CN107392439B - 一种电力系统可靠性评估的组合抽样方法 - Google Patents
一种电力系统可靠性评估的组合抽样方法 Download PDFInfo
- Publication number
- CN107392439B CN107392439B CN201710525384.2A CN201710525384A CN107392439B CN 107392439 B CN107392439 B CN 107392439B CN 201710525384 A CN201710525384 A CN 201710525384A CN 107392439 B CN107392439 B CN 107392439B
- Authority
- CN
- China
- Prior art keywords
- sampling
- elements
- events
- equal
- formula
- 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
- 238000005070 sampling Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000011156 evaluation Methods 0.000 title description 12
- 239000006185 dispersion Substances 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 239000000203 mixture Substances 0.000 claims abstract description 6
- 238000002474 experimental method Methods 0.000 claims description 17
- 150000001875 compounds Chemical class 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了电力系统可靠性评估的组合抽样方法,利用等分散抽样和全概率公式抽样两者的组合抽样方法对系统可靠性指标进行评估,选取一组系统元件以应用全概率公式,系统剩余元件应用等分散抽样方法,具体步骤如下:输入原始数据,根据重要度原则选取一组元件;对选取的系统元件枚举其组成事件及相应概率,将系统剩余元件在等分散子区间抽样并与事件组成系统状态;将此状态在每个等分散子区间进行计算后,计算样本方差,多次循环抽样直至样本方差满足设定的要求,输出结果。本发明利用等分散法和全概率公式法的组合抽样方法,大幅降低了样本方差,减少了抽样次数和计算时间,提高抽样效率且精度更高。
Description
技术领域
本专利涉及电力系统的可靠性评估领域,特别适用于需要进行大量蒙特卡洛抽样的电力系统可靠性评估的组合抽样方法。
背景技术
现有技术中的电力系统的可靠性评估主要有解析法和蒙特卡洛法。其中解析法需要枚举系统的所有状态,在系统规模较大时,可能会出现“维数灾”的难题。蒙特卡洛法的数学模型相对简单,在一定的精度要求下,蒙特卡罗方法的抽样次数与系统的规模无关,能消除解析法的“维数灾”的难题,特别适用于大型电力系统的可靠性评估,因而近年来越来越受到重视。
由于蒙特卡洛方法自身计算精度和计算时间的矛盾,要取得令人满意的计算精度,往往耗费大量的抽样次数和计算时间。在一定的计算精度(方差系数)下,抽样次数与样本方差成正比,减小样本方差是减小抽样次数,提高抽样效率的唯一方法。因此,通过方差减小技术可以加快蒙特卡洛模拟的收敛速度,提高抽样效率。
目前常用的方差减小方法有控制变量法、等分散抽样法、重要抽样法和对偶变数法等,以及拉丁超立方抽样、匕首抽样、全概率公式法应用效果也较为显著。但以上方法的原始算法的单独利用对于减小方差作用有限,有必要采用其改进算法或者混合算法进一步释放抽样效率。
发明内容:
本发明的目的是为了解决现有技术中存在的上述问题,提供一种电力系统可靠性评估的组合抽样方法;本发明利用等分散法和全概率公式法的组合抽样方法,通过全概率公式法在满足计算精度的情况下,减少了抽样次数和计算时间,提高了抽样效率;通过等分散抽样法在提高抽样效率的前提下,减小了样本方差、减小了抽样次数,也加快了蒙特卡洛模拟的收敛速度,提高抽样效率。克服了现有技术等分散抽样法以及全概率公式法的抽样效率低的问题,同时也与现有技术的其他改进抽样方法或混合方法更为简便易行,精度更高。
为了解决现有技术中存在的上述问题,本发明采用的技术方案是:
一种电力系统可靠性评估的组合抽样方法,利用等分散抽样和全概率公式抽样两者的组合抽样方法对系统进行可靠性评估;其中选取一组系统元件以应用全概率公式,系统剩余元件应用等分散抽样方法,以保证更多的处于故障状态的元件出现,具体步骤如下:
1)输入原始数据,所述原始数据包括元件数目、元件容量、强迫停运率、样本方差β、最大抽样次数Nmax、等分散抽样的子区间数h;
2)将元件容量和强迫停运率的乘积作为重要度,对所有元件的重要度进行排序,选取一组重要度最高的系统元件,枚举其组成事件及相应概率,以便于应用全概率公式;
3)对步骤1)中选出的一组系统元件,利用全概率公式(1)得到实验函数F(Xk),
式中,
Bi为选取机组所构成的样本空间的第i个事件,
P(Bi)为事件Bi发生的概率,
Fi k(X)表示在第k个区间中,事件Bi发生条件下的系统实验函数值,N为选取机组所构成的样本空间容量,即事件的个数;
4)对每一区间分别计算F(Xk)后,采用公式(2)计算新的系统实验函数F*(X),
式中,
F(Xk)为第k个子区间的实验函数,
h为区间[0,1]等分的子区间个数;
5)按照公式(2)得到系统实验函数F*(X)后,计算样本方差β,多次循环抽样直至样本方差β满足设定的要求,并输出结果;达到最大抽样次数Nmax仍未达到样本方差设定值时,停止循环,跳出程序。
所述步骤1)的重要度最高的系统元件数目的选取方法如下:
a)依照元件重要度,依次选取重要度表的前20、21、22……个元件并记录T(S1)、T(S2)、T(S3)……;当T(S(n-1))>T(Sn),T(S(n+1))<T(S1)时,令Ss=S(n-1),Sm=Sn,Sb=S(n+1);其中,T(S)表示抽取S个元件时,样本方差达到β=5%时所需的计算时间;
b)若T(Sm+1)>T(Sm),Sb=Sm,Sm=int[(Ss+Sb)/2],int[]是取整函数;若T(Sm+1)<T(Sm),Ss=Sm+1,Sm=int[(Ss+Sb)/2];
c)循环进行b),直至Sb-Sm≤1且Sm-Ss≤1;选取最优元件数目表示为Sopt,其对应的最小计算时间为T(Sopt)=min{T(Ss),T(Sm),T(Sb)},那么抽取的一组元件为重要度最高的前Sopt个元件。
所述步骤2)中所述的枚举其组成事件及相应概率方法如下:取m=Sopt时,选取的一组元件为[A1,A2,……,Am],对应的强迫停运率为[f1,f2,……,fm];元件的状态分为运行和停运,分别用A和A’表示元件运行和停运;则该组元件组成的所有事件有2m个,可以分为m+1类:零个元件故障、一个元件故障、两个元件故障、……、m-1个元件故障、m个元件故障;分别说明如下:
1)零个元件故障:A1A2…Am,1个事件,对应概率为(1-f1)(1-f2)…(1-fm);
2)一个元件故障:A1’A2…Am、A1A2’…Am、……、A1A2…Am’,m个事件,对应概率分别为f1(1-f2)…(1-fm)、(1-f1)f2…(1-fm)、……、(1-f1)(1-f2)…fm;
3)两个元件故障:A1’A2’…Am、A1’A2…Am’、……、A1A2’…Am’,m(m-1)/2个事件,对应概率分别为f1f2…(1-fm)、f1(1-f2)…fm、……、(1-f1)f2…fm;
m)m-1个元件故障:A1A2’…Am’、A1’A2…Am、……、A1’A2’…Am,m个事件,对应概率分别为(1-f1)f2…fm、f1(1-f2)…fm、……、f1f2…(1-fm);
m+1)m个元件故障:A1’A2’…Am’,1个事件,对应概率为f1f2…fm。
所述的新的系统实验函数F*(X)是系统可靠性指标,系统可靠性指标包括缺电时间期望、电量不足期望、期望缺供电力三个可靠性指标。
本发明的有益效果:
本发明利用等分散法和全概率公式法的组合抽样方法,通过全概率公式法在满足计算精度的情况下,减少了抽样次数和计算时间,提高了抽样效率;通过等分散抽样法在提高抽样效率的前提下,减小了样本方差、减小了抽样次数,也加快了蒙特卡洛模拟的收敛速度,提高抽样效率。克服了现有技术等分散抽样法以及全概率公式法的抽样效率低的问题,同时也与现有技术的其他改进抽样方法或混合方法更为简便易行,精度更高。
附图说明:
图1为本发明的流程图;
图2为四种方法的方差系数与抽样次数关系的评估结果对比曲线示意图。
具体实施方式
下面结合附图描述本发明的具体实施方式:
一种电力系统可靠性评估的组合抽样方法,利用等分散抽样和全概率公式抽样两者的组合抽样方法对系统可靠性指标进行评估,其中选取一组系统元件以应用全概率公式,若系统中所有元件数为n,选取的一组系统元件个数为m,则剩余元件数目为n-m,那么剩余n-m个元件应用等分散抽样方法,以保证更多的处于故障状态的元件出现,具体步骤如下:
1)输入原始数据:包括元件数目、元件容量、强迫停运率,计算精度β,最大抽样次数Nmax,等分散抽样的子区间数h。
2)将元件容量和强迫停运率的乘积作为重要度,对所有元件的重要度进行排序,选取一组重要度最高的系统元件,枚举其组成事件及相应概率,以便于应用全概率公式;
重要度高的元件数目的选取方法如下:
a)依照元件重要度,依次选取重要度表的前20、21、22、……个元件并记录各次选取后系统的计算时间T(S1)、T(S2)、T(S3)、……;当T(S(n-1))>T(Sn),T(S(n+1))<T(S1)时,令Ss=S(n-1),Sm=Sn,Sb=S(n+1),其中,T(S)表示抽取S个元件时,方差系数达到β=5%时所需的计算时间;
b)若T(Sm+1)>T(Sm),Sb=Sm,Sm=int[(Ss+Sb)/2],int[]是取整函数;若T(Sm+1)<T(Sm),Ss=Sm+1,Sm=int[(Ss+Sb)/2];
c)循环进行b),直至Sb-Sm≤1且Sm-Ss≤1;选取最优元件数目表示为Sopt,其对应的最小计算时间为T(Sopt)=min{T(Ss),T(Sm),T(Sb)},那么抽取的一组元件为重要度最高的前Sopt个元件;
取m=Sopt时,枚举m个选取元件组成事件及相应概率的方法如下:
选取的一组元件为[A1,A2,……,Am],对应的强迫停运率为[f1,f2,……,fm]。元件的状态分为运行和停运,分别用A和A’表示元件运行和停运。则该组元件组成的所有事件有2m个,可以分为m+1类:零个元件故障、一个元件故障、两个元件故障、……、m-1个元件故障、m个元件故障。分别说明如下:
(1)零个元件故障:A1A2…Am,1个事件,对应概率为(1-f1)(1-f2)…(1-fm);
(2)一个元件故障:A1’A2…Am、A1A2’…Am、……、A1A2…Am’,m个事件,对应概率分别为f1(1-f2)…(1-fm)、(1-f1)f2…(1-fm)、……、(1-f1)(1-f2)…fm;
(3)两个元件故障:A1’A2’…Am、A1’A2…Am’、……、A1A2’…Am’,m(m-1)/2个事件,对应概率分别为f1f2…(1-fm)、f1(1-f2)…fm、……、(1-f1)f2…fm;
…
m)m-1个元件故障:A1A2’…Am’、A1’A2…Am、……、A1’A2’…Am,m个事件,对应概率分别为(1-f1)f2…fm、f1(1-f2)…fm、……、f1f2…(1-fm);
m+1)m个元件故障:A1’A2’…Am’,1个事件,对应概率为f1f2…fm。
3)根据步骤1)中枚举的组成事件及相应概率,抽取剩余元件在第k个区间[(k-1)/h),k/h]中的运行状态,并与事件Bi组成系统运行状态X,利用全概率公式(1)得到实验函数F(Xk),
式中,
Bi为选取机组所构成的样本空间的第i个事件,
P(Bi)为事件Bi发生的概率,
Fi k(X)表示在第k个区间[(k-1)/h),k/h]中,事件Bi发生条件下的系统实验函数值,
N为选取机组所构成的样本空间容量,即事件的个数;
4)对每一区间分别计算F(Xk)后,就可以采用公式(2)计算系统可靠性指标,即新的系统实验函数F*(X)
式中,F(Xk)为第k个子区间的实验函数,
h为区间[0,1]等分的子区间个数;
5)按照公式(2)得到系统实验函数F*(X)后,计算样本方差β,多次循环抽样直至样本方差(或计算精度)β满足设定的要求,并输出结果。达到最大抽样次数Nmax仍未达到样本方差设定值时,停止循环,跳出程序。
输出的实验函数F*(X)就是系可靠性指标,包括缺电时间期望LOLE(Loss Of LoadExpectation)、电量不足期望LOEE(Loss Of Energy Expectation)、期望缺供电力EDNS(Energy Demand Not Supplied)等三个可靠性指标。
下面介绍具体的实施例:
本发明的方法在IEEE RTS系统下与常规蒙特卡洛法(MC)、全概率公式法(TP)、等分散抽样法(SS)对比,以缺电时间期望可靠性指标为例,计算缺电时间期望可靠性指标。
结合图1,图2,具体工作流程为:
输入原始数据,包括元件数目、元件容量、强迫停运率、重要度、元件个数,如表1所示;计算精度β为5%、2%、1%、0.75%,最大抽样次数Nmax=1000000,等分散抽样的子区间数h=4。
表1系统元件重要度表
选取一组元件:根据理论分析进行计算,选取的一组元件是容量为400MW、400MW、350MW、197MW、197WM、197MW的六台机组。
确定抽样次数Ns,第一次进行抽样,NS=1开始;抽取剩余元件的随机数;按照公式(1)计算得到实验函数F(Xk);根据上一步抽取元件的随机数,判定元件在子区间[(k-1)/h),k/h]的状态;结合选定的一组元件及其样本空间形成N个系统运行状态,得到N个系统实验函数Fi k(X)。将这些实验函数和样本空间对应的概率代入公式(1)可以计算子区间[(k-1)/h),k/h]对应的实验函数F(Xk),进而可以计算所有子区间对应的实验函数。
然后按照公式(2)计算系统实验函数F*(X);
抽样完成一次,Ns=Ns+1;计算样本方差β并判断是否满足要求,若满足则停止抽样,不满足则返回继续抽样;当Ns≥Nmax样本方差β仍不满足时,跳出程序,停止抽样。
表2四种方法的可靠性评估结果对比
评估结果表明:MC法、SS法、TP法和混合法所需的抽样次数依次递减。其中,TP法较MC法抽样次数减少了97%左右;而混合法能进一步提高TP法的抽样效率,较MC法抽样次数减少了99%以上。就指标误差而言,要求计算精度β小于2%时,TP法和混合法的可靠性指标LOEE的误差均保持在4%以内;TP法的可靠性指标LOLE的误差在3%左右,而混合法能保持在1%左右。这表明混合法能在保持RTS系统可靠性指标的期望不变的前提下,大大提高系统的抽样效率。抽样效果优于SS法和TP法。
图2给出了四种方法的方差系数与抽样次数关系的曲线。方差系数曲线清晰地表明,四种方法的方差系数在初始阶段变化较快,随着抽样次数的增加而趋于稳定。且MC方法的收敛速度最慢,组合法的收敛速度最快。同一精度要求下,组合法需要的抽样次数最小,这表明的组合方法极大的优越性。
本方法在保持原始等分散抽样和全概率公式抽样特性的基础上,将两者组合应用,具有提高抽样效率的“放大”效应。程序流程图中,公式(5)计算F(Xk)这一步保持了全概率公式抽样的效率;而公式(4)F*(X)的计算又以等分散的抽样效率放大了全概率公式抽样的效率。因此,该组合方法较任何单一的方法效率都大大提高。
上述虽然结合附图对发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (3)
1.一种电力系统可靠性评估的组合抽样方法,其特征是,利用等分散抽样和全概率公式抽样两者的组合抽样方法对系统进行可靠性评估;其中选取一组系统元件以应用全概率公式,系统剩余元件应用等分散抽样方法,以保证更多的处于故障状态的元件出现,具体步骤如下:
1)输入原始数据,所述原始数据包括元件数目、元件容量、强迫停运率、样本方差β、最大抽样次数Nmax、等分散抽样的子区间数h;
2)将元件容量和强迫停运率的乘积作为重要度,对所有元件的重要度进行排序,选取一组重要度最高的系统元件,枚举其组成事件及相应概率,以便于应用全概率公式;
3)对步骤1)中选出的一组系统元件,利用全概率公式(1)得到实验函数F(Xk),
式中,
Bi为选取机组所构成的样本空间的第i个事件,
P(Bi)为事件Bi发生的概率,
4)对每一区间分别计算F(Xk)后,采用公式(2)计算新的系统实验函数F*(X),
式中,
F(Xk)为第k个子区间的实验函数,
h为区间[0,1]等分的子区间个数;
5)按照公式(2)得到系统实验函数F*(X)后,计算样本方差β,多次循环抽样直至样本方差β满足设定的要求,并输出结果;达到最大抽样次数Nmax仍未达到样本方差设定值时,停止循环,跳出程序;
所述步骤1)的重要度最高的系统元件数目的选取方法如下:
a)依照元件重要度,依次选取重要度表的前20、21、22……个元件并记录T(S1)、T(S2)、T(S3)……;当T(S(n-1))>T(Sn),T(S(n+1))<T(S1)时,令Ss=S(n-1),Sm=Sn,Sb=S(n+1);其中,T(S)表示抽取S个元件时,样本方差达到β=5%时所需的计算时间;
b)若T(Sm+1)>T(Sm),Sb=Sm,Sm=int[(Ss+Sb)/2],int[]是取整函数;若T(Sm+1)<T(Sm),Ss=Sm+1,Sm=int[(Ss+Sb)/2];
c)循环进行b),直至Sb-Sm≤1且Sm-Ss≤1;选取最优元件数目表示为Sopt,其对应的最小计算时间为T(Sopt)=min{T(Ss),T(Sm),T(Sb)},那么抽取的一组元件为重要度最高的前Sopt个元件。
2.如权利要求1所述的一种电力系统可靠性评估的组合抽样方法,其特征是,所述步骤2)中所述的枚举其组成事件及相应概率方法如下:取m=Sopt时,选取的一组元件为[A1,A2,……,Am],对应的强迫停运率为[f1,f2,……,fm];元件的状态分为运行和停运,分别用A和A’表示元件运行和停运;则该组元件组成的所有事件有2m个,可以分为m+1类:零个元件故障、一个元件故障、两个元件故障、……、m-1个元件故障、m个元件故障;分别说明如下:
1)零个元件故障:A1A2…Am,1个事件,对应概率为(1-f1)(1-f2)…(1-fm);
2)一个元件故障:A1’A2…Am、A1A2’…Am、……、A1A2…Am’,m个事件,对应概率分别为f1(1-f2)…(1-fm)、(1-f1)f2…(1-fm)、……、(1-f1)(1-f2)…fm;
3)两个元件故障:A1’A2’…Am、A1’A2…Am’、……、A1A2’…Am’,m(m-1)/2个事件,对应概率分别为f1f2…(1-fm)、f1(1-f2)…fm、……、(1-f1)f2…fm;
m)m-1个元件故障:A1A2’…Am’、A1’A2…Am、……、A1’A2’…Am,m个事件,对应概率分别为(1-f1)f2…fm、f1(1-f2)…fm、……、f1f2…(1-fm);
m+1)m个元件故障:A1’A2’…Am’,1个事件,对应概率为f1f2…fm。
3.如权利要求1所述的一种电力系统可靠性评估的组合抽样方法,其特征是,所述的新的系统实验函数F*(X)是系统可靠性指标,系统可靠性指标包括缺电时间期望、电量不足期望、期望缺供电力三个可靠性指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710525384.2A CN107392439B (zh) | 2017-06-30 | 2017-06-30 | 一种电力系统可靠性评估的组合抽样方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710525384.2A CN107392439B (zh) | 2017-06-30 | 2017-06-30 | 一种电力系统可靠性评估的组合抽样方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107392439A CN107392439A (zh) | 2017-11-24 |
CN107392439B true CN107392439B (zh) | 2021-05-18 |
Family
ID=60334918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710525384.2A Active CN107392439B (zh) | 2017-06-30 | 2017-06-30 | 一种电力系统可靠性评估的组合抽样方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107392439B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122070B (zh) * | 2017-12-12 | 2021-04-16 | 国家电网公司 | 配电网可靠性的确定方法和装置 |
CN112416911B (zh) * | 2019-08-23 | 2024-06-21 | 广州虎牙科技有限公司 | 样本数据的获取方法、装置、设备及存储介质 |
CN113779150B (zh) * | 2021-09-14 | 2024-06-18 | 杭州数梦工场科技有限公司 | 一种数据质量评估方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022581A (zh) * | 2016-05-12 | 2016-10-12 | 西安交通大学 | 基于几何优化-最小方差化方法的重要抽样蒙特卡洛电力系统可靠性评估方法 |
CN106469421A (zh) * | 2016-09-23 | 2017-03-01 | 国家电网公司 | 一种风电/光伏发电功率汇集拓扑的评估方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982379B (zh) * | 2012-11-16 | 2016-08-03 | 清华大学 | 基于集合论估计模型的电力系统状态估计方法及系统 |
CN104332996B (zh) * | 2014-11-18 | 2017-02-22 | 国家电网公司 | 一种评估电力系统可靠性的方法 |
-
2017
- 2017-06-30 CN CN201710525384.2A patent/CN107392439B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022581A (zh) * | 2016-05-12 | 2016-10-12 | 西安交通大学 | 基于几何优化-最小方差化方法的重要抽样蒙特卡洛电力系统可靠性评估方法 |
CN106469421A (zh) * | 2016-09-23 | 2017-03-01 | 国家电网公司 | 一种风电/光伏发电功率汇集拓扑的评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于元件强迫停运率的互联系统可靠性指标灵敏度分析;万军平;《电力系统保护与控制》;20091101;第15-20页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107392439A (zh) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107392439B (zh) | 一种电力系统可靠性评估的组合抽样方法 | |
CN111190114A (zh) | 一种储能用长循环磷酸铁锂电池加速测试方法 | |
CN114240019A (zh) | 适用新能源电力系统的灵活资源价值评估方法及装置 | |
CN106056305B (zh) | 一种基于状态聚类的发电系统可靠性快速评估方法 | |
CN105449667B (zh) | 一种发输电系统可靠性预测方法 | |
CN111244944A (zh) | 一种基于影响增量的交直流配电网可靠性评估方法 | |
Zhong et al. | The reliability evaluation method of generation system based on the importance sampling method and states clustering | |
CN109447512A (zh) | 基于均匀设计的大电网可靠性评估方法 | |
CN107332239B (zh) | 一种基于配电网等值的输配电网协调规划方法 | |
CN109728607B (zh) | 一种风电消纳评估方法及装置 | |
CN111767633A (zh) | 一种综合能源系统微型燃气轮机高效模拟方法及相关设备 | |
CN116430242A (zh) | 电芯容量的估计方法、装置、服务器及存储介质 | |
AU2017248562A1 (en) | Operation plan creating apparatus, operation plan creating method, and program | |
Hou et al. | Contingency set partition-based impact transfer approach for the reliability assessment of composite generation and transmission systems | |
Peng et al. | An unscented transformation based probabilistic power flow for studies on uncertainty sources in AC/DC grid | |
Duan et al. | High performance computing (hpc) for advanced power system studies | |
CN109995374B (zh) | 一种用于电力系统数据压缩的主成分分量迭代选择方法 | |
Zhang et al. | Analysis and research on power flow entropy index of power system | |
CN108616126B (zh) | 计及输电网供电能力概率等值模型的配网可靠性计算方法 | |
Liu et al. | Reliability evaluation of distribution network power supply based on improved sampling monte carlo method | |
CN105786769A (zh) | 一种基于快速数据读取及对称稀疏因子表法在极坐标pq分解法潮流中的应用 | |
CN113065762B (zh) | 电力系统新能源弃电率的快速求解方法、系统、设备及存储介质 | |
Xi et al. | A pseudo-analytical mix sampling strategy for reliability assessment of power girds | |
CN110782080A (zh) | 一种基于种群性能排序选择的电力系统结构优化方法 | |
CN114336793B (zh) | 交直流混合配电网灵活性确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |