CN107634514A - 构建预测模型的方法 - Google Patents

构建预测模型的方法 Download PDF

Info

Publication number
CN107634514A
CN107634514A CN201710574562.0A CN201710574562A CN107634514A CN 107634514 A CN107634514 A CN 107634514A CN 201710574562 A CN201710574562 A CN 201710574562A CN 107634514 A CN107634514 A CN 107634514A
Authority
CN
China
Prior art keywords
physical quantity
host node
distribution network
power distribution
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.)
Pending
Application number
CN201710574562.0A
Other languages
English (en)
Inventor
M.克莱门斯
P.德尚
Y.肖洛
C.贝努瓦
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.)
Schneider Electric SE
Schneider Electric Industries SAS
Original Assignee
Schneider Electric SE
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 Schneider Electric SE filed Critical Schneider Electric SE
Publication of CN107634514A publication Critical patent/CN107634514A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H03—ELECTRONIC CIRCUITRY
    • H03J—TUNING RESONANT CIRCUITS; SELECTING RESONANT CIRCUITS
    • H03J3/00—Continuous tuning
    • H03J3/02—Details
    • H03J3/12—Electrically-operated arrangements for indicating correct tuning
    • H03J3/14—Visual indication, e.g. magic eye
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种用于构建配电网(1)状态变化的预测模型的方法，配电网包括主节点(N)，主节点给经由配电线路(3)连接的负载(2)供电，该方法包括：a.在第一时间段期间测量在主节点(N)处的物理量A和在网(1)的测量点(4)处的物理量B的变化的步骤；b.使在步骤a中测量的量A和量B相关联的步骤，以便使得获知主节点(N)处的物理量A能够预测网(1)的多个测量点(4)处的物理量B的值。

