CN104537581A - 采用模糊相似度匹配的电压暂降源在线定位方法 - Google Patents
采用模糊相似度匹配的电压暂降源在线定位方法 Download PDFInfo
- Publication number
- CN104537581A CN104537581A CN201510047847.XA CN201510047847A CN104537581A CN 104537581 A CN104537581 A CN 104537581A CN 201510047847 A CN201510047847 A CN 201510047847A CN 104537581 A CN104537581 A CN 104537581A
- Authority
- CN
- China
- Prior art keywords
- voltage
- node
- similarity
- positive sequence
- fuzzy similarity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 239000013598 vector Substances 0.000 claims abstract description 23
- 230000005611 electricity Effects 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Locating Faults (AREA)
Abstract
本发明涉及一种采用模糊相似度匹配的电压暂降源在线定位方法,其特征在于:以全网现有节点的正序电压为特征量,建立节点正序电压匹配指数计算模型,并利用电压匹配指数的模糊相似度和监测电压向量匹配指数相似度进行暂降源定位。本发明可以利用现有有限的监测点信息更准确地实现电压暂降源定位。本发明计算电压暂降时节点正序电压的电压匹配指数,利用模糊相关度与离线建立的线路故障特征集匹配识别,因而对数据准确度不敏感。此外本发明同时采用所有监测节点的信息及网络拓扑信息来进行综合判断识别电压暂降源,数据源丰富,具有一定的容错性。因此利用本方法进行暂降源定位的准确度及普适性更高。
Description
技术领域
本发明涉及一种采用模糊相似度匹配的电压暂降源在线定位方法。
背景技术
电压暂降在众多的电能质量问题中是发生率较高、造成损失较严重的电能质量问题之一。准确定位电压暂降源,有助于电网故障定位、电能质量诊断以及制定缓解措施,同时也有利于区分暂降责任,协调缓解纠纷。目前,已经广泛应用的电能质量监测装置一般具备实时检测功能,并能对该监测节点的电压暂降次数及幅度进行统计分析,尚未实现暂降定位的工程应用。
区分暂降责任,进行电网故障定位必须建立在准确的电压暂降定位的基础上,因而其暂降源定位方法的准确度将直接影响工程时效;此外电压暂降的准确定位信息是用户改进设备或采取补偿措施以避免和减少受电压暂降影响的重要依据;电压暂降的准确定位能够指导配电网的规划、建设、改造和运行,提高电能质量。电压暂降定位的准确性受到其监测数据的准确度和冗余度的影响。由于电压暂降的监测点个数受到经济制约,因而无法得到全网的监测信息;其次监测信息的的个别误差使电压暂降源的监测数据存在一定模糊性。因而如何利用其有限的监测信息并不受个别错误信息干扰进行暂降源的精确定位是目前的主要研究方向。
当前电压暂降源定位广泛应用的是相对于测点的定向法。该方法进行电压暂降源定位的重要思路是采用对暂降源位置敏感的物理量来确定暂降源与测点的相对方位。相对于测点的定向法根据其检测的物理量不同分为扰动功率法、系统轨迹斜率法、实部电流法、距离继电器定位法、等效阻抗实部法等。该类方法存在以下两个问题。首先其只利用单一测点的物理量来进行定位,无法综合考虑暂降源对整个电网的影响,定位的可靠性受到单个节点测量信息及信息监测点数量的制约,对不同网络拓扑、故障类型的适应能力差,因此准确度及可靠性有待提高。此外,该方法只能确定暂降源基于测量点相对方向,暂降源的定位需通过逐点定向来实现最终定位。而逐点定向搜索定位的可靠性受到监测点数量、布局及网络拓扑的制约,只在辐射型网络中或定位负荷投运导致的暂降时更为适用。综上,当有节点信息缺失和错误时,就会出现误判或无法判断,其工程定位的准确性相对较低(<85%)。
由上可见,电压暂降监测点的布置局限性使节点监测信息不够完全,而目前已有方法针对信息不全或错误的情况进行电压暂降的准确度及实用性还存在一定的问题。
