CN106295698B - 一种基于分层kpi相似度的智能光伏电站故障诊断方法 - Google Patents

一种基于分层kpi相似度的智能光伏电站故障诊断方法 Download PDF

Info

Publication number
CN106295698B
CN106295698B CN201610659525.5A CN201610659525A CN106295698B CN 106295698 B CN106295698 B CN 106295698B CN 201610659525 A CN201610659525 A CN 201610659525A CN 106295698 B CN106295698 B CN 106295698B
Authority
CN
China
Prior art keywords
layer
management object
photovoltaic
equipment
normalized value
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
Application number
CN201610659525.5A
Other languages
English (en)
Other versions
CN106295698A (zh
Inventor
檀庭方
李靖霞
王涛
吴世伟
张哲�
王紫东
刘文彪
纪陵
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.)
Nanjing SAC Automation Co Ltd
Original Assignee
Nanjing SAC Automation 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 Nanjing SAC Automation Co Ltd filed Critical Nanjing SAC Automation Co Ltd
Priority to CN201610659525.5A priority Critical patent/CN106295698B/zh
Publication of CN106295698A publication Critical patent/CN106295698A/zh
Application granted granted Critical
Publication of CN106295698B publication Critical patent/CN106295698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明公开了一种基于分层KPI相似度的智能光伏电站故障诊断方法，包括：将光伏电站集中运维管理对象分为集团层管理对象、电站层管理对象、设备层管理对象；提取电站层管理对象和设备层管理对象的关键KPI作为特征量，根据管理对象的所属层级及设备的重要度设置各特征量的特征权重；然后，对分层模型中各管理对象的特征量根据权重进行归一化处理，得出集中运维各层的归一化值；再次，根据各层管理对象的归一化值与该层最优归一化值的相似度来判断该层设备是否故障，并通过层层递进比对的方式最终定位故障位置。本发明适用于光伏发电集团对旗下光伏电站进行集中运维系统中，在故障诊断时具有通用的适应性，且该方法直观易用，能快速定位故障位置，可有效提高运维效率，节约运维成本。

Description

一种基于分层KPI相似度的智能光伏电站故障诊断方法
技术领域
本发明属于新能源技术领域，具体涉及一种基于分层KPI相似度的智能光伏电站故障诊断方法。
背景技术
当前，光伏产业快速发展，预计到2020年我国光伏装机累计将达到150GW。由于其行业的开放性，光伏行业都已基本形成集团化运营的模式，一个集团下辖多个光伏电站。而且随着政策和市场的利好，不断地有企业集团进入光伏行业，集团下各光伏电站建成之后，最大的问题就是运维，为了提高发电量，降低运维成本，每个企业集团都需要对下辖的光伏电站进行集中运维。而集中运维将面临着集团化运营后带来的电站、设备数量众多所引起的精益化管理及高效低成本运维的问题。
当前的智能光伏电站运维工作中，设备的故障定位，缺少有效的手段和方法，主要还是依靠运维人员的经验，效率低下而且成本相对较高。
发明内容
针对上述问题，本发明提出一种智能光伏电站故障诊断方法。
实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种基于分层KPI相似度的智能光伏电站故障诊断方法，包括以下步骤：
步骤一：将光伏电站集中运维管理对象分为集团层管理对象、电站层管理对象、设备层管理对象；
步骤二：提取电站层管理对象和设备层管理对象的关键KPI作为特征量，根据运维管理对象的所属层级及设定的设备重要度设置各特征量的权重；
步骤三：根据各特征量的权重计算得到运维管理对象的权重，获得各光伏电站每层所有管理对象的权重；
步骤四：对各光伏电站每层所有管理对象的权重进行归一化处理，得到每层所有管理对象的权重归一化值；
步骤五、将所有电站层管理对象的权重归一化值进行比较，找出权重归一化值最优的光伏电站；
步骤六：设定各光伏电站每层的管理对象的权重归一化值与最优光伏电站中对应层的管理对象的权重归一化值的差值阈值范围，当差值超出该范围，则界定该光伏电站的该层管理对象有故障；
步骤七：对界定出来有故障的光伏电站的该层管理对象进行下一层的管理对象的权重归一化值与最优的光伏电站的对应层的管理对象的权重归一化值进行比较，直至设备层，通过计算设备层各类设备的权重归一化值与最优的光伏电站的设备层对应类设备的权重归一化值的差值，从而确定某个设备故障，实现故障定位；
步骤八、反复执行步骤六和七，实现所有光伏电站的所有故障设备的定位。
所述设备层管理对象还被分为电网并网层管理对象、变流控制层管理对象和光伏发电层管理对象。
所述步骤六和步骤七具体为：
(1)找出电站层管理对象的权重归一化值与最优光伏电站中对应层的管理对象权重归一化值差值超出设定的差值阈值范围的光伏电站，界定此光伏电站的电站层管理对象有故障；
(2)将此光伏电站的电网并网层管理对象的权重归一化值与最优的光伏电站的电网并网层管理对象的权重归一化值比较，当差值超出设定的差值阈值范围，则界定出该光伏电站的电网并网层管理对象有故障，分别比较电网并网层各设备的权重归一化值，找到电网并网层设备权重归一化值与最优光伏电站并网层相应设备的权重归一化值差值超过设定差值阈值范围的设备，标定为故障设备；
如果差值未超出设定范围，则进行该光伏电站中变流控制层管理对象的归一化值与最优的光伏电站的该层管理对象的权重归一化值比较，当差值超出设定范围，则界定该光伏电站的变流控制层管理对象有故障，分别比较变流控制层各设备的权重归一化值，找到变流控制层设备权重归一化值与最优光伏电站变流控制层相应设备的权重归一化值差值超过设定阈值范围的设备，标定为故障设备；
如果差值未超出设定范围，则进行该光伏电站中光伏发电层管理对象的归一化值与最优的光伏电站的该层管理对象的归一化值比较，当差值超出设定范围，则界定该光伏电站的光伏发电层管理对象有故障，分别比较光伏发电层各设备的权重归一化值，找到光伏发电层设备权重归一化值与最优光伏电站光伏发电层相应设备的权重归一化值差值超过设定阈值范围的设备，标定为故障设备。
所述步骤二中，所述电站层管理对象的关键KPI包括：光伏电站的发电量、电站PR、安全运行天数、设备故障数量、两票完成率、缺陷总数；所述设备层管理对象的关键KPI包括设备故障数量、设备缺陷数量、离散率；所述变流控制层管理对象的关键KPI还包括：逆变器PR、等效利用小时数、逆变器损耗；光伏发电层管理对象的关键KPI还包括发电效率。
所述每个管理对象的权重由该管理对象的所有关键KPI及各KPI的权重，求和计算得到。
本发明的有益效果：
本发明适用于光伏发电集团对旗下光伏电站进行集中运维系统中，在故障诊断时具有通用的适应性，且该方法直观易用，能快速定位故障位置，可有效提高运维效率，节约运维成本。
本发明的智能光伏电站故障诊断方法，对于当前集团化运营智能光伏电站集中运维进行故障诊断时具有普遍的适应性，具有一定的推广意义。
附图说明
