CN111898796A - 一种多业务融合的配电网可靠性优化的方法 - Google Patents
一种多业务融合的配电网可靠性优化的方法 Download PDFInfo
- Publication number
- CN111898796A CN111898796A CN202010548316.XA CN202010548316A CN111898796A CN 111898796 A CN111898796 A CN 111898796A CN 202010548316 A CN202010548316 A CN 202010548316A CN 111898796 A CN111898796 A CN 111898796A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- node
- reliability
- power
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008901 benefit Effects 0.000 claims abstract description 21
- 230000009466 transformation Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000006872 improvement Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000002347 injection Methods 0.000 claims description 13
- 239000007924 injection Substances 0.000 claims description 13
- 238000009413 insulation Methods 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请实施例提出了一种多业务融合的配电网可靠性优化的方法,包括以下步骤:步骤1,获取配电网的物理信息、潮流信息;步骤2,以物理信息和潮流信息计算配电网各个节点综合脆弱性;步骤3,获取配电网运行指标;步骤4,以配电网运行指标计算各个配电网运行指标的改造权重;步骤5,以各个节点综合脆弱性排序和配电网运行指标的改造权重排序,排序配电网改造的节点及其配电网运行指标权重作为配电网改造顺序,提升配电网可靠性。该方法针对帮助电网公司进行配电网节点可靠性优化,选取适当的数据类型,进行优先级计算。从而帮助电网公司控制成本,提高供电可靠性和经济效益。
Description
技术领域
本发明属于配电网技术可靠性领域,特别是涉及一种多业务融合的配电网可靠性优化的方法。
背景技术
为了满足用户的需求,供电企业每年都需要投入大量的资金用于配电网的建设和改造。近年来计算机科学技术飞速发展,其中大数据技术就是一个十分重要的产物。大数据技术是指通过大量的来源复杂的数据进行分析,用某种特定的数学方法来提取其价值的技术架构。
目前基于大数据的配电网效益优化分析的关键技术主要包括数据预处理技术、数据储存技术、数据挖掘技术和可视化技术等。
CN201610603366.7公开了一种基于供电可靠性的配网改造工程经济性评估方法,,包括以下步骤:1)读取需要评估的工程信息;2)加载该工程的设备可靠性参数、施工前后的网络结构图;3)计算该工程施工前后可靠性指标提升幅度VORI;4)计算该工程的引入年平均投资效益指标AAIR;5)通过AAIR对该工程进行评估。上述方法直接借助配电网规划成果对相应投资规模进行估算,但因为工作量太大不适合项目众多且情况复杂的中低压配网投资决策。而其他方法大多是基于评估体系的配电网规划,由于评估体系的不同,最后的结果相差也会较大。现今的配电网投资优化策略很难全面地反映成本和效益可靠性之间的关系,因此需要提供一种新的基于大数据分析的电网资产运营可靠性优化方法。
发明内容
为了解决现有技术中存在的技术问题,本发明的目的在于,提供一种多业务融合的配电网可靠性优化的方法。该方法针对帮助电网公司进行配电网节点可靠性优化,选取适当的数据类型,进行成本资金核算。从而帮助电网公司控制成本,提高供电可靠性和经济效益。
本发明采用如下的技术方案。一种多业务融合的配电网可靠性优化的方法,包括以下步骤:
步骤1,获取配电网的物理信息、潮流信息;
步骤2,以物理信息和潮流信息计算配电网各个节点综合脆弱性;
步骤3,获取配电网运行指标;
