CN112290539A - 一种电力***暂态电压稳定裕度预测方法及*** - Google Patents
一种电力***暂态电压稳定裕度预测方法及*** Download PDFInfo
- Publication number
- CN112290539A CN112290539A CN202011086438.8A CN202011086438A CN112290539A CN 112290539 A CN112290539 A CN 112290539A CN 202011086438 A CN202011086438 A CN 202011086438A CN 112290539 A CN112290539 A CN 112290539A
- Authority
- CN
- China
- Prior art keywords
- power system
- voltage stability
- stability margin
- transient voltage
- data set
- 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
- 230000001052 transient effect Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012549 training Methods 0.000 claims abstract description 27
- 238000003066 decision tree Methods 0.000 claims description 34
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 35
- 230000008569 process Effects 0.000 description 13
- 238000012423 maintenance Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
本发明公开了一种电力***暂态电压稳定裕度预测方法及***,其方法包括:构建给定电网运行方式下的相关特征量;基于所述相关特征量,通过动态调整负荷大小和发电机出力形成电力***运行数据集;基于电力***安全稳定导则,利用所述电力***运行数据集计算出暂态电压稳定裕度;构建极端梯度提升模型,结合所述电力***运行数据集和所述暂态电压稳定裕度对所述极端梯度提升模型进行训练调整,获取最优的电压稳定裕度预测模型。本发明实施例可满足电力***暂态电压稳定裕度评估快速性和准确性要求,且可自适应于电网运行方式改变的场景。
Description
技术领域
本发明涉及电力技术领域,尤其涉及一种电力***暂态电压稳定裕度预测方法及***。
背景技术
随着经济的快速发展,负荷构成以及特性发生了巨大变化,工业密集区域负荷重,暂态电压稳定问题不容忽视。传统的暂态电压稳定裕度预测方法中的时域仿真法计算速度慢,难以满足电力***暂态电压稳定裕度评估快速性和准确性要求。另一种基于人工智能的电力***暂态电压稳定裕度预测方法具有实时响应的优点,但当***的运行方式发生较大变化时将使得预测模型的精度显著下降。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种电力***暂态电压稳定裕度预测方法及***,可满足电力***暂态电压稳定裕度评估快速性和准确性要求,且可自适应于电网运行方式改变的场景。
为了解决上述问题,本发明提出了一种电力***暂态电压稳定裕度预测方法,所述方法包括:
构建给定电网运行方式下的相关特征量;
基于所述相关特征量,通过动态调整负荷大小和发电机出力形成电力***运行数据集;
基于电力***安全稳定导则,利用所述电力***运行数据集计算出暂态电压稳定裕度;
构建极端梯度提升模型,结合所述电力***运行数据集和所述暂态电压稳定裕度对所述极端梯度提升模型进行训练调整,获取最优的电压稳定裕度预测模型。
可选的,所述相关特征量包括电气特征量和支路类别特征量;其中所述电气特征量包括支路有功潮流、支路无功潮流和母线电压,所述支路类别特征量包括支路检修状态值和支路正常状态值。
可选的,所述基于电力***安全稳定导则,利用所述电力***运行数据集计算出暂态电压稳定裕度包括:
通过所述电力***运行数据集生成N-1故障集,并调用时域仿真软件对所述N-1故障集进行时域仿真,生成所述暂态电压稳定裕度。
可选的,所述构建极端梯度提升模型,结合所述电力***运行数据集和所述暂态电压稳定裕度对所述极端梯度提升模型进行训练调整包括:
利用分类回归决策树算法对所述电力***运行数据集进行映射处理,获取预测输出值;
确定所述极端梯度提升模型的损失函数,并结合所述预测输出值和所述暂态电压稳定裕度对所述损失函数进行优化处理。
另外,本发明实施例还提供了一种电力***暂态电压稳定裕度预测***,所述***包括:
构建模块,用于构建给定电网运行方式下的相关特征量;
获取模块,用于基于所述相关特征量,通过动态调整负荷大小和发电机出力形成电力***运行数据集;
计算模块,用于基于电力***安全稳定导则,利用所述电力***运行数据集计算出暂态电压稳定裕度;
训练模块,用于构建极端梯度提升模型,结合所述电力***运行数据集和所述暂态电压稳定裕度对所述极端梯度提升模型进行训练调整,获取最优的电压稳定裕度预测模型。
可选的,所述相关特征量包括电气特征量和支路类别特征量;其中所述电气特征量包括支路有功潮流、支路无功潮流和母线电压,所述支路类别特征量包括支路检修状态值和支路正常状态值。
可选的,所述计算模块用于通过所述电力***运行数据集生成N-1故障集,并调用时域仿真软件对所述N-1故障集进行时域仿真,生成所述暂态电压稳定裕度。
可选的,所述训练模块用于利用分类回归决策树算法对所述电力***运行数据集进行映射处理,获取预测输出值;以及确定所述极端梯度提升模型的损失函数,并结合所述预测输出值和所述暂态电压稳定裕度对所述损失函数进行优化处理。
在本发明实施例中,利用极端梯度提升模型来实现电力***暂态电压稳定裕度评估工作,具有计算速度快、计算效率高、准确性高等优点,且通过对给定电网运行方式下的相关特征量,可自适应于电网运行方式改变的场景,如发生负荷改变、线路检修等情况,有效地降低时间成本。
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,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的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中的电力***暂态电压稳定裕度预测方法的流程示意图;
图2是本发明实施例中的电力***暂态电压稳定裕度预测***的组成示意图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,图1是本发明实施例中的一种电力***暂态电压稳定裕度预测方法的流程示意图,所述方法包括如下步骤:
S101、构建给定电网运行方式下的相关特征量;
在本发明实施例中,根据暂态电压稳定问题的固有特性,通过人为选取的方式获取给定电网运行方式下的相关特征量,且所述相关特征量包括故障发生前的电气特征量和支路类别特征量;其中,所述电气特征量包括支路有功潮流、支路无功潮流和母线电压,所述支路类别特征量包括支路检修状态值和支路正常状态值。
S102、基于所述相关特征量,通过动态调整负荷大小和发电机出力形成电力***运行数据集;
在本发明实施例中,针对所述给定电网运行方式所设定的负荷水平为75%~120%的标准负荷,且该负荷水平可由发电机出力进行控制,从电力***中随机挑选出支路类别特征量为检修状态的一条支路作为样本,获取该样本在所述负荷水平动态调整过程中所产生的电气特征量,以此形成所述电力***运行数据集。
S103、基于电力***安全稳定导则,利用所述电力***运行数据集计算出暂态电压稳定裕度;
在本发明实施例中,通过所述电力***运行数据集生成N-1故障集,并调用时域仿真软件对所述N-1故障集进行时域仿真,该时域仿真软件可通过调用PSD-BPA潮流计算程序执行,且根据既定的电力***安全稳定导则对所述N-1故障集进行仿真运算,可生成所述暂态电压稳定裕度为1-T0.75pu,其中T0.75pu为暂态期间电压低于0.75pu的持续时间。
S104、构建极端梯度提升模型,结合所述电力***运行数据集和所述暂态电压稳定裕度对所述极端梯度提升模型进行训练调整,获取最优的电压稳定裕度预测模型。
本发明实施过程包括:
其中,F为CART决策树的集合,K为CART决策树的总数量,xi为所述电力***运行数据集中的第i个负荷所对应的电气特征量,fk为第k个CART决策树函数;
(2)确定所述极端梯度提升模型(XGBoost模型)的损失函数,并结合所述预测输出值和所述暂态电压稳定裕度对所述损失函数进行优化处理。
其中,l为训练损失函数,在本发明实施例中还可选用对数损失函数或者均方误差损失函数进行替换,Ω为正则项,用于限定所述XGBoost模型的复杂度,以保证其复杂度与性能达到平衡,从而增强模型泛化能力,N为所述电力***运行数据集中所包含的负荷数量;
式中:
其中,γ、λ均为采用网格搜索调优方式所获取到的超参数,T为第k个CART决策树的叶节点数量,wj为第j个叶节点的权重值;在本发明实施例中,γT用于控制第k个CART决策树的叶节点个数,使得第k个CART决策树的树结构不会过分复杂,而用于控制第k个CART决策树的叶节点权重分布,且在一般实施过程中将λ取值为1,仅对γ值作出必要调整。
由于对所述极端梯度提升模型的训练优化是以CART决策树算法中的树模型迭代增加的方式进行的,即在每一步训练过程中增加一个CART决策树ft来使得该模型的损失函数进一步减小,假设为第t步训练过程中的预测输出值,此时所述损失函数可得到进一步优化为:
将上述优化后的损失函数展开,可得到对应的二次泰勒级数的形式为:
进一步的,定义Ij={i|qt(xi)=j}为第t步训练过程中所增加的CART决策树ft的树结构qt映射到第j个叶节点的样本编号集合,对上述优化展开的损失函数进行化简得到:
将上述化简后的损失函数对wj进行求导,可得到该CART决策树ft的最优叶节点权重为:
以此类推,直至CART决策树算法中的树***停止,可获取到最优的电压稳定裕度预测模型,其中树***停止可由两个参数进行择一控制:树的最大深度达到规定值,或者树全部***节点的方案均无法使得当前的损失函数获得大于γ的下降。
