CN111080169B - 一种极端天气下主动配电网风险评估方法 - Google Patents
一种极端天气下主动配电网风险评估方法 Download PDFInfo
- Publication number
- CN111080169B CN111080169B CN201911391345.3A CN201911391345A CN111080169B CN 111080169 B CN111080169 B CN 111080169B CN 201911391345 A CN201911391345 A CN 201911391345A CN 111080169 B CN111080169 B CN 111080169B
- Authority
- CN
- China
- Prior art keywords
- risk
- wind speed
- sampling
- calculating
- above formula
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012502 risk assessment Methods 0.000 title claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 38
- 238000004146 energy storage Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000005286 illumination Methods 0.000 claims description 17
- 230000005855 radiation Effects 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 6
- 230000032683 aging Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电网运行安全技术领域，具体涉及一种极端天气下主动配电网风险评估方法。包括设置抽样次数；对电网参数进行采样；根据抽样结果计算极端天气影响下元件故障概率；计算元件故障率；计算风电和光伏输出；选择故障元件，进行孤岛划分；进行快速潮流计算，求取节点电压和支路潮流；根据节点电压和支路潮流，计算配网此次抽样的运行风险；确定抽样次数是否满足阈值；根据电压越限风险和潮流越限风险计算配电网风险等级。本发明综合考虑极端天气对元件故障率的影响，随机模拟风机、光伏、负荷、储能、电动汽车全元素的随机性，定量评估系统运行风险,辅助规划和运行人员制定策略。提高电网运行安全，减少故障发生率。
Description
技术领域
本发明属于电网运行安全技术领域，更具体地涉及一种极端天气下主动配电网风险评估方法。
背景技术
分布式电源接入配电系统在带来良好的经济效益与环境效益的同时,由于其出力的随机性,对配电系统带来了风险.因此,如何定量地评估分布式电源出力的随机性及系统中元件故障所引发的系统安全、稳定风险成为亟须解决的问题。目前的主动配电网风险评估采用蒙特卡罗方法模拟光伏和风机的出力，依据元件故障率随机生成故障集合。元件故障率没有考虑台风、闪电等极端恶劣天气影响，导致评估结果出现偏差。不确定因素主要限于光伏和风机，没有考虑快速发展的储能、电动汽车负荷等因素，对配网中的负荷模拟估计不足。。
发明内容
本发明针对上述现有技术中存在的问题，提供一种极端天气下主动配电网风险评估方法，目的是为了综合考虑极端天气对元件故障率的影响，随机模拟风机、光伏、负荷、储能、电动汽车全元素的随机性，定量评估系统运行风险,以辅助规划和运行人员制定策略。
为了实现上述发明目的，本发明是采用以下技术方案来实现的：
一种极端天气下主动配电网风险评估方法，包括以下步骤：
步骤1.设置抽样次数；
步骤2.对电网参数进行采样；
步骤3.根据抽样结果计算极端天气影响下元件故障概率；
步骤4.计算元件故障率；
步骤5.根据抽样结果计算风电和光伏输出；
步骤6.选择故障率最高的元件作为故障元件，进行孤岛划分；根据风机、光伏、负荷、储能、电动汽车全元素情况进行快速潮流计算，求取节点电压和支路潮流；
步骤7.根据节点电压和支路潮流，计算配网此次抽样的运行风险；
步骤8.抽样次数是否满足阈值，如果满足则转向步骤9，否则转向步骤1；
步骤9.根据电压越限风险和潮流越限风险计算配电网风险等级。
进一步的，步骤1所述设置抽样次数NC＝0。
进一步的，步骤2所述对电网参数进行采样，包括风速、光照强度、闪电密度、负荷需求、电动汽车充电需求、储能放电需求，抽样次数加1；
上式中：a为形状参数；b为尺度参数；Γ(a)Gamma为函数；v(t)为风速；f(v(t))为风速概率密度函数；
上式中：拟合参数；s(t)为t时刻光照辐射强度；f(s(t))为光照辐射强度概率密度函数；
