CN112865109B - 一种数据驱动型电力***潮流计算方法 - Google Patents

一种数据驱动型电力***潮流计算方法 Download PDF

Info

Publication number
CN112865109B
CN112865109B CN202110054583.6A CN202110054583A CN112865109B CN 112865109 B CN112865109 B CN 112865109B CN 202110054583 A CN202110054583 A CN 202110054583A CN 112865109 B CN112865109 B CN 112865109B
Authority
CN
China
Prior art keywords
power
data
flow calculation
variable
input variable
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
Application number
CN202110054583.6A
Other languages
English (en)
Other versions
CN112865109A (zh
Inventor
刘一欣
郭力
李霞林
张宇轩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202110054583.6A priority Critical patent/CN112865109B/zh
Publication of CN112865109A publication Critical patent/CN112865109A/zh
Application granted granted Critical
Publication of CN112865109B publication Critical patent/CN112865109B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

本发明公开了一种数据驱动型电力***潮流计算方法，采集由测量仪表检测得到的电力***历史运行数据，将历史运行数据中的一部分参数数据作为潮流计算的输入变量，将其余数据中与输入变量有关联的参数数据作为潮流计算的输出变量；将潮流的输入变量与输出变量采用Koopman算子理论升高维度后映射为线性关系，再根据采集的历史运行数据拟合得到输入变量与输出变量间的线性转移矩阵；由拟合的线性转移矩阵，得到对应潮流的任意输入变量的输出值，完成潮流计算。本发明在高维空间中实现潮流非线性方程的线性化，提高了线性化程度。由于线性化水平较高，仅通过一次计算便得到***的基本特征，无需随着运行状态的变化而调整。

Description

一种数据驱动型电力***潮流计算方法
技术领域
本发明涉及一种电力***潮流计算方法，特别涉及一种数据驱动型电力***潮流计算方法。
背景技术
目前，传统线性化潮流计算方法由于模型的线性化程度低，难以精确计算大范围功率波动下的网络状态。配电网中的网络拓扑结构和网络参数难以获取，也给分析带来了一定的困难。而基于模型的方法需要对实际参数做出大量估计，随着高精度测量设备的推广使用，数据驱动方法的优势更加突出。
数据驱动的潮流计算中，通常使用线性回归的方法计算参数，以确定潮流输入与输出之间的隐射关系。目前针对写潮流线性化的方法主要分为4大类：1)利用雅各比矩阵等方式将潮流在运行基准点进行线性化这种方法简单易用但是线性化范围有限，在高比例可再生能源和负荷波动较大的场景中适应性较弱；2)以直流潮流为代表的对传统潮流方程的简化处理的线性化方法，由于简化中存在大量假设，因此计算精度有限；3)通过建立不同的状态空间实现线性化，对其中状态空间的误差分析和最优参数选取也有了一定的研究，基于电压向量实部和虚部分离的二次型状态空间的选取方法，可无差的将潮流方程表示为线性形式，并在最优潮流和潮流状态估计中得到了一定的应用，但是这种分解方法难以推广到其他潮流的对应关系，如难以用注入功率表示电压的状态空间等，此外，在这种方法在涉及带有电压控制型的节点如PV类型节点时，节点注入功率无法表示为电压的二次型，因此在涉及此类节点的***中该方法难以实现线性化；4)利用电路理论建立节点电压和节点注入电流的线性关系，结合线性化的节点注入功率与节点注入电流的关系，实现潮流方程的线性化，但由于注入功率与注入电流非线性特性较强，因此线性化模型精度也会受其影响。
现有的数据驱动潮流计算方法中，有的文献记载通过中构建的状态空间形式，得到与节点注入功率的线性映射关系，提出了support vector regression(SVR)方法通过历史测量数据回归得到线性潮流关系。为了增强数据驱动方法中线性回归模型对潮流非线性的适应性，有的文献记载通过增加常数项矩阵提高了计算精度，在此基础上有的文献记载新增了其对测量数据误差的影响。
然而，现有的潮流计算方法仍存在着一定的缺陷和不足：
(1)由于无法获得及时的网络拓扑结构，且配电网中网架结构参数不精确，传统基于模型的潮流计算中往往存在较大的误差。
(2)现有的数据驱动潮流计算线性化模型线性程度低，不能适应含有大幅度功率波动的网络潮流计算，如含有高渗透率分布式电源的网络中，计算精度低。
(3)对于潮流计算中不同的变量之间缺乏通用的数学模型，对不同的变量关系需要分别建立数学关系才能得到理想的计算精度。
发明内容
本发明为解决公知技术中存在的技术问题而提供一种数据驱动型电力***潮流计算方法。
本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种数据驱动型电力***潮流计算方法，采集由测量仪表检测得到的电力***历史运行数据，将历史运行数据中的一部分参数数据作为潮流计算的输入变量，将其余数据中与输入变量有关联的参数数据作为潮流计算的输出变量；将潮流的输入变量与输出变量采用Koopman算子理论升高维度后映射为线性关系，再根据采集的历史运行数据拟合得到输入变量与输出变量间的线性转移矩阵；由拟合的线性转移矩阵，得到对应潮流的任意输入变量的输出值，完成潮流计算。
进一步地，该方法包括如下步骤：
步骤一，确定电力***历史运行数据中，用于潮流计算的输入变量x及输出变量y；
步骤二，设ψ(x)为输入变量x的升维运算函数，对输入变量x升维后，得到x的升维数据xLift，
Figure BDA0002900445890000021
步骤三，设y＝Mxlift，使用最小二乘法得到转移矩阵M；
步骤四，任意一组输入变量xr升维后得到xLift,r，进而由M得到输出变量值yr。
进一步地，当网络有Nn个节点和Nl条线路时，输入变量满足：
Figure BDA0002900445890000022
输出变量满足：
Figure BDA0002900445890000023
进一步地，设输出变量为：y＝[y1 y2 y3 ... ym]T，设
Figure BDA0002900445890000031
则转移矩阵M1、M2…Mm相互独立。
进一步地，输入变量x包括：PQ节点的有功功率PPQ及无功功率QPQ；PV节点的有功功率PPV及电压幅值VPV；平衡节点的电压幅值Vref及相角θref。
进一步地，输出变量y包括：PQ节点的电压幅值VPQ及相角θPQ；PV节点的电压相角θPV及无功功率QPV；平衡节点的有功功率Pref及无功功率Qref。
进一步地，输出变量y还包括：网络线路的首末端有功功率PL及无功功率QL。
本发明具有的优点和积极效果是：
1)与传统的数据驱动方式相比，处于电力***末端的配电线路常常随着用户需求而进行调整，基于模型的方法在实际使用中使用的参数可能难以及时更新，导致计算误差，本发明的数据驱动方法不依赖网络结构参数，仅通过量测量即可以得到精度较高的潮流计算结果。
2)本发明在高维空间中实现潮流非线性方程的线性化，较现有的线性化方法，提高了线性化程度。由于线性化水平较高，仅通过一次计算便得到***的基本特征，无需随着运行状态的变化而调整。
3)本发明建立通用的数学结构反映不同潮流变量之间的高维线性隐射关系，包括节点电压幅值、电压相角线路有功功率、无功功率等，并实现高精度的计算。
附图说明
图1是本发明的一种工作流程图。
图2是本发明的方法与对照方法在计算标准IEEE118节点***潮流节点电压幅值的平均绝对误差对比图。
图3是本发明的方法与对照方法在计算标准IEEE118节点***潮流节点电压相角的平均绝对误差对比图。
图4是本发明的方法与对照方法在计算标准IEEE118节点***潮流线路有功功率的平均绝对误差对比图。
图5是本发明的方法与对照方法在计算标准IEEE118节点***潮流线路无功功率的平均绝对误差对比图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹列举以下实施例，并配合附图详细说明如下：
请参见图1，一种数据驱动型电力***潮流计算方法，采集由测量仪表检测得到的电力***历史运行数据，将历史运行数据中的一部分参数数据作为潮流计算的输入变量，将其余数据中与输入变量有关联的参数数据作为潮流计算的输出变量；将潮流的输入变量与输出变量采用Koopman算子理论升高维度后映射为线性关系，再根据采集的历史运行数据拟合得到输入变量与输出变量间的线性转移矩阵；由拟合的线性转移矩阵，得到对应潮流的任意输入变量的输出值，完成潮流计算。
Koopman算子理论的核心是：低维空间中的非线性***在升高维度后可以转化为线性***。电力***中潮流方程为非线性方程组，将潮流计算中输入和输出变量的维度升高后，可以得到输入输出变量间的线性关系。实际计算中，将原有低维空间升高数十至数百维进行计算。
进一步地，该方法可包括如下步骤：
步骤一，确定电力***历史运行数据中，可用于潮流计算的输入变量x及输出变量y；
步骤二，可设ψ(x)为输入变量x的升维运算函数，对输入变量x升维后，得到x的升维数据xLift，
Figure BDA0002900445890000041
步骤三，可设y＝Mxlift，使用最小二乘法得到转移矩阵M；
步骤四，任意一组输入变量xr升维后得到xLift,r，进而由M得到输出变量值yr。
进一步地，当网络有Nn个节点和Nl条线路时，输入变量可满足：
Figure BDA0002900445890000042
输出变量可满足：
Figure BDA0002900445890000043
进一步地，可设输出变量为：y＝[y1 y2 y3 ... ym]T，设
Figure BDA0002900445890000044
则转移矩阵M1、M2…Mm相互独立。
进一步地，输入变量x可包括：PQ节点的有功功率PPQ及无功功率QPQ；PV节点的有功功率PPV及电压幅值VPV；平衡节点的电压幅值Vref及相角θref。
进一步地，输出变量y可包括：PQ节点的电压幅值VPQ及相角θPQ；PV节点的电压相角θPV及无功功率QPV；平衡节点的有功功率Pref及无功功率Qref。
进一步地，输出变量y还可包括：网络线路的首末端有功功率PL及无功功率QL。
下面结合本发明的一个优选实施例来进一步说明本发明的工作原理：
Koopman算子理论的核心是：低维空间中的非线性***在高维空间中可以转化为线性***。电力***中潮流方程为非线性方程组，将对潮流计算中输入和输出变量的维度升高后，可以得到输入输出变量的线性关系。
1)高维线性关系：
若存在非线性方程组y＝f(x)，其中x、y为列向量，x∈R1×k，y∈R1×l；将x进行升维变换如式(1)所示，其中ψ(x)为输入向量x的升维运算函数。
Figure BDA0002900445890000051
根据Koopman算子理论，则存在算子M满足线性映射关系如式(2)所示：
y＝Mxlift                               (2)
2)升维函数：
当使用升维函数升高N维时，其基本结构如下式(3)。
Figure BDA0002900445890000052
升维函数的构成含有多种类型，常用的分为两类，其一是新的状态空间选取，其二是使用包含原有变量在内、非线性更强的函数作为升维元素。
基于非线性函数的升维元素中，升高不同维度需要选定不同的基底向量c：
ψi(x)＝flift(x-ci)                       (4)
式中，ci为升高的第i维基底向量，ci∈R1×k，基底可以选择变量取值内的任意值。
给出一个基于对数函数的升维函数如式(5)、式(6)所示：
Figure BDA0002900445890000053
Figure BDA0002900445890000061
Koopman算子理论的核心为：低维的非线性***可以在高维空间中表示为线性***。而电力***中潮流计算方程为非线性方程组，也同样可以映射到高维空间中的线性方程。下面是本发明的一个优选实施例：
1)潮流计算的基本形式
潮流计算中，选定输入变量和输出变量：
1)输入变量，包括PQ节点的有功功率PPQ、无功功率QPQ；PV节点的有功功率PPV电压幅值VPV；平衡节点的电压幅值Vref和相角θref。
2)输出变量：PQ节点的电压幅值VPQ、相角θPQ；PV节点的电压相角θPV和无功功率QPV；平衡节点的有功功率Pref和无功功率Qref。此外，按照需求潮流的输出结果还包括网络线路的首末端有功功率PL和无功功率QL。
潮流输入变量确定后，输出变量存在唯一解，比如，传统潮流方程为节点电压及节点注入功率的非线性方程组。本发明采用高维线性化方法，将潮流的输入与输出变量在高维空间中映射为线性关系。请参见下式：
x＝[Vref θref PPQ QPQ PPV VPV]T                    (7)
y＝[VPQ θPQ θPV QPV Pref Qref PL QL]T                 (8)
当研究的网络有Nn个节点和Nl条线路时，输入变量满足：
Figure BDA0002900445890000062
输出变量满足
Figure BDA0002900445890000063
2)计算输出数据
计算中可以根据需要选择输出变量y中的变量，而不同的输出变量具有相同的数据回归结构。以PL和QL为例，式(2)展开输出参数可得到式(9)：
Figure BDA0002900445890000064
式(9)中，
Figure BDA0002900445890000065
即可得PLF＝M1xli，QLF＝M2xlift，可见M1、M2矩阵相互独立。基于数据驱动的方法，不同类型输出变量之间在计算中无逻辑关联，进而可以按照需求选择输出变量，大幅度降低计算量，提高计算速度。
3)最小二乘估计
采集由测量仪表检测得到的电力***历史运行数据，将历史运行数据中的一部分参数数据作为潮流计算的输入变量，将其余数据中与输入变量有关联的参数数据作为潮流计算的输出变量；分别制成输入变量与输出变量的训练集。
在获取训练数据后，即可通过最小二乘的估计方法确定M矩阵，而不需要依赖于网架结构参数信息。
1.3基于Koopman理论的数据驱动型潮流计算步骤
步骤如下：
可通过现有较精确的潮流计算方法得到大量随机输入数据和其对应的输出数据X，Y。将现有的潮流计算方法作为对照方法。
对X升维后，得到XLift。
对式(2)，使用最小二乘法得到转移矩阵M。
则任意一组输入变量xr升维后得到xLift,r，进而得到计算结果yr。
采用不同结构的电网标准算例进行验证，包括IEEE33，IEEE123节点辐射状配电网络，以及IEEE24、IEEE30、IEEE57、IEEE118节点在内的网格状***。
将刘羽霄、张宁、康重庆等所著述的如下计算方法作为对照方法：Data-DrivenPower Flow Linearization A Regression Approach(IEEE Trans on Smart Grid)，算例中采用随机生成训练数据和检测数据进行计算精度验证，在潮流输入参数的3个不同范围内，对照方法与本发明的计算方法的计算误差，具体范围见表1，对比指标包括***PQ节点电压幅值和所有节点电压相角，以及线路一端的有功功率和无功功率。为避免在计算值接近0值时相对误差不能很好的反映误差水平，以下对照误差均采用平均绝对误差。图1至图4为上述对比指标等计算精度对比图。
由表2、表3可知，在选取相同区间的随机样本时，本发明本发明方法的计算精度全面优于对照方法，在有环网结构网络中(IEEE5，IEEE30，IEEE57，IEEE118，NREL118)，电压幅值和相角的误差较对照方法基本小一个数量级，辐射状网络中(IEEE33)同样均优于对照方法。本发明的方法在表3中较表2具有更大的优势，表明在从范围1到范围2的过程中，本发明方法在计算误差的方面表现更好，意味着在网络运行出现较大波动时，本发明方法可以更好的反映潮流方程的非线性特性。
以含有复杂环网的IEEE118节点案例为例，利用范围1训练得到的数据驱动计算IEEE标准算例结果如图2至图5所示。在大多数节点和线路中，本发明方法在不同节点和不同线路中的计算误差均低于对照方法，而最大误差明显低于对照方法。
在含有高比例分布式电源的配电网中，分布式电源会进一步增强配电网中负荷的波动性，算例中采用范围3以反映整个配电网可能出现的功率倒送情况，选取有功功率的波动范围在标准算例的-50％到200％之间，而无功功率由于分布式电源的逆变器参与自身电压控制策略，也设定为有功功率的-30％到35％之间。由于分析的对象为配电网，因此假定此类网络中不包含具备提供基准电压的节点，因此不考虑PV节点的影响。选用IEEE33，和IEEE123节点进行算例分析。使用的训练数据分别为500组、1000组，使用升维函数升高200维，计算结果如表4所示。可见在含有较大倒送功率的辐射状网络中，本发明本发明方法具备更高的计算精度。
表1
Figure BDA0002900445890000081
表2：误差范围1
Figure BDA0002900445890000082
表3：误差范围2
Figure BDA0002900445890000091
表4：误差范围3
Figure BDA0002900445890000092
造成精度上的差异主要原因是对照方法使用线性数值回归模型，仅引入常数项矩阵以增强对非线性关系的回归特性，反映非线性关系的能力相对较弱，在负荷波动范围较大时缺陷更加突出。而本发明本发明方法通过高维线性关系反映低维空间的线性关系，本质上是使用非线性升维函数去拟合原始的非线性方程，对非线性方程的适应性更强。在增大负荷的波动范围时，所提高维线性化潮流方法对非线性适应性优势更加明显。
以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。

Claims (6)

1.一种数据驱动型电力***潮流计算方法，其特征在于，采集由测量仪表检测得到的电力***历史运行数据，将历史运行数据中的一部分参数数据作为潮流计算的输入变量，将其余数据中与输入变量有关联的参数数据作为潮流计算的输出变量；将潮流的输入变量与输出变量采用Koopman算子理论升高维度后映射为线性关系，再根据采集的历史运行数据拟合得到输入变量与输出变量间的线性转移矩阵；由拟合的线性转移矩阵，得到对应潮流的任意输入变量的输出值，完成潮流计算；
该方法包括如下步骤：
步骤一，确定电力***历史运行数据中，用于潮流计算的输入变量x及输出变量y；
步骤二，设ψ(x)为输入变量x的升维运算函数，对输入变量x升维后，得到x的升维数据xLift，
Figure FDA0003749998690000011
步骤三，设y＝Mxlift，使用最小二乘法得到转移矩阵M；
步骤四，任意一组输入变量xr升维后得到xLift,r，进而由M得到输出变量值yr。
2.根据权利要求1所述的数据驱动型电力***潮流计算方法，其特征在于，当网络有Nn个节点和Nl条线路时，输入变量满足：
Figure FDA0003749998690000012
输出变量满足：
Figure FDA0003749998690000013
3.根据权利要求1所述的数据驱动型电力***潮流计算方法，其特征在于，设输出变量为：y＝[y1 y2 y3...ym]T，设
Figure FDA0003749998690000014
则转移矩阵M1、M2…Mm相互独立。
4.根据权利要求1所述的数据驱动型电力***潮流计算方法，其特征在于，输入变量x包括：PQ节点的有功功率PPQ及无功功率QPQ；PV节点的有功功率PPV及电压幅值VPV；平衡节点的电压幅值Vref及相角θref。
5.根据权利要求1所述的数据驱动型电力***潮流计算方法，其特征在于，输出变量y包括：PQ节点的电压幅值VPQ及相角θPQ；PV节点的电压相角θPV及无功功率QPV；平衡节点的有功功率Pref及无功功率Qref。
6.根据权利要求5所述的数据驱动型电力***潮流计算方法，其特征在于，输出变量y还包括：网络线路的首末端有功功率PL及无功功率QL。
CN202110054583.6A 2021-01-15 2021-01-15 一种数据驱动型电力***潮流计算方法 Active CN112865109B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110054583.6A CN112865109B (zh) 2021-01-15 2021-01-15 一种数据驱动型电力***潮流计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110054583.6A CN112865109B (zh) 2021-01-15 2021-01-15 一种数据驱动型电力***潮流计算方法

Publications (2)

Publication Number Publication Date
CN112865109A CN112865109A (zh) 2021-05-28
CN112865109B true CN112865109B (zh) 2023-04-21

Family

ID=76006786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110054583.6A Active CN112865109B (zh) 2021-01-15 2021-01-15 一种数据驱动型电力***潮流计算方法

Country Status (1)

Country Link
CN (1) CN112865109B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114583710B (zh) * 2022-01-28 2023-05-05 天津大学 基于数据驱动建模的风电场无功电压优化控制方法
CN114552587A (zh) * 2022-02-24 2022-05-27 天津大学 基于不完全升维的数据驱动电力***的优化方法及应用

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108448585B (zh) * 2018-03-29 2019-09-27 清华大学 一种基于数据驱动的电网潮流方程线性化求解方法
CN108899910B (zh) * 2018-08-14 2019-11-22 清华大学 一种对量测噪声鲁棒的数据驱动电网潮流方程线性化计算方法
CN110795840A (zh) * 2019-10-22 2020-02-14 海南电网有限责任公司电力科学研究院 基于dmd的电力***主导振荡模式及参数识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于半不变量的配电网概率潮流建模及方法;韩磊等;《陕西电力》;20170420(第04期);44-49页 *

Also Published As

Publication number Publication date
CN112865109A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN112865109B (zh) 一种数据驱动型电力***潮流计算方法
Young Technological growth curves: a competition of forecasting models
Guo et al. Data-driven power flow calculation method: A lifting dimension linear regression approach
CN106503915A (zh) 基于模糊综合评价法的无功补偿装置综合效益评价方法
CN102930352B (zh) 基于多核支持向量回归机的电网基建工程造价预测方法
CN103455948B (zh) 一种配电***多维多分辨率建模与分析方法
CN110765703B (zh) 一种风电场聚合特性建模方法
CN113112099A (zh) 电网日电量预测模型训练方法和电网日电量预测方法
CN108418242B (zh) 一种基于相似度同调的双馈风电机动态等值方法
CN114583710B (zh) 基于数据驱动建模的风电场无功电压优化控制方法
CN108462181B (zh) 考虑稀疏性的智能配电网潮流雅可比矩阵鲁棒估计方法
Suvarchala et al. A brief review on optimal allocation of Distributed Generation in distribution network
CN113595132B (zh) 基于最大功率点和混合优化算法的光伏在线参数辨识方法
CN112736904A (zh) 基于小扰动数据的电力负荷模型在线解析方法
CN117117827A (zh) 一种基于卷积神经网络的新型配电网状态估计方法
CN114725948B (zh) 基于数据驱动灵敏度的风电场分布式次梯度电压控制方法
CN112054523B (zh) 一种考虑灵敏度分类和相关性的区间潮流计算方法
Fang et al. Dynamic equivalence of wind farm considering operational condition of wind turbines
CN110781638B (zh) 基于节点端口伏安特性的最优戴维南等值参数计算方法
Tao et al. Applications of data mining technique for power system transient stability prediction
Yang et al. Online Network Partition for Voltage Control in Power Systems with Large Penetration of Renewable Energy
CN108471133A (zh) 基于两阶段随机模糊模拟的配电网随机模糊潮流算法
CN108510778A (zh) 一种基于记录仪管理平台的车辆聚合显示的实现方法
CN114077930B (zh) 一种基于电力消费的经济结构变化的分析方法
CN111786381B (zh) 含风电电力***的戴维南等值参数解析计算方法

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