CN110994599B - 基于大数据的特高压交直流送出型电网稳定性判断方法 - Google Patents

基于大数据的特高压交直流送出型电网稳定性判断方法 Download PDF

Info

Publication number
CN110994599B
CN110994599B CN201911190451.5A CN201911190451A CN110994599B CN 110994599 B CN110994599 B CN 110994599B CN 201911190451 A CN201911190451 A CN 201911190451A CN 110994599 B CN110994599 B CN 110994599B
Authority
CN
China
Prior art keywords
voltage
current
external environment
power grid
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
Application number
CN201911190451.5A
Other languages
English (en)
Other versions
CN110994599A (zh
Inventor
党伟
赵树野
张昭
刘宏扬
康赫然
韩永强
顾大可
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
Northeast Electric Power University
Economic and Technological Research Institute of State Grid Inner Mongolia Electric Power Co Ltd
State Grid Eastern Inner Mongolia Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Northeast Dianli University
Economic and Technological Research Institute of State Grid Inner Mongolia Electric Power Co Ltd
State Grid Eastern Inner Mongolia 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, Northeast Dianli University, Economic and Technological Research Institute of State Grid Inner Mongolia Electric Power Co Ltd, State Grid Eastern Inner Mongolia Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911190451.5A priority Critical patent/CN110994599B/zh
Publication of CN110994599A publication Critical patent/CN110994599A/zh
Application granted granted Critical
Publication of CN110994599B publication Critical patent/CN110994599B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种基于大数据的特高压交直流送出型电网稳定性判断方法，属于特高压输电技术领域，该方法首先对特高压交直流送出型电网的电气参数及外部环境参数进行采集、存储、整理并形成完整的数据库。然后将数据库里的电气参数结合外部环境参数进行评估计算得到电网的稳定偏差率，将计算到的偏差率与允许的标准偏差率做比较，从而判断整个输送电网系统是否稳定安全。本发明借助于大数据对特高压交直流送出型电网的稳定性判断，可及时发现电网的不稳定问题，提高特高压交直流送出型电网的可靠性。

Description

基于大数据的特高压交直流送出型电网稳定性判断方法
技术领域
本发明涉及特高压输电技术领域，尤其涉及一种基于大数据的特高压交直流送出型电网稳定性判断方法。
背景技术
特高压交直流电网对电压与频率的稳定性要求较高，传统安全稳定性分析采用1200/1000KV电磁环网、分母、出串、线路热备用等措施，可以有效地解决电压过低、频率过高的问题。目前特高电压输电系统故障是特高电压输电故障停运的最主要因素。建立特高压交直流送出型电网稳定性判断方法的最主要问题就是怎样构建输电系统模型并确定系统失效状态。现阶段采用的方法主要有两种，即解析法和蒙特卡洛模拟法。解析法，这种方法也称为状态枚举法，通过尽量全面的提出特高电压输电系统的全部停运状态，然后依据相应的准则，对各个停运状态进行稳定性分析，得出分析结果，进而实现分析特高电压输电系统稳定性运行指标的目的。这种方法的缺点由于元件数量多，故障状态多，导致计算量过大，致使该方法无法实现。蒙特卡洛法，这种方法是一种随机模拟的数学方法，第一步是创建一个概率模型，第二步是以抽样的方式来模拟电力系统的各种状态，第三步是依据抽样样本的特征进行统计分析，得出特高电压输电系统稳定性判断。这种方法的缺点是理论较为复杂，不能较好的克服数据量庞大的问题。利用大数据的特高压交直流送出技术可以在更广的范围内增加能源的进一步流动，增强特高压配送电网系统的稳定性和可靠性，抵抗交流系统中的极端问题和故障，使大型工业电力用户的供电可靠可以明显提升。
发明内容
针对上述现有技术的不足，本发明提供一种基于大数据的特高压交直流送出型电网稳定性判断方法。
为解决上述技术问题，本发明所采取的技术方案是：基于大数据的特高压交直流送出型电网稳定性判断方法，其流程如图1所示，包括如下步骤：
步骤1：采用多种传感器采集特高压输送线的电气参数以及外部环境参数；
所述电气参数包括：交流电的送出电流信号ia，直流电的送出电流信号i1，交流电的送出电压信号Uab，直流电的送出电压信号U1；交流电的送出频率fs；
所述外部环境参数包括：电缆表面光照强度G，电缆外部温度F，风速V，电缆表面以及周围湿度h。
步骤2：将步骤1采集到的电气参数进行数据筛选计算，并将计算后的电气参数及步骤1采集的外部环境参数进行数据库模式化整理，从而得到一套完整的参数存储、整备数据库；步骤2.1：储存到大数据下的交流电流参数计算：
Figure BDA0002293425890000021
其中，t为每个周期的采集时间；T为采集周期；Eq为实时电流传输的电荷量；xd为电缆距离；
Figure BDA0002293425890000022
为交流电流t+1时的电流变化值；
Figure BDA0002293425890000023
为交流电流t时的电流变化值；ω1为交流电流角频率；
Figure BDA0002293425890000024
为处理之后进入大数据库的交流电流；
步骤2.2：储存到大数据下的直流电流参数计算：
Figure BDA0002293425890000025
其中，
Figure BDA0002293425890000026
为储存大数据库的直流电流；
Figure BDA0002293425890000027
为直流电流t+1时的电流变化；
Figure BDA0002293425890000028
为直流电流t时的电流变化；
步骤2.3：储存到大数据下的交流电压参数计算：
Figure BDA0002293425890000029
其中，
Figure BDA00022934258900000210
为储存大数据库的交流电压；
Figure BDA00022934258900000211
为交流电压t+1时的电压变化值；
Figure BDA00022934258900000212
为交流电压t时的电压变化值；ωa为交流电压角频率；
步骤2.4：储存到大数据下的直流电压参数计算：
Figure BDA00022934258900000213
其中，
Figure BDA00022934258900000214
为储存大数据库的直流电压；
Figure BDA00022934258900000215
为直流电压t+1时的电压变化值；
Figure BDA00022934258900000216
为直流电压t时的电压变化值；
步骤2.5：储存到大数据下的交流电压频率参数计算：
Figure BDA00022934258900000217
其中，fs为数据采集频率值；f0为储存到大数据下的电压频率；Td为交流电流频率采集周期；
步骤2.6：将步骤2.1至步骤2.5计算后的电气参数及步骤1采集的外部环境参数进行数据库模式化整理，从而得到一套完整的参数存储、整备数据库，如图2所示。
步骤3：根据电气参数以及外部环境参数的基准值计算各个参数的标幺值；
Figure BDA0002293425890000031
其中，Ua为电压基准值，iA为交流电的基准值，iD为直流电的基准值，f为频率的基准值，G0为光照强度基准值，F0为温度基准值，V0为风速基准值，h0为湿度基准值。
步骤4：根据步骤3建立的基准值，计算实际测量的外部环境参数与理想外部环境参数的误差值；
将大数据库中外部环境参数标幺值H(6)、H(7)、H(8)、H(9)构成环境参数矩阵[H(6)H(7)H(8)H(9)]，计算实际测量的外部环境参数与理想外部环境参数的误差值：
Figure BDA0002293425890000032
其中，τ为外部环境参数实际测量周期值，M为一天内总的测量次数，hτ为第τ个周期内实际测量的外部环境参数值，y6、y7、y8、y9为第τ个周期电网稳定性最佳状态时理想外部环境参数数据，H(6)、H(7)、H(8)、H(9)为环境因素下标幺值。
步骤5：根据步骤4得到的误差值计算特高压电网的安全稳定偏差率，包括：实际交流电压偏差率，实际直流电压偏差率、实际频率偏差率；
步骤5.1：计算实际交流电压偏差率：
Figure BDA0002293425890000033
步骤5.2：计算实际直流电压偏差率：
Figure BDA0002293425890000034
步骤5.3：计算实际频率偏差率：
Figure BDA0002293425890000041
其中，Hi为实际电气参数i种标幺值；εj为电气参数j种可能误差值；yj为外部环境j种可能下的理想值；N＝4，表示电气参数的4种类型标幺值；εj的计算公式如下：
将大数据库中电气参数标幺值H(1)、H(2)、H(3)、H(4)构成电气参数矩阵[H(1) H(2) H(3) H(4)]，计算电气参数j种可能误差值：
Figure BDA0002293425890000042
其中，χ为电气参数实际测量周期值，X为一天内总的测量次数，hχ为第χ个周期实际测量的电气参数值，y1、y2、y3、y4为第χ个周期电网稳定性最佳状态时理想电气参数数据，H(1)、H(2)、H(3)、H(4)为电气参数标幺值。
步骤6：将步骤5计算得到的偏差率与特高压输电通常事故允许偏差率的范围作比较，判断电网稳定性。
采用上述技术方案所产生的有益效果在于：
1、本发明采用多方面检测参数数据，将实时检测到的电气参数及外部环境参数等多种数据通过计算数据处理后到的存储到数据库中，形成大数据库；此数据库的主要优点在于可以保存时刻数据，容纳性强。
2、本发明对大数据库里的数据进行预处理，选取基准值，具有数据筛选和方便计算的优点。
3、本发明将实时测量值与设定理想值快速做出比较，进行特高压输电网的稳定性判断。
4、本发明的优点在于检测数据处理过程速度快，数据库存储数据准确性高，数据计算兼容性强，快速筛选数据，可以较好的克服数据量庞大的问题，适用于大规模的特高电压输电网稳定性分析。
附图说明
图1为本发明基于大数据的特高压交直流送出型电网稳定性判断方法的流程图；
图2为本发明数据库中参数构成图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本实施例以某特高压交直流送出型电网为例，送出型电压信号Uab＝1200KV，直流电压U1＝1000KV，交流电流ia＝400A，直流电流i1＝600A，电压基准值为1000V，电流基准值为100A，周期为0.2s，频率fs＝48.5Hz。某t时刻，交流瞬时电流为384.2A，直流瞬时电流为583.8A，随机提取交流瞬时线电压为1198KV，直流瞬时电压为1012KV，风速为7.5m/s，光照强度为5kW/h，温度为25℃，湿度为40％；某t+1时刻，交流瞬时电流为392.2A，直流瞬时电流为591.6A，随机提取交流瞬时线电压为1275.8KV，直流瞬时电压为1015.4KV；电荷量为36000C，ωa＝628r/s，ω1＝314r/s。设平均环境温度T为15℃，空气相对湿度G为35％，风速V为3m/s，光照强度S为1kW/h；电缆距离为1200Km。
如图1所示，本实施例的方法如下所述。
步骤1：采用多种传感器采集特高压输送线的电气参数以及外部环境参数；
所述电气参数包括：交流电的送出电流信号ia，直流电的送出电流信号i1，交流电的送出电压信号Uab，直流电的送出电压信号U1；交流电的送出频率fs；
所述外部环境参数包括：电缆表面光照强度G，电缆外部温度F，风速V，电缆表面以及周围湿度h。
步骤2：将步骤1采集到的电气参数进行数据筛选计算，并将计算后的电气参数及步骤1采集的外部环境参数进行数据库模式化整理，从而得到一套完整的参数存储、整备数据库；
步骤2.1：储存到大数据下的交流电流参数计算：
Figure BDA0002293425890000051
步骤2.2：储存到大数据下的直流电流参数计算：
Figure BDA0002293425890000061
步骤2.3：储存到大数据下的交流电压参数计算：
Figure BDA0002293425890000062
步骤2.4：储存到大数据下的直流电压参数计算：
Figure BDA0002293425890000063
步骤2.5：储存到大数据下的交流电压频率参数计算：
Figure BDA0002293425890000064
步骤2.6：将步骤2.1至步骤2.5计算后的电气参数及步骤1采集的外部环境参数进行数据库模式化整理，从而得到一套完整的参数存储、整备数据库，如图2所示。
步骤3：根据电气参数以及外部环境参数的基准值计算各个参数的标幺值；
Figure BDA0002293425890000065
Figure BDA0002293425890000066
Figure BDA0002293425890000067
Figure BDA0002293425890000068
步骤4：根据步骤3建立的基准值，计算实际测量的外部环境参数与理想外部环境参数的误差值；
将大数据库中外部环境参数标幺值H(6)、H(7)、H(8)、H(9)构成环境参数矩阵[H(6) H(7) H(8) H(9)]，计算实际测量的外部环境参数与理想外部环境参数的误差值：
Figure BDA0002293425890000071
步骤5：根据步骤4得到的误差值计算特高压电网的安全稳定偏差率，包括：实际交流电压偏差率，实际直流电压偏差率、实际频率偏差率；
步骤5.1：计算实际交流电压偏差率：
Figure BDA0002293425890000072
步骤5.2：计算实际直流电压偏差率：
Figure BDA0002293425890000073
步骤5.3：计算实际频率偏差率：
Figure BDA0002293425890000074
将大数据库中电气参数标幺值H(1)、H(2)、H(3)、H(4)构成电气参数矩阵[H(1) H(2) H(3) H(4)]，计算电气参数j种可能误差值：
Figure BDA0002293425890000075
其中，εj为变量，随参数不同而变化。
步骤6：将步骤5计算得到的交流电压偏差率、直流电压偏差率及频率偏差率与特高压输电国家标准允许交直流电压偏差率的±5％范围及频率偏差率的±(0.4～1)％范围作比较，判断电网稳定性。
特高压输电通常事故的电压偏移允许的标准偏差率为±5％，频率偏差的标准偏差率为±(0.4～1)％，计算得到的实际偏差率与标准偏差率作比较，如表1所示：
表1实际偏差率与标准偏差率的对比
Figure BDA0002293425890000081
由表1可以看出，计算得到的实际交流电压偏差率、实际直流电压偏差率与实际频率偏差率均比通常允许的标准偏差率低，可判断该时刻特高压交直流送出型电网处于稳定状态。由此可见，借助于大数据对特高压交直流送出型电网的稳定性判断，可及时发现电网的不稳定问题，提高特高压交直流送出型电网的可靠性。

Claims (7)

1.一种基于大数据的特高压交直流送出型电网稳定性判断方法，其特征在于包括如下步骤：
步骤1：采用多种传感器采集特高压输送线的电气参数以及外部环境参数；
步骤2：将步骤1采集到的电气参数进行数据筛选计算，并将计算后的电气参数及步骤1采集的外部环境参数进行数据库模式化整理，从而得到一套完整的参数存储、整备数据库；
步骤3：根据电气参数以及外部环境参数的基准值计算各个参数的标幺值；
步骤4：根据步骤3建立的基准值，计算实际测量的外部环境参数与理想外部环境参数的误差值；
步骤5：根据步骤4得到的误差值计算特高压电网的安全稳定偏差率，包括：实际交流电压偏差率，实际直流电压偏差率、实际频率偏差率；
步骤6：将步骤5计算得到的偏差率与特高压输电通常事故允许偏差率的范围作比较，判断电网稳定性。
2.根据权利要求1所述的基于大数据的特高压交直流送出型电网稳定性判断方法，其特征在于：所述电气参数包括：交流电的送出电流信号ia，直流电的送出电流信号i1，交流电的送出电压信号Uab，直流电的送出电压信号U1；交流电的送出频率fs；
所述外部环境参数包括：电缆表面光照强度G，电缆外部温度F，风速V，电缆表面以及周围湿度h。
3.根据权利要求1所述的基于大数据的特高压交直流送出型电网稳定性判断方法，其特征在于所述步骤2的过程如下：
步骤2.1：储存到大数据下的交流电流参数计算：
Figure FDA0003043332750000011
其中，t为每个周期的采集时间；T为采集周期；Eq为实时电流传输的电荷量；xd为电缆距离；
Figure FDA0003043332750000012
为交流电流t+1时的电流变化值；
Figure FDA0003043332750000013
为交流电流t时的电流变化值；ω1为交流电流角频率；
Figure FDA0003043332750000014
为处理之后进入大数据库的交流电流；
步骤2.2：储存到大数据下的直流电流参数计算：
Figure FDA0003043332750000015
其中，
Figure FDA0003043332750000016
为储存大数据库的直流电流；
Figure FDA0003043332750000017
为直流电流t+1时的电流变化；
Figure FDA0003043332750000018
为直流电流t时的电流变化；
步骤2.3：储存到大数据下的交流电压参数计算：
Figure FDA0003043332750000021
其中，
Figure FDA0003043332750000022
为储存大数据库的交流电压；
Figure FDA0003043332750000023
为交流电压t+1时的电压变化值；
Figure FDA0003043332750000024
为交流电压t时的电压变化值；ωa为交流电压角频率；
步骤2.4：储存到大数据下的直流电压参数计算：
Figure FDA0003043332750000025
其中，
Figure FDA0003043332750000026
为储存大数据库的直流电压；
Figure FDA0003043332750000027
为直流电压t+1时的电压变化值；
Figure FDA0003043332750000028
为直流电压t时的电压变化值；
步骤2.5：储存到大数据下的交流电压频率参数计算：
Figure FDA0003043332750000029
其中，fs为数据采集频率值；f0为储存到大数据下的电压频率；Td为交流电流频率采集周期；
步骤2.6：将步骤2.1至步骤2.5计算后的电气参数及步骤1采集的外部环境参数进行数据库模式化整理，从而得到一套完整的参数存储、整备数据库。
4.根据权利要求1所述的基于大数据的特高压交直流送出型电网稳定性判断方法，其特征在于所述步骤3的过程如下：
计算数据库中的电气参数以及外部环境参数标幺值：
Figure FDA00030433327500000210
Figure FDA00030433327500000211
其中，Ua为电压基准值，iA为交流电的基准值，iD为直流电的基准值，f为频率的基准值，G0为光照强度基准值，F0为温度基准值，V0为风速基准值，h0为湿度基准值，
Figure FDA00030433327500000212
为储存大数据库的交流电压，
Figure FDA00030433327500000213
为储存大数据库的直流电压，
Figure FDA00030433327500000214
为进入大数据库的交流电流，
Figure FDA00030433327500000215
为储存大数据库的直流电流，f0为储存到大数据下的电压频率，G为电缆表面光照强度，F为电缆外部温度，V为风速，h为电缆表面以及周围湿度。
5.根据权利要求1所述的基于大数据的特高压交直流送出型电网稳定性判断方法，其特征在于所述步骤4的过程如下：
将大数据库中外部环境参数标幺值H(6)、H(7)、H(8)、H(9)构成环境参数矩阵[H(6) H(7) H(8) H(9)]，计算实际测量的外部环境参数与理想外部环境参数的误差值：
Figure FDA0003043332750000031
其中，τ为外部环境参数实际测量周期值，M为一天内总的测量次数，hτ为第τ个周期内实际测量的外部环境参数值，y6、y7、y8、y9为第τ个周期电网稳定性最佳状态时理想外部环境参数数据，H(6)、H(7)、H(8)、H(9)为环境因素下标幺值。
6.根据权利要求1所述的基于大数据的特高压交直流送出型电网稳定性判断方法，其特征在于所述步骤5的过程如下：
步骤5.1：计算实际交流电压偏差率：
Figure FDA0003043332750000032
步骤5.2：计算实际直流电压偏差率：
Figure FDA0003043332750000033
步骤5.3：计算实际频率偏差率：
Figure FDA0003043332750000034
其中，Hi为实际电气参数i种标幺值；εj为电气参数j种可能误差值；yj为外部环境j种可能下的理想值；N＝4，表示电气参数的4种类型标幺值，ε0为实际测量的外部环境参数与理想外部环境参数的误差值，
Figure FDA0003043332750000035
为储存大数据库的交流电压，
Figure FDA0003043332750000036
为进入大数据库的交流电流，Ua为电压基准值，iA为交流电的基准值，
Figure FDA0003043332750000041
为储存大数据库的直流电流，f0为储存到大数据下的电压频率，f为频率的基准值。
7.根据权利要求6所述的基于大数据的特高压交直流送出型电网稳定性判断方法，其特征在于所述εj的计算过程如下：
将大数据库中电气参数标幺值H(1)、H(2)、H(3)、H(4)构成电气参数矩阵[H(1) H(2) H(3) H(4)]，计算电气参数j种可能误差值：
Figure FDA0003043332750000042
其中，χ为电气参数实际测量周期值，X为一天内总的测量次数，hχ为第χ个周期实际测量的电气参数值，y1、y2、y3、y4为第χ个周期电网稳定性最佳状态时理想电气参数数据，H(1)、H(2)、H(3)、H(4)为电气参数标幺值。
CN201911190451.5A 2019-11-28 2019-11-28 基于大数据的特高压交直流送出型电网稳定性判断方法 Active CN110994599B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911190451.5A CN110994599B (zh) 2019-11-28 2019-11-28 基于大数据的特高压交直流送出型电网稳定性判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911190451.5A CN110994599B (zh) 2019-11-28 2019-11-28 基于大数据的特高压交直流送出型电网稳定性判断方法

Publications (2)

Publication Number Publication Date
CN110994599A CN110994599A (zh) 2020-04-10
CN110994599B true CN110994599B (zh) 2021-08-24

Family

ID=70087778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911190451.5A Active CN110994599B (zh) 2019-11-28 2019-11-28 基于大数据的特高压交直流送出型电网稳定性判断方法

Country Status (1)

Country Link
CN (1) CN110994599B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113270886B (zh) * 2021-05-08 2022-09-13 国网宁夏电力有限公司电力科学研究院 直流群送端电网稳控策略的适应性评估方法及系统
CN114583826B (zh) * 2021-09-06 2023-08-04 河南城建学院 基于新能源发电的输电稳定警示反馈控制系统
CN114142456B (zh) * 2021-10-19 2024-07-02 国网内蒙古东部电力有限公司经济技术研究院 特高压交直流电网稳定性同质化评估方法
CN114614470B (zh) * 2022-01-10 2024-09-24 国网内蒙古东部电力有限公司检修分公司 基于参数识别的特高压交直流电网运行控制方法
CN115189369B (zh) * 2022-07-18 2024-01-12 国网江苏省电力有限公司连云港供电分公司 基于数据驱动的交直流混合微电网故障后电压稳定性预测方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447233A (zh) * 2016-11-02 2017-02-22 国网内蒙古东部电力有限公司经济技术研究院 多送出特高压交直流混合电网系统稳定性综合指标的方法

Also Published As

Publication number Publication date
CN110994599A (zh) 2020-04-10

Similar Documents

Publication Publication Date Title
CN110994599B (zh) 基于大数据的特高压交直流送出型电网稳定性判断方法
CN105186514B (zh) 一种大规模分布式光伏并网对配网安全评价及预警方法
CN111026927B (zh) 一种低压台区运行状态智能监测系统
WO2018028005A1 (zh) 一种大型光伏电站中电池面板的故障检测算法
CN104796082A (zh) 一种光伏发电系统在线故障诊断系统及方法
CN106354985B (zh) 一种考虑分布式电源的配电系统可靠性评估方法
CN112131441A (zh) 一种快速识别用电异常行为的方法及系统
CN110750760B (zh) 一种基于态势感知和控制图的异常理论线损检测方法
CN106845562B (zh) 光伏组件的故障监测系统及数据处理方法
CN108074198B (zh) 一种电力系统pmu不良数据识别方法
CN111551887A (zh) 一种多维度识别电压互感器计量性能在线监测平台
CN110826735B (zh) 一种电力scada智能多维查询检修方法
CN113128024B (zh) 一种基于大数据分析的低压窃电客户及窃电手段确定方法
Lin et al. Voltage sag severity analysis based on improved FP-Growth algorithm and AHP algorithm
CN114662809A (zh) 一种综合能源园区内供电电源的电能质量评价方法和系统
CN105701265A (zh) 一种双馈风电机组建模方法及装置
Yin et al. Global configuration strategy of SAPFs combined with comprehensive evaluation of power quality in distribution network
CN114280370A (zh) 一种用于新型光伏逆变器涉网运行性能的工程测试系统
Xie et al. Data Quality Evaluation of Photovoltaic Power Station based on Entropy Weight Method and Grey Comprehensive Evaluation Method
Cheng et al. A Quantitative Analysis Method for the Influence of Three-phase Unevenness on Line Loss Based on K-Means Clustering
CN109765515A (zh) 在线监测装置数据准确性智能核查系统
Yan et al. A non-intrusive load identification method suitable for home scene
CN118885919A (zh) 一种宽计量范围的抗直流偏磁互感器故障检测方法及系统
Sun et al. A fault diagnosis method of distributed photovoltaic power generation equipment based on big data mining
Cheng et al. Centralized remote monitoring method of multi-power watt-hour meter based on Internet of Things technology

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