上式中：C，d为拟合参数k为不等式参数；f(g(t))闪电密度函数；g(t)为t时刻的闪电密度；
上式中：μ为平均值，σ为方差；Φ为累积分布函数；f(l(t))为负荷概率密度函数；
上式中：f(ev(t))为电动汽车充电负荷需求概率密度函数；ev(t)为电动汽车充电负荷需求；lnev(t)为电动汽车充电负荷需求的对数；
上式中：SE表示储能活化能密度；MT表示活化能体积；f(sq(t))储能放电概率密度函数。
进一步的，步骤3所述抽样结果包括风速和闪电密度。
进一步的，步骤5所述抽样结果包括风速以及光照强度。
进一步的，步骤3所述根据风速、闪电密度抽样计算极端天气影响下元件故障概率，包括：
上式中：：r1、r2、r3为拟合参数vc为极端天气风速；λn指通常天气情况下元件故障概率；λw(v(t))指t时刻风速v影响下元件故障概率；v(t)为风速；
上式中：κ为拟合参数λl(g(t))指t时刻闪电密度g影响下元件故障概率；v(t)为风速。
进一步的，步骤4所述计算元件故障率，包括：
λ＝y×exp(-lny/tb)×(λw(v(t))+λl(g(t))+λn)
上式中：tb表示元件使用时间；y表示老化常数；λ表示综合影响下元件的故障率；v(t)为风速，λw(v(t))指t时刻风速v影响下元件故障概率。
进一步的，步骤5所述根据风速以及光照强度抽样计算风电和光伏输出，包括：
上式中：Pw(v(t))为风电输出功率；Ps是风机额定功率；vci是切入风速；vr是额定风速；v(t)为风速；vco是切除风速；A,B,C是常数；
上式中：VMPP和IMPP为最大功率点的电压和电流；Voc为开路电压Isc为短路电流；kv和ki分别为电压温度系数和电流温度系数；No为正常运行温度Ta为环境温度；s(t)为t时刻光照辐射强度。
进一步的，步骤7所述根据节点电压和支路潮流，计算配网此次抽样的运行风险，包括：
上式中：Vr表示参考电压；Vl表示表示限值；V表示节点电压；LV表示电压越限风险；V表示节点电压；
上式中：OL表示支路潮流风险；e,f表示风险系数；Pm表示潮流限值；P表示支路潮流。
进一步的，步骤9所述根据电压越限风险和潮流越限风险计算配电网风险等级，包括:
上式中：NA表示风险等级；m，n表示风险系数；ΔNA等级间隔；ε为容忍值；NCM为阈值；OLi为支路i的潮流风险。
本发明的优点及有益效果是：
本发明综合考虑了极端天气对元件故障率的影响，包括台风、闪电等极端恶劣天气，能够准确模拟配电网生产现场场景，精确分析配电网的运行风险，降低评估结果偏差。
本发明随机模拟风机、光伏、负荷、储能、电动汽车全元素的随机性，全面考虑了主动配电网源荷两侧的运行不确定性，能够定量评估系统运行风险,以辅助规划和运行人员制定策略。可以大大提高电网运行安全，减少电网故障的发生率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下文中将对本发明实施例的附图进行简单介绍。其中，附图仅仅用于展示本发明的一些实施例，而非将本发明的全部实施例限制于此。
图1是本发明一种极端天气下主动配电网风险评估方法示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明是一种极端天气下主动配电网风险评估方法，如图1所示，图1是本发明一种极端天气下主动配电网风险评估方法示意图。
本发明具体包括以下步骤：
步骤1.设置抽样次数NC＝0。
步骤2.对电网参数进行采样，包括风速、光照强度、闪电密度、负荷需求、电动汽车充电需求、储能放电需求，抽样次数加1；
上式中：a为形状参数；b为尺度参数；Γ(a)Gamma为函数；v(t)为风速；f(v(t))为风速概率密度函数。
上式中：拟合参数；s(t)为t时刻光照辐射强度；f(s(t))为光照辐射强度概率密度函数。
上式中：C，d为拟合参数k为不等式参数；f(g(t))闪电密度函数；g(t)为t时刻闪电密度。
上式中：μ为平均值，σ为方差；Φ为累积分布函数；f(l(t))为负荷概率密度函数。
上式中：f(ev(t))为电动汽车充电负荷需求概率密度函数；ev(t)为t时刻电动汽车充电负荷需求；lnev(t)为t时刻电动汽车充电负荷需求的对数。
上式中：SE表示储能活化能密度；MT表示活化能体积；f(sq(t))储能放电概率密度函数。
步骤3.根据风速、闪电密度抽样计算极端天气影响下元件故障概率；
上式中：：r1、r2、r3为拟合参数vc为极端天气风速；λn指通常天气情况下元件故障概率；λw(v(t))指t时刻风速v影响下元件故障概率；v(t)为风速。
上式中：κ为拟合参数λl(g(t))指t时刻闪电密度g影响下元件故障概率；v(t)为风速。
步骤4.计算元件故障率。
λ＝y×exp(-lny/tb)×(λw(v(t))+λl(g(t))+λn)
上式中：tb表示元件使用时间；y表示老化常数；λ表示综合影响下元件的故障率；v(t)为风速，λw(v(t))指t时刻风速v影响下元件故障概率。
步骤5.根据风速以及光照强度抽样计算风电和光伏输出。
上式中：Pw(v(t))为风电输出功率；Ps是风机额定功率；vci是切入风速；vr是额定风速；v(t)为风速；vco是切除风速；A,B,C是常数，
上式中：VMPP和IMPP为最大功率点的电压和电流；Voc为开路电压Isc为短路电流；kv和ki分别为电压温度系数和电流温度系数；No为正常运行温度Ta为环境温度；s(t)为t时刻光照辐射强度。
步骤6.选择故障率最高的元件作为故障元件，然后进行孤岛划分，根据风机、光伏、负荷、储能、电动汽车全元素情况进行快速潮流计算，求取节点电压V和支路潮流P。
步骤7.根据节点电压和支路潮流，计算配网此次抽样的运行风险。
上式中：Vr表示参考电压；Vl表示表示限值；V表示节点电压；LV表示电压越限风险；V表示节点电压。
上式中：OL表示支路潮流风险；e,f表示风险系数；Pm表示潮流限值；P表示支路潮流。
步骤8.抽样次数是否满足阈值NCM，如果满足这转向步骤9，否则转向步骤1。
步骤9.根据电压越限风险和潮流越限风险计算配电网风险等级：
上式中：NA表示风险等级；m，n表示风险系数；ΔNA等级间隔；ε为容忍值；NCM为阈值；OLi为支路i潮流风险。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围，包括权利要求，被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种极端天气下主动配电网风险评估方法，包括以下步骤：步骤1.设置抽样次数；步骤2.对电网参数进行采样；步骤3.根据抽样结果计算极端天气影响下元件故障概率；步骤4.计算元件故障率；其特征是：还包括：步骤5.根据抽样结果计算风电和光伏输出；
步骤6.选择故障率最高的元件作为故障元件，进行孤岛划分；根据风机、光伏、负荷、储能、电动汽车全元素情况进行快速潮流计算，求取节点电压和支路潮流；
步骤7.根据节点电压和支路潮流，计算配网此次抽样的运行风险；
步骤8.抽样次数是否满足阈值，如果满足则转向步骤9，否则转向步骤1；
步骤9.根据电压越限风险和潮流越限风险计算配电网风险等级；
步骤2所述对电网参数进行采样，包括风速、光照强度、闪电密度、负荷需求、电动汽车充电需求、储能放电需求，抽样次数加1；
上式中：a为形状参数；b为尺度参数；Γ(a)Gamma为函数；v(t)为风速；f(v(t))为风速概率密度函数；
上式中：拟合参数；s(t)为t时刻光照辐射强度；f(s(t))为光照辐射强度概率密度函数；
上式中：C，d为拟合参数k为不等式参数；f(g(t))闪电密度函数；g(t)为t时刻的闪电密度；
上式中：μ为平均值，σ为方差；Φ为累积分布函数；f(l(t))为负荷概率密度函数；
上式中：f(ev(t))为电动汽车充电负荷需求概率密度函数；ev(t)为电动汽车充电负荷需求；lnev(t)为电动汽车充电负荷需求的对数；
上式中：SE表示储能活化能密度；MT表示活化能体积；f(sq(t))储能放电概率密度函数；
步骤3所述抽样结果包括风速和闪电密度；
步骤5所述抽样结果包括风速以及光照强度；
步骤3根据风速、闪电密度抽样计算极端天气影响下元件故障概率，包括：
上式中：r1、r2、r3为拟合参数vc为极端天气风速；λn指通常天气情况下元件故障概率；λw(v(t))指t时刻风速v影响下元件故障概率；v(t)为风速；
上式中：κ为拟合参数λl(g(t))指t时刻闪电密度g影响下元件故障概率；v(t)为风速；
步骤4所述计算元件故障率，包括：
λ＝y×exp(-lny/tb)×(λw(v(t))+λl(g(t))+λn)
上式中：tb表示元件使用时间；y表示老化常数；λ表示综合影响下元件的故障率；v(t)为风速，λw(v(t))指t时刻风速v影响下元件故障概率；
步骤5所述根据风速以及光照强度抽样计算风电和光伏输出，包括：
上式中：Pw(v(t))为风电输出功率；Ps是风机额定功率；vci是切入风速；vr是额定风速；v(t)为风速；vco是切除风速；A,B,C是常数；
上式中：VMPP和IMPP为最大功率点的电压和电流；Voc为开路电压Isc为短路电流；kv和ki分别为电压温度系数和电流温度系数；No为正常运行温度Ta为环境温度；s(t)为t时刻光照辐射强度；
步骤7所述根据节点电压和支路潮流，计算配网此次抽样的运行风险，包括：
上式中：Vr表示参考电压；Vl表示限值；V表示节点电压；LV表示电压越限风险；V表示节点电压；
上式中：OL表示支路潮流风险；e,f表示风险系数；Pm表示潮流限值；P表示支路潮流；
步骤9所述根据电压越限风险和潮流越限风险计算配电网风险等级，包括:
上式中：NA表示风险等级；m，n表示风险系数；ΔNA等级间隔；ε为容忍值；NCM为阈值；OLi为支路i的潮流风险。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911391345.3A CN111080169B (zh) | 2019-12-30 | 2019-12-30 | 一种极端天气下主动配电网风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911391345.3A CN111080169B (zh) | 2019-12-30 | 2019-12-30 | 一种极端天气下主动配电网风险评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111080169A CN111080169A (zh) | 2020-04-28 |
| CN111080169B true CN111080169B (zh) | 2024-02-09 |
Family
ID=70319863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911391345.3A Active CN111080169B (zh) | 2019-12-30 | 2019-12-30 | 一种极端天气下主动配电网风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111080169B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023208019A1 (zh) * | 2022-04-27 | 2023-11-02 | 国网江苏省电力有限公司苏州供电分公司 | 一种雷雨风光储一体化电动车充电站响应系统及方法 |
| CN117094475B (zh) * | 2023-10-18 | 2024-01-30 | 合肥工业大学 | 一种电力配电网故障分析系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104657822A (zh) * | 2015-02-06 | 2015-05-27 | 海南电网有限责任公司 | 一种基于风险评估结果的电力系统灾害预警分级方法及系统 |
| 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 |
| CN109165846A (zh) * | 2018-08-23 | 2019-01-08 | 国网上海市电力公司 | 一种含分布式光伏电源的配电网风险评估方法 |
| CN110336284A (zh) * | 2019-07-30 | 2019-10-15 | 湘潭大学 | 孤岛运行交直流混合微电网静态安全风险评估方法 |
| CN110350517A (zh) * | 2019-06-27 | 2019-10-18 | 华南理工大学 | 一种基于运行风险的电动汽车并网配电网络重构方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2645517B1 (en) * | 2012-03-30 | 2017-07-19 | ABB Schweiz AG | Improvement for islanding detection reliability in electricity distribution network |
-
2019
- 2019-12-30 CN CN201911391345.3A patent/CN111080169B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104657822A (zh) * | 2015-02-06 | 2015-05-27 | 海南电网有限责任公司 | 一种基于风险评估结果的电力系统灾害预警分级方法及系统 |
| 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 |
| CN109165846A (zh) * | 2018-08-23 | 2019-01-08 | 国网上海市电力公司 | 一种含分布式光伏电源的配电网风险评估方法 |
| CN110350517A (zh) * | 2019-06-27 | 2019-10-18 | 华南理工大学 | 一种基于运行风险的电动汽车并网配电网络重构方法 |
| CN110336284A (zh) * | 2019-07-30 | 2019-10-15 | 湘潭大学 | 孤岛运行交直流混合微电网静态安全风险评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111080169A (zh) | 2020-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111080169B (zh) | 一种极端天气下主动配电网风险评估方法 | |
| Salih et al. | Study the effect of integrating the solar energy source on stability of electrical distribution system | |
| US10424926B2 (en) | Method for controlling an electric power distribution micro-grid | |
| CN112288326B (zh) | 一种适用于输电系统韧性评估的故障场景集削减方法 | |
| Vargas et al. | Large scale PV systems under non-uniform and fault conditions | |
| Aryanezhad et al. | Management and coordination charging of smart park and V2G strategy based on Monte Carlo algorithm | |
| CN113675878B (zh) | 海上风电场并网性能测试方法、系统、计算机设备和介质 | |
| Jena et al. | Setting a fostered energy network by decarbonizing the grid: H ybridization, control, and future solutions upon storage | |
| Hasan et al. | The impact of temperature on battery degradation for large-scale bess in pv plant | |
| CN114493365A (zh) | 一种含风电场电力系统连锁故障脆弱性的评估方法 | |
| Srivastava et al. | A congestion forecast framework for distribution systems with high penetration of PVs and PEVs | |
| Zadeh et al. | A novel probabilistic method for under frequency load shedding setting considering wind turbine response | |
| CN105514975B (zh) | 一种光伏发电系统的能效预测方法 | |
| CN104636993B (zh) | 配电系统可靠性算法 | |
| Faranadia et al. | Voltage flicker assessment of 15.3 kWp grid connected photovoltaic systems | |
| CN107271916B (zh) | 一种电池板组串健康状态检测方法 | |
| Hüels et al. | Energy storage in smart homes: Grid-convenience versus self-use and survivability | |
| Harrou et al. | Online model-based fault detection for grid connected PV systems monitoring | |
| Sabri et al. | Battery internal fault monitoring based on anomaly detection algorithm | |
| CN115345519A (zh) | 海上风电风险评估方法、装置、设备及存储介质 | |
| Basak et al. | Simscape based modeling and simulation of a PV generator in microgrid scenario | |
| Zhang et al. | A novel probabilistic approach for evaluating fault ride-through capability of wind generation | |
| CN103927594A (zh) | 基于自学习复合数据源自回归模型的风电功率预测方法 | |
| Ciapessoni et al. | Effect of renewable and load uncertainties on the assessment of power system operational risk | |
| CN113949343B (zh) | 光伏发电设备的检测方法、装置、电子设备及存储介质 |
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 |