发明内容
本发明的目的是提供一种采用模糊相似度匹配的电压暂降源在线定位方法。
本发明采用以下方案实现:一种采用模糊相似度匹配的电压暂降源在线定位方法,其特征在于:以全网现有节点的正序电压为特征量,建立节点正序电压匹配指数计算模型,并利用电压匹配指数的模糊相似度和监测电压向量匹配指数相似度进行暂降源定位。
在本发明一实施例中,所述建立节点正序电压匹配指数计算模型是实现方式:设U是节点正序电压论域,则U上的一个监测向量S中每一个节点正序电压值s表达为一个真隶属度函数tv和一个假隶属度函数fv,构成节点电压匹配指数向量:V={vi|(tv,fv)};令测量向量中每个节点正序电压元素的电压匹配指数vi中包含有三个信息,即支持度tv、反对度fv和犹豫度πv。
在本发明一实施例中,所述支持度tv由数值对于区间上若干个关键点所组成的数组的高斯型隶属度来表示;观测点节点电压的高斯型隶属度函数如式(1),式中Mj,σj分别为数组的平均值和标准差;
犹豫度πv的计算公式如下:
πv=(1-σ)·(1-tv) (2)
反对度fv计算公式如下:
fv=1-tv-πv (3)
相对优势sv计算公式如下:
sv=tv-fv (4)。
在本发明一实施例中,所述模糊相似度是通过建立节点正序电压模糊相似度数学模型获取,定义节点电压匹配指数的相关度计算方法如下式:
将vi分别与基准匹配指数u=[1,1]进行按上式进行模糊相似度计算,得到各个节点与论断j的各节点模糊相似度mij{i=1,n},用以计算特征向量的模糊相似度Mj{j=1,l}。
在本发明一实施例中,还包括设计基于节点正序电压匹配指数敏感度的权重设置方法,即从节点电压匹配指数相似度mi计算待测电压向量与论断向量的模糊相似度Mj时基于网络特征为各个节点设置权重系数ki{i=1,n},以增强有利于匹配的节点信息。
在本发明一实施例中,所述权重系数的设置方法具体包括如下步骤:
(1)、利用V与Uj中的相同节点的l个相似度mij计算各节点对电压暂降的敏感因子,对敏感因子大的节点设置较高权重,敏感因子小的设置较低权重;
(2)、当两个相邻线路模糊相似度计算值相差小于预先设定阈值时,根据拓扑提高其对侧节点的权重系数k,重新进行节点电压匹配指数计算。
本发明提出一种基于模糊相关度的电压暂降源定位方法,可以利用现有有限的监测点信息更准确地实现电压暂降源定位。该项技术计算电压暂降时节点正序电压的电压匹配指数,利用模糊相关度与离线建立的线路故障特征集匹配识别,因而对数据准确度不敏感。此外该项技术同时采用所有监测节点的信息及网络拓扑信息来进行综合判断识别电压暂降源,数据源丰富,具有一定的容错性。因此利用本方法进行暂降源定位的准确度及普适性更高。
附图说明
图1是本发明流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。
本方法利用多个监测信息数据进行暂降源定位,基于网络节点电压同暂降源位置的函数关系提出了一种电压暂降源定位的新思路,利用节点正序电压的匹配指数计算其模糊相似度进行电压暂降源定位识别。以全网现有测点的正序电压为特征量,建立计算节点电压监测数据与离线建立的线路故障特征集匹配指数的数学模型,并利用电压匹配指数的模糊相似度和监测电压向量匹配指数相似度进行暂降源定位。
具体的,如图1所示,本发明方法的主要步骤有:①建立节点正序电压匹配指数计算模型、②建立模糊相似度计算模型、③设计基于节点正序电压匹配指数敏感度的权重设置方法。
建立节点正序电压匹配指数数学模型
设U是节点正序电压论域,则U上的一个监测向量S中每一个节点正序电压值s表达为一个真隶属度函数tv和一个假隶属度函数fv,构成节点电压匹配指数向量:V={vi|(tv,fv)}。令测量向量中每个节点正序电压元素的电压匹配指数vi中包含有三个信息,即支持度、反对度和犹豫度。基于多个电压暂降论断的论域构造测量向量各节点的电压匹配指数值。
支持度tv可以由数值对于区间上若干个关键点所组成的数组的高斯型隶属度来表示。观测点vi的高斯型隶属度函数如式(1),式中Mj,σj分别为数组的平均值和标准差。
犹豫度πv的计算公式如下:
πv=(1-σ)·(1-tv) (2)
反对度fv计算公式如下:
fv=1-tv-πv (3)
相对优势sv计算公式如下:
sv=tv-fv (4)
建立节点正序电压模糊相似度数学模型
