n、节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n;
根据所述节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n,得到具有工业负荷特性的负荷的平均值ai;
根据所述节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n,得到具有商业负荷特性的负荷的平均值bi;
根据所述节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n,得到具有居民负荷特性的负荷的平均值ci;
根据所述具有工业负荷特性的负荷的平均值ai、所述具有商业负荷特性的负荷的平均值bi和所述具有居民负荷特性的负荷的平均值ci,得到节点i时刻m的负荷Li,m,所述负荷Li,m为改进ZIP负荷模型;
所述负荷Li,m表示为:
L′i,m=ai*Gm+bi*Sm+ci*Jm;
其中,Gm为具有工业负荷特征的负荷,Sm为具有商业负荷特性的负荷,Jm为具有居民负荷特性的负荷。
可选的,所述根据各所述节点电压,分析***静态电压的稳定性,具体包括:
根据各所述节点电压,求解***薄弱点和危机时间;
根据所述薄弱点和所述危机时间,分析***静态电压的稳定性。
一种静态电压稳定性评估***,包括:
节点原始负荷数据获取模块,用于获取节点原始负荷数据;
归一化处理模块,用于对所述节点原始负荷数据进行归一化处理,得到处理后的节点负荷数据;
聚类模块,用于根据所述处理后的节点负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心;
改进ZIP负荷模型建立模块,用于根据所述最佳聚类数和所述最佳聚类中心对节点负荷进行分解,建立改进ZIP负荷模型;
判断模块,用于根据所述改进ZIP负荷模型判断节点负荷是否满足设定置信度要求;
节点电压计算模块,用于当节点负荷满足设定置信度要求,分别计算各个节点在不同时间段、不同负荷、不同负荷增长方式的节点电压,所述不同负荷增长方式包括:只增加工业负荷的方式、只增加商业负荷的方式、只增加居民负荷的方式和所有负荷同时增加的方式;
稳定性分析模块,用于根据各所述节点电压,分析***静态电压的稳定性;
返回模块,用于当节点负荷不满足设定置信度要求,返回“根据所述处理后的负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心”。
可选的,所述改进ZIP负荷模型建立模块,具体包括:
分解单元,用于根据所述最佳聚类数、初始聚类中心和最佳聚类中心,对节点i的负荷进行分解,得到第n次计算节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n、节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n、节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n;
第一平均值确定单元,用于根据所述节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n,得到具有工业负荷特性的负荷的平均值ai;
第二平均值确定单元,用于根据所述节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n,得到具有商业负荷特性的负荷的平均值bi;
第三平均值确定单元,用于根据所述节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n,得到具有居民负荷特性的负荷的平均值ci;
改进ZIP负荷模型建立单元,用于根据所述具有工业负荷特性的负荷的平均值ai、所述具有商业负荷特性的负荷的平均值bi和所述具有居民负荷特性的负荷的平均值ci,得到节点i时刻m的负荷Li,m,所述负荷Li,m为改进ZIP负荷模型;
所述负荷Li,m表示为:
L′i,m=ai*Gm+bi*Sm+ci*Jm;
其中,Gm为具有工业负荷特征的负荷,Sm为具有商业负荷特性的负荷,Jm为具有居民负荷特性的负荷。
可选的,所述稳定性分析模块,具体包括:
求解单元,用于根据各所述节点电压,求解***薄弱点和危机时间;
稳定性分析单元,用于根据所述薄弱点和所述危机时间,分析***静态电压的稳定性。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
(1)将模拟植物生长算法与模糊C均值聚类相结合,减小了计算时间与计算量,增加了计算的准确性。
(2)本发明所提聚类结果分析方法从数据隶属度及数据本身等不同角度分析聚类结果,所得聚类结果更准确。
(3)通过将节点负荷分为工业负荷、商业负荷与居民负荷可以完全将各节点间的负荷解耦,得到负荷变化规律,物理意义明确。
