CN105631525A - 区域配电网优化运行系统 - Google Patents

区域配电网优化运行系统 Download PDF

Info

Publication number
CN105631525A
CN105631525A CN201410587593.6A CN201410587593A CN105631525A CN 105631525 A CN105631525 A CN 105631525A CN 201410587593 A CN201410587593 A CN 201410587593A CN 105631525 A CN105631525 A CN 105631525A
Authority
CN
China
Prior art keywords
module
load
distribution network
flow calculation
regional distribution
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.)
Pending
Application number
CN201410587593.6A
Other languages
English (en)
Inventor
彭明生
张俊芳
王巍
张轩
蒋达
邵雯
许辉
褚智亮
史媛
毕月
林莎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHEYANG COUNTY POWER SUPPLY Co OF JIANGSU ELECTRIC POWER Co
Nanjing University of Science and Technology
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
SHEYANG COUNTY POWER SUPPLY Co OF JIANGSU ELECTRIC POWER Co
Nanjing University of Science and Technology
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHEYANG COUNTY POWER SUPPLY Co OF JIANGSU ELECTRIC POWER Co, Nanjing University of Science and Technology, State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd filed Critical SHEYANG COUNTY POWER SUPPLY Co OF JIANGSU ELECTRIC POWER Co
Priority to CN201410587593.6A priority Critical patent/CN105631525A/zh
Publication of CN105631525A publication Critical patent/CN105631525A/zh
Pending legal-status Critical Current

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70Smart grids as climate change mitigation technology in the energy generation sector
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种区域配电网优化运行系统。包括登陆界面模块、电力负荷预测模块、配网潮流计算模块和区域配电网优化模块;利用电力系统每季度负荷的历史数据,通过负荷预测、潮流计算和网络重构,构建配电网网络优化模型并采取改进的二进制粒子群算法进行优化分析,给出优化决策方案。本发明种精度高、分析全面、预测及优化功能全面。

