CN103944165B - 一种大电网参数辨识估计方法 - Google Patents
一种大电网参数辨识估计方法 Download PDFInfo
- Publication number
- CN103944165B CN103944165B CN201410175518.9A CN201410175518A CN103944165B CN 103944165 B CN103944165 B CN 103944165B CN 201410175518 A CN201410175518 A CN 201410175518A CN 103944165 B CN103944165 B CN 103944165B
- Authority
- CN
- China
- Prior art keywords
- parameter
- estimation
- identification
- parameter identification
- subregion
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大电网参数辨识估计方法,具体包括以下几个步骤:(1)取实时数据;(2)按照电压等级拓扑分解为若干分区;(3)针对每个分区依次进行状态估计计算,并且辨识不良数据;(4)针对每个分区依次进行参数辨识估计计算:首先进行参数辨识,如果存在可疑参数,则进行参数估计并修正参数,然后重新进行参数辨识,如果不存在可疑参数,则存储当次参数辨识结果和参数估计结果;(5)统计已经存储的参数辨识结果和参数估计结果的平均值,作为参数辨识和估计的输出结果,等待周期间隔,然后转向步骤(1)。本发明采用拉格朗日乘子方法,计算方法简单、计算效率高;本发明的方法可以成功应用于大规模电网。
Description
技术领域
本发明涉及一种大电网参数辨识估计方法,属于电力系统调度自动化技术领域。
背景技术
状态估计是电网调度自动化系统中网络分析功能的基础,为其它应用模块提供接近系统真实潮流状态的实时数据断面。随着变电站自动化和通信技术的发展,调度自动化系统的遥测、遥信的准确性和覆盖率都大幅度提高。参数错误越来越成为影响状态估计计算准确性的瓶颈。
目前,调度自动化系统的参数主要来源于设备的设计参数(铭牌参数)和实测参数,通过人工录入的方式进入商用数据库。设计参数与实际参数可能不一致,实测参数常常受到很强的干扰信号影响,自动化运维人员录入参数的过程也可能出现错误。在状态估计运行中,经常观察到设备参数不准确导致周边量测出现较大残差。从另一方面来说,在遥测有足够冗余且相对准确的前提下,有可能利用状态估计的残差辨识出可疑参数并估计出参数的参考值。
在参数估计方面,现有的研究主要有两类:一类是将参数增广为状态估计的状态量,通过迭代求解,这种方法精度较高,但是容易不收敛;另一类是采用状态估计残差灵敏度的数据,在状态估计计算结束后再进行参数估计计算,这种方法不存在不收敛问题,但精度较低。
就现有的参数辨识估计技术来说,大部分停留在典型系统的仿真测试上。投入现场实际的参数辨识估计技术,往往规模不大。
发明内容
针对现有技术存在的不足,本发明目的是提供一种高精度的大电网参数辨识估计方法,容易收敛,方法简单、效率高,可应用于大规模电网。
为了实现上述目的,本发明是通过如下的技术方案来实现:
本发明的一种大电网参数辨识估计方法,具体包括以下几个步骤:
(1)取实时数据;
(2)按照电压等级拓扑分解为若干分区;
(3)针对每个分区依次进行状态估计计算,并且辨识不良数据;
(4)针对每个分区依次进行参数辨识估计计算:首先进行参数辨识,如果存在可疑参数,则进行参数估计并修正参数,然后重新进行参数辨识,如果不存在可疑参数,则存储当次参数辨识结果和参数估计结果;
(5)统计已经存储的参数辨识结果和参数估计结果的平均值,作为参数辨识和估计的输出结果,等待周期间隔,然后转向步骤(1)。
步骤(2)中,按照电压等级拓扑分区时,具体包括以下几个步骤:
(1a)把线路抽象成图论中的边,将线路两侧的电气母线抽象成图论中的顶点,建立图论模型;
(2a)将所述图论模型分解成若干个岛,每个岛即对应一个分区;
(3a)如果分区内某节点连接变压器支路,将所述变压器支路潮流转换为该节点的注入潮流;
(4a)计算每个节点的度;
(5a)去除所有连接有度1节点的线路,然后去除所有孤立节点;
(6a)重新计算每个节点的度,如果所有节点的度都超过1,则进入步骤(7a);否则回到步骤(4a);
(7a)如果被删除的支路连接某保留节点,则需要把支路潮流转换为该节点的注入潮流。
步骤(3)中,辨识不良数据的方法,具体步骤如下:
首先,利用量测预处理筛选出可疑量测;
然后,在可疑量测的范围内寻找标准化残差超过门槛值的孤立量测,孤立量测即为不良数据,对找到的孤立量测进行误差估计并修正残差。
步骤(4)中,为解决双(多)回线的辨识困难问题,第一次参数辨识估计时不做并列线路处理,筛选出的可疑参数中如果同时有并列线路,则将所述并列线路等效成一条单回线,其中参数为等效参数,两侧量测值合并;然后,重新进行参数辨识估计,再进入后续的参数估计过程。
进行参数估计时,首先采用增广状态估计方法估计参数,如果不收敛,再采用残差灵敏度方法,采用所述残差灵敏度方法时,连续计算两次。假定参数初始值为p0,经过残差灵敏度方法计算出的估计值为p1,这时候再以p1为初始值重新计算一遍,得到估计值p2作为最终的参数估计值。
步骤(5)中,统计已经存储的参数辨识结果和参数估计结果的平均值时,需要剔除离群值,具体步骤如下:
(1b)求样本的平均值和标准差;
(2b)剔除距离平均值超过3倍标准差的记录;
(3b)对处理后的样本重新求平均值和标准差。
本发明采用拉格朗日乘子方法,计算方法简单、计算效率高;本发明的方法可以成功应用于大规模电网。
附图说明
图1为本发明方法的总体流程图;
图2为一个简化的电网结构;
图3为并列线路串联单回线的电网结构。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
实施例1:
参见图1,本发明的大电网参数辨识估计方法,具体包括以下几个步骤:
(1)取实时数据;
(2)按照电压等级拓扑分区,其中图2是典型的网省级简化电网。拓扑分区的步骤如下:
1)把线路抽象成图论中的边,将线路两侧的电气母线抽象成图论中的顶点,建立图论模型。
2)将图论模型分解成若干个岛,分解时可以采用开源或商用的拓扑分析软件包,例如Boost::graph库。每个岛即对应一个分区。
3)如果分区内某节点连接变压器支路,将变压器支路潮流转换为该节点的注入潮流。
由于辐射状支路的潮流量测残差对于参数变化不敏感,因此还需要对分区修正,去除所有的辐射状支路,修正步骤如下:
1)计算每个节点的度。
2)去除所有连接有度1节点的线路,然后去除所有孤立节点。
3)重新计算每个节点的度,如果所有节点的度都超过1,则计算结束。否则回到第2步。
修正完成后,如果被删除的线路连接某保留节点,则需要把线路支路潮流转换为该节点的注入潮流。
每个分区分别进行状态估计、参数辨识、参数估计计算。由于去除了变压器,所以各个分区进行线路参数辨识时,不需要考虑变压器参数的影响。同时,零注入节点的数量大幅度减少了,零注入约束可以直接用大权值虚拟量测代替。
对于变压器支路参数来说,部分变压器支路本身属于辐射状支路(尤其是较低电压等级的变压器),这部分变压器的支路参数是很难用基于残差方法求解的。但是还有部分变压器属于电磁环网的一部分,对主网状态估计的影响很大。因此在各个分区参数修正完成后,建立混合分区,专门用来对这部分变压器支路参数辨识估计。
如图2所示,假定甲变和乙变是通过不同变电站连接分区A和分区B,则甲变和乙变属于电磁环网,因此混合分区把分区A和分区B合并起来。分区C无法与分区A构成电磁环网,混合分区不包括分区C。建立混合分区后,只计算变压器支路的拉格朗日乘子,然后进行参数估计。
(3)针对每一个分区进行状态估计计算和不良数据辨识。
其中状态估计计算采用常规的解耦最小二乘法即可。
现在应用于大电网的状态估计程序的不良数据辨识大部分采用估计辨识法:首先把量测按照标准化残差排队,然后依次估计大残差量测的误差并修正结果。这种方法实际是假定参数是准确的,而参数辨识是利用残差反向推断参数问题。因此,参数辨识估计不能使用传统的不良数据处理方式。
本发明首先利用预处理过程筛选出可疑量测。不良数据的处理在可疑量测的范围内进行。方法如下:
对于线路,检测其两端功率量测的平衡性。对于有功,需要扣除计算出的有功网损;对于无功,除了需要扣除无功网损,还需扣除对地电容产生的无功注入,如果存在并联电抗器,还需考虑并联电抗器吸收的无功。当平衡性指标小于门槛值时,则将线路两端功率量测置为正常。
对于母线,检测母线的功率量测的平衡性。当流入母线功率之和小于门槛值时,则将这些相关功率量测均置为正常。
对于变压器,检测变压器各侧绕组的量测平衡性,需要扣除变压器内部产生的损耗,如果平衡性指标小于门槛值时,则将变压器各侧功率量测置为正常。
对于发电厂,需检测发电机出力(扣除厂用电)与出线功率的平衡关系。如果平衡性指标小于门槛值时,则将发电机出力功率量测置为正常。
当平衡性检测完成后,凡是参加了平衡性计算,又未被置为正常的功率,均属于可疑数据集。
状态估计计算后搜索孤立的大残差量测,这一思想建立在以下的基础上:就电力系统一般运行而言,大部分随机跳变的量测是孤立出现的,而参数误差引起的残差分布不可能是孤立的,例如线路参数出现误差,会长期影响到线路两侧的支路、注入量测,共4个量测。通过这一特性,可以认为可疑量测集中的孤立大残差量测就是真正的不良数据,针对这些量测估计误差并修正残差,从而完成不良数据辨识处理。
(4)为了减少计算量,本发明的参数辨识算法是PQ解耦的,其基本思想建立在以下基础上:考虑到支路电抗参数主要影响有功,支路电阻参数主要影响无功。将电抗和电阻辨识估计独立成两部分。先进行电抗参数的辨识估计,对支路电抗参数修正后,再进行支路电阻参数辨识。
根据直流潮流模型,支路电抗和有功潮流存在明确的数学关系。利用有功残差数据可以较好地实现电抗参数辨识估计。但支路电阻和无功潮流之间并没有这种数学关系存在,不仅支路电阻误差可以影响无功残差,变压器变比、线路电纳参数同样会影响无功残差。本发明通过拓扑分区方法已经避开变压器变比的影响,并假定已经估计出较精确的线路对地电纳值。在这种前提下,无功残差基本可以反映支路电阻的影响,从而实现支路电阻的辨识估计。
PQ解耦参数辨识的算法介绍如下:
状态估计的最小二乘目标函数为:
式中:r指的是残差向量,R指的是权值对角矩阵。
假定P为参数向量,一开始假定参数是准确的,有:
P=0(2)
构造拉格朗日函数:
式中:λ是拉格朗日乘子向量。当进行支路电抗参数辨识时,r指的是有功量测残差向量,P指的是支路电抗参数向量;当进行支路电阻参数辨识时,r指的是无功量测残差向量,P指的是支路电阻参数向量。
对式(3)求偏导,可得:
式中:Hp是量测残差对参数的雅可比矩阵。
则有:
λ即为拉格朗日乘子向量,下面对乘子向量进行标准化。构造协方差矩阵:
Σ=R-1-HG-1HT(6)
式中:H是量测对状态量的雅可比矩阵,G为信息矩阵。
构造乘子的协方差矩阵:
Λ=SΣST(7)
乘子向量标准化公式:
求出标准化乘子向量后,对应于最大绝对值所在支路的参数,就是最可疑的。
本发明采用一种综合性的参数估计方法。步骤如下:以状态估计主要计算完成后的状态量作为迭代初值,首先采用增广状态估计方法估计参数。如果不收敛,再采用经过改进的残差灵敏度方法。具体改进如下:残差灵敏度方法每次连续计算两次。假定参数初始值为p0,经过残差灵敏度方法计算出的估计值为p1,这时候再以p1为初始值重新计算一遍,得到估计值p2作为最终的参数估计值。根据仿真结果和现场运行的经验,连续计算两次可以使残差灵敏度方法精度提高到与增广状态估计方法相近的程度,没有必要计算第三次。
基于拉格朗日乘子方法的参数辨识虽然具有较好的性能,但是存在以下情况:错误参数所在支路的拉格朗日乘子绝对值最大,但受量测残差的影响,周边的支路的拉格朗日乘子绝对值也会提高。如果以拉格朗日乘子作为支路参数可疑的指标,则连接错误参数支路的周边支路也变得相对可疑了,这就导致指标的部分失真。因此在参数辨识计算完成后再进行参数估计计算,修正错误参数以后,还应该重新进行参数辨识,计算新的拉格朗日乘子。没有进行参数估计的支路采用新的乘子,而修正过参数的支路采用旧的乘子。
拉格朗日乘子方法存在可能的误判情形,一个例子如图3所示,这是并列线路串联单回线的电网结构。在图3中,假定甲乙两条线的参数同时偏大或者同时偏少。由于甲乙两条线参数误差导致的潮流偏差都会叠加到乙丙线上,可能造成乙丙线的标准化拉格朗日乘子超过甲乙两条线中的任意一条,造成辨识失败。接下来参数估计程序会修正乙丙线参数,虽然也会使残差减少,但距离系统真实参数更加远了。
因此,在参数辨识与参数估计的迭代过程中有对并列线路的特殊处理。方法如下:第一次参数辨识时不做处理,筛选出的可疑参数中如果同时有并列线路,则将该并列线路等效成一条单回线,其中参数为等效参数,两侧量测值合并。然后重新进行参数辨识,再进入后续的参数估计过程。
参数可以认为在相当长的时间内不发生变化,或变化相当缓慢。而电网量测数据是不停发生变化的。如果仅仅依靠单断面,其结果存在较大的不确定性。充分利用多断面,是提高参数辨识估计准确性的重要措施。
本发明的参数辨识估计是周期计算的,保存每次运行的结果。
(5)根据历史结果求取平均拉格朗日乘子和平均参数估计值。考虑到样本可能存在离群值,本发明求平均值的算法改进如下:
首先求样本的平均值和标准差,然后剔除距离平均值超过3倍标准差的记录,最后对处理后的样本重新求平均值和标准差。对于标准差超过门槛的参数估计值,可以认为该参数不具备主导性,参数估计结果不可信,从而对用户屏蔽该结果。并将参数辨识结果和参数估计结果的平均值,作为参数辨识和估计的输出结果,等待周期间隔,然后转向步骤(1)。
本实施例中,使用了江苏电网数据进行了仿真。仿真时用潮流计算结果作为电网真值,然后加上随机正态误差作为模拟SCADA数据。其中,功率类量测加上0.05标幺值的误差,电压量测加上0.01标幺值的误差。以潮流计算的参数作为真实参数,人工设置错误参数用来测试。表1为江苏电网部分测试结果(参数为标幺值,放大100倍)。
表1
实施例2:
本发明成功应用于华北电网的智能调度技术支持系统(D5000系统)上。华北电网跨越北京、天津、河北、山西、内蒙古和山东四省两市,是一个超过6000个计算节点的大规模电网。本发明所提出的参数辨识估计计算时可将华北电网分解为60余个分区,实现空间规模的简化解耦。单次断面总的计算时间控制在45s以内,每隔15min周期计算一次并记录历史数据。表2是在华北电网实际运行时,为了验证算法效果,从已经确认参数正确的一组支路人为设置错误参数,得到的华北电网测试结果参见表2。
表2
从表2可见,本发明得到的估计结果接近初始参数,可见本发明是有效的。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种大电网参数辨识估计方法,其特征在于,具体包括以下几个步骤:
(1)取实时数据;
(2)按照电压等级拓扑分解为若干分区;
(3)针对每个分区依次进行状态估计计算,并且辨识不良数据;
(4)针对每个分区依次进行参数辨识估计计算:首先进行参数辨识,如果存在可疑参数,则进行参数估计并修正参数,然后重新进行参数辨识,如果不存在可疑参数,则存储当次参数辨识结果和参数估计结果;
(5)统计已经存储的参数辨识结果和参数估计结果的平均值,作为参数辨识和估计的输出结果,等待周期间隔,然后转向步骤(1);
步骤(2)中,按照电压等级拓扑分区时,具体包括以下几个步骤:
(1a)把线路抽象成图论中的边,将线路两侧的电气母线抽象成图论中的顶点,建立图论模型;
(2a)将所述图论模型分解成若干个岛,每个岛即对应一个分区;
(3a)如果分区内某节点连接变压器支路,将所述变压器支路潮流转换为该节点的注入潮流;
(4a)计算每个节点的度;
(5a)去除所有连接有度1节点的线路,然后去除所有孤立节点;
(6a)重新计算每个节点的度,如果所有节点的度都超过1,则进入步骤(7a);否则回到步骤(4a);
(7a)如果被删除的支路连接某保留节点,则需要把支路潮流转换为该节点的注入潮流。
2.根据权利要求1所述的大电网参数辨识估计方法,其特征在于,步骤(3)中,辨识不良数据的方法,具体步骤如下:
首先,利用量测预处理筛选出可疑量测;
然后,在可疑量测的范围内寻找标准化残差超过门槛值的孤立量测,孤立量测即为不良数据,对找到的孤立量测进行误差估计并修正残差。
3.根据权利要求2所述的大电网参数辨识估计方法,其特征在于,步骤(4)中,
第一次参数辨识估计时不做并列线路处理,筛选出的可疑参数中如果同时有并列线路,则将所述并列线路等效成一条单回线,其中参数为等效参数,两侧量测值合并;然后,重新进行参数辨识估计,再进入后续的参数估计过程。
4.根据权利要求3所述的大电网参数辨识估计方法,其特征在于,
进行参数估计时,首先采用增广状态估计方法估计参数,如果不收敛,再采用残差灵敏度方法,采用所述残差灵敏度方法时,连续计算两次。
5.根据权利要求4所述的大电网参数辨识估计方法,其特征在于,步骤(5)中,统计已经存储的参数辨识结果和参数估计结果的平均值时,需要剔除离群值,具体步骤如下:
(1b)求样本的平均值和标准差;
(2b)剔除距离平均值超过3倍标准差的记录;
(3b)对处理后的样本重新求平均值和标准差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410175518.9A CN103944165B (zh) | 2014-04-28 | 2014-04-28 | 一种大电网参数辨识估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410175518.9A CN103944165B (zh) | 2014-04-28 | 2014-04-28 | 一种大电网参数辨识估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103944165A CN103944165A (zh) | 2014-07-23 |
CN103944165B true CN103944165B (zh) | 2016-02-17 |
Family
ID=51191715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410175518.9A Active CN103944165B (zh) | 2014-04-28 | 2014-04-28 | 一种大电网参数辨识估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103944165B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836223B (zh) * | 2014-11-14 | 2017-05-03 | 浙江大学 | 电网参数错误与不良数据协同辨识与估计方法 |
CN104376174B (zh) * | 2014-11-19 | 2017-05-17 | 国网北京经济技术研究院 | 一种基于线路阻抗比的交流线路参数辨识与修正方法 |
CN105095659B (zh) * | 2015-07-27 | 2017-12-01 | 国电南瑞科技股份有限公司 | 基于云计算的省地协调分布式状态估计方法 |
CN105354656A (zh) * | 2015-10-09 | 2016-02-24 | 珠海许继芝电网自动化有限公司 | 基于分区解耦的配电网状态估计的分布式并行计算方法及系统 |
CN105353235B (zh) * | 2015-10-15 | 2018-07-06 | 国电南瑞科技股份有限公司 | 一种变压器参数估计方法 |
CN105305441B (zh) * | 2015-11-27 | 2018-10-16 | 华北电力大学 | 一种状态与参数联合追踪方法 |
CN106296461B (zh) * | 2016-08-17 | 2020-05-12 | 华北电力大学 | 基于粒子群优化算法及局部状态估计的电网参数辨识方法 |
CN106372440B (zh) * | 2016-09-21 | 2019-05-07 | 中国农业大学 | 一种并行计算的配电网自适应抗差状态估计方法及装置 |
CN106887842A (zh) * | 2017-04-11 | 2017-06-23 | 广东电网有限责任公司电力调度控制中心 | 一种基于xml/e格式多源电网数据的坏数据辨识方法 |
CN108614190B (zh) * | 2018-06-04 | 2020-09-08 | 华中科技大学 | 基于μPMU与AMI的配电网T接线路参数估计方法 |
CN109829246B (zh) * | 2018-12-31 | 2023-05-23 | 国网辽宁省电力有限公司 | 一种基于参数综合可疑度的线路参数辨识方法 |
CN110048402B (zh) * | 2018-12-31 | 2023-04-07 | 国网辽宁省电力有限公司 | 一种两阶段电网参数估计方法 |
CN109884550B (zh) * | 2019-04-01 | 2020-01-17 | 北京理工大学 | 一种动力电池系统在线参数辨识与回溯方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1283425A1 (fr) * | 2001-08-10 | 2003-02-12 | Peugeot Citroen Automobiles SA | Procédé d'estimation de paramètres de la batterie de puissance d'un véhicule a moteur électrique |
CN101635457A (zh) * | 2009-05-14 | 2010-01-27 | 国家电网公司 | 一种基于状态估计残差参数灵敏度的电网参数估计方法 |
-
2014
- 2014-04-28 CN CN201410175518.9A patent/CN103944165B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1283425A1 (fr) * | 2001-08-10 | 2003-02-12 | Peugeot Citroen Automobiles SA | Procédé d'estimation de paramètres de la batterie de puissance d'un véhicule a moteur électrique |
CN101635457A (zh) * | 2009-05-14 | 2010-01-27 | 国家电网公司 | 一种基于状态估计残差参数灵敏度的电网参数估计方法 |
Non-Patent Citations (2)
Title |
---|
《基于权函数的电网参数分区辨识与估计方法》;颜伟等;《电力系统自动化》;20110310;第35卷(第5期);25-30 * |
电力系统状态估计中的参数估计研究;王斌;《中国优秀硕士论文集》;20070615;35-46 * |
Also Published As
Publication number | Publication date |
---|---|
CN103944165A (zh) | 2014-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103944165B (zh) | 一种大电网参数辨识估计方法 | |
CN108173263B (zh) | 一种基于ami量测信息的配电网拓扑错误辨识算法 | |
CN107453357B (zh) | 一种基于分层求解的配电网状态估计方法 | |
CN101599643B (zh) | 一种基于指数型目标函数的电力系统抗差状态估计方法 | |
CN101969198B (zh) | 考虑负荷静态特性的电力系统状态估计方法 | |
CN102175922B (zh) | 基于pmu量测数据的电力线路参数的辨识与估计方法 | |
CN108448568B (zh) | 基于多种时间周期测量数据的配电网混合状态估计方法 | |
CN107016489A (zh) | 一种电力系统抗差状态估计方法和装置 | |
CN103020726B (zh) | 面向全pmu量测的抗差状态估计方法 | |
CN113078630B (zh) | 一种基于实时量测数据的低压配电网拓扑辨识方法 | |
CN110289613A (zh) | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 | |
CN103886193B (zh) | 一种电力系统模糊自适应抗差估计方法 | |
CN104836223A (zh) | 电网参数错误与不良数据协同辨识与估计方法 | |
CN105958470A (zh) | 一种基于双线性凸优化理论电力系统双线性抗差估计方法 | |
CN109116156A (zh) | 一种基于互感器输出信号确定输电线路线损的方法和装置 | |
CN103324858A (zh) | 配电网三相潮流状态估计方法 | |
CN102636706B (zh) | 一种电网中参数误差支路的辨识方法 | |
CN113985339A (zh) | 智能电表的误差诊断方法及系统、设备、存储介质 | |
CN106655152A (zh) | 一种基于ami量测特性的配电网状态估计方法 | |
CN104239716A (zh) | 一种基于参数偏差灵敏度的电网设备参数识别与估计方法 | |
CN105322539A (zh) | 一种配电网scada系统电压数据修正方法 | |
CN110417009A (zh) | 基于不同采样周期数据的配电网混合抗差状态估计方法 | |
CN113162002B (zh) | 一种计及宽频测量环节的直流行波保护方法及系统 | |
CN107832959B (zh) | 一种考虑负荷特性和电源约束的电压稳定评估方法 | |
CN109829246A (zh) | 一种基于参数综合可疑度的线路参数辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent for invention or patent application | ||
CB02 | Change of applicant information |
Address after: High road high tech Development Zone Nanjing city Jiangsu province 210061 No. 20 Applicant after: NARI Technology Development Co., Ltd. Address before: 211102, No. 19, good faith Road, Jiangning District, Jiangsu, Nanjing Applicant before: NARI Technology Development Co., Ltd. |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |