CN109325295A - 一种基于小时间尺度经验模态分解的动态电荷建模方法 - Google Patents
一种基于小时间尺度经验模态分解的动态电荷建模方法 Download PDFInfo
- Publication number
- CN109325295A CN109325295A CN201811124635.7A CN201811124635A CN109325295A CN 109325295 A CN109325295 A CN 109325295A CN 201811124635 A CN201811124635 A CN 201811124635A CN 109325295 A CN109325295 A CN 109325295A
- Authority
- CN
- China
- Prior art keywords
- dynamic
- envelope
- voltage
- power
- quasi
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 37
- 230000014509 gene expression Effects 0.000 claims description 36
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000005309 stochastic process Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 2
- 239000004615 ingredient Substances 0.000 abstract 3
- 238000005312 nonlinear dynamic Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本申请提供了一种基于小时间尺度经验模态分解的动态电荷建模方法，可以将大功率动态负荷在大时间尺度上的时变性趋势项成分(准稳态项成分)和在小时间尺度上的负荷时变性随机变化成分(动态项成分)分解开来。进而研究动态负荷小时间尺度上的随机快速变化动态特性，建立动态负荷模型结构，分析动态负荷对电能表电能计量误差特性的影响。
Description
技术领域
本申请涉及电力技术领域，尤其涉及一种基于小时间尺度经验模态分解的动态电荷建模方法。
背景技术
随着智能电网技术不断提升，电网中非线性负荷逐渐成为了电力系统负荷的重要组成部分。而电气化铁路牵引机车与电弧炉等大功率装置产生的动态负荷是目前电力系统中常见的非线性动态负荷。这些非线性动态负荷具有复杂随机快速变化的动态特性。
近年来，国内外研究表明大功率动态负荷的随机快速变化，会导致电能表电能计量出现较大的计量误差，造成供需方的巨大的经济损失。因此，研究非线性动态负荷的快速随机变化动态特性，弄清其影响电能计量不准确的本质特征，对于建立正确合适的电能表动态误差测试信号模型，进而实现对电能表动态误差特性的测试与评估非常重要，对提升智能电网复杂工况下电能准确计量水平具有重要理论意义和实际应用价值。
动态负荷的电流或功率分解方法是分析负荷动态特性的基础与关键问题，必须研究建立负荷电流或功率的稳态与动态模态信号的分解方法，才能实现动态负荷的动态特性分析。
近年来，对于大功率复杂用电动态负荷的建模，均是采用大时间尺度的数据建模方法。所谓大时间尺度的数据建模，即采用较长时间间隔的采集数据，如：使用15分钟间隔采集的电压与电流有效值、以及有功和无功功率数据，建立的动态负荷模型，反映动态负荷在长时间(日、月、季和年)缓慢变化的趋势，解决电力负荷的仿真与预测等问题。然而，大时间尺度的数据建模无法反应负荷在运行周期内的随机快速变化的时变动态特征，进而无法分析动态负荷对电能报表电能计量误差特性的影响。
发明内容
本申请提供了一种基于小时间尺度经验模态分解的动态电荷建模方法，以解决大时间尺度的数据建模无法反应负荷在运行周期内的随机快速变化的时变动态特征，进而无法分析动态负荷对电能报表电能计量误差特性的影响的问题。
本申请提供了一种基于小时间尺度经验模态分解的动态电荷建模方法，所述方法包括：
建立小时间尺度动态负荷信号随机过程的调制模型，所述调制模型包括随时间变化的观察函数和调制模型包络；
利用所述调制模型，得到动态负荷的电流基波信号、电压基波信号和动态功率信号的表达式；
将所述调制模型包络进行分解成准稳态项和动态项之和，得到分解后的调制模型包络；
利用所述分解后的调制模型包络，对所述动态负荷的电流基波信号、电压基波信号和动态功率信号的表达式进行变换，得到动态负荷的瞬时电流、电压以及功率随机过程的准稳态项与动态项之和的表达式；
利用经验模态分解方法，对所述调制模型包络进行分解，得到准稳态项和动态项的分解表达式；
利用所述准稳态项和动态项的分解表达式，对所述动态负荷的瞬时电流、电压以及功率随机过程的准稳态项与动态项之和的表达式进行变换，得到动态负荷随机信号的模型。
进一步地，所述利用经验模态分解方法，对所述调制模型包络进行分解，得到准稳态项和动态项的分解表达式包括：
确定所述调制模型包络的极大值点和极小值点；
利用三次样条差值法，对所述极大值点和极小值点进行拟合，分别得到调制模型包络的局部极大值点对应的第一包络线和局部局部极小值点对应的第二包络线；
利用所述第一包络线和第二包络线，得到第一平均包络线；
将所述第一平均包络线确定为调制模型包络，重复上述步骤，得到第二平均包络线；
利所述第一平均包络线和第二平均包络线进行平均计算，得到准稳态的分解表达式；
将所述调制模型包络与所述准稳态的分解表达式做差值，得到动态项的分解表达式。
进一步地，所述建立小时间尺度动态负荷信号随机过程的调制模型为其中，“～”表示随机函数，gn(t)为随时间变化的观察函数，An(t)为调制模型包络。
进一步地，动态负荷的电流基波信号、电压基波信号和动态功率信号的表达式为
其中，与分别为瞬时电流、瞬时功率幅值包络非平稳随机时间序列，k取a,b,c，分别表示a,b,c三相；f0为50Hz工频频率，分别为瞬时电流与电压的初相位，为电压与电流的相位差；Im、Um和Pm＝UmIm/2分别为瞬时电流、电压和功率信号的观察函数的幅值。
进一步地，所述分解后的调制模型包络为其中，mn(t)是调制模型包络的准稳态项模态信号，是调制模型包络的动态项模态信号。
进一步地，所述动态负荷的瞬时电流、电压以及功率随机过程的准稳态项与动态项之和的表达式为
其中，与分别表示负荷瞬时电流与功率包络的准稳态项，分别表示瞬时电流与功率包络的随机动态项，k取a,b,c，分别表示a,b,c三相；f0为50Hz 工频频率，分别为瞬时电流与电压的初相位，为电压与电流的相位差； Im、Um和Pm＝UmIm/2分别为瞬时电流、电压和功率信号的观察函数的幅值。
进一步地，所述动态负荷随机信号的模型为
其中，ln(t)为准稳态项的包络，为随机动态项的包络，分别表示瞬时电流与功率包络的随机动态项，k取a,b,c，分别表示a,b,c三相；f0为50Hz工频频率，分别为瞬时电流与电压的初相位，为电压与电流的相位差；Im、Um和Pm＝UmIm/2分别为瞬时电流、电压和功率信号的观察函数的幅值。
由以上技术方案可知，本申请提供了一种基于小时间尺度经验模态分解的动态电荷建模方法，可以将大功率动态负荷在大时间尺度上的时变性趋势项成分(准稳态项成分)和在小时间尺度上的负荷时变性随机变化成分(动态项成分)分解开来。进而研究动态负荷小时间尺度上的随机快速变化动态特性，建立动态负荷模型结构，分析动态负荷对电能表电能计量误差特性的影响。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供了一种基于小时间尺度经验模态分解的动态电荷建模方法的流程图；
图2为图1中步骤15的流程图。
具体实施方式
参见图1，本申请提供了一种基于小时间尺度经验模态分解的动态电荷建模方法，包括如下步骤：
步骤11：建立小时间尺度动态负荷信号随机过程的调制模型，所述调制模型包括随时间变化的观察函数和调制模型包络。
具体地，小时间尺度动态负荷信号随机过程的调制模型，是指采用微秒级采样时间间隔、持续几十分钟采样瞬时电压与电流数据，小时间尺度动态负荷信号随机过程的调制模型为其中，“～”表示随机函数，gn(t)为随时间变化的观察函数，An(t)为调制模型包络。
步骤12：利用所述调制模型，得到动态负荷的电流基波信号、电压基波信号和动态功率信号的表达式。
具体地，动态负荷的电流基波信号、电压基波信号和动态功率信号的表达式为
其中，与分别为瞬时电流、瞬时功率幅值包络非平稳随机时间序列，k取a,b,c，分别表示a,b,c三相；f0为50Hz工频频率，分别为瞬时电流与电压的初相位，为电压与电流的相位差；Im、Um和Pm＝UmIm/2分别为瞬时电流、电压和功率信号的观察函数的幅值。
步骤13：将所述调制模型包络进行分解成准稳态项和动态项之和，得到分解后的调制模型包络。
具体地，分解后的调制模型包络为其中，mn(t)是调制模型包络的准稳态项模态信号，是调制模型包络的动态项模态信号。
步骤14：利用所述分解后的调制模型包络，对所述动态负荷的电流基波信号、电压基波信号和动态功率信号的表达式进行变换，得到动态负荷的瞬时电流、电压以及功率随机过程的准稳态项与动态项之和的表达式。
具体地，动态负荷的瞬时电流、电压以及功率随机过程的准稳态项与动态项之和的表达式为
其中，与分别表示负荷瞬时电流与功率包络的准稳态项，分别表示瞬时电流与功率包络的随机动态项，k取a,b,c，分别表示a,b,c三相；f0为50Hz 工频频率，分别为瞬时电流与电压的初相位，为电压与电流的相位差； Im、Um和Pm＝UmIm/2分别为瞬时电流、电压和功率信号的观察函数的幅值。
步骤15：利用经验模态分解方法，对所述调制模型包络进行分解，得到准稳态项和动态项的分解表达式。
步骤16：利用所述准稳态项和动态项的分解表达式，对所述动态负荷的瞬时电流、电压以及功率随机过程的准稳态项与动态项之和的表达式进行变换，得到动态负荷随机信号的模型。
具体地，动态负荷随机信号的模型为
其中，ln(t)为准稳态项的包络，为随机动态项的包络，分别表示瞬时电流与功率包络的随机动态项，k取a,b,c，分别表示a,b,c三相；f0为50Hz工频频率，分别为瞬时电流与电压的初相位，为电压与电流的相位差；Im、Um和Pm＝UmIm/2分别为瞬时电流、电压和功率信号的观察函数的幅值。
参见图2，在本申提供的另一实施例中，上述步骤15还包括如下步骤：
步骤21：确定所述调制模型包络的极大值点和极小值点。
步骤22：利用三次样条差值法，对所述极大值点和极小值点进行拟合，分别得到调制模型包络的局部极大值点对应的第一包络线和局部局部极小值点对应的第二包络线。
其中，三次样条插值函数表达式为：
式中，An(xt)x∈[xt,xt+1]t＝0,1,...,n-1为随机包络的极大值点或极小值点。
步骤23：利用所述第一包络线和第二包络线，得到第一平均包络线。
步骤24：将所述第一平均包络线确定为调制模型包络，重复上述步骤，得到第二平均包络线。
步骤25：利所述第一平均包络线和第二平均包络线进行平均计算，得到准稳态的分解表达式。
具体地，公式为ln(t)＝(l1+l2)/2，其中，ln(t)为电流或功率采样分解的准稳态项，l1为第一平均包络线，l2为第二平均包络线。
步骤26：将所述调制模型包络与所述准稳态的分解表达式做差值，得到动态项的分解表达式。
具体地，公式为其中，为动态项的分解表达式动态项的分解表达式，ln(t)为电流或功率采样分解的准稳态项，An(t)为调制模型包络。
由以上技术方案可知，本申请提供了一种基于小时间尺度经验模态分解的动态电荷建模方法，可以将大功率动态负荷在大时间尺度上的时变性趋势项成分(准稳态项成分)和在小时间尺度上的负荷时变性随机变化成分(动态项成分)分解开来。进而研究动态负荷小时间尺度上的随机快速变化动态特性，建立动态负荷模型结构，分析动态负荷对电能表电能计量误差特性的影响。
Claims (7)
1.一种基于小时间尺度经验模态分解的动态电荷建模方法，其特征在于，所述方法包括：
建立小时间尺度动态负荷信号随机过程的调制模型，所述调制模型包括随时间变化的观察函数和调制模型包络；
利用所述调制模型，得到动态负荷的电流基波信号、电压基波信号和动态功率信号的表达式；
将所述调制模型包络进行分解成准稳态项和动态项之和，得到分解后的调制模型包络；
利用所述分解后的调制模型包络，对所述动态负荷的电流基波信号、电压基波信号和动态功率信号的表达式进行变换，得到动态负荷的瞬时电流、电压以及功率随机过程的准稳态项与动态项之和的表达式；
利用经验模态分解方法，对所述调制模型包络进行分解，得到准稳态项和动态项的分解表达式；
利用所述准稳态项和动态项的分解表达式，对所述动态负荷的瞬时电流、电压以及功率随机过程的准稳态项与动态项之和的表达式进行变换，得到动态负荷随机信号的模型。
2.如权利要求1所述的方法，其特征在于，所述利用经验模态分解方法，对所述调制模型包络进行分解，得到准稳态项和动态项的分解表达式包括：
确定所述调制模型包络的极大值点和极小值点；
利用三次样条差值法，对所述极大值点和极小值点进行拟合，分别得到调制模型包络的局部极大值点对应的第一包络线和局部局部极小值点对应的第二包络线；
利用所述第一包络线和第二包络线，得到第一平均包络线；
将所述第一平均包络线确定为调制模型包络，重复上述步骤，得到第二平均包络线；
利所述第一平均包络线和第二平均包络线进行平均计算，得到准稳态的分解表达式；
将所述调制模型包络与所述准稳态的分解表达式做差值，得到动态项的分解表达式。
3.如权利要求1所述的方法，其特征在于，所述建立小时间尺度动态负荷信号随机过程的调制模型为其中，“～”表示随机函数，gn(t)为随时间变化的观察函数，为调制模型包络。
4.如权利要求1所述的方法，其特征在于，所述动态负荷的电流基波信号、电压基波信号和动态功率信号的表达式为
其中，与分别为瞬时电流、瞬时功率幅值包络非平稳随机时间序列，k取a,b,c，分别表示a,b,c三相；f0为50Hz工频频率，分别为瞬时电流与电压的初相位，为电压与电流的相位差；Im、Um和Pm＝UmIm/2分别为瞬时电流、电压和功率信号的观察函数的幅值。
5.如权利要求1所述的方法，其特征在于，所述分解后的调制模型包络为其中，是调制模型包络的准稳态项模态信号，是调制模型包络的动态项模态信号。
6.如权利要求1所述的方法，其特征在于，所述动态负荷的瞬时电流、电压以及功率随机过程的准稳态项与动态项之和的表达式为
其中，与分别表示负荷瞬时电流与功率包络的准稳态项，分别表示瞬时电流与功率包络的随机动态项，k取a,b,c，分别表示a,b,c三相；f0为50Hz工频频率，分别为瞬时电流与电压的初相位，为电压与电流的相位差；Im、Um和Pm＝UmIm/2分别为瞬时电流、电压和功率信号的观察函数的幅值。
7.如权利要求1所述的方法，其特征在于，所述动态负荷随机信号的模型为
其中，ln(t)为准稳态项的包络，为随机动态项的包络，分别表示瞬时电流与功率包络的随机动态项，k取a,b,c，分别表示a,b,c三相；f0为50Hz工频频率，分别为瞬时电流与电压的初相位，为电压与电流的相位差；Im、Um和Pm＝UmIm/2分别为瞬时电流、电压和功率信号的观察函数的幅值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811124635.7A CN109325295B (zh) | 2018-09-26 | 2018-09-26 | 一种基于小时间尺度经验模态分解的动态电荷建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811124635.7A CN109325295B (zh) | 2018-09-26 | 2018-09-26 | 一种基于小时间尺度经验模态分解的动态电荷建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109325295A true CN109325295A (zh) | 2019-02-12 |
| CN109325295B CN109325295B (zh) | 2023-05-05 |
Family
ID=65265377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811124635.7A Active CN109325295B (zh) | 2018-09-26 | 2018-09-26 | 一种基于小时间尺度经验模态分解的动态电荷建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109325295B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110991638A (zh) * | 2019-11-29 | 2020-04-10 | 国网山东省电力公司聊城供电公司 | 基于聚类及神经网络的广义负荷建模方法 |
| CN117688368A (zh) * | 2024-02-04 | 2024-03-12 | 国网冀北电力有限公司 | 动态负荷功率信号典型波形模态的提取方法及装置 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102043907A (zh) * | 2010-12-29 | 2011-05-04 | 上海大学 | 空调房间实时冷负荷确定方法 |
| CN102136738A (zh) * | 2011-04-25 | 2011-07-27 | 东北电力大学 | 大型并网光伏电站并网逆变器的控制方法 |
| CN102148385A (zh) * | 2011-01-13 | 2011-08-10 | 湖南大学 | 燃料电池发电系统的等效模型构造方法 |
| CN102498803A (zh) * | 2011-11-14 | 2012-06-20 | 江苏大学 | 排种器振动种盘内种子的运动状态监测方法与装置 |
| CN102692574A (zh) * | 2012-05-22 | 2012-09-26 | 福建省电力有限公司电力科学研究院 | 干扰负荷的闪变污染注入水平检测方法 |
| CN202514284U (zh) * | 2011-11-14 | 2012-11-07 | 江苏大学 | 排种器振动种盘内种子的运动分布状态监测装置 |
| CN103268115A (zh) * | 2013-06-14 | 2013-08-28 | 鲁电集团有限公司 | 电力需求侧监控系统及监控方法 |
| CN104569900A (zh) * | 2013-10-14 | 2015-04-29 | 北京化工大学 | 智能电能表动态误差测试方法与装置 |
| CN104685674A (zh) * | 2012-09-28 | 2015-06-03 | 卡博特公司 | 包含高表面积含碳材料的活性材料组合物 |
| CN106022503A (zh) * | 2016-03-17 | 2016-10-12 | 北京睿新科技有限公司 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
| CN106501755A (zh) * | 2016-10-18 | 2017-03-15 | 国网山东省电力公司烟台供电公司 | 一种基于动态负荷模型的智能电能表动态误差测量方法 |
| CN106645929A (zh) * | 2016-09-30 | 2017-05-10 | 国网江苏省电力公司电力科学研究院 | 一种改进的电动汽车充电非线性负荷谐波电能计量方法 |
| CN107250687A (zh) * | 2014-12-01 | 2017-10-13 | Wts有限公司 | 流体加热系统 |
| CN108183497A (zh) * | 2017-12-29 | 2018-06-19 | 国网北京市电力公司 | 充电站容量确定方法和装置 |
-
2018
- 2018-09-26 CN CN201811124635.7A patent/CN109325295B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102043907A (zh) * | 2010-12-29 | 2011-05-04 | 上海大学 | 空调房间实时冷负荷确定方法 |
| CN102148385A (zh) * | 2011-01-13 | 2011-08-10 | 湖南大学 | 燃料电池发电系统的等效模型构造方法 |
| CN102136738A (zh) * | 2011-04-25 | 2011-07-27 | 东北电力大学 | 大型并网光伏电站并网逆变器的控制方法 |
| CN102498803A (zh) * | 2011-11-14 | 2012-06-20 | 江苏大学 | 排种器振动种盘内种子的运动状态监测方法与装置 |
| CN202514284U (zh) * | 2011-11-14 | 2012-11-07 | 江苏大学 | 排种器振动种盘内种子的运动分布状态监测装置 |
| CN102692574A (zh) * | 2012-05-22 | 2012-09-26 | 福建省电力有限公司电力科学研究院 | 干扰负荷的闪变污染注入水平检测方法 |
| CN104685674A (zh) * | 2012-09-28 | 2015-06-03 | 卡博特公司 | 包含高表面积含碳材料的活性材料组合物 |
| CN103268115A (zh) * | 2013-06-14 | 2013-08-28 | 鲁电集团有限公司 | 电力需求侧监控系统及监控方法 |
| CN104569900A (zh) * | 2013-10-14 | 2015-04-29 | 北京化工大学 | 智能电能表动态误差测试方法与装置 |
| CN107250687A (zh) * | 2014-12-01 | 2017-10-13 | Wts有限公司 | 流体加热系统 |
| CN106022503A (zh) * | 2016-03-17 | 2016-10-12 | 北京睿新科技有限公司 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
| CN106645929A (zh) * | 2016-09-30 | 2017-05-10 | 国网江苏省电力公司电力科学研究院 | 一种改进的电动汽车充电非线性负荷谐波电能计量方法 |
| CN106501755A (zh) * | 2016-10-18 | 2017-03-15 | 国网山东省电力公司烟台供电公司 | 一种基于动态负荷模型的智能电能表动态误差测量方法 |
| CN108183497A (zh) * | 2017-12-29 | 2018-06-19 | 国网北京市电力公司 | 充电站容量确定方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 陈洁: "宽量程涡街流量计信号处理方法及其实现技术的研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110991638A (zh) * | 2019-11-29 | 2020-04-10 | 国网山东省电力公司聊城供电公司 | 基于聚类及神经网络的广义负荷建模方法 |
| CN110991638B (zh) * | 2019-11-29 | 2024-01-05 | 国网山东省电力公司聊城供电公司 | 基于聚类及神经网络的广义负荷建模方法 |
| CN117688368A (zh) * | 2024-02-04 | 2024-03-12 | 国网冀北电力有限公司 | 动态负荷功率信号典型波形模态的提取方法及装置 |
| CN117688368B (zh) * | 2024-02-04 | 2024-05-28 | 国网冀北电力有限公司 | 动态负荷功率信号典型波形模态的提取方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109325295B (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105701559A (zh) | 一种基于时间序列的短期负荷预测方法 | |
| JPWO2015079554A1 (ja) | 電力系統の状態推定装置、その状態推定方法および電力系統制御システム | |
| CN203287435U (zh) | 一种基于stm32f107vct6的微电网谐波与间谐波检测装置 | |
| CN102520245A (zh) | 基于三次样条插值波形重构的微网谐波及间谐波分析方法 | |
| CN104316894A (zh) | 一种电能表实际运行环境的仿真校验方法 | |
| CN103969552A (zh) | 一种分布式发电系统的谐波源定位分析方法 | |
| CN104052058A (zh) | 一种基于马尔可夫链蒙特卡罗法的系统谐波概率评估方法 | |
| CN109325295A (zh) | 一种基于小时间尺度经验模态分解的动态电荷建模方法 | |
| CN103198184A (zh) | 一种电力系统低频振荡特征类噪声辨识方法 | |
| Liu et al. | Probabilistic load flow analysis of active distribution network adopting improved sequence operation methodology | |
| CN102636693A (zh) | 一种结合fft与非线性最小二乘的谐波分析算法 | |
| CN105445541A (zh) | 一种任意频率下自适应功率计算方法 | |
| CN108054757A (zh) | 一种内嵌无功和电压的n-1闭环安全校核方法 | |
| Zhang et al. | Smart grid-oriented algorithm of data retrieval and processing based on crio | |
| CN109709378B (zh) | 瞬变电信号的频率和幅值自适应算法 | |
| CN115907176A (zh) | 一种基于联邦学习的输电侧碳排放预测方法 | |
| CN105334381A (zh) | 一种交流有功功率的测量方法和装置 | |
| Petrović | Frequency and parameter estimation of multi-sinusoidal signal | |
| CN112838672A (zh) | 基于宽频测量装置的电能治理系统及低频分量提取方法 | |
| KR100797191B1 (ko) | 수용가 전기부하 구성의 실시간 예측 방법 및 장치 | |
| CN103983851A (zh) | 主动配电网谐波源定位分析方法 | |
| Nadhiroh et al. | Real-time monitoring of power quality for web based electrical power panel using LabVIEW | |
| CN105277852A (zh) | 配电网线路工况分类识别方法 | |
| Wang et al. | A novel iterative observer approach for real‐time harmonic estimation in power distribution networks | |
| CN112531710B (zh) | 一种谐波源接入预测评估的方法 |
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 |