步骤4,以配电网运行指标计算各个配电网运行指标的改造权重;
步骤5,以各个节点综合脆弱性排序和配电网运行指标的改造权重排序,排序配电网改造的节点及其配电网运行指标权重作为配电网改造顺序。
可选的,所述步骤1中,配电网的物理信息包括:配电网节点数量n、配电网第i个节点vi的度ki,vi的邻居节点集,第i个节点vi与第j个节点vi之间最短路径长度dij,
其中,i=1,2,…,n;j=1,2,…,n,
配电网第i个节点vi的度ki是指配电网网络中与vi直接相连的边的条数;
vi的邻居节点集是指由与vi直接有边相连的节点构成的集合;
潮流信息包括:第i个节点vi的注入功率Pi,配电网***基准容量Sb。
可选的,所述步骤1还包括:
以如下公式计算配电网网络平均最短距离L,
式中:n表示配电网节点数量;G表示配电网节点集合;dij表示第i个节点vi与第j个节点vi之间最短路径长度;
以如下公式计算第i个节点vi的节点度函数Ii,
式中:li表示删除配电网第i个节点vi后,配电网第i个节点vi的邻居节点集中保持连通的节点对数量;ki表示配电网第i个节点vi的度。
可选的,所述步骤1还包括:
以如下公式计算第i个节点vi的注入功率比NPi,
式中:Pi表示第i个节点vi的注入功率;Sb表示配电网***基准容量。
可选的,所述步骤2包括:
以如下公式计算第i个节点vi的综合脆弱性指标Ni,
Ni=(a1ki+a2Ii+a3NPi) (4),
式中:ki表示配电网第i个节点vi的度,a1表示其权重;Ii表示第i个节点vi的节点度函数,a2表示其权重;NPi表示第i个节点vi的注入功率比,a3表示其权重。
可选的,所述步骤2中,根据模糊层次分析法确定配电网第i个节点vi的度ki的权重a1、第i个节点vi的节点度函数的权重a2、第i个节点vi的注入功率比的权重a3。
可选的,所述步骤3中配电网运行指标包括:p个理想值为1的效益型指标和q个理想值为0的成本型指标,其中p,q均为正整数。
可选的,所述步骤4具体包括:
步骤4.1,以如下公式计算配电网指标改善程度,
式中:Mbenefit表示效益型指标的改善程度;Mbenefit表示成本型指标的改善程度;Nre表示改造后的指标值;No表示当前指标值;以p个效益型指标和q个成本型指标的顺序,构建配电网运行指标改善程度集合
Mz=(M1,…,Mp,Mp+1,…,Mp+q);,
步骤4.2,以步骤3.1中的计算结果构建(p+q)×(p+q)的判断矩阵,以如下公式计算判断矩阵中元素βxy,
x表示判断矩阵的行,x=1,2,…(p+q),y表示判断矩阵的列,y=1,2,…(p+q);
步骤4.3,使用如下公式计算得出配电网运行指标权重,
w1,w2,…,w11分别表示p个效益型指标和q个成本型指标的权重。
可选的,所述效益型指标包括:线路联络率、线路截面标准化率、线路标准化结构占比、线路“N-1”通过率、线路绝缘化率和配电自动化覆盖率;
成本型指标包括:线路分段数不合理比例、线路长度超限比例、重载线路占比、重载配变占比和高损配变占比。
可选的,步骤4中以层次分析法确定p个理想值为1的效益型指标和q个理想值为0的成本型指标的改造权重。
本发明的有益效果在于,与现有技术相比,提供了一种多业务融合的配电网可靠性优化的方法,该方法针对帮助电网公司进行配电网节点可靠性优化,选取适当的数据类型,进行改造优先级计算,有助于成本资金核算,从而帮助电网公司控制成本,提高供电可靠性和经济效益。
附图说明
图1是本发明的一种多业务融合的配电网可靠性优化的方法的流程图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
如图1所示,本发明提供了一种多业务融合的配电网可靠性优化的方法,其特征在于,包括以下步骤:
步骤1,获取配电网的物理信息、潮流信息。
配电网的物理信息包括:配电网节点数量n、配电网第i个节点vi的度ki,vi的邻居节点集,第i个节点vi与第j个节点vi之间最短路径长度dij,
其中,
i=1,2,…,n;j=1,2,…,n,
配电网第i个节点vi的度ki是指配电网网络中与vi直接相连的边的条数;
vi的邻居节点集是指由与vi直接有边相连的节点构成的集合;
潮流信息包括:第i个节点vi的注入功率Pi,配电网***基准容量Sb。
以如下公式计算配电网网络平均最短距离L,
式中:
n表示配电网节点数量;
G表示配电网节点集合;
dij表示第i个节点vi与第j个节点vi之间最短路径长度;
以如下公式计算第i个节点vi的节点度函数Ii,
式中:
