CN104091238B - 一种恶劣天气下用户用电安全风险演化分析评估方法 - Google Patents
一种恶劣天气下用户用电安全风险演化分析评估方法 Download PDFInfo
- Publication number
- CN104091238B CN104091238B CN201410332154.0A CN201410332154A CN104091238B CN 104091238 B CN104091238 B CN 104091238B CN 201410332154 A CN201410332154 A CN 201410332154A CN 104091238 B CN104091238 B CN 104091238B
- Authority
- CN
- China
- Prior art keywords
- mrow
- fuzzy
- distribution network
- power
- bad weather
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 title claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 238000012546 transfer Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 3
- 230000002411 adverse Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种恶劣天气下用户用电安全风险演化分析评估方法，包括以下步骤：输入配电网线路连接关系数据以及配电网电力设备的可靠性参数；建立配电网电力设备的模糊集模型；建立状态转移矩阵和马尔科夫链方程，并给出马尔科夫链方程的初始值；得到恶劣天气下用户用电安全风险的时间演化规律。本发明提供的恶劣天气下用户用电安全风险演化分析评估方法，通过构建用户相关的恶劣天气下设备故障率和修复率的模糊集模型，并应用于模糊马尔科夫过程评估了用户用电安全风险的时间演化特性，得出了恶劣天气下用户用电安全风险的时间演化规律，能够从动态的角度研究负荷点停电风险。
Description
技术领域
本发明涉及一种评估方法，具体讲涉及一种恶劣天气下用户用电安全风险演化分析评估方法。
背景技术
用户用电安全相关的配网设备主要暴露在室外环境中，设备的故障率受环境因素的影响格外严重，恶劣气候条件下配网设备故障率将会显著增加，相应的电网停电风险也会增加。然而，电网设备故障受环境因素和设备内部原因等众多因素的影响，目前无法给出准确的描述方法。受复杂天气因素和自身因素的影响，电力设备的故障率和修复率具有一定的模糊性。同时，恶劣气候条件下，用户的用电安全风险具有动态性，已有的评估用户用电安全风险的算法只给出了用户用电安全风险的稳态解，而未给出用户用电安全风险的时间演化规律。
文献[1]研究了基于模糊马尔科夫过程的用户用电安全相关的配电网设备造成的停电风险的长期稳态解。该文献提出的算法中，只通过稳态马尔科夫方程和极限状态概率法求解了停电风险的稳态解，因而忽略了停电风险的动态变化情况。
文献[2]采用电力设备的瞬时故障率和修复率模型研究了停电风险的瞬时停电概率。该文提出的方法只能计算当前状态下短期条件下的停电风险，且无法考虑故障率和修复率不确定性对停电风险的影响。
参考文献：
[1]Haifeng Ge，Sohrab Asgarpoor.Reliability Evaluation of Equipmentand Substations with Fuzzy Markov Processes[J].IEEE Transaction on PowerSystems，2010,25(3):1319-1328.
[2]刘海涛，程林，孙元章，等.采用瞬时概率的运行可靠性短期评估[J].中国电机工程学报，2008,28(13):20-25.
