CN112186750B - 一种考虑电网重构的电压暂降状态估计方法 - Google Patents
一种考虑电网重构的电压暂降状态估计方法 Download PDFInfo
- Publication number
- CN112186750B CN112186750B CN202011015302.8A CN202011015302A CN112186750B CN 112186750 B CN112186750 B CN 112186750B CN 202011015302 A CN202011015302 A CN 202011015302A CN 112186750 B CN112186750 B CN 112186750B
- Authority
- CN
- China
- Prior art keywords
- node
- power grid
- voltage sag
- attribute
- nodes
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑电网重构的电压暂降状态估计方法,包括以下步骤:S1:计算电网节点结构属性指标;S2:计算电网节点电压暂降水平指标;S3:对电网各节点结构属性指标和暂降水平指标进行离散化处理,得到条件属性和决策属性;S4:构建电网中所有节点的关联规则,得到电压暂降状态估计规则库;S5:判断电网是否重构,若是则返回步骤S1,否则进入步骤S6;S6:估计电压暂降状态。本发明方法可根据电网变化的结构和对应的监测数据,动态生成对应的关联规则并估计当前电网结构下未监测节点暂降水平。
Description
技术领域
本发明属于电压暂降技术领域,具体涉及一种考虑电网重构的电压暂降状态估计方法。
背景技术
对整个电网进行电压暂降监测,是把握电网不同区域暂降水平并进行针对性治理的前提。然而,由于电网节点规模巨大,考虑到监测成本,通常无法在所有节点均安装监测装置。为此,传统方法将已监测到的暂降数据作为量测量,根据随机故障模型构造关联矩阵,进而形成状态估计方程,通过求解方程得到未监测节点的暂降水平。在这个过程中,故障模型通常需要随机上千次。若随机次数少,则得到的故障分布不足以准确重现实际电网的故障情况;若随机次数太多,一旦拓扑结构发生变化则需要重新构建状态估计方程,计算量巨大。另一方面,构造过程中需要根据蒙特卡洛等随机方法模拟故障的随机生成,随机模型的概率本质以及主观设置的故障分布等因素都会造成随机预估的准确性不高,受人工干预明显,进一步影响了状态估计的准确性。此外,状态估计方程是一个欠定方程组,求解该方程组面临着难以寻找最优解的缺陷,且该方程组受监测装置设置的暂降阈值影响严重。因此,针对上述问题,研究电网重构背景下的电压暂降状态估计方法,提出一种不依赖于随机故障模型和状态估计方程组的方法,进而提升其估计准确性和计算效率,具有重要意义。
发明内容
本发明的目的是为了解决传统电压暂降状态估计方法依赖于随机故障模型和状态估计方程组的问题,提出了一种考虑电网重构的电压暂降状态估计方法。
本发明的技术方案是:一种考虑电网重构的电压暂降状态估计方法包括以下步骤:
S1:根据电网结构参数和电网拓扑结构,计算电网节点结构属性指标;
S2:根据电能质量监测数据,计算电网节点电压暂降水平指标;
S3:对电网节点结构属性指标和电网节点暂降水平指标进行离散化处理,得到条件属性和决策属性;
S4:根据条件属性和决策属性,构建电网中所有节点的一一映射关联规则,得到电压暂降状态估计规则库;
S5:判断电网是否重构,若是则返回步骤S1,否则进入步骤S6;
S6:根据电压暂降状态估计规则库,估计电压暂降状态。
本发明的有益效果是:
(1)本发明的方法可根据电网变化的结构和对应的监测数据,动态生成对应的关联规则并估计当前电网结构下未监测节点暂降水平。既不需要针对每种电网结构均进行大量的短路计算,也不受随机故障生成模型中主观设置随机参数的人为干预影响,准确性高且实用性更强。
(2)本发明在状态估计过程中,不需要设置随机故障模型,避免了故障位置、故障类型和故障电阻等需要主观设置的随机参数对状态估计结果的影响,减小了人工干预,提高了状态估计的准确性。同时,避免了传统方法需要随机生成上千次短路故障的计算步骤,计算耗时小,计算效率高。
(3)本发明不需要构建状态估计方程这一欠定方程组,克服了传统方法难以求解欠定方程组最优解的缺陷,且本发明不受暂降阈值设置的影响。
(4)本发明采用关联规则挖掘的方法,克服了随机故障模型参数受人工干预、状态估计方程求解困难且受监测装置设置阈值影响等缺陷,提升了状态估计的准确性和计算效率。
进一步地,步骤S1中,电网节点结构属性指标包括互信息中心性Mi、电网密度Ai、联接线路平均长度Li、介数中心性Bi、聚集中心性Ei和电源支撑能力Hi,其计算公式分别为:
Hi=min(liw),w∈β
其中,lij=(Zii-Zij)-(Zij-Zjj)=Zii+Zjj-2Zij,n表示节点总数,i=1,…,n,j=1,…,n,lij表示节点i与节点j之间的等效距离,lir表示节点i与节点r之间的等效距离,liw表示节点i与节点w之间的等效距离,liv表示节点i与节点v之间的等效距离,αi表示节点i的相邻节点所构成的集合,Ki表示节点i的连边数目,Kr表示节点r的连边数目,q表示节点i构成的回路个数,pq表示包含节点i在内的第q个回路所含有的节点数量,Zii表示阻抗矩阵中第i行第i列元素值,Zij表示阻抗矩阵中第i行第j列元素值,Zjj表示阻抗矩阵中第j行第j列元素值,V表示所有节点的集合,σ(s,t|i)表示电网中传播经过节点i的路径数量,σ(s,t)表示电网中的任意节点对(s,t)所构成的传播路径,β表示电源节点构成的集合。
上述进一步方案的有益效果是:在本发明中,采用6个指标作为初始的条件属性,这些指标分别从拓扑结构和物理属性等不同角度量化节点间的影响程度。其中,互信息中心性Mi用于描述两个变量之间的关联关系大小,其可看作节点i与所有相邻节点的互信息之和;电网密度Ai用于量化相邻节点的分散程度;联接线路平均长度Li用于量化节点i到相邻节点的平均距离;介数中心性Bi用于量化节点i作为电网任意节点对之间传播路径的可能性;聚集中心性Ei用于从全局角度量化节点i与其他所有节点的平均距离,以反应节点在电网中的中心性;电源支撑能力Hi用于量化电源对电压暂降的支撑效果。
进一步地,步骤S2中,电网节点电压暂降水平指标包括暂降事件的严重程度Se(x)和各节点的暂降水平指标Si,其计算公式分别为:
其中,V(x)表示第x次暂降事件的幅值,Vcurve(d)表示暂降持续时间为d时设备能容忍的暂降幅值电压标么值,k表示暂降事件的次数。
进一步地,步骤S3中,进行离散化处理的方法为:根据电网节点结构属性指标与离散区间,确定隶属度矩阵和离散区间中心,通过不断迭代隶属度矩阵,完成离散化处理。
上述进一步方案的有益效果是:在本发明中,将已安装监测装置所记录到的暂降数据作为决策属性,将该节点的拓扑结构作为条件属性,便于挖掘二者之间的关联规则。由于条件属性和决策属性都是连续型变量,规则泛化性差,因此需要进行属性离散化,将连续型属性转化为离散型属性。本发明采用模糊C均值聚类针对所有属性依次进行特征离散化,提高规则的泛化性。
进一步地,步骤S4包括以下子步骤:
S42:根据离散化后的条件属性和决策属性,计算关联规则的置信度conf(Xi=>Yi);
S43:删除置信度conf(Xi=>Yi)低于80%的关联规则,得到电压暂降状态估计规则库。
上述进一步方案的有益效果是:在本发明中,挖掘得到的关联规则并非全都准确,为了评估决策规则的精确性,引入置信度,将置信度低于80%的规则删去,得到电压暂降状态估计规则库。针对未监测节点,根据其条件属性可根据规则推导对应的暂降水平,从而实现电压暂降的状态估计。置信度表明在出现条件属性集合为Xi的情况下有conf(Xi=>Yi)的可能性出现决策属性Yi,代表了Xi与Yi之间的相关性。
进一步地,步骤S41中,构建电网中所有节点的一一映射关联规则的方法为:将电网节点结构属性指标作为条件属性Xi,将电网节点电压暂降水平指标作为决策属性Yi,则电网中所有节点的关联规则的表示式为Xi→Yi。
上述进一步方案的有益效果是:在本发明中,关联规则用于挖掘结构属性与电压暂降水平之间的关系。关联规则的物理意义是,当节点i的各种电网节点结构属性指标分别为某些数值时,该节点处的暂降水平应该为对应的数值。电网中总共有n个节点,针对其中安装有监测装置的m个节点,可以计算得到对应的决策属性,因此可以形成m条关联规则。
进一步地,步骤S42中,关联规则的置信度conf(Xi=>Yi)的计算公式为:
其中,|Xi|表示与条件属性Xi取值相同的监测点在原始数据库中的个数,|Xi∩Yi|表示条件属性Xi对应决策属性Yi取值相同的监测点在原始数据库中的个数。
进一步地,步骤S5中,判断电网是否发生重构的方法为:利用监测装置判断开关状态是否发生变化,若是则电网发生重构,否则电网未发生重构。
上述进一步方案的有益效果是:在本发明中,当电网发生重构后,由于电网拓扑结构发生改变,需要对状态估计规则库进行更新,可根据新结构重新计算各节点结构属性指标,并根据新拓扑结构下监测节点记录到的暂降数据,重新挖掘关联规则,实现暂降水平的动态估计。
附图说明
图1为电压暂降状态估计方法的流程图。
具体实施方式
在描述本发明的具体实施例之前,为使本发明的方案更加清楚完整,首先对本发明中出现的缩略语和关键术语定义进行说明:
电压暂降状态估计:指由于电网无法在所有节点均安装监测装置,因此根据少数有限监测装置记录的电压暂降相关数据估计未监测节点处暂降信息的方法。
电网重构:指电网根据不同负荷水平、发电机组出力以及检修等计划,电网拓扑结构会发生相应的变化。
随机故障模型:指为了模拟电网电压暂降事件的发生,因此采用随机预估的思想基于蒙特卡洛等随机模型模拟电网故障这一造成暂降的主要原因。
下面结合附图对本发明的实施例作进一步的说明。
如图1所示,本发明提供了一种考虑电网重构的电压暂降状态估计方法,包括以下步骤:
S1:根据电网结构参数和电网拓扑结构,计算电网节点结构属性指标;
S2:根据电能质量监测数据,计算电网节点电压暂降水平指标;
S3:对电网节点结构属性指标和电网节点暂降水平指标进行离散化处理,得到条件属性和决策属性;
S4:根据条件属性和决策属性,构建电网中所有节点的一一映射关联规则,得到电压暂降状态估计规则库;
S5:判断电网是否重构,若是则返回步骤S1,否则进入步骤S6;
S6:根据电压暂降状态估计规则库,估计电压暂降状态。
在本发明实施例中,如图1所示,步骤S1中,电网节点结构属性指标包括互信息中心性Mi、电网密度Ai、联接线路平均长度Li、介数中心性Bi、聚集中心性Ei和电源支撑能力Hi,其计算公式分别为:
Hi=min(liw),w∈β
其中,lij=(Zii-Zij)-(Zij-Zjj)=Zii+Zjj-2Zij,n表示节点总数,i=1,…,n,j=1,…,n,lij表示节点i与节点j之间的等效距离,lir表示节点i与节点r之间的等效距离,liw表示节点i与节点w之间的等效距离,liv表示节点i与节点v之间的等效距离,αi表示节点i的相邻节点所构成的集合,Ki表示节点i的连边数目,Kr表示节点r的连边数目,q表示节点i构成的回路个数,pq表示包含节点i在内的第q个回路所含有的节点数量,Zii表示阻抗矩阵中第i行第i列元素值,Zij表示阻抗矩阵中第i行第j列元素值,Zjj表示阻抗矩阵中第j行第j列元素值,V表示所有节点的集合,σ(s,t|i)表示电网中传播经过节点i的路径数量,σ(s,t)表示电网中的任意节点对(s,t)所构成的传播路径,β表示电源节点构成的集合。
在本发明中,如表1所示,采用6个指标作为初始的条件属性,这些指标分别从拓扑结构和物理属性等不同角度量化节点间的影响程度。其中,互信息中心性Mi用于描述两个变量之间的关联关系大小,其可看作节点i与所有相邻节点的互信息之和;电网密度Ai用于量化相邻节点的分散程度;联接线路平均长度Li用于量化节点i到相邻节点的平均距离;介数中心性Bi用于量化节点i作为电网任意节点对之间传播路径的可能性;聚集中心性Ei用于从全局角度量化节点i与其他所有节点的平均距离,以反应节点在电网中的中心性;电源支撑能力Hi用于量化电源对电压暂降的支撑效果。
表1
在本发明实施例中,如图1所示,步骤S2中,电网节点电压暂降水平指标包括暂降事件的严重程度Se(x)和各节点的暂降水平指标Si,其计算公式分别为:
其中,V(x)表示第x次暂降事件的幅值,Vcurve(d)表示暂降持续时间为d时设备能容忍的暂降幅值电压标么值,k表示暂降事件的次数。
在本发明实施例中,如图1所示,步骤S3中,进行离散化处理的方法为:根据电网节点结构属性指标与离散区间,确定隶属度矩阵和离散区间中心,通过不断迭代隶属度矩阵,完成离散化处理。
在本发明中,将已安装监测装置所记录到的暂降数据作为决策属性,将该节点的拓扑结构作为条件属性,便于挖掘二者之间的关联规则。由于条件属性和决策属性都是连续型变量,规则泛化性差,因此需要进行属性离散化,将连续型属性转化为离散型属性。本发明采用模糊C均值聚类针对所有属性依次进行特征离散化,提高规则的泛化性。
在本发明实施例中,如图1所示,步骤S4包括以下子步骤:
S42:根据离散化后的条件属性和决策属性,计算关联规则的置信度conf(Xi=>Yi);
S43:删除置信度conf(Xi=>Yi)低于80%的关联规则,得到电压暂降状态估计规则库。
在本发明中,挖掘得到的关联规则并非全都准确,为了评估决策规则的精确性,引入置信度,将置信度低于80%的规则删去,得到电压暂降状态估计规则库。针对未监测节点,根据其条件属性可根据规则推导对应的暂降水平,从而实现电压暂降的状态估计。置信度表明在出现条件属性集合为Xi的情况下有conf(Xi=>Yi)的可能性出现决策属性Yi,代表了Xi与Yi之间的相关性。
在本发明实施例中,如图1所示,步骤S41中,构建电网中所有节点的一一映射关联规则的方法为:将电网节点结构属性指标作为条件属性Xi,将电网节点电压暂降水平指标作为决策属性Yi,则电网中所有节点的关联规则的表示式为Xi→Yi。
在本发明中,关联规则用于挖掘结构属性与电压暂降水平之间的关系。关联规则的物理意义是,当节点i的各种电网节点结构属性指标分别为某些数值时,该节点处的暂降水平应该为对应的数值。电网中总共有n个节点,针对其中安装有监测装置的m个节点,可以计算得到对应的决策属性,因此可以形成m条关联规则。
在本发明实施例中,如图1所示,步骤S42中,关联规则的置信度conf(Xi=>Yi)的计算公式为:
其中,|Xi|表示与条件属性Xi取值相同的监测点在原始数据库中的个数,|Xi∩Yi|表示条件属性Xi对应决策属性Yi取值相同的监测点在原始数据库中的个数。
在本发明实施例中,如图1所示,步骤S5中,判断电网是否发生重构的方法为:利用监测装置判断开关状态是否发生变化,若是则电网发生重构,否则电网未发生重构。
在本发明中,当电网发生重构后,由于电网拓扑结构发生改变,需要对状态估计规则库进行更新,可根据新结构重新计算各节点结构属性指标,并根据新拓扑结构下监测节点记录到的暂降数据,重新挖掘关联规则,实现暂降水平的动态估计。
本发明的工作原理及过程为:本发明提供了一种考虑电网重构的电压暂降状态估计方法,该方法将已安装监测装置所记录到的暂降数据作为决策属性,将该节点的拓扑结构作为条件属性,挖掘二者之间的关联规则。根据规则和未监测节点处的拓扑结构可估计未监测节点处的暂降水平。
本发明的有益效果为:
(1)本发明方法可根据电网变化的结构和对应的监测数据,动态生成对应的关联规则并估计当前电网结构下未监测节点暂降水平。既不需要针对每种电网结构均进行大量的短路计算,也不受随机故障生成模型中主观设置随机参数的人为干预影响,准确性高且实用性更强。
(2)本发明在状态估计过程中,不需要设置随机故障模型,避免了故障位置、故障类型和故障电阻等需要主观设置的随机参数对状态估计结果的影响,减小了人工干预,提高了状态估计的准确性。同时,避免了传统方法需要随机生成上千次短路故障的计算步骤,计算耗时小,计算效率高。
(3)本发明不需要构建状态估计方程这一欠定方程组,克服了传统方法难以求解欠定方程组最优解的缺陷,且本发明不受暂降阈值设置的影响。
(4)本发明采用关联规则挖掘的方法,克服了随机故障模型参数受人工干预、状态估计方程求解困难且受监测装置设置阈值影响等缺陷,提升了状态估计的准确性和计算效率。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种考虑电网重构的电压暂降状态估计方法,其特征在于,包括以下步骤:
S1:根据电网结构参数和电网拓扑结构,计算电网节点结构属性指标;
S2:根据电能质量监测数据,计算电网节点电压暂降水平指标;
S3:对电网节点结构属性指标和电网节点暂降水平指标进行离散化处理,得到条件属性和决策属性;
S4:根据条件属性和决策属性,构建电网中所有节点的一一映射关联规则,得到电压暂降状态估计规则库;
S5:判断电网是否重构,若是则返回步骤S1,否则进入步骤S6;
S6:根据电压暂降状态估计规则库,估计电压暂降状态;
所述步骤S1中,电网节点结构属性指标包括互信息中心性Mi、电网密度Ai、联接线路平均长度Li、介数中心性Bi、聚集中心性Ei和电源支撑能力Hi,其计算公式分别为:
Hi=min(liw),w∈β
其中,lij=(Zii-Zij)-(Zij-Zjj)=Zii+Zjj-2Zij,n表示节点总数,i=1,…,n,j=1,…,n,lij表示节点i与节点j之间的等效距离,lir表示节点i与节点r之间的等效距离,liw表示节点i与节点w之间的等效距离,liv表示节点i与节点v之间的等效距离,αi表示节点i的相邻节点所构成的集合,Ki表示节点i的连边数目,Kr表示节点r的连边数目,q表示节点i构成的回路个数,pq表示包含节点i在内的第q个回路所含有的节点数量,Zii表示阻抗矩阵中第i行第i列元素值,Zij表示阻抗矩阵中第i行第j列元素值,Zjj表示阻抗矩阵中第j行第j列元素值,V表示所有节点的集合,σ(s,t|i)表示电网中传播经过节点i的路径数量,σ(s,t)表示电网中的任意节点对(s,t)所构成的传播路径,β表示电源节点构成的集合。
3.根据权利要求1所述的考虑电网重构的电压暂降状态估计方法,其特征在于,所述步骤S3中,进行离散化处理的方法为:根据电网节点结构属性指标与离散区间,确定隶属度矩阵和离散区间中心,通过不断迭代隶属度矩阵,完成离散化处理。
5.根据权利要求4所述的考虑电网重构的电压暂降状态估计方法,其特征在于,所述步骤S41中,构建电网中所有节点的一一映射关联规则的方法为:将电网节点结构属性指标作为条件属性Xi,将电网节点电压暂降水平指标作为决策属性Yi,则电网中所有节点的关联规则的表示式为Xi→Yi。
7.根据权利要求1所述的考虑电网重构的电压暂降状态估计方法,其特征在于,所述步骤S5中,判断电网是否发生重构的方法为:利用监测装置判断开关状态是否发生变化,若是则电网发生重构,否则电网未发生重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011015302.8A CN112186750B (zh) | 2020-09-24 | 2020-09-24 | 一种考虑电网重构的电压暂降状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011015302.8A CN112186750B (zh) | 2020-09-24 | 2020-09-24 | 一种考虑电网重构的电压暂降状态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112186750A CN112186750A (zh) | 2021-01-05 |
CN112186750B true CN112186750B (zh) | 2021-11-02 |
Family
ID=73955452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011015302.8A Active CN112186750B (zh) | 2020-09-24 | 2020-09-24 | 一种考虑电网重构的电压暂降状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112186750B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104155580A (zh) * | 2014-08-19 | 2014-11-19 | 国家电网公司 | 一种关联分析与电力计算相结合的电压暂降源定位方法 |
CN106226653A (zh) * | 2016-08-11 | 2016-12-14 | 国网浙江省电力公司宁波供电公司 | 多级电网的电压暂降的传递规律评估***以及评估方法 |
CN110890754A (zh) * | 2019-12-04 | 2020-03-17 | 四川大学 | 考虑电压暂降的分布式电源和敏感用户联合选址方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090010536A (ko) * | 2007-07-23 | 2009-01-30 | 장길수 | 순간 전압 강하 평가를 위한 취약 지역 결정 시스템, 방법,및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한프로그램을 기록한 매체 |
-
2020
- 2020-09-24 CN CN202011015302.8A patent/CN112186750B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104155580A (zh) * | 2014-08-19 | 2014-11-19 | 国家电网公司 | 一种关联分析与电力计算相结合的电压暂降源定位方法 |