li表示删除配电网第i个节点vi后,配电网第i个节点vi的邻居节点集中保持连通的节点对数量;
ki表示配电网第i个节点vi的度。
以如下公式计算第i个节点vi的注入功率比NPi,
式中:
Pi表示第i个节点vi的注入功率;
Sb表示配电网***基准容量。
步骤2,以物理信息和潮流信息计算配电网各个节点综合脆弱性。
以如下公式计算第i个节点vi的综合脆弱性指标Ni,
Ni=(a1ki+a2Ii+a3NPi) (4),
式中:
ki表示配电网第i个节点vi的度,a1表示其权重;
Ii表示第i个节点vi的节点度函数,a2表示其权重;
NPi表示第i个节点vi的注入功率比,a3表示其权重。
值得注意的是,本领域技术人员可以任意配置,配电网第i个节点vi的度ki的权重a1、第i个节点vi的节点度函数的权重a2、第i个节点vi的注入功率比的权重a3。例如但不限于,历史经验、平均设置、神经网络等方式,或者是这些方式的结合。作为一种优选方式,本发明可以根据模糊层次分析法确定配电网第i个节点vi的度ki的权重a1、第i个节点vi的节点度函数的权重a2、第i个节点vi的注入功率比的权重a3。
步骤3,获取配电网运行指标。
步骤3中配电网运行指标包括:p个理想值为1的效益型指标和q个理想值为0的成本型指标,其中p,q均为正整数。
效益型指标包括:线路联络率、线路截面标准化率、线路标准化结构占比、线路“N-1”通过率、线路绝缘化率和配电自动化覆盖率;即p=6。
成本型指标包括:线路分段数不合理比例、线路长度超限比例、重载线路占比、重载配变占比和高损配变占比,即q=5。
值得注意的是,本领域技术人员可以根据工程实际,选择更多或者更少,或是其它种类的配电网运行指标。以上仅是非限制性的优选实例。
步骤4,以配电网运行指标计算各个配电网运行指标的改造权重。值得注意的是,本领域技术人员可以任意配置配电网运行指标的改造权重。例如但不限于,历史经验、平均设置、神经网络等方式,或者是这些方式的结合。作为一种优选方式,步骤4具体包括:
步骤4.1,以如下公式计算配电网指标改善程度,
式中:
Mbenefit表示效益型指标的改善程度;
Mbenefit表示成本型指标的改善程度;
Nre表示改造后的指标值;
No表示当前指标值;
以p个效益型指标和q个成本型指标的顺序,构建配电网运行指标改善程度集合Mz=(M1,…,Mp,Mp+1,…,Mp+q)
步骤4.2,以步骤3.1中的计算结果构建(p+q)×(p+q)的判断矩阵,以如下公式计算判断矩阵中元素βxy,
x表示判断矩阵的行,x=1,2,…(p+q);
y表示判断矩阵的列,y=1,2,…(p+q);
步骤4.3,使用如下公式得出配电网运行指标权重,
w1,w2,…,w11分别表示p个效益型指标和q个成本型指标的权重。
本发明的又一个优选地实例,步骤4中以层次分析法确定p个理想值为1的效益型指标和q个理想值为0的成本型指标的改造权重。
步骤5,以各个节点综合脆弱性排序和配电网运行指标的改造权重排序,排序配电网改造的节点及其配电网运行指标权重作为配电网改造顺序。
计算实例:
以某地区配电网为例。下表为该地区配电网部分线路和自身的权值,权值由线路长度决定。
表1线路及其线路长度
以表1线路及其线路长度以及线路节点的注入功率,可以求得节点的综合脆弱性,如表2所示
表2节点综合脆弱性
节点名称 | 综合脆弱性 |
S457569 | 0.420189274 |
K457571_457577 | 0.143225806 |
K457579_457585 | 0.363735664 |
L457571_457577 | 0.170725455 |
L457579_457585 | 0.149528514 |
S457568 | 0.147573676 |
选取线路联络率、线路截面标准化率、线路接线模式标准化率、线路分段数改善率、超限线路长度改善率、线路“N-1”通过率、线路重载率、配变重载率、高损配变占比率、线路绝缘老化率、配变自动化率这11个电网运行指标来进行计算改造权重。
表3配电网运行指标初始数据及改善程度
将表3配电网运行指标初始数据带入公式(5)和(6),达到最后1列的数据。以最后1列的数据带入公式(7),构造判断矩阵。如下所示
以构造矩阵带入公式(8)获得线路联络率、线路截面标准化率、线路接线模式标准化率、线路分段数改善率、超限线路长度改善率、线路“N-1”通过率、线路重载率、配变重载率、高损配变占比率、线路绝缘老化率、配变自动化率的改造权重。如表4配电网运行指标初始数据及改善程度所示。
表4配电网运行指标初始数据及改善程度
从计算结果可以看出每一个指标改造需求的优先级。结合计算出的节点重要度,选取重要度高的节点,优先改造权重较高的电网运行指标,可以有效提高配电网的供电可靠性。
本发明的有益效果在于,与现有技术相比,提供了一种多业务融合的配电网可靠性优化的方法,该方法针对帮助电网公司进行配电网节点可靠性优化,选取适当的数据类型,进行改造优先级计算,有助于成本资金核算,从而帮助电网公司控制成本,提高供电可靠性和经济效益。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (10)
1.一种多业务融合的配电网可靠性优化的方法,其特征在于,包括以下步骤:
步骤1,获取配电网的物理信息、潮流信息;
步骤2,以物理信息和潮流信息计算配电网各个节点综合脆弱性;
步骤3,获取配电网运行指标;
步骤4,以配电网运行指标计算各个配电网运行指标的改造权重;
步骤5,以各个节点综合脆弱性排序和配电网运行指标的改造权重排序,排序配电网改造的节点及其配电网运行指标权重作为配电网改造顺序。
2.根据权利要求1所述的多业务融合的配电网可靠性优化的方法,其特征在于,所述步骤1中,配电网的物理信息包括:配电网节点数量n、配电网第i个节点vi的度ki,vi的邻居节点集,第i个节点vi与第j个节点vi之间最短路径长度dij,
其中,i=1,2,...,n;j=1,2,...,n,
配电网第i个节点vi的度ki是指配电网网络中与vi直接相连的边的条数;
vi的邻居节点集是指由与vi直接有边相连的节点构成的集合;
潮流信息包括:第i个节点vi的注入功率Pi,配电网***基准容量Sb。
5.根据权利要求4所述的多业务融合的配电网可靠性优化的方法,其特征在于,所述步骤2包括:
以如下公式计算第i个节点vi的综合脆弱性指标Ni,
Ni=(a1ki+a2Ii+a3NPi) (4),
式中:ki表示配电网第i个节点vi的度,a1表示其权重;Ii表示第i个节点vi的节点度函数,a2表示其权重;NPi表示第i个节点vi的注入功率比,a3表示其权重。
6.根据权利要求5所述的多业务融合的配电网可靠性优化的方法,其特征在于,所述步骤2中,根据模糊层次分析法确定配电网第i个节点vi的度ki的权重a1、第i个节点vi的节点度函数的权重a2、第i个节点vi的注入功率比的权重a3。
7.根据权利要求1-6中任一项所述的多业务融合的配电网可靠性优化的方法,其特征在于,所述步骤3中配电网运行指标包括:p个理想值为1的效益型指标和q个理想值为0的成本型指标,其中p,q均为正整数。
8.根据权利要求7所述的多业务融合的配电网可靠性优化的方法,其特征在于,所述步骤4具体包括:
步骤4.1,以如下公式计算配电网指标改善程度,
式中:Mbenefit表示效益型指标的改善程度;Mbenefit表示成本型指标的改善程度;Nre表示改造后的指标值;No表示当前指标值;以p个效益型指标和q个成本型指标的顺序,构建配电网运行指标改善程度集合
Mz=(M1,...,Mp,Mp+1,...,Mp+q);
步骤4.2,以步骤3.1中的计算结果构建(p+q)×(p+q)的判断矩阵,以如下公式计算判断矩阵中元素βxy,
x表示判断矩阵的行,x=1,2,...(p+q),y表示判断矩阵的列,y=1,2,...(p+q);
步骤4.3,使用如下公式计算得出配电网运行指标权重,
w1,w2,…,w11分别表示p个效益型指标和q个成本型指标的权重。
9.根据权利要求7所述的多业务融合的配电网可靠性优化的方法,其特征在于,所述效益型指标包括:线路联络率、线路截面标准化率、线路标准化结构占比、线路“N-1”通过率、线路绝缘化率和配电自动化覆盖率;
成本型指标包括:线路分段数不合理比例、线路长度超限比例、重载线路占比、重载配变占比和高损配变占比。
10.根据权利要求7所述的多业务融合的配电网可靠性优化的方法,其特征在于,步骤4中以层次分析法确定p个理想值为1的效益型指标和q个理想值为0的成本型指标的改造权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010548316.XA CN111898796A (zh) | 2020-06-16 | 2020-06-16 | 一种多业务融合的配电网可靠性优化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010548316.XA CN111898796A (zh) | 2020-06-16 | 2020-06-16 | 一种多业务融合的配电网可靠性优化的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111898796A true CN111898796A (zh) | 2020-11-06 |
Family
ID=73206729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010548316.XA Pending CN111898796A (zh) | 2020-06-16 | 2020-06-16 | 一种多业务融合的配电网可靠性优化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898796A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112686772A (zh) * | 2020-12-11 | 2021-04-20 | 国网湖北省电力有限公司电力科学研究院 | 一种确定多馈入受端电网柔直化改造时序性的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636988A (zh) * | 2015-02-11 | 2015-05-20 | 国家电网公司 | 一种主动配电网评估方法 |
CN105574614A (zh) * | 2015-12-15 | 2016-05-11 | 东北大学 | 基于多属性分析的电力***线路脆弱度评估***及方法 |
US20160315807A1 (en) * | 2015-04-21 | 2016-10-27 | California Institute Of Technology | Distributed Optimal Power Flow Processes for Unbalanced Radial Distribution Networks |
CN107895947A (zh) * | 2017-12-20 | 2018-04-10 | 广东电网有限责任公司惠州供电局 | 一种配电网脆弱线路辨识方法 |
WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
CN109588059A (zh) * | 2016-05-13 | 2019-04-05 | 瑞典爱立信有限公司 | 用于无线通信网络的网络架构、方法和设备 |
CN110020815A (zh) * | 2019-05-07 | 2019-07-16 | 云南电网有限责任公司 | 一种基于网络层次分析法的电网节点综合脆弱性指标计算方法 |
-
2020
- 2020-06-16 CN CN202010548316.XA patent/CN111898796A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636988A (zh) * | 2015-02-11 | 2015-05-20 | 国家电网公司 | 一种主动配电网评估方法 |
US20160315807A1 (en) * | 2015-04-21 | 2016-10-27 | California Institute Of Technology | Distributed Optimal Power Flow Processes for Unbalanced Radial Distribution Networks |
CN105574614A (zh) * | 2015-12-15 | 2016-05-11 | 东北大学 | 基于多属性分析的电力***线路脆弱度评估***及方法 |
CN109588059A (zh) * | 2016-05-13 | 2019-04-05 | 瑞典爱立信有限公司 | 用于无线通信网络的网络架构、方法和设备 |
WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
CN107895947A (zh) * | 2017-12-20 | 2018-04-10 | 广东电网有限责任公司惠州供电局 | 一种配电网脆弱线路辨识方法 |
CN110020815A (zh) * | 2019-05-07 | 2019-07-16 | 云南电网有限责任公司 | 一种基于网络层次分析法的电网节点综合脆弱性指标计算方法 |
Non-Patent Citations (2)