系统含有n个节点l条线路。离线计算系统中各线路发生故障时网络节点正序电压的变化区间,作为识别库的模版向量Wj={wij,i=1,n}。系统中任一位置发生故障时网络中各节点正序电压监测值作为待匹配的特征向量。通过对节点电压匹配指数中tv和fv定义,得到待匹配数组中每一个节点对于每一组模版向量中同一节点电压的匹配指数向量Vj{j=1,l}。
定义节点电压匹配指数的相关度计算方法如下式:
将vi分别与基准匹配指数u=[1,1]进行按上式进行模糊相似度计算,得到各个节点与论断j的各节点模糊相似度mij{i=1,n},用以计算特征向量的模糊相似度Mj{j=1,l}。
建立模糊相似度计算的权重设置原则
该方法在从节点电压匹配指数相似度mi计算待测电压向量与论断向量的模糊相似度Mj时基于网络特征为各个节点设置权重系数ki{i=1,n},以增强有利于匹配的节点信息。
权重系数的设置方法如下:
(1)利用V与Uj中的相同节点的l个相似度mij计算各节点对电压暂降的敏感因子,对敏感因子大的节点设置较高权重,敏感因子小的设置较低权重。
(2)当两个相邻线路模糊相似度计算值相差小于预先设定阈值时,根据拓扑提高其对侧节点的权重系数k,重新进行节点电压匹配指数计算。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (6)
1.一种采用模糊相似度匹配的电压暂降源在线定位方法,其特征在于:以全网现有节点的正序电压为特征量,建立节点正序电压匹配指数计算模型,并利用电压匹配指数的模糊相似度和监测电压向量匹配指数相似度进行暂降源定位。
2.根据权利要求1所述的采用模糊相似度匹配的电压暂降源在线定位方法,其特征在于:所述建立节点正序电压匹配指数计算模型是实现方式:设U是节点正序电压论域,则U上的一个监测向量S中每一个节点正序电压值s表达为一个真隶属度函数tv和一个假隶属度函数fv,构成节点电压匹配指数向量:V={vi|(tv,fv)};令测量向量中每个节点正序电压元素的电压匹配指数vi中包含有三个信息,即支持度tv、反对度fv和犹豫度πv。
3.根据权利要求2所述的采用模糊相似度匹配的电压暂降源在线定位方法,其特征在于:所述支持度tv由数值对于区间上若干个关键点所组成的数组的高斯型隶属度来表示;观测点节点电压的高斯型隶属度函数如式(1),式中Mj,σj分别为数组的平均值和标准差;
犹豫度πv的计算公式如下:
πv=(1-σ)·(1-tv) (2)
反对度fv计算公式如下:
fv=1-tv-πv (3)
相对优势sv计算公式如下:
sv=tv-fv (4)。
4.根据权利要求3所述的采用模糊相似度匹配的电压暂降源在线定位方法,其特征在于:所述模糊相似度是通过建立节点正序电压模糊相似度数学模型获取,定义节点电压匹配指数的相关度计算方法如下式:
将vi分别与基准匹配指数u=[1,1]进行按上式进行模糊相似度计算,得到各个节点与论断j的各节点模糊相似度mij{i=1,n},用以计算特征向量的模糊相似度Mj{j=1,l}。
5.根据权利要求4所述的采用模糊相似度匹配的电压暂降源在线定位方法,其特征在于:还包括设计基于节点正序电压匹配指数敏感度的权重设置方法,即从节点电压匹配指数相似度mi计算待测电压向量与论断向量的模糊相似度Mj时基于网络特征为各个节点设置权重系数ki{i=1,n},以增强有利于匹配的节点信息。
6.根据权利要求5所述的采用模糊相似度匹配的电压暂降源在线定位方法,其特征在于:所述权重系数的设置方法具体包括如下步骤:
(1)、利用V与Uj中的相同节点的l个相似度mij计算各节点对电压暂降的敏感因子,对敏感因子大的节点设置较高权重,敏感因子小的设置较低权重;
(2)、当两个相邻线路模糊相似度计算值相差小于预先设定阈值时,根据拓扑提高其对侧节点的权重系数k,重新进行节点电压匹配指数计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510047847.XA CN104537581B (zh) | 2015-01-30 | 2015-01-30 | 采用模糊相似度匹配的电压暂降源在线定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510047847.XA CN104537581B (zh) | 2015-01-30 | 2015-01-30 | 采用模糊相似度匹配的电压暂降源在线定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104537581A true CN104537581A (zh) | 2015-04-22 |
