CN104901425A - 一种广域测量系统自适应时延补偿方法 - Google Patents
一种广域测量系统自适应时延补偿方法 Download PDFInfo
- Publication number
- CN104901425A CN104901425A CN201510364716.4A CN201510364716A CN104901425A CN 104901425 A CN104901425 A CN 104901425A CN 201510364716 A CN201510364716 A CN 201510364716A CN 104901425 A CN104901425 A CN 104901425A
- Authority
- CN
- China
- Prior art keywords
- data
- delay
- time
- wams
- measurement signal
- 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
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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/16—Electric power substations
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种广域测量系统自适应补偿方法,涉及一种时延补偿方法。目前,对于采用预测补偿的方法中,预测时间长度往往根据经验直接设置一个固定值,自适应差,且预测补偿的误差大。本发明包括以下步骤:确定广域测量系统各PMU子站需预测补偿的时延长度;根据需求选择对应的量测信号预测补偿,并对量测信号进行预处理,预处理包括对历史数据中的异常数据进行检测并处理,采用计算量测信号数据变化率是否突变检测是否出现异常数据,当检测到异常数据后,对异常数据进行替换;对所选的量测信号的数据进行预测补偿。本技术方案时延补偿方法简单可靠,计算数据量小、预测补偿误差小,实现较为准确的预测补偿。
Description
技术领域
本发明涉及一种时延补偿方法,具体涉及一种广域测量系统时延自适应的预测补偿方法。
背景技术
广域测量系统解决了高精度的相量同步测量问题,为引入广域控制解决低频振荡、互联电网之间稳定控制等问题提出了新的思路,但广域测量系统的时延是广域系统控制器的设计所必须考虑的因素,因此探索时延补偿技术对WAMS控制系统的影响具有重要意义。
目前广域测量系统中,在进行时延补偿时,一种是直接设计时滞鲁棒控制器,通过提高系统自身对时延的稳定裕度;另一种是基于预测的补偿方法,通过对测量信号进行预测,采用预测值作为广域阻尼控制器输入,从而控制系统低频振荡。对于采用预测补偿的方法中,预测时间长度往往根据经验直接设置一个固定值,无法随着网络时延的变化自适应。由于PMU子站量测数据中可能出现异常数据,不对异常数据的处理可能造成预测补偿的误差偏大;另外及时判断是否出现丢包,并对丢包的数据进行及时处理能够提高预测补偿系统的稳健性。因此采用自适应预测补偿的方法能够应对网络时延的变化、丢包、异常数据等情况,并在各情况下对PMU子站量测信号进行时延补偿,实现信号更加精确的预测补偿,具有重要的实际工程意义。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供一种广域测量系统自适应时延补偿方法,以达到时延补偿的目的。为此,本发明采取以下技术方案。
一种广域测量系统自适应时延补偿方法,其特征在于包括以下步骤:
一)确定广域测量系统各PMU子站需预测补偿的时延长度;在WAMS主站通过时延分析预测补偿装置获取PMU子站送往WAMS主站数据报文;通过提取分析数据报文得到PMU测量信号的GPS时标T1;利用时延分析预测补偿装置GPS天线得到当前时刻的GPS时标T2;采用ΔTdelay=T2-T1得到PMU子站到WAMS主站的时延数据;
根据历史时延数据,从概率分布的特性确定时延预测补偿的时间长度ΔTpredict;
二)根据需求选择对应的量测信号预测补偿,并对量测信号进行预处理,预处理包括对历史数据中的异常数据进行检测并处理,采用计算量测信号数据变化率是否突变检测是否出现异常数据,当检测到异常数据后,对异常数据进行替换;
三)对所选的量测信号的数据进行预测补偿;
1)计算需要预测补偿的数据的个数;PMU子站往WAMS主站发送数据包的时间间隔为Δt,则对于单一量测信号需要预测的数据的个数为c=ΔTpredict/Δt;
2)采用自适应AR模型进行预测补偿计算,AR模型参数采用最小二乘法拟合计算;
3)采用得到的AR模型递推计算得到预测补偿的量测信号数据
4)在WAMS主站收到PMU子站下一时刻发出的数据xi+1并进行判断处理后,将xi+1作为最新的历史数据根据步骤2)的方法重新计算AR模型,并利用更新的AR模型进入步骤3)得到更新的预测补偿数据;若WAMS主站在规定时间内未收到xi+1,则认为丢包,并进行丢包情况下的处理。PMU子站往WAMS主站发送数据包的时间间隔为Δt,时间间隔通常为10ms,20ms,40ms。
作为对上述技术方案的进一步完善和补充,本发明还包括以下附加技术特征。
在步骤一)中,对PMU子站到WAMS主站的过去30分钟历史时延数据ΔTdelay进行统计分析,计算其平均值μdelay和均方差σdelay,时延预测补偿的时间长度设为ΔTpredict=2*(μdelay+3σdelay)。
在步骤二)中异常数据的判断采用通过计算量测信号数据变化率判断是否出现异常数据;
1)时刻ti测量值xi,相比ti-1时刻测量值xi-1变化率为ηi,由以下公式计算得到:ηi=(xi-xi-1)/xi-1;
2)根据量测信号的历史数据,统计其变化率的特征范围,计算得到变化率的平均值为ηaverage,变化率的均方差为ση,并确定正常量测量变化率的阈值为ηmax,采用以下公式计算得到:ηmax=ηaverage+5ση;
3)将时刻ti变化率ηi与根据历史变化率确定的阈值ηmax相比较,当ηi>ηmax时,该时刻测量值为异常数据,对该数据进行标记,采用2xi-1-xi-2替换该标记数据。
在步骤三)的步骤2),预测补偿算法采用自适应AR模型预测算法,自适应AR模型根据新的量测信号的数据不断调整模型参数,实现对数据的动态跟踪;AR模型由以下公式定义:
xi为时刻ti时量测信号的实际值,为时刻ti时量测信号的预测值,是以前的n个量测信号历史数据实际值的加权系数;
定义为AR模型拟合的残差,通过使残差最小求得加权系数得到AR模型参数,从而对量测信号进行预测补偿;
由于广域测量系统通信时延,当前时刻tp时WAMS主站收到的数据是PMU子站在ti时刻测量的数据xi;从预处理后的量测信号中从取出N个最新的历史数据(xi,xi-1,…,xi-N),采用最小二乘法计算得到自适应AR模型的n个加权系数从而得到AR模型。
在步骤三)中的步骤3),计算预测补偿数据,采用得到的AR模型根据下式:
递推计算得到
在步骤三)的步骤4),在WAMS主站收到PMU子站在ti时刻测量的数据xi后Δt+3σdelay时间内,若WAMS主站收到PMU子站在ti+1时刻测量的数据xi+1,采用第二步中的异常数据处理方法对xi+1进行判断处理,然后将xi+1作为最新的历史数据代入步骤2)中重新计算AR模型,并利用更新的AR模型代入步骤3)得到更新的预测补偿数据。
在步骤三)的步骤4)中,判断数据是否出现丢包采用以下判据:若在Δt+3σdelay时间内未收到PMU子站在ti+1时刻测量的数据xi+1,则认为测量的数据xi+1丢包,采用步骤3)中的作为xi+1存入历史数据库,回到步骤三)的步骤2)。
有益效果:
1、本发明中的时延补偿方法简单可靠,只需对已有WAMS中主站进行简单拓展即可完成对各PMU子站时延数据的预测补偿,并且不会对已有系统造成影响,保证已有系统正常工况下运行。
2、本发明提出的方法采用概率分布特性确定量测信号数据的时延预测补偿的时间长度,避免采用设定的固定最大时延作为预测补偿的时间长度造成的数据量过大。
3、本发明中的量测信号异常数据检测处理方法能够实现对异常数据的检测和处理,避免异常数据造成预测补偿误差的增大。
4、本发明自适应预测补偿的方法能够应对网络时延的变化、丢包等情况,实现较为准确的预测补偿。
附图说明
图1是本发明流程图。
图2是本发明的原理图。
图3是本发明的时延补偿效果图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。本发明中的广域测量系统自适应时延补偿方法实现流程按照如图1所示。
将具体实现包括以下步骤:
第一步:确定广域测量系统各PMU子站需预测补偿的时延长度。
采用如图2的硬件结构,获取PMU子站到WAMS主站的时延数据。在WAMS主站通过时延分析预测补偿装置获取PMU子站送往WAMS主站数据报文;通过提取分析数据报文得到PMU测量信号的GPS时标T1;利用时延分析预测补偿装置GPS天线得到当前时刻的GPS时标T2;采用ΔTdelay=T2-T1得到PMU子站到WAMS主站的时延数据。
采用对历史时延数据的统计研究得到时延的概率分布特性。将PMU子站到WAMS主站的过去30分钟历史时延数据ΔTdelay统计分析,计算其平均值μdelay和均方差σdelay,考虑预测补偿的数据用于实时控制系统,时延预测补偿的时间长度设为ΔTpredict=2*(μdelay+3σdelay)。
第二步:PMU子站量测信号(PMU子站装置测得电压、电流、功率、频率等信号)的数据预处理。
根据具体应用需求选择合适的量测信号,对其进行预测补偿。如进行低频振荡研究时,需要对角速度(或机组频率)信号进行预测补偿。
预测补偿采用量测信号的历史数据进行预测,历史数据中含有异常数据时会使预测结果产生较大偏差,需要对异常数据进行检测处理,采用通过计算量测信号数据变化率判断是否出现异常数据。
1)时刻ti测量值xi,相比ti-1时刻测量值xi-1变化率为ηi,由以下公式计算得到:ηi=(xi-xi-1)/xi-1。
2)根据量测信号的历史数据(前一小时内),统计其变化率的特征范围,计算得到变化率的平均值为ηaverage,变化率的均方差为ση,并确定正常量测量变化率的阈值为ηmax,采用以下公式计算得到:ηmax=ηaverage+5ση。
3)将时刻ti变化率ηi与根据历史变化率确定的阈值ηmax相比较,当ηi>ηmax时,该时刻测量量为异常数据,对该数据进行标记,采用2xi-1-xi-2替换该标记数据。
第三步:对所选的量测信号的数据进行预测补偿。补偿主要包含三个步骤。
1)确定需要预测补偿的数据的个数。补偿的时间长度采用第一步中确定的时间长度ΔTdelay。由于PMU子站一般按照一固定的时间间隔Δt(通常为10ms,20ms,40ms)往WAMS主站发送数据包,因此可以确定对于单一量测信号需要预测的数据的个数为c=ΔTpredict/Δt。
2)预测补偿模型的计算。预测补偿算法采用自适应AR模型预测算法,自适应AR模型可以根据新的量测信号的数据不断调整模型参数,实现对数据的动态跟踪。AR模型由以下公式定义:
xi为时刻ti时量测信号的实际值,为时刻ti时量测信号的预测值,是以前的n个量测信号历史数据实际值的加权系数。
定义为AR模型拟合的残差,通过使残差最小求得加权系数得到AR模型参数,从而对量测信号进行预测补偿。
由于广域测量系统通信时延,当前时刻tp时WAMS主站收到的数据是PMU子站在ti时刻测量的数据xi。从预处理后的量测信号中从取出N个最新的历史数据(xi,xi-1,…,xi-N),采用最小二乘法计算得到自适应AR模型的n个加权系数从而得到AR模型。
3)计算预测补偿数据。采用得到的AR模型根据下式:
递推计算得到
4)在WAMS主站收到PMU子站在ti时刻测量的数据xi后Δt+3σdelay时间内,若WAMS主站收到PMU子站在ti+1时刻测量的数据xi+1,采用第二步中的异常数据处理方法对xi+1进行判断处理,然后将xi+1作为最新的历史数据代入2)中重新计算AR模型,并利用更新的AR模型代入3)得到更新的预测补偿数据。
若在Δt+3σdelay时间内未收到PMU子站在ti+1时刻测量的数据xi+1,则认为测量的数据xi+1丢包,采用3)中的作为xi+1存入历史数据库,回到2)。
实施例:
为验证本发明中的预测补偿方法的有效性,对浙江省电网WAMS时延进行了测量,并统计计算;采用统计结果确定了预测补偿的时间长度,并选择PMU子站量测信号中的角速度(或机组频率)信号、联络线功率信号进行了预测补偿。
按照本发明的第一步通过安装在PMU子站时延分析预测补偿装置获取各PMU子站到WAMS主站的时延数据,计算时延的平均值μdelay和均方差σdelay,进一步得到预测补偿的时间长度ΔTpredict。
采用第二步中数据预处理的方式对数据进行预处理,选择角速度(或机组频率)信号作为预测补偿的量测信号,并对数据中的异常数据进行处理。然后按照第三步中的预测补偿方法进行补偿,AR模型阶数n设为6阶,N设为18,浙江电网PMU子站数据包发送时间间隔为Δt=40ms,单次预测补偿的数据长度c=ΔTpredict/Δt,以某一子站机组频率数据为例,得到的拟合曲线如图3所示。从图3可以看出,本发明的补偿方法能够有效地检测出异常数据,实现对广域测量系统PMU子站量测信号时延的补偿;对异常数据处理后预测补偿效果优于不对异常数据进行处理。
计算对异常数据进行处理和不对异常数据进行处理的预测补偿数据与实际数据的均方根误差、平均绝对误差、最大绝对误差占实际数据的百分比如表1所示。
表1量测信号预测补偿数据与实际数据偏差分析
从表1可以看出,采用本发明中的异常数据处理方法能够提高补偿数据的准确性。
