CN109917175A - 一种针对高抗退出时的过电压快速预测方法 - Google Patents
一种针对高抗退出时的过电压快速预测方法 Download PDFInfo
- Publication number
- CN109917175A CN109917175A CN201910181972.8A CN201910181972A CN109917175A CN 109917175 A CN109917175 A CN 109917175A CN 201910181972 A CN201910181972 A CN 201910181972A CN 109917175 A CN109917175 A CN 109917175A
- Authority
- CN
- China
- Prior art keywords
- overvoltage
- high anti
- neural network
- arc current
- network model
- 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.)
- Pending
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种针对高抗退出时的过电压快速预测方法，包括：选择特征量；利用所述特征量进行工频过电压、潜供电流、操作过电压的仿真计算，生成仿真样本集；构造BP神经网络模型；利用所述仿真样本集对所述BP神经网络模型进行训练；将实际特征量输入所述BP神经网络模型，计算工频过电压、潜供电流、操作过电压的预测值；根据所述预测值，利用边界条件对高抗退出提出指导性运行建议。本发明以实际的大批量仿真计算结果和实测过电压为样本，采用人工智能方法，实现送端电网高抗退出时工频过电压、潜供电流、操作过电压的快速预测，实现高抗退出时特别是单侧高抗退出时工频过电压的准确预判，保障送端电网送电能力和电力系统的安全稳定运行。
Description
技术领域
本申请涉及输变电技术领域，尤其涉及一种针对高抗退出时的过电压快速预测方法。
背景技术
随着电力系统的跨区域互联，电网的规模越来越大，而且由于能源分布不均，存在集中发电的送端电网，送端发电厂通常处于地质恶劣地区，送端大容量输电线路存在由于地质灾害等导致高抗退出的情况。由于高抗退出而让线路退出运行，严重影响送端电网的电能输送，给国民经济带来损失。因此，研究高抗退出情况下，特别是单侧高抗退出情况下线路的继续运行能力和过电压风险，对保障送端电网电力连续送出显得十分重要。
高抗退出时线路的继续运行包括许多问题，例如工频过电压、潜供电流和恢复电压、操作过电压等，高抗退出时线路的继续运行需要大量的计算分析，并包含大量的人类智能活动，是一项非常重要而繁重的工作。
但是，现有技术对高抗退出时线路继续运行的建模仿真计算过程非常复杂，同时存在参数配合不当或填写错误产生振荡问题，运行仿真程序EMTP或者PSCAD依赖于专业操作人员的仿真技术与仿真经验，容易造成仿真结果不准确，无法对高抗退出时产生的过电压进行准确预判，影响送端电网送电能力和电力系统的安全稳定运行。
发明内容
本申请提供了一种针对高抗退出时的过电压快速预测方法，以解决现有技术中无法对高抗退出时产生的过电压进行准确预判的技术问题。
为了解决上述技术问题，本申请实施例公开了如下技术方案：
本申请实施例公开了一种针对高抗退出时的过电压快速预测方法，包括：
选择特征量；利用所述特征量进行工频过电压、潜供电流、操作过电压的仿真计算，生成仿真样本集；构造BP神经网络模型；利用所述仿真样本集对所述BP神经网络模型进行训练；将实际特征量输入所述BP神经网络模型，计算工频过电压、潜供电流、操作过电压的预测值；根据所述预测值，利用边界条件对高抗退出提出指导性运行建议。
可选的，所述特征量包括：线路长度、系统正序与零序电抗的最大值、中性点小抗补偿度、线路避雷器额定电压标么值。
可选的，所述中性点小抗补偿度的计算方法为：
式(1)σ代表中性点小抗补偿度，XT代表线路单侧高抗电抗值；XT0代表线路中性点小抗电抗值；B0代表线路相间零序电纳值。
可选的，所述针对高抗退出时的过电压快速预测方法还包括：对电力系统实测过数据进行统计，生成实测样本集；利用所述实测样本集对所述BP神经网络模型进行测试和预测方法性能的评估。
可选的，所述利用边界条件对高抗退出提出指导性运行建议包括：
系统的工频过电压判断边界：线路断路器的变电所侧过电压＞1.3p.u或线路断路器的线路侧＞1.4p.u，判定为“不能运行”；
潜供电流引起的重合闸时间判断边界：通过潜供电流计算出的重合闸时间＞0.9s，判定为“重合闸时间改为n s以上或者退出重合闸”，其中n为根据当时的整定值，参看重合闸计算时间，综合考虑修正值。
操作过电压判断边界：500kV相对地操作过电压＞2.0p.u.或者相间操作过电压＞3.9p.u.时，判定为“不能运行”。
可选的，所述潜供电流引起的重合闸时间的计算公式为：t≈0.25×(0.1*I+1)(2)，其中I代表潜供电流的电流值，t代表重合闸时间。
可选的，所述BP神经网络模型分为三层结构，包括输入层、隐含层和输出层；其中所述输入层包含四个神经元，分别对应四个所述特征量；所述输出层包含三个神经元，分别代表最大工频过电压潜供电流Iq、最大操作过电压
与现有技术相比，本申请的有益效果为：
本申请提供了一种针对高抗退出时的过电压快速预测方法，包括：选择特征量，所述特征量包括：线路长度、系统正序与零序电抗的最大值、中性点小抗补偿度、线路避雷器额定电压标么值；利用所述特征量进行工频过电压、潜供电流、操作过电压的仿真计算，生成仿真样本集；构造BP神经网络模型；利用所述仿真样本集对所述BP神经网络模型进行训练；将实际特征量输入所述BP神经网络模型，计算工频过电压、潜供电流、操作过电压的预测值；根据所述预测值，利用边界条件对高抗退出提出指导性运行建议。本发明以实际的大批量仿真计算结果和实测过电压为样本，采用人工智能方法，实现送端电网高抗退出时工频过电压、潜供电流、操作过电压的快速预测，防止由于高抗退出导致的线路退出导致送端电网电能送出受限，实现高抗退出时特别是单侧高抗退出时工频过电压的准确预判，保障送端电网送电能力和电力系统的安全稳定运行。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
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为本申请实施例提供的一种针对高抗退出时的过电压快速预测方法的流程示意图；
图2为本申请实施例提供的一种BP神经网络模型设计框架示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
参见图1，为本申请实施例提供的一种针对高抗退出时的过电压快速预测方法的流程示意图，本申请实施例提供了一种针对高抗退出时的过电压快速预测方法，包括：
选择特征量，所述特征量包括：线路长度、系统正序与零序电抗的最大值、中性点小抗补偿度、线路避雷器额定电压标么值。
其中，所述中性点小抗补偿度的计算方法为：
式(1)σ代表中性点小抗补偿度，XT代表线路单侧高抗电抗值；XT0代表线路中性点小抗电抗值；B0代表线路相间零序电纳值。
利用所述特征量进行工频过电压、潜供电流、操作过电压的仿真计算，生成仿真样本集。本申请实施例中仿真样本集数据采用基于EMTDC/PSCAD仿真的训练数据生成，电力系统实测过电压的数据生成直接采用故障录波数据进行统计分析。
本申请实施例中工频过电压的仿真计算方法采用无断路器操作的仿真方法，具体的，仿真中考虑三种跳闸方式：无故障跳开三相线路、单相接地跳开三相线路和两相接地跳开三相线路。跳开B侧断路器，A侧断路器保持一直合闸状态，在线路末端(B侧)无故障、单相接地故障、两相接地故障情况下，监测三相对地电压最大值，即为“B侧三相跳开”工频过电压值；跳开A侧断路器，B侧断路器保持一直合闸状态，在线路末端(A侧)无故障、单相接地故障、两相接地故障情况下，监测三相对地电压最大值，即为“A侧三相跳开”工频过电压值。只仿真线路末端无故障、单相接地故障、两相接地故障情况的工频过电压，是因为在线路末端故障时，工频过电压值最高。
潜供电流和恢复电压的仿真计算方法依然采用无断路器操作的方法。具体的，双侧断路器断开其中一相，其他两相持续运行，在断开相的A、B两侧分别加接地故障，接地点的电流即为潜供电流，故障消失时，A、B两侧的电压较大值则为恢复电压。
操作过电压的仿真计算方法为对线路的空载线路合闸过电压和单相重合闸过电压进行统计分析。不考虑断路器合闸三相不同时的影响，空载线路合闸过电压采用三相同时合闸进行仿真计算；不考虑双侧断路器不同时重合的影响，单相重合闸时，采用双侧断路器同时重合进行仿真计算。操作过电压均取多次仿真的最大统计过电压。
采用上述工频过电压、潜供电流、操作过电压的仿真计算方法，进行特征量的连续变化仿真计算，生产大量仿真样本集。
构造BP神经网络模型；参见图2，为本申请实施例提供的一种BP神经网络模型设计框架示意图，所述BP神经网络模型分为三层结构，包括输入层、隐含层和输出层；其中所述输入层包含四个神经元，分别对应四个所述特征量；所述输出层包含三个神经元，分别代表最大工频过电压潜供电流Iq、最大操作过电压
其中，神经网络模型的样本误差：
式(2)中，代表第i个样本神经网络模型统计最大工频过电压的输出值，代表第i个样本最大工频过电压的仿真值，Δu50代表神经网络模型样本最大工频过电压的样本误差。
式(3)中，Iq(i)代表第i个样本神经网络模型统计潜供电流的输出值，代表第i个样本潜供电流的仿真值，ΔIq代表神经网络模型样本潜供电流的样本误差。
式(4)中，UC(i)代表第i个样本神经网络模型统计最大操作过电压的输出值，代表第i个样本最大操作过电压的仿真值，ΔUc代表神经网络模型样本最大操作过电压的样本误差。
利用所述仿真样本集对所述BP神经网络模型进行训练；对电力系统实测过数据进行统计，生成实测样本集；利用所述实测样本集对所述BP神经网络模型进行测试和预测方法性能的评估。
本申请实施例借助matlab神经网络工具箱完成BP神经网络模型的设计和分析。神经网络模型构造完成以后，采用仿真程序或系统实测数据对其进行训练。进一步，基于实际电力系统参数的新样本测试与预测方法性能评估。或者，对采用仿真程序和系统实测的样本集分为两部分，一部分用于训练，另一部分用于样本测试和性能评估。
将实际特征量输入所述BP神经网络模型，计算工频过电压、潜供电流、操作过电压的预测值。根据所述预测值，利用边界条件对高抗退出提出指导性运行建议。
所述利用边界条件对高抗退出提出指导性运行建议包括：
系统的工频过电压判断边界：线路断路器的变电所侧过电压＞1.3p.u或线路断路器的线路侧＞1.4p.u，判定为“不能运行”；
潜供电流引起的重合闸时间计算方法，根据重合闸时间与潜供电流之间的经验公式：t≈0.25×(0.1*I+1)，其中I代表潜供电流的电流值，t代表重合闸时间。
潜供电流引起的重合闸时间判断边界：通过潜供电流计算出的重合闸时间＞0.9s，判定为“重合闸时间改为n s以上或者退出重合闸”，其中n为根据当时的整定值，参看重合闸计算时间，综合考虑修正值。
操作过电压判断边界：500kV相对地操作过电压＞2.0p.u.或者相间操作过电压＞3.9p.u.时，判定为“不能运行”；
线路合闸侧的判断：当安自装置采用单侧判投停/防误时，线路合闸采用另一侧进行合闸；当安自装置采用双侧判投停/防误时，线路合闸采用任意一侧均可。
本申请实施例提供了一种针对高抗退出时的过电压快速预测方法，包括：选择特征量；利用所述特征量进行工频过电压、潜供电流、操作过电压的仿真计算，生成仿真样本集；构造BP神经网络模型；利用所述仿真样本集对所述BP神经网络模型进行训练；将实际特征量输入所述BP神经网络模型，计算工频过电压、潜供电流、操作过电压的预测值；根据所述预测值，利用边界条件对高抗退出提出指导性运行建议。本发明以实际的大批量仿真计算结果和实测过电压为样本，采用人工智能方法，实现送端电网高抗退出时工频过电压、潜供电流、操作过电压的快速预测，防止由于高抗退出导致的线路退出导致送端电网电能送出受限，实现高抗退出时特别是单侧高抗退出时工频过电压的准确预判，保障送端电网送电能力和电力系统的安全稳定运行。
由于以上实施方式均是在其他方式之上引用结合进行说明，不同实施例之间均具有相同的部分，本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。
需要说明的是，在本说明书中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种电路结构、物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个……”限定的要素，并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。
本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求的内容指出。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。
Claims (7)
1.一种针对高抗退出时的过电压快速预测方法，其特征在于，包括：
选择特征量；
利用所述特征量进行工频过电压、潜供电流、操作过电压的仿真计算，生成仿真样本集；
构造BP神经网络模型；
利用所述仿真样本集对所述BP神经网络模型进行训练；
将实际特征量输入所述BP神经网络模型，计算工频过电压、潜供电流、操作过电压的预测值；
根据所述预测值，利用边界条件对高抗退出提出指导性运行建议。
2.根据权利要求1所述的针对高抗退出时的过电压快速预测方法，其特征在于，所述特征量包括：线路长度、系统正序与零序电抗的最大值、中性点小抗补偿度、线路避雷器额定电压标么值。
3.根据权利要求2所述的针对高抗退出时的过电压快速预测方法，其特征在于，所述中性点小抗补偿度的计算方法为：
式(1)σ代表中性点小抗补偿度，XT代表线路单侧高抗电抗值；XT0代表线路中性点小抗电抗值；B0代表线路相间零序电纳值。
4.根据权利要求1所述的针对高抗退出时的过电压快速预测方法，其特征在于，还包括：对电力系统实测数据进行统计，生成实测样本集；
利用所述实测样本集对所述BP神经网络模型进行测试和预测方法性能的评估。
5.根据权利要求1所述的针对高抗退出时的过电压快速预测方法，其特征在于，所述利用边界条件对高抗退出提出指导性运行建议包括：
系统的工频过电压判断边界：线路断路器的变电所侧过电压＞1.3p.u或线路断路器的线路侧＞1.4p.u，判定为“不能运行”；
潜供电流引起的重合闸时间判断边界：通过潜供电流计算出的重合闸时间＞0.9s，判定为“重合闸时间改为n s以上或者退出重合闸”，其中n为根据当时的整定值，参看重合闸计算时间，综合考虑修正值；
操作过电压判断边界：500kV相对地操作过电压＞2.0p.u.或者相间操作过电压＞3.9p.u.时，判定为“不能运行”。
6.根据权利要求5所述的针对高抗退出时的过电压快速预测方法，其特征在于，所述潜供电流引起的重合闸时间的计算公式为：t≈0.25×(0.1*I+1)，其中I代表潜供电流的电流值，t代表重合闸时间。
7.根据权利要求1所述的针对高抗退出时的过电压快速预测方法，其特征在于，所述BP神经网络模型分为三层结构，包括输入层、隐含层和输出层；其中所述输入层包含四个神经元，分别对应四个所述特征量；所述输出层包含三个神经元，分别代表最大工频过电压潜供电流Iq、最大操作过电压
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910181972.8A CN109917175A (zh) | 2019-03-11 | 2019-03-11 | 一种针对高抗退出时的过电压快速预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910181972.8A CN109917175A (zh) | 2019-03-11 | 2019-03-11 | 一种针对高抗退出时的过电压快速预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109917175A true CN109917175A (zh) | 2019-06-21 |
Family
ID=66964360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910181972.8A Pending CN109917175A (zh) | 2019-03-11 | 2019-03-11 | 一种针对高抗退出时的过电压快速预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109917175A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110990794A (zh) * | 2020-01-03 | 2020-04-10 | 云南电网有限责任公司电力科学研究院 | 一种断路器控制回路可靠性评估方法及装置 |
| CN112234594A (zh) * | 2020-10-09 | 2021-01-15 | 清华大学深圳国际研究生院 | 一种浪涌保护系统及方法 |
| CN112308207A (zh) * | 2020-09-14 | 2021-02-02 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 网络模型训练方法、避雷器过电压电性预测方法和装置 |
| CN113094974A (zh) * | 2021-03-19 | 2021-07-09 | 国网湖北省电力有限公司电力科学研究院 | 一种利用bp神经网络算法进行操作过电压估算的方法 |
| CN113533950A (zh) * | 2021-06-11 | 2021-10-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于BiLSTM的高压断路器操作电压采样方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU907654A1 (ru) * | 1980-06-25 | 1982-02-23 | Производственное Энергетическое Объединение "Днепроэнерго" | Устройство дл ограничени перенапр жений и токов короткого замыкани на высоковольтной подстанции |
| CN102073795A (zh) * | 2011-02-18 | 2011-05-25 | 昆明理工大学 | 一种110kV线缆混合线路操作过电压水平预测方法 |
| CN103259259A (zh) * | 2012-11-14 | 2013-08-21 | 陕西省电力公司规划评审中心 | 一种抑制750kV多FACTS线路电磁暂态问题的高抗配置系统及方法 |
| CN104377642A (zh) * | 2014-12-01 | 2015-02-25 | 国家电网公司 | 一种基于潜供电流和恢复电压的重合闸时间整定方法 |
| US20150112498A1 (en) * | 2013-09-23 | 2015-04-23 | Sureshchandra B Patel | Methods of Patel Loadflow Computation for Electrical Power System |
| CN106324329A (zh) * | 2016-10-25 | 2017-01-11 | 云南电网有限责任公司电力科学研究院 | 一种基于D‑dot原理的过电压自适应识别方法及系统 |
| CN106557813A (zh) * | 2016-10-25 | 2017-04-05 | 华南理工大学 | 燃气轮机分布式供能系统的黑启动方案技术问题评估方法 |
| CN109888722A (zh) * | 2019-01-10 | 2019-06-14 | 中国南方电网有限责任公司 | 一种发电厂出线单相自适应重合闸方法 |
-
2019
- 2019-03-11 CN CN201910181972.8A patent/CN109917175A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU907654A1 (ru) * | 1980-06-25 | 1982-02-23 | Производственное Энергетическое Объединение "Днепроэнерго" | Устройство дл ограничени перенапр жений и токов короткого замыкани на высоковольтной подстанции |
| CN102073795A (zh) * | 2011-02-18 | 2011-05-25 | 昆明理工大学 | 一种110kV线缆混合线路操作过电压水平预测方法 |
| CN103259259A (zh) * | 2012-11-14 | 2013-08-21 | 陕西省电力公司规划评审中心 | 一种抑制750kV多FACTS线路电磁暂态问题的高抗配置系统及方法 |
| US20150112498A1 (en) * | 2013-09-23 | 2015-04-23 | Sureshchandra B Patel | Methods of Patel Loadflow Computation for Electrical Power System |
| CN104377642A (zh) * | 2014-12-01 | 2015-02-25 | 国家电网公司 | 一种基于潜供电流和恢复电压的重合闸时间整定方法 |
| CN106324329A (zh) * | 2016-10-25 | 2017-01-11 | 云南电网有限责任公司电力科学研究院 | 一种基于D‑dot原理的过电压自适应识别方法及系统 |
| CN106557813A (zh) * | 2016-10-25 | 2017-04-05 | 华南理工大学 | 燃气轮机分布式供能系统的黑启动方案技术问题评估方法 |
| CN109888722A (zh) * | 2019-01-10 | 2019-06-14 | 中国南方电网有限责任公司 | 一种发电厂出线单相自适应重合闸方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李膨源 等: "基于神经网络的黑启动操作过电压快速预测", 《电网技术》 * |
| 贾磊 等: "西电东送广东入口线路高压并联电抗器退出情况下过电压水平研究", 《广东电力》 * |
| 郭艳红 等: "《高电压工程》", 31 August 2016, 成都：西南交通大学出版社 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110990794A (zh) * | 2020-01-03 | 2020-04-10 | 云南电网有限责任公司电力科学研究院 | 一种断路器控制回路可靠性评估方法及装置 |
| CN112308207A (zh) * | 2020-09-14 | 2021-02-02 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 网络模型训练方法、避雷器过电压电性预测方法和装置 |
| CN112308207B (zh) * | 2020-09-14 | 2022-09-06 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 网络模型训练方法、避雷器过电压电性预测方法和装置 |
| CN112234594A (zh) * | 2020-10-09 | 2021-01-15 | 清华大学深圳国际研究生院 | 一种浪涌保护系统及方法 |
| CN112234594B (zh) * | 2020-10-09 | 2023-11-10 | 清华大学深圳国际研究生院 | 一种浪涌保护系统及方法 |
| CN113094974A (zh) * | 2021-03-19 | 2021-07-09 | 国网湖北省电力有限公司电力科学研究院 | 一种利用bp神经网络算法进行操作过电压估算的方法 |
| CN113533950A (zh) * | 2021-06-11 | 2021-10-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于BiLSTM的高压断路器操作电压采样方法 |
| CN113533950B (zh) * | 2021-06-11 | 2023-12-26 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于BiLSTM的高压断路器操作电压采样方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109917175A (zh) | 一种针对高抗退出时的过电压快速预测方法 | |
| Khalid et al. | Existing developments in adaptive smart grid protection: A review | |
| Kappenman | Geomagnetic disturbances and impacts upon power system operation | |
| Billinton et al. | A probabilistic index for transient stability | |
| Schweitzer et al. | Advanced real-time synchrophasor applications | |
| Khoshkhoo et al. | On-line dynamic voltage instability prediction based on decision tree supported by a wide-area measurement system | |
| Hines et al. | Topological models and critical slowing down: Two approaches to power system blackout risk analysis | |
| CN108120897A (zh) | 一种基于三相电流不平衡度计算模型的配网单相接地选线方法 | |
| Gaur et al. | Novel fault distance estimation method for three-terminal transmission line | |
| CN109066612B (zh) | 基于机电暂态和电磁暂态结合的操作过电压计算方法 | |
| CN114236288B (zh) | 一种基于输电线路故障定位方法 | |
| Das et al. | Effects of distributed generators on impedance-based fault location algorithms | |
| CN111369388B (zh) | 用于城市电网的对抗脆弱性评估方法及系统 | |
| CN106443334B (zh) | 一种基于零序电流差分极性比较的配电网故障选线方法 | |
| Tang et al. | Resilience enhancement of active distribution networks under extreme disaster scenarios: A comprehensive overview of fault location strategies | |
| Mehinović et al. | Application of artificial intelligence methods for determination of transients in the power system | |
| Wang et al. | Stator single-phase-to-ground fault protection for bus-connected powerformers based on hierarchical clustering algorithm | |
| CN106786564A (zh) | 一种基于动态跟踪的直流受端交流系统电压薄弱区域评估方法 | |
| Adewole | Investigation of methodologies for fault detection and diagnosis in electric power system protection | |
| Tlusty et al. | The monitoring of power system events on transmission and distribution level by the use of phasor measurements units (PMU) | |
| Tsylin et al. | Influence of collection network parameters on performance of distance protection directional elements in offshore wind farms | |
| Ramesh et al. | Wide area monitoring protection and control-A comprehensive application review | |
| Dam et al. | Reliability implications of increased fault currents and breaker failures | |
| Kumar et al. | Adaptive distance relaying for grid-connected line with consideration of single-phase auto-reclosing | |
| El Naily et al. | Improved over-current coordination using artificial intelligence in benghazi MV-Distribution network case study |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190621 |