Description

区域配电网优化运行系统
技术领域
本发明属电力系统优化,具体涉及一种区域配电网优化运行系统。
背景技术
随着国民经济的高速发展和人民生活水平的提高,人们对电力的需求日益增长,同时对供电的可靠性和供电质量提出了更高的要求。合理的配电网结构是电力系统安全稳定以及经济运行的重要基础。对已有配电网进行优化改造,不仅关系到电力系统向用户提供电能质量的优劣,而且还直接影响电网自身运行的安全性和经济性。因此在竞争机制不断引入电力市场的今天,电力公司对配电规划系统的需求相当迫切。
我国现阶段电力系统配电网存在着很大的不足:线路直径细、供电半径大、配变容量小、联络少,导致线损高和电压质量差的问题。尤其在负荷高峰期这种现象更为严重,影响了配电网的供电可靠性。传统的配电网优化系统存在着一些不足:如在负荷预测阶段只能预测短期负荷,很难准确描述和预测配网未来实际线路的状况,精度较差。还有一些城市配电网优化系统在潮流计算的过程中没有考虑负荷和发电机的频率特性,没有进行静态、动态分析。现存的部分配电网优化系统没有在正常和故障两种情况下对网络优化的进行全面分析,并且没有做到在负荷预测的同时对配电网进行优化决策,功能的完整性上有所欠缺。
发明内容
本发明所要解决的技术问题是为运行人员提供一种精度高、分析全面、预测及优化功能全面的区域配电网优化运行系统,本发明利用电力系统每季度负荷的历史数据,通过负荷预测、潮流计算和网络重构,构建配电网网络优化模型并采取改进的二进制粒子群算法进行优化分析,给出优化决策方案,指导配电网的运行和设计工作;本发明的技术经济评价更加精确全面;同时减轻了规划人员的繁琐工作,加快规划的进程;一方面能减轻工作人员的负担,另一方面也能优化网络的设计和运行,有效降低网络线损,提高电压质量,在保障用户的供电要求和质量的前提下,取得最佳的配电网运行效益,为制定应变规划、滚动规划创造了条件。
为了解决上述技术问题,本发明提供一种区域配电网优化运行系统,包括登陆界面模块、电力负荷预测模块、配网潮流计算模块和区域配电网优化模块;
所述登陆界面模块,用于由用户输入姓名和密码进行安全登录;
所述电力负荷预测模块包括输入原始数据模块、运行负荷预测模块和负荷预测结果模块;其中,所述输入原始数据模用于输入用户负荷、有功功率、无功功率值;所述运行负荷预测模块用于计算未来规定时间段内的负荷预测值;用户可在负荷预测结果模块中查看所述负荷预测值;
所述配网潮流计算模块包括输入预测负荷数据模块、运行潮流计算模块和潮流计算结果模块;其中,所述输入预测负荷数据模块用于输入负荷预测结果模块所获得的负荷预测值;运行潮流计算模块用于计算该电力系统未来规定时间段内的潮流计算值;用户在潮流计算结果模块中查看所述潮流计算值;
所述区域配电网优化模块包括输入预测负荷数据模块、运行优化决策模块和优化运行结果模块;其中,输入预测负荷数据模块用于输入负荷预测结果模块所获得的负荷预测值;所述运行优化决策模块用于计算电力系统未来规定时间段内的潮流计算值,并对对电力系统网络进行重构获得最优的配电网网络;用户在优化运行结果模块中查看重构后的优化结果。
本发明与现有技术相比,其显著优点在于,(1)本发明在优化数据准备阶段中,能够进行中长期的负荷预测,准确描述和预测配网未来实际线路的状况,预测精度高。(2)本发明在常规潮流计算的基础上考虑了负荷和发电机的频率特性,进行了动态和静态分析,为运行人员提供了分析的基础。(3)本发明通过负荷预测原始数据的输入,得出负荷预测值,并结合支路阻抗值,得出电力系统配电网优化方案,最后通过潮流计算对优化后的网络进行计算,保证了整个系统功能的完整性。提高了电力系统网络优化的可靠性。(4)本发明可以在正常情况下和故障情况下分别对电力系统配电网进行优化,优化结果合理可靠。
附图说明
图1是本发明的系统结构
图2是本发明电力负荷预测模块中灰色预测模型建立流程
图3牛顿-拉夫逊法迭代求解过程的几何意义示意图。
图4是牛顿-拉夫逊法迭代计算流程图。
图5是潮流计算的前推回代法流程图。
图6是改进的二进制粒子群算法流程图。
图7是本发明实验中实际配电网简化后网络图。
具体实施方式
如图1所示为本发明的系统结构,本发明实施例区域配电网优化运行系统包括登陆界面模块、电力负荷预测模块、配网潮流计算模块和区域配电网优化模块。
所述登陆界面模块,每个特定的用户可以在登陆界面模块输入姓名和密码进行安全登录。
所述电力负荷预测模块包括输入原始数据模块、运行负荷预测模块和负荷预测结果模块。其中原始数据模块指用户负荷、有功功率、无功功率的历史数据。其中,所述输入原始数据模用于输入用户负荷、有功功率、无功功率等历史数据;所述运行负荷预测模块用于计算未来规定时间段内的负荷预测值,荷预测值包括用户负荷、有功功率、无功功率的预测数据,结果自动储存至Excel文档中。用户可以在负荷预测结果模块中查看预测的数据结果。
所述配网潮流计算模块包括输入预测负荷数据模块、运行潮流计算模块和潮流计算结果模块。其中,在输入预测负荷数据模块中输入负荷预测结果模块中所得到的负荷预测数据,即用户负荷、有功功率、无功功率的预测数据。运行潮流计算模块用于计算该电力系统未来规定时间段内的潮流计算值,潮流计算值包括各支路的功率分布、网络的功率损耗,结果自动储存至Excel文档中。用户可以在潮流计算结果模块中查看潮流计算的数据结果。
所述区域配电网优化模块包括输入预测负荷数据模块、运行优化决策模块和优化运行结果模块。其中,在输入预测负荷数据模块中输入负荷预测结果模块所得到的负荷预测数据,即用户负荷、有功功率、无功功率的预测数据;所述运行优化决策模块用于电力系统网络的优化,计算得到该电力系统未来规定时间段内的潮流计算值,即各母线电压以及各支路的功率分布、网络的功率损耗,进而计算得出最优的配电网网络,对电力系统网络重构。潮流计算的数据结果和重构后的最优网络布局,分别自动储存至Excel文档和Txt文档中。优化运行结果模块可以供用户查看优化结果,进行比较和选择。
