CN109447512B - 基于均匀设计的大电网可靠性评估方法 - Google Patents
基于均匀设计的大电网可靠性评估方法 Download PDFInfo
- Publication number
- CN109447512B CN109447512B CN201811346836.1A CN201811346836A CN109447512B CN 109447512 B CN109447512 B CN 109447512B CN 201811346836 A CN201811346836 A CN 201811346836A CN 109447512 B CN109447512 B CN 109447512B
- Authority
- CN
- China
- Prior art keywords
- order
- power grid
- large power
- reliability
- 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.)
- Active
Links
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种基于均匀设计的大电网可靠性评估方法,其特征在于:按以下步骤进行:S1、输入大电网的电气参数和可靠性参数,确定元件的最大故障阶数M0;S2、采用枚举法获取低阶故障事件样本,对高阶故障事件进行随机抽样,并对其进行均匀设计;S3、计算出各阶故障事件样本的概率值P和频率值F,再分别对各阶故障事件样本进行最优潮流计算,得到各阶故障事件样本的削负荷量DNS;S4、计算各阶系统状态的可靠性指标均值;S5、计算各阶系统状态的可靠性指标值;S6、对各阶故障事件的可靠性指标进行累加,得到大电网系统的可靠性指标值。本发明减小了需采集的系统状态数据量;并有效减少了大电网可靠性评估的计算量。
Description
技术领域
本发明涉及电力系统可靠性评估技术领域,具体地说,是一种基于均匀设计的大电网可靠性评估方法。
背景技术
电力系统正逐渐发展成为超大规模的复杂系统,具有容量上超大规模、空间上广域分布、扰动传播范围大等特征。目前电力系统越来越趋于复杂化,这种飞速发展对其稳定运行和控制带来了严峻挑战。
随着电力市场的发展,电力系统各供应商更注重电网长期效益,即在一定的可靠性下维持较低的运行成本。而现有的大电网可靠性评估方法多为状态解析法和蒙特卡诺模拟法,这两种方法均需要进行系统状态的枚举或抽样,并需耗费较长时间对系统状态进行潮流计算、负荷削减、网络重构等分析计算,其中交流潮流和削负荷分别涉及非线性方程求解和非线性优化问题,计算量庞大。
为提高大电网可靠性评估方法的性能,现有研究尝试从抽样过程和系统状态分析算法两个方面进行改进,改进措施主要包括:可靠性等值、采用直流潮流模型、状态辨识、小样本抽样方法、并行计算等。但可靠性等值在大规模系统中运用有限;直流潮流模型无法计及无功功率和电压幅值的约束,得到的可靠性指标不太准确;状态辨识技术中状态辨识模型的泛化性和参数选择不当可能导致故障状态的误判和漏判;重要抽样、拉丁超立方抽样和交叉熵抽样等抽样方法缺乏针对性,导致评估结果不稳定;并行算法则会在很大程度上受限于计算机、网络和通信设备。
因此,亟需设计一种通过较少的状态数获得精确的可靠性指标的可靠性评估方法。
发明内容
针对上述现有大电网可靠性评估方法计算量大、结果不够精确的缺陷,本发明提供了一种基于均匀设计的大电网可靠性评估方法,该方法可以通过较少的系统状态数据,从而计算得出精确的大电网可靠性指标。
为了达到上述目的,本发明的技术方案如下:
一种基于均匀设计的大电网可靠性评估方法,其关键在于:按以下步骤进行:
S1、确定大电网中元件个数M,并输入大电网的电气参数和可靠性参数,根据大电网的可靠性参数确定元件的最大故障阶数M0,其中M>M0;
S2、采用枚举法获取低阶故障事件样本;
对高阶故障事件进行随机抽样,并对随机抽样的样本进行均匀设计得到高阶故障事件样本;
最终得到k阶均匀的系统状态,其中0<k≤M0;
S3、提取k阶均匀系统状态中的样本,计算出各阶故障事件样本的概率值P和频率值F,再分别对各阶故障事件样本进行最优潮流计算,得到各阶故障事件样本的削负荷量DNS;
S4、根据各阶故障事件样本的概率值P、频率值F和削负荷量DNS,计算各阶系统状态的可靠性指标均值;
S5、根据各阶系统状态的可靠性指标均值,计算各阶系统状态的可靠性指标值;
S6、对各阶系统状态的可靠性指标进行累加,得到大电网系统的可靠性指标值;
S7、评估各个可靠性指标的误差。
上述方案中,电气参数包括电网结构、节点负荷、发电机位置及出力、发电机出力上下限、各条线路阻抗等,可靠性参数包括元件故障率、修复率等。k阶故障事件表示大电网中故障元件的个数为k(k=1,2,3,…,M0),由于低阶故障事件(如1阶故障事件)数量较少且发生概率较大,故采用枚举法获得全部低阶事件。