图1为本发明一种实施例的伏电站集中运维系统管理对象分层结构关系图。
图2为本发明一种实施例的基于分层KPI相似度的智能光伏电站故障诊断方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
一种基于分层KPI相似度的智能光伏电站故障诊断方法，包括以下步骤：
步骤一：将光伏电站集中运维管理对象分为集团层管理对象、电站层管理对象、设备层管理对象；KPI(Key Performance Indicators)，是行业的基本术语，代表关键绩效指标。
在本发明的一种实施例中，集团层管理对象主要就是指各个光伏发电集团，电站管理对象主要就是指集团下的所有光伏电站；所述设备层管理对象还被分为电网并网层管理对象、变流控制层管理对象和光伏发电层管理对象，电网并网层设备主要包括光伏电站升压站的设备，具体有升压变压器，保护装置，测控装置等；变流控制层设备包括逆变器，汇流箱；光伏发电层设备主要指光伏阵列；
对附图1中不同的层次，其具体的含义不同，在集团层和电站层，分别指“集团”、“电站”，对设备层管理对象而言，分别指该层的所有的设备。
步骤二：提取电站层管理对象和设备层管理对象的关键KPI作为特征量，根据运维管理对象的所属层级及设定的设备重要度设置各特征量的权重；
在本发明的一种实施例中，所述电站层管理对象的关键KPI包括：光伏电站的发电量、电站PR、安全运行天数、设备故障数量、两票完成率、缺陷总数；所述设备层管理对象的关键KPI包括设备故障数量、设备缺陷数量、离散率，变流控制层管理对象的关键KPI还包括：逆变器PR、等效利用小时数、逆变器损耗；光伏发电层管理对象的关键KPI还包括发电效率；
设备的重要度可以分几个等级：非常重要、重要、一般、不重要，各个设备的各种KPI也可以设置类似的KPI占比，比如第一个KPI占30％，第二个10％，第三个5％......总共不超过100％。
上述只是本发明的一种实施例中的关键KPI的选择，在本发明的其他实施例中，可根据不同用户的实际需求来设置。
步骤三：根据各特征量的权重计算得到管理对象的权重，获得各光伏电站每层所有管理对象的权重；
在本发明的一种实施例中，所述每个管理对象的权重由对该管理对象的所有关键KPI值及对应的KPI的权重相乘后求和计算得到。
步骤四：对各光伏电站每层所有管理对象的权重进行归一化处理，得到每层所有管理对象的权重归一化值；
在本发明的一种实施例中，归一化方法采用通用的算法，比如，线性函数归一化方法，基本思想如下：线性函数将原始数据线性化的方法转换到[0 1]的范围，归一化公式如下：
该方法实现对原始数据的等比例缩放，其中Xnorm为归一化后的数据，X为原始数据，Xmax、Xmin分别为原始数据集的最大值和最小值；
步骤五、将所有电站层管理对象的权重归一化值进行比较，找出权重归一化值最优的光伏电站；下述的步骤六～八都是基于步骤五而进行的；
步骤六：设定各光伏电站每层的管理对象的权重归一化值与最优光伏电站中对应层的管理对象的权重归一化值的差值阈值范围，当差值超出该阈值范围，则界定该光伏电站的该层管理对象有故障；
步骤七：对界定出来有故障的光伏电站的该层管理对象进行下一层的管理对象的权重归一化值与最优的光伏电站的对应层的管理对象的权重归一化值进行比较，直至设备层，通过计算设备层各类设备的权重归一化值与最优的光伏电站的设备层对应类设备的权重归一化值的差值，从而确定某个设备故障，实现故障定位；
步骤八、反复执行步骤六和步骤七，实现所有光伏电站的所有故障设备的定位。
所述步骤六和步骤七具体为：
(1)找出电站层管理对象的权重归一化值与最优光伏电站中对应层的管理对象权重归一化值差值超出设定的差值阈值的光伏电站，界定此光伏电站的电站层管理对象有故障；
(2)将此光伏电站的电网并网层管理对象的权重归一化值与最优的光伏电站的电网并网层管理对象的权重归一化值比较，当差值超出设定的差值阈值范围，则界定出该光伏电站的电网并网层管理对象有故障，分别比较电网并网层各设备的权重归一化值，找到电网并网层设备权重归一化值与最优光伏电站并网层相应设备的权重归一化值差值超过设定差值阈值范围的设备，标定为故障设备；
如果差值未超出设定范围，则进行该光伏电站中变流控制层管理对象的归一化值与最优的光伏电站的该层管理对象的权重归一化值比较，当差值超出设定范围，则界定该光伏电站的变流控制层管理对象有故障，分别比较变流控制层各设备的权重归一化值，找到变流控制层设备权重归一化值与最优光伏电站变流控制层相应设备的权重归一化值差值超过设定阈值范围的设备，标定为故障设备；