Title |
---|
肖盛: "基于风险理论的电网脆弱性评估", CNKI优秀硕士学位论文全文库, pages 4 - 41 * |
詹骥文: "智能配电网健康状态综合评价方法研究", CNKI优秀硕士学位论文全文库, pages 7 - 42 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112686772A (zh) * | 2020-12-11 | 2021-04-20 | 国网湖北省电力有限公司电力科学研究院 | 一种确定多馈入受端电网柔直化改造时序性的方法 |
CN112686772B (zh) * | 2020-12-11 | 2022-07-19 | 国网湖北省电力有限公司电力科学研究院 | 一种确定多馈入受端电网柔直化改造时序性的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106505593B (zh) | 一种基于大数据的配变三相不平衡分析与负荷调整的方法 | |
Wang et al. | Joint planning of active distribution networks considering renewable power uncertainty | |
CN110689240A (zh) | 一种配电网经济运行模糊综合评价方法 | |
CN110264032B (zh) | 一种直流配网规划方案评价结果的获取方法 | |
CN110910026B (zh) | 一种跨省输电线路线损智能管理与决策方法及*** | |
CN109598377B (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
CN109165809B (zh) | 一种新电改环境下电网规划项目投资排序评估方法 | |
CN112054507A (zh) | 基于卷积神经网络的配电低压台区理论线损区间计算方法 | |
CN111415068A (zh) | 基于改造措施与失负荷量指标关联性的配电决策建模方法 | |
CN106096779A (zh) | 一种输配电成本分析、风险评估模型及风险结构优化方法 | |
Yi et al. | Expansion planning of active distribution networks achieving their dispatchability via energy storage systems | |
CN111625770A (zh) | 一种用于含分布式电源配电网的能效评估方法及*** | |
CN111898796A (zh) | 一种多业务融合的配电网可靠性优化的方法 | |
Wang et al. | Day-ahead allocation of operation reserve in composite power systems with large-scale centralized wind farms | |
CN107563641B (zh) | 一种计及灾害偏好的配电网抗灾多场景差异化规划方法 | |
CN112785060A (zh) | 一种配电网精益化运维水平优化方法 | |
CN112561319A (zh) | 一种数据中心能源***综合评价方法 | |
CN112288278A (zh) | 一种基于知识图谱的设备资产管理方法 | |
CN116415708B (zh) | 考虑置信水平的电网鲁棒规划方法 | |
CN111428938A (zh) | 一种基于功能差异与全寿命周期的输电网方案优选方法 | |
CN116611785A (zh) | 一种基于大数据的输变电工程造价模型构建方法、***、设备及介质 | |
CN115577996A (zh) | 一种电网停电计划的风险评估方法、***、设备和介质 | |
CN115441440A (zh) | 一种基于分布式新能源聚合的配电网弹性提升方法及*** | |
CN112036686B (zh) | 基于理论线损区间计算的低压配电台区线损评价方法 | |
Hinojosa | Static generation capacity expansion planning using linear transmission distribution factors |
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 |