CN104537581B CN104537581B (zh) | 2017-08-11 |
Family
ID=52853100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510047847.XA Active CN104537581B (zh) | 2015-01-30 | 2015-01-30 | 采用模糊相似度匹配的电压暂降源在线定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104537581B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842580A (zh) * | 2015-11-20 | 2016-08-10 | 武汉大学 | 一种适用于智能配电网的电压暂降源精确定位优化方法 |
CN106354997A (zh) * | 2016-08-24 | 2017-01-25 | 清华大学 | 基于案例库的炼油过程模糊匹配调优方法 |
CN106646103A (zh) * | 2016-09-29 | 2017-05-10 | 福州大学 | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 |
CN109765458A (zh) * | 2019-01-16 | 2019-05-17 | 福州大学 | 一种基于萤火虫算法的暂降源定位方法 |
CN114167172A (zh) * | 2021-11-25 | 2022-03-11 | 国网福建省电力有限公司莆田供电公司 | 一种基于马氏距离与支持向量机的电压暂降源定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572411A (zh) * | 2009-06-10 | 2009-11-04 | 天津市电力公司 | 基于Mamdani模糊推理的电压暂降源识别方法 |
CN101625381A (zh) * | 2009-08-06 | 2010-01-13 | 江苏省电力试验研究院有限公司 | 电压暂降模糊评估方法 |
CN102479285A (zh) * | 2010-11-23 | 2012-05-30 | 上海市电力公司 | 一种用于电能质量的暂降特征量的计算方法 |
CN103903189A (zh) * | 2014-03-20 | 2014-07-02 | 华南理工大学 | 基于模糊聚类的低压配网台区聚类方法 |
-
2015
- 2015-01-30 CN CN201510047847.XA patent/CN104537581B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572411A (zh) * | 2009-06-10 | 2009-11-04 | 天津市电力公司 | 基于Mamdani模糊推理的电压暂降源识别方法 |
CN101625381A (zh) * | 2009-08-06 | 2010-01-13 | 江苏省电力试验研究院有限公司 | 电压暂降模糊评估方法 |
CN102479285A (zh) * | 2010-11-23 | 2012-05-30 | 上海市电力公司 | 一种用于电能质量的暂降特征量的计算方法 |
CN103903189A (zh) * | 2014-03-20 | 2014-07-02 | 华南理工大学 | 基于模糊聚类的低压配网台区聚类方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842580A (zh) * | 2015-11-20 | 2016-08-10 | 武汉大学 | 一种适用于智能配电网的电压暂降源精确定位优化方法 |
CN105842580B (zh) * | 2015-11-20 | 2018-11-13 | 武汉大学 | 一种适用于智能配电网的电压暂降源精确定位优化方法 |
CN106354997A (zh) * | 2016-08-24 | 2017-01-25 | 清华大学 | 基于案例库的炼油过程模糊匹配调优方法 |
CN106646103A (zh) * | 2016-09-29 | 2017-05-10 | 福州大学 | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 |
CN106646103B (zh) * | 2016-09-29 | 2019-02-22 | 福州大学 | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 |
CN109765458A (zh) * | 2019-01-16 | 2019-05-17 | 福州大学 | 一种基于萤火虫算法的暂降源定位方法 |
CN114167172A (zh) * | 2021-11-25 | 2022-03-11 | 国网福建省电力有限公司莆田供电公司 | 一种基于马氏距离与支持向量机的电压暂降源定位方法 |
CN114167172B (zh) * | 2021-11-25 | 2024-01-12 | 国网福建省电力有限公司莆田供电公司 | 一种基于马氏距离与支持向量机的电压暂降源定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104537581B (zh) | 2017-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106646103B (zh) | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 | |
CN103245881B (zh) | 一种基于潮流分布特征的配电网故障分析方法及装置 | |
CN104537581A (zh) | 采用模糊相似度匹配的电压暂降源在线定位方法 | |
CN103279639B (zh) | 基于响应的受端电网电压稳定全过程态势评估及防控方法 | |
CN102175922B (zh) | 基于pmu量测数据的电力线路参数的辨识与估计方法 | |
CN103825364B (zh) | 一种应用于电力系统状态估计的主子站信息交互方法 | |
CN103576053B (zh) | 一种基于有限电能质量监测点的电压暂降源定位方法 | |
CN100438251C (zh) | 一种大型电力系统脆弱线路辨识的方法 | |
CN103413044B (zh) | 一种基于变电站量测信息的电力系统局部拓扑估计方法 | |
CN107016236A (zh) | 基于非线性量测方程的电网假数据注入攻击检测方法 | |
CN105976257A (zh) | 基于隶属度函数的模糊综合评价法的电网脆弱性评估方法 | |
CN108199891B (zh) | 一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法 | |
CN108470246A (zh) | 一种基于特征参数的规划配电网供电可靠性指标评估方法 | |
CN103454559A (zh) | 一种配电网单相接地故障区段定位方法及定位装置 | |
CN103116097B (zh) | 基于多断面混合量测信息的设备参数在线辨识方法 | |
CN107453484B (zh) | 一种基于wams信息的scada数据校准方法 | |
CN106127047B (zh) | 一种基于延森-香农距离的电力系统恶意数据检测方法 | |
CN111413589B (zh) | 一种基于灰靶决策的配电网单相短路故障定位方法 | |
CN102005757A (zh) | 一种基于量测生成树的电网拓扑错误的辨识方法 | |
Zhang et al. | A fault locating method for multi-branch hybrid transmission lines in wind farm based on redundancy parameter estimation | |
CN102636706B (zh) | 一种电网中参数误差支路的辨识方法 | |
CN114814420B (zh) | 一种基于冻结数据的低压配电网拓扑识别方法及系统 | |
CN106682407A (zh) | 基于戴维南等值和支路传输功率极限的电压稳定评估方法 | |
CN104992010A (zh) | 一种基于拓扑分区的多断面联合参数估计方法 | |
CN109521330A (zh) | 一种基于arima波头预测的输电线路故障行波测距方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |