CN109816254A - 一种基于topsis的智能电网自愈性水平评估方法 - Google Patents

一种基于topsis的智能电网自愈性水平评估方法 Download PDF

Info

Publication number
CN109816254A
CN109816254A CN201910087445.0A CN201910087445A CN109816254A CN 109816254 A CN109816254 A CN 109816254A CN 201910087445 A CN201910087445 A CN 201910087445A CN 109816254 A CN109816254 A CN 109816254A
Authority
CN
China
Prior art keywords
self
healing
power grid
load
level
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
Application number
CN201910087445.0A
Other languages
English (en)
Other versions
CN109816254B (zh
Inventor
张籍
桑子夏
蔡勇
颜炯
郑旭
鄢晶
谢东
王亚捷
沈玉兰
陈艳波
杜治
杨东俊
郭齐涛
周思璇
雷何
王思聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
North China Electric Power University
Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
North China Electric Power University
Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, North China Electric Power University, Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910087445.0A priority Critical patent/CN109816254B/zh
Publication of CN109816254A publication Critical patent/CN109816254A/zh
Application granted granted Critical
Publication of CN109816254B publication Critical patent/CN109816254B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于TOPSIS的智能电网自愈性水平评估方法,该方法包括以下步骤:A、提供智能电网自愈性水平评估体系;B、根据步骤A中的智能电网自愈性水平评估体系、专家的试验数据和智能电网的统计数据计算智能电网自愈性水平评估体系中各指标评估值;C、利用TOPSIS综合评价方法对智能电网的自愈性水平进行评估。本设计的评估方法全面客观,并在此基础上注重了电网自愈性的工程实现,方法科学合理,对智能配电网自愈性水平的探索性发展具有意义。

Description

一种基于TOPSIS的智能电网自愈性水平评估方法
技术领域
本发明涉及电力系统评价领域,尤其涉及一种基于TOPSIS的智能电网自愈性水平评估方法。
背景技术
自愈是智能电网的重要特征,其内涵包括正常状态下的连续自我评估,并采取预防性的控制措施,及时发现、快速诊断、快速调整、消除故障隐患,以及故障状态下的故障检测、隔离和自我恢复,以尽量少的人工干预最大限度地减少异常或故障对电网的影响。自愈电网的概念体现了从传统电网的保护跳闸进化到主动防止断电,减少影响的新理念。
目前国内外对智能配电网的自愈性评价较少,对其客观而又全面的评价就更少,并不利于我国当前对智能电网良性健康发展的探索和实践,因此如何对智能配电网的自愈性进行评价则是亟待解决的问题。
发明内容
本发明的目的是克服现有技术中存在的智能电网自愈性评价主观片面的缺陷与问题,提供一种智能电网自愈性评价客观全面的基于TOPSIS的智能电网自愈性水平评估方法。
为实现以上目的,本发明的技术解决方案是:一种基于TOPSIS的智能电网自愈性水平评估方法,该方法包括以下步骤:
A、提供智能电网自愈性水平评估体系;
B、根据步骤A中的智能电网自愈性水平评估体系、专家的试验数据和智能电网的统计数据计算智能电网自愈性水平评估体系中各指标评估值;
C、利用TOPSIS综合评价方法对智能电网的自愈性水平进行评估。
所述智能电网自愈性水平评估体系包括不正常状态下自愈性指标和故障状态下自愈性指标。
所述不正常状态下自愈性指标包括电压越限恢复率指标、频率越限恢复率指标、同步震荡持续时间指标和异步震荡调节成功时间指标。
t时段第i个节点的电压越限恢复率PVORR,t,i为:
其中,TO,t,i,m、TR,t,i,m和VO,t,i,m分别表示t时段第i个节点第m次电压越限的时刻、恢复的时刻和越限的电压值,VR,i表示第i个节点的标准电压值,MO,t,i和MR,t,i分别表示t时段第i个节点的电压越限次数和电压越限恢复次数,若该节点没有发生过越限,则RVORR,t,i=0,所以,电网t时段的电压越限恢复率PVORR,t为:
其中,N为统计电网节点的个数。
电网t时段的频率越限恢复率PFORR,t为:
其中,TO,t,m、TR,t,m和FO,t,m分别表示t时段第m次频率越限的时刻、恢复的时刻和越限的频率值,50是电网标准频率值,MO,t和MR,t分别表示t时段频率越限的次数和越限后恢复的次数。
所述故障状态下自愈性指标包括自愈速度指标、自愈率指标、自愈控制操作复杂度指标、自愈投入费用与效果比指标。
将负荷分为普通负荷、敏感负荷和严格负荷,普通负荷是指供电中断造成的损失与社会影响较小的负荷,敏感负荷是指供电中断几个周波会对其造成影响的负荷,严格负荷是指供电中断一周波就会对其造成严重影响的负荷;
将自愈速度指标分为四级:一级自愈速度,毫秒级,一周波内自愈;二级自愈速度,周波级,一周波以上,几十毫秒以内自愈;三级自愈速度,秒级,几秒钟内自愈;四级自愈速度,分钟级,3分钟内自愈;若在四级自愈速度内没有自愈,则认为不自愈;
普通负荷在四级自愈速度指标下的评价依次为很好、很好、好、一般;
敏感负荷在四级自愈速度指标下的评价依次为很好、好、一般、差;
严格负荷在四级自愈速度指标下的评价依次为很好、差、差、差。
自愈率RSHR为:
其中,ω1、ω2、ω3分别表示各级负荷的权重系数,P1,t、P2,t、P3,t分别表示实际恢复的各级负荷,L1,t、L2,t、L3,t分别表示各级负荷在t时刻的原始负荷需求,T表示允许自愈时间,T等于3分钟。
所述步骤C具体包括以下步骤:
C1、对评估值无量纲化处理;
C2、求评价值
设X和U分别为方案集和属性集,评价者给出方案xi∈X在属性uj∈U下的语言评估值rij,并得到语言评估矩阵R=(rij)nm,属性的权重向量为ω=(ω1,ω2,…,ωm),根据公式fij=rij·wj求得加权后的评价值;
C3、寻找最优最劣解
找到每一列的最优解记为最优解向量为
找到每一列的最劣解记为最劣解向量为
C4、计算各评价对象与最优向量的欧式距离最劣向量的欧式距离
C5、计算各目标的相对贴近程度并根据贴近度排序,得到评价结果。
与现有技术相比,本发明的有益效果为:
本发明一种基于TOPSIS的智能电网自愈性水平评估方法先提供智能电网自愈性水平评估体系,再根据智能电网自愈性水平评估体系、专家的试验数据和智能电网的统计数据计算智能电网自愈性水平评估体系中各指标评估值,然后利用TOPSIS综合评价方法对智能电网的自愈性水平进行评估;上述评估方法全面客观,并在此基础上注重了电网自愈性的工程实现,方法科学合理,对智能配电网自愈性水平的探索性发展具有意义。