步骤S2中高阶故障事件中的随机抽样基于分层抽样原理,每一阶故障为一个抽样分层,即M0为抽样层数,随机抽样即是在每一个抽样层中进行随机抽样。
步骤S3中的最优潮流计算为现有技术,2010年5月由科学出版社出版的图书《大电网最优潮流计算》已经对大电网系统的最优潮流计算方法作了非常详细的描述,故在此不做赘述。
采用上述方案,通过分析大电,系统的电气参数和可靠性参数,确定大电网系统最大故障事件阶数,根据最大故障事件阶数获取数量相对较少的样本数据,从而减少后续计算量。
进一步地,步骤S2中,所述均匀设计方法如下:
S21、用0表示元件处于正常工作状态,用1表示元件处于故障状态,随机生成含有k个元件处于故障状态的系统状态并重复M次,将每一次生成的系统状态作为一个行向量,重复M次后构成一个M阶的矩阵Xk=(xij);
S22、重复mk次步骤S21,生成mk个Xk矩阵,共有Nk=M×mk个系统状态;
S23、计算矩阵Xk每列元素中1的总数与数值k之差bi,其中i表示列数(i=1,2,3,…,M),当bi>0表示在M个系统状态中第i个元件处于故障状态次数过多,当bi<0表示在M个系统状态中第i个元件处于故障状态次数过少;
S24、在bi>0的各列中随机选取一列i,并从该列中随机选择被替换元素xji,其中被替换元素xji=1,若存在bl<0且xjl=0,则xjl为xji的替换元素,将xjl与xji的值交换,得到新的矩阵Xk′;
S25、重新计算矩阵Xk′每列元素中1的总数与数值k之差bi′,判断bi′的值是否都等于0,是则均匀设计结束,计算均匀设计后系统状态的偏差度,并进入下一步,否则返回步骤S24;
S26、对步骤S22中的mk个Xk矩阵依次进行步骤S23到S25的均匀设计。
通过上述方案,将高阶故障事件的样本均匀化,避免同一个元件故障次数过多或者过少的问题,使高阶故障事件样本更符合实际情况。
通过均匀设计后,在k阶故障事件样本集合中,每个元件处于故障状态的事件数相等且与k阶故障事件总数之比为k/M,即:
其中,C(M,k)为k阶故障事件总数,C(M-1,k-1)为C(M,k)中第i个元件处于故障状态的事件数。
更进一步的,利用偏差度来衡量均匀设计后系统状态的均匀程度,步骤S25中,偏差度的计算内容为:
通过上述方案,由于均匀设计的过程是令偏差度逐步减小,故偏差度D(X)越大表示系统状态越不均匀,因此偏差度D(X)越小越好,本系统中将偏差度D(X)的值定义在0.05以内。
进一步地,步骤4中所述各阶系统状态的可靠性指标包括期望缺电概率LOLP、期望缺电频率FLOL和期望缺供电量EENS,其中:
k阶系统状态的期望缺电概率LOLP均值:
k阶系统状态的期望缺电频率FLOL均值:
k阶系统状态的期望缺供电量EENS均值:
其中,k为系统故障事件的阶数,Sk为样本中所有引起削负荷的k阶故障事件集合,Ski为集合Sk中第i个系统状态,P(Ski)为Ski的发生频率,F(Ski)为Ski的发生频率,DNS(Ski)为Ski的削负荷量。
更进一步地,所述各阶系统状态的可靠性指标值的计算方法如下:
k阶系统状态的期望缺电概率LOLP值:
k阶系统状态的期望缺电频率FLOL值:
k阶系统状态的期望缺供电量EENS值:
更进一步地,大电网系统的可靠性指标计算方法如下:
通过上述方案,得到了整个大电网系统的可靠性指标。
更进一步地,所述各个可靠性指标的误差评估方法如下:
计算各阶故障事件状态的样本方差Qk,再根据样本方差Qk计算所述各阶系统状态的可靠性指标置信区间:
大电网期望缺电概率LOLP置信区间为
大电网期望缺电频率FLOL置信区间为
大电网期望缺供电量EENS置信区间为
其中,α为置信水平,Qk为第k阶故障事件方差。
通过上述方案,该可靠性指标与大电网系统可靠性指标的实际值之间存在误差,为了评估该误差,计算各个可靠性指标的置信区间。当可靠性指标在该置信区间内,即表示该可靠性指标的值可信。
有益效果:本发明利用分层抽样和均匀设计方法生成系统状态,减小了需采集的系统状态数据量;并能通过较少的系统状态数据而获得精准地可靠性指标,有效减少了大电网可靠性评估的计算量。
附图说明
图1为本发明的流程框图;
图2为均匀设计方法的流程框图;
图3为IEEE-RTS79系统的拓扑图。
具体实施方式
下面结合实施例及附图对本发明做进一步说明:
实施例:
一种基于均匀设计的大电网可靠性评估方法,其关键在于:如图1所示,按以下步骤进行:
S1、确定大电网中元件个数M,并输入大电网的电气参数和可靠性参数,本实施例中采用IEEE-RTS79系统,如图3所示,该系统包含32台发电机组,总装机容量为3405MW,采用峰荷为2850MW的单一水平负荷,确定元件的最大故障阶数M0=6,其中M>M0;
为对比说明均匀设计的可靠性评估方法的有效性,本方法实施前先采用解析法求解系统可靠性指标,下表列出了系统可靠性指标、采用解析法求得的各阶故障事件可靠性指标及其贡献比:
S2、采用枚举法获取1、2阶故障事件样本,对3-6阶故障事件进行随机抽样,并对随机抽样获得的样本进行均匀设计后得到3-6阶故障事件样本,最终得到k阶均匀的系统状态,其中k=1,2,3,…,6;其中所述均匀设计方法如下:
S21、用0表示元件处于正常工作状态,用1表示元件处于故障状态,随机生成含有k个处于故障状态元件的系统状态并重复M次;
其中将每一次生成的系统状态作为一个行向量,重复M次后构成一个M阶的矩阵Xk=(xij);
S22、重复mk次步骤S21,生成mk个Xk矩阵,共有Nk=M×mk个系统状态;下表为3-6阶故障事件Nk的值:
其中,mk由各阶故障事件贡献比求得。
S23、计算矩阵Xk每列元素中1的总数与数值k之差bi,其中i表示列数(i=1,2,3,…,M),当bi>0表示在M个系统状态中第i个元件处于故障状态次数过多,当bi<0表示在M个系统状态中第i个元件处于故障状态次数过少;
S24、在bi>0的各列中随机选取一列i,并从该列中随机选择被替换元素xji,其中被替换元素xji=1,若存在bl<0且xjl=0,则xjl为xji的替换元素,将xjl与xji的值交换,得到新的矩阵Xk′;
S25、重新计算矩阵Xk′每列元素中1的总数与数值k之差bi′,判断bi′的值是否都等于0,是则均匀设计结束,计算均匀设计后系统状态的偏差度,并进入下一步,否则返回步骤S24;
利用偏差度来衡量均匀设计后系统状态的均匀程度,偏差度的计算内容为:
S26、对步骤S22中的mk个Xk矩阵依次进行步骤S23到S25的均匀设计。
S3、提取k阶均匀系统状态中的样本,计算出各阶故障事件样本的概率值P和频率值F,再分别对各阶故障事件样本进行最优潮流计算,得到各阶故障事件样本的削负荷量DNS;
各阶故障事件的概率值
其中,Ui为第i个元件的不可用率,Ai为第i个元件的可用率,Mf为故障元件率,M为元件总数;
各阶故障事件频率
其中λk为第k阶故障事件的转移率;
S4、根据各阶故障事件样本的概率值P、频率值F和削负荷量DNS,计算各阶系统状态的可靠性指标均值;所述各阶系统状态的可靠性指标包括期望缺电概率LOLP、期望缺电频率FLOL和期望缺供电量EENS,其中:
k阶系统状态的期望缺电概率LOLP均值:
k阶系统状态的期望缺电频率FLOL均值:
k阶系统状态的期望缺供电量EENS均值:
其中,k为系统故障事件的阶数,Sk为样本中所有引起削负荷的k阶故障事件集合,Ski为集合Sk中第i个系统状态,P(Ski)为Ski的发生频率,F(Ski)为Ski的发生频率,DNS(Ski)为Ski的削负荷量;
S5、根据各阶系统状态的可靠性指标均值,计算各阶系统状态的可靠性指标值;所述各阶系统状态的可靠性指标值的计算方法如下:
k阶系统状态的期望缺电概率LOLP值:
k阶系统状态的期望缺电频率FLOL值:
k阶系统状态的期望缺供电量EENS值:
S6、对各阶系统状态的可靠性指标进行累加,得到大电网系统的可靠性指标值;大电网系统的可靠性指标计算方法如下:
下表中列出了使用均匀设计方法得到的IEEE-RTS系统可靠性指标,该指标为三次计算结果均值:
S7、评估各个可靠性指标的误差,计算各阶系统状态的样本方差Qk,下表为各阶系统状态的样本方差:
下表为根据样本方差Qk选取置信水平:
计算所述各阶系统状态的可靠性指标置信区间:
大电网期望缺电概率LOLP置信区间为
大电网期望缺电频率FLOL置信区间为
大电网期望缺供电量EENS置信区间为
其中,α为置信水平,Qk为第k阶故障事件方差;
由上述公式可知,LOLPk亦服从正态分布,即:
由正态分布性质可确定,LOLP亦服从正态分布,即:
得到置信水平为α的LOLP置信区间为:
在基于均匀设计的大电网可靠性评估中,未对所有的系统状态进行枚举和状态分析计算,因此全部系统状态的均值和方差无法获得,采用样本方差Q2来取代σ2,即
同理可以推算出FLOL置信区间和EENS置信区间。
根据上述计算方法,下表列出了α分别取0.05和0.1时的可靠性指标置信区间,其中最大误差指置信上限或置信下限与解析法获得指标的差值的绝对值,
由上表可知,均匀设计方法获得的LOLP指标在95%的置信水平下误差小于10.79%,在90%的置信水平下误差小于9.60%;FLOL指标在95%的置信水平下误差小于10.65%,在90%的置信水平下误差小于9.47%;EENS指标在95%的置信水平下误差小于3.34%,在90%的置信水平下误差小于3.02%。
为验证均匀设计的大电网可靠性评估方法的正确性和有效性,本实施例将基于IEEE-RTS79系统的均匀设计方法与解析法进行对比分析,如下表:
由表中可知,均匀设计方法计算可靠性指标与解析法计算可靠性指标误差较小,各项指标误差均在3.50%的范围内,表明均匀设计方法是有效的,并且能够在相对较少系统状态抽样的情况下达到相对较高的精度,降低了大电网可靠性评估的计算复杂度。
Claims (6)
1.一种基于均匀设计的大电网可靠性评估方法,其特征在于:按以下步骤进行:
S1、确定大电网中元件个数M,并输入大电网的电气参数和可靠性参数,确定元件的最大故障阶数M0,其中M>M0;
S2、采用枚举法获取低阶故障事件样本;
对高阶故障事件进行随机抽样,并对随机抽样的样本进行均匀设计得到高阶故障事件样本;
最终得到k阶均匀的系统状态,其中0<k≤M0;
步骤S2中,所述均匀设计方法如下:
S21、用0表示元件处于正常工作状态,用1表示元件处于故障状态,随机生成含有k个元件处于故障状态的系统状态并重复M次;
其中,将每一次生成的系统状态作为一个行向量,重复M次后构成一个M阶的矩阵Xk=(xij);
S22、重复mk次步骤S21,生成mk个Xk矩阵,共有Nk=M×mk个系统状态;
S23、计算矩阵Xk每列元素中1的总数与数值k之差bi,其中i表示列数(i=1,2,3,…,M),当bi>0表示在M个系统状态中第i个元件处于故障状态次数过多,当bi<0表示在M个系统状态中第i个元件处于故障状态次数过少;
S24、在bi>0的各列中随机选取一列i,并从该列中随机选择被替换元素xji,其中被替换元素xji=1,若存在bl<0且xjl=0,则xjl为xji的替换元素,将xjl与xji的值交换,得到新的矩阵X′;
S25、重新计算矩阵X′k每列元素中1的总数与数值k之差b′i,判断b′i的值是否都等于0,是则均匀设计结束,计算均匀设计后系统状态的偏差度,并进入下一步,否则返回步骤S24;
S26、对步骤S22中的mk个Xk矩阵依次进行步骤S23到S25的均匀设计;
S3、提取k阶均匀系统状态中的样本,计算出各阶故障事件样本的概率值P和频率值F,再分别对各阶故障事件样本进行最优潮流计算,得到各阶故障事件样本的削负荷量DNS;
S4、根据各阶故障事件样本的概率值P、频率值F和削负荷量DNS,计算各阶系统状态的可靠性指标均值;
S5、根据各阶系统状态的可靠性指标均值,计算各阶系统状态的可靠性指标值;
S6、对各阶系统状态的可靠性指标值进行累加,得到大电网系统的可靠性指标值;
S7、评估各个可靠性指标的误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811346836.1A CN109447512B (zh) | 2018-11-13 | 2018-11-13 | 基于均匀设计的大电网可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811346836.1A CN109447512B (zh) | 2018-11-13 | 2018-11-13 | 基于均匀设计的大电网可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109447512A CN109447512A (zh) | 2019-03-08 |
CN109447512B true CN109447512B (zh) | 2021-12-03 |
Family
ID=65552714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811346836.1A Active CN109447512B (zh) | 2018-11-13 | 2018-11-13 | 基于均匀设计的大电网可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447512B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800674A (zh) * | 2021-01-27 | 2021-05-14 | 重庆大学 | 一种基于极限学习机的电力系统元件可靠性参数计算方法 |
CN113420991A (zh) * | 2021-06-25 | 2021-09-21 | 国网山东省电力公司经济技术研究院 | 考虑期望缺供电量线性化的电源储能联合规划方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985066A (zh) * | 2014-05-20 | 2014-08-13 | 天津大学 | 一种基于混合潮流的电力系统静态风险评估方法 |
CN105158598A (zh) * | 2015-08-15 | 2015-12-16 | 国家电网公司 | 一种适用于电力设备的故障预测方法 |
CN106600458A (zh) * | 2016-12-02 | 2017-04-26 | 华北电力大学(保定) | 基于改进功率介数的电网风险综合评估方法 |
-
2018
- 2018-11-13 CN CN201811346836.1A patent/CN109447512B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985066A (zh) * | 2014-05-20 | 2014-08-13 | 天津大学 | 一种基于混合潮流的电力系统静态风险评估方法 |
CN105158598A (zh) * | 2015-08-15 | 2015-12-16 | 国家电网公司 | 一种适用于电力设备的故障预测方法 |
CN106600458A (zh) * | 2016-12-02 | 2017-04-26 | 华北电力大学(保定) | 基于改进功率介数的电网风险综合评估方法 |
Non-Patent Citations (2)
Title |
---|
Reliability Evaluation of Bulk Power Systems Incorporating UPFC;Bo Hu 等;《PMAPS 2010》;20101231;第259-264页 * |
大电力系统可靠性评估的系统状态抽取方法研究;赵渊 等;《中国电力》;20060630;第39卷(第6期);第5-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109447512A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6467186B2 (ja) | データストリームにおける不良データを検出、訂正、および検査するためのシステムおよび方法 | |
CN109597967B (zh) | 一种电力系统配变电站负荷数据异常检测与修复方法 | |
CN107563550B (zh) | 一种基于pmu的配电网实时分布式状态估计及pmu的优化配置方法 | |
CN104573906B (zh) | 用于分析电力传输系统中的振荡稳定性的系统和方法 | |
CN109462257B (zh) | 一种计及多元随机变量电网电压稳定的灵敏度辨识方法 | |
Cheng et al. | Enhanced state estimation and bad data identification in active power distribution networks using photovoltaic power forecasting | |
Lin et al. | An efficient Nataf transformation based probabilistic power flow for high-dimensional correlated uncertainty sources in operation | |
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 | |
Hou et al. | Impact‐increment based decoupled reliability assessment approach for composite generation and transmission systems | |
CN109447512B (zh) | 基于均匀设计的大电网可靠性评估方法 | |
CN104882884A (zh) | 基于马尔可夫链-蒙特卡罗法的系统谐波概率评估方法 | |
CN115238980A (zh) | 基于注意力机制的时空图卷积神经网络的微电网暂态功角轨迹预测方法 | |
CN106874676B (zh) | 一种电能计量装置状态评估方法 | |
CN106056305A (zh) | 一种基于状态聚类的发电系统可靠性快速评估方法 | |
CN107204616B (zh) | 基于自适应稀疏伪谱法的电力系统随机状态估计方法 | |
CN110571788A (zh) | 基于动态等值电路的静态电压稳定域边界系数的计算方法 | |
Liu et al. | Power system stochastic transient stability assessment based on Monte Carlo simulation | |
CN106257506A (zh) | 大数据量预测的三层联合动态选择最优模型方法 | |
CN112581311B (zh) | 一种多风电场聚合后出力长期波动特性预测方法及系统 | |
CN115392715A (zh) | 一种用电数据风险评估方法、装置、设备及存储介质 | |
CN114266396A (zh) | 一种基于电网特征智能筛选的暂态稳定判别方法 | |
CN113094636A (zh) | 一种基于海量监测数据的干扰性用户谐波水平估计方法 | |
CN112800674A (zh) | 一种基于极限学习机的电力系统元件可靠性参数计算方法 | |
CN107102543A (zh) | 一种能量路由器抗干扰控制器的形成方法及装置 | |
CN115392101A (zh) | 一种综合能源随机场景生成方法及系统 |
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 |