如果差值未超出设定范围，则进行该光伏电站中光伏发电层管理对象的归一化值与最优的光伏电站的该层管理对象的归一化值比较，当差值超出设定范围，则界定该光伏电站的光伏发电层管理对象有故障，分别比较光伏发电层各设备的权重归一化值，找到光伏发电层设备权重归一化值与最优光伏电站光伏发电层相应设备的权重归一化值差值超过设定阈值范围的设备，标定为故障设备。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于分层KPI相似度的智能光伏电站故障诊断方法，其特征在于，包括以下步骤：
步骤一：将光伏电站集中运维管理对象分为集团层管理对象、电站层管理对象、设备层管理对象；
步骤二：提取电站层管理对象和设备层管理对象的关键KPI作为特征量，根据运维管理对象的所属层级及设定的设备重要度设置各特征量的权重；
步骤三：根据各特征量的权重计算得到运维管理对象的权重，获得各光伏电站每层所有管理对象的权重；
步骤四：对各光伏电站每层所有管理对象的权重进行归一化处理，得到每层所有管理对象的权重归一化值；
步骤五、将所有电站层管理对象的权重归一化值进行比较，找出权重归一化值最大的光伏电站；
步骤六：设定各光伏电站每层的管理对象的权重归一化值与最优光伏电站中对应层的管理对象的权重归一化值的差值阈值范围，当差值超出该范围，则界定该光伏电站的该层管理对象有故障；
步骤七：对界定出来有故障的光伏电站的该层管理对象进行下一层的管理对象的权重归一化值与最优的光伏电站的对应层的管理对象的权重归一化值进行比较，直至设备层，通过计算设备层各类设备的权重归一化值与最优的光伏电站的设备层对应类设备的权重归一化值的差值，从而确定某个设备故障，实现故障定位；
步骤八、反复执行步骤六和七，实现所有光伏电站的所有故障设备的定位。
2.根据权利要求1所述的一种基于分层KPI相似度的智能光伏电站故障诊断方法，其特征在于：所述设备层管理对象还被分为电网并网层管理对象、变流控制层管理对象和光伏发电层管理对象。
3.根据权利要求2所述的一种基于分层KPI相似度的智能光伏电站故障诊断方法，其特征在于：所述步骤六和步骤七具体为：
(1)找出电站层管理对象的权重归一化值与最优光伏电站中对应层的管理对象权重归一化值差值超出设定的差值阈值范围的光伏电站，界定此光伏电站的电站层管理对象有故障；
(2)将此光伏电站的电网并网层管理对象的权重归一化值与最优的光伏电站的电网并网层管理对象的权重归一化值比较，当差值超出设定的差值阈值范围，则界定出该光伏电站的电网并网层管理对象有故障，分别比较电网并网层各设备的权重归一化值，找到电网并网层设备权重归一化值与最优光伏电站并网层相应设备的权重归一化值差值超过设定差值阈值范围的设备，标定为故障设备；
如果差值未超出设定范围，则进行该光伏电站中变流控制层管理对象的归一化值与最优的光伏电站的该层管理对象的权重归一化值比较，当差值超出设定范围，则界定该光伏电站的变流控制层管理对象有故障，分别比较变流控制层各设备的权重归一化值，找到变流控制层设备权重归一化值与最优光伏电站变流控制层相应设备的权重归一化值差值超过设定阈值范围的设备，标定为故障设备；
如果差值未超出设定范围，则进行该光伏电站中光伏发电层管理对象的归一化值与最优的光伏电站的该层管理对象的归一化值比较，当差值超出设定范围，则界定该光伏电站的光伏发电层管理对象有故障，分别比较光伏发电层各设备的权重归一化值，找到光伏发电层设备权重归一化值与最优光伏电站光伏发电层相应设备的权重归一化值差值超过设定阈值范围的设备，标定为故障设备。
4.根据权利要求3所述的一种基于分层KPI相似度的智能光伏电站故障诊断方法，其特征在于：所述步骤二中，所述电站层管理对象的关键KPI包括：光伏电站的发电量、电站PR、安全运行天数、设备故障数量、两票完成率、缺陷总数；所述设备层管理对象的关键KPI包括设备故障数量、设备缺陷数量、离散率；所述变流控制层管理对象的关键KPI还包括：逆变器PR、等效利用小时数、逆变器损耗；光伏发电层管理对象的关键KPI还包括发电效率。
5.根据权利要求1或4所述的一种基于分层KPI相似度的智能光伏电站故障诊断方法，其特征在于：每个管理对象的权重由该管理对象的所有关键KPI及各KPI的权重，求和计算得到。
CN201610659525.5A 2016-08-11 2016-08-11 一种基于分层kpi相似度的智能光伏电站故障诊断方法 Active CN106295698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610659525.5A CN106295698B (zh) 2016-08-11 2016-08-11 一种基于分层kpi相似度的智能光伏电站故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610659525.5A CN106295698B (zh) 2016-08-11 2016-08-11 一种基于分层kpi相似度的智能光伏电站故障诊断方法

Publications (2)

Publication Number Publication Date
CN106295698A CN106295698A (zh) 2017-01-04
CN106295698B true CN106295698B (zh) 2019-04-16

Family

ID=57668689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610659525.5A Active CN106295698B (zh) 2016-08-11 2016-08-11 一种基于分层kpi相似度的智能光伏电站故障诊断方法

Country Status (1)

Country Link
CN (1) CN106295698B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108649892B (zh) * 2018-04-23 2020-08-04 华北电力科学研究院有限责任公司 光伏电站的缺陷诊断方法及装置
CN108595625B (zh) * 2018-04-23 2022-09-09 平安科技（深圳）有限公司 Bi工具的运维方法、装置、计算机装置及存储介质
CN109595687B (zh) * 2018-12-17 2021-02-26 长春工业大学 电采暖dcs控制系统、系统的故障诊断方法及故障容错方法
CN112821865B (zh) * 2020-12-30 2022-03-29 南京南瑞继保工程技术有限公司 一种光伏电站低效设备快速定位方法
CN116680583B (zh) * 2023-06-13 2025-10-03 浙江浙能兰溪发电有限责任公司 基于特征递进比对的变电设备故障案例推荐方法及系统
CN117833824B (zh) * 2023-12-28 2024-09-10 北京东华博泰科技有限公司 一种光伏逆变器的性能分析方法、装置、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102098686A (zh) * 2011-01-17 2011-06-15 中国移动通信集团山西有限公司 移动通信网络优化“三层一体”评估模型
CN103473710A (zh) * 2013-08-20 2013-12-25 国家电网公司 一种集中运维系统的故障分级处理方法
CN104391189A (zh) * 2014-10-13 2015-03-04 合肥工业大学 基于三级诊断的大型光伏阵列故障诊断定位方法
CN105841966A (zh) * 2016-04-06 2016-08-10 西安西热振动研究所有限公司 一种基于正向推理的汽轮发电机组振动故障诊断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6937744B1 (en) * 2000-06-13 2005-08-30 Microsoft Corporation System and process for bootstrap initialization of nonparametric color models

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102098686A (zh) * 2011-01-17 2011-06-15 中国移动通信集团山西有限公司 移动通信网络优化“三层一体”评估模型
CN103473710A (zh) * 2013-08-20 2013-12-25 国家电网公司 一种集中运维系统的故障分级处理方法
CN104391189A (zh) * 2014-10-13 2015-03-04 合肥工业大学 基于三级诊断的大型光伏阵列故障诊断定位方法
CN105841966A (zh) * 2016-04-06 2016-08-10 西安西热振动研究所有限公司 一种基于正向推理的汽轮发电机组振动故障诊断方法

Also Published As

Publication number Publication date
CN106295698A (zh) 2017-01-04

Similar Documents

Publication Publication Date Title
CN106295698B (zh) 一种基于分层kpi相似度的智能光伏电站故障诊断方法
CN103700025B (zh) 一种基于风险分析的电力系统设备重要度的评估排序方法
CN103942608B (zh) 一种基于尾流模型的风电场优化调度方法
CN109598377B (zh) 一种基于故障约束的交直流混合配电网鲁棒规划方法
CN104600713A (zh) 含风力/光伏发电配电网日前无功调度的生成装置及方法
CN107578288B (zh) 一种考虑用户用电模式差异的非侵入式负荷分解方法
CN107612016B (zh) 基于电压最大相关熵的配电网中分布式电源的规划方法
CN104915899A (zh) 一种基于特征聚类分析的光伏电站运行状态划分方法
CN106990325B (zh) 基于突变逻辑阵的配网小电流接地故障判定方法
CN104599189A (zh) 一种计入电力系统运行方式的电网规划方案风险评估方法
CN109272258B (zh) 基于K-means聚类的区域风光发电资源评估方法
CN106230378B (zh) 一种光伏电站组串故障的诊断方法
CN108667005A (zh) 一种计及新能源影响的电网静动态结合脆弱性评估方法
CN106786763B (zh) 一种风电场增建光伏电站的集电系统网络优化方法
CN109740975B (zh) 考虑潮汐资源评估与流速方向的潮汐流能发电场规划方法
CN103886181A (zh) 一种基于k-medoids聚类的风电场机组聚合方法
CN114123970B (zh) 发电量损失的检测方法、装置、设备及计算机存储介质
CN105354761B (zh) 一种风电接入电网的安全与效能评估方法及系统
CN102999876B (zh) 一种电力系统全网负荷模型库的构建方法
CN106385055B (zh) 一种含分布式电源的配电网安全校核方法
CN108736472B (zh) 一种考虑礁石影响的潮汐流能发电场规划方法
CN108063461B (zh) 一种考虑小干扰稳定风险的含风电电力系统有功调度方法
CN113011047A (zh) 一种基于220kV及以下智能变电站二次系统的可靠性分析方法
CN108233373B (zh) 考虑天气场景的分布式光伏接入配电网的概率谐波分析方法
CN103107533B (zh) 适应大规模间歇式能源接入的输电网短期扩展规划方法

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