Description

构建预测模型的方法
技术领域
本发明涉及一种形成配电网特征量的预测模型的方法。本发明还涉及实现特征量的预测模型以确保配电网特别是低压网的稳定性。
背景技术
一般在主节点处给低压(LV)配电网(低压指电源电压低于1000伏)提供电流，低压(LV)配电网经由被称为MV/LV站的变压器站，通过主节点与中压(MV)网(中压指电源电压高于或等于1000伏)相接。LV网还包括将电流从主节点传输到用户,例如连接到所述LV网的家庭用户的多个LV配电线路。
设计该整个网以向消费者保证预定的电压水平。然而当用户消耗和/或产生的电流发生变化时，会观察到LV配电线路电压的波动。因此，为了最小化电压波动，可以通过用于补偿电压波动从而保持LV网稳定的调节模块对MV/LV站进行伺服控制。这种伺服控制模式例如在文献FR2787248中描述。
然而，在过去的几年里，出现了分散的电能生产来源，例如可再生能源，其也为LV配电线路提供电流。某些用户会拥有可以间歇或不受控制的方式发电的分散的产生源，特别是可再生能源的情况，并因此导致与主节点连接的各个LV配电线路之间的电压不平衡。例如，LV配电线路的电压在由分散的产生源给其提供电流时会增加，而其他LV配电线路的电压由于用户消耗的增加而降低。
因此，分散的产生源的存在导致电压水平的差异，这使上述调节模式失效。
此外，使用变压器站的LV网的调节需要知道在遇到电压变化时所述线路的行为。然而，由于缺乏对LV网的精确结构的了解，因此它所包含的各种LV配电线路阻碍了描述所述LV配电线路的图表的任何建模或构建。
本发明的一个目的是提出一种确定配电网状态变化的预测模型的方法。
本发明的另一个目的则是提出一种能够调节配电网，例如LV网的电压的方法。
发明内容
本发明的目的至少部分是通过用于构建配电网状态变化的预测模型的方法来实现的，设计预测模型来实现所述配电网的动态调节，配电网包括主节点，主节点给经由至少一个配电线路与所述主节点连接的多个负载提供电流，该方法包括：
a.在第一时间段上测量在主节点处的至少一个物理量A和在网的多个测量点处的至少一个物理量B的步骤；
b.由计算机执行的使在步骤a.中测量的至少一个量A和至少一个量B相关联的步骤，以便使得获知主节点处的至少一个物理量A能够预测网的多个测量点处的至少一个物理量B的值。
根据一种实施方式，关联步骤b包括有利地根据支持向量机方法的机器学习算法。
根据一种实施方式，物理量A包括选自电压、电流强度、有功功率、无功功率中的至少一个物理量。
根据一种实施方式，物理量B是电压。
根据一种实施方式，测量步骤a由位于主节点处和多个测量点处的多个传感器执行。
根据一种实施方式，配电网包括分散的电能产生源，有利地分散的产生源包括可再生能源。
根据一种实施方式，第一时间段的持续期间短于一个月，有利地短于一周。
根据一种实施方式，至少一个配电线路是分支的，并且包括构成用于测量物理量B的点的多个终端。
根据一种实施方式，配电网包括三相和中性线，在三相和中性线上执行步骤a和b。
本发明还涉及一种用于动态调节包括主节点的配电网的方法，主节点给经由至少一个配电线路与主节点连接的多个负载提供电流，根据构建的预测模型，使配电网的多个点处的至少一个物理量B的值与主节点处的物理量A的值相关联。
该方法包括在测量至少一个物理量A的值的基础上预测至少一个物理量B的值，该方法还包括通过应用预测模型调整物理量A的值，该调整旨在将至少一个物理量B的值保持在预定值的范围内。
根据一种实施方式，配电网经由变压器站在主节点处与供电网相接。
根据一种实施方式，物理量A的调整由变压器站进行。
根据一种实施方式，变压器站包括用来测量至少一个物理量A的值并且预测至少一个物理量B的值的调节器，所述调节器也适用于在变压器站处控制至少一个物理量A的值的调整。
根据一种实施方式，配电网是LV网。
根据一种实施方式，配电网包括分散的电能产生源，有利地，分散的产生源包括可再生能源。
附图说明
其他的特点和优势将在下面通过非限制性实例的方式并参考附图给出的根据本发明的用于构建配电网状态变化的预测模型的方法的实施方式的详细描述中变得显而易见，附图中：
图1是将要根据本发明进行调节的配电网的示意图；
图2是根据本发明的预测模型的构建的实施方式的示意图；
图3a、3b和3c图示了由根据本发明的预测模型预测的电压和测量的实际电压对于三相低压电网的每一相a、b和c的电压Va、Vb、和Vc(垂直轴上)随时间(水平轴上)的变化。
具体实施方式
下文详细描述的本发明实现了配电网状态变化的预测模型的构造，其旨在能够对配电网进行更好的调节。更具体地说，根据本发明的方法实现了一种学习方法，该方法旨在检测配电网状态的变化，从而能够对其进行动态调节。
图1图示了配电网1。配电网1经由包括变压器8(例如MV/LV变压器)的变压器站7，从其主节点N与供电网6相接。
在节点N(或变压器站7)处，可以对给负载2(将术语“负载”2理解为指耗电力的构件)供给电流的多个配电线路3馈电进行计数。例如，配电网1可以是经由MV/LV站与MV网(供电网6)连接的LV网，可以从该MV/LV站对1至20个范围内的配电线路3馈电进行计数。
配电线路3可以是三相配电线路(换句话说配电线路3包括三相和中性线)，并且通常显示有分支。
配电网1还可以包括分散的产生源5。将“术语分散的产生源”5理解为指在配电线路3处并且与主节点1间隔一段距离处与所述配电网1连接的电力产生源。
分散的产生源例如是可再生能量产生源，特别是光伏能源或风能源。
在图2中示出的本发明的第一个方面涉及配电网1状态变化的预测模型的建立。例如，配电网状态的变化可以对应于所述网1的至少一个点处的物理量B的变化。更具体地说，物理量B例如可以是电压。当负载2的消耗变化时，或者当分散的产生源5向配电网1注入电流时，会发生配电网状态的变化。
配电网1状态的变化通常不均匀，从而导致例如电压的不平衡。
根据本发明的方法因此包括测量主节点N处的至少一个物理量A的步骤a。将术语“测量主节点N处的至少一个物理量A”理解为指对每一个配电线路3馈电测量至少一个物理量A。
至少一个物理量A的测量可由位于主节点N处的称为“上游传感器”的多个传感器进行。
至少一个物理量A可包括：电压、电流、有功功率P、无功功率Q。
步骤a还包括在配电网1的多个测量点4处测量至少一个物理量B。点4是本发明的主题的模型的学习点。因此，在整个描述中，仅提到“点4”时应理解为“点4”表示学习点。有利地，测量点4位于靠近配电线路3的终端的位置。将术语“配电线路3的终端”理解为指与配电线路3馈电不同的所述配电线路3的端部。配电线路3可以是分支的，从而理解为它们可以包括多个终端。
至少一个物理量B的测量可由位于测量点4处的被称为“下游传感器”的多个传感器进行。
步骤a是在第一时间段内进行的，使得在所述时间段内至少一个物理量A的测量可与至少一个物理量B的测量相关联。
第一时间段的持续时间可以短于一个月，特别是短于一个星期。
至少一个物理量A和至少一个物理量B的测量可以在第一时间段的整个持续期间连续进行。
至少一个物理量A和至少一个物理量B的测量可以在第一时间段内以规则时间间隔，例如每小时进行。
物理量A和B的所有测量都构成学习数据。
配电网1状态变化的预测模型的建立还包括步骤b，其能够使至少一个物理量A和至少一个物理量B相关联，例如通过机器学习方法。机器学习包括在学习数据的基础上构造函数fk,p(下标p和k分别涉及所考虑的相和下游传感器)，使得可以在测量至少一个物理量A的基础上预测点4处的至少一个物理量B的一个或多个值。
函数fk,p的构造可以包括将物理量B的学习值(例如由下游传感器k测量的，Vdistantk,p)和所述函数对其的预测值之间的差值最小化的步骤。
机器学习可以通过称为支持向量回归的学习方法来实现。机器学习方法的实现是本领域技术人员已知的，关于这点，将在说明书末尾处引用的文献[1]中找到这些方法之一的描述。
举个例子，物理量B可以是点4处的电压Vdistantk,p，并且至少一个物理量A可以包括主节点N处的电压VN和电流IN。从而函数fk,p使得可能在主节点N处的电压VN和电流IN(物理量A)的测量值基础上预测配电网1的点4处的电压Vdistantk,p。
根据本发明的预测模型只需要采用仅位于主节点N处的上游传感器对至少一个物理量A的测量值。可以省略位于点4处的下游传感器。
根据本发明的模型不需要建立配电网1的行为的理论模型。
此外，本发明人有利地观察到，简单地获知电压VN和电流IN(电压VN和电流IN是至少一个量A)使得可以以足够程度的确定性预测配电网1的点4处的电压Vdistant。
图3a、b和c显示了三相配电网的每一相a、b和c的点4处的测量电压和用预测模型预测的电压随时间的变化。在本例中，预测模型将主节点N处的电压VN和电流IN与点4处的电压Vdistantk,p(物理量B)相关联。
预测电压与测量电压之间的很小的差异验证了根据本发明的预测模型，根据本发明的预测模型相对于包括配电网的建模的模型的区别在于其实施的简化，还在于其有效性。
有利地，预测模型可以是具体的，并且可辨别例如季节、夜晚和白天、或平日(从星期一到星期日)和周末日(从星期六到星期日)。这些区别使得可以细化预测模型，从而赋予它更高的精度。
利用计算器，例如计算机来有利地实现预测模型。更具体地说，可以由计算机执行关联步骤b)。
根据第二方面，本发明还涉及一种实施上述预测模型的配电网1的电压调节方法。
根据本发明的调节方法旨在使至少一个物理量B保持在点4处的预定值的范围内。
此外，根据本发明的调节方法要求上游传感器仅在配电网1的主节点N处可用。事实上，一旦知道了预测模型，只需要物理量A的值就能预测点4处的物理量B的值。
更具体地说，预测模型可用于仅通过调节物理量A来调节物理量B的值，例如为了使所述物理量B保持在预定值的范围内。
物理量A可由变压器站7调节。
更具体地，变压器站可设置有调节器9，其用于由变压器8控制对物理量A的调节。
有利地，调节器9从位于主节点N处的上游传感器收集至少一个物理量A的测量值，并预测在点4处的至少一个物理量B的值。一旦至少一个物理量B的值在预定值范围外，则调节器向变压器8发出指令重新调整至少一个量A的值。
举例来说，可实现本发明以便对LV网进行调节，LV网在其主节点N处经由MV/LV站与MV网相接。MV/LV站允许对MV/LV网被调节。专利申请FR 3 004 284中描述的“智能变压器”类型的MV/LV站使得能够动态地调节LV网的供给电压。
参考文献
[1]Alex J.Smola,Bernhard<<A tutorial on support vectorregression”,Statistics and Computing,2004年8月,第14卷,第3期,pp.199-222.

Claims (15)

1.一种用于构建配电网(1)状态变化的预测模型的方法，设计预测模型来实现所述网的动态调节，配电网包括主节点(N)，主节点给经由至少一个配电线路(3)连接到所述主节点(N)的多个负载提供电流，该方法包括：
a)在第一时间段上测量在主节点(N)处的至少一个物理量A和在网(1)的多个测量点(4)处的至少一个物理量B的变化的步骤；
b)由计算机执行的使在步骤a中测量的至少一个量A和至少一个量B相关联的步骤，以便使得获知主节点(N)处的至少一个物理量A能够预测网(1)的多个测量点(4)处的至少一个物理量B的值。
2.如权利要求1所述的方法，其中关联步骤b包括有利地根据支持向量机方法的机器学习算法。
3.如权利要求1或2所述的方法，其中物理量A包括选自电压、电流强度、有功功率、无功功率中的至少一个物理量。
4.如权利要求1到3中任一项所述的方法，其中物理量B是电压。
5.如权利要求1到4中任一项所述的方法，其中测量步骤a由位于主节点(N)处和多个测量点(4)处的多个传感器执行。
6.如权利要求1到5中任一项所述的方法，其中配电网(1)包括分散的产生源(5)，有利地分散的产生源包括可再生能源。
7.如权利要求1到6中任一项所述的方法，其中第一时间段的持续时间短于一个月，有利地短于一周。
8.如权利要求1到7中任一项所述的方法，其中至少一个配电线路是分支的，并且包括构成用于测量物理量B的点(4)的多个终端。
9.如权利要求1到8中任一项所述的方法，其中配电网(1)包括三相和中性线，在三相和中性线上执行步骤a和b。
10.一种用于动态调节包括主节点(N)的配电网(1)的方法，主节点(N)给经由至少一个配电线路(3)连接到所述主节点(N)的多个负载(2)提供电流，根据按照权利要求1到9中任一项构建的预测模型，使配电网(1)的多个点(4)处的至少一个物理量B的值与主节点(N)处的物理量A的值相关联，
该方法包括调节至少一个物理量A的值，以将至少一个物理量B的值保持在预定值的范围内。
11.如权利要求10所述的方法，其中配电网(1)经由变压器站(7)在主节点(N)处与供电网(6)连接。
12.如权利要求11所述的方法，其中物理量A的调整由变压器站(7)进行。
13.如权利要求12所述的方法，其中变压器站(7)包括用来测量至少一个物理量A的值并且预测至少一个物理量B的值的调节器(9)，所述调节器也适用于在变压器站(7)处控制至少一个物理量A的值的调整。
14.如权利要求10到13中任一项所述的方法，其中配电网(1)是LV网。
15.如权利要求10到14中任一项所述的方法，其中配电网(1)包括分散的产生源(5)，有利地，分散的产生源包括可再生能源。
CN201710574562.0A 2016-07-18 2017-07-14 构建预测模型的方法 Pending CN107634514A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1656826A FR3054052B1 (fr) 2016-07-18 2016-07-18 Procede de construction d'un modele predictif
FR1656826 2016-07-18

Publications (1)

Publication Number Publication Date
CN107634514A true CN107634514A (zh) 2018-01-26

Family

ID=56990611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710574562.0A Pending CN107634514A (zh) 2016-07-18 2017-07-14 构建预测模型的方法

Country Status (4)

Country Link
US (1) US20180018743A1 (zh)
EP (1) EP3273371A1 (zh)
CN (1) CN107634514A (zh)
FR (1) FR3054052B1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018201550A1 (de) * 2018-02-01 2019-08-01 Siemens Aktiengesellschaft Verfahren und Vorrichtung zum Bestimmen einer Notwendigkeit eines Eingriffs auf ein Versorgungsnetz
EP3667851B1 (de) * 2018-12-13 2024-01-24 Siemens Aktiengesellschaft Erstellung dynamischer modelle von netzknoten in einem nieder- und/oder mittelspannungs-verteilnetz durch selbstlernenden algorithmus
CN111668829B (zh) * 2020-05-11 2022-08-05 国网福建省电力有限公司 一种基于气象特征因子的配电网低电压用户数预测方法
CN115034060B (zh) * 2022-06-07 2023-04-28 中国人民解放军陆军工程大学 信息物理系统物理域和网络域一体化耦合建模方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100268579A1 (en) * 2009-04-17 2010-10-21 James Momoh System and method of monitoring and optimizing power quality in a network
CN102082433A (zh) * 2010-11-29 2011-06-01 沈阳工业大学 一种风电并网系统电压稳定预测装置及方法
EP2533398A2 (en) * 2011-06-08 2012-12-12 Alstom Grid Enhanced communication infrastructure for hierarchical intelligent power distribution grid
WO2013123055A1 (en) * 2012-02-14 2013-08-22 Tollgrade Communications, Inc. Power line management system
CN103457247A (zh) * 2013-08-09 2013-12-18 福州大学 低压系统多层级全范围选择性协调保护技术
US20140277813A1 (en) * 2013-03-15 2014-09-18 Dominion Resources, Inc. Maximizing of energy delivery system compatibility with voltage optimization using ami-based data control and analysis
US20150236508A1 (en) * 2011-09-16 2015-08-20 Varentec, Inc. Systems and methods for edge of network voltage control of a power grid

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2894087B1 (fr) * 2005-11-25 2007-12-28 Schneider Electric Ind Sas Methode et dispositif de regulation pour un dispositif de production decentralisee d'energie, et installation comportant au moins deux dispositifs de production dotes dudit dispositif de regulation
FR3006819B1 (fr) * 2013-06-11 2015-07-10 Electricite De France Procede de reglage de tension sur les reseaux de distribution en presence de production decentralisee

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100268579A1 (en) * 2009-04-17 2010-10-21 James Momoh System and method of monitoring and optimizing power quality in a network
CN102082433A (zh) * 2010-11-29 2011-06-01 沈阳工业大学 一种风电并网系统电压稳定预测装置及方法
EP2533398A2 (en) * 2011-06-08 2012-12-12 Alstom Grid Enhanced communication infrastructure for hierarchical intelligent power distribution grid
US20120316689A1 (en) * 2011-06-08 2012-12-13 Alstom Grid Enhanced communication infrastructure for hierarchical intelligent power distribution grid
US20150236508A1 (en) * 2011-09-16 2015-08-20 Varentec, Inc. Systems and methods for edge of network voltage control of a power grid
WO2013123055A1 (en) * 2012-02-14 2013-08-22 Tollgrade Communications, Inc. Power line management system
US20140277813A1 (en) * 2013-03-15 2014-09-18 Dominion Resources, Inc. Maximizing of energy delivery system compatibility with voltage optimization using ami-based data control and analysis
CN103457247A (zh) * 2013-08-09 2013-12-18 福州大学 低压系统多层级全范围选择性协调保护技术

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SAM WECKX 等: ""LS-SVM-based on-load tap changer control for distribution networks with rooftop PV"s"", 《 IEEE PES ISGT EUROPE 2013》 *

Also Published As

Publication number Publication date
FR3054052A1 (fr) 2018-01-19
FR3054052B1 (fr) 2021-01-15
US20180018743A1 (en) 2018-01-18
EP3273371A1 (fr) 2018-01-24

Similar Documents

Publication Publication Date Title
CN107634514A (zh) 构建预测模型的方法
CN106505579B (zh) 一种电动汽车参与配电网电压调节的调度控制方法
Luo et al. A decentralized charging control strategy for plug-in electric vehicles to mitigate wind farm intermittency and enhance frequency regulation
Nick et al. Optimal allocation of dispersed energy storage systems in active distribution networks for energy balance and grid support
CN102918740B (zh) 充电控制装置
KR101420072B1 (ko) 전력 제어 시스템
US11691528B2 (en) System and method for plug-in vehicle to plug-in vehicle charging
EP3046200A1 (en) Control device, electricity storage device, battery control system, battery control device, control method, battery control method, and recording medium
US20150324935A1 (en) Control system for power system
EP3446133A1 (en) Method of determining mutual voltage sensitivity coefficients between a plurality of measuring nodes of an electric power network
CN106463965B (zh) 微网中的能量存储的分散控制方法和相关联的设备
CN107112753A (zh) 电力网系统以及整合电力网系统中功率注入及消耗的方法
Zhang et al. An intelligent control strategy of battery energy storage system for microgrid energy management under forecast uncertainties
Hajforoosh et al. Online optimal variable charge-rate coordination of plug-in electric vehicles to maximize customer satisfaction and improve grid performance
Feng et al. Capacity fade-based energy management for lithium-ion batteries used in PV systems
EP3374838A1 (en) An ami based volt-var optimization using online model learning
Kaempf et al. Reactive power provision by distribution system operators—Optimizing use of available flexibility
CN107017658A (zh) 虚拟电厂根据预测用电负荷进行自调节的控制方法
CN106972526A (zh) 虚拟电厂根据供电能力和电网负荷进行自动调控的方法
CN102185316A (zh) 基于保守原则的电力系统在线稳定分析断面数据整合方法
CN108830451A (zh) 一种用户侧分布式储能的汇聚潜力评估方法及系统
CN103185834A (zh) 电子式电能表和用于存储其数据的方法
Georgiev et al. Flexible load control in electric power systems with distributed energy resources and electric vehicle charging
CN107005079B (zh) 充放电管理装置
Daliparthi et al. Analysis of the Volt/VAr control scheme for smart distribution feeders

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180126