CN106443253A - 一种基于pmu数据的输电线路参数辨识方法 - Google Patents
一种基于pmu数据的输电线路参数辨识方法 Download PDFInfo
- Publication number
- CN106443253A CN106443253A CN201610839532.3A CN201610839532A CN106443253A CN 106443253 A CN106443253 A CN 106443253A CN 201610839532 A CN201610839532 A CN 201610839532A CN 106443253 A CN106443253 A CN 106443253A
- Authority
- CN
- China
- Prior art keywords
- pmu
- data
- section
- parameter
- transmission line
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公布了一种基于PMU数据的输电线路参数辨识方法。本发明用以解决基于同步相量测量装置(以下简称PMU)数据的输电线路参数辨识问题,与基于PMU数据的参数直接计算法相比,本发明提出的方法可以消弱量测噪声的影响,给出更加真实的线路参数辨识结果。本发明首先对某时间段的PMU量测数据进行初步处理,然后基于加权最小二乘法对采样断面进行逐一单断面辨识,进一步剔除单断面辨识中不收敛的无效断面。然后对剩下的有效断面进行多断面参数辨识工作,最终给出输电线路的参数辨识结果。本发明能够有效处理基于PMU的输电线路参数辨识问题,具有良好的工程应用价值。
Description
技术领域
本发明涉及一种基于PMU数据的输电线路参数辨识方法,属于电力系统分析与计算领域。
技术背景
输电线路参数的准确性是各种电网分析计算软件的基础。当网络参数发生变化的时候,如果不进行网络参数辨识估计校正,则会直接影响到电力系统状态估计的准确度和可靠性。在极端的情况下,参数误差过大甚至可能导致状态估计不收敛。影响输电线路参数的因素有很多,比如地理环境、温度、湿度、弧垂、运行工况、线路老化等等,由这些因素导致了输电线路实际的参数不断变化,所以有必要对输电线路参数进行辨识。
目前,随着省级电网PMU装置的全面推广安装,保证了量测量的在线实时同步性,除了电压、电流的幅值以外PMU装置还能获取其相位,其数据更新速度达到毫秒级,为输电线路参数的精确辨识提供更为可靠的数据来源,进而使得将输电线路参数辨识结果应用于智能电网调度控制系统、优化电网在线分析应用计算结果成为了可能。由于PMU数据可以给出线路两端电压相量、电流相量,所以可以用直接法对输电线路参数进行单断面直接计算求取。但是考虑到电网系统量测装置中量测误差的普遍存在,直接法并不能消弱量测误差对参数计算结果的影响,在量测误差严重的情况下,其参数计算结果会大大偏离真实值。所以有必要研究一种基于PMU数据的输电线路参数辨识方法,以充分利用PMU量测数据冗余特性,消弱量测误差对参数辨识结果的影响。
发明内容
发明目的:本发明针对现有技术所需解决的技术问题提供一种基于PMU数据的输电线路参数辨识方法。
技术方案:本发明为实现上述目的,采用如下技术方案:
本发明为一种基于PMU数据的输电线路参数辨识方法,包括以下步骤:
步骤1:输入某时间段的PMU原始数据,其中数据类型包括线路首末端电压相量量测数据,首末端电流相量量测数据,首末端支路有功、无功量测数据;
步骤2:对原始PMU量测数据按照初步筛选规则进行筛选;
需要进一步说明的是,原始PMU量测数据的初步筛选规则为:
(1)对首末端电压相角差大于20°的PMU断面进行删除;
(2)对首末端电流相角差靠近90°的PMU断面进行删除;
(3)对与相邻断面数据相差较大的PMU断面进行删除;
步骤3:对筛选后的PMU数据进行采样,采集出300个断面的数据;
需要说明的是,PMU的常用的采样间隔为20ms、40ms等等,故以小时为单位的时间段会有大量的PMU断面数据(断面数远大于300),所以采集出300个断面的数据便于分析计算。
步骤4:选取状态量,对300各断面的PMU数据进行逐一断面的单断面参数辨识。
进一步,步骤4包括以下步骤:
步骤401:选取的状态量有:首端电压幅值vi,末端电压幅值vj,末端电压相角θj,支路电导g,支路电纳b,支路对地电容yc。首端电压相角θi为参考相角。所需的PMU量测量有:首末端电压幅值量测Ui,Uj,支路首末端有功量测Pij,Pji,支路首末端无功量测Qij,Qji。
步骤402:采用的状态估计方法为加权最小二乘法(WLS),其目标函数如下:
J(x)=[z-h(x)]TW[z-h(x)] (1)式中:z为量测量,x为状态量,h(x)描述量测量与状态量之间的非线性关系,W为量测权重矩阵。为求解式(1)最小值,先将非线性函数h(x)进行泰勒展开,并忽略二次以上的高阶项,可得如下迭代方程:
式中,l为迭代次数,x(l)为第l次状态量,为第l次状态量的修正量,为相应的雅可比矩阵。
对应的量测函数h(x)为:
步骤403:由于增广法状态估计的雅可比矩阵容易产生奇异,所以本发明采用解耦的方法进行状态估计,即将状态量(vi,vj,θj)与增广状态量(g,b,yc)分开来计算。首先对参数g,b,yc进行修正,其次对vi,vj,θj进行修正,交替迭代计算,此时收敛判据为两者修正量绝对值的最大值小于10-5,设置的最大迭代次数为100次,超过100次的迭代可以认为计算不收敛。
步骤5:根据单断面的辨识结果,进行第二次筛选工作,剔除无效断面。此时筛选依据为步骤4单断面状态估计中计算不收敛的断面。
步骤6:将步骤5中剔除后的PMU数据进行多断面参数辨识。
进一步,步骤6包括以下步骤:
步骤601:多断面参数辨识。由于待估计线路参数的数量一定,随着电网PMU断面的增多,参数估计的冗余度将提高。假定np为线路参数数量,q为参与估计的断面数量,m为单个断面下的量测数目,n为电网状态量数目,则该参数估计问题的量测冗余度为:
则当q→∞时,参数估计的冗余度接近于
由冗余度越高估计结果越可信可知,增加PMU断面数据可以有效提高输电线路参数辨识结果的准确性,在一定程度上减小量测误差所带来的影响。
步骤602:多断面参数辨识所采用的方法与步骤403类似,即将状态量(第q个断面的首端电压幅值第q个断面的末端电压幅值第q个断面的末端电压相角)与增广状态量(g,b,yc)分开来计算。首先对参数g,b,yc进行修正,其次对进行修正,交替迭代计算,此时收敛判据为两者修正量绝对值的最大值小于10-5,设置的最大迭代次数为100次,超过100次的迭代可以认为计算不收敛。
步骤7:输出多断面的参数辨识结果,结束计算。
有益效果:本发明与现有技术相比:本发明提出的一种基于PMU数据的输电线路参数辨识方法,可以充分利用PMU数据的冗余的特性,消弱量测误差对辨识结果的影响。本发明首先对某时间段的PMU量测数据进行初步处理,然后基于加权最小二乘法对采样断面进行逐一单断面辨识,进一步剔除单断面辨识中不收敛的无效断面。然后对剩下的有效断面进行多断面参数辨识工作,最终给出输电线路的参数辨识结果。本发明能够有效处理基于PMU的输电线路参数辨识问题,具有良好的工程应用价值。
附图说明
图1为本发明采用方法的实施流程图;
图2为输电线路的π型等值电路及量测系统电路图。
具体实施方式
以下结合附图和实例对本发明的实施作进一步说明,但本发明的实施和包含不限于此。
一种基于PMU数据的输电线路参数辨识方法,包括以下步骤:
步骤1:输入某时间段的PMU原始数据,其中数据类型包括线路首末端电压相量量测数据,首末端电流相量量测数据,首末端支路有功、无功量测数据;
步骤2:对原始PMU量测数据按照初步筛选规则进行筛选;
需要进一步说明的是,原始PMU量测数据的初步筛选规则为:
(1)对首末端电压相角差大于20°的PMU断面进行删除;
(2)对首末端电流相角差靠近90°的PMU断面进行删除;
(3)对与相邻断面数据相差较大的PMU断面进行删除;
步骤3:对筛选后的PMU数据进行采样,采集出300个断面的数据;
需要说明的是,PMU的常用的采样间隔为20ms、40ms等等,故以小时为单位的时间段会有大量的PMU断面数据(断面数远大于300),所以采集出300个断面的数据便于分析计算。
步骤4:选取状态量,对300各断面的PMU数据进行逐一断面的单断面参数辨识。
进一步,步骤4包括以下步骤:
步骤401:选取的状态量有:首端电压幅值vi,末端电压幅值vj,末端电压相角θj,支路电导g,支路电纳b,支路对地电容yc。首端电压相角θi为参考相角。所需的PMU量测量有:首末端电压幅值量测Ui,Uj,支路首末端有功量测Pij,Pji,支路首末端无功量测Qij,Qji。
步骤402:采用的状态估计方法为加权最小二乘法(WLS),其目标函数如下:
J(x)=[z-h(x)]TW[z-h(x)] (1)
式中:z为量测量,x为状态量,h(x)描述量测量与状态量之间的非线性关系,W为量测权重矩阵。为求解式(1)最小值,先将非线性函数h(x)进行泰勒展开,并忽略二次以上的高阶项,可得如下迭代方程:
式中,l为迭代次数,x(l)为第l次状态量,为第l次状态量的修正量,为相应的雅可比矩阵。
对应的量测函数h(x)为:
步骤403:由于增广法状态估计的雅可比矩阵容易产生奇异,所以本发明采用解耦的方法进行状态估计,即将状态量(vi,vj,θj)与增广状态量(g,b,yc)分开来计算。首先对参数g,b,yc进行修正,其次对vi,vj,θj进行修正,交替迭代计算,此时收敛判据为两者修正量绝对值的最大值小于10-5,设置的最大迭代次数为100次,超过100次的迭代可以认为计算不收敛。
步骤5:根据单断面的辨识结果,进行第二次筛选工作,剔除无效断面。此时筛选依据为步骤4单断面状态估计中计算不收敛的断面。
步骤6:将步骤5中剔除后的PMU数据进行多断面参数辨识。
进一步,步骤6包括以下步骤:
步骤601:多断面参数辨识。由于待估计线路参数的数量一定,随着电网PMU断面的增多,参数估计的冗余度将提高。假定np为线路参数数量,q为参与估计的断面数量,m为单个断面下的量测数目,n为电网状态量数目,则该参数估计问题的量测冗余度为:
则当q→∞时,参数估计的冗余度接近于
由冗余度越高估计结果越可信可知,增加PMU断面数据可以有效提高输电线路参数辨识结果的准确性,在一定程度上减小量测误差所带来的影响。
步骤602:多断面参数辨识所采用的方法与步骤403类似,即将状态量(第q个断面的首端电压幅值第q个断面的末端电压幅值第q个断面的末端电压相角)与增广状态量(g,b,yc)分开来计算。首先对参数g,b,yc进行修正,其次对进行修正,交替迭代计算,此时收敛判据为两者修正量绝对值的最大值小于10-5,设置的最大迭代次数为100次,超过100次的迭代可以认为计算不收敛。
步骤7:输出多断面的参数辨识结果,结束计算。
实施例
附图1为本发明提出的基于PMU数据的输电线路参数辨识计算方法的实施流程图。
附图2为输电线路的π型等值电路及量测系统,PMU装置的量测主要有线路首末端电压相量量测,首末端电流相量量测,首末端支路有功、无功量测。
表1输电线路多断面参数辨识结果
表1给出了某省网系统中三条线路基于PMU数据的参数辨识结果,其中参考值表示实际给定的参数,直接法平均值表示在步骤5筛选完断面之后用直接法求取的参数平均值,多断面参数辨识值表示采用本发明提出的方法计算的参数值。其中,线路1为500kV线路,线路2和线路3为220kV线路,收集的PMU数据为某一晴天的某一小时段的数据。由表1中展示的结果可知,相比于直接法,本发明提出的基于PMU数据的参数辨识方法的参数辨识结果更具有合理性。
Claims (4)
1.一种基于PMU数据的输电线路参数辨识方法,其特征在于,包括以下步骤:
步骤1:输入某时间段的PMU原始数据,其中数据类型包括线路首末端电压相量量测数据,首末端电流相量量测数据,首末端支路有功、无功量测数据;
步骤2:对原始PMU量测数据按照初步筛选规则进行筛选;
步骤3:对筛选后的PMU数据进行采样,采集出300个断面的数据。需要说明的是,PMU的常用的采样间隔为20ms、40ms等等,故以小时为单位的时间段会有大量的PMU断面数据,所以采集出300个断面的数据便于分析计算;
步骤4:选取状态量,对300个断面的PMU数据进行逐一断面的单断面参数辨识;
步骤5:根据单断面的辨识结果,进行第二次筛选工作,剔除无效断面,此时筛选依据为步骤4单断面状态估计中计算不收敛的断面;
步骤6:将步骤5中剔除后的PMU数据进行多断面参数辨识;
步骤7:输出多断面的参数辨识结果,结束计算。
2.根据权利要求1所述的基于PMU数据的输电线路参数辨识方法,其特征在于,步骤2的初步筛选规则为:
(1)对首末端电压相角差大于20°的PMU断面进行删除;
(2)对首末端电流相角差靠近90°的PMU断面进行删除;
(3)对与相邻断面数据相差较大的PMU断面进行删除。
3.根据权利要求1所述的基于PMU数据的输电线路参数辨识方法,其特征在于,步骤4进一步包括以下步骤:
步骤401:选取的状态量有:首端电压幅值vi,末端电压幅值vj,末端电压相角θj,支路电导g,支路电纳b,支路对地电容yc;首端电压相角θi为参考相角;所需的PMU量测量有:首末端电压幅值量测Ui,Uj,支路首末端有功量测Pij,Pji,支路首末端无功量测Qij,Qji;
步骤402:采用的状态估计方法为加权最小二乘法,其目标函数如下:
J(x)=[z-h(x)]TW[z-h(x)] (1)
式中:z为量测量,x为状态量,h(x)描述量测量与状态量之间的非线性关系,W为量测权重矩阵。为求解式(1)最小值,先将非线性函数h(x)进行泰勒展开,并忽略二次以上的高阶项,可得如下迭代方程:
式中,l为迭代次数,x(l)为第l次状态量,为第l次状态量的修正量,为相应的雅可比矩阵;
对应的量测函数h(x)为:
步骤403:由于增广法状态估计的雅可比矩阵容易产生奇异,所以本发明采用解耦的方法进行状态估计,即将状态量(vi,vj,θj)与增广状态量(g,b,yc)分开来计算。首先对参数g,b,yc进行修正,其次对vi,vj,θj进行修正,交替迭代计算,此时收敛判据为两者修正量绝对值的最大值小于10-5,设置的最大迭代次数为100次。
4.根据权利要求1所述的基于PMU数据的输电线路参数辨识方法,其特征在于,步骤6进一步包括以下步骤:
步骤601:多断面参数辨识,由于待估计线路参数的数量一定,随着电网PMU断面的增多,参数估计的冗余度将提高;假定np为线路参数数量,q为参与估计的断面数量,m为单个断面下的量测数目,n为电网状态量数目,则该参数估计问题的量测冗余度为:
则当q→∞时,参数估计的冗余度接近于
由冗余度越高估计结果越可信可知,增加PMU断面数据可以有效提高输电线路参数辨识结果的准确性,在一定程度上减小量测误差所带来的影响;
步骤602:多断面参数辨识所采用的方法与步骤403类似,即将状态量(第q个断面的首端电压幅值第q个断面的末端电压幅值第q个断面的末端电压相角)与增广状态量(g,b,yc)分开来计算;首先对参数g,b,yc进行修正,其次对 进行修正,交替迭代计算,此时收敛判据为两者修正量绝对值的最大值小于10-5,设置的最大迭代次数为100次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610839532.3A CN106443253A (zh) | 2016-09-21 | 2016-09-21 | 一种基于pmu数据的输电线路参数辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610839532.3A CN106443253A (zh) | 2016-09-21 | 2016-09-21 | 一种基于pmu数据的输电线路参数辨识方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106443253A true CN106443253A (zh) | 2017-02-22 |
Family
ID=58166496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610839532.3A Pending CN106443253A (zh) | 2016-09-21 | 2016-09-21 | 一种基于pmu数据的输电线路参数辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106443253A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107942160A (zh) * | 2017-11-07 | 2018-04-20 | 国电南瑞科技股份有限公司 | 基于bp神经网络的线路参数特性辨识模型的建立方法 |
CN108089079A (zh) * | 2017-12-13 | 2018-05-29 | 国网山东省电力公司菏泽供电公司 | 基于量测数据的线路参数辨识与波动特征提取方法 |
CN112986887A (zh) * | 2021-04-22 | 2021-06-18 | 华北电力大学 | 一种线路参数未知情形下的pmu时变相角差偏差校正方法 |
CN113139287A (zh) * | 2021-04-22 | 2021-07-20 | 华北电力大学 | 一种基于adaline神经网络和igg法的自适应抗差线路参数辨识方法 |
CN113255203A (zh) * | 2020-09-06 | 2021-08-13 | 诸暨市迪朗物联科技有限公司 | 基于anfis的电气线路老化程度在线辨识系统及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101969198A (zh) * | 2010-09-30 | 2011-02-09 | 河海大学 | 考虑负荷静态特性的电力系统状态估计方法 |
JP2012016213A (ja) * | 2010-07-02 | 2012-01-19 | Mitsubishi Electric Corp | 電力系統監視制御システム |
CN103020738A (zh) * | 2012-12-17 | 2013-04-03 | 河海大学 | 一种基于wdse的电力系统受扰轨迹预测方法 |
CN102163844B (zh) * | 2011-03-14 | 2013-05-01 | 国网技术学院 | 基于相量测量装置的电力系统状态检测方法 |
CN103116097A (zh) * | 2013-01-25 | 2013-05-22 | 中国电力科学研究院 | 基于多断面混合量测信息的设备参数在线辨识方法 |
US20140100705A1 (en) * | 2012-10-09 | 2014-04-10 | Nec Laboratories America, Inc. | Distributed generation control for microgrid during islanding |
KR20150002915A (ko) * | 2013-06-26 | 2015-01-08 | 김선웅 | 전력 계통의 최적화 해석을 위한 제약 조건 처리 방법 |
CN104836223A (zh) * | 2014-11-14 | 2015-08-12 | 浙江大学 | 电网参数错误与不良数据协同辨识与估计方法 |
CN105183938A (zh) * | 2015-07-17 | 2015-12-23 | 国家电网公司 | 电网不良数据辨识与估计方法 |
CN105305441A (zh) * | 2015-11-27 | 2016-02-03 | 华北电力大学 | 一种状态与参数联合追踪方法 |
CN105406471A (zh) * | 2015-12-23 | 2016-03-16 | 云南电力调度控制中心 | 电网不良数据辨识与估计方法 |
-
2016
- 2016-09-21 CN CN201610839532.3A patent/CN106443253A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012016213A (ja) * | 2010-07-02 | 2012-01-19 | Mitsubishi Electric Corp | 電力系統監視制御システム |
CN101969198A (zh) * | 2010-09-30 | 2011-02-09 | 河海大学 | 考虑负荷静态特性的电力系统状态估计方法 |
CN102163844B (zh) * | 2011-03-14 | 2013-05-01 | 国网技术学院 | 基于相量测量装置的电力系统状态检测方法 |
US20140100705A1 (en) * | 2012-10-09 | 2014-04-10 | Nec Laboratories America, Inc. | Distributed generation control for microgrid during islanding |
CN103020738A (zh) * | 2012-12-17 | 2013-04-03 | 河海大学 | 一种基于wdse的电力系统受扰轨迹预测方法 |
CN103116097A (zh) * | 2013-01-25 | 2013-05-22 | 中国电力科学研究院 | 基于多断面混合量测信息的设备参数在线辨识方法 |
KR20150002915A (ko) * | 2013-06-26 | 2015-01-08 | 김선웅 | 전력 계통의 최적화 해석을 위한 제약 조건 처리 방법 |
CN104836223A (zh) * | 2014-11-14 | 2015-08-12 | 浙江大学 | 电网参数错误与不良数据协同辨识与估计方法 |
CN105183938A (zh) * | 2015-07-17 | 2015-12-23 | 国家电网公司 | 电网不良数据辨识与估计方法 |
CN105305441A (zh) * | 2015-11-27 | 2016-02-03 | 华北电力大学 | 一种状态与参数联合追踪方法 |
CN105406471A (zh) * | 2015-12-23 | 2016-03-16 | 云南电力调度控制中心 | 电网不良数据辨识与估计方法 |
Non-Patent Citations (1)
Title |
---|
赵雪骞: "电力系统抗差状态估计与参数估计方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107942160A (zh) * | 2017-11-07 | 2018-04-20 | 国电南瑞科技股份有限公司 | 基于bp神经网络的线路参数特性辨识模型的建立方法 |
CN107942160B (zh) * | 2017-11-07 | 2020-06-05 | 国电南瑞科技股份有限公司 | 基于bp神经网络的线路参数特性辨识模型的建立方法 |
CN108089079A (zh) * | 2017-12-13 | 2018-05-29 | 国网山东省电力公司菏泽供电公司 | 基于量测数据的线路参数辨识与波动特征提取方法 |
CN113255203A (zh) * | 2020-09-06 | 2021-08-13 | 诸暨市迪朗物联科技有限公司 | 基于anfis的电气线路老化程度在线辨识系统及方法 |
CN112986887A (zh) * | 2021-04-22 | 2021-06-18 | 华北电力大学 | 一种线路参数未知情形下的pmu时变相角差偏差校正方法 |
CN113139287A (zh) * | 2021-04-22 | 2021-07-20 | 华北电力大学 | 一种基于adaline神经网络和igg法的自适应抗差线路参数辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106443253A (zh) | 一种基于pmu数据的输电线路参数辨识方法 | |
CN103324847B (zh) | 电力系统动态不良数据检测与辨识方法 | |
CN101714234B (zh) | 一种电网线损监测分析系统 | |
CN104134999B (zh) | 基于多数据源的配电网量测有效性分析实用化计算方法 | |
CN102749521B (zh) | 一种电力系统谐波阻抗计算方法 | |
CN113297797B (zh) | 一种基于XGBoost的电子式互感器量测误差状态评估方法及装置 | |
CN103838959A (zh) | 偏最小二乘回归应用于配电网谐波源定位与检测中的方法 | |
CN107145707B (zh) | 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法 | |
CN103944165B (zh) | 一种大电网参数辨识估计方法 | |
CN108155648A (zh) | 基于自适应h无穷扩展卡尔曼滤波的状态估计方法 | |
CN114994441B (zh) | 一种智能电力能效监测装置 | |
CN104836223A (zh) | 电网参数错误与不良数据协同辨识与估计方法 | |
CN101227092B (zh) | 一种配电网络中的谐波源识别方法 | |
CN104280612A (zh) | 一种基于单频电流传输特性的分布式谐波源辨识方法 | |
CN104052053B (zh) | 基于一元线性回归模型的配电网双端线路段阻抗分析方法 | |
CN106655152A (zh) | 一种基于ami量测特性的配电网状态估计方法 | |
CN104239716A (zh) | 一种基于参数偏差灵敏度的电网设备参数识别与估计方法 | |
CN105486945A (zh) | 一种10kV线路线损异常的判断方法 | |
CN103972889B (zh) | 一种配电线路阻抗在线辨识方法 | |
CN106159941B (zh) | 一种考虑实际量测误差传递特性的电力系统状态估计方法 | |
CN103809020B (zh) | 互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法 | |
CN107994586B (zh) | 一种高、低压电网电压动态响应解耦方法 | |
CN113156358B (zh) | 一种架空输电线路异常线损分析方法及系统 | |
CN105139286A (zh) | 基于无功不平衡量的scada数据有效性评估方法 | |
CN105069707A (zh) | 一种基于正态分布统计的母线功率平衡分析方法 |
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 |
Application publication date: 20170222 |
|
RJ01 | Rejection of invention patent application after publication |