CN116167514A - 一种输电导线的电能传输容量的预测方法和*** - Google Patents
一种输电导线的电能传输容量的预测方法和*** Download PDFInfo
- Publication number
- CN116167514A CN116167514A CN202310108856.XA CN202310108856A CN116167514A CN 116167514 A CN116167514 A CN 116167514A CN 202310108856 A CN202310108856 A CN 202310108856A CN 116167514 A CN116167514 A CN 116167514A
- Authority
- CN
- China
- Prior art keywords
- data
- historical
- weather
- capacity
- line
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 239000004020 conductor Substances 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 5
- 238000013139 quantization Methods 0.000 claims 2
- 230000007774 longterm Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002699 waste material Substances 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
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种输电导线的电能传输容量的预测方法和***,包括:获取天气预报数据;天气预报数据为预测的未来3‑24小时的天气数据;对天气预报数据进行预处理,得到预处理后的天气预报数据;从已存在的DLR***中获取历史数据;历史数据包括历史天气数据和对应的历史线路动态容量数据;将预处理后的天气预报数据与历史天气数据匹配,得到多个与预处理后的天气预报数据相匹配的历史天气数据;并获取匹配历史天气数据的历史线路动态容量数据;基于天气预报数据、相匹配的历史天气数据和相匹配的历史天气数据对应的历史线路动态容量数据,得到线路容量预测值;以基于天气及动态增容历史数据的输电导线传输容量对未来的输电导线传输容量进行远期预报。
Description
技术领域
本发明涉及输配电传输容量技术领域,具体而言,涉及一种输电导线的电能传输容量的预测方法和***。
背景技术
电力传输线的最大连续传输容量很多情况下取决于线路导线的温升限值。为了防止导线因为过热而造成不可逆转的损害,并且保持安全的弧垂高度,导线的运行温度和对应的运行时间被限制在一定的设计范围内。导线的传输容量可以通过导线的热平衡方程计算而得,即通流产生的焦耳热和太阳的照射使导线加热,空气对流和导线自身的热辐射则使导线放热。电力生产中为了运行方便,对每条线路都会根据导线温度限值计算出一个固定传输容量阈值,也称静态传输容量。出于安全考虑,计算的多数静态传输容量的数值偏低,在较少的情况下其值可能高于实际传输能力。这种偏离会对电力生产造成不同程度的负面影响。限值低于实际能力时会造成不必要的线路拥堵,降低线路的使用效率,造成浪费;反之,则将线路置于过负荷工作的风险之中,可能造成对线路的物理损害,以及连带的对***运行安全的威胁。解决该问题的一种有效技术路径是对导线的实际通流能力进行实时的监测和计算,即,“线路动态容量”(DLR)。DLR技术使用不同种类的传感器对导线本身和周围的环境参数进行实时测量,并依据一定的算法计算导线的动态容量。DLR技术可以获得比静态增容技术更接近线路真实传输容量的参考限值,使输电导线可以在安全范围内,传输更多的电能,提高输电导线的利用率和传输能力,一定程度上减少输电线路阻塞,从而增加经济运营效益、降低电价。但是作为实时预测,DLR仅在短时间内有效。
有鉴于此,本发明提出了一种输电导线的电能传输容量的预测方法和***,以基于天气及动态增容历史数据的输电导线传输容量对未来的输电导线传输容量进行远期预报。
发明内容
本发明的目的在于提供一种输电导线的电能传输容量的预测方法,包括:获取天气预报数据;所述天气预报数据为预测的未来3-24小时的天气数据;对所述天气预报数据进行预处理,得到预处理后的天气预报数据;从已存在的DLR***中获取历史数据;所述历史数据包括历史天气数据和对应的历史线路动态容量数据(DLR);将所述预处理后的天气预报数据与所述历史天气数据匹配,得到多个与所述预处理后的天气预报数据相匹配的历史天气数据;并获取所述匹配历史天气数据的历史线路动态容量数据;基于天气预报数据、相匹配的历史天气数据和相匹配的历史天气数据对应的历史线路动态容量数据,得到线路容量预测值(LRF)。
进一步的,所述天气数据包括输电导线处的环境温度、日照强度、风速、风向、天空覆盖百分比、降水强度和天气状态。
进一步的,所述预处理为对所述天气预报数据进行校正及量化处理。
进一步的,所述基于天气预报数据、相匹配的历史天气数据和相匹配的历史天气数据对应的历史线路动态容量数据,得到线路容量预测值,包括:对已存在的DLR***中的相匹配的历史天气数据、相匹配的历史天气数据对应的历史线路动态容量数据和天气预报数据进行数据统计或机器学习处理,得到所述线路容量预测值。
进一步的,还包括:将所述预处理后的天气预报数据和对应的所述线路容量预测值进行存储;将所述天气预报数据和相匹配的历史天气数据以及所述线路容量预测值和相匹配的历史天气数据对应的历史线路动态容量数据可视化处理后形成参照表输出。
本发明的目的在于提供一种输电导线的电能传输容量的预测***,包括天气预报数据获取模块、预处理模块、历史数据获取模块、匹配模块和线路容量预测值计算模块;所述天气预报数据获取模块用于获取天气预报数据;所述天气预报数据为预测的未来3-24小时的天气数据;所述预处理模块用于对所述天气预报数据进行预处理,得到预处理后的天气预报数据;所述历史数据获取模块用于从已存在的DLR***中获取历史数据;所述历史数据包括历史天气数据和对应的历史线路动态容量数据;所述匹配模块用于将所述预处理后的天气预报数据与所述历史天气数据匹配,得到多个与所述预处理后的天气预报数据相匹配的历史天气数据;并获取所述匹配历史天气数据的历史线路动态容量数据;所述线路容量预测值计算模块用于基于天气预报数据、相匹配的历史天气数据和相匹配的历史天气数据对应的历史线路动态容量数据,得到线路容量预测值。
进一步的,所述天气数据包括输电导线处的环境温度、日照强度、风速、风向、天空覆盖百分比、降水强度和天气状态。
进一步的,所述预处理为对所述天气预报数据进行校正及量化处理。
进一步的,所述线路容量预测值计算模块得到线路容量预测值,包括:不需要建立物理模型,直接基于已存在的DLR***中的相匹配的历史天气数据、相匹配的历史天气数据对应的历史线路动态容量数据和天气预报数据进行数据统计或机器学习处理,得到所述线路容量预测值。
进一步的,还包括传输显示模块;所述传输显示模块用于将所述预处理后的天气预报数据和对应的所述线路容量预测值进行存储;将所述天气预报数据和相匹配的历史天气数据以及所述线路容量预测值和相匹配的历史天气数据对应的历史线路动态容量数据可视化处理后形成参照表输出。
本发明实施例的技术方案至少具有如下优点和有益效果:
本发明提出的输电导线的电能传输容量的预测方法和***基于天气预报数据以及DLR***的历史数据,保证长期(如,3-24h)预报的条件下增加动态增容技术的实用性。
本发明提出的输电导线的电能传输容量的预测方法和***通过直接将DLR***的历史数据作为参考,使得数据获取便捷,计算得到的LRF值更加可靠准确。
本发明提出的输电导线的电能传输容量的预测方法和***,计算LRF值时无需建立物理模型,可以作为软件应用程序无缝集成到任何DLR***中,并扩展其功能。
本发明中提出的LRF技术优势在于如果线路积累了足够的历史DLR数据,则所提出的LRF方法最终可以独立于DLR的物理设备。因此,即使在移除DLR设备后,应用程序仍能够基于已积累的数据对线路最高容量持续进行预报。
附图说明
图1为本发明一些实施例提供的一种输电导线的电能传输容量的预测方法的示例性流程图;
图2为本发明一些实施例提供的一种输电导线的电能传输容量的预测***的示例性模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
图1为本发明一些实施例提供的一种输电导线的电能传输容量的预测方法的示例性流程图。在一些实施例中,流程100可以由***200执行。
如图1所示,流程100包括以下内容:
步骤110,获取天气预报数据;所述天气预报数据为预测的未来3-24小时的天气数据。在一些实施例中,步骤110可以由天气预报数据获取模块210执行。
天气预报数据可以是指输电导线处的天气数据。在一些实施例中,所述天气数据包括输电导线处的环境温度、日照强度、风速、风向、天空覆盖百分比、降水强度和天气状态等中的一种或多种。在一些实施例中,可以通过提取公共天气数据库(如,中国天气网、中国气象局或当地气象数据服务等)中在输电导线所在地点处的天气数据,以为后续匹配和LRF计算提供数据支撑。
步骤120,对所述天气预报数据进行预处理,得到预处理后的天气预报数据。在一些实施例中,步骤120可以由预处理模块220执行。
在一些实施例中,预处理为对天气预报数据进行校正及量化处理,包括根据输电导线处的实际地理情况对天气预报数据进行相应的折算和/或将天气预报数据通过匹配的数据统计方法进行量化处理等。例如,将天气数据库提供的某些特定高度(如,地面或离地面10米)风数据校正到与输电导线相同的高度。又例如,将风向转换为数值。处理后得到的预处理天气数据可直接输入主程序进行天气匹配和LRF计算。
步骤130,从已存在的DLR***中获取历史数据;所述历史数据包括历史天气数据和对应的历史线路动态容量数据。在一些实施例中,步骤130可以由历史数据获取模块230执行。
在一些实施例中,可以从DLR***已积累的数据集中获取历史数据。其中,DLR数据可以包括DLR值。多个历史天气数据和对应的DLR数据可以由电路***运行DLR***得到。
步骤140,将所述预处理后的天气预报数据与所述历史天气数据匹配,得到多个与所述预处理后的天气预报数据相匹配的历史天气数据;并获取所述匹配历史天气数据的历史线路动态容量数据。在一些实施例中,步骤140可以由匹配模块240执行。
相匹配的历史天气数据可以是指与预处理后的天气数据相同或近似的历史天气数据,该历史天气数据对应的DLR值即被认为是相匹配的历史天气数据对应的历史线路动态容量数据。在一些实施例中,可以将预处理后的天气数据与历史天气数据进行比较,选择与该预处理天气数据相同和/或近似的历史天气数据和历史线路动态容量数据。
步骤150,基于天气预报数据、相匹配的历史天气数据和相匹配的历史天气数据对应的历史线路动态容量数据,得到线路容量预测值。在一些实施例中,步骤150可以由线路容量预测值计算模块250执行。
在一些实施例中,可以对已存在的DLR***中的相匹配的历史天气数据、相匹配的历史天气数据对应的历史线路动态容量数据和天气预报数据进行数据统计或机器学***均,得到与预处理后的天气预报数据相对应的DLR值,然后对该DLR值进行数据统计或机器学习等方法进行处理,得到LRF结果。
在一些实施例中,流程100还可以包括步骤160,将所述预处理后的天气预报数据和对应的所述线路容量预测值进行存储;以作为未来预报时的数据参数,在脱离DLR***后仍能将天气预报数据与数据库中的每个历史天气记录进行比较获得准确的LRF数据。将所述天气预报数据和相匹配的历史天气数据以及所述线路容量预测值和相匹配的历史天气数据对应的历史线路动态容量数据可视化处理后形成参照表输出;数据可视化便于用户直观获取信息,进行下一步的分析与判断;并输出预处理天气数据和匹配历史天气数据的对比参照表和所述线路容量预测值,以图形和数据表格格式显示,使用户便于分析对照数据。对输电导线的传输容量的参考限值预报提供辅助决策。在一些实施例中,步骤160可以由传输显示模块260执行。
图2为本发明一些实施例提供的一种输电导线的电能传输容量的预测***的示例性模块图。如图2所示,***200包括天气预报数据获取模块210、预处理模块220、历史数据获取模块230、匹配模块240和线路容量预测值计算模块250。
天气预报数据获取模块210用于用于获取天气预报数据;所述天气预报数据为预测的未来3-24小时的天气数据。关于天气预报数据获取模块210的更多内容,参见图1及其相关描述。
预处理模块220用于对所述天气预报数据进行预处理,得到预处理后的天气预报数据。关于预处理模块220的更多内容,参见图1及其相关描述。
历史数据获取模块230用于从已存在的DLR***中获取历史数据;所述历史数据包括历史天气数据和对应的历史线路动态容量数据。关于历史数据获取模块230的更多内容,参见图1及其相关描述。
匹配模块240用于将所述预处理后的天气预报数据与所述历史天气数据匹配,得到多个与所述预处理后的天气预报数据相匹配的历史天气数据;并获取所述匹配历史天气数据的历史线路动态容量数据。关于匹配模块240的更多内容,参见图1及其相关描述。
线路容量预测值计算模块250用于基于天气预报数据、相匹配的历史天气数据和相匹配的历史天气数据对应的历史线路动态容量数据,得到线路容量预测值。关于线路容量预测值计算模块250的更多内容,参见图1及其相关描述。
在一些实施例中,***200还可以包括传输显示模块260;传输模块260用于将所述预处理后的天气预报数据和对应的所述线路容量预测值进行存储;将所述天气预报数据和相匹配的历史天气数据以及所述线路容量预测值和相匹配的历史天气数据对应的历史线路动态容量数据可视化处理后形成参照表输出。关于传输模块260的更多内容,参见图1及其相关描述。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种输电导线的电能传输容量的预测方法,其特征在于,包括:
获取天气预报数据;所述天气预报数据为预测的未来3-24小时的天气数据;
对所述天气预报数据进行预处理,得到预处理后的天气预报数据;从已存在的DLR***中获取历史数据;所述历史数据包括历史天气数据和对应的历史线路动态容量数据;
将所述预处理后的天气预报数据与所述历史天气数据匹配,得到多个与所述预处理后的天气预报数据相匹配的历史天气数据;并获取所述匹配历史天气数据的历史线路动态容量数据;
基于天气预报数据、相匹配的历史天气数据和相匹配的历史天气数据对应的历史线路动态容量数据,得到线路容量预测值。
2.根据权利要求1所述的输电导线的电能传输容量的预测方法,其特征在于,所述天气数据包括输电导线处的环境温度、日照强度、风速、风向、天空覆盖百分比、降水强度和天气状态。
3.根据权利要求1所述的输电导线的电能传输容量的预测方法,其特征在于,所述预处理为对所述天气预报数据进行校正及量化处理。
4.根据权利要求1所述的输电导线的电能传输容量的预测方法,其特征在于,所述基于天气预报数据、相匹配的历史天气数据和相匹配的历史天气数据对应的历史线路动态容量数据,得到线路容量预测值,包括:
对已存在的DLR***中的相匹配的历史天气数据、相匹配的历史天气数据对应的历史线路动态容量数据和天气预报数据进行数据统计或机器学习处理,得到所述线路容量预测值。
5.根据权利要求1所述的输电导线的电能传输容量的预测方法,其特征在于,还包括:
将所述预处理后的天气预报数据和对应的所述线路容量预测值进行存储;
将所述天气预报数据和相匹配的历史天气数据以及所述线路容量预测值和相匹配的历史天气数据对应的历史线路动态容量数据可视化处理后形成参照表输出。
6.一种输电导线的电能传输容量的预测***,其特征在于,包括天气预报数据获取模块、预处理模块、历史数据获取模块、匹配模块和线路容量预测值计算模块;
所述天气预报数据获取模块用于获取天气预报数据;所述天气预报数据为预测的未来3-24小时的天气数据;
所述预处理模块用于对所述天气预报数据进行预处理,得到预处理后的天气预报数据;
所述历史数据获取模块用于从已存在的DLR***中获取历史数据;
所述历史数据包括历史天气数据和对应的历史线路动态容量数据;所述匹配模块用于将所述预处理后的天气预报数据与所述历史天气数据匹配,得到多个与所述预处理后的天气预报数据相匹配的历史天气数据;并获取所述匹配历史天气数据的历史线路动态容量数据;
所述线路容量预测值计算模块用于基于天气预报数据、相匹配的历史天气数据和相匹配的历史天气数据对应的历史线路动态容量数据,得到线路容量预测值。
7.根据权利要求6所述的输电导线的电能传输容量的预测***,其特征在于,所述天气数据包括输电导线处的环境温度、日照强度、风速、风向、天空覆盖百分比、降水强度和天气状态。
8.根据权利要求6所述的输电导线的电能传输容量的预测***,其特征在于,所述预处理为对所述天气预报数据进行校正及量化处理。
9.根据权利要求6所述的输电导线的电能传输容量的预测***,其特征在于,所述线路容量预测值计算模块得到线路容量预测值,包括:
不需要建立物理模型,直接基于已存在的DLR***中的相匹配的历史天气数据、相匹配的历史天气数据对应的历史线路动态容量数据和天气预报数据进行数据统计或机器学习处理,得到所述线路容量预测值。
10.根据权利要求6所述的输电导线的电能传输容量的预测***,其特征在于,还包括传输显示模块;所述传输显示模块用于将所述预处理后的天气预报数据和对应的所述线路容量预测值进行存储;将所述天气预报数据和相匹配的历史天气数据以及所述线路容量预测值和相匹配的历史天气数据对应的历史线路动态容量数据可视化处理后形成参照表输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310108856.XA CN116167514A (zh) | 2023-02-08 | 2023-02-08 | 一种输电导线的电能传输容量的预测方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310108856.XA CN116167514A (zh) | 2023-02-08 | 2023-02-08 | 一种输电导线的电能传输容量的预测方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116167514A true CN116167514A (zh) | 2023-05-26 |
Family
ID=86421491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310108856.XA Pending CN116167514A (zh) | 2023-02-08 | 2023-02-08 | 一种输电导线的电能传输容量的预测方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116167514A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116896167A (zh) * | 2023-09-11 | 2023-10-17 | 山东和兑智能科技有限公司 | 一种基于人工智能的输电线路动态增容监测及预警方法 |
-
2023
- 2023-02-08 CN CN202310108856.XA patent/CN116167514A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116896167A (zh) * | 2023-09-11 | 2023-10-17 | 山东和兑智能科技有限公司 | 一种基于人工智能的输电线路动态增容监测及预警方法 |
CN116896167B (zh) * | 2023-09-11 | 2023-12-15 | 山东和兑智能科技有限公司 | 一种基于人工智能的输电线路动态增容监测及预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2751896B1 (en) | Methods and apparatus for determining conditions of power lines | |
CN116937575A (zh) | 一种网格***用的能源监控管理*** | |
CN105279612A (zh) | 一种基于泊松分布的输电线路跳闸风险评估方法 | |
CN116167514A (zh) | 一种输电导线的电能传输容量的预测方法和*** | |
CN107330243A (zh) | 一种基于典型气象年的架空输电线路载流量计算方法 | |
CN112886923B (zh) | 一种雷电天气的光伏电站运维方法及设备 | |
CN116824517B (zh) | 基于可视化的变电站运维安全管控*** | |
CN116231871B (zh) | 一种基于数字孪生的电网态势监管方法、***及存储介质 | |
CN113655333A (zh) | 基于大数据挖掘分析的分布式故障监测方法及*** | |
CN113408785A (zh) | 光功率的预测方法、装置、设备及存储介质 | |
CN106849064B (zh) | 一种基于气象数据的区域电网负荷预测管理*** | |
CN116050599A (zh) | 一种线路覆冰故障预测方法、***、存储介质及设备 | |
CN116846085A (zh) | 一种自感知监测智能化配电箱控制*** | |
CN116756530A (zh) | 用于新能源接入配电网的电网线损评估方法及*** | |
CN105958474B (zh) | 一种电网调控***用输电线路动态增容方法和*** | |
CN104166883A (zh) | 基于状态多维度综合评估的电网调度动态增容评估方法 | |
CN117151696B (zh) | 一种光伏运维管理*** | |
CN108108871B (zh) | 风电场群输电设备的选型方法 | |
CN112734637B (zh) | 一种导线温度监测的热红外图像处理方法和*** | |
US11451053B2 (en) | Method and arrangement for estimating a grid state of a power distribution grid | |
KR101133884B1 (ko) | 배전변압기 부하 관리장치 및 방법 | |
CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
CN117726164A (zh) | 一种基于多源数据融合的风险故障态势感知*** | |
CN117614137A (zh) | 基于多源数据融合的配电网优化*** | |
JP2003090887A (ja) | 落雷による瞬時電圧低下予測システムおよび予測方法 |
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 |