请参阅图2,图2是本发明实施例中的一种电力***暂态电压稳定裕度预测***的组成示意图,所述***包括如下:
构建模块201,用于构建给定电网运行方式下的相关特征量;
本发明实施过程为:根据暂态电压稳定问题的固有特性,通过人为选取的方式获取给定电网运行方式下的相关特征量,且所述相关特征量包括故障发生前的电气特征量和支路类别特征量;其中,所述电气特征量包括支路有功潮流、支路无功潮流和母线电压,所述支路类别特征量包括支路检修状态值和支路正常状态值。
获取模块202,用于基于所述相关特征量,通过动态调整负荷大小和发电机出力形成电力***运行数据集;
本发明实施过程为:针对所述给定电网运行方式所设定的负荷水平为75%~120%的标准负荷,且该负荷水平可由发电机出力进行控制,从电力***中随机挑选出支路类别特征量为检修状态的一条支路作为样本,获取该样本在所述负荷水平动态调整过程中所产生的电气特征量,以此形成所述电力***运行数据集。
计算模块203,用于基于电力***安全稳定导则,利用所述电力***运行数据集计算出暂态电压稳定裕度;
本发明实施过程为:通过所述电力***运行数据集生成N-1故障集,并调用时域仿真软件对所述N-1故障集进行时域仿真,该时域仿真软件可通过调用PSD-BPA潮流计算程序执行,且根据既定的电力***安全稳定导则对所述N-1故障集进行仿真运算,可生成所述暂态电压稳定裕度为1-T0.75pu,其中T0.75pu为暂态期间电压低于0.75pu的持续时间。
训练模块204,用于构建极端梯度提升模型,结合所述电力***运行数据集和所述暂态电压稳定裕度对所述极端梯度提升模型进行训练调整,获取最优的电压稳定裕度预测模型。
本发明实施过程包括:
其中,F为CART决策树的集合,K为CART决策树的总数量,xi为所述电力***运行数据集中的第i个负荷所对应的电气特征量,fk为第k个CART决策树函数;
(2)确定所述极端梯度提升模型(XGBoost模型)的损失函数,并结合所述预测输出值和所述暂态电压稳定裕度对所述损失函数进行优化处理。
其中,l为训练损失函数,在本发明实施例中还可选用对数损失函数或者均方误差损失函数进行替换,Ω为正则项,用于限定所述XGBoost模型的复杂度,以保证其复杂度与性能达到平衡,从而增强模型泛化能力,N为所述电力***运行数据集中所包含的负荷数量;
式中:
其中,γ、λ均为采用网格搜索调优方式所获取到的超参数,T为第k个CART决策树的叶节点数量,wj为第j个叶节点的权重值;在本发明实施例中,γT用于控制第k个CART决策树的叶节点个数,使得第k个CART决策树的树结构不会过分复杂,而用于控制第k个CART决策树的叶节点权重分布,且在一般实施过程中将λ取值为1,仅对γ值作出必要调整。
由于对所述极端梯度提升模型的训练优化是以CART决策树算法中的树模型迭代增加的方式进行的,即在每一步训练过程中增加一个CART决策树ft来使得该模型的损失函数进一步减小,假设为第t步训练过程中的预测输出值,此时所述损失函数可得到进一步优化为:
将上述优化后的损失函数展开,可得到对应的二次泰勒级数的形式为:
进一步的,定义Ij={i|qt(xi)=j}为第t步训练过程中所增加的CART决策树ft的树结构qt映射到第j个叶节点的样本编号集合,对上述优化展开的损失函数进行化简得到:
将上述化简后的损失函数对wj进行求导,可得到该CART决策树ft的最优叶节点权重为:
以此类推,直至CART决策树算法中的树***停止,可获取到最优的电压稳定裕度预测模型,其中树***停止可由两个参数进行择一控制:树的最大深度达到规定值,或者树全部***节点的方案均无法使得当前的损失函数获得大于γ的下降。
在本发明实施例中,利用极端梯度提升模型来实现电力***暂态电压稳定裕度评估工作,具有计算速度快、计算效率高、准确性高等优点,且通过对给定电网运行方式下的相关特征量,可自适应于电网运行方式改变的场景,如发生负荷改变、线路检修等情况,有效地降低时间成本。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
以上对本发明实施例所提供的一种电力***暂态电压稳定裕度预测方法及***进行了详细介绍,本文中采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 (8)
1.一种电力***暂态电压稳定裕度预测方法,其特征在于,所述方法包括:
构建给定电网运行方式下的相关特征量;
基于所述相关特征量,通过动态调整负荷大小和发电机出力形成电力***运行数据集;
基于电力***安全稳定导则,利用所述电力***运行数据集计算出暂态电压稳定裕度;
构建极端梯度提升模型,结合所述电力***运行数据集和所述暂态电压稳定裕度对所述极端梯度提升模型进行训练调整,获取最优的电压稳定裕度预测模型。
2.根据权利要求1所述的电力***暂态电压稳定裕度预测方法,其特征在于,所述相关特征量包括电气特征量和支路类别特征量;其中所述电气特征量包括支路有功潮流、支路无功潮流和母线电压,所述支路类别特征量包括支路检修状态值和支路正常状态值。
3.根据权利要求1所述的电力***暂态电压稳定裕度预测方法,其特征在于,所述基于电力***安全稳定导则,利用所述电力***运行数据集计算出暂态电压稳定裕度包括:
通过所述电力***运行数据集生成N-1故障集,并调用时域仿真软件对所述N-1故障集进行时域仿真,生成所述暂态电压稳定裕度。
4.根据权利要求1所述的电力***暂态电压稳定裕度预测方法,其特征在于,所述构建极端梯度提升模型,结合所述电力***运行数据集和所述暂态电压稳定裕度对所述极端梯度提升模型进行训练调整包括:
利用分类回归决策树算法对所述电力***运行数据集进行映射处理,获取预测输出值;
确定所述极端梯度提升模型的损失函数,并结合所述预测输出值和所述暂态电压稳定裕度对所述损失函数进行优化处理。
5.一种电力***暂态电压稳定裕度预测***,其特征在于,所述***包括:
构建模块,用于构建给定电网运行方式下的相关特征量;
获取模块,用于基于所述相关特征量,通过动态调整负荷大小和发电机出力形成电力***运行数据集;
计算模块,用于基于电力***安全稳定导则,利用所述电力***运行数据集计算出暂态电压稳定裕度;
训练模块,用于构建极端梯度提升模型,结合所述电力***运行数据集和所述暂态电压稳定裕度对所述极端梯度提升模型进行训练调整,获取最优的电压稳定裕度预测模型。
6.根据权利要求5所述的电力***暂态电压稳定裕度预测***,其特征在于,所述相关特征量包括电气特征量和支路类别特征量;其中所述电气特征量包括支路有功潮流、支路无功潮流和母线电压,所述支路类别特征量包括支路检修状态值和支路正常状态值。
7.根据权利要求5所述的电力***暂态电压稳定裕度预测***,其特征在于,所述计算模块用于通过所述电力***运行数据集生成N-1故障集,并调用时域仿真软件对所述N-1故障集进行时域仿真,生成所述暂态电压稳定裕度。
8.根据权利要求5所述的电力***暂态电压稳定裕度预测***,其特征在于,所述训练模块用于利用分类回归决策树算法对所述电力***运行数据集进行映射处理,获取预测输出值;以及确定所述极端梯度提升模型的损失函数,并结合所述预测输出值和所述暂态电压稳定裕度对所述损失函数进行优化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011086438.8A CN112290539A (zh) | 2020-10-12 | 2020-10-12 | 一种电力***暂态电压稳定裕度预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011086438.8A CN112290539A (zh) | 2020-10-12 | 2020-10-12 | 一种电力***暂态电压稳定裕度预测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112290539A true CN112290539A (zh) | 2021-01-29 |
Family
ID=74496857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011086438.8A Pending CN112290539A (zh) | 2020-10-12 | 2020-10-12 | 一种电力***暂态电压稳定裕度预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112290539A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115238992A (zh) * | 2022-07-21 | 2022-10-25 | 南方电网科学研究院有限责任公司 | 一种电力***源荷储的协调优化方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401792A (zh) * | 2020-04-16 | 2020-07-10 | 三峡大学 | 一种基于极限梯度提升决策树的动态安全评估方法 |
CN111404150A (zh) * | 2020-03-30 | 2020-07-10 | 广西电网有限责任公司电力科学研究院 | 一种适用于大电网运行的暂态稳定评估方法及*** |
CN111523778A (zh) * | 2020-04-10 | 2020-08-11 | 三峡大学 | 基于粒子群算法和梯度提升树的电网运行安全评估方法 |
-
2020
- 2020-10-12 CN CN202011086438.8A patent/CN112290539A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111404150A (zh) * | 2020-03-30 | 2020-07-10 | 广西电网有限责任公司电力科学研究院 | 一种适用于大电网运行的暂态稳定评估方法及*** |
CN111523778A (zh) * | 2020-04-10 | 2020-08-11 | 三峡大学 | 基于粒子群算法和梯度提升树的电网运行安全评估方法 |
CN111401792A (zh) * | 2020-04-16 | 2020-07-10 | 三峡大学 | 一种基于极限梯度提升决策树的动态安全评估方法 |