发明内容
为了克服上述现有技术的不足，本发明提供一种恶劣天气下用户用电安全风险演化分析评估方法，通过构建用户相关的恶劣天气下设备故障率和修复率的模糊集模型，并应用于模糊马尔科夫过程评估了用户用电安全风险的时间演化特性，得出了恶劣天气下用户用电安全风险的时间演化规律，能够从动态的角度研究负荷点停电风险。
为了实现上述发明目的，本发明采取如下技术方案：
本发明提供一种恶劣天气下用户用电安全风险演化分析评估方法，所述方法包括以下步骤：
步骤1：输入配电网线路连接关系数据以及配电网电力设备的可靠性参数；
步骤2：建立配电网电力设备的模糊集模型；
步骤3：建立状态转移矩阵和马尔科夫链方程，并给出马尔科夫链方程的初始值；
步骤4：得到恶劣天气下用户用电安全风险的时间演化规律。
所述步骤1中，电网线路连接关系数据包括线路首末端编号、负荷点编号和变压器编号；与用户用电安全设备相关的配电网电力设备包括线路和变压器，线路可靠性参数包括线路故障率和线路修复率，变压器的可靠性参数包括变压器故障率和变压器修复率。
所述步骤2中，模糊集模型包括故障率模糊集模型和修复率模糊集模型；所述模糊集模型由模糊区间和隶属度函数两个要素组成。
所述故障率模糊集模型中故障率模糊数的隶属度函数采用三角模糊数的隶属度函数表示，故障率模糊数模糊区间表示为：
其中，为故障率模糊数，为配电网电力设备故障率长期统计的均值，N为气象部门记录的正常天气持续时间长期统计平均值，S为气象部门记录的恶劣天气持续时间长期统计平均值；F为恶劣天气下发生故障的比例，采用三角模糊数表示为：
F＝((Fmax-Fmin)/2,(Fmax+Fmin)/2,(Fmax-Fmin)/2) (2)
其中，Fmin和Fmax分别为恶劣天气下发生故障的比例F的最小值和最大值，将F的三角模糊数按照模糊数的计算法则带入上式即得故障率的模糊数。
假设修复率率模糊集模型中修复率模糊数服从正态分布，采用μ-3σ、μ+3σ分别代替隶属度为0时的修复率模糊数取值，得到的结果误差为0.26％，其依据是基于正态分布3σ准则，随机变量分布在(μ-3σ，μ+3σ)区间的概率为99.74％；其中，μ、σ分别为正态分布的均值和方差；修复率模糊数对应的α隶属度取值下的模糊区间为：
其中，为修复率的模糊数取值，Z1-α/2为标准正态分布的1-α/2分位点，α为正态分布分位点。
所述步骤3中，按照配电网的拓扑结构建立待分析用户的模糊马尔科夫链的状态转移矩阵，有：
其中，Q为待分析用户的模糊马尔科夫链的状态转移矩阵，为第i个配电网电力设备的故障率，为第i个配电网电力设备的修复率，i＝1,2,…,n，n为配电网电力设备总数；且满足Q中每行元素之和为0，即满足：
其中，Qij为Q中第i行、第j列元素。
所述步骤3中，建立马尔科夫链方程，即Fokker-Planck方程，有：
其中，Q为状态转移矩阵，P(t)为所有配电网电力设备的状态概率，若某配电网电力设备故障，则该配电网电力设备对应的状态概率取值为0，否则为1；配电网电力设备各个状态的对应的马尔科夫链方程的初始值初值可由当前状态确定，初值表示为：
[p1(0) p2(0) … pn(0)] (7)
其中，p1(0)、p2(0)、…、pn(0)分别为第1至n个配电网电力设备组成的系统对应的状态概率。
所述步骤4中，采用四阶龙格库塔法求解马尔柯夫链方程，得到恶劣天气下用户用电安全风险的时间演化规律模糊解，有：
其中，分别为第1至n个配电网电力设备组成的系统对应的状态的概率模糊数。
与现有技术相比，本发明的有益效果在于：
本发明通过利用模糊马尔科夫方法，得到了恶劣天气下负荷点停电风险的时间演化规律，通过停电风险的模糊解能够更全面的了解由于恶劣天气的不确定造成的负荷点停电风险的模糊性。本专利提出的算法能够从动态的角度研究负荷点停电风险。对于应对恶劣气候条件下的停电风险具有一定的意义。
附图说明
图1是恶劣天气下用户用电安全风险演化分析评估方法流程图；
图2是本发明实施例中IEEE-RBTS Bus2第3节点接线图；
图3是本发明实施例中为第3节点初始状态正常使用条件下用电安全风险的演化规律图；
图4是本发明实施例中为第3节点初始状态停电条件下用电安全风险的演化规律图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1，本发明提供一种恶劣天气下用户用电安全风险演化分析评估方法，所述方法包括以下步骤：
步骤1：输入配电网线路连接关系数据以及配电网电力设备的可靠性参数；
步骤2：建立配电网电力设备的模糊集模型；
步骤3：建立状态转移矩阵和马尔科夫链方程，并给出马尔科夫链方程的初始值；
步骤4：得到恶劣天气下用户用电安全风险的时间演化规律。
所述步骤1中，电网线路连接关系数据包括线路首末端编号、负荷点编号和变压器编号；与用户用电安全设备相关的配电网电力设备包括线路和变压器，线路可靠性参数包括线路故障率和线路修复率，变压器的可靠性参数包括变压器故障率和变压器修复率。
所述步骤2中，模糊集模型包括故障率模糊集模型和修复率模糊集模型；所述模糊集模型由模糊区间和隶属度函数两个要素组成。
所述故障率模糊集模型中故障率模糊数的隶属度函数采用三角模糊数的隶属度函数表示，故障率模糊数模糊区间表示为：
其中，为故障率模糊数，为配电网电力设备故障率长期统计的均值，N为气象部门记录的正常天气持续时间长期统计平均值，S为气象部门记录的恶劣天气持续时间长期统计平均值；F为恶劣天气下发生故障的比例，采用三角模糊数表示为：
F＝((Fmax-Fmin)/2,(Fmax+Fmin)/2,(Fmax-Fmin)/2) (2)
其中，Fmin和Fmax分别为恶劣天气下发生故障的比例F的最小值和最大值，将F的三角模糊数按照模糊数的计算法则带入上式即得故障率的模糊数。
假设修复率率模糊集模型中修复率模糊数服从正态分布，采用μ-3σ、μ+3σ分别代替隶属度为0时的修复率模糊数取值，得到的结果误差为0.26％，其依据是基于正态分布3σ准则，随机变量分布在(μ-3σ，μ+3σ)区间的概率为99.74％；其中，μ、σ分别为正态分布的均值和方差；修复率模糊数对应的α隶属度取值下的模糊区间为：
其中，为修复率的模糊数取值，Z1-α/2为标准正态分布的1-α/2分位点，α为正态分布分位点。
所述步骤3中，按照配电网的拓扑结构建立待分析用户的模糊马尔科夫链的状态转移矩阵，有：
其中，Q为待分析用户的模糊马尔科夫链的状态转移矩阵，为第i个配电网电力设备的故障率，为第i个配电网电力设备的修复率，i＝1,2,…,n，n为配电网电力设备总数；且满足Q中每行元素之和为0，即满足：
其中，Qij为Q中第i行、第j列元素。
所述步骤3中，建立马尔科夫链方程，即Fokker-Planck方程，有：
其中，Q为状态转移矩阵，P(t)为所有配电网电力设备的状态概率，若某配电网电力设备故障，则该配电网电力设备对应的状态概率取值为0，否则为1；配电网电力设备各个状态的对应的马尔科夫链方程的初始值初值可由当前状态确定，初值表示为：
[p1(0) p2(0) … pn(0)] (7)
其中，p1(0)、p2(0)、…、pn(0)分别为第1至n个配电网电力设备组成的系统对应的状态概率。
所述步骤4中，采用四阶龙格库塔法求解马尔柯夫链方程，得到恶劣天气下用户用电安全风险的时间演化规律模糊解，有：
其中，分别为第1至n个配电网电力设备组成的系统对应的状态的概率模糊数。
实施例
以IEEE-RBTS Bus2算例为例进一步说明本发明，表1为恶劣天气下线路和变压器的故障率、修复率参数，系统其他参数与IEEE-RBTS Bus2算例相同，此处不再赘述。
表1
图2为IEEE-RBTS Bus2第3节点接线图，图3和图4分别为第3节点初始状态正常用电条件下和初始状态停电条件下用电安全风险的演化规律图，图2为第3节点恶劣天气下短期供电可用概率与时间的关系,初始状态为第3节点处于正常供电状态。图3为第3节点初始状态下初五停电状态的停电风险演化规律。图3和图4中分别给出了隶属度为0时，停电概率模糊数的上下限结果，对应图中α＝0的两条曲线。由图3中结果可见，第3节点停电风险随着时间的推移增加并收敛于稳定值2.07％(α＝1)。恶劣天气下的负荷点停电风险稳定值较正常天气下停电风险稳定值有一定的差距，第3节点在恶劣气候条件下停电风险上升了2.03％(α＝1)。初始时刻第3节点停电风险概率小于年均停电风险是因为评估初始时刻各配电元件均正常工作，第3节点处于正常供电状态。负荷点停电概率的变化趋势与相关设备的故障率、修复率有关，同时也与评估时刻电网的初始状态有关。若初始时刻待评估负荷点由于相关设备故障处于停电状态，负荷点停电风险下降并收敛于稳定值，具体变化趋势如图4所示。
由结果可见，在两种不同的初始条件下，用户的用电安全风险随着时间的推移逐渐趋向于稳定值。用户用电相关的设备故障率越大、修复率越低则相应的用户的用电安全风险越大。同时，不同模糊隶属度条件下用户的用电安全风险存在着不同的区间范围，说明用户的用电安全风险存在变动性。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。
Claims (1)
1.一种恶劣天气下用户用电安全风险演化分析评估方法，其特征在于：所述方法包括以下步骤：
步骤1：输入配电网线路连接关系数据以及配电网电力设备的可靠性参数；
步骤2：建立配电网电力设备的模糊集模型；
步骤3：建立状态转移矩阵和马尔科夫链方程，并给出马尔科夫链方程的初始值；
步骤4：得到恶劣天气下用户用电安全风险的时间演化规律；
所述步骤1中，电网线路连接关系数据包括线路首末端编号、负荷点编号和变压器编号；与用户用电安全设备相关的配电网电力设备包括线路和变压器，线路可靠性参数包括线路故障率和线路修复率，变压器的可靠性参数包括变压器故障率和变压器修复率；
所述步骤2中，模糊集模型包括故障率模糊集模型和修复率模糊集模型；所述模糊集模型由模糊区间和隶属度函数两个要素组成；
所述故障率模糊集模型中故障率模糊数的隶属度函数采用三角模糊数的隶属度函数表示，故障率模糊数模糊区间表示为：
<mrow>
<msub>
<mover>
<mi>&lambda;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>t</mi>
<mi>c</mi>
</mrow>
</msub>
<mo>=</mo>
<mover>
<mi>&lambda;</mi>
<mo>^</mo>
</mover>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mi>N</mi>
<mo>+</mo>
<mi>S</mi>
</mrow>
<mi>S</mi>
</mfrac>
<mo>&CenterDot;</mo>
<mi>F</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为故障率模糊数，为配电网电力设备故障率长期统计的均值，N为气象部门记录的正常天气持续时间长期统计平均值，S为气象部门记录的恶劣天气持续时间长期统计平均值；F为恶劣天气下发生故障的比例，采用三角模糊数表示为：
F＝((Fmax-Fmin)/2,(Fmax+Fmin)/2,(Fmax-Fmin)/2) (2)
其中，Fmin和Fmax分别为恶劣天气下发生故障的比例F的最小值和最大值，将F的三角模糊数按照模糊数的计算法则带入上式即得故障率的模糊数；
假设修复率模糊集模型中修复率模糊数服从正态分布，采用μ-3σ、μ+3σ分别代替隶属度为0时的修复率模糊数取值，得到的结果误差为0.26％，其依据是基于正态分布3σ准则，随机变量分布在(μ-3σ，μ+3σ)区间的概率为99.74％；其中，μ、σ分别为正态分布的均值和方差；修复率模糊数对应的α隶属度取值下的模糊区间为：
<mrow>
<mi>&mu;</mi>
<mo>-</mo>
<mi>&sigma;</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>Z</mi>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>&le;</mo>
<mover>
<mi>&mu;</mi>
<mo>~</mo>
</mover>
<mo>&le;</mo>
<mi>&mu;</mi>
<mo>+</mo>
<mi>&sigma;</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>Z</mi>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为修复率的模糊数取值，Z1-α/2为标准正态分布的1-α/2分位点，α为正态分布分位点；
所述步骤3中，按照配电网的拓扑结构建立待分析用户的模糊马尔科夫链的状态转移矩阵，有：
其中，Q为待分析用户的模糊马尔科夫链的状态转移矩阵，为第i个配电网电力设备的故障率，为第i个配电网电力设备的修复率，i＝1,2,…,n，n为配电网电力设备总数；且满足Q中每行元素之和为0，即满足：
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>Q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Qij为Q中第i行、第j列元素；
所述步骤3中，建立马尔科夫链方程，即Fokker-Planck方程，有：
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>Q</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，P(t)为所有配电网电力设备的状态概率，若某配电网电力设备故障，则该配电网电力设备对应的状态概率取值为0，否则为1；配电网电力设备各个状态的对应的马尔科夫链方程的初始值初值可由当前状态确定，初值表示为：
[p1(0) p2(0) … pn(0)] (7)
其中，p1(0)、p2(0)、…、pn(0)分别为第1至n个配电网电力设备组成的系统对应的状态概率；
所述步骤4中，采用四阶龙格库塔法求解马尔柯夫链方程，得到恶劣天气下用户用电安全风险的时间演化规律模糊解，有：
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>p</mi>
<mo>~</mo>
</mover>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mover>
<mi>p</mi>
<mo>~</mo>
</mover>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msub>
<mover>
<mi>p</mi>
<mo>~</mo>
</mover>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，分别为第1至n个配电网电力设备组成的系统对应的状态的概率模糊数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410332154.0A CN104091238B (zh) | 2014-07-11 | 2014-07-11 | 一种恶劣天气下用户用电安全风险演化分析评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410332154.0A CN104091238B (zh) | 2014-07-11 | 2014-07-11 | 一种恶劣天气下用户用电安全风险演化分析评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104091238A CN104091238A (zh) | 2014-10-08 |
| CN104091238B true CN104091238B (zh) | 2017-11-03 |
Family
ID=51638953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410332154.0A Active CN104091238B (zh) | 2014-07-11 | 2014-07-11 | 一种恶劣天气下用户用电安全风险演化分析评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104091238B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105260952B (zh) * | 2015-11-19 | 2018-12-14 | 华北电力大学（保定） | 基于马尔科夫链蒙特卡洛方法的光伏电站可靠性评估方法 |
| CN105761006A (zh) * | 2016-02-23 | 2016-07-13 | 成都理工大学 | 一种旅游安全风险探测器模型 |
| CN105743754A (zh) * | 2016-05-11 | 2016-07-06 | 百度在线网络技术（北京）有限公司 | 智能家居平台及基于智能家居平台的用电安全监控方法 |
| CN106203829A (zh) * | 2016-07-11 | 2016-12-07 | 西南交通大学 | 一种考虑天气状态的接触网可靠性评估方法 |
| CN106651646A (zh) * | 2016-11-28 | 2017-05-10 | 武汉大学 | 基于模糊综合评判的输电线路覆冰状态评估方法 |
| CN107368979B (zh) * | 2017-09-21 | 2020-05-08 | 广东电网有限责任公司电力科学研究院 | 一种天气敏感型区域配电网扰动事件预测方法及装置 |
| CN107607820B (zh) * | 2017-10-10 | 2020-01-31 | 华北电力大学 | 一种基于生灭过程的变压器内部潜伏性故障率预测方法 |
| CN107831300B (zh) * | 2017-10-20 | 2020-02-04 | 广东电网有限责任公司河源供电局 | 一种基于三维梯形概率模糊集的变压器绝缘油劣化评估方法 |
| CN109325684A (zh) * | 2018-09-19 | 2019-02-12 | 深圳供电局有限公司 | 电网调度风险评估方法、装置、计算机设备和存储介质 |
| CN115719168B (zh) * | 2023-01-10 | 2023-04-11 | 佰聆数据股份有限公司 | 基于多电力终端协同的发电设备运行风险分析方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103488886A (zh) * | 2013-09-13 | 2014-01-01 | 清华大学 | 基于模糊动态贝叶斯网络的态势威胁评估方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4131905B2 (ja) * | 2001-02-26 | 2008-08-13 | 株式会社東芝 | 電力取引システム |
-
2014
- 2014-07-11 CN CN201410332154.0A patent/CN104091238B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103488886A (zh) * | 2013-09-13 | 2014-01-01 | 清华大学 | 基于模糊动态贝叶斯网络的态势威胁评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| Reliability Evaluation of Equipment and Substations With Fuzzy Markov Processes;Haifeng Ge 等;《IEEE TRANSACTIONS ON POWER SYSTEM》;20100202;第25卷(第3期);第1319-1328页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104091238A (zh) | 2014-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104091238B (zh) | 一种恶劣天气下用户用电安全风险演化分析评估方法 | |
| Ran et al. | Three‐phase probabilistic load flow for power system with correlated wind, photovoltaic and load | |
| Ramezani et al. | Role of clustering in the probabilistic evaluation of TTC in power systems including wind power generation | |
| Liu et al. | Online TTC estimation using nonparametric analytics considering wind power integration | |
| US9639643B2 (en) | Method and system for generating electric load models | |
| CN104599189A (zh) | 一种计入电力系统运行方式的电网规划方案风险评估方法 | |
| Liu et al. | Effects of correlated photovoltaic power and load uncertainties on grid‐connected microgrid day‐ahead scheduling | |
| Dang et al. | Smart grid-oriented graphical user interface design and data processing algorithm proposal based on labview | |
| Akbarzadeh Aghdam et al. | Voltage stability assessment algorithm to predict power system loadability margin | |
| Krishnan et al. | Contingency assessment under uncertainty for voltage collapse and its application in risk based contingency ranking | |
| Cicilio et al. | Transmission hosting capacity of distributed energy resources | |
| CN103887792B (zh) | 一种含分布式电源的低压配电网建模方法 | |
| Mahmoud et al. | Efficient SPF approach based on regression and correction models for active distribution systems | |
| Guan et al. | Heuristic planning for dynamic VAR compensation using zoning approach | |
| Ranković et al. | ANN‐based correlation of measurements in micro‐grid state estimation | |
| Chihota | Extending the Herman-Beta transform for probabilistic load flow analysis of radial feeders | |
| Wang et al. | Analysis of wind farm output characteristics based on descriptive statistical analysis and envelope domain | |
| Huang et al. | Effect of accurate modelling of converter interfaced generation on a practical bulk power system | |
| Lamprianidou et al. | Assessment of load and generation modelling on the quasi-static analysis of distribution networks | |
| Shah et al. | Chronological risk assessment approach of distribution system with concentrated solar power plant | |
| Hempel et al. | Smart network control with coordinated PV infeed | |
| CN105552880A (zh) | 基于状态枚举法的电力系统典型故障集确定方法 | |
| Han et al. | An assessment approach of the power system vulnerability considering the uncertainties of wind power integration | |
| Alden et al. | Digital Twin for HVAC Load and Energy Storage based on a Hybrid ML Model with CTA-2045 Controls Capability | |
| May et al. | Improving scalability and replicability of smart grid projects |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |