CN106229978B - 台区低电压问题的预判方法及系统 - Google Patents
台区低电压问题的预判方法及系统 Download PDFInfo
- Publication number
- CN106229978B CN106229978B CN201610855590.5A CN201610855590A CN106229978B CN 106229978 B CN106229978 B CN 106229978B CN 201610855590 A CN201610855590 A CN 201610855590A CN 106229978 B CN106229978 B CN 106229978B
- Authority
- CN
- China
- Prior art keywords
- voltage
- low
- load
- area
- data
- 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 35
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000011161 development Methods 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 7
- 238000012271 agricultural production Methods 0.000 claims description 6
- 238000009776 industrial production Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 241000219307 Atriplex rosea Species 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims description 3
- 238000003754 machining Methods 0.000 claims description 2
- 238000012876 topography Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims 3
- 230000007423 decrease Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种台区低电压问题的预判方法，包括收集数据；将台区简化为由分支元件和主干元件构成的网络并预估网络参数；确定各分支用户特性指标；预测各分支的逐年最大负荷；计算各分支的电压值和低电压持续时间，统计低电压用户数；判断低电压问题严重程度，完成预判。本发明还公开了一种实施所述预判方法的系统，包括数据获取模块、数据仓库、数据处理模块和分析预警模块；数据获取模块获取数据并存储到数据仓库；数据处理模块处理数据；分析预警模块对台区低电压问题分析、预测和报警。本发明提供的这种台区低电压问题的预判方法和系统，实现了对低电压用户数、低电压持续时间和低电压值的预判；而且方法便捷、计算简单准确。
Description
技术领域
本发明属于电力系统自动化领域，具体涉及一种台区低电压问题的预判方法及系统。
背景技术
低电压问题是供电服务“最后一公里”问题的矛盾核心。配变台区直接与用户相连，是电力传输的关键节点。目前，低电压问题发生的主要区域基本都集中在台区及所属的用户端。加强对台区低电压问题的预判和管理对于提高供电质量、改善用户体验、提升供电企业社会责任具有举足轻重的作用。
目前国内外针对低电压问题及其治理措施主要从以下几个方面开展相关研究：1)农网低电压问题现状及原因分析；2)治理低电压的无功规划研究；3)电压及无功运行控制研究；4)动态无功补偿技术研究；5)分布式电源出力特性研究。
然而，目前对台区低电压问题的预判方法的研究较少，还处于利用现有监控设施实现对低电压问题的实时监控阶段，缺乏对台区负荷发展路径、低电压问题演变特性及预判方法的研究。
发明内容
本发明的目的之一在于提供一种能够自动准确对台区内低电压问题进行预判，而且计算简单、数据需求少的台区低电压问题的预判方法。
本发明的目的之二在于提供一种实现所述台区低电压问题的预判方法的系统。
本发明提供的这种台区低电压问题的预判方法，包括如下步骤：
S1.收集配变台区的经济社会发展、产业发展和电网运行的数据资料；
S2.根据步骤S1得到的数据资料，将原有的低压台区简化为由分支元件和主干元件构成的网络，并对网络中的主干线路长度、主干线路线径、分支线路长度、分支线路线径、网络装接容量和网络最大负荷进行预估；
S3.根据步骤S1获取的数据资料和步骤S2得到的简化网络，确定台区各分支的用户指标；
S4.根据步骤S3得到的用户指标，基于已有的台区历史数据，采用拟合预测的方法预测各个分支的逐年最大负荷；
S5.根据步骤S4预测的各分支的逐年最大负荷和配变台区的运行参数，计算各分支的电压值和低电压持续时间，并根据电网规程统计低电压用户数；
S6.根据步骤S5得到的低电压用户数、低电压持续时间和电压值，判断低电压问题严重程度，完成台区低电压问题的预判。
所述的台区低电压问题的预判方法还包括如下步骤：
S7.根据步骤S6获得的低电压问题严重程度，分等级进行低电压问题预警。
步骤S1所述的经济社会发展、产业发展和电网运行的数据资料，包括供电人口、供电面积、各产业GDP、经济社会形态、产业发展趋势数据、地理坐标、行政边界、地形地貌数据、电网设备类型、电网设备参数数据、用户数量、用户经济类型、用户负荷类型、用户用电量、负荷培育周期、配变最大负荷、配变出口侧最低电压和配变出口侧最高电压数据。
步骤S3所述的用户指标，包括经济社会形态、产业发展趋势和负荷培育周期。
所述的经济社会形态的分类如下表1所示：
表1经济社会形态分类示意表
所述的产业发展趋势分为商业类、工业生产类、农业生产类和生活类；商业类负荷包括商业用电负荷；工业生产类负荷包括养殖负荷和灌溉负荷；农业生产类负荷包括加工负荷和小型挖掘采矿负荷；生活类负荷包括居民生活用电负荷。
所述的负荷培育周期的分类如下表2所示：
表2负荷培育周期分类示意表
步骤S4所述的采用拟合预测的方法预测各个分支的逐年最大负荷，具体包括如下两个步骤：
1)拟合：在电网的历史运行数据中，搜索经济社会形态类别、产业发展趋势类别和负荷培育周期与待预测台区一致的台区；
2)根据步骤1)搜索得到的台区的历史负荷发展情况，将搜索得到台区的实际年度负荷增长率的平均值作为待预测台区的年度负荷增长率，并以待预测台区的年度负荷增长率为基础对待预测台区逐年的负荷发展进行预测；
步骤S6所述的判断低电压问题严重程度，为根据低电压用户数、低电压持续时间和电压值共三个维度进行判断；所述三个维度的判断依据如下表3所示：
表3低电压严重程度的三个维度判据示意表
并且根据上边的判据，最终将低电压问题的严重程度分为如下十二级别，并且级别越靠后，表明低电压问题越严重：零星-短时-轻度、零星-短时-中度、零星-短时-重度、零星-长时-轻度、零星-长时-中度、零星-长时-重度、普遍-短时-轻度、普遍-短时-中度、普遍-短时-重度、普遍-长时-轻度、普遍-长时-中度和普遍-长时-重度。
步骤S7所述的低电压预警等级，具体分为五个等级：绿色、蓝色、黄色、橙色和红色；电力用户无低电压问题为绿色等级；零星-短时-轻度、零星-短时-中度、零星-长时-轻度低电压问题为蓝色等级；零星-短时-重度、零星-长时-中度、普遍-短时-轻度低电压问题为黄色等级；普遍-短时-中度、普遍-短时-重度、普遍-长时-轻度低电压问题为橙色等级；零星-长时-重度、普遍-长时-中度和普遍-长时-重度低电压问题为红色等级。
一种本发明还提供了一种用于实施上述台区低电压问题的预判方法的系统，包括数据获取模块、数据仓库、数据处理模块和分析预警模块；数据获取模块用于为电力系统中各个子系统的数据交互提供数据接口和服务，并将待预测台区的低电压问题预判所需要的数据存储到数据仓库；数据处理模块用于对数据仓库存储的数据进行处理，并将处理后的数据传输到分析预警模块；分析预警模块用于根据得到的数据，对待预测台区进行低电压问题的分析和预判，并在出现台区低电压问题时报警。
所述的台区低电压问题的预判系统还包括可视化处理模块，可视化处理模块用于获取分析预警模块的分析预判结果，并在台区出现低电压问题时将所述台区进行可视化处理，从而提醒电网人员。
本发明提供的这种台区低电压问题的预判方法和系统，通过对用户经济社会形态、产业发展趋势、负荷培育周期等特性分析，利用台区用户特性实现台区负荷发展模式的拟合，并对台区逐年最大负荷进行预测，最终实现对低电压用户数、低电压持续时间和低电压值的预判；本发明方法操作便捷、计算简单快捷而且准确，能够分级评估台区低电压问题并及时对问题进行预判、预警。
附图说明
图1为本发明方法的方法流程图。
图2为本发明系统的功能模块图。
具体实施方式
如图1所示为本发明方法的方法流程图：本发明提供的这种台区低电压问题的预判方法，包括如下步骤：
S1.收集配变台区的经济社会发展、产业发展和电网运行的数据资料；包括供电人口、供电面积、各产业GDP、经济社会形态、产业发展趋势数据、地理坐标、行政边界、地形地貌数据、电网设备类型、电网设备参数数据、用户数量、用户经济类型、用户负荷类型、用户用电量、负荷培育周期、配变最大负荷、配变出口侧最低电压和配变出口侧最高电压数据。
S2.根据步骤S1得到的数据资料，将原有的低压台区简化为由分支元件和主干元件构成的网络，并对网络中的主干线路长度、主干线路线径、分支线路长度、分支线路线径、网络装接容量和网络最大负荷进行预估；
S3.根据步骤S1获取的数据资料和步骤S2得到的简化网络，确定台区各分支的用户指标；用户指标包括经济社会形态、产业发展趋势和负荷培育周期：
经济社会形态的分类如下表1所示：
表1经济社会形态分类示意表
产业发展趋势分为商业类、工业生产类、农业生产类和生活类；商业类负荷包括商业用电负荷；工业生产类负荷包括养殖负荷和灌溉负荷；农业生产类负荷包括加工负荷和小型挖掘采矿负荷；生活类负荷包括居民生活用电负荷。
负荷培育周期的分类如下表2所示：
表2负荷培育周期分类示意表
S4.根据步骤S3得到的用户指标，基于已有的台区历史数据，采用拟合预测的方法预测各个分支的逐年最大负荷；
具体包括如下两个步骤：
1)拟合：在电网的历史运行数据中，搜索经济社会形态、产业发展趋势和负荷培育周期与待预测台区相似的台区，相似的条件是经济社会形态类别、产业发展趋势类别和负荷培育周期均一致；
2)根据步骤1)搜索得到的台区的历史负荷发展情况，直接取搜索得到台区的实际年度负荷增长率的平均值作为待预测台区的年度负荷增长率，并以该负荷增长率为基础对待预测台区逐年的负荷发展进行预测；
S5.根据步骤S4预测的各分支的逐年最大负荷和配变台区的运行参数，计算各分支的电压值和低电压持续时间，并根据电网规程统计低电压用户数；
S6.根据步骤S5得到的低电压用户数、低电压持续时间和电压值，判断低电压问题严重程度，完成台区低电压问题的预判；根据低电压用户数、低电压持续时间和电压值共三个维度进行判断；所述三个维度的判断依据如下表3所示：
表3低电压严重程度的三个维度判据示意表
并且根据上边的判据，最终将低电压问题的严重程度分为如下十二级别，并且级别越靠后，表明低电压问题越严重：零星-短时-轻度、零星-短时-中度、零星-短时-重度、零星-长时-轻度、零星-长时-中度、零星-长时-重度、普遍-短时-轻度、普遍-短时-中度、普遍-短时-重度、普遍-长时-轻度、普遍-长时-中度和普遍-长时-重度。
S7.根据步骤S6获得的低电压严重程度，分等级进行低电压问题预警。
具体分为五个等级：绿色、蓝色、黄色、橙色和红色；电力用户无低电压问题为绿色等级；零星-短时-轻度、零星-短时-中度、零星-长时-轻度低电压问题为蓝色等级；零星-短时-重度、零星-长时-中度、普遍-短时-轻度低电压问题为黄色等级；普遍-短时-中度、普遍-短时-重度、普遍-长时-轻度低电压问题为橙色等级；零星-长时-重度、普遍-长时-中度和普遍-长时-重度低电压问题为红色等级。
如图2所示为本发明系统的功能模块图：用于实施上述台区低电压问题的预判方法的系统，包括数据获取模块、数据仓库、数据处理模块、分析预警模块和可视化处理模块；数据获取模块用于为电力系统中各个子系统的数据交互提供数据接口和服务，并将待预测台区的低电压问题预判所需要的数据存储到数据仓库；数据处理模块用于对数据仓库存储的数据进行处理，并将处理后的数据传输到分析预警模块；分析预警模块用于根据得到的数据，对待预测台区进行低电压问题的分析和预判，并在出现台区低电压问题时报警；可视化处理模块用于获取分析预警模块的分析预判结果，并在台区出现低电压问题时将所述台区进行可视化处理，从而提醒电网人员。
Claims (10)
1.一种台区低电压问题的预判方法，包括如下步骤：
S1.收集配变台区的经济社会发展、产业发展和电网运行的数据资料；
S2.根据步骤S1得到的数据资料，将原有的低压台区简化为由分支元件和主干元件构成的网络，并对网络中的主干线路长度、主干线路线径、分支线路长度、分支线路线径、网络装接容量和网络最大负荷进行预估；
S3.根据步骤S1获取的数据资料和步骤S2得到的简化网络，确定台区各分支的用户指标，所述的用户指标，包括经济社会形态、产业发展趋势和负荷培育周期；
S4.根据步骤S3得到的用户指标，基于已有的台区历史数据，采用拟合预测的方法预测各个分支的逐年最大负荷；具体包括如下两个步骤：
1)拟合：在电网的历史运行数据中，搜索经济社会形态类别、产业发展趋势类别和负荷培育周期与待预测台区一致的台区；
2)根据步骤1)搜索得到的台区的历史负荷发展情况，将搜索得到台区的实际年度负荷增长率的平均值作为待预测台区的年度负荷增长率，并以该负荷增长率为基础对待预测台区逐年的负荷发展进行预测；
S5.根据步骤S4预测的各分支的逐年最大负荷和配变台区的运行参数，计算各分支的电压值和低电压持续时间，并根据电网规程统计低电压用户数；
S6.根据步骤S5得到的低电压用户数、低电压持续时间和电压值，判断低电压问题严重程度，完成台区低电压问题的预判。
2.根据权利要求1所述的台区低电压问题的预判方法，其特征在于还包括如下步骤：
S7.根据步骤S6获得的低电压问题严重程度，分等级进行低电压问题预警。
3.根据权利要求1或2所述的台区低电压问题的预判方法，其特征在于步骤S1所述的经济社会发展、产业发展和电网运行的数据资料，包括供电人口、供电面积、各产业GDP、经济社会形态、产业发展趋势数据、地理坐标、行政边界、地形地貌数据、电网设备类型、电网设备参数数据、用户数量、用户经济类型、用户负荷类型、用户用电量、负荷培育周期、配变最大负荷、配变出口侧最低电压和配变出口侧最高电压数据。
4.根据权利要求1所述的台区低电压问题的预判方法，其特征在于所述的经济社会形态的分类如下所示：
经济社会形态分为发达类、发展类和欠发达类；
发达类：居民人均可支配收入高于所在县域居民人均可支配收入的2倍；或户均年用电量大于800千瓦时；
发展类：居民人均可支配收入高于所在县域居民人均可支配收入的0.6倍且低于所在县域居民人均可支配收入的2倍；户均年用电量大于400千瓦时小于800千瓦时；
欠发达类：居民人均可支配收入低于所在县域居民人均可支配收入的0.6倍；或户均年用电量小于400千瓦时。
5.根据权利要求1所述的台区低电压问题的预判方法，其特征在于所述的产业发展趋势分为商业类、工业生产类、农业生产类和生活类；商业类负荷包括商业用电负荷；工业生产类负荷包括养殖负荷和灌溉负荷；农业生产类负荷包括加工负荷和小型挖掘采矿负荷；生活类负荷包括居民生活用电负荷。
6.根据权利要求1所述的台区低电压问题的预判方法，其特征在于所述的负荷培育周期的分类如下所示：
负荷培育周期分为导入期、成长期、成熟期和衰退期；
导入期：用户投产时间小于1年；且最大负载率小于报装容量的30％；且年利用小时数小于400；
成长期：最大负载率大于报装容量的40％；且年利用小时数大于800；
成熟期：用户投产时间大于1年；且最大负载率小于报装容量的60％；且年利用小时数小于1000；
衰退期：用户投产时间大于5年；且最大负载率小于报装容量的30％；且年利用小时数小于400。
7.根据权利要求1或2所述的台区低电压问题的预判方法，其特征在于步骤S6所述的判断低电压问题严重程度，为根据低电压用户数、低电压持续时间和电压值共三个维度进行判断；所述三个维度的判断依据如下所示：
维度共包括低电压用户数、低电压持续时间和电压值；
低电压用户数维度下，级别包括零星和普遍；零星级别为低电压用户数小于台区用户总数的10％；普遍级别为低电压用户数大于台区用户总数的10％；
低电压持续时间维度下级别包括短时和长时；短时级别为年度出现低电压情况小于120小时；长时级别为年度出现低电压情况大于120小时；
电压值维度下级别包括轻度、中度和重度；轻度为电压值大于额定电压的80％且小于额定电压的90％；中度为电压值大于额定电压的70％且小于额定电压的80％；重度为电压值小于额定电压的70％；
并且根据上边的判据，最终将低电压问题的严重程度分为如下十二级别，并且级别越靠后，表明低电压问题越严重：零星-短时-轻度、零星-短时-中度、零星-短时-重度、零星-长时-轻度、零星-长时-中度、零星-长时-重度、普遍-短时-轻度、普遍-短时-中度、普遍-短时-重度、普遍-长时-轻度、普遍-长时-中度和普遍-长时-重度。
8.根据权利要求7所述的台区低电压问题的预判方法，其特征在于步骤S7所述的低电压预警等级，具体分为五个等级：绿色、蓝色、黄色、橙色和红色；电力用户无低电压问题为绿色等级；零星-短时-轻度、零星-短时-中度、零星-长时-轻度低电压问题为蓝色等级；零星-短时-重度、零星-长时-中度、普遍-短时-轻度低电压问题为黄色等级；普遍-短时-中度、普遍-短时-重度、普遍-长时-轻度低电压问题为橙色等级；零星-长时-重度、普遍-长时-中度和普遍-长时-重度低电压问题为红色等级。
9.一种用于实施权利要求1～8之一所述的台区低电压问题的预判方法的系统，包括数据获取模块、数据仓库、数据处理模块和分析预警模块；数据获取模块用于为电力系统中各个子系统的数据交互提供数据接口和服务，并将待预测台区的低电压问题预判所需要的数据存储到数据仓库；数据处理模块用于对数据仓库存储的数据进行处理，并将处理后的数据传输到分析预警模块；分析预警模块用于根据得到的数据，对待预测台区进行低电压问题的分析和预判，并在出现台区低电压问题时报警。
10.根据权利要求9所述的系统，其特征在于还包括可视化处理模块，可视化处理模块用于获取分析预警模块的分析预判结果，并在台区出现低电压问题时将所述台区进行可视化处理，从而提醒电网人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610855590.5A CN106229978B (zh) | 2016-09-27 | 2016-09-27 | 台区低电压问题的预判方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610855590.5A CN106229978B (zh) | 2016-09-27 | 2016-09-27 | 台区低电压问题的预判方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106229978A CN106229978A (zh) | 2016-12-14 |
| CN106229978B true CN106229978B (zh) | 2017-09-01 |
Family
ID=58077210
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610855590.5A Active CN106229978B (zh) | 2016-09-27 | 2016-09-27 | 台区低电压问题的预判方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106229978B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109245109B (zh) * | 2018-10-10 | 2021-09-21 | 广州德昊电力科技有限公司 | 一种供电低电压预警系统及方法 |
| CN111030126B (zh) * | 2019-12-24 | 2022-06-21 | 广西电网有限责任公司电力科学研究院 | 一种基于负荷-电压灵敏度的配电网低电压预警方法 |
| CN112072789B (zh) * | 2020-09-03 | 2022-04-29 | 国网湖南省电力有限公司 | 低电压台区识别方法、检修方法及其预警方法 |
| CN113489016A (zh) * | 2021-08-09 | 2021-10-08 | 广东电网有限责任公司 | 一种配电网台区低电压严重程度评估方法及系统 |
| CN113902148B (zh) * | 2021-12-03 | 2022-04-05 | 广东电网有限责任公司东莞供电局 | 变压器的负荷检测方法、装置、计算机设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202230153U (zh) * | 2011-09-14 | 2012-05-23 | 渭南供电局 | 一种农网配电台区用电异常实时监测系统 |
| CN104036074A (zh) * | 2014-06-04 | 2014-09-10 | 国家电网公司 | 配电台区电压偏低判别方法 |
| CN104573853A (zh) * | 2014-12-19 | 2015-04-29 | 华南理工大学 | 低压台区配电网电压质量评估与优化的系统化解决方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007172350A (ja) * | 2005-12-22 | 2007-07-05 | Fujitsu Ltd | 低電圧検出装置および低電圧検出方法 |
-
2016
- 2016-09-27 CN CN201610855590.5A patent/CN106229978B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202230153U (zh) * | 2011-09-14 | 2012-05-23 | 渭南供电局 | 一种农网配电台区用电异常实时监测系统 |
| CN104036074A (zh) * | 2014-06-04 | 2014-09-10 | 国家电网公司 | 配电台区电压偏低判别方法 |
| CN104573853A (zh) * | 2014-12-19 | 2015-04-29 | 华南理工大学 | 低压台区配电网电压质量评估与优化的系统化解决方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于营配调贯通的"低电压"大数据挖掘与精准定位;王卫国;《农村电气化》;20160921;全文 * |
| 结合配电网规划工作开展低电压治理工作典型经验;熊亚崎;《通讯世界》;20160612;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106229978A (zh) | 2016-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106229978B (zh) | 台区低电压问题的预判方法及系统 | |
| Dkhili et al. | A survey of modelling and smart management tools for power grids with prolific distributed generation | |
| Wang et al. | Secondary forecasting based on deviation analysis for short-term load forecasting | |
| CN102426674B (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
| CN104331844B (zh) | 一种电网基建项目投资决策方法 | |
| CN102509173B (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
| CN103150600A (zh) | 一种电网安全分析系统 | |
| CN104380555B (zh) | 小规模电力系统的发电计划制定系统及其方法 | |
| CN111614160A (zh) | 一种低压用户负荷调控业务承载平台 | |
| CN104376371B (zh) | 一种基于拓扑的配网分层负荷预测方法 | |
| CN101976841A (zh) | 电力系统各级负荷预测指标的均衡匹配方法 | |
| CN106570635B (zh) | 电压合格率多维度分析方法 | |
| CN110378510B (zh) | 一种基于时间序列和层次聚合的配网物资需求预测方法 | |
| CN104638636A (zh) | 一种电力日负荷特性指标预测方法 | |
| CN110555607A (zh) | 电力用户移峰填谷指数计算与提示方法、终端及存储介质 | |
| CN112288303A (zh) | 确定线损率的方式、装置 | |
| CN109242722A (zh) | 台区线损在线监测方法、系统及终端设备 | |
| CN111310854A (zh) | 基于用电负荷指纹的低误报率窃电检测二次筛选方法 | |
| bin Khamis et al. | Electricity forecasting for small scale power system using fuzzy logic | |
| CN106709619A (zh) | 一种应用公共信息模型配置生成能效监测系统的方法 | |
| CN106157180A (zh) | 台区低电压问题的预警系统 | |
| Pang et al. | Long-term microgrid expansion planning with resilience and environmental benefits using deep reinforcement learning | |
| Yuill et al. | Application of Adaptive Neuro Fuzzy Inference System (ANFIS) based short term load forecasting in South African power networks | |
| CN109245109B (zh) | 一种供电低电压预警系统及方法 | |
| de Souza Zambelli et al. | Advantages of deterministic optimization in long-term hydrothermal scheduling of large-scale power systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |