CN109242273B - 一种配电网故障恢复方案群体评估方法 - Google Patents
一种配电网故障恢复方案群体评估方法 Download PDFInfo
- Publication number
- CN109242273B CN109242273B CN201810949279.6A CN201810949279A CN109242273B CN 109242273 B CN109242273 B CN 109242273B CN 201810949279 A CN201810949279 A CN 201810949279A CN 109242273 B CN109242273 B CN 109242273B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- evaluation
- matrix
- fault recovery
- recovery scheme
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 89
- 238000011084 recovery Methods 0.000 title claims abstract description 75
- 239000011159 matrix material Substances 0.000 claims abstract description 88
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000011524 similarity measure Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种配电网故障恢复方案群体评估方法,包括以下步骤:步骤1:构建配电网故障恢复方案群体评估指标;步骤2:确定故障恢复评估指标的属性数据和权重,形成评价矩阵和权重矩阵;步骤3:形成模糊决策矩阵和模糊权重矩阵;步骤4:得到规范化模糊决策矩阵,根据评估指标的权重形成加权规范化模糊决策矩阵;步骤5:根据加权规范化模糊决策矩阵计算模糊理想解;采用相似性测度计算待评估的故障恢复方案与模糊理想解之间的模糊相似度;步骤6:得到待评估的故障恢复方案与理想方案的贴近度,从而完成配电网故障恢复方案群体评估;本发明可兼顾多名调度专家的不同侧重点,保证评估结果的全面性和合理性。
Description
技术领域
本发明涉及电力系统领域,具体涉及一种配电网故障恢复方案群体评估方法。
背景技术
配电网故障恢复作为智能电网自愈控制的重要环节,是配电网建设亟待完善的一项关键技术;配电网发生故障以后,调度人员需要综合考虑各种约束条件,尽可能快地指定最优的恢复方案;而在实际系统中,调度人员需处理的信息量极大,要求其在短时间内做出最优决策是十分困难的;现有的配电网故障方案恢复评估方法主要集中在单方评估,缺乏结合多名调度专家的意见形成的群体评估的方法。
发明内容
本发明提供一种可从多评估指标和多评估主体角度全面评估的配电网故障恢复方案群体评估方法。
本发明采用的技术方案是:一种配电网故障恢复方案群体评估方法,包括以下步骤:
步骤1:构建配电网故障恢复方案群体评估指标;
步骤2:确定故障恢复评估指标的属性数据和权重,形成评价矩阵和权重矩阵;
步骤3:根据步骤2得到的评价矩阵和权重矩阵,形成模糊决策矩阵和模糊权重矩阵;
步骤4:采用线性尺度变换得到规范化模糊决策矩阵,根据评估指标的权重形成加权规范化模糊决策矩阵;
步骤5:采用TOPSIS方法,根据加权规范化模糊决策矩阵计算模糊理想解;采用相似性测度计算待评估的故障恢复方案与模糊理想解之间的模糊相似度;
步骤6:采用TOPSIS排序法,得到待评估的故障恢复方案与理想方案的贴近度,从而完成配电网故障恢复方案群体评估。
进一步的,所述步骤1中评估指标包括:负荷恢复量I1、故障恢复后各馈线负荷容量裕度最小值I2、开关操作次数I3、故障恢复方案实施后各条馈线的负荷电流增量的最大值I4、负荷均衡率I5。
进一步的,所述步骤2中评价矩阵和权重矩阵的确定方法如下:
待评估的故障恢复方案集为K={Ki|i=1,2,…,m},参与方案评估的调度专家集为E={El|l=1,2,…,s},评估指标集为I={Ij|j=1,2,…,n};其中Ki为待评估的故障恢复方案,m为待评估的故障恢复方案个数,El为参与评估的调度专家,n为参数评估的调度专家个数,Ij为评估指标,n为评估指标个数;
评价指标的属性数据构成决策矩阵X=(xij)m×n,调度专家对觉得矩阵中的数据进行评价,按照评价指标给出各恢复方案指标数据的正则梯形模糊数表示,形成评价矩阵的元素梯形模糊数其中aijl、bijl、cijl、dijl分别为梯形模糊数的属性值;
其中,i=1,2,…,m,j=1,2,…,n,l=1,2,…,s。
进一步的,所述模糊决策矩阵和模糊权重矩阵的确定方法如下:
进一步的,所述步骤4中的规范化模糊决策矩阵确定方法如下:
其中:Mv根据给出的相似度计算得到。
进一步的,所述步骤6中的贴近度计算方法如下:
进一步的,所述步骤5中模糊理想解的计算方法如下:
进一步的,所述步骤6中的模糊相似度测度计算方法如下:
(1)基于距离的广义模糊相似度:
(2)基于单重心法的广义模糊相似度:
(3)基于模糊数的高度、几何距离和周长因素的广义模糊相似度
(4)基于模糊数的高度、几何距离和面积信息的广义模糊相似度
本发明的有益效果是:
(1)本发明从多评估指标和多评估主体的角度可全面评估配电网恢复方案;
(2)本发明兼顾多名调度专家不同侧重点,保证了故障恢复方案评估结果的全面性和合理性;
(3)本发明可辅助调度人员迅速制定恢复方案,对配电安全经济运行至关重要。
附图说明
图1为本发明流程示意图。
图2为本发明实施例中的六馈线配电网系统图。
图3为本发明实施例中各评估指标权重的正则梯形模糊数表示图。
图4为本发明实施例中方案S1指标数据的正则梯形模糊数表示图。
图5为本发明实施例中方案S2指标数据的正则梯形模糊数表示图。
图6为本发明实施例中方案S3指标数据的正则梯形模糊数表示图。
图7为本发明实施例中方案S4指标数据的正则梯形模数数表示图。
图8为本发明实施例中方案S5指标数据的正则梯形模糊数表示图。
图9为本发明实施例中方案S6指标数据的正则梯形模糊数表示图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
如图1所示,首先构架配电网故障恢复方案评估指标,调度专家给出各故障恢复方案指标数据和各评估指标权重的正则梯形模糊数表示,构成模糊决策矩阵;利用逼近理想排序法TOPSIS,采用四种模糊相似性和三种模糊理想解计算方法,依据贴进度大小得到配电网故障恢复方案的群体评估结果。
如图1所示,一种配电网故障恢复方案群体评估方法,包括以下步骤:
步骤1:构建配电网故障恢复方案群体评估指标;
评估指标包括:负荷恢复量I1,即所恢复的非故障失电区域的负荷电流之和、故障恢复后各馈线负荷容量裕度最小值I2、开关操作次数I3、故障恢复方案实施后各条馈线的负荷电流增量的最大值I4、负荷均衡率I5,即所有联络开关相邻馈线负荷均衡率的最大值。
步骤2:确定故障恢复评估指标的属性数据和权重,形成评价矩阵和权重矩阵;
评价矩阵和权重矩阵的确定方法如下:
首先采用语言变量刻画配电网评估指标的属性数值和权重;待评估的故障恢复方案集为K={Ki|i=1,2,…,m},参与方案评估的调度专家集为E={El|l=1,2,…,s},评估指标集为I={Ij|j=1,2,…,n};其中Ki为待评估的故障恢复方案,m为待评估的故障恢复方案个数,El为参与评估的调度专家,n为参数评估的调度专家个数,Ij为评估指标,n为评估指标个数;
评价指标的属性数据构成决策矩阵X=(xij)m×n,调度专家对觉得矩阵中的数据进行评价,按照评价指标给出各恢复方案指标数据的正则梯形模糊数表示,形成评价矩阵的元素梯形模糊数其中aijl、bijl、cijl、dijl分别为梯形模糊数的属性值;
其中,i=1,2,…,m,j=1,2,…,n,l=1,2,…,s。
采用语言变量刻画配电网故障恢复评估指标的属性数据为:
VP(Very Poor)=[0,0,1,2;1];
P(Poor)=[1,2,2,3;1];
MP(Medium Poor)=[2,3,4,5;1];
F(Fair)=[4,5,5,6;1];
MG(Medium Good)=[5,6,7,8;1];
G(Good)=[7,8,8,9;1];
VG(Very Good)=[8,9,10,10;1]。
采用语言变量刻画配电网故障恢复评估指标的权重为:
VL(Very low)=[0,0,0.1,0.2;1];
L(Low)=[0.1,0.2,0.2,0.3;1];
ML(Medium low)=[0.2,0.3,0.4,0.5;1];
M(Medium)=[0.4,0.5,0.5,0.6;1];
MH(Medium high)=[0.5,0.6,0.7,0.8;1];
H(High)=[0.7,0.8,0.8,0.9;1];
VH(Very High)=[0.8,0.9,1,1;1]。
其中正则梯形模糊数的定义如下:
步骤3:根据步骤2得到的评价矩阵和权重矩阵,形成模糊决策矩阵和模糊权重矩阵;
模糊决策矩阵和模糊权重矩阵的确定方法如下:
步骤4:采用线性尺度变换得到规范化模糊决策矩阵,根据评估指标的权重形成加权规范化模糊决策矩阵;
为了降低评估计算的复杂度,采用线性尺度变换求取规范化模糊决策矩阵;
规范化模糊决策矩阵确定方法如下:
步骤5:采用TOPSIS方法,根据加权规范化模糊决策矩阵计算模糊理想解;采用相似性测度计算待评估的故障恢复方案与模糊理想解之间的模糊相似度;
其中:Mv根据给出的相似度计算得到。
其中可选择以下三种方法分别计算模糊理想解,并做比较分析:
可选择以下四种方法分别计算相似性测度:
(1)基于距离的广义模糊相似度:
(2)基于单重心法的广义模糊相似度:
(3)基于模糊数的高度、几何距离和周长因素的广义模糊相似度
(4)基于模糊数的高度、几何距离和面积信息的广义模糊相似度
步骤6:采用TOPSIS排序法,得到待评估的故障恢复方案与理想方案的贴近度,从而完成配电网故障恢复方案群体评估;本发明可选择上述三种方法计算模糊理想解,选择上述四种方法计算模糊相似测度,可得到12中评估结果。
贴近度计算方法如下:
实施例
下面以如图2所示的复杂六馈线配电网系统验证算法的有效性;系统中馈线的额定电流为300A,Si为电源,CBi为断路器,Ai~Ei、Gi为分段开关,Fi为馈线,Zi为供电区域;B6、C1、C5、D1、D5、E3、E4、G4均为联络开关,系统正常运行时断开;为便于计算,选用A相电流参与计算;Z16区域(馈线F2出口处)发生永久性故障,形成的故障恢复候选方案集如表1所示。
表1.故障恢复候选方案集
根据表1形成决策矩阵X,由三名调度专家组成故障恢复方案评估委员会,分别为E1、E2和E3;每名调度专家给出各评估指标权重的正则梯形模糊数表示矩阵(如图3所示)和各故障恢复方案指标数据的正则梯形模糊数表示矩阵(如图4~9所示);调度专家数可根据实际情况选择,可根据具体系统预先给出专家决策库,便于快速完成评估。
表2加权规范化模糊决策矩阵中的元素
采用上述三种方法分别求得模糊正理想解和模糊负理想解,如表3和表4所示:
表3. 3种计算方法求得的模糊正理想解
表4. 3种计算方法求得的模糊负理想解
根据四种相似性测度计算出各恢复方案指标数据与正负理想解间的模糊相似度,计算12种情况下各恢复指标数据与理想恢复方案的贴近度,并给出对应排序,如表5-8所示。
表5采用模糊相似性测度1的计算结果
表6采用模糊相似性测度2的计算结果
表7采用模糊相似性测度3的计算结果
表8采用模糊相似性测度4的计算结果
由表5~8可以看出,本发明方法利用4种相似性测度和3种理想解计算方法给出了合理的故障恢复方案群体评估结果。
本发明基于广义模糊相似度TOPSIS的故障恢复方案群体评估方法,可以兼顾多名调度专家的不同侧重点,保证了评估结果的全面性和合理性。
Claims (6)
1.一种配电网故障恢复方案群体评估方法,其特征在于,包括以下步骤:
步骤1:构建配电网故障恢复方案群体评估指标;评估指标包括:负荷恢复量I1、故障恢复后各馈线负荷容量裕度最小值I2、开关操作次数I3、故障恢复方案实施后各条馈线的负荷电流增量的最大值I4、负荷均衡率I5;
步骤2:确定故障恢复评估指标的属性数据和权重,形成评价矩阵和权重矩阵;具体为:
待评估的故障恢复方案集为K={Ki|i=1,2,…,m},参与方案评估的调度专家集为E={El|l=1,2,…,s},评估指标集为I={Ij|j=1,2,…,n};其中Ki为待评估的故障恢复方案,m为待评估的故障恢复方案个数,El为参与评估的调度专家,s为参数评估的调度专家个数,Ij为评估指标,n为评估指标个数;
评价指标的属性数据构成决策矩阵X=(xij)m×n,调度专家对决策矩阵中的数据进行评价,按照评价指标给出各恢复方案指标数据的正则梯形模糊数表示,形成评价矩阵 的元素梯形模糊数其中aijl、bijl、cijl、dijl分别为梯形模糊数的属性值;
其中,i=1,2,…,m,j=1,2,…,n,l=1,2,…,s;
步骤3:根据步骤2得到的评价矩阵和权重矩阵,形成模糊决策矩阵和模糊权重矩阵;
步骤4:采用线性尺度变换得到规范化模糊决策矩阵,根据评估指标的权重形成加权规范化模糊决策矩阵;
步骤5:采用TOPSIS方法,根据加权规范化模糊决策矩阵计算模糊理想解;采用相似性测度计算待评估的故障恢复方案与模糊理想解之间的模糊相似度;
步骤6:采用TOPSIS排序法,得到待评估的故障恢复方案与理想方案的贴近度,从而完成配电网故障恢复方案群体评估。
其中:Mv根据给出的相似度计算得到,具体为以下方法中的一种:
(1)基于距离的广义模糊相似度:
(2)基于单重心法的广义模糊相似度:
(3)基于模糊数的高度、几何距离和周长因素的广义模糊相似度
(4)基于模糊数的高度、几何距离和面积信息的广义模糊相似度
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810949279.6A CN109242273B (zh) | 2018-08-20 | 2018-08-20 | 一种配电网故障恢复方案群体评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810949279.6A CN109242273B (zh) | 2018-08-20 | 2018-08-20 | 一种配电网故障恢复方案群体评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242273A CN109242273A (zh) | 2019-01-18 |
CN109242273B true CN109242273B (zh) | 2022-08-02 |
Family
ID=65070876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810949279.6A Active CN109242273B (zh) | 2018-08-20 | 2018-08-20 | 一种配电网故障恢复方案群体评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242273B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816254B (zh) * | 2019-01-29 | 2021-02-09 | 国家电网有限公司 | 一种基于topsis的智能电网自愈性水平评估方法 |
CN110909980A (zh) * | 2019-10-21 | 2020-03-24 | 湖南大学 | 一种基于ahp-topsis的直流配电网故障恢复方案的评价方法 |
CN110874698A (zh) * | 2019-11-21 | 2020-03-10 | 国网福建省电力有限公司 | 一种具有抗逆序及权重自适应的黑启动方案评估方法 |
CN111597499B (zh) * | 2020-03-27 | 2023-09-15 | 齐鲁工业大学 | 一种工业设备故障维修方案生成方法及系统 |
CN113850510A (zh) * | 2021-09-27 | 2021-12-28 | 中国电力工程顾问集团华北电力设计院有限公司 | 一种基于海量可再生能源接入的区域配电网综合态势评估方法 |
CN114331229A (zh) * | 2022-03-11 | 2022-04-12 | 北京瑞风协同科技股份有限公司 | 一种装备保障方案的综合权衡方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530823A (zh) * | 2013-10-25 | 2014-01-22 | 湖南大学 | 基于otfn-ahp的微电网规划设计综合评价体系 |
CN106600077A (zh) * | 2017-01-11 | 2017-04-26 | 重庆大学 | 一种模糊topsis评价方法 |
CN106952057A (zh) * | 2017-05-03 | 2017-07-14 | 东北大学 | 一种基于多智能体技术的电网可恢复性评估方法 |
CN107256444A (zh) * | 2017-04-24 | 2017-10-17 | 中国电力科学研究院 | 一种配电网故障风险模糊综合评价方法及装置 |
CN107506905A (zh) * | 2017-08-01 | 2017-12-22 | 华北电力大学 | 一种改进的电网企业可持续发展综合评价方法 |
CN108241901A (zh) * | 2016-12-27 | 2018-07-03 | 全球能源互联网研究院 | 一种基于预测数据的变压器预警评估方法及装置 |
-
2018
- 2018-08-20 CN CN201810949279.6A patent/CN109242273B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530823A (zh) * | 2013-10-25 | 2014-01-22 | 湖南大学 | 基于otfn-ahp的微电网规划设计综合评价体系 |
CN108241901A (zh) * | 2016-12-27 | 2018-07-03 | 全球能源互联网研究院 | 一种基于预测数据的变压器预警评估方法及装置 |
CN106600077A (zh) * | 2017-01-11 | 2017-04-26 | 重庆大学 | 一种模糊topsis评价方法 |
CN107256444A (zh) * | 2017-04-24 | 2017-10-17 | 中国电力科学研究院 | 一种配电网故障风险模糊综合评价方法及装置 |
CN106952057A (zh) * | 2017-05-03 | 2017-07-14 | 东北大学 | 一种基于多智能体技术的电网可恢复性评估方法 |
CN107506905A (zh) * | 2017-08-01 | 2017-12-22 | 华北电力大学 | 一种改进的电网企业可持续发展综合评价方法 |
Non-Patent Citations (3)
Title |
---|
基于启发式规则与熵权理论的配电网故障恢复;臧天磊等;《电网技术》;20120531;第36卷(第5期);第251-257页 * |
基于熵权模糊综合评价模型的电力系统黑启动方案评估;林济铿等;《电网技术》;20120229;第36卷(第2期);第115-120页 * |
配电网静态优化与故障恢复重构策略研究;臧天磊等;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20121015(第10期);第C042-978页(正文第26-27,31-32页) * |
Also Published As
Publication number | Publication date |
---|---|
CN109242273A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242273B (zh) | 一种配电网故障恢复方案群体评估方法 | |
Liu et al. | Cross-efficiency evaluation in data envelopment analysis based on prospect theory | |
Alvarez et al. | Novel methodology for selecting representative operating points for the TNEP | |
CN110795692A (zh) | 一种主动配电网运行状态评估方法 | |
CN107256441B (zh) | 基于非支配排序遗传算法的配电网规划建设方案设计方法 | |
CN104573947A (zh) | 区域智能配电网低压台区综合评价方法 | |
CN105139095A (zh) | 基于属性区间模型的配电网运行状态评估方法 | |
CN107358332A (zh) | 一种电网调度运行精益化评价方法 | |
CN108197848A (zh) | 一种基于直觉模糊理论的电能质量综合评估方法及装置 | |
CN106485089A (zh) | 谐波用户典型工况的区间参数获取方法 | |
CN110264032A (zh) | 一种直流配网规划方案评价结果的获取方法 | |
CN109034676B (zh) | 不完备指标权重信息下的配电网故障恢复方案区间评估方法 | |
CN104572985A (zh) | 一种基于复杂网络社区发现的工业数据样本筛选方法 | |
CN109523101A (zh) | 一种配电网运行状态模糊综合评价方法 | |
CN107292489A (zh) | 一种电网调度运行精益化评价系统 | |
CN111353691B (zh) | 一种基于层次分析法的电网差异分析方法 | |
CN112818525A (zh) | 一种水电机组状态评价方法及其系统 | |
CN105005942A (zh) | 一种智能配电网差异化建设模式选择方法 | |
CN107025524A (zh) | 考虑负荷供电可靠性要求的设备过载辅助决策方法 | |
CN104850918B (zh) | 一种计及电网拓扑约束的节点负荷预测方法 | |
WO2024093468A1 (zh) | 风偏闪络风险评价方法、系统、设备、可读存储介质 | |
Kittur | Using the PROMETHEE and TOPSIS multi-criteria decision making methods to evaluate optimal generation | |
CN109508820A (zh) | 基于差异化建模的校园用电量预测建模方法 | |
CN110071500B (zh) | 一种母线故障失电后配电线路恢复序列决策方法及系统 | |
CN106384307A (zh) | 一种县域配电网规划差异化评估方法 |
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 |