CN108695864B - 基于μPMU与SCADA的配电网网络拓扑分析方法 - Google Patents
基于μPMU与SCADA的配电网网络拓扑分析方法 Download PDFInfo
- Publication number
- CN108695864B CN108695864B CN201810575743.XA CN201810575743A CN108695864B CN 108695864 B CN108695864 B CN 108695864B CN 201810575743 A CN201810575743 A CN 201810575743A CN 108695864 B CN108695864 B CN 108695864B
- Authority
- CN
- China
- Prior art keywords
- branch
- node
- matrix
- current
- scada
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 97
- 230000008859 change Effects 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims description 29
- 238000004088 simulation Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
-
- H02J3/005—
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于μPMU与SCADA的配电网网络拓扑分析方法,将根据SCADA数据形成的初始节点支路关联矩阵每一行与支路开关矩阵各个元素进行与运算,得到节点支路关联矩阵。通过μPMU采集的模拟电流量分析和校验根据SCADA系统得到的开关量,根据下一时刻μPMU的模拟支路电流判断支路电流是否突变,如果突变则修正支路开关矩阵,将节点支路关联矩阵每一行与实时支路开关矩阵进行与运算,得到实时节点支路关联矩阵。对实时节点支路关联矩阵进行广度优先搜索,得到配电网网络拓扑结构。本发明可以有效地区别负荷变化对于配电网网络拓扑的影响,快速准确的辨识配电网网络拓扑结构的变化,提供实时可靠的配电网网络拓扑。
Description
技术领域
本发明属于配电网网络拓扑分析领域,更具体地,涉及一种基于μPMU与SCADA的配电网网络拓扑分析方法。
背景技术
随着国家经济的不断发展,电力行业正在迅速发展,电网结构也在不断地优化,配电网技术得到了显著的提升。随着新能源的大力发展,分布式电源,电动汽车等的接入对于现有配电网的结构带来很大的挑战。配电网网络拓扑分析是状态估计、参数估计、故障分析等的基础,因此快速、准确的配电网网络拓扑分析显得尤为重要。目前,配电网拓扑分析大多是根据数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)提供的开关状态,SCADA系统采样的时间周期较长,因此配电网结构的追踪效率会大大降低,有必要结合新的更高速率的测量系统来分析网络拓扑。
随着广域同步测量系统(Wide Area Measurement System,WAMS)的出现,使得电力系统从静态到动态的全过程都可以测量和监视。广域动态测量系统是以相量测量单元(Phasor Measurement Unit,PMU)或微型相量测量单元(Micro-phasor measurementunit,μPMU)装置为基本组成元件构成的新一代测量系统,它以提供高精度定时定位能力的全球定位系统(Global Positioning System,GPS)技术为基础,根据GPS提供的高精度时钟可以快速的测量网络中的各种电气量。随着当前配电网中微同步相量测量单元μPMU的逐步应用,使得量测量的更新速度由原来的几秒缩减到几十毫秒,因此借助于采样更快的μPMU装置采集的数据来分析校验配电网网络拓扑,可以大大提高配电网网络拓扑分析实时性和准确性。
相对于WAMS系统,SCADA系统的数据上传时存在一定的时间滞后,因此如果WAMS系统的拓扑信息完全依靠SCADA系统采集开关量获取,则会导致在滞后时间内WAMS所使用的拓扑信息不正确。此外,SCADA系统采集开关状态也存在一定的差错概率。
因此,如何实现在配电网中实时网络拓扑分析的快速性和准确性是目前亟需解决的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于μPMU与SCADA的配电网网络拓扑分析方法,由此解决现有技术无法实现在配电网中网络拓扑分析的快速性和准确性的技术问题。
