CN108959704A - 一种考虑形态变化的奖惩权重型仿真序列相似性分析方法 - Google Patents
一种考虑形态变化的奖惩权重型仿真序列相似性分析方法 Download PDFInfo
- Publication number
- CN108959704A CN108959704A CN201810523993.9A CN201810523993A CN108959704A CN 108959704 A CN108959704 A CN 108959704A CN 201810523993 A CN201810523993 A CN 201810523993A CN 108959704 A CN108959704 A CN 108959704A
- Authority
- CN
- China
- Prior art keywords
- data
- simulation
- weight
- point
- similarity
- 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 63
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 230000029052 metamorphosis Effects 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 239000006185 dispersion Substances 0.000 claims description 12
- 230000001052 transient effect Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims 1
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 241001269238 Data Species 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了属于电力系统仿真技术领域的一种考虑形态变化的奖惩权重型仿真序列相似性分析方法。该方法包括获取要分析的仿真数据,对初始数据作平均化处理后获得同维度比较的时间序列,给出软件类型整体相似度,利用仿真序列相邻时间间隔数据点的斜率变化来给出两组仿真数据整体变化趋势相似度,根据幅值占比选取的初始权重适当奖惩得到分析计算的各点权重,最后给出了两组仿真序列相似度计算的公式;本发明从定量的角度对不同软件的仿真结果数据进行处理,对于任何可以获得不同电力系统软件仿真结果的时间序列,均可以采用本方法进行分析,本方法对于离线仿真数据和在线实时数据的相似性分析也适用。
Description
技术领域
本发明属于电力系统仿真技术领域,特别涉及一种考虑形态变化的奖惩权重型仿真序列相似性分析方法。
背景技术
近年来,能源革命正在兴起,风电、光伏等可再生能源发电形式正在逐步替代煤、石油、天然气等传统能源发电,电网的输电形式不局限于纯交流输电和直流输电,还包括交直流混合输电。可控串补、电压源型换流器、FACTS(Flexible Alternating CurrentTransmission Systems)装置,电力电子新设备的接入,使得电力系统运行和控制更加灵活,但是增加了电力系统建模和分析的难度。
电力系统仿真是电力系统规划、设计、运行及科学研究的重要手段,其应用涉及电力系统稳态分析、暂态分析以及动态行为分析的各个方面。根据数据来源的不同,可分为离线仿真、在线仿真。根据仿真分析方法的不同,可分为机电暂态仿真、电磁暂态仿真以及机电-电磁混合仿真,相应的仿真程序主要包括机电仿真程序和电磁仿真程序这两种。如美国PTI公司推出的PSS/E(Power System Simulator/Engineering),电磁暂态仿真软件主要有曼尼托巴水电局开发的PSCAD/EMTDC(Power Systems Computer Aided Design/Electromagnetic Transients including DC)、以及加拿大曼尼托巴公司推出的全数字实时仿真仪RTDS(Real Time Digital Simulator)。电力系统中大部分实验不可能在实际现场中进行,有必要借助电力系统仿真实现,因此电力系统仿真的可靠程度至关重要,无法反映电网真实状态的仿真是没有实际意义的,不可靠的仿真模型甚至会导致巨大的经济损失。对于同样的物理模型,不同软件的仿真结果也有差异,如何从定量的角度评价二者的差异或相似性,是个亟待解决的问题。本发明针对电力系统不同软件仿真的特点,设计了一种考虑形态变化的奖惩权重型仿真序列相似性分析方法,旨在科学、客观、合理地评价两种不同仿真软件结果的相似性,并为合理选择仿真软件、改进不同仿真程序下的模型提供参考。
发明内容
本发明的目的是提供一种考虑形态变化的奖惩权重型仿真序列相似性分析方法,该方法首先获取要分析的仿真数据,针对仿真步长的不同对初始数据作平均化处理后获得同维度比较的时间序列,其次考虑仿真软件模型差异,给出软件类型整体相似度,利用仿真序列相邻时间间隔数据点的斜率变化来给出两组仿真数据整体变化趋势相似度,然后利用数据点差异量对根据幅值占比选取的初始权重适当奖惩得到分析计算的各点权重,最后给出了两组仿真序列相似度计算的公式;其特征在于,所述方法具体包括以下步骤:
步骤I:通过仿真软件获取两组电力系统的包括电压、电流的仿真序列数据,针对两组仿真序列数据间隔不同,取最小公共间隔对数据作平均化处理,获得同维度比较的数据;所述同维度是指同一仿真软件在相同仿真时间内有同样多的数据点;但是不同仿真软件获取的数据间隔不一样,不作平均化处理,不能直接分析;
步骤II:针对所获取初始数据的仿真软件类型的不同,选定一个软件类型整体相似度βtype;
步骤III:对步骤I得到的同维度比较序列,考虑仿真曲线的变化趋势,取两组序列相邻时刻点的数据作斜率比较,根据两者斜率正负性记录变化趋势相似度,最后根据记录结果给出两组序列的整体变化趋势相似度γtrend;
步骤IV:对步骤I中获取的初始数据,根据幅值占比得出各点初始权重,计算两组数据在各点差的绝对值,根据各点差异量的不同,适当减小差值最大点相邻数据间隔范围内的权重,适当增加差值最小点相邻数据间隔范围内的权重,并保证上述减小或增加相邻数据在间隔范围内的权重在奖惩后的各点权重wi之和为1;其中wi为奖惩后的第i点的权重;
步骤V:根据步骤II的软件类型整体相似度βtype、步骤III得到的变化趋势整体相似度γtrend,步骤IV得到的权重,计算两组序列的相似度
所述步骤I中对初始数据作平均化处理具体解释如下:
获取的仿真初始数据为不同仿真步长的时间序列,因此其时间序列的维度不一样,对于维度不一样的时间序列,作以下处理:首先求取不同仿真步长即时间序列数据间隔的最小公倍数,其次分别求取两时间序列在最小公倍数下的仿真步长即同一时间间隔的平均数,最后得到适用于分析的同样维度的时间序列。
所述步骤II的过程具体解释如下:
电力系统仿真软件有机电暂态仿真和电磁暂态仿真程序之分,二者的仿真条件、模型的精确程度均存在差异,考虑仿真软件的类型差异,对于同种类型仿真软件的整体相似度βtype取1,不同类型仿真软件的整体相似度βtype取0.9。
所述步骤III的过程具体解释如下:
考虑到判别仿真序列的相似性不能只顾数据点的差异,形态变化上的相似更容易被主观接受,引入两组数据的斜率变化趋势来区分形态变化,斜率正负性一致记为1,斜率正负性不一致记为-1,斜率正负一致的个数占比即为仿真序列变化趋势的整体相似度。
所述步骤IV的过程具体解释如下:
根据仿真数据的幅值占比选取各数据点的初始权重,以避免幅值较小点的扰动引起较大误差为准,根据仿真数据各点的差异量适当对初始权重奖惩,主要体现为对差异量最小点一个时间间隔Δt范围内的权重适当增加,对差异量最大点一个时间间隔Δt范围内的权重适当减小,以减小仿真数据内极个别点数据突变造成的影响。
步骤V中相似度计算的公式给出如下:
其中,N为仿真数据点数,xi、yi分别为步骤I中两组同维度序列中对应的第i个数据,βtype为软件类型整体相似度,γtrend为仿真序列整体变化趋势相似度,wi为奖惩后的第i点的权重,为两组仿真序列的相似度。
本发明的有益效果是对仿真序列的相似性分析考虑了软件类型差异、数据整体变化趋势的一致性以及个别点数据的扰动、突变造成的影响。对于任何可以获得不同电力系统软件仿真结果的时间序列,均可以采用本方法进行分析,本方法对于离线仿真数据和在线实时数据的相似性分析也适用。
附图说明
图1.仿真系统图
图2.算法实现流程图
具体实施方式
本发明提供一种考虑形态变化的奖惩权重型仿真序列相似性分析方法,下面结合附图,对实例作详细说明。本发明的仿真系统图如图1所示;所设计的分析不同电力系统软件仿真结果相似性的实现流程如图2所示。
图1所示为以单端201电平MMC-HVDC系统为仿真模型,分别在离线电磁暂态程序PSCAD/EMTDC以及实时仿真程序RTDS下进行仿真,RTDS的数据为稳态下一个时间窗的数据,PSCAD的数据为单端系统从启动到稳态的仿真数据,为了方便分析,将两个软件的仿真数据输出到文本文件中。
本实例中PSCAD/EMTDC和RTDS的单端201电平系统均采用最近电平逼近调制方式和冒泡排序子模块电容均压策略。在图1所示的单端MMC换流站中MMC每个桥臂包括有200个子模块,系统参数如表1所示。
表1单端201电平MMC-HVDC系统主电路参数
如图2所示为分析不同电力系统软件仿真结果相似性的实现流程如下:
步骤1:通过仿真软件获取获取换流器A相上桥臂电流的仿真数据,针对仿真数据间隔的不同,取数据间隔的最小公倍数对初始数据作平均化处理,得到同维度比较的桥臂电流仿真序列。
本实例对单端201电平MMC-HVDC系统在PSCAD和RTDS下仿真,将仿真数据输出到文本文件中,RTDS下的数据为稳态1s内的数据,PSCAD下的数据为系统启动至稳态0~3.5s内的数据,两仿真软件选取的仿真步长均为50μs,因此无需对时间序列做处理即可获得同一时段内的同维度的两组时间序列,图1中,选择A相上桥臂电流iap在稳态0.1s期间的数据进行分析;
步骤2:针对所获取数据的仿真软件类型的不同,选定一个软件类型整体相似度βtype;本实例中使用的PSCAD和RTDS均为电磁暂态仿真程序,软件类型整体相似度βtype取为1。
步骤3:对步骤1得到的同维度比较的仿真序列,取两组序列相邻时刻点的数据作斜率比较,根据两者斜率正负性记录变化趋势相似度,最后根据记录结果给出两组序列的整体变化趋势相似度γtrend。
本实例在matalb下编程计算两组仿真序列相邻时间间隔的斜率,并统计斜率正负性的个数,最后给出的两组仿真数据的整体变化趋势相似度γtrend为0.9545。
步骤4:对步骤1中获取的数据根据幅值占比得出各点初始权重,并根据数据点差异量的大小对初始权重适当奖惩,并保证奖惩后各点权重之和为1。
本实例在matlab下计算两组数据各点差异量的绝对值,根据计算值的大小适当减小差异量最大的数据点一个时间间隔范围内的数据初始权重,适当增加差异量最小的数据点一个时间间隔范围内的数据初始权重,由于数据量较大,不再给出各点具体权重的大小。
步骤5:将步骤2得到的软件类型整体相似度,步骤3得到的整体变化趋势相似度,步骤4得到的奖惩权重代入计算公式(1)即可得两组仿真序列的相似度。
本实例依据公式计算得到的两组仿真序列的相似度为0.9443,而未考虑仿真序列变化趋势以及适当奖惩权重计算得到的相似度为0.9894,由于本发明提出的仿真序列相似性分析方法考虑了形态变化以及奖惩权重,因此数值上会稍小于传统分析方法计算值,但数值非常接近,且符合对两组仿真数据走势的主观评价,适用于不同电力系统软件的仿真结果相似性分析。
Claims (6)
1.一种考虑形态变化的奖惩权重型仿真序列相似性分析方法,其特征在于,具体包括以下步骤:
步骤I:通过仿真软件获取两组电力系统包括电压、电流的仿真序列数据,针对两组仿真序列数据间隔不同,取最小公共间隔对数据作平均化处理,获得同维度比较的数据;所述同维度是指同一仿真软件在相同仿真时间内有同样多的数据点;但是不同仿真软件获取的数据间隔不一样,不作平均化处理,不能直接分析;
步骤II:针对所获取初始数据的仿真软件类型的不同,选定一个软件类型整体相似度βtype;
步骤III:对步骤I得到的同维度比较序列考虑仿真曲线的变化趋势,取两组序列相邻时刻点的数据作斜率比较,根据两者斜率正负性记录变化趋势相似度,最后根据记录结果给出两组序列的整体变化趋势相似度γtrend;
步骤IV:对步骤I中获取的初始数据,根据幅值占比得出各点初始权重,计算两组数据在各点差的绝对值,根据各点差异量的不同,适当减小差值最大点相邻数据间隔范围内的权重,适当增加差值最小点相邻数据间隔范围内的权重,并保证上述减小或增加相邻数据间隔范围内的权重在奖惩后的各点权重wi之和为1;其中wi为奖惩后的第i点的权重;
步骤V:根据步骤II的软件类型整体相似度βtype、步骤III得到的整体变化趋势相似度γtrend、步骤IV得到的权重,计算两组序列的相似度
2.根据权利要求1所述一种考虑形态变化的奖惩权重型仿真序列相似性分析方法,其特征在于,所述步骤I中对初始数据作平均化处理具体解释如下:
获取的仿真初始数据为不同仿真步长的时间序列,因此其时间序列的维度不一样,对于维度不一样的时间序列,作以下处理:首先求取不同仿真步长即时间序列数据间隔的最小公倍数,其次分别求取两时间序列在最小公倍数下的仿真步长即同一时间间隔的平均数,最后得到适用于分析的同样维度的时间序列。
3.根据权利要求1所述一种考虑形态变化的奖惩权重型仿真序列相似性分析方法,其特征在于,所述步骤II的过程具体解释如下:
电力系统仿真软件有机电暂态仿真和电磁暂态仿真程序之分,二者的仿真条件、模型的精确程度均存在差异,考虑仿真软件的类型差异,对于同种类型仿真软件的整体相似度βtype取1,不同类型仿真软件的整体相似度βtype取0.9。
4.根据权利要求1所述一种考虑形态变化的奖惩权重型仿真序列相似性分析方法,其特征在于,所述步骤III的过程具体解释如下:
考虑到判别仿真序列的相似性不能只顾数据点的差异,形态变化上的相似更容易被主观接受,引入两组数据的斜率变化趋势来区分形态变化,斜率正负性一致记为1,斜率正负性不一致记为-1,斜率正负一致的个数占比即为仿真序列变化趋势的整体相似度。
5.根据权利要求1所述一种考虑形态变化的奖惩权重型仿真序列相似性分析方法,其特征在于,所述步骤IV的过程具体解释如下:
根据仿真数据的幅值占比选取各数据点的初始权重,以避免幅值较小点的扰动引起较大误差为准,根据仿真数据各点的差异量适当对初始权重奖惩,主要体现为对差异量最小点一个时间间隔Δt范围内的权重适当增加,对差异量最大点一个时间间隔Δt范围内的权重适当减小,以减小仿真数据内极个别点数据突变造成的影响。
6.根据权利要求1所述一种考虑形态变化的奖惩权重型仿真序列相似性分析方法,其特征在于,步骤V中相似度计算的公式给出如下:
其中,N为仿真数据点数,xi、yi分别为步骤I中两组同维度序列中对应的第i个数据,βtype为软件类型整体相似度,γtrend为仿真序列整体变化趋势相似度,wi为奖惩后的第i点的权重,为两组仿真序列的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810523993.9A CN108959704B (zh) | 2018-05-28 | 2018-05-28 | 一种考虑形态变化的奖惩权重型仿真序列相似性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810523993.9A CN108959704B (zh) | 2018-05-28 | 2018-05-28 | 一种考虑形态变化的奖惩权重型仿真序列相似性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108959704A true CN108959704A (zh) | 2018-12-07 |
CN108959704B CN108959704B (zh) | 2022-10-14 |
Family
ID=64492021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810523993.9A Expired - Fee Related CN108959704B (zh) | 2018-05-28 | 2018-05-28 | 一种考虑形态变化的奖惩权重型仿真序列相似性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108959704B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109682908A (zh) * | 2019-01-18 | 2019-04-26 | 湖南中医药大学 | 一种中药宏观质量的评价控制新方法 |
CN110232132A (zh) * | 2019-06-18 | 2019-09-13 | 北京天泽智云科技有限公司 | 时间序列数据处理方法及装置 |
CN111027190A (zh) * | 2019-11-29 | 2020-04-17 | 新奥数能科技有限公司 | 一种用于设备模型数值相似度的评估方法及装置 |
CN113017628A (zh) * | 2021-02-04 | 2021-06-25 | 山东师范大学 | 融合erp成分与非线性特征的意识情绪识别方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006323624A (ja) * | 2005-05-19 | 2006-11-30 | Nippon Telegr & Teleph Corp <Ntt> | シーケンス図の類似度計算方法、そのプログラム及び装置 |
CN102033936A (zh) * | 2010-12-20 | 2011-04-27 | 天津大学 | 一种用于时间序列相似性比较的方法 |
US20130054603A1 (en) * | 2010-06-25 | 2013-02-28 | U.S. Govt. As Repr. By The Secretary Of The Army | Method and apparatus for classifying known specimens and media using spectral properties and identifying unknown specimens and media |
CN104615810A (zh) * | 2015-01-20 | 2015-05-13 | 北京航空航天大学 | 一种基于函数型数据分析的仿真模型验证方法 |
CN106033510A (zh) * | 2015-03-13 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 一种用户设备识别方法及系统 |
CN107301475A (zh) * | 2017-06-21 | 2017-10-27 | 南京信息工程大学 | 基于连续功率谱分析的电力负荷预测优化方法 |
-
2018
- 2018-05-28 CN CN201810523993.9A patent/CN108959704B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006323624A (ja) * | 2005-05-19 | 2006-11-30 | Nippon Telegr & Teleph Corp <Ntt> | シーケンス図の類似度計算方法、そのプログラム及び装置 |
US20130054603A1 (en) * | 2010-06-25 | 2013-02-28 | U.S. Govt. As Repr. By The Secretary Of The Army | Method and apparatus for classifying known specimens and media using spectral properties and identifying unknown specimens and media |
CN102033936A (zh) * | 2010-12-20 | 2011-04-27 | 天津大学 | 一种用于时间序列相似性比较的方法 |
CN104615810A (zh) * | 2015-01-20 | 2015-05-13 | 北京航空航天大学 | 一种基于函数型数据分析的仿真模型验证方法 |
CN106033510A (zh) * | 2015-03-13 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 一种用户设备识别方法及系统 |
CN107301475A (zh) * | 2017-06-21 | 2017-10-27 | 南京信息工程大学 | 基于连续功率谱分析的电力负荷预测优化方法 |
Non-Patent Citations (5)
Title |
---|
WENJIA LIU,ET AL.: "Investigation of Time Series Representations and Similarity Measures for Structural Damage Pattern Recognition", 《HINDAWI PUBLISHING CORPORATION HE SCIENTIICWORLD JOURNAL》 * |
周懋文: "基于RTDS区域电网动态等值及其在黑启动仿真中的研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
曾凡仔 等: "基于形状的时间序列相似性度量及模式发现算法", 《信号处理》 * |
江诗锋 等: "一种基于权重的时间序列相似性度量", 《计算机应用与软件》 * |
郭琦 等: "提高MMC高效电磁暂态模型仿真精度的方法", 《电力建设》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109682908A (zh) * | 2019-01-18 | 2019-04-26 | 湖南中医药大学 | 一种中药宏观质量的评价控制新方法 |
CN109682908B (zh) * | 2019-01-18 | 2021-08-06 | 湖南中医药大学 | 一种中药宏观质量的评价控制方法 |
CN110232132A (zh) * | 2019-06-18 | 2019-09-13 | 北京天泽智云科技有限公司 | 时间序列数据处理方法及装置 |
CN110232132B (zh) * | 2019-06-18 | 2020-11-06 | 北京天泽智云科技有限公司 | 时间序列数据处理方法及装置 |
CN111027190A (zh) * | 2019-11-29 | 2020-04-17 | 新奥数能科技有限公司 | 一种用于设备模型数值相似度的评估方法及装置 |
CN113017628A (zh) * | 2021-02-04 | 2021-06-25 | 山东师范大学 | 融合erp成分与非线性特征的意识情绪识别方法及系统 |
CN113017628B (zh) * | 2021-02-04 | 2022-06-10 | 山东师范大学 | 融合erp成分与非线性特征的意识情绪识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108959704B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108959704A (zh) | 一种考虑形态变化的奖惩权重型仿真序列相似性分析方法 | |
Billinton et al. | Multistate wind energy conversion system models for adequacy assessment of generating systems incorporating wind energy | |
Fan et al. | A novel online estimation scheme for static voltage stability margin based on relationships exploration in a large data set | |
Parpas et al. | A stochastic multiscale model for electricity generation capacity expansion | |
CN105449713A (zh) | 考虑分布式电源特性的有源配电网智能软开关规划方法 | |
Cheng et al. | A model for assessing the power variation of a wind farm considering the outages of wind turbines | |
CN103700036B (zh) | 一种适于电力系统多时间尺度的暂态稳定性投影积分方法 | |
Zhang et al. | Intelligent frequency control strategy based on reinforcement learning of multi-objective collaborative reward function | |
Spittler et al. | Modelling geothermal resource utilization by incorporating resource dynamics, capacity expansion, and development costs | |
CN112287540A (zh) | 一种风电场接入电网的电磁暂态联合仿真方法 | |
CN103887792B (zh) | 一种含分布式电源的低压配电网建模方法 | |
CN106526347A (zh) | 一种基于数模混合仿真的光伏逆变器低电压穿越评估方法 | |
CN105867161A (zh) | 基于rtds的风力发电数字物理混合仿真系统及方法 | |
CN113991856B (zh) | 一种微能网多适应性μPMU最优布点方法 | |
CN115102200A (zh) | 一种储能系统模型辨识方法和系统 | |
Yang et al. | Optimal placement and sizing of distributed generators based on multiobjective particle swarm optimization | |
CN106410862A (zh) | 基于有功恢复斜率校正的风电场单机等值方法 | |
CN101893891B (zh) | 风力发电机控制系统实验室测试系统 | |
CN116488267B (zh) | 一种基于建模的风电场无功容量极限仿真计算方法及装置 | |
CN105205572A (zh) | 基于EMD分解和Elman算法的光伏出力预测方法 | |
Nassar et al. | Probabilistic power flow using novel wind and solar probabilistic models | |
Cheng et al. | Probabilistic wind power generation model: Derivation and applications | |
Uzoechi et al. | Evaluation of optimal power dispatch of the Nigerian power system using Particle Swarm Technique | |
CN108920810A (zh) | 基于大数据架构的电力仿真方法 | |
Khalghani et al. | Demonstrating the importance of applying a new probabilistic power flow strategy to evaluate power systems with high penetration of wind farms |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221014 |