CN104200390A - 基于细胞自动机的电力网络可靠性分析方法 - Google Patents
基于细胞自动机的电力网络可靠性分析方法 Download PDFInfo
- Publication number
- CN104200390A CN104200390A CN201410279169.5A CN201410279169A CN104200390A CN 104200390 A CN104200390 A CN 104200390A CN 201410279169 A CN201410279169 A CN 201410279169A CN 104200390 A CN104200390 A CN 104200390A
- Authority
- CN
- China
- Prior art keywords
- node
- electrical network
- plant stand
- cellular automaton
- power network
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供的一种基于细胞自动机的电力网络可靠性分析方法,包括如下步骤:a.将电网中的电气设备按性质分类并分为有抗阻元件和无抗阻元件,根据各元件分类情况建立厂站拓扑模型以及电网拓扑模型;b.获取电网中各元件的故障状态信息;c.设定厂站细胞自动机规则,并根据电网中各元件的故障状态信息进行厂站拓扑分析,划分厂站逻辑节点;d.设定电网细胞自动机规则,并根据厂站拓扑模型以及电网系统外部与厂站的连接关系进行电网拓扑分析,获取电网子系统;e.对电网各子系统进行潮流分析,采用统计模拟方法确定电电力系统可靠性;本发明的基于细胞自动机的电力网络分析方法,将电网中的所有元件进行一体考虑,能够识别孤立的子系统,提高分析效率。
Description
技术领域
本发明涉及一种电力网络可靠性分析方法,尤其涉及一种基于细胞自动机的电力网络可靠性分析方法。
背景技术
随着经济的发展,电力网络的区域互联已成为电力系统网络的发展趋势,这也使得电网逐渐成为最复杂的网络之一。虽然对电网规划、管理的工作人员进行了大量辛勤和有成效的工作,甚至采用电力网络规划软件进行电力网络扩展规划,但是由于负荷增长的不确定性,厂站布点与容量的局限性,电网建设与城乡规划的不一致性,而与此同时,随着高精度和高科技产品数量的增加,用户对电力网络的供电质量、供电能力和供电可靠性要求越来越高。因此迫切需要对区域电力网络可靠性进行深入分析,为电力系统控制、运行、检修、规划等决策提供依据。
目前,在电网可靠性研究中,现有技术分两步进行,即先进行厂站可靠性分析,在此基础上形成等值电网模型,再进行电网可靠性分析,在现有技术中厂站中元件(断路器、隔离开关)被近似认为是无抗阻的,在分析可靠性时只要进行连通性的逻辑判断,并且在电网满足潮流方程的约束和不失分析精度的前提下,这样对提高电网可靠性计算速度是有益的,但是,电网可靠性与厂站可靠性是相互影响的,而现有技术中将厂站接线与输电网分离分析,当厂站接线与输电网拓扑结构发生改变时,将导致分析模拟过程中不可或缺的参数丢失,从而使得电网的可靠性的准确度降低,而且效率低下。并且随着电力系统规模的扩大和实时性要求的提高,电网可靠性分析的准确性以及可靠性低的问题更突出。
因此,需要提出一种新的电网可靠性分析的方法,能够在分析过程中将厂站接线和输电线路进行结合,能够有效防止在分析过程中与厂站接线和输电线路均相关的参数的丢失,提高分析结果的准确性,并且能够提高分析效率。
发明内容
有鉴于此,本发明的目的是提供一种基于细胞自动机的电力网络可靠性分析方法,能够在分析过程中将厂站接线和输电线路进行结合,能够有效防止在分析过程中参数的丢失,提高分析结果的准确性,并且能够提高分析效率。
本发明提供的一种基于细胞自动机的电力网络可靠性分析方法,包括如下步骤:
a.将电网中的电气设备按性质分类并分为有抗阻元件和无抗阻元件,根据电网中的各元件分类情况建立厂站拓扑模型以及电网拓扑模型;
b.并获取电网中各元件的故障状态信息;
c.设定厂站细胞自动机规则,并根据电网中各元件的故障状态信息进行厂站拓扑分析;
d.设定电网细胞自动机规则,并根据厂站拓扑模型以及电网系统外部与厂站的连接关系进行电网拓扑分析,获取电网子系统;
e.对电网各子系统进行潮流分析,采用统计模拟的方法,确定电网系统可靠性F。
进一步,步骤a中,在电网中由各元件连接形成区域,不包括任何输电线路上的元件连接所构成的区域形成厂站拓扑结构;而每个位于输电线路上的元件属于两个不同的厂站;各元件的物理节点为电气节点,由无抗阻元件直接连接形成的电气节点连通片为逻辑节点,而由逻辑节点连接组成子系统;由各厂站之间的连接构成电网拓扑结构。
进一步,步骤b为:若广义电网中有m各元件,定义一个m元状态向量ξ=g(x1,x2,…,xj,…xm),其中xi为第i个元件状态,对于电网中的各个元件的状态,采用多次随机抽样的方式确定一个随机数kj,则每次抽取的元件的故障状态为:
并根据元件的故障状态设定向量ξ=g(x1,x2,…,xj,…xm);
其中,kj为在[0,1]间的随机数,m为电网中元件的个数,j为m个元件中第j个元件,PFj为第j个元件的故障概率,1表示第j个元件工作正常,0表示第j个元件处于故障状态。
进一步,步骤c中,当一厂站某元件故障,该元件退出运行,可得到新的厂站接线拓扑模型,与此同时,定义厂站细胞自动机规则为W(i)=or[W(j),…,W(k)],则根据新的厂站拓扑结构以及厂站细胞自动机的规则确定厂站拓扑结构的分支集合A,并根据厂站的分支集合A确定逻辑节点集合Bi;其中,j,…,k∈Λi,Λi表示与节点i邻接的节点集合。
进一步,步骤d中,根据电网系统外部的输电线路与厂站的逻辑节点连接关系,确定q×l阶的关联矩阵Di,其中q为该厂站逻辑节点数,并且在所有厂站的拓扑分析后,将所有关联矩阵D按行合并可得到nl×l阶的系统逻辑节点与输电线路关联矩阵T,由关联矩阵T确定系统的邻接矩阵G,并且根据电网细胞自动机的规则,得到分片矩阵H,则H中记录有电网子系统的数量及每个子系统包含的元件数量,且电网的子系统表示为S={S1,S2,…,Sk};邻接矩阵G用NODE={n1,n2,…,nt}以及LINK={l1,l2,…,lp}表示,其中,其中,t表示电力系统中逻辑节点数量,ni代表一个逻辑节点,p表示电力系统中输电线路数量,li代表第i条输电线路;
其中,定义整个电网细胞自动机规则为:将NODE中任意逻辑节点加入起始为空的集合Si中,且根据Si=Si∪[adj(w)],其中w表示Si中任意节点,直到不再有新的节点加入为止。
进一步,步骤e中,还包括步骤e1:对电网子系统进行潮流分析,对于潮流不收敛的子系统,调用最优潮流分析,分析模型为:
min(CX)
s.t AX=b
X≥0
根据潮流不收敛子系统的分析模型,模拟电力系统再调度过程,计算无法满足的最小功率PWi。
进一步,步骤e中,还包括e2:根据步骤e1统计无法满足的总功率PW,计算F(ξ);其中可靠性的测度函数为:电力不足的时间分布函数:
进一步,步骤e中还包括步骤e3:重复步骤a至步骤e,得出N个电网状态样本ξ1,ξ2,…,ξi,…ξN;对每个样本进行可靠性F(ξi)计算,根据得出N个随机变量函数值F(ξ1)、F(ξ2)…F(ξN),然后根据公式求出可靠性F。
本发明的有益效果:本发明的基于细胞自动机的电力网络分析方法,能够在分析过程中将厂站接线和输电线路进行结合,将电网中的所有元件进行一体考虑,并且能够识别电网中与其它子系统并无输电线路直连的孤立子系统,能够有效防止在分析过程中参数的丢失,提高分析结果的准确性,并且能够提高分析效率。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为本发明的分析流程。
图2为本发明的实施例的电力系统拓扑模型。
图3为本发明的实施例中厂站2的拓扑分析结果。
图4为本发明的实施例的电网系统中所有厂站拓扑分析结果。
图5为本发明的实施例的电网系统中电气节点与逻辑节点之间的映射关系。
图6为本发明的实施例的整个电网系统网络拓扑分析结果。
具体实施方式
图1为本发明的分析流程,如图所示,本发明提供的一种基于细胞自动机的电力网络可靠性分析方法,包括如下步骤:
a.将电网中的电气设备按性质分类并分为有抗阻元件和无抗阻元件,根据电网中的各元件分类情况建立厂站拓扑模型以及电网拓扑模型;
b.并获取电网中各元件的故障状态信息;
c.设定厂站细胞自动机规则,并根据电网中各元件的故障状态信息进行厂站拓扑分析;
d.设定电网细胞自动机规则,并根据厂站拓扑模型以及电网系统外部与厂站的连接关系进行电网拓扑分析,获取电网子系统;
e.对电网各子系统进行潮流分析,采用统计模拟的方法,确定电网系统可靠性F;本发明的基于细胞自动机的电力网络分析方法,能够在分析过程中将厂站接线和输电线路进行结合,将电网中的所有元件进行一体考虑,并且能够识别孤立的子系统,能够有效防止在分析过程中参数的丢失,提高分析结果的准确性,并且能够提高分析效率。
本实施例中,步骤a中,在电网中由各元件连接形成区域中,不包括任何输电线路元件的区域形成厂站;而每个位于输电线路上的元件属于两个不同的厂站,各元件的物理节点为电气节点,由无抗阻元件直接连接形成的电气节点连通片为逻辑节点,而由逻辑节点连接组成子系统;由各厂站之间的连接构成的子系统形成电网拓扑结构。
本实施例中,步骤b为:若广义电网中有m各元件,定义一个m元状态向量ξ=g(x1,x2,…,xj,…xm),对于电网中的各个元件的状态,采用多次随机抽样的方式确定一个随机数kj,则每次抽取的元件的故障状态为:
并根据元件的故障状态设定向量ξ=g(x1,x2,…,xj,…xm);
其中,kj为在[0,1]间的随机数,m为电网中元件的个数,j为m个元件中第j个元件,PFj为第j个元件的故障概率,1表示第j个元件工作正常,0表示第j个元件处于故障状态;以具有2个厂站的电力系统为例,如图2所示,图中1-10表示电气节点,(1)-(5)表示有抗阻元件,由图可知,该电力系统中包含有15个元件,则故障状态向量即为ξ=g(x1,x2,…,x9,…x15),如果对第j个元件进行n次取样,则其中ti为每次取样的随机数并且ti∈[0,1]。
本实施例中,步骤c中,当一厂站某元件故障,该元件退出运行,可得到新的厂站接线拓扑模型,定义厂站细胞自动机的规则为W(i)=or[W(j),…,W(k)],则根据新的厂站拓扑结构以及厂站细胞自动机的规则确定厂站拓扑结构的分支集合A,并根据厂站的分支集合A确定逻辑节点集合Bi;其中,j,…,k∈Λi,Λi表示与节点i邻接的节点集合,还是以图2中的电力网络拓扑结构为例,如图3所示,对厂站2进行分析后,得到两个连通的分支,分别为A1和A2,在分支集合A1中包含{1,2,3,4}的电气节点,分支集合A2包含电气节点为{5,6},因此,根据逻辑节点的定义,厂站2中的逻辑节点包括由分支集合A1组成的逻辑节点1和分支集合A2组成的逻辑节点2,而厂站1中,则由电气节点{1,2,3,4,5,6}组成逻辑节点5,由电气节点{7,8}组成逻辑节点4,由电气节点{9,10}组成逻辑节点3,因此,电气节点与逻辑节点形成映射关系,如图5所示,结合图5中的映射关系与输电线路的连接关系,将关联各电气节点的输电线路连接到包含该电气节点的逻辑节点上,则可得到电力系统的网络拓扑结构(如图6所示)及各逻辑节点与输电线路之间的邻接矩阵,当然,如果厂站中没有元件因故障退出,则进入到步骤d中进行电网拓扑分析。
本实施例中,步骤d中,根据电网系统外部的输电线路与厂站的逻辑节点连接关系,确定q×l阶的关联矩阵Di,并且在所有厂站的拓扑分析后,将所有厂站关联矩阵D按行合并后得到nl×l阶的系统逻辑节点与输电线路关联矩阵T,并且由关联矩阵T确定系统的邻接矩阵G,并且根据电网细胞自动机的规则,得到分片矩阵H,则H中记录有电网子系统的数量及每个子系统包含的元件数量,且电网的子系统表示为S={S1,S2,…,Sk};
邻接矩阵G用NODE={n1,n2,…,nt}以及LINK={l1,l2,…,lp}表示,其中,其中,t表示电力系统中逻辑节点数量,ni代表一个逻辑节点,p表示电力系统中输电线路数量,li代表第i条输电线路;
其中,定义电网细胞自动机规则为:将NODE中任意逻辑节点加入起始为空的集合Si中,且根据Si=Si∪[adj(w)],其中w表示Si中任意节点,直到不再有新的节点加入为止。
本实施例中,步骤e中,还包括步骤e1:对电网子系统进行潮流分析,对于潮流不收敛的子系统,分析模型为:
s.t
Vmin≤V≤Vmax
PG min≤PG≤PG max
QG min≤QG≤QG max
TL=M·(PG-PD+PWε)
其中V为电网中所有元件的运行电压,Vmax和Vmin分别表示电网中所有电气设备的运行电压上下极限;PG和QG则表示所有电源节点需要满足的有功功率和无功功率;TL为输电线路有功潮流列向量,M为输电线路潮流与节点净注入量之间的关联矩阵,PG为节点发电机出力列向量,PD为节点的有功负荷列向量,PWi为节点无法满足的功率所对应的列向量,PGi为节点i发电机出力,NG为发电机组集合,根据潮流不收敛子系统的分析模型,模拟电力系统再调度过程,计算无法满足的最小功率PWi,如果潮流分析中没有分析完所有子系统,则继续进行子系统的潮流分析。
本实施例中,步骤e中,还包括e2:根据步骤e1统计无法满足的总功率PW,计算F(ξ);其中可靠性的测度函数为:
电力不足的时间分布函数:
其中PW为无法满足的总功率,
电力不足的数学期望为:
本实施例中,步骤e中还包括步骤e3:重复步骤a至步骤e,得出N个电网状态样本ξ1,ξ2,…,ξi,…ξN;对每个样本进行可靠性F(ξi)计算,根据得出N个随机变量函数值F(ξ1)、F(ξ2)…F(ξN),然后根据公式求出可靠性F。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于细胞自动机的电力网络可靠性分析方法,其特征在于:包括如下步骤:
a.将电网中的电气设备按性质分类并分为有抗阻元件和无抗阻元件,根据电网中的各元件分类情况建立厂站拓扑模型以及电网拓扑模型;
b.并获取电网中各元件的故障状态信息;
c.设定厂站细胞自动机规则,并根据电网中各元件的故障状态信息进行厂站拓扑分析,获得厂站逻辑节点;
d.设定电网细胞自动机规则,并根据厂站拓扑模型以及电网系统外部与厂站的连接关系进行电网拓扑分析,获取电网子系统;
e.对电网各子系统进行潮流分析,采用统计模拟方法确定电电力系统可靠性F。
2.根据权利要求1所述基于细胞自动机的电力网络可靠性分析方法,其特征在于:步骤a中,在电网中,各元件连接形成区域,不包括任何输电线路上的元件连接所构成的区域形成厂站拓扑结构;而每个位于输电线路上的元件属于两个不同的厂站;各元件的物理节点为电气节点,由无抗阻元件直接连接形成的电气节点连通片为逻辑节点,而由逻辑节点连接组成子系统;由各厂站之间的连接构成电网拓扑结构。
3.根据权利要求2所述基于细胞自动机的电力网络可靠性分析方法,其特征在于:步骤b为:若广义电网中有m各元件,定义一个m元状态向量ξ=g(x1,x2,…,xj,…xm),对于电网中的各个元件的状态,采用多次随机抽样的方式确定一个随机数kj,则每次抽取的元件的故障状态为:
并根据元件的故障状态设定向量ξ=g(x1,x2,…,xj,…xm);
其中,kj为在[0,1]间的随机数,m为电网中元件的个数,j为m个元件中第j个元件,PFj为第j个元件的故障概率,1表示第j个元件工作正常,0表示第j个元件处于故障状态。
4.根据权利要求3所述基于细胞自动机的电力网络可靠性分析方法,其特征在于:步骤c中,针对各个厂站定义细胞自动机规则为W(i)=or[W(j),…,W(k)],且当某一厂站有元件因故障退出后,则根据新的厂站拓扑结构以及厂站细胞自动机的规则确定厂站拓扑结构的分支集合A,并根据厂站的分支集合A确定逻辑节点集合Bi;其中,j,…,k∈Λi,Λi表示与节点i邻接的节点集合。
5.根据权利要求4所述基于细胞自动机的电力网络可靠性分析方法,其特征在于:步骤d中,根据电网系统外部的输电线路与厂站的逻辑节点连接关系,确定q×l阶的关联矩阵Di,并且在所有厂站的拓扑分析后,将所有厂站关联矩阵D按行合并可得到nl×l阶的系统逻辑节点与输电线路的关联矩阵T,并且由关联矩阵T确定系统的邻接矩阵G,并且根据电网细胞自动机的规则,得到分片矩阵H,则H中记录有电网子系统的数量及每个子系统包含的元件数量,且电网的子系统表示为S={S1,S2,…,Sk};
邻接矩阵G用NODE={n1,n2,…,nt}以及LINK={l1,l2,…,lp}表示,其中,其中,t表示电力系统中逻辑节点数量,ni代表一个逻辑节点,p表示电力系统中输电线路数量,li代表第i条输电线路;
其中,将整个电网细胞自动机规则定义为:将NODE中任意逻辑节点加入起始为空的集合Si中,且根据Si=Si∪[adj(w)],其中w表示Si中任意节点,直到不再有新的节点加入为止。
6.根据权利要求5所述基于细胞自动机的电力网络可靠性分析方法,其特征在于:步骤e中,还包括步骤e1:对电网子系统进行潮流分析,对于潮流不收敛的子系统,分析模型为:
s.t
Vmin≤V≤Vmax
PG min≤PG≤PG max
QG min≤QG≤QG max
TL=M·(PG-PD+PWε)
其中V为电网中所有元件的运行电压,Vmax和Vmin分别表示电网中所有电气设备的运行电压上下极限;PG和QG则表示所有电源节点需要满足的有功功率和无功功率;TL为输电线路有功潮流列向量,M为输电线路潮流与节点净注入量之间的关联矩阵,PG为节点发电机出力列向量,PD为节点的有功负荷列向量,PWi为节点无法满足的功率所对应的列向量,PGi为节点i发电机出力,NG为发电机组集合,根据潮流不收敛子系统的分析模型,模拟电力系统再调度过程,计算无法满足的最小功率PWi。
7.根据权利要求6所述基于细胞自动机的电力网络可靠性分析方法,其特征在于:步骤e中,还包括e2:根据步骤e1统计无法满足的总功率PW,计算F(ξ);其中可靠性的测度函数为:电力不足的时间分布函数:
其中PW为无法满足的总功率,电力不足的数学期望为:
。
8.根据权利要求7所述基于细胞自动机的电力网络可靠性分析方法,其特征在于:步骤e中还包括步骤e3:重复步骤a至步骤e,得出N个电网状态样本ξ1,ξ2,…,ξi,…ξN;对每个样本进行可靠性F(ξi)计算,根据 得出N个随机变量函数值F(ξ1)、F(ξ2)…F(ξN),然后根据公式求出可靠性F。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410279169.5A CN104200390B (zh) | 2014-06-20 | 2014-06-20 | 基于细胞自动机的电力网络可靠性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410279169.5A CN104200390B (zh) | 2014-06-20 | 2014-06-20 | 基于细胞自动机的电力网络可靠性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104200390A true CN104200390A (zh) | 2014-12-10 |
CN104200390B CN104200390B (zh) | 2019-01-29 |
Family
ID=52085677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410279169.5A Active CN104200390B (zh) | 2014-06-20 | 2014-06-20 | 基于细胞自动机的电力网络可靠性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200390B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119741A (zh) * | 2015-07-21 | 2015-12-02 | 重庆邮电大学 | 一种云网络可靠性度量方法 |
CN109408847A (zh) * | 2018-08-23 | 2019-03-01 | 山东科技大学 | 一种基于多元胞自动机的互联电网自组织临界性仿真方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4809193A (en) * | 1987-03-16 | 1989-02-28 | Jourjine Alexander N | Microprocessor assemblies forming adaptive neural networks |
GB2468269A (en) * | 2008-02-07 | 2010-09-01 | Univ Durham | Self-repairing electronic data system |
CN103501235A (zh) * | 2013-07-15 | 2014-01-08 | 中国航天标准化研究所 | 基于元胞自动机的复杂系统可用性确定方法 |
CN103544652A (zh) * | 2013-09-26 | 2014-01-29 | 广东电网公司中山供电局 | 电网行业分类负荷自动统计方法及系统 |
CN103647273A (zh) * | 2013-11-04 | 2014-03-19 | 国家电网公司 | 一种配电网网架在线合环潮流优化方法 |
-
2014
- 2014-06-20 CN CN201410279169.5A patent/CN104200390B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4809193A (en) * | 1987-03-16 | 1989-02-28 | Jourjine Alexander N | Microprocessor assemblies forming adaptive neural networks |
GB2468269A (en) * | 2008-02-07 | 2010-09-01 | Univ Durham | Self-repairing electronic data system |
CN103501235A (zh) * | 2013-07-15 | 2014-01-08 | 中国航天标准化研究所 | 基于元胞自动机的复杂系统可用性确定方法 |
CN103544652A (zh) * | 2013-09-26 | 2014-01-29 | 广东电网公司中山供电局 | 电网行业分类负荷自动统计方法及系统 |
CN103647273A (zh) * | 2013-11-04 | 2014-03-19 | 国家电网公司 | 一种配电网网架在线合环潮流优化方法 |
Non-Patent Citations (2)
Title |
---|
丁明等: ""基于小世界拓扑模型的大型电网脆弱性评估算法"", 《电力系统自动化》 * |
王勇: ""电力系统运行可靠性分析与评价理论研究"", 《中国博士学位论文全文数据库工程科技II辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119741A (zh) * | 2015-07-21 | 2015-12-02 | 重庆邮电大学 | 一种云网络可靠性度量方法 |
CN109408847A (zh) * | 2018-08-23 | 2019-03-01 | 山东科技大学 | 一种基于多元胞自动机的互联电网自组织临界性仿真方法 |
CN109408847B (zh) * | 2018-08-23 | 2023-06-09 | 山东科技大学 | 一种基于多元胞自动机的互联电网自组织临界性仿真方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104200390B (zh) | 2019-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106204330A (zh) | 一种配电网智能诊断系统 | |
Fioriti et al. | A novel stochastic method to dispatch microgrids using Monte Carlo scenarios | |
CN107292502B (zh) | 一种配电网可靠性评估方法 | |
CN106875033B (zh) | 一种基于动态自适应的风电集群功率预测方法 | |
CN103944162B (zh) | 一种基于实时预想事故集的配电网故障恢复方法 | |
CN103488869A (zh) | 一种最小二乘支持向量机的风力发电短期负荷预测方法 | |
CN106022581B (zh) | 基于几何优化-最小方差化方法的重要抽样蒙特卡洛电力系统可靠性评估方法 | |
CN105117988A (zh) | 一种电力系统中缺失数据插补的方法 | |
CN103795057B (zh) | 配电网潮流计算中基于搜索的配电网拓扑编号生成方法 | |
CN108400595A (zh) | 一种考虑新能源出力相关性的电压暂降随机预估方法 | |
CN103093097A (zh) | 基于规范切的电力系统脆弱断面识别方法 | |
CN105069236A (zh) | 考虑风电场节点空间相关性的广义负荷联合概率建模方法 | |
CN104537432A (zh) | 基于证据推理的电力系统多目标优化调度的决策方法 | |
CN103473602A (zh) | 一种电网理论线损数据预测系统及预测方法 | |
CN104915889A (zh) | 一种基于日负荷曲线在线获取综合负荷模型参数的方法 | |
CN105529714A (zh) | 基于正态分布组合特征的快速概率潮流计算方法 | |
CN104680427A (zh) | 地区配电网综合优化规划系统 | |
CN103745274A (zh) | 一种用于分散式风电的短期功率预测方法 | |
CN104134011A (zh) | 一种配电网小水电接入最优接纳能力的计算方法 | |
CN105680442A (zh) | 基于考虑潮流和灵敏度一致性等值网络的期望缺供电量评估方法 | |
CN102163846A (zh) | 一种以降损和负荷均衡为目标的地区电网网络重构方法 | |
CN106096779A (zh) | 一种输配电成本分析、风险评估模型及风险结构优化方法 | |
CN105741016A (zh) | 一种用于中期电网规划的静态可靠性概率指标获取方法 | |
CN102426623A (zh) | 一种用于电力负荷建模的自动故障拟合建模法 | |
CN104200390A (zh) | 基于细胞自动机的电力网络可靠性分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |