CN110942197A - 一种智能型供电可靠性指标分级预测方法 - Google Patents

一种智能型供电可靠性指标分级预测方法 Download PDF

Info

Publication number
CN110942197A
CN110942197A CN201911183839.2A CN201911183839A CN110942197A CN 110942197 A CN110942197 A CN 110942197A CN 201911183839 A CN201911183839 A CN 201911183839A CN 110942197 A CN110942197 A CN 110942197A
Authority
CN
China
Prior art keywords
less
sampling
result
current
percent
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
Application number
CN201911183839.2A
Other languages
English (en)
Inventor
凌松
赵爱华
陈金鑫
唐亮
梁晓伟
张靖
张良
陶晓峰
张昭
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201911183839.2A priority Critical patent/CN110942197A/zh
Publication of CN110942197A publication Critical patent/CN110942197A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明属于预测方法，具体涉及一种智能型供电可靠性指标分级预测方法。它包括：步骤一：电网采样，取样的对象包括电压和电流，步骤二：计算，计算所需参数；步骤三：判断，判断计算出的参数是否在特定区间内，并根据特定区间判定风险等级；步骤四：输出，根据步骤三判断的结果，输出电压及电流预测结果。本发明的显著效果是：通过对电压和电流的采样及计算，对电网的稳定性作出了预测，预测结果可以作为后续应对电网波动的参考。

Description

一种智能型供电可靠性指标分级预测方法
技术领域
本发明属于预测方法，具体涉及一种智能型供电可靠性指标分级预测方法。
背景技术
在全球信息化飞速发展的大环境下，各种大型用电设备被安放在各种地方。虽然这些大型用电设备一般从电网中取电、用电，但是电网中的电流或电压会产生随机的脉冲信号，这些脉冲信号对大型用电设备的安全构成了较大的影响。
现有技术中仅仅通过设置稳压装置，后备蓄电池等设施来缓解电网的不稳定因素，没有对电网稳定性预测的方法。
发明内容
本发明针对现有技术的缺陷，提供一种智能型供电可靠性指标分级预测方法。
本发明是这样实现的：一种智能型供电可靠性指标分级预测方法，包括下述步骤：
步骤一：电网采样；
对电网进行不间断采样；
取样的对象包括电压和电流，设用i表示取样次数，则取样可以记为Vi和Ii，
取样时只保留若干个取样值，该若干值记为N，当达到最大取样值以后，没采样一个最新数据，都丢弃最早的一个数据，并且所有同类数据次序向前移一个，
步骤二：计算；
用下述公式计算；
Figure BDA0002291950770000021
Figure BDA0002291950770000022
Figure BDA0002291950770000023
Figure BDA0002291950770000024
Figure BDA0002291950770000025
Figure BDA0002291950770000026
步骤三：判断；
判断下述哪个不等式成立；
0≤VA≤1％且0≤VB≤1.5％
若上述情况成立，则判断结果电压稳定性好；
1％<VA≤1.5％或1.5％<VB≤3％
若上述情况有一个成立，则判断结果电压稳定性有潜在风险；
VA>1.5％或VB>3％
若上述情况有一个成立，则判断结果电压稳定性有较大风险；
0≤IA≤1％且0≤IB≤1.5％
若上述情况成立，则判断结果电流稳定性好；
1％<IA≤1.5％或1.5％<IB≤3％
若上述情况有一个成立，则判断结果电流稳定性有潜在风险；
IA>1.5％或IB>3％
若上述情况有一个成立，则判断结果电流稳定性有较大风险；
步骤四：输出；
根据步骤三判断的结果，输出电压及电流预测结果。
如上所述的一种智能型供电可靠性指标分级预测方法，其中，所述的采样间隔S的取值范围为2毫秒～50毫秒。
如上所述的一种智能型供电可靠性指标分级预测方法，其中，所述的N是指500个。
本发明的显著效果是：通过对电压和电流的采样及计算，对电网的稳定性作出了预测，预测结果可以作为后续应对电网波动的参考。
具体实施方式
一种智能型供电可靠性指标分级预测方法，包括下述步骤：
步骤一：电网采样；
对电网进行不间断采样，采样间隔S的取值范围为2毫秒～50毫秒。
取样的对象包括电压和电流，设用i表示取样次数，则取样可以记为Vi和Ii。
取样时只保留若干个取样值，该若干值记为N，当达到最大取样值以后，没采样一个最新数据，都丢弃最早的一个数据，并且所有同类数据次序向前移一个。距离来说，假设保留的取样数值为200，那么对电压的采样结果记为V0、V1、……V198、V199，当有新的采样数据时，最新的采样数据记为新的V199，原来的V199变为V198，以此类推，原V1变为V0，原V0的数据被丢弃。电流采样也是类似的。
所述的若干个是指500个。
步骤二：计算；
用下述公式计算；
Figure BDA0002291950770000041
Figure BDA0002291950770000042
Figure BDA0002291950770000043
Figure BDA0002291950770000044
Figure BDA0002291950770000045
Figure BDA0002291950770000046
步骤三：判断；
判断下述哪个不等式成立；
0≤VA≤1％且0≤VB≤1.5％
若上述情况成立，则判断结果电压稳定性好；
1％<VA≤1.5％或1.5％<VB≤3％
若上述情况有一个成立，则判断结果电压稳定性有潜在风险；
VA>1.5％或VB>3％
若上述情况有一个成立，则判断结果电压稳定性有较大风险；
0≤IA≤1％且0≤IB≤1.5％
若上述情况成立，则判断结果电流稳定性好；
1％<IA≤1.5％或1.5％<IB≤3％
若上述情况有一个成立，则判断结果电流稳定性有潜在风险；
IA>1.5％或IB>3％
若上述情况有一个成立，则判断结果电流稳定性有较大风险；
步骤四：输出；
根据步骤三判断的结果，输出电压及电流预测结果。

Claims (3)

1.一种智能型供电可靠性指标分级预测方法，其特征在于，包括下述步骤：
步骤一：电网采样；
对电网进行不间断采样；
取样的对象包括电压和电流，设用i表示取样次数，则取样可以记为Vi和Ii，
取样时只保留若干个取样值，该若干值记为N，当达到最大取样值以后，没采样一个最新数据，都丢弃最早的一个数据，并且所有同类数据次序向前移一个，
步骤二：计算
用下述公式计算；
Figure FDA0002291950760000011
Figure FDA0002291950760000012
Figure FDA0002291950760000013
Figure FDA0002291950760000014
Figure FDA0002291950760000015
Figure FDA0002291950760000016
步骤三：判断；
判断下述哪个不等式成立；
0≤VA≤1％且0≤VB≤1.5％
若上述情况成立，则判断结果电压稳定性好；
1％＜VA≤1.5％或1.5％＜VB≤3％
若上述情况有一个成立，则判断结果电压稳定性有潜在风险；
VA＞1.5％或VB＞3％
若上述情况有一个成立，则判断结果电压稳定性有较大风险；
0≤IA≤1％且0≤IB≤1.5％
若上述情况成立，则判断结果电流稳定性好；
1％＜IA≤1.5％或1.5％＜IB≤3％
若上述情况有一个成立，则判断结果电流稳定性有潜在风险；
IA＞1.5％或IB＞3％
若上述情况有一个成立，则判断结果电流稳定性有较大风险；
步骤四：输出；
根据步骤三判断的结果，输出电压及电流预测结果。
2.如权利要求1所述的一种智能型供电可靠性指标分级预测方法，其特征在于：所述的采样间隔S的取值范围为2毫秒～50毫秒。
3.如权利要求2所述的一种智能型供电可靠性指标分级预测方法，其特征在于：所述的N是指500个。
CN201911183839.2A 2019-11-27 2019-11-27 一种智能型供电可靠性指标分级预测方法 Pending CN110942197A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911183839.2A CN110942197A (zh) 2019-11-27 2019-11-27 一种智能型供电可靠性指标分级预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911183839.2A CN110942197A (zh) 2019-11-27 2019-11-27 一种智能型供电可靠性指标分级预测方法

Publications (1)

Publication Number Publication Date
CN110942197A true CN110942197A (zh) 2020-03-31

Family

ID=69908314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911183839.2A Pending CN110942197A (zh) 2019-11-27 2019-11-27 一种智能型供电可靠性指标分级预测方法

Country Status (1)

Country Link
CN (1) CN110942197A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116235A (zh) * 2020-09-11 2020-12-22 国网山东省电力公司枣庄供电公司 一种电网中电压脉冲影响力评估方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101398452A (zh) * 2007-09-29 2009-04-01 上海市电力公司 基于100kHz频率的动态电能质量指标计算方法
CN103617573A (zh) * 2013-12-13 2014-03-05 国家电网公司 一种电能质量指标短期趋势性预测方法
CN105375504A (zh) * 2014-08-25 2016-03-02 国家电网公司 一种换流阀熄弧角预测控制方法
CN105429134A (zh) * 2015-12-08 2016-03-23 河海大学 一种基于电力大数据的电网电压稳定性预测方法
CN106655187A (zh) * 2016-12-08 2017-05-10 国网青海省电力公司 一种svg消除离网光伏逆变器谐波能力指数预测方法
CN106709664A (zh) * 2017-01-05 2017-05-24 云南电网有限责任公司电力科学研究院 一种面向用户的电能质量评价方法
CN108647396A (zh) * 2018-04-13 2018-10-12 中国南方电网有限责任公司超高压输电公司检修试验中心 一种用于提升换流阀可靠性的关键设备故障风险评估方法
CN108879623A (zh) * 2018-06-13 2018-11-23 南京南瑞继保电气有限公司 一种多电压等级直流电网系统及控制保护方法
CN108898287A (zh) * 2018-06-11 2018-11-27 国网江西省电力有限公司电力科学研究院 大规模光伏并网的配电网运行风险评估方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101398452A (zh) * 2007-09-29 2009-04-01 上海市电力公司 基于100kHz频率的动态电能质量指标计算方法
CN103617573A (zh) * 2013-12-13 2014-03-05 国家电网公司 一种电能质量指标短期趋势性预测方法
CN105375504A (zh) * 2014-08-25 2016-03-02 国家电网公司 一种换流阀熄弧角预测控制方法
CN105429134A (zh) * 2015-12-08 2016-03-23 河海大学 一种基于电力大数据的电网电压稳定性预测方法
CN106655187A (zh) * 2016-12-08 2017-05-10 国网青海省电力公司 一种svg消除离网光伏逆变器谐波能力指数预测方法
CN106709664A (zh) * 2017-01-05 2017-05-24 云南电网有限责任公司电力科学研究院 一种面向用户的电能质量评价方法
CN108647396A (zh) * 2018-04-13 2018-10-12 中国南方电网有限责任公司超高压输电公司检修试验中心 一种用于提升换流阀可靠性的关键设备故障风险评估方法
CN108898287A (zh) * 2018-06-11 2018-11-27 国网江西省电力有限公司电力科学研究院 大规模光伏并网的配电网运行风险评估方法
CN108879623A (zh) * 2018-06-13 2018-11-23 南京南瑞继保电气有限公司 一种多电压等级直流电网系统及控制保护方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116235A (zh) * 2020-09-11 2020-12-22 国网山东省电力公司枣庄供电公司 一种电网中电压脉冲影响力评估方法

Similar Documents

Publication Publication Date Title
US10135279B2 (en) Method and apparatus of battery charging
CN110221222B (zh) 电池安全截止电压预测方法、装置及电池管理系统
WO2021057107A1 (zh) 直流电弧检测方法、装置、设备、系统及存储介质
CN103389436B (zh) 直流供电系统的投切式绝缘监测方法及系统
CN106655407B (zh) 电池充电方法及装置、电子设备、适配器及充电器
CN105738831B (zh) 一种移动终端的电池电量监控方法及装置
CN106129508B (zh) 一种充电方法和装置
CN107437642B (zh) 一种智能充电方法及装置
EP3185348B1 (en) A battery information detection and control method, smart battery,terminal and computer storage medium
JP2016054607A (ja) 電力補助システム
CN108336435B (zh) 一种考虑充电能量效率的锂离子电池充电方法
CN111080169B (zh) 一种极端天气下主动配电网风险评估方法
CN110942197A (zh) 一种智能型供电可靠性指标分级预测方法
Xu et al. In Situ Li‐Plating Diagnosis for Fast‐Charging Li‐Ion Batteries Enabled by Relaxation‐Time Detection
CN116774077A (zh) 储能电站电池的健康检测方法、装置、设备及存储介质
CN109269967B (zh) 一种锂离子电池壳体腐蚀的测试方法
CN110031766A (zh) 电池许用功率估算方法及模块、电池功率管理方法及系统、汽车及计算机可读存储介质
Li et al. A new method of state of peak power capability prediction for Li-ion battery
CN104466971A (zh) 考虑分布式电源点的低频减载被切负荷分配的方法
JP2024517164A (ja) 蓄電電源の充電方法、装置、機器及び媒体
CN111082487A (zh) 充电控制方法及装置、电子设备
KR20130126344A (ko) 리튬 이차 전지의 저온 충전 방법
CN113125974B (zh) 一种电池析锂检测方法及装置
CN112396832B (zh) 一种车辆数据处理方法和装置
CN110658476B (zh) 一种随机充放电条件下锂电池容量加速衰减的判定方法

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
CB02 Change of applicant information

Address after: 730030 Anju community, Yannan Road, Chengguan District, Lanzhou City, Gansu Province

Applicant after: Zhao Yongsheng

Address before: 230022 State Grid Anhui Electric Power Co., Ltd., No. 9 Huangshan Road, Hefei, Anhui

Applicant before: Zhao Yongsheng

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20200331

RJ01 Rejection of invention patent application after publication