CN113609638A - 一种储能暂态模型的机电-电磁混合故障预测方法及*** - Google Patents
一种储能暂态模型的机电-电磁混合故障预测方法及*** Download PDFInfo
- Publication number
- CN113609638A CN113609638A CN202110707614.3A CN202110707614A CN113609638A CN 113609638 A CN113609638 A CN 113609638A CN 202110707614 A CN202110707614 A CN 202110707614A CN 113609638 A CN113609638 A CN 113609638A
- Authority
- CN
- China
- Prior art keywords
- model
- simulation
- data
- electromechanical
- electromagnetic
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000001052 transient effect Effects 0.000 title claims abstract description 46
- 238000004088 simulation Methods 0.000 claims abstract description 265
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 230000008878 coupling Effects 0.000 claims abstract description 11
- 238000010168 coupling process Methods 0.000 claims abstract description 11
- 238000005859 coupling reaction Methods 0.000 claims abstract description 11
- 238000000547 structure data Methods 0.000 claims description 27
- 238000011084 recovery Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000002347 injection Methods 0.000 claims description 7
- 239000007924 injection Substances 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 abstract description 7
- 238000013486 operation strategy Methods 0.000 abstract description 5
- 238000003860 storage Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000013178 mathematical model Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种储能暂态模型的机电‑电磁混合故障预测方法及***，从大电网信息***获取电力***网架结构、设备拓扑关系、电力***实时运行参数，形成机电模型，同时，建立设计精细的含有储能模块的电磁模型，通过电磁‑机电智能接口与机电模型耦合，实现针对大电网运行情况的实时仿真，实现了基于储能模型的电磁侧仿真、引入实时电网数据、混合仿真结果校验和故障预测等分析功能，为电力***优化运行策略及故障预测提供依据。
Description
技术领域
本发明涉及电力***技术领域，特别是涉及一种储能暂态模型的 机电-电磁混合故障预测方法及***。
背景技术
随着区域电网之间互联的增加使得电网规模变得越来越大，大量 的如分布式可再生能源发电设备、储能设备等接入到电网中，使得电 力***的强非线性特性日益突出。电力***发展的新趋势对于仿真提 出了更高的要求。接入了大规模电力电子设备的电力***仿真要求在 仿真过程中既可以仿真大规模互联网络的机电暂态过程也可以模拟 局部快速变化的电力电子装置的电磁暂态过程；其次还可以准确的仿 真局部电网间、大区域和局部***的交互作用。
传统针对电力***的仿***要有两种方案：若采用电磁暂态仿真， 则仿真规模通常会受到限制，电网的大部分区域需要等值简化才能进 行全网络的电磁暂态计算，将导致仿真结果无法准确描述被等值网络 的暂态特性；若采用机电暂态仿真，忽略了电力电子器件的快速动态 过程，不能准确的模拟***中局部快速变化的过程。
常规电磁模型未充分考虑储能模型因不同类型、不同运行条件而 给大电网带来的影响，导致仿真并未满足实时性、精确性的要求。
传统混合仿真多使用算例或局限性强的数据，为人工制定的各种 运行方式数据，基于预想运行工况进行仿真，不能充分反映大电网的 实际情况，无法为电网的安全高效运行提供有力的的数据决策支撑。
传统混合仿真由于传感设备故障或模型精度不足等多种原因，导 致混合仿真运算结果有误，目前并没有针对仿真结果的、有效的校验 方法。
发明内容
本发明提供一种储能暂态模型的机电-电磁混合故障预测方法及 ***，从大电网信息***获取电力***网架结构、设备拓扑关系、电 力***实时运行参数，形成机电模型，同时，建立设计精细的含有储 能模块的电磁模型，通过电磁-机电智能接口与机电模型耦合，实现 针对大电网运行情况的实时仿真，为电力***优化运行策略及故障预 测提供依据。
本发明第一方面提供一种储能暂态模型的机电-电磁混合故障预 测方法，包括：
获取大电网平台提供的电力数据，并对所述电力数据进行清洗及 设置标签；其中，所述电力数据包括：电力***网架结构数据、设备 拓扑关系数据、电力***实时运行数据；
对清洗后的电力***实时运行数据进行解析及运算得到电力系 统解析运算数据，并根据电力***网架结构数据及设备拓扑关系数据 建立机电仿真模型；
根据大电网平台的直流***建立电磁仿真模型；
通过智能分网接口耦合所述机电仿真模型及所述电磁仿真模型 得到联合模型，并根据所述电力***解析运算数据对所述联合模型进 行参数设置；
通过所述联合模型进行仿真试验，得到仿真数据，并将仿真数据 进行校验，将校验成功的仿真数据进行故障预测及故障分析。
进一步地，所述将校验成功的仿真数据进行故障预测及故障分析 之后，还包括：
对具有故障风险的仿真结果进行可视化展示，并针对故障风险的 仿真结果中的风险类型和地理位置信息，构建故障恢复模型，实现针 对故障的迅速响应；
对稳态运行的仿真结果进行量化的可视化展示，并根据所述稳态 运行的仿真结果制定及优化当前大电网的运行方案，实现对大电网潮 流分布的实时跟随。
进一步地，所述对所述电力数据进行设置标签，具体地：
针对大电网不同网段节点和区域进行分类编号。
进一步地，所述根据电力***网架结构数据及设备拓扑关系数据 建立机电仿真模型，具体地：
根据电力***网架结构数据及设备拓扑关系数据设置发电机运 行参数、负荷参数、无功补偿参数及交流线路模型。
进一步地，所述根据所述电力***解析运算数据对所述联合模型 进行参数设置，具体地：
设定所述联合模型中的电磁仿真模型的电磁仿真步长为所述联 合模型中的机电仿真模型的机电仿真步长的整数倍。
进一步地，所述通过所述联合模型进行仿真试验，包括：
通过所述智能分网接口将所述机电仿真模型的接口母线的正序、 负序和零序电压作为所述电磁仿真模型的仿真初始值，得到仿真所述 电磁仿真模型的接口母线的正序、负序和零序注入电网的有功和无功 功率；
将所述电磁仿真模型的接口母线的正序、负序和零序注入电网的 有功和无功功率作为所述机电仿真模型的输入。
本发明第二方面提供一种储能暂态模型的机电-电磁混合故障预 测***，包括：
大电网数据输入模块，用于获取大电网平台提供的电力数据，并 对所述电力数据进行清洗及设置标签；其中，所述电力数据包括：电 力***网架结构数据、设备拓扑关系数据、电力***实时运行数据；
机电模型分析模块，用于对清洗后的电力***实时运行数据进行 解析及运算得到电力***解析运算数据，并根据电力***网架结构数 据及设备拓扑关系数据建立机电仿真模型；
含储能模型的电磁模型分析模块，用于根据大电网平台的直流系 统建立电磁仿真模型；
智能分网接口模块，用于通过智能分网接口耦合所述机电仿真模 型及所述电磁仿真模型得到联合模型，并根据所述电力***解析运算 数据对所述联合模型进行参数设置；
混合仿真综合分析模块，用于通过所述联合模型进行仿真试验， 得到仿真数据，并将仿真数据进行校验，将校验成功的仿真数据进行 故障预测及故障分析。
进一步地，所述的一种储能暂态模型的机电-电磁混合故障预测 ***，还包括：
故障预测模块，用于对具有故障风险的仿真结果进行可视化展示， 并针对故障风险的仿真结果中的风险类型和地理位置信息，构建故障 恢复模型，实现针对故障的迅速响应；
优化运行决策模块，用于对稳态运行的仿真结果进行量化的可视 化展示，并根据所述稳态运行的仿真结果制定及优化当前大电网的运 行方案，实现对大电网潮流分布的实时跟随。
进一步地，所述对所述电力数据进行设置标签，具体地：
针对大电网不同网段节点和区域进行分类编号。
进一步地，所述根据电力***网架结构数据及设备拓扑关系数据 建立机电仿真模型，具体地：
根据电力***网架结构数据及设备拓扑关系数据设置发电机运 行参数、负荷参数、无功补偿参数及交流线路模型。
进一步地，所述根据所述电力***解析运算数据对所述联合模型 进行参数设置，具体地：
设定所述联合模型中的电磁仿真模型的电磁仿真步长为所述联 合模型中的机电仿真模型的机电仿真步长的整数倍。
进一步地，所述通过所述联合模型进行仿真试验，包括：
通过所述智能分网接口将所述机电仿真模型的接口母线的正序、 负序和零序电压作为所述电磁仿真模型的仿真初始值，得到仿真所述 电磁仿真模型的接口母线的正序、负序和零序注入电网的有功和无功 功率；
将所述电磁仿真模型的接口母线的正序、负序和零序注入电网的 有功和无功功率作为所述机电仿真模型的输入。
与现有技术相比，本发明实施例的有益效果在于：
本发明提供一种储能暂态模型的机电-电磁混合故障预测方法及 ***，从大电网信息***获取电力***网架结构、设备拓扑关系、电 力***实时运行参数，形成机电模型，同时，建立设计精细的含有储 能模块的电磁模型，通过电磁-机电智能接口与机电模型耦合，实现 针对大电网运行情况的实时仿真，为电力***优化运行策略及故障预 测提供依据。本发明实现了基于储能模型的电磁侧仿真、引入实时电 网数据、混合仿真结果校验和故障预测等分析功能，相较于已有的混 合仿真的***，本方法充分考虑到：
(1)本发明提供的方法包括超级电容器、蓄电池和超导储能等 不同的类型的储能元件，考虑了不同类型储能的统一参数特性以及接 入大电网后带来的不同影响；
(2)混合仿真对于实时性和精确性的要求，通过CIM文件从 GIS***引入实时大电网的网架结构数据；
(3)混合仿真运算因传感器数据有误或数学模型计算偏差导致 仿真结果不正确的情况，针对混合仿真结果进行正确性校验；
(4)针对仿真的结果，利用故障分析数据库实现了对于大电网 发生故障风险的预测，为决策提供了有力支持。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需 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 本发明的一些实施方式，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他的附图。
图1是本发明某一实施例提供的一种储能暂态模型的机电-电磁 混合故障预测方法的流程图；
图2是本发明另一实施例提供的一种储能暂态模型的机电-电磁 混合故障预测方法的流程图；
图3是本发明又一实施例提供的一种储能暂态模型的机电-电磁 混合故障预测方法的流程图；
图4是本发明某一实施例提供的故障分析数据库示意图；
图5是本发明某一实施例提供的一种储能暂态模型的机电-电磁 混合故障预测***的装置图；
图6是本发明另一实施例提供的一种储能暂态模型的机电-电磁 混合故障预测***的装置图；
图7是本发明又一实施例提供的一种储能暂态模型的机电-电磁 混合故障预测***的装置图；
图8是本发明某一实施例提供的一种电子设备的结构图。
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 通技术人员在没有作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。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为 对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定 实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利 要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数 形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素 和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、 操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以 及所有可能组合，并且包括这些组合。
机电-电磁暂态混合仿真技术克服了纯机电暂态仿真与纯电磁暂 态仿真技术的固有缺陷，实现了两者的优势互补，能够对于大型电力 电子器件的局部网络进行精确仿真，又可以考虑其相连的交流电网的 暂态特性。该技术非常适合当前的具有大量新能源接入、高压直流输 电、微电网、高频电力电子设备和众多设备的庞大复杂电力***的实 时混合仿真。
常见储能***的结构均可以归结为三个部分：储能元件部分、变 流器部分(DC/DC、DC/AC)及控制***部分，储能元件不同，变流器 部分及控制***相似，体现在数学模型中可以归结为充放电时间、功 率限制及储能容量限制的参数不同，其数学模型可以统一。当前的储 能模型已经比较完善，能够体现储能响应时延、充放电速率限制、储 能容量限制及储能***发出无功功率限制等储能特性，该模型适用于 储能***接入电力***进行仿真计算。
当前混合仿真所使用的算例大多采用IEEE给定的标准算例或是 小范围内的参考数据，为人工制定的各种运行方式数据，基于预想运 行工况进行仿真，不能充分反映大电网的实际情况。现有的混合仿真 数据模型是对电力***的物理过程建立详细的数学模型，不具备与电 力监控***实时连接交互实时潮流数据的功能。而大电网实际上有海 量的运行设备资源在运行，所以当前使用算例并未能准确地描述局部 电网间、大区域和局部***的交互作用，也无法很好达到仿真对实时 性的要求，更无法为***故障的预测提供有效的数据支撑。
公共信息模型(CIM)是描述电力***元件的开放性标准。此标 准提供了一套面向对象的电力***公共信息的模型，由于模型的抽象 性，使得它与实现语言无关。CIM包括类，类之间的关系例如继承、 关联和聚集，以及类中的属性。以此为基础，这套模型可以描述电力 ***的物理设备类如断路器、变压器、补偿器等，也可以描述控制区 域等电力***管理类。因此，利用记录了配电网电气设备及其拓扑结 构关系CIM文件，可以将大电网的实时数据导入混合仿真***。
第一方面。
请参阅图1-2，本发明提供一种储能暂态模型的机电-电磁混合故 障预测方法，包括：
S10、获取大电网平台提供的电力数据，并对所述电力数据进行 清洗及设置标签。
其中，所述电力数据包括：电力***网架结构数据、设备拓扑关 系数据、电力***实时运行数据。
S20、对清洗后的电力***实时运行数据进行解析及运算得到电 力***解析运算数据，并根据电力***网架结构数据及设备拓扑关系 数据建立机电仿真模型。
在某一具体实施方式中，所述根据电力***网架结构数据及设备 拓扑关系数据建立机电仿真模型，具体地：
根据电力***网架结构数据及设备拓扑关系数据设置发电机运 行参数、负荷参数、无功补偿参数及交流线路模型。
S30、根据大电网平台的直流***建立电磁仿真模型。
S40、通过智能分网接口耦合所述机电仿真模型及所述电磁仿真 模型得到联合模型，并根据所述电力***解析运算数据对所述联合模 型进行参数设置。
在某一具体实施方式中，所述根据所述电力***解析运算数据对 所述联合模型进行参数设置，具体地：
设定所述联合模型中的电磁仿真模型的电磁仿真步长为所述联 合模型中的机电仿真模型的机电仿真步长的整数倍。
S50、通过所述联合模型进行仿真试验，得到仿真数据，并将仿 真数据进行校验，将校验成功的仿真数据进行故障预测及故障分析。
在某一具体实施方式中，所述通过所述联合模型进行仿真试验， 包括：
通过所述智能分网接口将所述机电仿真模型的接口母线的正序、 负序和零序电压作为所述电磁仿真模型的仿真初始值，得到仿真所述 电磁仿真模型的接口母线的正序、负序和零序注入电网的有功和无功 功率；
将所述电磁仿真模型的接口母线的正序、负序和零序注入电网的 有功和无功功率作为所述机电仿真模型的输入。
在某一具体实施方式中，所述步骤S50之后还包括：
S60、对具有故障风险的仿真结果进行可视化展示，并针对故障 风险的仿真结果中的风险类型和地理位置信息，构建故障恢复模型， 实现针对故障的迅速响应。
S70、对稳态运行的仿真结果进行量化的可视化展示，并根据所 述稳态运行的仿真结果制定及优化当前大电网的运行方案，实现对大 电网潮流分布的实时跟随。
本发明提供一种储能暂态模型的机电-电磁混合故障预测方法， 从大电网信息***获取电力***网架结构、设备拓扑关系、电力*** 实时运行参数，形成机电模型，同时，建立设计精细的含有储能模块 的电磁模型，通过电磁-机电智能接口与机电模型耦合，实现针对大 电网运行情况的实时仿真，实现了基于储能模型的电磁侧仿真、引入 实时电网数据、混合仿真结果校验和故障预测等分析功能，为电力系 统优化运行策略及故障预测提供依据。
在某一具体实施例中，请参阅图3，本发明提供一种储能暂态模 型的机电-电磁混合故障预测方法，包括：
步骤一，从大电网平台获取的电力***网架结构、设备拓扑关系、 电力***实时运行参数，对数据进行标签，为机电仿真模型的建立提 供依据；
步骤二，输入的数据进行进一步解析和运算，建立基于数据来源 区段的网架结构和元件拓扑关系，构建完整可靠的机电模型；
步骤三，构建含精细的储能模型的电磁仿真模型，反映大电网中， 特别是储能设备的电磁暂态过程；
步骤四，通过智能分网接口，将机电侧仿真模型和电磁侧仿真模 型进行耦合，为相互迭代进行混合仿真提供技术基础；
步骤五，进行机电电磁混合仿真，并对仿真得到的结果进行校验, 仿真结果正确将进入下一步的故障预测分析，仿真结果不正确则将错 误信息反馈回仿真运算模块进行分析和调整；
步骤六，进行故障预测分析，针对仿真结果预测发生故障的风险 大小，若无故障风险则将稳态运行的仿真结果送入步骤七进行优化运 行决策，若有故障风险则进入步骤八进行故障恢复决策；
步骤七，对稳态运行的仿真结果进行优化运行决策，制定、优化 当前大电网运行方案，实现具有高实时性、高效率的大电网运行状态；
步骤八，对具有故障风险的仿真结果进行故障恢复决策，针对风 险类型和地理位置等信息，快速构建故障恢复模型，实现针对故障的 迅速响应；
具体的：
所述步骤一，从大电网GIS***(地理信息***)导出网架结构 数据，并打包生成记录了配电网电气设备及其拓扑结构关系CIM文件， 通过解析CIM文件可以得到包含电源、负荷参数、支路基本参数以及 元件之间的拓扑关系，对数据进行标签；
数据标签：针对大电网不同网段节点和区域进行分类编号，在实 际使用时可通过标签查找快速选定分析区域；
表1：CIM文件部分重要参数表
所述步骤二，通过CIM文件解析结果进行进一步运算和分析，建 立机电仿真模型，包含发电机、负荷、无功补偿、交流线路等模型参 数；
所述步骤三，针对大电网直流***构建以储能模型为核心的电磁 仿真模型，常见储能模型主要包括储能元件、变流器(DC/DC、DC/AC) 和控制***三个部分，在数学模型中可用充放电时间、功率、容量限 制进行刻画。将储能装置的有功和无功功率转化为储能装置的注入电 流向量，分析过程中对一个储能模型设定其对大电网输出的有功和无 功功率分别为Pop和Qop,接入大电网处的母线电压为Ubus，而Ubus,real和 Ubus,imag分别表示电压的实部和虚部，注入该储能模型的电流为
和
分别代表其虚部和实部，则：
S＝Ubus·Iip * (1)
展开写为矩阵形式：
故可建立包含：有功输出、无功输出、功率-电流转换、以及能 量限制模块四部分在内的建立电磁仿真模型。在建立过程中，还要特 别考虑储能容量初值、储能容量限制以及无功功率的限制等约束条件， 建立精细的电磁模型；
所示步骤四，智能分网接口设置在含储能并网的交流母线处，将 机电侧仿真模型和电磁侧仿真模型进行同步，设定电磁仿真步长为机 电仿真步长的整数倍，如典型机电仿真步长为10ms，电磁仿真步长 为50us，机电步长为电磁步长的200倍，在交互时刻两侧***同时互 传数据给对侧，实现两侧模型的数据并行实时交互；
所述步骤五，进行机电电磁混合仿真，机电侧模型仿真后通过智 能接口向电磁侧模型输入机电侧接口母线的正序、负序和零序电压(用UBus,1、UBus,2、UBus,0表示)，作为电磁侧仿真初值、同时电磁侧 仿真完成得到的正序、负序和零序注入电网的有功和无功功率将作为 机电侧的输入(用Poutput,1、Qoutput,1、Poutput,2、Qoutput,2、Poutput,0、Qoutput,0表示)， 按照此往复迭代。借助CIM文件对仿真得到***潮流信息、电力*** 稳定区、电力***故障区等信息进行校验，如设定和大电网当前运行 状态相同的运行条件，进行混合仿真，与用实际数据混合仿真结果进 行比对，检验仿真结果是否超出安全裕度等。同时，对人为设定条件 下的仿真结果，输入到故障分析数据库(FAD)中作为案例保存。对 仿真结果正确将进入下一步的故障预测分析，仿真结果不正确则将错 误信息反馈回仿真运算模块，在假设故障情况下由调度、维护工作人 员分析原因，通过自动化软件进行调试；
所示步骤六，进行故障预测分析，人工设定与故障相同条件，运 行混合仿真，将结果录入到案例数据集并存入故障分析数据库(FAD)， 如图4，将实际混合仿真结果同FAD中的故障录波中的电气量进行比 对，判断是否发生故障，以及故障具体类型和情况。根据发生故障的 风险大小，分别进行优化决策和故障恢复决策。
所述步骤七，对稳态运行的仿真结果进行量化的可视化展示，同 时，重点针对运行状态的储能设备，通过改变区域储能设备的出力及 备用容量等参数，实现对大电网潮流分布的实时跟随，进而提高用能 效率；
所述步骤八，对具有故障风险的仿真结果进行量化的可视化展示, 同时，针对风险类型和地理位置等信息，快速构建故障恢复模型，通 过对大电网中在运行储能设备出力调整和备用储能设备分批调用，实 现针对故障的迅速响应；将损失最小化。
本方法实现了基于储能模型的电磁侧仿真、引入实时电网数据、 混合仿真结果校验和故障预测等分析功能。相较于已有的混合仿真的 ***，本方法充分考虑到：
1、包括超级电容器、蓄电池和超导储能等不同的类型的储能元 件，考虑了不同类型储能的统一参数特性以及接入大电网后带来的不 同影响；
2、混合仿真对于实时性和精确性的要求，通过CIM文件从GIS ***引入实时大电网的网架结构数据；
3、混合仿真运算因传感器数据有误或数学模型计算偏差导致仿 真结果不正确的情况，针对混合仿真结果进行正确性校验；
4、针对仿真的结果，利用故障分析数据库实现了对于大电网发 生故障风险的预测，为决策提供了有力支持。
第二方面。
请参阅图5-6，本发明提供一种储能暂态模型的机电-电磁混合故 障预测***，包括：
大电网数据输入模块10，用于获取大电网平台提供的电力数据， 并对所述电力数据进行清洗及设置标签。
其中，所述电力数据包括：电力***网架结构数据、设备拓扑关 系数据、电力***实时运行数据。
机电模型分析模块20，用于对清洗后的电力***实时运行数据 进行解析及运算得到电力***解析运算数据，并根据电力***网架结 构数据及设备拓扑关系数据建立机电仿真模型。
在某一具体实施方式中，所述根据电力***网架结构数据及设备 拓扑关系数据建立机电仿真模型，具体地：
根据电力***网架结构数据及设备拓扑关系数据设置发电机运 行参数、负荷参数、无功补偿参数及交流线路模型。
含储能模型的电磁模型分析模块30，用于根据大电网平台的直 流***建立电磁仿真模型。
智能分网接口模块40，用于通过智能分网接口耦合所述机电仿 真模型及所述电磁仿真模型得到联合模型，并根据所述电力***解析 运算数据对所述联合模型进行参数设置。
在某一具体实施方式中，所述根据所述电力***解析运算数据对 所述联合模型进行参数设置，具体地：
设定所述联合模型中的电磁仿真模型的电磁仿真步长为所述联 合模型中的机电仿真模型的机电仿真步长的整数倍。
混合仿真综合分析模块50，用于通过所述联合模型进行仿真试 验，得到仿真数据，并将仿真数据进行校验，将校验成功的仿真数据 进行故障预测及故障分析。
在某一具体实施方式中，所述通过所述联合模型进行仿真试验， 包括：
通过所述智能分网接口将所述机电仿真模型的接口母线的正序、 负序和零序电压作为所述电磁仿真模型的仿真初始值，得到仿真所述 电磁仿真模型的接口母线的正序、负序和零序注入电网的有功和无功 功率；
将所述电磁仿真模型的接口母线的正序、负序和零序注入电网的 有功和无功功率作为所述机电仿真模型的输入。
在某一具体实施方式中，还包括：
故障预测模块60，用于对具有故障风险的仿真结果进行可视化 展示，并针对故障风险的仿真结果中的风险类型和地理位置信息，构 建故障恢复模型，实现针对故障的迅速响应。
优化运行决策模块70，用于对稳态运行的仿真结果进行量化的 可视化展示，并根据所述稳态运行的仿真结果制定及优化当前大电网 的运行方案，实现对大电网潮流分布的实时跟随。、
本发明提供一种储能暂态模型的机电-电磁混合故障预测***， 从大电网信息***获取电力***网架结构、设备拓扑关系、电力*** 实时运行参数，形成机电模型，同时，建立设计精细的含有储能模块 的电磁模型，通过电磁-机电智能接口与机电模型耦合，实现针对大 电网运行情况的实时仿真，实现了基于储能模型的电磁侧仿真、引入 实时电网数据、混合仿真结果校验和故障预测等分析功能，为电力系 统优化运行策略及故障预测提供依据。
在某一具体实施例中，请参阅图7，本发明提供一种储能暂态模 型的机电-电磁混合故障预测***，包括：
(1)大电网输入模块
(2)含储能模型的电磁模型分析模块
(3)智能分网接口
(4)混合仿真综合分析模块
(5)综合决策模块
所述(1)大电网输入结构，包括：11大电网数据输入模块、12 机电模型分析模块。
所述(4)混合仿真综合分析模块结构，包括：41混合仿真模块、 42仿真结果校验模块。
所述(5)综合决策模块结构，包括：51故障预测决策模块、52 优化运行决策模块。
所述(1)大电网输入模块，主要为从大电网平台获取的电力系 统网架结构、设备拓扑关系、电力***实时运行参数，为机电仿真模 型的建立提供依据，包括：11大电网数据输入模块，获取大电网平 台获取的实时运行参数，对数据进行标签和清洗，为建立机电模型提 供计算基础；12机电模型分析模块，对输入的数据进行进一步解析 和运算，建立基于数据来源区段的网架结构和元件拓扑关系，构建完 整可靠的机电模型。
所述(2)含储能模型的电磁模型分析模块，主要为含精细的储 能模型的电磁仿真模型。
所述(3)智能分网接口结构，主要为将(1)大电网输入模块与 (2)机电侧模型耦合，为混合潮流计算提供统一接口。
所述(4)混合仿真综合分析模块结构，主要为机电-电磁混合仿 真和仿真结果校验功能，包括：41混合仿真模块，通过(3)智能分 网接口对(1)大电网输入模块与(2)机电侧模型进行迭代混合仿真， 并输出仿真结果；42仿真结果校验模块，将41仿真得到真实结果与 认为设定相同条件的下的仿真结果进行比对，判断实际仿真结果正确 性。
所述(5)综合决策模块结构，主要为将(4)混合仿真综合分析 模块得到的仿真结果进行显示，同时针对不同情况制定不同优化或故 障恢复策略，包括：51故障预测模块，主要是把41混合仿真模块 的结果输入本模块，与故障预测数据库案例进行比对，预测发生故障 的风险；52优化运行决策模块，主要是针对51故障预测模块比对后 判断大电网为稳态运行的情况，针对结果对大电网优化策略进行调整；
相较于已有的混合仿真***，本发明提供的一种储能暂态模型的 机电-电磁混合仿真***具有以下优点：
1、电磁侧模型建立了精细的储能设备模型，将不同类型储能设 备在不同条件下的运行特性刻画为统一参数的不同取值，既加快了仿 真运算的速度，又能够充分反应不同储能设备对大电网的影响。
2、通过CIM文件将GIS的网架结构等数据打包发送至机电侧， 并建立机电模型，实现了基于实时数据的混合仿真，满足了实时性和 精确性的要求；
3、针对混合仿真结果，人为设定相同条件进行仿真，与实际仿 真结果进行比对，实现了对混合仿真结果的有效校验；
4、建立了故障分析数据库，实现了针对仿真结果的故障风险预 测，为优惠决策和故障恢复决策提供了有力依据。
第三方面。
本发明提供了一种电子设备，该电子设备包括：
处理器、存储器和总线；
所述总线，用于连接所述处理器和所述存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，可执行指令使处理器 执行如本申请的第一方面所示的一种储能暂态模型的机电-电磁混合 故障预测方法对应的操作。
在一个可选实施例中提供了一种电子设备，如图8所示，图8所 示的电子设备5000包括：处理器5001和存储器5003。其中，处理 器5001和存储器5003相连，如通过总线5002相连。可选地，电子 设备5000还可以包括收发器5004。需要说明的是，实际应用中收发 器5004不限于一个，该电子设备5000的结构并不构成对本申请实施 例的限定。
处理器5001可以是CPU，通用处理器，DSP，ASIC，FPGA或 者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。 其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑 方框，模块和电路。处理器5001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线5002可包括一通路，在上述组件之间传送信息。总线5002 可以是PCI总线或EISA总线等。总线5002可以分为地址总线、数 据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并 不表示仅有一根总线或一种类型的总线。
存储器5003可以是ROM或可存储静态信息和指令的其他类型 的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存 储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包 括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数 据结构形式的期望的程序代码并能够由计算机存取的任何其他介质， 但不限于此。
存储器5003用于存储执行本申请方案的应用程序代码，并由处 理器5001来控制执行。处理器5001用于执行存储器5003中存储的 应用程序代码，以实现前述任一方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广 播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒 体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数 字TV、台式计算机等等的固定终端。
第四方面。
本发明提供了一种计算机可读存储介质，计算机可读存储介质 上存储有计算机程序，该程序被处理器执行时实现本申请第一方面 所示的一种储能暂态模型的机电-电磁混合故障预测方法。
本申请的又一实施例提供了一种计算机可读存储介质，该计算机 可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计 算机可以执行前述方法实施例中相应内容。
Claims (12)
1.一种储能暂态模型的机电-电磁混合故障预测方法，其特征在于，包括：
获取大电网平台提供的电力数据，并对所述电力数据进行清洗及设置标签；其中，所述电力数据包括：电力***网架结构数据、设备拓扑关系数据、电力***实时运行数据；
对清洗后的电力***实时运行数据进行解析及运算得到电力***解析运算数据，并根据电力***网架结构数据及设备拓扑关系数据建立机电仿真模型；
根据大电网平台的直流***建立电磁仿真模型；
通过智能分网接口耦合所述机电仿真模型及所述电磁仿真模型得到联合模型，并根据所述电力***解析运算数据对所述联合模型进行参数设置；
通过所述联合模型进行仿真试验，得到仿真数据，并将仿真数据进行校验，将校验成功的仿真数据进行故障预测及故障分析。
2.如权利要求1所述的一种储能暂态模型的机电-电磁混合故障预测方法，其特征在于，所述将校验成功的仿真数据进行故障预测及故障分析之后，还包括：
对具有故障风险的仿真结果进行可视化展示，并针对故障风险的仿真结果中的风险类型和地理位置信息，构建故障恢复模型，实现针对故障的迅速响应；
对稳态运行的仿真结果进行量化的可视化展示，并根据所述稳态运行的仿真结果制定及优化当前大电网的运行方案，实现对大电网潮流分布的实时跟随。
3.如权利要求1所述的一种储能暂态模型的机电-电磁混合故障预测方法，其特征在于，所述对所述电力数据进行设置标签，具体地：
针对大电网不同网段节点和区域进行分类编号。
4.如权利要求1所述的一种储能暂态模型的机电-电磁混合故障预测方法，其特征在于，所述根据电力***网架结构数据及设备拓扑关系数据建立机电仿真模型，具体地：
根据电力***网架结构数据及设备拓扑关系数据设置发电机运行参数、负荷参数、无功补偿参数及交流线路模型。
5.如权利要求1所述的一种储能暂态模型的机电-电磁混合故障预测方法，其特征在于，所述根据所述电力***解析运算数据对所述联合模型进行参数设置，具体地：
设定所述联合模型中的电磁仿真模型的电磁仿真步长为所述联合模型中的机电仿真模型的机电仿真步长的整数倍。
6.如权利要求1所述的一种储能暂态模型的机电-电磁混合故障预测方法，其特征在于，所述通过所述联合模型进行仿真试验，包括：
通过所述智能分网接口将所述机电仿真模型的接口母线的正序、负序和零序电压作为所述电磁仿真模型的仿真初始值，得到仿真所述电磁仿真模型的接口母线的正序、负序和零序注入电网的有功和无功功率；
将所述电磁仿真模型的接口母线的正序、负序和零序注入电网的有功和无功功率作为所述机电仿真模型的输入。
7.一种储能暂态模型的机电-电磁混合故障预测***，其特征在于，包括：
大电网数据输入模块，用于获取大电网平台提供的电力数据，并对所述电力数据进行清洗及设置标签；其中，所述电力数据包括：电力***网架结构数据、设备拓扑关系数据、电力***实时运行数据；
机电模型分析模块，用于对清洗后的电力***实时运行数据进行解析及运算得到电力***解析运算数据，并根据电力***网架结构数据及设备拓扑关系数据建立机电仿真模型；
含储能模型的电磁模型分析模块，用于根据大电网平台的直流***建立电磁仿真模型；
智能分网接口模块，用于通过智能分网接口耦合所述机电仿真模型及所述电磁仿真模型得到联合模型，并根据所述电力***解析运算数据对所述联合模型进行参数设置；
混合仿真综合分析模块，用于通过所述联合模型进行仿真试验，得到仿真数据，并将仿真数据进行校验，将校验成功的仿真数据进行故障预测及故障分析。
8.如权利要求7所述的一种储能暂态模型的机电-电磁混合故障预测***，其特征在于，还包括：
故障预测模块，用于对具有故障风险的仿真结果进行可视化展示，并针对故障风险的仿真结果中的风险类型和地理位置信息，构建故障恢复模型，实现针对故障的迅速响应；
优化运行决策模块，用于对稳态运行的仿真结果进行量化的可视化展示，并根据所述稳态运行的仿真结果制定及优化当前大电网的运行方案，实现对大电网潮流分布的实时跟随。
9.如权利要求7所述的一种储能暂态模型的机电-电磁混合故障预测***，其特征在于，所述对所述电力数据进行设置标签，具体地：
针对大电网不同网段节点和区域进行分类编号。
10.如权利要求7所述的一种储能暂态模型的机电-电磁混合故障预测***，其特征在于，所述根据电力***网架结构数据及设备拓扑关系数据建立机电仿真模型，具体地：
根据电力***网架结构数据及设备拓扑关系数据设置发电机运行参数、负荷参数、无功补偿参数及交流线路模型。
11.如权利要求7所述的一种储能暂态模型的机电-电磁混合故障预测***，其特征在于，所述根据所述电力***解析运算数据对所述联合模型进行参数设置，具体地：
设定所述联合模型中的电磁仿真模型的电磁仿真步长为所述联合模型中的机电仿真模型的机电仿真步长的整数倍。
12.如权利要求7所述的一种储能暂态模型的机电-电磁混合故障预测***，其特征在于，所述通过所述联合模型进行仿真试验，包括：
通过所述智能分网接口将所述机电仿真模型的接口母线的正序、负序和零序电压作为所述电磁仿真模型的仿真初始值，得到仿真所述电磁仿真模型的接口母线的正序、负序和零序注入电网的有功和无功功率；
将所述电磁仿真模型的接口母线的正序、负序和零序注入电网的有功和无功功率作为所述机电仿真模型的输入。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110707614.3A CN113609638A (zh) | 2021-06-24 | 2021-06-24 | 一种储能暂态模型的机电-电磁混合故障预测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110707614.3A CN113609638A (zh) | 2021-06-24 | 2021-06-24 | 一种储能暂态模型的机电-电磁混合故障预测方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113609638A true CN113609638A (zh) | 2021-11-05 |
Family
ID=78336781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110707614.3A Pending CN113609638A (zh) | 2021-06-24 | 2021-06-24 | 一种储能暂态模型的机电-电磁混合故障预测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113609638A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102916450A (zh) * | 2012-09-28 | 2013-02-06 | 南方电网科学研究院有限责任公司 | 一种三相不对称交直流电力***的混合实时仿真方法 |
| CN103499753A (zh) * | 2013-09-24 | 2014-01-08 | 国家电网公司 | 快速识别高压直流输电***暂态故障的智能*** |
| CN104866665A (zh) * | 2015-05-19 | 2015-08-26 | 清华大学 | 基于接口等值与交互的含电力电子设备的混合仿真方法 |
| CN106651128A (zh) * | 2016-11-16 | 2017-05-10 | 国家电网公司 | 一种输变电***风险预警方法 |
| CN110879543A (zh) * | 2019-12-31 | 2020-03-13 | 清华四川能源互联网研究院 | 一种电力***的实时混合仿真平台 |
-
2021
- 2021-06-24 CN CN202110707614.3A patent/CN113609638A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102916450A (zh) * | 2012-09-28 | 2013-02-06 | 南方电网科学研究院有限责任公司 | 一种三相不对称交直流电力***的混合实时仿真方法 |
| CN103499753A (zh) * | 2013-09-24 | 2014-01-08 | 国家电网公司 | 快速识别高压直流输电***暂态故障的智能*** |
| CN104866665A (zh) * | 2015-05-19 | 2015-08-26 | 清华大学 | 基于接口等值与交互的含电力电子设备的混合仿真方法 |
| CN106651128A (zh) * | 2016-11-16 | 2017-05-10 | 国家电网公司 | 一种输变电***风险预警方法 |
| CN110879543A (zh) * | 2019-12-31 | 2020-03-13 | 清华四川能源互联网研究院 | 一种电力***的实时混合仿真平台 |
Non-Patent Citations (2)
| Title |
|---|
| 孙培栋 等: "基于扩展等面积定则的储能电站提高电网暂态稳定最优工作时间的研究", 电工技术学报, vol. 19, no. 35, 12 August 2020 (2020-08-12), pages 3996 - 4008 * |
| 荆澜涛 等: "特高压交直流***的稳定控制仿真研究", 辽宁师专学报, vol. 20, no. 1, 31 March 2018 (2018-03-31), pages 62 - 65 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Milano et al. | Dynamic REI equivalents for short circuit and transient stability analyses | |
| US20160139212A1 (en) | Methods and systems for power restoration planning employing simulation and transient test analysis | |
| US20160048150A1 (en) | Method and apparatus for optimal power flow with voltage stability for large-scale electric power systems | |
| Mohseni‐Bonab et al. | Transmission and distribution co‐simulation: a review and propositions | |
| WO2020081526A1 (en) | Power electronics converter based reconfigurable grid emulation platform | |
| CN110457732B (zh) | 交直流电力***的混合仿真方法、装置及存储介质 | |
| CN109918762B (zh) | 一种交直流电网混合仿真对比模型构建方法 | |
| Pecenak et al. | Inversion reduction method for real and complex distribution feeder models | |
| Xiong et al. | Real-time FPGA-digital twin monitoring and diagnostics for PET applications | |
| CN113203909B (zh) | 风电场连续故障穿越测试方法、***、计算机设备和介质 | |
| Kolster et al. | Providing distributed flexibility for curative transmission system operation using a scalable robust optimization approach | |
| Huang et al. | Effect of accurate modelling of converter interfaced generation on a practical bulk power system | |
| Yang | Three‐phase power flow calculations by direct ZLOOP method for microgrids with electric vehicle charging demands | |
| Akhavein et al. | Review of reduction techniques in the determination of composite system adequacy equivalents | |
| Balasubramaniam et al. | Co-simulation of transmission and distribution systems—from modeling to software development | |
| CN113609638A (zh) | 一种储能暂态模型的机电-电磁混合故障预测方法及*** | |
| Austria et al. | Integrated approach to transfer limit calculations | |
| CN115954956A (zh) | 一种配电网分布式电源接入容量评估方法及*** | |
| Velaga et al. | Advancements in co‐simulation techniques in combined transmission and distribution systems analysis | |
| CN114784800A (zh) | 一种配电网谐振稳定性分析方法及*** | |
| Nighot | Incorporating substation and switching station related outages in composite system reliability evaluation | |
| Chen et al. | Modelling and simulation of AC–DC hybrid distribution network based on flexible DC interconnection | |
| Yang et al. | Coordinated restoration of inverter‐based power sources and synchronous generators for the high renewable penetrated power system considering the dynamic frequency regulation capability | |
| de Toledo Silva et al. | Faster-than-Real-Time Simulation of a Large Brazilian AC/DC Grid to Analyze Electromagnetic & Electromechanical Transients as Well as Commutation Failures | |
| CN113887005B (zh) | 一种交直流电力***仿真建模方法、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 |