Non-Patent Citations (2)
Title |
---|
张晨宇等: "基于XGBoost 算法的电力***暂态稳定评估", 《电力设备自动化》 * |
张杰等: "多直流附加暂态稳定控制策略及其适应性研究", 《高电压技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115238992A (zh) * | 2022-07-21 | 2022-10-25 | 南方电网科学研究院有限责任公司 | 一种电力***源荷储的协调优化方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112310980B (zh) | 交直流混联电网直流闭锁频率安全稳定评估方法及*** | |
CN113937829B (zh) | 一种基于d3qn的主动配电网多目标无功控制方法 | |
Tabak | Maiden application of fractional order PID plus second order derivative controller in automatic voltage regulator | |
CN114006370B (zh) | 一种电力***暂态稳定分析评估方法及*** | |
Younesi et al. | Application of reinforcement learning for generating optimal control signal to the IPFC for damping of low‐frequency oscillations | |
Kasireddy et al. | Application of FOPID-FOF controller based on IMC theory for automatic generation control of power system | |
CN112290539A (zh) | 一种电力***暂态电压稳定裕度预测方法及*** | |
CN114759590A (zh) | 一种基于数据驱动的换流站稳态无功协调策略优化方法及装置 | |
Ghasemi et al. | PSO-TVAC algorithm for multi objective PSS design in multi-machine power system | |
CN116805178A (zh) | 配电网无功优化方法、装置、设备和存储介质 | |
CN114123896B (zh) | 基于增量式宽度学习***的永磁同步电机控制方法及*** | |
CN111881541B (zh) | 一种基于不连续伽辽金法的电力***暂态稳定仿真算法 | |
Feyzi et al. | Online dynamic parameter estimation of transformer equivalent circuit | |
Andreoiu et al. | Lyapunov's method based genetic algorithm for multi-machine PSS tuning | |
CN111639463B (zh) | 一种基于XGBoost算法的电力***扰动后频率特征预测方法 | |
Wu et al. | Flexible controls to reduce DC voltage deviations in multi‐terminal DC grids | |
Li et al. | A DRL-Based Approach for System Frequency Response Model Calibration | |
CN113221064A (zh) | 模型处理方法、装置、计算机设备和存储介质 | |
Denecke et al. | Identification of dynamic equivalents for active distribution networks | |
CN117215205B (zh) | 基于决策树和iss理论的直流***控制参数分析方法 | |
da Silva Filha et al. | COMPARATIVE STUDY ON HEURISTIC OPTIMIZATION TECHNIQUES IN THE DESIGN OF ROBUST POWER SYSTEMS STABILIZERS USING H∞ CRITERION | |
CN117411033B (zh) | 一种基于径向神经网络的惯量阻尼控制方法及*** | |
Ghouraf et al. | Robust H 2-PSS design based on LQG control optimized by genetic algorithms | |
CN112821450B (zh) | 并网逆变器的控制方法、装置、计算机设备和介质 | |
CN117318086A (zh) | 一种电力***稳定器参数优化方法、装置、设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210129 |