为实现上述目的,本发明提供了一种基于μPMU与SCADA的配电网网络拓扑分析方法,包括:
(1)利用当前时刻SCADA量测数据来生成初始节点支路关联矩阵,根据SCADA系统采集的开关量生成支路开关矩阵,其中,所述初始节点支路关联矩阵表示节点支路之间的关联状态,所述支路开关矩阵表示支路的连通或断开状态;
(2)将所述初始节点支路关联矩阵的每一行与所述支路开关矩阵的各个对应元素进行与运算,得到目标节点支路关联矩阵;
(3)根据实际配电系统选取最大负荷转切系数λmax,读取下一时刻μPMU的模拟电流量,以判断支路电流是否有突变,若所述支路电流有突变则修正所述支路开关矩阵得到实时支路开关矩阵,用所述实时支路开关矩阵替换所述支路开关矩阵,并执行步骤(2);
(4)若所述支路电流没有突变,则对于得到的所述目标节点支路关联矩阵,进行广度优先搜索BFS,从而得到配电网网络拓扑结构。
优选地,步骤(1)包括:
利用当前时刻SCADA量测数据生成初始节点支路关联矩阵,其中,在生成节点支路时,先存入平衡节点,然后依次按照节点的编号存入,相关联的节点支路为1,不相关联的节点支路为0。
优选地,所述支路开关矩阵的维数为1,连通的支路为1,断开的支路为0,在所述支路开关矩阵中所含元素个数为支路的个数。
优选地,步骤(3)包括:
(3.1)获取当前时刻SCADA模拟电流量的有效值和下一时刻的μPMU的模拟电流量的有效值,将SCADA的模拟电流量的有效值和下一时刻μPMU的模拟电流量的有效值值做差值,再对电流差值取绝对值;
(3.2)取μPMU的模拟电流量的有效值和SCADA的模拟电流量的有效值两者中的最小电流有效值,若电流差值的绝对值大于λmax倍最小电流有效值,则根据变化的节点找到对应的所述支路开关矩阵中的元素,并修改所述支路开关矩阵中所对应的值,然后返回执行所述将所述初始节点支路关联矩阵的每一行与所述支路开关矩阵的各个对应元素进行与运算,得到目标节点支路关联矩阵;
(3.3)若电流差值的绝对值不大于λmax倍最小电流有效值,则表示SCADA系统下一时刻μPMU的电流没有发生突变,表明此时网络拓扑没有发生变化,对所述目标节点支路关联矩阵进行广度优先搜索。
优选地,步骤(4)包括:
(4.1)对于得到的所述目标节点支路关联矩阵,从平衡节点开始搜索,搜索到的元素为第一个元素;
(4.2)搜到第一个元素之后,固定第一个元素对应的行,根据固定的相应的行,查找到列的值,找到之后将此元素置为0;
(4.3)查找到相应的列的值后,然后固定相应的列,找到对应的行标,将找到的节点存入节点矩阵;
(4.4)将找到的节点存入节点矩阵后,从下一个节点继续开始搜索执行步骤(4.1),直到遍历搜索完所有的节点为止,最后根据所述节点矩阵中的节点得到配电网网络拓扑结构。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
通过本发明,先获得网络中的μPMU和SCADA的量测支路电流的有效值,利用SCADA数据来生成初始化的节点支路关联矩阵。根据SCADA系统采集的开关量来生成支路开关矩阵,将支路开关矩阵各个对应元素与上一步得到的初始化的节点支路关联矩阵每一行相乘,得到初始的节点支路关联矩阵。读取下一时刻μPMU的支路电流有效值,根据实际配电系统选取负荷转切系数λ,判断支路电流有效值是否有突变,修正支路开关矩阵。在SCADA系统数据传输时间间隔内,通过μPMU装置采集到的模拟量来分析和校验根据SCADA系统得到的开关量,对于得到的节点支路关联矩阵进行广度优先搜索BFS,从而快速的得到配电网网络拓扑结构。此外,本发明可以有效的区分出是配电网负荷的改变还是配电网网络结构的改变,可以为后续配电网的合环优化控制提供理论依据。
附图说明
图1是本发明实施例提供的一种基于μPMU与SCADA的配电网网络拓扑分析方法的流程示意图;
图2是本发明实施例提供的额一直负荷转切关系图;
图3是本发明实施例提供的一种配电网网络结构图。
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,以下结合附图及实施例,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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示是本发明实施例提供的一种基于μPMU与SCADA的配电网网络拓扑分析方法的流程示意图,在图1所示的方法中,包括:
(1)首先是读取μPMU和SCADA量测系统的量测数据,由于μPMU和SCADA系统是不同步的,SCADA系统的量测数据每隔2s传输一次,而μPMU的量测数据传送速率比较快,大约50次/s,每20ms传输一次,因此,在SCADA数据传输的一个间隔内会有100组μPMU的量测数据,因此使用μPMU的量测数据可以得到实时的网络拓扑。
(2)利用SCADA数据来生成初始节点支路关联矩阵,生成节点支路时,首先存入平衡节点,依次按照节点的编号存入,相关联的节点支路为1,不相关联的为0。生成初始节点支路关联矩阵Z之后,将初始节点支路关联矩阵Z的每一行与SCADA系统所采集到的支路开关矩阵S各个对应元素进行“与”运算,其中,S矩阵维数为1,连通的支路为1,断开支路为0,所含元素个数即为支路的个数,进行相“与”之后得到了目标节点支路关联矩阵Z'。
(3)得到的目标节点支路关联矩阵,然后读取下一时刻μPMU的模拟电流有效值,判断电流是否有突变;具体包括以下步骤:
(3.1)首先读取t时刻SCADA模拟支路电流的有效值和下一时刻的μPMU的支路电流的有效值,将SCADA的支路电流的有效值和下一时刻μPMU支路电流的有效值做差值,再对于电流差值取绝对值;
(3.2)电网中实际负荷运行时,其有功功率的表达式为:
P=UI
考虑到实际情况配电网中电压的变化范围是在0.95U-1.05U,因此,可以近似认为P与I为线性关系。配电网为辐射结构,因此网络中某点P的变化与其连接负荷有关,负荷转切关系如图2所示,正常运行时K1为闭合,K2为断开。发生负荷转切时,K1为断开,K2为闭合,负荷P2从节点3转切到5节点,负荷转切系数λ为:
λ=P2/P1
其中,P2为转切支路的负荷总和,P1为转切点所带负荷。选取最大负荷转切系数λmax。
根据取μPMU的模拟电流量的有效值和SCADA的模拟电流量的有效值两者中的最小电流有效值,判断电流差值的绝对值是否大于λmax倍最小电流有效值。如果大于,则说明此时的网络拓扑已经发生了变化,根据变化的节点找到对应的支路开关矩阵中的元素,修改支路开关矩阵中所对应元素的值,如果是0则置为1,反之则置为0,并将修改后的实时支路开关矩阵中的各个对应元素与目标节点支路关联矩阵Z'中的每一行相乘,得到实时的目标节点支路关联矩阵;
(3.3)如果小于,则判断到SCADA系统下一时刻μPMU的电流没有发生突变时,说明此时网络拓扑没有发生变化,对得到的实时节点支路关联矩阵进行广度优先搜索。
在本发明实施例中,由于μPMU的数据传输远远快于SCADA系统的传输速率,假设在SCADA系统传输的一个周期内,可以得到n组的μPMU量测数据,将这些数据依次与SCADA系统的量测数据进行比较分析,执行上述过程,直到下一时刻的SCADA数据的到来,从而实现实时的配电网网络拓扑分析。
如果在一个SCADA采样周期内网络拓扑发生了变化,则用变化时间断面的μPMU量测数据代替此周期内初始SCADA系统的量测数据,下一时刻的μPMU量测数据只需与变化后的SCADA系统的量测数据做比较,执行上述过程即可得到实时的配电网网络拓扑。
(4)得到的实时节点支路关联矩阵,然后进行广度优先搜索(BFS);具体包括以下步骤:
(4.1)对于实时节点支路关联矩阵,首先存取首端节点,平衡节点一般初始化的时候已经完成,从平衡节点开始搜索,搜索到的元素即为第一个元素;
(4.2)搜到第一个元素之后,然后固定第一个元素对应的行,根据固定的相应的行,查找到列的值,找到之后将此元素置为0;
(4.3)查找到相应的列的值后,然后是固定相应的列,找到对应的行标,将找到的节点存入节点矩阵;
(4.4)将找到的节点存入节点矩阵后,从下一个节点继续开始搜索,根据下一个节点依次循环执行下去直到遍历搜索完所有的节点为止,最后根据节点矩阵中的节点得到配电网网络拓扑结构。
实施例1
如图3所示,为了进一步验证本发明方法的可实现性和有效性,下面以IEEE33节点系统为例进行说明,用PSCAD建立IEEE33节点系统,模拟μPMU的量测数据。如图所示节点[9,21,22,25,33]处装设有μPMU装置,初始时刻,假设所有的联络开关都是断开的,可以得到支路开关矩阵S如下所示:
S=[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0]
S矩阵中为零的元素表示支路处于断开的状态,其中S阵为37列,表示网络中有37条支路,当网络中有新增减的支路时,S阵的维数也会相应的改变。读取网络中的节点支路之间的连接关系,则会生成一个33*37维的初始节点支路关联矩阵。将网络的初始节点支路关联矩阵每一行与S矩阵各个对应元素进行“与”运算会得到节点支路关联矩阵Z',对于节点支路关联矩阵Z'进行BFS,可以得到初始的网络拓扑结构。
当网络中SCADA数据1已经读入时,执行上述过程,分析此时的网络拓扑结构,然后读取下一时刻的μPMU数据。假设t=0.3s时,13号支路突然断开,此时的支路电流会发生突变,读取μPMU的模拟电流的有效值,将μPMU模拟电流的有效值与SCADA的模拟电流有效值做差值,实际IEEE33节点最小负荷为45,此时最大负荷转切系数λmax=4051/45=90.02,因此为便于计算取λmax为100。取μPMU和SCADA模拟电流的有效值最小值,判断模拟电流之差的绝对值是否大于λmax倍的最小值,仿真计算结果如表1所示。
表1算例仿真结果
由上表可知,支路13断开时,支路14、15、16、17支路电流也发生了突变,相邻12支路并没有突变,因此通过本发明方法可以准确的分辨出网络拓扑的变化。此时变化的支路开关矩阵如下所示:
S=[1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0]
此时将节点支路关联矩阵每一行Z与支路开关矩阵S各个元素相乘,得到了变化的节点支路关联矩阵Z',然后进行广度优先搜索即可得到变化后的配电网网络拓扑。
本发明有针对性地实现了配电网量测数据的充分利用,同时考虑μPMU和SCADA的量测数据,快速、准确的得到了配电网网络拓扑。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于μPMU与SCADA的配电网网络拓扑分析方法,其特征在于,包括:
(1)利用当前时刻SCADA量测数据来生成初始节点支路关联矩阵,根据SCADA系统采集的开关量生成支路开关矩阵,其中,所述初始节点支路关联矩阵表示节点支路之间的关联状态,所述支路开关矩阵表示支路的连通或断开状态;
(2)将所述初始节点支路关联矩阵的每一行与所述支路开关矩阵的各个对应元素进行与运算,得到目标节点支路关联矩阵;
(3)根据实际配电系统选取最大负荷转切系数λmax,读取下一时刻μPMU的模拟电流量,以判断支路电流是否有突变,若所述支路电流有突变则修正所述支路开关矩阵得到实时支路开关矩阵,用所述实时支路开关矩阵替换所述支路开关矩阵,并执行步骤(2);所述最大负荷转切系数λmax表示负荷转切系数λ的最大值;λ=P2/P1,其中,P2为转切支路的负荷总和,P1为转切点所带负荷;
步骤(3)包括:
(3.1)获取当前时刻SCADA模拟电流量的有效值和下一时刻的μPMU的模拟电流量的有效值,将SCADA的模拟电流量的有效值和下一时刻μPMU的模拟电流量的有效值值做差值,再对电流差值取绝对值;
(3.2)取μPMU的模拟电流量的有效值和SCADA的模拟电流量的有效值两者中的最小电流有效值,若电流差值的绝对值大于λmax倍最小电流有效值,则根据变化的节点找到对应的所述支路开关矩阵中的元素,并修改所述支路开关矩阵中所对应的值,然后返回执行所述将所述初始节点支路关联矩阵的每一行与所述支路开关矩阵的各个对应元素进行与运算,得到目标节点支路关联矩阵;
(3.3)若电流差值的绝对值不大于λmax倍最小电流有效值,则表示SCADA系统下一时刻μPMU的电流没有发生突变,表明此时网络拓扑没有发生变化,对所述目标节点支路关联矩阵进行广度优先搜索;
(4)若所述支路电流没有突变,则对于得到的所述目标节点支路关联矩阵,进行广度优先搜索BFS,从而得到配电网网络拓扑结构。
2.根据权利要求1所述的方法,其特征在于,步骤(1)包括:
利用当前时刻SCADA量测数据生成初始节点支路关联矩阵,其中,在生成节点支路时,先存入平衡节点,然后依次按照节点的编号存入,相关联的节点支路为1,不相关联的节点支路为0。
3.根据权利要求1所述的方法,其特征在于,所述支路开关矩阵的维数为1,连通的支路为1,断开的支路为0,在所述支路开关矩阵中所含元素个数为支路的个数。
4.根据权利要求1所述的方法,其特征在于,步骤(4)包括:
(4.1)对于得到的所述目标节点支路关联矩阵,从平衡节点开始搜索,搜索到的元素为第一个元素;
(4.2)搜到第一个元素之后,固定第一个元素对应的行,根据固定的相应的行,查找到列的值,找到之后将此元素置为0;
(4.3)查找到相应的列的值后,然后固定相应的列,找到对应的行标,将找到的节点存入节点矩阵;
(4.4)将找到的节点存入节点矩阵后,从下一个节点继续开始搜索执行步骤(4.1),直到遍历搜索完所有的节点为止,最后根据所述节点矩阵中的节点得到配电网网络拓扑结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810575743.XA CN108695864B (zh) | 2018-06-06 | 2018-06-06 | 基于μPMU与SCADA的配电网网络拓扑分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810575743.XA CN108695864B (zh) | 2018-06-06 | 2018-06-06 | 基于μPMU与SCADA的配电网网络拓扑分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108695864A CN108695864A (zh) | 2018-10-23 |
CN108695864B true CN108695864B (zh) | 2021-07-27 |
Family
ID=63848572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810575743.XA Active CN108695864B (zh) | 2018-06-06 | 2018-06-06 | 基于μPMU与SCADA的配电网网络拓扑分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108695864B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110086168B (zh) * | 2019-05-21 | 2020-10-09 | 江苏方天电力技术有限公司 | 一种基于多源数据融合的配电网运行拓扑辨识方法 |
CN110716097B (zh) * | 2019-10-11 | 2022-01-14 | 中电华瑞技术有限公司 | 一种供电网络拓扑识别方法及装置 |
CN111007359A (zh) * | 2019-12-26 | 2020-04-14 | 积成电子股份有限公司 | 一种配电网单相接地故障识别启动方法及系统 |
CN111614083B (zh) * | 2020-06-04 | 2023-03-10 | 国网浙江杭州市萧山区供电有限公司 | 一种适用于400v供电网络拓扑识别的大数据分析方法 |
CN112350318B (zh) * | 2020-11-16 | 2022-07-01 | 北京交通大学 | 基于广度优先搜索算法的交流配电网拓扑辨识方法 |
CN112736911B (zh) * | 2020-12-29 | 2023-04-14 | 国网河北省电力有限公司经济技术研究院 | 基于pmu量测相似度的配电网拓扑结构辨识方法及系统 |
CN113471971A (zh) * | 2021-08-17 | 2021-10-01 | 南方电网科学研究院有限责任公司 | 一种配电台区拓扑网络生成方法及装置 |
CN115905891B (zh) * | 2022-12-19 | 2023-06-23 | 上海交通大学 | 基于pmu数据的配电网运行方式与关键影响因素识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521677A (zh) * | 2011-12-15 | 2012-06-27 | 中国电力科学研究院 | 基于单pmu量测段面的节点等效输电参数优化辨识方法 |
CN103632313A (zh) * | 2013-12-05 | 2014-03-12 | 国家电网公司 | 一种基于pmu数据的电网动态可观方法 |
CN106844932A (zh) * | 2017-01-16 | 2017-06-13 | 天津大学 | 基于广度优先搜索的微电网最小割集快速求法 |
CN106921156A (zh) * | 2015-12-25 | 2017-07-04 | 中国电力科学研究院 | 一种基于多采样周期混合量测的主动配电网状态估计方法 |
-
2018
- 2018-06-06 CN CN201810575743.XA patent/CN108695864B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521677A (zh) * | 2011-12-15 | 2012-06-27 | 中国电力科学研究院 | 基于单pmu量测段面的节点等效输电参数优化辨识方法 |
CN103632313A (zh) * | 2013-12-05 | 2014-03-12 | 国家电网公司 | 一种基于pmu数据的电网动态可观方法 |
CN106921156A (zh) * | 2015-12-25 | 2017-07-04 | 中国电力科学研究院 | 一种基于多采样周期混合量测的主动配电网状态估计方法 |
CN106844932A (zh) * | 2017-01-16 | 2017-06-13 | 天津大学 | 基于广度优先搜索的微电网最小割集快速求法 |
Also Published As
Publication number | Publication date |
---|---|
CN108695864A (zh) | 2018-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108695864B (zh) | 基于μPMU与SCADA的配电网网络拓扑分析方法 | |
Usman et al. | Validation of a PMU‐based fault location identification method for smart distribution network with photovoltaics using real‐time data | |
CN109557422A (zh) | 一种智能配电网短路故障定位方法及系统 | |
CN111983386A (zh) | 一种配电网的分布式状态估计系统 | |
CN106709147B (zh) | 一种基于bpa的短路故障极限切除时间批量自动求取方法 | |
AU2022231757B2 (en) | Method for multi-adaptive optimal μPMU placement in micro-energy network | |
CN103324858A (zh) | 配电网三相潮流状态估计方法 | |
CN112800683A (zh) | 基于卷积神经网络的系统短路电流水平评估方法及系统 | |
CN117613952B (zh) | 面向三相不平衡配电网的矩阵补全状态估计方法及系统 | |
Kim et al. | PMU optimal placement algorithm using topological observability analysis | |
Basumatary et al. | Real-time contingency analysis of renewable-rich future power system in rscad/rtds | |
Khare et al. | Optimal PMU placement using matrix modification based integer linear programming | |
Chen et al. | SCADA-rate parallel state estimation assessed with utility data | |
CN110752622A (zh) | 一种配电网仿射状态估计方法 | |
CN113177717B (zh) | 一种基于影响增量灵敏度的输电系统韧性快速评估方法 | |
Mandava et al. | A Spanning Tree Approach in Placing Multi-channel and Minimum Channel PMU's for Power System Observability | |
CN115858218A (zh) | 适用于继电保护装置cpu单元的失效率评估方法及装置 | |
Abou El-Ela et al. | Ant colony optimizer for phasor measurement units placement | |
CN115935289B (zh) | 一种站域多态数据融合方法 | |
Amiri et al. | A novel optimal PMU location method in smart grids | |
CN117791715B (zh) | 一种用于分布式光伏发电的优化配置方法及系统 | |
CN112736911B (zh) | 基于pmu量测相似度的配电网拓扑结构辨识方法及系统 | |
Sudheendra et al. | Latest trends in PMU placement techniques | |
CN116664159A (zh) | Pmu的总安装成本的确定方法、装置和系统 | |
SrinivasaReddy et al. | Power system PMU placement-a comparative survey report |
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 |