(4)通过静态电压稳定性评估方法可获知:不同类型负荷增长,***薄弱节点不同,***危险时刻不同,对***静态电压稳定性影响不同,增加等量负荷,只增加工业负荷的情况更容易出现静态电压稳定性问题,且将等量商业负荷与居民负荷替换为工业负荷,***静态电压稳定性变差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明静态电压稳定性评估方法流程图;
图2为本发明BWP、D、I结果图;
图3为本发明负荷分解结果图;
图4为本发明不同增长方式下负荷裕度图;
图5为本发明不同增长方式下***总负荷量图;
图6为本发明不同负荷增长方式下***静态电压稳定性图;
图7为本发明不同负荷情况下***静态电压稳定性图;
图8为本发明不同增长方式下各节点静态电压稳定性比较图;
图9为本发明不同负荷模型情况下各节点最大可接入负荷图;
图10为本发明静态电压稳定性评估***结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种静态电压稳定性评估方法及***,能够准确评估电力***最大可接入负荷比例及各个节点可接入负荷极限,分析负荷模型对电力***稳定性的影响。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明静态电压稳定性评估方法流程图。如图1所示,一种静态电压稳定性评估方法包括:
步骤101:获取节点原始负荷数据,具体包括:
获取24小时节点负荷数据、24小时具有工业特性的负荷数据、24小时具有居民特性的负荷数据和24小时具有商业特性的负荷数据。
步骤102:对所述节点原始负荷数据进行归一化处理,得到处理后的节点负荷数据,具体包括:
以节点i的24小时负荷数据最大值为基准对节点i的负荷数据进行归一化处理,得到处理后的节点负荷数据。
步骤103:根据所述处理后的节点负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心,具体包括:
S1:计算各节点之间的欧式距离及各节点的生长概率与生长方向;
S2:随机产生生长点与生长方向,以设定的生长速度进行生长;
S3:设定最小生长点距离;
S4:判断两生长点之间的距离是否小于所述最小生长点距离;
S5:若是,则两个生长点合为一个生长点;
S6:若否,则返回“随机产生生长点与生长方向,以设定的生长速度进行生长”;
S7:循环S1-S6,求解不同生长点情况下***的聚类结果评价指标,得到不同聚类结果下的聚类中心;
S8:根据所述聚类结果评价指标确定最优生长点个数、最优生长中心、最佳聚类数目和初始聚类中心;
S9:采用模糊C均值聚类对节点负荷进行聚类,求解所述最佳聚类数目下的最佳聚类中心,计算BWP指标、D指标与I指标。
聚类是通过寻找数据中隐藏的模式来对数据进行自然、智能的分组,本质上是一种优化问题。模拟植物生长算法将优化问题的可行域作为植物的生长环境,将最优解作为光源,模拟真实植物的向光性机理,建立枝叶在不同光线强度环境下的快速生长的生长演绎方式。
模拟植物生长算法不需要给定一些难以确定的参数,因此解的稳定性好,且其具有一个由形态素浓度决定的方向性和随机性平衡比较理想的搜索机制,在优化问题中具有很强的全局搜索能力。
本发明以N维空间为可行域,N个负荷节点各时刻的负荷可在可行域之中描述为一个点,则***日负荷可用可行域中24个点表示,通过所提聚类结果评价方法,利用优化的方式,求出最优解,根据节点与节点之间的距离,判断生长节点与生长方向,最终得到最佳聚类数与初始聚类中心。
模糊C均值聚类应用时需要给定聚类数目,在类别数确定方面有主观性,且聚类结果对聚类中心敏感,若选取不当,易陷入局部最优解。
本发明将模拟植物生长算法与模糊C均值聚类相结合,利用模拟植物生长算法快速寻找最佳聚类数及初始聚类中心,采用模糊C均值聚类将负荷关联性相似的时间段归为一类,减小了计算量;根据模拟植物生长算法具有很强全局搜索能力的特点,将其与模糊C均值聚类相结合,防止聚类结果陷入局部最优解,增加了计算准确性。
步骤104:根据所述最佳聚类数和所述最佳聚类中心对节点负荷进行分解,建立改进ZIP负荷模型,具体包括:
根据所述最佳聚类数和最佳聚类中心,对节点i的负荷进行分解,得到第n次计算节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n、节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n、节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n;
根据所述节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n,得到具有工业负荷特性的负荷的平均值ai;
根据所述节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n,得到具有商业负荷特性的负荷的平均值bi;
根据所述节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n,得到具有居民负荷特性的负荷的平均值ci;
根据所述具有工业负荷特性的负荷的平均值ai、所述具有商业负荷特性的负荷的平均值bi和所述具有居民负荷特性的负荷的平均值ci,得到节点i时刻m的负荷Li,m,所述负荷Li,m为改进ZIP负荷模型;