附图说明
图1是本发明一种基于TOPSIS的智能电网自愈性水平评估方法的流程图。
图2是本发明的实施例中的六区段智能配电网测试图。
具体实施方式
以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1,一种基于TOPSIS的智能电网自愈性水平评估方法,该方法包括以下步骤:
A、提供智能电网自愈性水平评估体系;
B、根据步骤A中的智能电网自愈性水平评估体系、专家的试验数据和智能电网的统计数据计算智能电网自愈性水平评估体系中各指标评估值;
C、利用TOPSIS综合评价方法对智能电网的自愈性水平进行评估。
所述智能电网自愈性水平评估体系包括不正常状态下自愈性指标和故障状态下自愈性指标。
所述不正常状态下自愈性指标包括电压越限恢复率指标、频率越限恢复率指标、同步震荡持续时间指标和异步震荡调节成功时间指标。
t时段第i个节点的电压越限恢复率PVORR,t,i为:
其中,TO,t,i,m、TR,t,i,m和VO,t,i,m分别表示t时段第i个节点第m次电压越限的时刻、恢复的时刻和越限的电压值,VR,i表示第i个节点的标准电压值,MO,t,i和MR,t,i分别表示t时段第i个节点的电压越限次数和电压越限恢复次数,若该节点没有发生过越限,则PVORR,t,i=0,所以,电网t时段的电压越限恢复率PVORR,t为:
其中,N为统计电网节点的个数。
电网t时段的频率越限恢复率PFORR,t为:
其中,TO,t,m、TR,t,m和TO,t,m分别表示t时段第m次频率越限的时刻、恢复的时刻和越限的频率值,50是电网标准频率值,MO,t和MR,t分别表示t时段频率越限的次数和越限后恢复的次数。
所述故障状态下自愈性指标包括自愈速度指标、自愈率指标、自愈控制操作复杂度指标、自愈投入费用与效果比指标。
将负荷分为普通负荷、敏感负荷和严格负荷,普通负荷是指供电中断造成的损失与社会影响较小的负荷,敏感负荷是指供电中断几个周波会对其造成影响的负荷,严格负荷是指供电中断一周波就会对其造成严重影响的负荷;
将自愈速度指标分为四级:一级自愈速度,毫秒级,一周波内自愈;二级自愈速度,周波级,一周波以上,几十毫秒以内自愈;三级自愈速度,秒级,几秒钟内自愈;四级自愈速度,分钟级,3分钟内自愈;若在四级自愈速度内没有自愈,则认为不自愈;
普通负荷在四级自愈速度指标下的评价依次为很好、很好、好、一般;
敏感负荷在四级自愈速度指标下的评价依次为很好、好、一般、差;
严格负荷在四级自愈速度指标下的评价依次为很好、差、差、差。
自愈率RSHR为:
其中,ω1、ω2、ω3分别表示各级负荷的权重系数,P1,t、P2,t、P3,t分别表示实际恢复的各级负荷,L1,t、L2,t、L3,t分别表示各级负荷在t时刻的原始负荷需求,T表示允许自愈时间,T等于3分钟。
所述步骤C具体包括以下步骤:
C1、对评估值无量纲化处理;
C2、求评价值
设X和U分别为方案集和属性集,评价者给出方案xi∈X在属性uj∈U下的语言评估值rij,并得到语言评估矩阵R=(rij)nm,属性的权重向量为ω=(ω1,ω2,…,ωm),根据公式fij=rij·wj求得加权后的评价值;
C3、寻找最优最劣解
找到每一列的最优解记为最优解向量为
找到每一列的最劣解记为最劣解向量为
C4、计算各评价对象与最优向量的欧式距离最劣向量的欧式距离
C5、计算各目标的相对贴近程度并根据贴近度排序,得到评价结果。
本发明的原理说明如下:
针对自愈速度这一指标,考虑到故障时间对不同负荷的影响程度不同,将负荷分为普通负荷、敏感负荷和严格负荷。普通负荷指供电中断造成的损失与社会影响较小的负荷,如普通照明、家用电器等等;敏感负荷指供电中断几个周波会对其造成影响的负荷,如变频调速装置等;严格负荷指对供电要求特别高,出现一周波供电中断就会对其造成严重影响的负荷,如银行与证券中心的计算机系统。
不同负荷要求的自愈速度不同,对不同负荷的自愈速度评价指标也就不一样。
电网t时段的频率越限恢复率PFORR,t与电压越限恢复率PVORR,t计算方法类似。
计算自愈率RSHR时需要考虑负荷的重要等级,负荷大小。
实施例:
参见图1,一种基于TOPSIS的智能电网自愈性水平评估方法,该方法包括以下步骤:
A、提供智能电网自愈性水平评估体系;
所述智能电网自愈性水平评估体系包括不正常状态下自愈性指标和故障状态下自愈性指标;
所述不正常状态下自愈性指标包括电压越限恢复率指标、频率越限恢复率指标、同步震荡持续时间指标和异步震荡调节成功时间指标;
所述故障状态下自愈性指标包括自愈速度指标、自愈率指标、自愈控制操作复杂度指标、自愈投入费用与效果比指标;
B、根据步骤A中的智能电网自愈性水平评估体系、专家的试验数据和智能电网的统计数据计算智能电网自愈性水平评估体系中各指标评估值;
为了体现电压越限恢复速度和恢复结果,t时段第i个节点的电压越限恢复率RVORR,t,i为:
其中,TO,t,i,m、TR,t,i,m和VO,t,i,m分别表示t时段第i个节点第m次电压越限的时刻、恢复的时刻和越限的电压值,VR,i表示第i个节点的标准电压值,MO,t,i和MR,t,i分别表示t时段第i个节点的电压越限次数和电压越限恢复次数,若该节点没有发生过越限,则PVORR,t,i=0,所以,电网t时段的电压越限恢复率PVORR,t为:
其中,N为统计电网节点的个数;
电网t时段的频率越限恢复率PFORR,t为:
其中,TO,t,m、TR,t,m和FO,t,m分别表示t时段第m次频率越限的时刻、恢复的时刻和越限的频率值,50是电网标准频率值,MO,t和MR,t分别表示t时段频率越限的次数和越限后恢复的次数;
将负荷分为普通负荷、敏感负荷和严格负荷,普通负荷是指供电中断造成的损失与社会影响较小的负荷,敏感负荷是指供电中断几个周波会对其造成影响的负荷,严格负荷是指供电中断一周波就会对其造成严重影响的负荷;
将自愈速度指标分为四级:一级自愈速度,毫秒级,一周波内自愈;二级自愈速度,周波级,一周波以上,几十毫秒以内自愈;三级自愈速度,秒级,几秒钟内自愈;四级自愈速度,分钟级,3分钟内自愈;若在四级自愈速度内没有自愈,则认为不自愈;可以看出,在一级速度内恢复,对严格负荷影响不大;在二级速度内恢复,严格负荷受到影响,对敏感负荷影响不大;在三级速度内恢复,敏感负荷受到影响;在四级速度内恢复,影响敏感负荷的正常运行;
表1不同负荷的自愈速度评价
如果没有达到四级速度愈合,均认为不愈合,愈合速度效果极差;
自愈率RSHR为:
其中,ω1、ω2、ω3分别表示各级负荷的权重系数,P1,t、P2,t、P3,t分别表示实际恢复的各级负荷,L1,t、L2,t、L3,t分别表示各级负荷在t时刻的原始负荷需求,T表示允许自愈时间,T等于3分钟;
C、利用TOPSIS综合评价方法对智能电网的自愈性水平进行评估,具体包括以下步骤:
C1、对评估值无量纲化处理;
C2、求评价值
设X和U分别为方案集和属性集,评价者给出方案xi∈X在属性uj∈U下的语言评估值rij,并得到语言评估矩阵R=(rij)nm,属性的权重向量为ω=(ω1,ω2,…,ωm),根据公式fij=rij·wj求得加权后的评价值;
C3、寻找最优最劣解
找到每一列的最优解记为最优解向量为
找到每一列的最劣解记为最劣解向量为
C4、计算各评价对象与最优向量的欧式距离最劣向量的欧式距离
C5、计算各目标的相对贴近程度并根据贴近度排序,得到评价结果。
参见图2,本设计构建了六区段智能配电网测试算例,利用MATLAB进行仿真证明。实际配电网系统节点多,可以划分区域,每个小区域的自愈性按本设计的方法计算再结合起来得到实际配电网的自愈性。算例中共有4条馈线,馈线1与馈线2通过常开联络开关S6连接;馈线3与馈线4为双环运行,为敏感负荷的无缝自愈提供条件,负荷主要为居民和商业负荷。S1、S5、S7、S8为变电站内馈线断路器;ST1、ST2、ST3、ST4为变压器两边的断路器;S2、S3、S4、S9为线路上的开关。系统总负荷的最大值为10MW,其中节点1、2、3、4、6、7、8、11为三级负荷,9为二级负荷,5和10为一级负荷;另外,节点10为敏感负荷。一、二、三级负荷权重系数根据专家判断分别取值为0.6、0.3、0.1;敏感负荷和普通负荷权重系数根据专家判断分别取值为0.7和0.3。馈线1的光伏电站容量为400KW,馈线1的光伏电站额定容量为400KW。
选取断面时刻12点,分别对算例中6个区段设置故障并进行自愈性分析。计算全天不同时刻的不正常状态下自愈性指标和故障状态下自愈性指标。
表2不正常状态下自愈性指标
表3故障状态下自愈性指标
根据基于TOPSIS的评价方法计算不同时间点的贴近度。
表4系统不同时间点的贴近度
时刻 贴近度
6点 0.258
12点 0.394
18点 0.830
24点 0.721
由表4可以看出,系统18点的自愈性最好,其次是24点、12点,6点的自愈性最差。

Claims (9)

1.一种基于TOPSIS的智能电网自愈性水平评估方法,其特征在于,该方法包括以下步骤:
A、提供智能电网自愈性水平评估体系;
B、根据步骤A中的智能电网自愈性水平评估体系、专家的试验数据和智能电网的统计数据计算智能电网自愈性水平评估体系中各指标评估值;
C、利用TOPSIS综合评价方法对智能电网的自愈性水平进行评估。
2.根据权利要求1所述的一种基于TOPSIS的智能电网自愈性水平评估方法,其特征在于:所述智能电网自愈性水平评估体系包括不正常状态下自愈性指标和故障状态下自愈性指标。
3.根据权利要求2所述的一种基于TOPSIS的智能电网自愈性水平评估方法,其特征在于:所述不正常状态下自愈性指标包括电压越限恢复率指标、频率越限恢复率指标、同步震荡持续时间指标和异步震荡调节成功时间指标。
4.根据权利要求3所述的一种基于TOPSIS的智能电网自愈性水平评估方法,其特征在于:
t时段第i个节点的电压越限恢复率PVORR,t,i为:
其中,TO,t,i,m、TR,t,i,m和VO,t,i,m分别表示t时段第i个节点第m次电压越限的时刻、恢复的时刻和越限的电压值,VR,i表示第i个节点的标准电压值,MO,t,i和MR,t,i分别表示t时段第i个节点的电压越限次数和电压越限恢复次数,若该节点没有发生过越限,则PVORR,t,i=0,所以,电网t时段的电压越限恢复率PVORR,t为:
其中,N为统计电网节点的个数。
5.根据权利要求3所述的一种基于TOPSIS的智能电网自愈性水平评估方法,其特征在于:
电网t时段的频率越限恢复率PFORR,t为:
其中,TO,t,m、TR,t,m和FO,t,m分别表示t时段第m次频率越限的时刻、恢复的时刻和越限的频率值,50是电网标准频率值,MO,t和MR,t分别表示t时段频率越限的次数和越限后恢复的次数。
6.根据权利要求2所述的一种基于TOPSIS的智能电网自愈性水平评估方法,其特征在于:所述故障状态下自愈性指标包括自愈速度指标、自愈率指标、自愈控制操作复杂度指标、自愈投入费用与效果比指标。
7.根据权利要求6所述的一种基于TOPSIS的智能电网自愈性水平评估方法,其特征在于:
将负荷分为普通负荷、敏感负荷和严格负荷,普通负荷是指供电中断造成的损失与社会影响较小的负荷,敏感负荷是指供电中断几个周波会对其造成影响的负荷,严格负荷是指供电中断一周波就会对其造成严重影响的负荷;
将自愈速度指标分为四级:一级自愈速度,毫秒级,一周波内自愈;二级自愈速度,周波级,一周波以上,几十毫秒以内自愈;三级自愈速度,秒级,几秒钟内自愈;四级自愈速度,分钟级,3分钟内自愈;若在四级自愈速度内没有自愈,则认为不自愈;
普通负荷在四级自愈速度指标下的评价依次为很好、很好、好、一般;
敏感负荷在四级自愈速度指标下的评价依次为很好、好、一般、差;
严格负荷在四级自愈速度指标下的评价依次为很好、差、差、差。
8.根据权利要求6所述的一种基于TOPSIS的智能电网自愈性水平评估方法,其特征在于:
自愈率RSHR为:
其中,ω1、ω2、ω3分别表示各级负荷的权重系数,P1,t、P2,t、P3,t分别表示实际恢复的各级负荷,L1,t、L2,t、L3,t分别表示各级负荷在t时刻的原始负荷需求,T表示允许自愈时间,T等于3分钟。
9.根据权利要求1所述的一种基于TOPSIS的智能电网自愈性水平评估方法,其特征在于:所述步骤C具体包括以下步骤:
C1、对评估值无量纲化处理;
C2、求评价值
设X和U分别为方案集和属性集,评价者给出方案xi∈X在属性uj∈U下的语言评估值rij,并得到语言评估矩阵R=(rij)nm,属性的权重向量为ω=(ω1,ω2,…,ωm),根据公式fij=rij·wj求得加权后的评价值;
C3、寻找最优最劣解
找到每一列的最优解记为最优解向量为
找到每一列的最劣解记为最劣解向量为
C4、计算各评价对象与最优向量的欧式距离最劣向量的欧式距离
C5、计算各目标的相对贴近程度并根据贴近度排序,得到评价结果。
CN201910087445.0A 2019-01-29 2019-01-29 一种基于topsis的智能电网自愈性水平评估方法 Active CN109816254B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910087445.0A CN109816254B (zh) 2019-01-29 2019-01-29 一种基于topsis的智能电网自愈性水平评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910087445.0A CN109816254B (zh) 2019-01-29 2019-01-29 一种基于topsis的智能电网自愈性水平评估方法

Publications (2)

Publication Number Publication Date
CN109816254A true CN109816254A (zh) 2019-05-28
CN109816254B CN109816254B (zh) 2021-02-09

Family

ID=66605709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910087445.0A Active CN109816254B (zh) 2019-01-29 2019-01-29 一种基于topsis的智能电网自愈性水平评估方法

Country Status (1)

Country Link
CN (1) CN109816254B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113055237A (zh) * 2021-05-12 2021-06-29 广东电网有限责任公司 配网主站协同式自愈可信度确定方法、装置和存储介质
CN113112142A (zh) * 2021-04-07 2021-07-13 国网新疆电力有限公司经济技术研究院 智能配电网自愈能力评估方法
CN113131615A (zh) * 2021-04-20 2021-07-16 广东电网有限责任公司 一种配网主站自愈技术评价方法及系统
CN113964816A (zh) * 2020-12-11 2022-01-21 广东电网有限责任公司佛山供电局 一种配网馈线故障自愈率的分析方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104701831A (zh) * 2015-03-30 2015-06-10 国家电网公司 配电网自愈控制方法
CN105303466A (zh) * 2015-11-17 2016-02-03 福州大学 一种基于ahp-gra的智能电网工程项目的综合评价方法
CN106655158A (zh) * 2016-10-26 2017-05-10 珠海许继芝电网自动化有限公司 一种基于智能电网的配电网自愈控制系统和方法
CN107317335A (zh) * 2017-09-04 2017-11-03 云南电网有限责任公司电力科学研究院 一种故障配电网恢复的方法及装置
CN108306285A (zh) * 2018-01-08 2018-07-20 厦门大学 基于topsis法的含分布式电源的主动配电网可靠性评估方法
CN109034511A (zh) * 2017-06-12 2018-12-18 华北电力大学 基于改进Topsis法的配电网投资决策分析模型
CN109242308A (zh) * 2018-09-05 2019-01-18 西南交通大学 计及负荷不确定性的配电网故障恢复方案区间评估方法
CN109242273A (zh) * 2018-08-20 2019-01-18 西南交通大学 一种配电网故障恢复方案群体评估方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104701831A (zh) * 2015-03-30 2015-06-10 国家电网公司 配电网自愈控制方法
CN105303466A (zh) * 2015-11-17 2016-02-03 福州大学 一种基于ahp-gra的智能电网工程项目的综合评价方法
CN106655158A (zh) * 2016-10-26 2017-05-10 珠海许继芝电网自动化有限公司 一种基于智能电网的配电网自愈控制系统和方法
CN109034511A (zh) * 2017-06-12 2018-12-18 华北电力大学 基于改进Topsis法的配电网投资决策分析模型
CN107317335A (zh) * 2017-09-04 2017-11-03 云南电网有限责任公司电力科学研究院 一种故障配电网恢复的方法及装置
CN108306285A (zh) * 2018-01-08 2018-07-20 厦门大学 基于topsis法的含分布式电源的主动配电网可靠性评估方法
CN109242273A (zh) * 2018-08-20 2019-01-18 西南交通大学 一种配电网故障恢复方案群体评估方法
CN109242308A (zh) * 2018-09-05 2019-01-18 西南交通大学 计及负荷不确定性的配电网故障恢复方案区间评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李天友等: "智能配电网自愈功能与评价指标", 《电力系统保护与控制》 *
李振坤等: "智能配电网故障后自愈能力评估", 《电网技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113964816A (zh) * 2020-12-11 2022-01-21 广东电网有限责任公司佛山供电局 一种配网馈线故障自愈率的分析方法
CN113112142A (zh) * 2021-04-07 2021-07-13 国网新疆电力有限公司经济技术研究院 智能配电网自愈能力评估方法
CN113131615A (zh) * 2021-04-20 2021-07-16 广东电网有限责任公司 一种配网主站自愈技术评价方法及系统
CN113055237A (zh) * 2021-05-12 2021-06-29 广东电网有限责任公司 配网主站协同式自愈可信度确定方法、装置和存储介质

Also Published As

Publication number Publication date
CN109816254B (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
CN109816254A (zh) 一种基于topsis的智能电网自愈性水平评估方法
CN106655159B (zh) 一种新能源电站一次调频能力测试系统及其测试方法
Rahmatian et al. Transient stability assessment via decision trees and multivariate adaptive regression splines
Nolasco et al. Wavelet-fuzzy power quality diagnosis system with inference method based on overlap functions: Case study in an AC microgrid
CN102611140B (zh) 基于小波变换与神经网络的并网逆变器孤岛检测方法
Zand et al. Fault locating transmission lines with thyristor-controlled series capacitors By fuzzy logic method
CN105759167A (zh) 一种基于小波神经网络的配电网单相短路选线方法
Ge et al. Evaluation of the situational awareness effects for smart distribution networks under the novel design of indicator framework and hybrid weighting method
CN105006819A (zh) 一种黑启动方案评价方法
CN104319785A (zh) 一种基于源流路径电气剖分的风电系统关键节点识别方法
Sima et al. Edge–cloud collaboration detection approach for small-sample imbalanced faults in power lines
CN107947183A (zh) 基于微分进化的含三端snop的配电网自适应优化方法
Nsaif et al. Island detection for grid connected photovoltaic distributed generations via integrated signal processing and machine learning approach
CN113657619B (zh) 考虑故障连锁的关键弹性提升元件辨识及故障恢复方法
CN111080149A (zh) 一种高中低压一体化配电网络可靠性混合计算方法
Wang et al. Early warning of distribution transformer based on bp neural network considering the influence of extreme weather
CN111404163A (zh) 一种电磁环网开环方法
CN107994586B (zh) 一种高、低压电网电压动态响应解耦方法
Wang et al. Synthetic data in DC microgrids: Label creation for ensemble learning for fault isolation
CN112595932B (zh) 一种适用于中压直流配电网的单极故障选线方法
CN104201684B (zh) 一种基于负荷控制灵敏度的低频低压减载优化控制方法
Cao et al. Quantitative Analysis of Dynamic Response Features of Sending-end Power Grid under LCC-HVDC Blocking
Li et al. Comprehensive evaluation of impacts of high penetration distributed generation integration in distribution network
Tang et al. Power system inertia estimation based on 1-dimensional deep convolution neural network
Mao et al. Lightning Protection Performance Evaluation with Low Voltage Microgrid System of Photovoltaic Power Generation and Storage

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