所述电力负荷预测模块为区域配电网优化模块提供所需要的未来规定时间内的有功功率和无功功率;配网潮流计算模块进行配电网络优化前、后精确的潮流计算,确保配电网络优化的可行性。
所述电力负荷预测模块采用灰色预测模型计算未来规定时间段内的负荷预测值。由于影响电力负荷的因素众多,关系复杂,难以被一一分析清楚,因此具有灰色特征;随着经济的发展,电力负荷是一个非负递增数列,符合灰色预测的基本条件;而且,灰色预测具有要求原始数据少、原理简单、不考虑分布规律、运算方便、可检验等优点。因此灰色系统理论应用于配电网电力负荷预测中具有较好的优越性,并得到了较好的效果。
采用灰色预测模型计算未来规定时间段内的负荷预测值的流程图如图2所示:
首先对原始历史数据进行选择,然后对原始历史数据进行作累加处理,再进行GM(1,1)模型预测,GM(1,1)模型是灰色系统理论中应用最广泛的一种灰色动态预测模型,是利用指数模型,对离散型的时间序列进行预测的一种模型。进行判断是否符合模型的要求,如果不符合则剔除该数据;如果符合则保留该数据,进行误差比较,预测未来的数据值。
所述配网潮流计算模块是对电网网损和电压的计算,采用的是牛顿-拉夫逊法计算方法。对于配电网潮流计算通常选用牛顿-拉夫逊法,为一种求解非线性方程组的计算方法,能有效进行非线性方程组的计算且具有二次收敛的特点,具有收敛快、精度高的优点,因而在配电网潮流计算中得到广泛运用。其迭代求解过程的几何意义如图3所示:
非线性代数方程组可以表示为矩阵形式:F(X)=ysp-y(x)=0。
其中ysp为节点注入功率给定值,y(x)为ysp对应的物理量和节点电压之间的函数表达式,x为节点电压。
假定X0是该方程组的近似解,与真实解之间的误差为ΔX,在给定的初值X0处展开为一阶泰勒公式:F(X0+ΔX)≈F(X0)+JΔX=0,其中:J为潮流方程的雅克比矩阵,如式(1)所示,Fi(x)(i=1,2,3......n)表示为功率偏差,修正前述方程可得到修正值ΔX=-J-1F(X0)。
J = dF ( X ) dX | X = X 0 = ∂ F 1 ∂ x 1 ∂ F 1 ∂ x 2 . . . ∂ F 1 ∂ x n ∂ F 2 ∂ x 1 ∂ F 2 ∂ x 2 . . . ∂ F 2 ∂ x n . . . . . . . . . . . . ∂ F n ∂ x 1 ∂ F n ∂ x 2 . . . ∂ F n ∂ x n X = X 0 - - - ( 1 )
式(1)中,xi(i=1,2,3......n)表示为节点电压,表示为功率偏差函数对相应的节点电压求一阶偏导数。
牛顿-拉夫逊法迭代计算流程图如图4所示,具体计算过程如下所述:
首先给定初值并计算出在初始值处的雅克比矩阵J0,计算初始值的修正值根据该修正值ΔX[0]可以得到修正后的解X[1]=X[0]+ΔX[0]。如此循环往复,在第k次叠代时,计算雅克比矩阵Jk,计算修正值得到第k+1次修正后的解:X[k+1]=X[k]+ΔX[k],重复上述过程,直到误差满足要求为止。
所述区域配电网优化模块中运行优化决策模块需完成电力系统网络重构和电力系统网络潮流的计算。在区域配电网优化模块中,所述电力系统网络潮流计算的方法采用前推回代法。前推回代法流程图如图5所示,包括以下步骤:
步骤一、根据线路的额定电压来设定各节点的初始电压值;
步骤二、进行交替迭代计算支路始、末端的功率值,以及各个支路节点的电压值;
步骤三、判断各个支路节点的电压值是否满足误差要求,如果满足误差要求,则潮流计算结束;如果各个支路节点的电压值不满足误差要求,则返回步骤二,直至满足误差要求为止。
所述电力系统网络重构如图6所示,包括以下不步骤:
步骤一、初始化配电网重构所需要的参数,初始化种群及最大迭代次数,以此来生成种群子模块;
步骤二、更新粒子位置和速度,判断是否为辐射状,如果不是辐射状,则进行更新粒子位置和速度,直至为辐射状为止;如果是辐射状,则进行步骤三;
步骤三、进行潮流计算,判断是否比目前群体更优,如果比目前群体更优,再进一步判断是否达到最大迭代次数,如果达到最大迭代次数,则完成优化过程;如果没有比目前群体更优或者没有达到最大迭代次数,则返回步骤二继续更新粒子位置和速度,直至满足要求,完成优化过程。此处潮流计算的作用是对每个符合优化条件的网络进行潮流计算,计算出优化后网络的电网网损和电压,通过逐个比较,选取更优的网络,从而得出最优网络。
下面结合实施例对本发明做进一步详细的描述:
以江苏某地区实际配电网的一部分来验证本发明提出的多目标智能配电网重构的可行性。该系统可以在正常情况下和故障情况下对电力系统配电网进行优化,本实施例仅对正常情况下的配电网重构进行计算分析:
实施配电网简化后网络如图7所示,该片区为10kV配电网,有8条母线,7个联合开关,23个普通开关,一共30条支路,总负荷为7806.7+j3030kVA。
配电网潮流计算采用前推回代法,初始化种群规模50,最大迭代次数100。群体最优未更新次数为20。由于对正常运行时的配电网进行重构,故障线路为0。
当网络正常运行时,只需要找到一个最优的运行方案,来减小网损,每一个开关都参与重构,得到的重构结果如表1所示:
表1正常运行时重构结果
断开开关 目标f1(kW) 目标f2 目标f3
重构前 5、18、21、23、28、29、30 64.8117 3.8761 0.0210
重构后 5、13、21、27、28、29、30 39.4527 2.1748 0.0138
从结果可以看出,重构之后配电网网损却改变很大,从原来的64.8117kW减小到39.4527kW,负荷平衡指标由原来的3.8761降低到2.1748,电压偏移量指数也从0.0210降低到0.0138。可见重构在实际网络上也能很好地运用,效果明显。

Claims (6)

1.区域配电网优化运行系统,其特征在于,包括登陆界面模块、电力负荷预测模块、配网潮流计算模块和区域配电网优化模块;
所述登陆界面模块,用于由用户输入姓名和密码进行安全登录;
所述电力负荷预测模块包括输入原始数据模块、运行负荷预测模块和负荷预测结果模块;其中,所述输入原始数据模用于输入用户负荷、有功功率、无功功率值;所述运行负荷预测模块用于计算未来规定时间段内的负荷预测值;用户可在负荷预测结果模块中查看所述负荷预测值;
所述配网潮流计算模块包括输入预测负荷数据模块、运行潮流计算模块和潮流计算结果模块;其中,所述输入预测负荷数据模块用于输入负荷预测结果模块所获得的负荷预测值;运行潮流计算模块用于计算该电力系统未来规定时间段内的潮流计算值;用户在潮流计算结果模块中查看所述潮流计算值;
所述区域配电网优化模块包括输入预测负荷数据模块、运行优化决策模块和优化运行结果模块;其中,输入预测负荷数据模块用于输入负荷预测结果模块所获得的负荷预测值;所述运行优化决策模块用于计算电力系统未来规定时间段内的潮流计算值,并对对电力系统网络进行重构获得最优的配电网网络;用户在优化运行结果模块中查看重构后的优化结果。
2.如权利要求1所述区域配电网优化运行系统,其特征在于,所述负荷预测值包括用户负荷、有功功率、无功功率的预测数据。
3.如权利要求1所述区域配电网优化运行系统,其特征在于,所述电力负荷预测模块采用灰色预测模型计算未来规定时间段内的负荷预测值。
4.如权利要求1所述区域配电网优化运行系统,其特征在于,所述配网潮流计算模块,采用的是牛顿-拉夫逊法计算方法计算电网网损和电压。
5.如权利要求1所述区域配电网优化运行系统,其特征在于,在区域配电网优化模块中,所述电力系统网络潮流计算的方法采用前推回代法计算,包括以下步骤:
步骤5.1根据线路的额定电压来设定各节点的初始电压值;
步骤5.2进行交替迭代计算支路始、末端的功率值,以及各个支路节点的电压值;
步骤5.3判断各个支路节点的电压值是否满足误差要求,如果满足误差要求,则潮流计算结束;如果各个支路节点的电压值不满足误差要求,则返回步骤5.2,直至满足误差要求为止。
6.如权利要求1所述区域配电网优化运行系统,其特征在于,所述电力系统网络重构包括以下不步骤:
步骤6.1初始化配电网重构所需要的参数,初始化种群及最大迭代次数,生成种群子模块;
步骤6.2更新粒子位置和速度,判断是否为辐射状,如果不是辐射状,则进行更新粒子位置和速度,直至为辐射状为止;如果是辐射状,则进行步骤6.3;
步骤6.3进行潮流计算,判断是否比目前群体更优,如果比目前群体更优,再进一步判断是否达到最大迭代次数,如果达到最大迭代次数,则完成优化过程;如果没有比目前群体更优或者没有达到最大迭代次数,则返回步骤6.2继续更新粒子位置和速度,直至满足要求,完成优化过程。
CN201410587593.6A 2014-10-28 2014-10-28 区域配电网优化运行系统 Pending CN105631525A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410587593.6A CN105631525A (zh) 2014-10-28 2014-10-28 区域配电网优化运行系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410587593.6A CN105631525A (zh) 2014-10-28 2014-10-28 区域配电网优化运行系统

Publications (1)

Publication Number Publication Date
CN105631525A true CN105631525A (zh) 2016-06-01

Family

ID=56046433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410587593.6A Pending CN105631525A (zh) 2014-10-28 2014-10-28 区域配电网优化运行系统

Country Status (1)

Country Link
CN (1) CN105631525A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107257130A (zh) * 2017-07-25 2017-10-17 武汉大学 基于区域量测解耦的低压配电网损耗计算方法
CN111144638A (zh) * 2019-12-24 2020-05-12 东南大学 一种基于大数据的配电网运行态势预测方法
CN111861256A (zh) * 2020-07-30 2020-10-30 国网经济技术研究院有限公司 一种主动配电网重构决策方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103746388A (zh) * 2014-01-16 2014-04-23 南京软核科技有限公司 配电网无功电压三级协调控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103746388A (zh) * 2014-01-16 2014-04-23 南京软核科技有限公司 配电网无功电压三级协调控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何宏杰: "基于二进制粒子群优化算法的配电网重构研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
杨凤民: "GIS在配电网规划中的应用研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107257130A (zh) * 2017-07-25 2017-10-17 武汉大学 基于区域量测解耦的低压配电网损耗计算方法
CN107257130B (zh) * 2017-07-25 2020-01-07 武汉大学 基于区域量测解耦的低压配电网损耗计算方法
CN111144638A (zh) * 2019-12-24 2020-05-12 东南大学 一种基于大数据的配电网运行态势预测方法
CN111144638B (zh) * 2019-12-24 2023-12-12 东南大学 一种基于大数据的配电网运行态势预测方法
CN111861256A (zh) * 2020-07-30 2020-10-30 国网经济技术研究院有限公司 一种主动配电网重构决策方法及系统
CN111861256B (zh) * 2020-07-30 2024-05-14 国网经济技术研究院有限公司 一种主动配电网重构决策方法及系统

Similar Documents

Publication Publication Date Title
He et al. Forecasting China's total energy demand and its structure using ADL-MIDAS model
Chen et al. An interval optimization based day-ahead scheduling scheme for renewable energy management in smart distribution systems
US20140236513A1 (en) Region-based security evaluation method for the electric power distribution system
CN103679544A (zh) 一种智能配电网运行综合评估方法
CN102722759A (zh) 基于bp神经网络的电网供电可靠性预测方法
CN107908638A (zh) 基于大数据挖掘配的电网运行效率评价方法及系统
CN110910026B (zh) 一种跨省输电线路线损智能管理与决策方法及系统
CN102930352B (zh) 基于多核支持向量回归机的电网基建工程造价预测方法
CN105046354A (zh) 基于多代理的配电网规划场景模拟生成方法及其系统
CN111460374A (zh) 一种考虑节点差异性的配电网d-pmu优化配置方法
CN104573857A (zh) 一种基于智能算法优化组合的电网负荷率预测方法
CN103279661B (zh) 基于混合量子进化算法的变电站容量优化配置方法
Liu et al. Energy-storage configuration for EV fast charging stations considering characteristics of charging load and wind-power fluctuation
CN105631525A (zh) 区域配电网优化运行系统
CN114742283A (zh) 一种基于深度学习网络的中压线路合环电流估算与风险评估方法
Ye et al. A data driven multi-state model for distribution system flexible planning utilizing hierarchical parallel computing
CN104036356A (zh) 一种利用分形算法对电网未来运行状态进行预测的方法
CN103745274A (zh) 一种用于分散式风电的短期功率预测方法
Jiang et al. Data-driven low-rank tensor approximation for fast grid integration of commercial EV charging stations considering demand uncertainties
CN103824124A (zh) 一种针对电网公司的节能潜力评估方法
CN102315646B (zh) 基于最大供电能力的配电网联络有效性与联络化简方法
Luo et al. Research on transmission and transformation engineering cost system based on BIM 3D modelling technology
CN112926187B (zh) 一种配电网经济运行分析优化的方法
Hasan et al. A new smart approach of an efficient energy consumption management by using a machinelearning technique
CN104793107B (zh) 一种基于改进opa模型的电网连锁故障确定方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160601