所述负荷Li,m表示为:
L′i,m=ai*Gm+bi*Sm+ci*Jm;
其中,Gm为具有工业负荷特征的负荷,Sm为具有商业负荷特性的负荷,Jm为具有居民负荷特性的负荷。
考虑到如果***不进行大规模重组,各节点工业负荷、商业负荷与居民负荷的所占比例几乎不变,将笛卡尔坐标系引入负荷建模当中,假设工业负荷、商业负荷、居民负荷相关性为0,即在笛卡尔坐标系中,工业负荷、商业负荷、居民负荷可分别为X轴、Y轴、Z轴。可将各节点负荷分别以典型工业负荷、典型商业负荷、典型居民负荷线性表示。
鉴于本发明将各节点负荷分为工业负荷、商业负荷与居民负荷,自由度为3,故根据改进模糊C均值聚类所得到的结果,若聚类数大于等于3,则从每一类中挑选出一个典型时刻,求解由该节点工业、商业、居民负荷所占比例形成的有序实数组,建立改进ZIP负荷模型;若聚类数目小于3,则从每一类中挑选出三个时刻,建立改进ZIP负荷模型。
i节点具有工业负荷特征的负荷G(i)可表示为:
G(i)=[G1,G2,……,G24];
i节点具有商业负荷特征的负荷S(i)可表示为:
S(i)=[S1,S2,……,S24];
i节点具有居民负荷特征的负荷J(i)可表示为:
J(i)=[J1,J2,……,J24];
则第n次计算,i节点m时刻的负荷L′i,m可以表示为:
L′i,m=ai*Gm+bi*Sm+ci*Jm
其中,ai,n表示第n次计算,i节点m时刻所含工业负荷对单位具有工业负荷特性的负荷Gm的比值;bi,n表示第n次计算,i节点m时刻的工业负荷对单位具有商业负荷特性的负荷Sm的比值;ci,n表示第n次计算,i节点m时刻的工业负荷对单位具有居民负荷特性的负荷Jm的比值。
考虑到***中线性负荷的随机变化与非线性负荷的不确定性因素,通过求取平均值的方式来减小误差,运用不同时刻N次计算结果,求取ai,n,bi,n,ci,n,求取平均值ai,bi,ci,有:
因此,i节点m时刻的负荷Li,m表示为:
Li,m=ai*Gm+bi*Sm+ci*Jm;
步骤105:根据所述改进ZIP负荷模型判断节点负荷是否满足设定置信度要求;
采用上式分别对每个节点24小时的负荷进行验证,得出实际结果与理论结果的差值。节点负荷Li,m的变化满足正态分布的规律,根据正态分布的3σ原则,节点负荷落在(μ-3σ,μ+3σ)以外的概率小于千分之三,本发明以0.1Li,m为3σ,故在0.9973的置信度区间之内,节点的负荷在[0.9*Li,m-1.1*Li,m]之间,即认为该节点的负荷满足所提出的规律,确定该节点负荷数据的波动范围,对于超出波动范围的点,则将其视为数据特殊节点,需要格外注意,特别处理。
步骤106:若是,则分别计算各个节点在不同时间段、不同负荷、不同负荷增长方式的节点电压,所述不同负荷增长方式包括:只增加工业负荷的方式、只增加商业负荷的方式、只增加居民负荷的方式和所有负荷同时增加的方式。
采用基于改进二分搜索法的连续潮流分别计算只增加工业负荷、只增加商业负荷、只增加居民负荷及所有负荷同时增加情况下***的运行极限,求解i节点m时刻的节点电压;
更换增加负荷的节点与计算的时间段,采用基于改进二分搜索法的连续潮流分别计算只增加工业负荷、只增加商业负荷、只增加居民负荷及所有负荷同时增加情况下***的运行极限,求解i+1节点m+1时刻的节点电压,直至计算***中所有节点在所有时间段下不同负荷的节点电压。
步骤107:根据各所述节点电压,分析***静态电压的稳定性,具体包括:
根据各所述节点电压,求解***薄弱点和危机时间;
根据所述薄弱点和所述危机时间,分析***静态电压的稳定性。
本发明以节点电压为判断依据,寻找电力***运行过程中节点电压最低的点即为***的薄弱节点,将24小时中,节点电压最低点出现的时间定义为危机时间,根据***薄弱点及危机时间来分析***静态电压稳定性。
若否,则返回“根据所述处理后的负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心”。
图10为本发明静态电压稳定性评估***结构图。如图10所示,一种静态电压稳定性评估***包括:
节点原始负荷数据获取模块201,用于获取节点原始负荷数据;
归一化处理模块202,用于对所述节点原始负荷数据进行归一化处理,得到处理后的节点负荷数据;
聚类模块203,用于根据所述处理后的节点负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心;
改进ZIP负荷模型建立模块204,用于根据所述最佳聚类数和所述最佳聚类中心对节点负荷进行分解,建立改进ZIP负荷模型;
判断模块205,用于根据所述改进ZIP负荷模型判断节点负荷是否满足设定置信度要求;
节点电压计算模块206,用于当节点负荷满足设定置信度要求,分别计算各个节点在不同时间段、不同负荷、不同负荷增长方式的节点电压,所述不同负荷增长方式包括:只增加工业负荷的方式、只增加商业负荷的方式、只增加居民负荷的方式和所有负荷同时增加的方式;
稳定性分析模块207,用于根据各所述节点电压,分析***静态电压的稳定性;
返回模块208,用于当节点负荷不满足设定置信度要求,返回“根据所述处理后的负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心”。
所述改进ZIP负荷模型建立模块204,具体包括:
分解单元,用于根据所述最佳聚类数、初始聚类中心和最佳聚类中心,对节点i的负荷进行分解,得到第n次计算节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n、节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n、节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n;
第一平均值确定单元,用于根据所述节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n,得到具有工业负荷特性的负荷的平均值ai;
第二平均值确定单元,用于根据所述节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n,得到具有商业负荷特性的负荷的平均值bi;
第三平均值确定单元,用于根据所述节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n,得到具有居民负荷特性的负荷的平均值ci;
改进ZIP负荷模型建立单元,用于根据所述具有工业负荷特性的负荷的平均值ai、所述具有商业负荷特性的负荷的平均值bi和所述具有居民负荷特性的负荷的平均值ci,得到节点i时刻m的负荷Li,m,所述负荷Li,m为改进ZIP负荷模型;
所述负荷Li,m表示为:
Li,m=ai*Gm+bi*Sm+ci*Jm;
其中,Gm为具有工业负荷特征的负荷,Sm为具有商业负荷特性的负荷,Jm为具有居民负荷特性的负荷。
所述稳定性分析模块207,具体包括:
求解单元,用于根据各所述节点电压,求解***薄弱点和危机时间;
稳定性分析单元,用于根据所述薄弱点和所述危机时间,分析***静态电压的稳定性。
本发明与现有技术相比,具有下列优点:
1、本发明将模拟植物生长算法与模糊C均值聚类相结合,根据所提负荷聚类评判体系,对负荷变化相近的时段进行聚类。
2、本发明提出一种改进ZIP负荷模型,基于笛卡尔坐标系,通过负荷分解法,将节点负荷以具有工业负荷特性、居民负荷特性与商业负荷特性的负荷线性表示,将随机负荷建立为三维有序实数对,减少了负荷的自由度,增加了样本的利用率。
3、本发明提出了一种基于改进ZIP模型的静态电压稳定性分析方法,从节点电压、负荷最大可接入容量等多角度求解***薄弱节点及危机时间,研究不同类型负荷随机增长对***静态电压稳定性的影响。
实施例1:
本实施例以IEEE 33节点***为例,用Matpower软件进行仿真分析。首先采用模拟植物生长算法将负荷关联性相似的时间段归为一类,寻找最佳聚类数与初始聚类中心;随后使用模糊C均值聚类得到最佳聚类中心,并根据所提聚类评判指标进行分析;计算各节点工业、商业及居民负荷所占比例,建立改进ZIP负荷模型;最后在考虑***保护装置失效的情况下,通过只增加工业负荷、只增加商业负荷、只增加居民用电负荷及所有负荷同时增加的方式进行连续潮流计算,对***进行静态电压稳定性评估。
本发明将32个负荷节点24小时负荷数据,通过基于植物生长算法的聚类方法根据负荷变化趋势对时段进行负荷聚类,聚类数从1~23变化,BWP指标、D指标与I指标计算结果如图2所示。具体聚类结果如表1所示。
表1负荷聚类结果
根据负荷变化趋势,将时段根据负荷变化趋势分为3类,将本发明所得聚类结果与传统模糊C均值聚类进行比较,所得结果如表2所示。
表2聚类结果比较
从表2可以看出,在相同运行环境下,本发明所提方法计算时间远小于传统模糊C均值聚类的方法,主要是由于通过模拟植物生长算法求出了最佳聚类数及最初聚类中心,减小了模糊C均值聚类的计算次数,大大缩短了计算时间,减小了计算量。与此同时,本发明方法计算所得BWP指标、D指标与I指标均优于传统模糊C均值聚类方法,说明本发明所提方法准确度更高,聚类效果更好。
根据工业、商业、居民负荷的标准日负荷曲线,分别选取第一类、第二类、第三类时段之中的一个时间段对各节点日负荷曲线进行负荷分解,负荷分解结果如图3所示。从图3可以看出,节点2、3、24、26拥有高比例的工业负荷,节点25拥有高比例居民负荷,其余节点中均只含有居民负荷与商业负荷。
为了研究不同负荷类型对***静态电压稳定性的影响,本发明设计了四种负荷增长方式:
方式1:只增加工业负荷,不增加商业负荷与居民负荷;
方式2:只增加商业负荷,不增加居民负荷与工业负荷;
方式3:只增加居民负荷,不增加商业负荷与工业负荷;
方式4:工业、商业与居民用电负荷同时增加。
在1-24小时内,分别使用四种增负荷方式,通过基于改进二分法的连续潮流,对***进行静态电压稳定性分析,寻找***的临界运行状态,得出不同增长方式下,负荷裕度如图4所示。由图4中可以看出,方式1增负荷情况下,负荷增长倍数最小,方式2次之,方式3较大,方式4最大。其中,10点到21点负荷增长倍数较小,这是由于10点至21点原始负荷较重,所以负荷增长倍数较小。
不同时段根据不同增长方式,***总负荷量如图5所示。从图5中可以看出,选择方式1增加负荷,***负荷总量最小,方式3与方式4***最终总负荷量较为接近,方式2***负荷总量最大,说明在IEEE33节点***接入不同类型负荷,***最大可接入负荷总量不同。
以10时刻为例,以四种方式分别增加1kW负荷,***各节点电压如图6所示。由图6可知,在IEEE33节点中,通过四种方式分别将1kW负荷投入***中,方式1各节点电压均小于等于其他三种方式所得电压,方式2所得各节点电压最高,尤其以节点18与节点33最为明显,可见增加1kW工业负荷IEEE33节点***更有可能出现静态电压稳定性问题。
为了研究不同负荷类型对***静态电压稳定性的影响,本发明提出了两种方式来研究不同负荷类型情况下,***静态电压稳定性。
方式1:将1kW的商业负荷及居民负荷替换为工业负荷;
方式2:不进行负荷类型替换;
两种方式下,***的静态电压稳定性如图7所示。从图7可以看出,在方式1情况下,18节点与33节点的电压低于在方式2情况下的相应节点电压;24节点的电压略高于方式1情况下的相应节点电压;节点18与节点33电压较低,为***薄弱节点,所以在方式1下更容易发生电压稳定性问题。在***加入一定比例工业负荷情况下,切除等量商业负荷及居民负荷,***的静态电压稳定性将下降。
1-24小时内,不同增长方式下,各节点静态电压稳定性如图8所示。从图8可以看出,负荷增长方式不同,***的静态电压稳定性不同,薄弱节点分布会发生改变,方式1增负荷情况下,节点33成为薄弱节点的概率较大,而方式2增负荷情况下,18节点静态电压稳定性较差。
不同负荷增长方式下,最容易发生***静态电压稳定性问题的薄弱点与危险时刻统计如表3所示。
表3不同增长方式下***薄弱点与危险时刻
可以看出,分别以方式1、方式2、方式3、方式4增加负荷的情况下,***的崩溃电压不同,18节点与33节点成为崩溃节点的概率不同,18节点与33节点成为崩溃节点的时刻不同,18节点与33节点最低电压值不同。
计及负荷的随机波动,本发明以10时的***为例,使用基于拉丁超立方抽样的概率潮流方法研究传统ZIP负荷模型、基于模糊C均值聚类的ZIP负荷模型及本发明所提改进ZIP负荷模型对***静态电压稳定性的影响。不同负荷模型情况下,各节点最大接入负荷如图9所示。从图9中可以看出,不同负荷模型情况下,各节点的最大可接入负荷量不同,传统ZIP模型最大可接入负荷量最大,本发明所提改进ZIP负荷模型各节点最大可接入负荷量远小于其他两类负荷模型。
传统ZIP负荷模型认为节点负荷是相互独立的,所以负荷裕度较大;聚类ZIP负荷模型只是根据节点负荷变化相关性对节点负荷进行聚类,仅仅是负荷数据间的相关性,并没有挖掘负荷相关的机理,受到一些包括***故障在内的极端情况的影响。而本发明所提改进ZIP负荷模型从标准工业日负荷曲线、标准商业日负荷曲线、标准居民日负荷曲线出发,将各节点负荷以工业、商业、居民标准日负荷线性表示,所得结果物理意义明确,更贴合实际运行情况。
分别采用上述三种模型进行10000次潮流计算,所得结果如表4所示。
表4潮流收敛结果
从表4可以看出,本发明所提改进ZIP模型样本利用率大于聚类ZIP负荷模型,大于传统ZIP负荷模型,这是由于本发明所提方法大大减小了节点负荷的变化范围。
以2号节点为例,由于2号节点紧邻平衡节点,故以传统ZIP模型单节点增加负荷至***临界运行状态,2节点最大可容纳负荷为329.1459MW,采用聚类ZIP模型,多个变化趋势节点相似的负荷同时增加至***临界运行状态,2节点最大可容纳负荷为124.9297MW,采用本发明所提改进ZIP模型,2节点最大可容纳负荷为0.0136MW。由于负荷变化范围减小,故潮流更有可能收敛。本发明所提方法减少了***不可能出现状态的潮流计算,大大提高了计算效率。
为研究考虑负荷随机波动情况下,不同负荷模型对***静态电压稳定性的影响,不同负荷模型情况下,200次潮流计算,18节点与33节点静态电压稳定性数据统计结果如表5所示。
表5不同负荷模型情况下,静态电压稳定性分析结果
从表5可以看出,与传统ZIP负荷模型相比,本发明所提方法18节点成为薄弱节点的概率减小,33节点成为薄弱节点的概率增加,所得结果与聚类ZIP负荷模型相近,但在相近的精度下,本发明所提改进ZIP负荷模型的计算时间远小于聚类ZIP负荷模型。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种静态电压稳定性评估方法,其特征在于,包括:
获取节点原始负荷数据;
对所述节点原始负荷数据进行归一化处理,得到处理后的节点负荷数据;
根据所述处理后的节点负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心;
根据所述最佳聚类数和所述最佳聚类中心对节点负荷进行分解,建立改进ZIP负荷模型,具体包括:
根据所述最佳聚类数和最佳聚类中心,对节点i的负荷进行分解,得到第n次计算节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n、节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n、节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n;
根据所述节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n,得到具有工业负荷特性的负荷的平均值ai;
根据所述节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n,得到具有商业负荷特性的负荷的平均值bi;
根据所述节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n,得到具有居民负荷特性的负荷的平均值ci;
根据所述具有工业负荷特性的负荷的平均值ai、所述具有商业负荷特性的负荷的平均值bi和所述具有居民负荷特性的负荷的平均值ci,得到节点i时刻m的负荷Li,m,所述负荷Li,m为改进ZIP负荷模型;
所述负荷Li,m表示为:
Li,m=ai*Gm+bi*Sm+ci*Jm;
其中,Gm为具有工业负荷特征的负荷,Sm为具有商业负荷特性的负荷,Jm为具有居民负荷特性的负荷;
根据所述改进ZIP负荷模型判断节点负荷是否满足设定置信度要求;
若是,则分别计算各个节点在不同时间段、不同负荷、不同负荷增长方式的节点电压,所述不同负荷增长方式包括:只增加工业负荷的方式、只增加商业负荷的方式、只增加居民负荷的方式和所有负荷同时增加的方式;
根据各所述节点电压,分析***静态电压的稳定性;
若否,则返回“根据所述处理后的负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心”。
2.根据权利要求1所述的静态电压稳定性评估方法,其特征在于,所述获取节点原始负荷数据,具体包括:
获取24小时节点负荷数据、24小时具有工业特性的负荷数据、24小时具有居民特性的负荷数据和24小时具有商业特性的负荷数据。
3.根据权利要求1所述的静态电压稳定性评估方法,其特征在于,所述对所述节点原始负荷数据进行归一化处理,得到处理后的节点负荷数据,具体包括:
以节点i的24小时负荷数据最大值为基准对节点i的负荷数据进行归一化处理,得到处理后的节点负荷数据。
4.根据权利要求1所述的静态电压稳定性评估方法,其特征在于,所述根据所述处理后的负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心,具体包括:
S1:计算各节点之间的欧式距离及各节点的生长概率与生长方向;
S2:随机产生生长点与生长方向,以设定的生长速度进行生长;
S3:设定最小生长点距离;
S4:判断两生长点之间的距离是否小于所述最小生长点距离;
S5:若是,则两个生长点合为一个生长点;
S6:若否,则返回“随机产生生长点与生长方向,以设定的生长速度进行生长”;
S7:循环S1-S6,求解不同生长点情况下***的聚类结果评价指标,得到不同聚类结果下的聚类中心;
S8:根据所述聚类结果评价指标确定最优生长点个数、最优生长中心、最佳聚类数目和初始聚类中心;
S9:采用模糊C均值聚类对节点负荷进行聚类,求解所述最佳聚类数目下的最佳聚类中心。
5.根据权利要求1所述的静态电压稳定性评估方法,其特征在于,所述根据各所述节点电压,分析***静态电压的稳定性,具体包括:
根据各所述节点电压,求解***薄弱点和危机时间;
根据所述薄弱点和所述危机时间,分析***静态电压的稳定性。
6.一种静态电压稳定性评估***,其特征在于,包括:
节点原始负荷数据获取模块,用于获取节点原始负荷数据;
归一化处理模块,用于对所述节点原始负荷数据进行归一化处理,得到处理后的节点负荷数据;
聚类模块,用于根据所述处理后的节点负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心;
改进ZIP负荷模型建立模块,用于根据所述最佳聚类数和所述最佳聚类中心对节点负荷进行分解,建立改进ZIP负荷模型;
判断模块,用于根据所述改进ZIP负荷模型判断节点负荷是否满足设定置信度要求;
节点电压计算模块,用于当节点负荷满足设定置信度要求,分别计算各个节点在不同时间段、不同负荷、不同负荷增长方式的节点电压,所述不同负荷增长方式包括:只增加工业负荷的方式、只增加商业负荷的方式、只增加居民负荷的方式和所有负荷同时增加的方式;
稳定性分析模块,用于根据各所述节点电压,分析***静态电压的稳定性;
返回模块,用于当节点负荷不满足设定置信度要求,返回“根据所述处理后的负荷数据采用模拟植物生长算法和模糊C均值聚类算法进行聚类,得到最佳聚类数和最佳聚类中心”;
所述改进ZIP负荷模型建立模块,具体包括:
分解单元,用于根据所述最佳聚类数、初始聚类中心和最佳聚类中心,对节点i的负荷进行分解,得到第n次计算节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n、节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n、节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n;
第一平均值确定单元,用于根据所述节点i工业负荷对单位具有工业负荷特性的负荷的比值ai,n,得到具有工业负荷特性的负荷的平均值ai;
第二平均值确定单元,用于根据所述节点i商业负荷对单位具有商业负荷特性的负荷的比值bi,n,得到具有商业负荷特性的负荷的平均值bi;
第三平均值确定单元,用于根据所述节点i居民负荷对单位具有居民负荷特性的负荷的比值ci,n,得到具有居民负荷特性的负荷的平均值ci;
改进ZIP负荷模型建立单元,用于根据所述具有工业负荷特性的负荷的平均值ai、所述具有商业负荷特性的负荷的平均值bi和所述具有居民负荷特性的负荷的平均值ci,得到节点i时刻m的负荷Li,m,所述负荷Li,m为改进ZIP负荷模型;
所述负荷Li,m表示为:
Li,m=ai*Gm+bi*Sm+ci*Jm;
其中,Gm为具有工业负荷特征的负荷,Sm为具有商业负荷特性的负荷,Jm为具有居民负荷特性的负荷。
7.根据权利要求6所述的静态电压稳定性评估***,其特征在于,所述稳定性分析模块,具体包括:
求解单元,用于根据各所述节点电压,求解***薄弱点和危机时间;
稳定性分析单元,用于根据所述薄弱点和所述危机时间,分析***静态电压的稳定性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911241561.XA CN110932265B (zh) | 2019-12-06 | 2019-12-06 | 一种静态电压稳定性评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911241561.XA CN110932265B (zh) | 2019-12-06 | 2019-12-06 | 一种静态电压稳定性评估方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110932265A CN110932265A (zh) | 2020-03-27 |
CN110932265B true CN110932265B (zh) | 2023-03-28 |
Family
ID=69857248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911241561.XA Active CN110932265B (zh) | 2019-12-06 | 2019-12-06 | 一种静态电压稳定性评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110932265B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1835336A (zh) * | 2006-03-10 | 2006-09-20 | 天津大学 | 基于概率的电力***电压稳定在线监视和预防控制方法 |
CN101789598A (zh) * | 2010-03-05 | 2010-07-28 | 湖北省电力试验研究院 | 一种电力***负荷的建模方法 |
CN102938588A (zh) * | 2012-12-10 | 2013-02-20 | 上海市电力公司 | 电网智能安全稳定预警与控制*** |
CN104484671A (zh) * | 2014-11-06 | 2015-04-01 | 吉林大学 | 应用于移动平台的目标检索*** |
CN106651641A (zh) * | 2016-10-14 | 2017-05-10 | 国家电网公司 | 中小水电集群的动态等值方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9731615B2 (en) * | 2015-03-24 | 2017-08-15 | Honda Motor Co., Ltd. | Grid overlay for a zip coded map system and method therefor |
-
2019
- 2019-12-06 CN CN201911241561.XA patent/CN110932265B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1835336A (zh) * | 2006-03-10 | 2006-09-20 | 天津大学 | 基于概率的电力***电压稳定在线监视和预防控制方法 |
CN101789598A (zh) * | 2010-03-05 | 2010-07-28 | 湖北省电力试验研究院 | 一种电力***负荷的建模方法 |
CN102938588A (zh) * | 2012-12-10 | 2013-02-20 | 上海市电力公司 | 电网智能安全稳定预警与控制*** |
CN104484671A (zh) * | 2014-11-06 | 2015-04-01 | 吉林大学 | 应用于移动平台的目标检索*** |
CN106651641A (zh) * | 2016-10-14 | 2017-05-10 | 国家电网公司 | 中小水电集群的动态等值方法 |
Non-Patent Citations (4)
Title |
---|
"人工智能+"时代下的智能电网预测分析;吴倩红,等;《上海交通大学学报》;20181030;第52卷(第10期);第1206-1219页 * |
Power System Weak Bus Identification Based on Voltage Distribution Characteristic;Shaojian Hou,等;《IEEE》;20180104;第1-6页 * |
Stability Analysis of Primary Plug-and-Play and Secondary Leader-Based Controllers for DC Microgrid Clusters;Renke Han,等;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20190530;第34卷(第3期);第1780-1800页 * |
一种用于预防支路型失稳故障的灵敏度方法;赵晋泉,等;《中国电机工程学报》;20011230;第24卷(第12期);第69-73期 * |
Also Published As
Publication number | Publication date |
---|---|
CN110932265A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11043808B2 (en) | Method for identifying pattern of load cycle | |
CN104881706B (zh) | 一种基于大数据技术的电力***短期负荷预测方法 | |
CN106845717B (zh) | 一种基于多模型融合策略的能源效率评价方法 | |
CN109978284B (zh) | 一种基于混合神经网络模型的光伏发电功率分时预测方法 | |
CN110503256A (zh) | 基于大数据技术的短期负荷预测方法及*** | |
CN112735097A (zh) | 一种区域滑坡预警方法及*** | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
CN110263834A (zh) | 一种新能源电能质量异常值的检测方法 | |
CN113379116A (zh) | 基于聚类和卷积神经网络的台区线损预测方法 | |
Shi et al. | Clustering framework based on multi-scale analysis of intraday financial time series | |
Kim et al. | A study for clustering method to generate Typical Load Profiles for Smart Grid | |
CN113094448B (zh) | 住宅空置状态的分析方法及分析装置、电子设备 | |
CN109858667A (zh) | 一种基于雷电气候对负荷影响的短期负荷聚类方法 | |
CN114282336A (zh) | 一种新能源电站出力场景生成方法及*** | |
CN117609818A (zh) | 基于聚类与信息熵的电网关联关系发现方法 | |
CN110932265B (zh) | 一种静态电压稳定性评估方法及*** | |
CN113989073B (zh) | 一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法 | |
CN111737924A (zh) | 一种基于多源数据选取典型负荷特性变电站的方法 | |
CN111553434A (zh) | 一种电力***负荷分类方法及*** | |
CN114881429B (zh) | 基于数据驱动的台区线损量化方法及*** | |
CN116070458A (zh) | 基于rac-gan的新建风电场场景生成方法 | |
CN114266593A (zh) | 一种基于kpca和线性回归的电力消费预测方法 | |
CN116244426A (zh) | 地理功能区识别方法、装置、设备及存储介质 | |
RongQi et al. | Research of Power User Load Classification Method Based on K-means and FSVM | |
Hao et al. | Research on accurate identification of poor students in colleges based on big data analysis |
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 |