CN106226653A (zh) * | 2016-08-11 | 2016-12-14 | 国网浙江省电力公司宁波供电公司 | 多级电网的电压暂降的传递规律评估***以及评估方法 |
CN110890754A (zh) * | 2019-12-04 | 2020-03-17 | 四川大学 | 考虑电压暂降的分布式电源和敏感用户联合选址方法 |
Non-Patent Citations (1)
Title |
---|
电压暂降时空多粒度属性分析与知识发现方法;肖先勇 等;《工程科学与技术》;20200731;第52卷(第4期);第25-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112186750A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110311376B (zh) | 一种电力***动态安全评估综合模型及时空可视化方法 | |
CN109103874B (zh) | 考虑负荷特性与分布式电源接入的配电网可靠性评估方法 | |
CN110943453B (zh) | 面向迁移学习的电力***故障样本生成和模型构建方法 | |
US20230083078A1 (en) | Method for intelligent fault detection and location of power distribution network | |
CN112149873A (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN106058865A (zh) | 一种电网节点电压暂降的风险评估方法 | |
CN106570779A (zh) | 一种直流配电网可靠性分析的方法及*** | |
CN112491096A (zh) | 一种用于生成电网仿真分析算例的方法及*** | |
Mohammadi et al. | Multidimensional scenario selection for power systems with stochastic failures | |
Ghaghishpour et al. | An intelligent method for online voltage stability margin assessment using optimized ANFIS and associated rules technique | |
CN115238980A (zh) | 基于注意力机制的时空图卷积神经网络的微电网暂态功角轨迹预测方法 | |
CN114065634A (zh) | 一种数据驱动的电能质量监测布点优化方法及装置 | |
CN104504246A (zh) | 基于环-辐网解耦的可靠性快速评估算法 | |
CN110266046B (zh) | 基于复杂网络的电热微网拓扑综合诊断方法与*** | |
Kaplan et al. | Fault diagnosis of smart grids based on deep learning approach | |
CN103400213B (zh) | 一种基于lda与pca的骨干网架生存性评估方法 | |
CN105568732A (zh) | 盘磨机控制方法 | |
CN112186750B (zh) | 一种考虑电网重构的电压暂降状态估计方法 | |
CN112103950B (zh) | 一种基于改进gn***算法的电网分区方法 | |
CN105825317A (zh) | 一种基于贝叶斯网络的直流配网可靠性评估方法 | |
CN111585277B (zh) | 一种基于混合集成模型的电力***动态安全评估方法 | |
CN117669361A (zh) | 一种配电台区拓扑识别功能验证方法及*** | |
CN106356994B (zh) | 一种基于电网pmu大数据的电网稳定性判别方法 | |
CN112100784A (zh) | 基于聚类网架拓扑和可靠性估算关联模型的配电网规划方法 | |
CN104573361A (zh) | 一种gis设备评估的方法和装置 |
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 |