综上所述,本发明提出的自适应补偿方法能够有效地对量测信号的异常数据、丢包等情况进行检测处理,并能够根据网络时延特性自适应调整预测数据长度,实现对量测信号时延的有效补偿。
Claims (7)
1.一种广域测量系统自适应时延补偿方法,其特征在于包括以下步骤:
一)确定广域测量系统各PMU子站需预测补偿的时延长度;在WAMS主站通过时延分析预测补偿装置获取PMU子站送往WAMS主站数据报文;通过提取分析数据报文得到PMU测量信号的GPS时标T1;利用时延分析预测补偿装置GPS天线得到当前时刻的GPS时标T2;采用ΔTdelay=T2-T1得到PMU子站到WAMS主站的时延数据;
根据历史时延数据,从概率分布的特性确定时延预测补偿的时间长度ΔTpredict;
二)根据需求选择对应的量测信号预测补偿,并对量测信号进行预处理,预处理包括对历史数据中的异常数据进行检测并处理,采用计算量测信号数据变化率是否突变检测是否出现异常数据,当检测到异常数据后,对异常数据进行替换;
三)对所选的量测信号的数据进行预测补偿;
1)计算需要预测补偿的数据的个数;PMU子站往WAMS主站发送数据包的时间间隔为Δt,则对于单一量测信号需要预测的数据的个数为c=ΔTpredict/Δt;
2)采用自适应AR模型进行预测补偿计算,AR模型参数采用最小二乘法拟合计算;
3)采用得到的AR模型递推计算得到预测补偿的量测信号数据
4)在WAMS主站收到PMU子站下一时刻发出的数据xi+1并进行判断处理后,将xi+1作为最新的历史数据根据步骤2)的方法重新计算AR模型,并利用更新的AR模型进入步骤3)得到更新的预测补偿数据;若WAMS主站在规定时间内未收到xi+1,则认为丢包,并进行丢包情况下的处理。
2.根据权利要求1所述的一种广域测量系统自适应时延补偿方法,其特征在于:在步骤一)中,对PMU子站到WAMS主站的过去30分钟历史时延数据ΔTdelay进行统计分析,计算其平均值μdelay和均方差σdelay,时延预测补偿的时间长度设为ΔTpredict=2*(μdelay+3σdelay)。
3.根据权利要求1所述的一种广域测量系统自适应时延补偿方法,其特征在于:在步骤二)中异常数据的判断采用通过计算量测信号数据变化率判断是否出现异常数据;
1)时刻ti测量值xi,相比ti-1时刻测量值xi-1变化率为ηi,由以下公式计算得到:ηi=(xi-xi-1)/xi-1;
2)根据量测信号的历史数据,统计其变化率的特征范围,计算得到变化率的平均值为ηaverage,变化率的均方差为ση,并确定正常量测量变化率的阈值为ηmax,采用以下公式计算得到:ηmax=ηaverage+5ση;
3)将时刻ti变化率ηi与根据历史变化率确定的阈值ηmax相比较,当ηi>ηmax时,该时刻测量值为异常数据,对该数据进行标记,采用2xi-1-xi-2替换该标记数据。
4.根据权利要求1所述的一种广域测量系统自适应时延补偿方法,其特征在于:在步骤三)的步骤2),预测补偿算法采用自适应AR模型预测算法,自适应AR模型根据新的量测信号的数据不断调整模型参数,实现对数据的动态跟踪;AR模型由以下公式定义:
xi为时刻ti时量测信号的实际值,为时刻ti时量测信号的预测值,是以前的n个量测信号历史数据实际值的加权系数;
定义为AR模型拟合的残差,通过使残差最小求得加权系数得到AR模型参数,从而对量测信号进行预测补偿;
由于广域测量系统通信时延,当前时刻tp时WAMS主站收到的数据是PMU子站在ti时刻测量的数据xi;从预处理后的量测信号中从取出N个最新的历史数据(xi,xi-1,…,xi-N),采用最小二乘法计算得到自适应AR模型的n个加权系数从而得到AR模型。
5.根据权利要求1所述的一种广域测量系统自适应时延补偿方法,其特征在于:在步骤三)中的步骤3),计算预测补偿数据,采用得到的AR模型根据下式:
递推计算得到
6.根据权利要求1所述的一种广域测量系统自适应时延补偿方法,其特征在于:在步骤三)的步骤4),在WAMS主站收到PMU子站在ti时刻测量的数据xi后Δt+3σdelay时间内,若WAMS主站收到PMU子站在ti+1时刻测量的数据xi+1,采用第二步中的异常数据处理方法对xi+1进行判断处理,然后将xi+1作为最新的历史数据代入步骤2)中重新计算AR模型,并利用更新的AR模型代入步骤3)得到更新的预测补偿数据。
7.根据权利要求1所述的一种广域测量系统自适应时延补偿方法,其特征在于:在步骤三)的步骤4)中,判断数据是否出现丢包采用以下判据:若在Δt+3σdelay时间内未收到PMU子站在ti+1时刻测量的数据xi+1,则认为测量的数据xi+1丢包,采用步骤3)中的作为xi+1存入历史数据库,回到步骤三)的步骤2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510364716.4A CN104901425B (zh) | 2015-06-26 | 2015-06-26 | 一种广域测量系统自适应时延补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510364716.4A CN104901425B (zh) | 2015-06-26 | 2015-06-26 | 一种广域测量系统自适应时延补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104901425A true CN104901425A (zh) | 2015-09-09 |
CN104901425B CN104901425B (zh) | 2017-12-26 |
Family
ID=54033906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510364716.4A Active CN104901425B (zh) | 2015-06-26 | 2015-06-26 | 一种广域测量系统自适应时延补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104901425B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106019222A (zh) * | 2016-07-06 | 2016-10-12 | 浙江工业大学 | 一种基于定位算法残差的二次规划定位方法 |
CN106169160A (zh) * | 2016-06-01 | 2016-11-30 | 国网河北省电力公司电力科学研究院 | 一种基于关口电量系统的电量异常诊断及电量补全方法 |
CN108695849A (zh) * | 2018-06-07 | 2018-10-23 | 国电南瑞科技股份有限公司 | 基于广域服务总线的主子站一体化建模系统及方法 |
CN108880946A (zh) * | 2018-08-03 | 2018-11-23 | 武汉大学 | 一种广域监测系统主站与pmu数据通信时延的估算方法 |
CN109213967A (zh) * | 2018-10-22 | 2019-01-15 | 中国人民解放军战略支援部队航天工程大学 | 一种运载火箭数据预测方法及装置、存储介质和电子设备 |
CN109525366A (zh) * | 2018-11-12 | 2019-03-26 | 内蒙古方向图科技有限公司 | 一种传送数据的方法 |
CN109861780A (zh) * | 2019-03-13 | 2019-06-07 | 浙江工业大学 | 一种wams时延信号补偿装置 |
CN110544943A (zh) * | 2019-09-12 | 2019-12-06 | 宁波大学 | 多机时滞广域电力系统的鲁棒动态表层镇定控制方法 |
CN110827170A (zh) * | 2019-10-31 | 2020-02-21 | 国电南瑞科技股份有限公司 | 考虑广域量测时延的rtu数据处理方法与装置 |
CN112230087A (zh) * | 2020-10-13 | 2021-01-15 | 全球能源互联网研究院有限公司 | 一种线性状态估计方法、装置、电子设备及存储介质 |
CN114256835A (zh) * | 2020-09-25 | 2022-03-29 | 国电南瑞科技股份有限公司 | 一种接入微型多功能同步相量量测装置的配电自动化系统及控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102738793A (zh) * | 2012-07-09 | 2012-10-17 | 武汉大学 | 补偿分布性通信时延的电力系统广域动态控制方法及系统 |
US20130018515A1 (en) * | 2010-03-17 | 2013-01-17 | Rajat Majumder | Enhancing Wide Area Control Reliability Of A Power Transmission System |
CN102970180A (zh) * | 2012-11-01 | 2013-03-13 | 武汉大学 | 一种电力系统广域测量系统通信时延的实时仿真方法 |
CN104217127A (zh) * | 2014-09-18 | 2014-12-17 | 北京四方继保自动化股份有限公司 | 一种pmu动态数据模拟生成方法 |
CN104377813A (zh) * | 2014-09-17 | 2015-02-25 | 中国南方电网有限责任公司 | 具有时延管理功能的广域保护系统及实现时延管理功能的方法 |
-
2015
- 2015-06-26 CN CN201510364716.4A patent/CN104901425B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130018515A1 (en) * | 2010-03-17 | 2013-01-17 | Rajat Majumder | Enhancing Wide Area Control Reliability Of A Power Transmission System |
CN102738793A (zh) * | 2012-07-09 | 2012-10-17 | 武汉大学 | 补偿分布性通信时延的电力系统广域动态控制方法及系统 |
CN102970180A (zh) * | 2012-11-01 | 2013-03-13 | 武汉大学 | 一种电力系统广域测量系统通信时延的实时仿真方法 |
CN104377813A (zh) * | 2014-09-17 | 2015-02-25 | 中国南方电网有限责任公司 | 具有时延管理功能的广域保护系统及实现时延管理功能的方法 |
CN104217127A (zh) * | 2014-09-18 | 2014-12-17 | 北京四方继保自动化股份有限公司 | 一种pmu动态数据模拟生成方法 |
Non-Patent Citations (2)
Title |
---|
张放等: "广域闭环控制系统时延的分层预测补偿", 《中国电机工程学报》 * |
杨博等: "基于概率分布的广域测量系统时延特性分析", 《电力系统自动化》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169160A (zh) * | 2016-06-01 | 2016-11-30 | 国网河北省电力公司电力科学研究院 | 一种基于关口电量系统的电量异常诊断及电量补全方法 |
CN106019222A (zh) * | 2016-07-06 | 2016-10-12 | 浙江工业大学 | 一种基于定位算法残差的二次规划定位方法 |
CN108695849A (zh) * | 2018-06-07 | 2018-10-23 | 国电南瑞科技股份有限公司 | 基于广域服务总线的主子站一体化建模系统及方法 |
CN108880946B (zh) * | 2018-08-03 | 2022-04-01 | 武汉大学 | 一种广域监测系统主站与pmu数据通信时延的估算方法 |
CN108880946A (zh) * | 2018-08-03 | 2018-11-23 | 武汉大学 | 一种广域监测系统主站与pmu数据通信时延的估算方法 |
CN109213967A (zh) * | 2018-10-22 | 2019-01-15 | 中国人民解放军战略支援部队航天工程大学 | 一种运载火箭数据预测方法及装置、存储介质和电子设备 |
CN109213967B (zh) * | 2018-10-22 | 2020-06-05 | 中国人民解放军战略支援部队航天工程大学 | 一种运载火箭数据预测方法及装置、存储介质和电子设备 |
CN109525366A (zh) * | 2018-11-12 | 2019-03-26 | 内蒙古方向图科技有限公司 | 一种传送数据的方法 |
CN109525366B (zh) * | 2018-11-12 | 2021-02-26 | 内蒙古方向图科技有限公司 | 一种传送数据的方法 |
CN109861780A (zh) * | 2019-03-13 | 2019-06-07 | 浙江工业大学 | 一种wams时延信号补偿装置 |
CN110544943A (zh) * | 2019-09-12 | 2019-12-06 | 宁波大学 | 多机时滞广域电力系统的鲁棒动态表层镇定控制方法 |
CN110544943B (zh) * | 2019-09-12 | 2022-05-27 | 宁波大学 | 多机时滞广域电力系统的鲁棒动态表层镇定控制方法 |
CN110827170A (zh) * | 2019-10-31 | 2020-02-21 | 国电南瑞科技股份有限公司 | 考虑广域量测时延的rtu数据处理方法与装置 |
CN110827170B (zh) * | 2019-10-31 | 2022-09-06 | 国电南瑞科技股份有限公司 | 考虑广域量测时延的rtu数据处理方法与装置 |
CN114256835A (zh) * | 2020-09-25 | 2022-03-29 | 国电南瑞科技股份有限公司 | 一种接入微型多功能同步相量量测装置的配电自动化系统及控制方法 |
CN112230087A (zh) * | 2020-10-13 | 2021-01-15 | 全球能源互联网研究院有限公司 | 一种线性状态估计方法、装置、电子设备及存储介质 |
CN112230087B (zh) * | 2020-10-13 | 2022-08-05 | 全球能源互联网研究院有限公司 | 一种线性状态估计方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104901425B (zh) | 2017-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104901425A (zh) | 一种广域测量系统自适应时延补偿方法 | |
US20140244065A1 (en) | Voltage stability monitoring in power systems | |
CN102361353B (zh) | 基于双时间尺度延时估计的断面生数据对齐方法 | |
CN103066592B (zh) | 一种电力网络损耗在线监测方法 | |
CN112946424B (zh) | 一种故障精确定位的方法及装置 | |
JP5960017B2 (ja) | 電池劣化判定装置、抵抗値算出装置、電池劣化判定方法およびプログラム | |
US20160006248A1 (en) | Power flow control system and power flow control method | |
CN115238831B (zh) | 故障预测方法、装置、计算机设备和存储介质 | |
CN111046327A (zh) | 适用于低频振荡与次同步振荡辨识的Prony分析方法 | |
JP2014119351A (ja) | パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム | |
CN110969306A (zh) | 基于深度学习的配电低压台区负荷预测方法及装置 | |
US10348090B2 (en) | Method of determining a condition of an electrical power network and apparatus therefor | |
CN104537233A (zh) | 一种基于核密度估计的配电网伪量测生成方法 | |
CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 | |
WO2016136391A1 (ja) | 事故点標定装置及び方法、電力系統監視システム、設備計画支援システム | |
CN102522742A (zh) | 基于单点量测信息的外网戴维南等值参数的估计方法 | |
KR20190088083A (ko) | 전력 사용량 예측 시스템 및 방법 | |
EP3457151B1 (en) | Impedance estimating apparatus | |
CN106501878B (zh) | 预估偏差法集合化台风预报方法 | |
CN112837180A (zh) | 用于电力系统的scada-pmu数据融合方法 | |
Jiang et al. | A power cable fault location method combining with wavelet analysis and curve fitting | |
KR101557184B1 (ko) | 연관성 분석에 기반한 빌딩의 에너지소비 예측 방법 및 장치 | |
CN105391049B (zh) | 一种考虑概率分布的电网参数估计方法 | |
KR20160067559A (ko) | 배터리 사용 패턴 분석 장치 및 방법 | |
CN116953518A (zh) | 蓄电池的续航时长确定方法、装置、设备、介质及产品 |
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 |