CN111222696B - 电压暂降治理优化方法、装置、计算机设备和存储介质 - Google Patents
电压暂降治理优化方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111222696B CN111222696B CN202010000920.9A CN202010000920A CN111222696B CN 111222696 B CN111222696 B CN 111222696B CN 202010000920 A CN202010000920 A CN 202010000920A CN 111222696 B CN111222696 B CN 111222696B
- Authority
- CN
- China
- Prior art keywords
- information
- sensitive
- voltage
- treatment
- equipment
- 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
- 238000011282 treatment Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000011269 treatment regimen Methods 0.000 claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000001914 filtration Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 description 41
- 238000012423 maintenance Methods 0.000 description 23
- 241000196324 Embryophyta Species 0.000 description 14
- 230000009467 reduction Effects 0.000 description 9
- 238000005067 remediation Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 239000002699 waste material Substances 0.000 description 6
- 210000003127 knee Anatomy 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 241001070944 Mimosa Species 0.000 description 2
- 235000016462 Mimosa pudica Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- -1 hydrogen Chemical class 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种电压暂降治理优化方法、装置、计算机设备和存储介质。所述方法包括：获取敏感设备信息以及电压暂降治理信息，所述敏感设备信息包括敏感设备的电压耐受曲线；根据所述电压耐受曲线获取所述敏感设备的耐受时间；根据所述耐受时间以及电压暂降治理信息对所述敏感设备进行分类，得到分类结果；将所述分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果；根据所述运算结果计算得到目标治理策略信息。采用本方法能够对现有的电压暂降治理方式进行优化。
Description
技术领域
本申请涉及电力技术领域，特别是涉及一种电压暂降治理优化方法、装置、计算机设备和存储介质。
背景技术
企业在利用敏感设备进行供电的过程中，敏感设备会出现电压暂降情况。电压暂降是指供电电压的有效值在短时间内突然下降又恢复的现象。电压暂降情况的发生会给企业的生产运行造成重大影响。例如，设备损坏、停止运行等影响。传统方式中，是通过特定治理策略对敏感设备进行电压暂降治理，当敏感设备不适用于该特定治理策略时，会造成不必要的治理资源浪费。因此，如何对现有的电压暂降治理方式进行优化成为目前需要解决的一个技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够对现有的电压暂降治理方式进行优化的电压暂降治理优化方法、装置、计算机设备和存储介质。
一种电压暂降治理优化方法，所述方法包括：
获取敏感设备信息以及电压暂降治理信息，所述敏感设备信息包括敏感设备的电压耐受曲线；
根据所述电压耐受曲线获取所述敏感设备的耐受时间；
根据所述耐受时间以及电压暂降治理信息对所述敏感设备进行分类，得到分类结果；
将所述分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果；
根据所述运算结果计算得到目标治理策略信息。
在其中一个实施例中，所述分类结果包括第一敏感设备类型以及第二敏感设备类型，所述将所述分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果包括：
将所述分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型中，通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息；
通过所述治理模型根据所述第二敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第二治理策略信息；
将所述第一治理策略信息以及第二治理策略信息作为运算结果。
在其中一个实施例中，所述通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息包括：
通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算资源优化数据；
通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算与所述第一敏感设备类型对应的治理设备的第一资源数据；
将所述资源优化数据与第一资源数据进行比较，确定第一治理策略信息。
在其中一个实施例中，所述通过所述治理模型根据所述第二敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第二治理策略信息包括：
根据所述电压耐受曲线获取所述敏感设备的耐受电压；
通过所述治理模型根据所述耐受电压对所述第二敏感设备类型中的敏感设备进行分组，得到多种分组结果；
通过所述治理模型根据每种分组结果对应的敏感设备信息确定每种分组结果中每组设备对应的电压补偿数据、治理设备容量以及电缆铺设总长度；
通过所述治理模型根据每种分组结果中每组设备对应的电压补偿数据、治理设备容量、电缆铺设总长度计算每种分组结果对应的第二资源数据，将多种分组结果以及对应的第二资源数据作为第二治理策略信息。
在其中一个实施例中，所述方法还包括：
对多种分组结果中的敏感设备的数量进行统计；
根据统计得到的每种分组结果中的敏感设备数量识别是否存在满足预设过滤条件的分组结果；
若存在，则将满足预设过滤条件的分组结果进行过滤。
在其中一个实施例中，所述根据所述运算结果计算得到目标治理策略信息包括：
将所述运算结果中的第一治理策略信息以及第二治理策略信息进行整合，得到多种综合治理策略信息；
根据多种综合治理策略信息以及每种综合治理策略信息对应的第三资源数据计算得到每种综合治理策略信息对应的第四资源数据；
将多种综合治理策略信息对应的第四资源数据进行比较，确定满足预设治理条件的目标综合治理策略信息。
一种电压暂降治理优化装置，所述装置包括：
第一获取模块，用于获取敏感设备信息以及电压暂降治理信息，所述敏感设备信息包括敏感设备的电压耐受曲线；
第二获取模块，用于根据所述电压耐受曲线获取所述敏感设备的耐受时间；
分类模块，用于根据所述耐受时间以及电压暂降治理信息对所述敏感设备进行分类，得到分类结果；
计算模块，用于将所述分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果；根据所述运算结果计算得到目标治理策略信息。
在其中一个实施例中，所述计算模块还用于将所述分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型中，通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息；通过所述治理模型根据所述第二敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第二治理策略信息；将所述第一治理策略信息以及第二治理策略信息作为运算结果。
一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
上述电压暂降治理优化方法、装置、计算机设备和存储介质，通过敏感设备信息中的电压耐受曲线以及电压暂降治理信息对敏感设备进行分类，能够合理利用敏感设备的电压耐受曲线，将敏感设备进行分类治理，有利于实现更合理的治理资源配置。通过将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果，进而根据运算结果计算得到目标治理策略信息，治理模型是预先建立的，从而提高了运算结果的运算效率，能够根据敏感设备确定相应的治理策略，有效避免了不必要的治理资源浪费，实现对现有的电压暂降治理方式进行优化。
附图说明
图1为一个实施例中电压暂降治理优化方法的应用环境图；
图2为一个实施例中电压暂降治理优化方法的流程示意图；
图3为一个实施例中电压耐受曲线VTC1和VTC2的示意图；
图4为一个实施例中将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到目标治理策略信息步骤的流程示意图；
图5为一个实施例中动态电压恢复器的单位容量成本与容量之间的函数关系示意图；
图6为一个实施例中目标治理策略信息的示意图；
图7为一个实施例中电压暂降治理优化装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于设备信息的电压暂降治理优化方法，可以应用于如图1所示的应用环境中。其中，敏感设备102通过网络与服务器104进行通信。服务器104获取敏感设备102发送的电压暂治理请求，服务器104对电压暂将治理请求进行分析，得到敏感设备信息，敏感设备信息包括敏感设备的电压耐受曲线。服务器104在根据电压暂降治理请求在预设配置文件中获取电压暂降治理信息。服务器104根据电压耐受曲线以及电压暂降治理信息对敏感设备102进行分类，得到分类结果。服务器104将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果，根据运算结果计算得到目标治理策略信息。其中，敏感设备102可以是多个，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于设备信息的电压暂降治理优化方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤202，获取敏感设备信息以及电压暂降治理信息，敏感设备信息包括敏感设备的电压耐受曲线。
服务器接收敏感设备发送的电压暂降治理请求，对电压暂降治理请求进行解析，得到敏感设备信息。服务器根据电压暂降治理请求在预设配置文件中获取电压暂降治理信息。敏感设备可以包括变频器、水泵、压缩机、卷绕机等。敏感设备信息可以包括敏感设备的电压耐受曲线(Voltage Tolerance Curve，简称VTC)、额定容量、对供电电压的定量需求等。电压耐受曲线可以是表示电压暂降幅值与电压暂降持续时间关系的曲线。例如，电压耐受曲线VTC1和VTC2可以如图3所示。其中，Q1(T1，U1)表示VTC1的膝点坐标，T1表示VTC1的耐受时间，U1表示VTC1的耐受电压，当VTC1对应的敏感设备在正常运行时的电压需要高于耐受电压U1的供电电压。Q2(T2，U2)表示VTC2的膝点坐标，T2表示VTC2的耐受时间，U2表示VTC2的耐受电压，当VTC2对应的敏感设备在正常运行时的电压需要高于耐受电压U2的供电电压。
电压暂降治理信息可以包括第一电压暂降治理信息以及第二电压暂降治理信息。第一电压暂降治理信息可以包括园区级治理设备的动作时间、响应时间、适用的电压等级、容量、初始成本、维护成本年值等。例如，园区级治理设备可以包括固体切换开关(solidstate transfer switch，SSTS)。第二电压暂降治理信息可以包括设备级治理设备的动作时间、响应时间、适用的电压等级、容量、维护成本年值、电缆铺设单位距离成本、单位配件成本等。例如，设备级治理设备可以包括动态电压恢复器(dynamic voltage restorer，DVR)。
步骤204，根据电压耐受曲线获取所述敏感设备的耐受时间。
步骤206，根据耐受时间以及电压暂降治理信息对敏感设备进行分类，得到分类结果。
服务器获取电压耐受曲线中的膝点坐标。膝点可以是敏感设备的电压耐受曲线开始发生弯曲的点。膝点坐标的横坐标表示耐受时间，纵坐标表示耐受电压。电压暂降治理信息可以包括园区级治理设备的动作时间、响应时间以及设备级治理设备的动作时间、响应时间等。服务器可以根据园区级治理设备的动作时间以及响应时间获取园区级治理设备的切换时间，将园区级治理设备的切换时间作为对敏感设备进行分类的耐受时间。服务器根据该耐受时间将敏感设备划分为第一敏感设备类型以及第二敏感设备类型。第一敏感设备类型可以大于耐受时间且处于园区级治理范围内的敏感设备以及对应的设备数量。第一敏感设备类型可以通过园区级治理设备进行电压暂降治理。第二敏感设备类型可以包括小于耐受时间且处于设备级治理范围内的敏感设备以及对应的设备数量。第二敏感设备类型可以通过设备级治理设备进行电压暂降治理。
例如，服务器根据治理设备的动作时间以及响应时间获取治理设备的切换时间为20ms，则对敏感设备进行分类的耐受时间为20ms。服务器进而将耐受时间大于20ms的敏感设备划分至园区级治理范围，得到第一敏感设备类型。服务器将耐受时间小于20ms的敏感设备划分至设备级治理范围，进而得到第二敏感设备类型。
步骤208，将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果。
步骤210，根据运算结果计算得到目标治理策略信息。
服务器在得到分类结果后，可以将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果，进而根据运算结果计算得到目标治理策略信息。服务器可以利用搜索算法对治理模型进行求解运算。例如，搜索算法可以包括百度搜索算法、粒子群、遗传算法等。分类结果可以包括第一敏感设备类型以及第二敏感设备类型。运算结果可以包括第一治理策略信息以及第二治理策略信息。具体的，服务器调用预先建立的治理模型，将分类结果、敏感设备信息以及治理信息输入至治理模型中，通过治理模型根据与第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息。第一敏感设备类型对应的敏感设备信息可以包括采用园区级治理设备进行电压暂降治理后，园区级治理范围内的敏感设备平均每年减少的电压暂降资源损失、敏感设备寿命年限、成本折算率等。电压暂降治理信息可以包括园区级治理设备的初始成本、维护成本年值、敏感设备寿命年限、成本折算率等。第一治理策略信息可以包括园区级治理设备的数量以及对应的第一资源数据。第一资源数据可以是根据园区级治理设备的数量计算得到的。例如，第一资源数据可以是园区级治理成本。
服务器通过治理模型根据第二敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第二治理策略信息。第二敏感设备类型可以采用设备级治理设备进行电压暂降治理。第二敏感设备类型对应的敏感设备信息可以包括敏感设备的电压耐受曲线(Voltage Tolerance Curve，简称VTC)、额定容量、对供电电压的定量需求、敏感设备数量、敏感设备对应的用户标识、敏感设备对应的用户标识与设备级治理设备之间的电缆铺设长度等。用户标识与敏感设备之间可以是一一对应的，一个用户标识也可以对应多个敏感设备。第二治理策略信息可以包括第二敏感设备类型对应的敏感设备的分组结果以及根据分组结果计算得到的对应的第二资源数据。例如，第二资源数据可以是设备级治理成本。服务器将第一治理策略信息以及第二治理策略信息作为运算结果，根据运算结果计算得到目标治理策略信息。例如，目标治理策略信息可以包括净收益最大的电压暂降治理策略。服务器进而可以根据计算得到的目标治理策略信息来调用相应的治理设备，通过治理设备对敏感设备进行电压暂降治理。
传统方式中，是通过采用特定治理策略对敏感设备进行电压暂降治理，当敏感设备不适用于该特定治理策略时，会造成电压补偿多余、治理策略配置不合理，导致治理成本较高，造成不必要地治理资源浪费。而在本实施例中，服务器通过敏感设备信息中的电压耐受曲线中的耐受时间以及电压暂降治理信息对敏感设备进行分类，能够合理利用敏感设备的电压耐受曲线，能够更加准确合理地对敏感设备进行分类，对分类后的敏感设备进行电压暂降治理，从而有效避免了后续不必要的治理资源浪费。服务器通过将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果，进而根据运算结果计算得到目标治理策略信息，治理模型是预先建立的，从而提高了运算结果的运算效率，能够根据敏感设备确定相应的治理策略，有效避免了不必要的治理资源浪费，实现对现有的电压暂降治理方式进行优化。
在一个实施例中，如图4所示，将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果的步骤包括：
步骤402，将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型中，通过治理模型根据与第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息。
步骤404，通过治理模型根据第二敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第二治理策略信息。
步骤406，将第一治理策略信息以及第二治理策略信息作为运算结果。
服务器通过调用预先建立的治理模型，将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型中，通过治理模型根据与第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息。分类结果可以包括第一敏感设备类型以及第二敏感设备类型。第一治理策略信息可以包括第一敏感设备类型对应的园区级治理设备的数量。
在其中一个实施例中，通过治理模型根据与第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息包括：通过治理模型根据与第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算资源优化数据；通过治理模型根据与第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算与第一敏感设备类型对应的治理设备的第一资源数据；将资源优化数据与第一资源数据进行比较，确定第一治理策略信息。
第一设备类型对应的敏感设备信息可以包括采用园区级治理设备进行电压暂降治理后，园区级治理范围内的敏感设备平均每年减少的电压暂降资源损失、敏感设备寿命年限、折算率等。电压暂降治理信息可以包括园区级治理设备的初始成本、维护成本年值、敏感设备寿命年限、折算率等。服务器通过园区级治理范围内的敏感设备平均每年减少的电压暂降资源损失数据、敏感设备寿命年限以及成本折算率计算园区级治理范围内的敏感设备在有效年限内减少的电压暂降损失数据。园区级治理范围内的敏感设备在有效年限内减少的电压暂降损失数据的计算公式可以如下所示：
其中，P表示园区级治理范围内,即耐受时间大于20ms的敏感设备在有效年限内减少的电压暂降损失数据，p为园区级治理范围内,耐受时间大于20ms的敏感设备平均每年减少的电压暂降资源损失数据，i表示成本折算率，n表示敏感设备寿命年限。
服务器根据园区级治理设备的维护成本年值、敏感设备寿命年限以及折算率计算园区级治理设备的维护成本折现值。园区级治理设备的维护成本折现值的计算公式可以如下所示：
其中，Cmp表示园区级治理设备的维护成本折现值，i表示折算率，n表示敏感设备寿命年限。
服务器根据园区级治理设备的维护成本折现值以及园区级治理设备的初始成本计算园区级治理设备的总成本。服务器将园区级治理设备的总成本与园区级治理范围内的敏感设备在有效年限内减少的电压暂降损失数据进行比较，当园区级治理设备的总成本小于园区级治理范围内的敏感设备在有效年限内减少的电压暂降损失数据时，则检验参数为1，服务器采用园区级治理，园区级治理设备的数量可以是一台。当园区级治理设备的总成本大于园区级治理范围内的敏感设备在有效年限内减少的电压暂降损失数据时，则检验参数为0，服务器不采用园区级治理，园区级治理设备的数量为零。第一治理策略信息的计算公式可以如下所示：
其中，k1表示检验参数，C1表示园区级治理设备的初始成本,Cmp表示园区级治理设备的维护成本折现值，P表示园区级治理范围内,即耐受时间大于20ms的敏感设备在有效年限内减少的电压暂降损失数据。
在本实施例中，服务器通过计算资源优化数据和第一资源数据，并通过比较资源优化数据和第一资源数据，从而确定第一治理策略信息，有利于得到资源优化效果更好的第一治理策略信息，减少治理成本。
服务器在计算得到第一治理策略信息后，可以通过治理模型根据第二敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第二治理策略信息。在其中一个实施例中，通过治理模型根据第二敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第二治理策略信息包括：根据电压耐受曲线获取敏感设备的耐受电压；通过治理模型根据耐受电压对第二敏感设备类型中的敏感设备进行分组，得到多种分组结果；通过治理模型根据每种分组结果对应的敏感设备信息确定每种分组结果中每组设备对应的电压补偿数据、治理设备容量以及电缆铺设总长度；通过治理模型根据每种分组结果中每组设备对应的电压补偿数据、治理设备容量以及电缆铺设总长度计算每种分组结果对应的第二资源数据，将多种分组结果以及对应的第二资源数据作为第二治理策略信息。
服务器通过治理模型根据耐受电压将第二敏感设备类型中的敏感设备进行分组，可以得到多种分组结果。例如，可以将耐受电压为65％到80％的第二敏感设备类型中的敏感设备分为一组，将耐受电压为45％到65％的第二敏感设备类型中的敏感设备分为一组，将耐受电压为45％以下的第二敏感设备类型中的敏感设备分为一组，从而将第二敏感设备类型中的敏感设备划分为三组。又如，可以将45％到80％的第二敏感设备类型中的敏感设备分为一组，将耐受电压为45％以下的第二敏感设备类型中的敏感设备分为一组，从而将第二敏感设备类型中的敏感设备划分为两组。
每种分组结果对应的敏感设备信息可以包括敏感设备的耐受电压、额定电压、额定容量、敏感设备的数量、敏感设备到每个治理设备之间的电缆长度等。电压暂降治理信息可以包括设备级治理设备的初始成本、维护成本年值、敏感设备寿命年限、成本折算率等。
服务器通过治理模型根据每种分组结果中敏感设备的耐受电压计算每种分组结果中每组设备对应的电压补偿数据。每组设备对应的电压补偿数据的计算公式可以如下所示：
其中，Uj表示第j组敏感设备对应的电压补偿数据，第Uj demand(r)表示第j组内第r个敏感设备的耐受电压。
服务器通过治理模型根据每种分组结果中敏感设备的额定电压、额定容量、敏感设备的数量计算每种分组结果对应的治理设备容量。每种分组结果对应的治理设备容量的计算公式可以如下所示：
其中，Sj表示第j组对应的治理设备容量,
表示第j组内第r台敏感设备的额定容量，Un表示额定电压，R表示第j组内敏感设备的数量。
服务器根据每种分组结果中敏感设备到每个治理设备之间的电缆长度计算每种分组结果中每组设备对应电缆铺设总长度。计算公式可以如下所示；
其中，dk表示每种分组结果中每组设备对应电缆铺设长度，dkj表示第k个用户标识到第j台设备级治理设备的电缆长度，第k个用户标识对应的敏感设备被分到第j组，此时μkj＝1，当第k个用户标识对应的敏感设备未被分到第j组，则μkj＝0。μkj表示0-1累计变量，用于统计每个用户标识对应的电缆铺设总长度。
服务器通过治理模型根据每种分组结果中每组设备对应的治理设备容量、治理设备单位容量成本、分组结果的数量计算总容量成本。服务器通过分组结果的数量来确定设备级治理设备的数量。总容量成本的计算公式可以如下所示：
其中，C2表示总容量成本，N为设备级治理设备的数量，c2j为第j台设备级治理设备的单位容量成本，Sj是第j台设备级治理设备的容量，设备级治理设备的单位容量成本c2是容量S的函数，可以表示为c2＝f(S)。
服务器通过治理模型根据每种分组结果中每组设备对应的电缆铺设总长度、电缆铺设单位距离成本计算电缆铺设成本。计算公式可以如下所示：
其中，C3表示电缆铺设成本，c3表示电缆铺设单位距离成本，dk表示第k个用户表示的电缆铺设总长度；Nk表示用户标识的数量。
服务器通过治理模型根据每种分组结果中每组设备对应的分组结果的数量以及设备级治理设备的单位配件成本计算设备级治理设备的配件总成本。服务器通过分组结果的数量来确定设备级治理设备的数量。计算公式可以如下所示：
C4＝N×c4 (9)
其中，C4表示设备级治理设备的配件总成本，N为设备级治理设备的数量，c4为设备级治理设备的单位配件成本。
服务器还可以根据设备级治理设备的维护成本年值、敏感设备寿命年限以及成本折算率计算设备级治理设备的维护成本折现值。设备级治理设备的维护成本折现值的计算公式可以如下所示：
其中，Cme表示设备级治理设备的维护成本折现值，i表示折算率，n表示敏感设备寿命年限。
服务器将每种分组结果对应的总容量成本、电缆铺设成本、配件总成本以及维护成本折现值计算对应的第二资源数据。第二资源数据可以是设备级治理设备的治理总成本。服务器将多种分组结果以及对应的第二资源数据作为第二治理策略信息。服务器可以将第一治理策略信息以及第二治理策略信息作为运算结果，进而根据运算结果计算得到目标治理策略信息。
在本实施例中，服务器根据每种分组结果对应的总容量成本、电缆铺设成本、配件总成本以及维护成本折现值计算对应的第二资源数据，进而计算得到第二治理策略信息，有利于后续对分配电压暂降治理资源，从而选取满足预设条件的目标治理策略信息对敏感设备进行电压暂降治理。
在一个实施例中，根据运算结果计算得到目标治理策略信息包括：将运算结果中的第一治理策略信息以及第二治理策略信息进行整合，得到多种治理策略信息；根据多种治理策略信息以及每种治理策略信息对应的第三资源数据计算得到每种治理策略信息对应的第四资源数据；将多种治理策略信息对应的第四资源数据进行比较，确定满足预设治理条件的目标治理策略信息。
第一治理策略信息可以包括园区级治理设备的数量以及对应的第一资源数据。第一资源数据可以是园区级治理成本。第二治理策略信息可以包括设备级治理范围内敏感设备的多种分组结果以及每种分组结果对应的第二资源数据。第二资源数据可以是设备级治理成本。服务器将第一治理策略信息以及第二治理策略信息进行整合，得到多种综合治理策略信息。每种综合治理策略信息存在对应的第三资源数据。第三资源数据可以是园区治理总成本，可以由第一资源数据与第二资源数据相加得到。第三资源数据的计算公式可以如下所示：
M＝[k1(C1+Cmp)+C2+C3+C4+Cme] (11)
其中，M表示第三资源数据，k1表示检验参数，C1表示园区级治理设备的初始成本,Cmp表示园区级治理设备的维护成本折现值，C2表示总容量成本，C3表示电缆铺设成本，C4表示设备级治理设备的配件总成本，Cme表示设备级治理设备的维护成本折现值。
服务器根据多种综合治理策略信息以及每种综合治理策略信息对应的第三资源数据计算得到每种综合治理策略信息对应的第四资源数据。第四资源数据可以是园区级治理以及设备级治理的总净收益值。第四资源数据的计算公式可以如下所示：
B＝F-M (12)
其中，B表示第四资源数据，F表示有效年限内园区敏感设备减少的总电压暂降损失数据，f为根据目标治理策略信息对敏感设备进行电压暂降治理后，园区用户平均每年减少的电压暂降损失数据，i表示成本折算率，n表示敏感设备寿命年限。
例如，服务器从制药厂、化工厂、造纸厂、纺织厂和半导体厂五个用户中获取对应的敏感设备信息，如表1所示：
表1
服务器获取敏感设备的电压耐受曲线，根据电压耐受曲线获取对应的膝点数据。服务器从配置文件中获取电压暂降治理信息，根据膝点数据以及电压暂降治理信息对敏感设备进行分类，得到需要设备级治理的敏感设备。上述用户中需要设备级治理的敏感设备信息可以如表2所示：
表2
服务器获取到的园区级治理设备的初始成本为200万元，维护成本年值为10％，折算率为6％，寿命年限为10年。服务器将维护成本年值、折算率以及寿命年限输入至公式(2)进行计算，得到园区级治理设备的维护成本折现值。根据维护成本折现值以及初始成本计算得到园区级治理设备成本。服务器获取到的电缆铺设单位距离成本为0.7924万元/米。服务器选择的设备级治理设备为动态电压恢复器(dynamic voltage restorer，简称DVR)，根据动态电压恢复器的单位容量成本与容量之间的函数关系，可以得到动态电压恢复器在不同容量下的单位容量成本。动态电压恢复器的单位容量成本与容量之间的函数关系可以如图5所示。
服务器获取到的DVR单台配件成本为0.12万元。上述五个用户到DVR柜体的电缆铺设长度依次为：1.2km、1km、2km、1.5km、3km。
在采用园区级治理设备治理后，10年后该园区减少的电压暂降损失为19477.14万元，远大于园区级治理设备成本，此时检验参数为1，则采用园区级治理。
服务器通过治理模型根据耐受电压将第二敏感设备类型中的敏感设备进行分组，可以得到多种分组结果。服务器利用公式(4)-(13)计算得到目标治理策略信息，可以如图6所示。
服务器根据目标治理策略信息，计算得到10年内园区整体最大净收益值为24773.80万元，园区治理总成本为660.52万元。目标治理策略信息为配置1台SSTS，配置2台DVR，即将设备级治理范围内的敏感设备分成两组进行治理，三组对应的电压等级分别为U1＝84％Un、U2＝62％Un。其中，U1表示DVR1的电压等级，U2表示DVR2的电压等级，Un表示SSTS的电压等级。DVR容量分别为713.16kVA、911.40kVA。
传统方式采用一台SSTS和一台大容量DVR进行统一补偿治理，园区治理总成本为714.45万元，园区净收益值为24719.87万元。传统方案2只采用一台超大容量DVR进行治理，园区治理总成本为1236.50万元，园区净收益值为24197.82万元，两种传统方案的净收益值均小于本申请中电压暂降治理优化方法得到的净收益值，实现对传统的电压暂降方式进行优化，有效避免了不必要的电压暂降治理资源浪费。
在本实施例中，服务器将多种园区治理的净收益值治理策略信息对应的第四资源数据进行比较，确定满足预设治理条件的目标治理策略信息。满足预设治理条件可以是数值最大的第四资源数据。服务器通过将第一治理策略信息以及第二治理策略信息进行整合，有利于得到综合治理策略信息。服务器根据整合得到的多种综合治理策略信息以及每种综合治理策略信息对应的第三资源数据计算得到每种综合治理策略信息对应的第四资源数据，并在第四资源数据中确定满足预设治理条件的目标综合治理策略信息，能够从多种综合治理策略信息中选取第四资源数据最大的综合治理策略信息，从而有效地减少了电压暂降治理成本。
在一个实施例中，上述方法还包括：对多种分组结果中的敏感设备的数量进行统计；根据统计得到的每种分组结果中的敏感设备数量识别是否存在满足预设过滤条件的分组结果；若存在，则将满足预设过滤条件的分组结果进行过滤。
服务器在通过治理模型对第二敏感设备类型中的敏感设备进行分组搜索的过程中，可以将搜索方向进行过滤。服务器统计每种分组结果中的敏感设备的数量。当多种分组结果中存在满足预设过滤条件的敏感设备的数量时，则将该分组结果进行过滤。例如，预设过滤条件可以是小组中第二敏感设备类型中的敏感设备的数量为一台。
在本实施例中，服务器通过将满足预设过滤条件的分组结果进行过滤，减少了后续计算第二治理策略信息的耗时，提高了策略信息的计算效率。
应该理解的是，虽然图2以及图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2以及图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种电压暂降治理优化装置，包括：第一获取模块702、第二获取模块704、分类模块706和计算模块708，其中：
第一获取模块702，用于获取敏感设备信息以及电压暂降治理信息，敏感设备信息包括敏感设备的电压耐受曲线。
第二获取模块704，用于根据电压耐受曲线获取敏感设备的耐受时间。
分类模块706，用于根据耐受时间以及电压暂降治理信息对敏感设备进行分类，得到分类结果。
计算模块708，用于将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型进行运算，得到运算结果；根据运算结果计算得到目标治理策略信息。
在一个实施例中，计算模块708还用于将分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型中，通过治理模型根据与第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息；通过治理模型根据第二敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第二治理策略信息；将第一治理策略信息以及第二治理策略信息作为运算结果。
在一个实施例中，计算模块708还用于通过治理模型根据与第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算资源优化数据；通过治理模型根据与第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算与所述第一敏感设备类型对应的治理设备的第一资源数据；将资源优化数据与第一资源数据进行比较，确定第一治理策略信息。
在一个实施例中，计算模块708还用于根据电压耐受曲线获取敏感设备的耐受电压；通过治理模型根据耐受电压对第二敏感设备类型中的敏感设备进行分组，得到多种分组结果；通过治理模型根据每种分组结果对应的敏感设备信息确定每种分组结果中每组设备对应的电压补偿数据、治理设备容量以及电缆铺设总长度；通过治理模型根据每种分组结果中每组设备对应的电压补偿数据、治理设备容量、电缆铺设总长度计算每种分组结果对应的第二资源数据，将多种分组结果以及对应的第二资源数据作为第二治理策略信息。
在一个实施例中，上述装置还包括：过滤模块，用于对多种分组结果中的敏感设备的数量进行统计；根据统计得到的每种分组结果中的敏感设备数量识别是否存在满足预设过滤条件的分组结果；若存在，则将满足预设过滤条件的分组结果进行过滤。
在一个实施例中，计算模块708还用于将运算结果中的第一治理策略信息以及第二治理策略信息进行整合，得到多种综合治理策略信息；根据多种综合治理策略信息以及每种综合治理策略信息对应的第三资源数据计算得到每种综合治理策略信息对应的第四资源数据；将多种综合治理策略信息对应的第四资源数据进行比较，确定满足预设治理条件的目标综合治理策略信息。
关于电压暂降治理优化装置的具体限定可以参见上文中对于电压暂降治理优化方法的限定，在此不再赘述。上述电压暂降治理优化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储敏感设备信息以及电压暂降治理信息。该计算机设备的网络接口用于与外部的敏感设备通过网络连接通信。该计算机程序被处理器执行时以实现一种电压暂降治理优化方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述各个方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电压暂降治理优化方法，所述方法包括：
获取敏感设备信息以及电压暂降治理信息，所述敏感设备信息包括敏感设备的电压耐受曲线；
根据所述电压耐受曲线获取所述敏感设备的耐受时间；
根据所述耐受时间以及电压暂降治理信息对所述敏感设备进行分类，得到分类结果；所述分类结果包括第一敏感设备类型以及第二敏感设备类型；
将所述分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型中，通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息；
根据所述电压耐受曲线获取所述敏感设备的耐受电压；
通过所述治理模型根据所述耐受电压对所述第二敏感设备类型中的敏感设备进行分组，得到多种分组结果；
通过所述治理模型根据每种分组结果对应的敏感设备信息确定每种分组结果中每组设备对应的电压补偿数据、治理设备容量以及电缆铺设总长度；
通过所述治理模型根据每种分组结果中每组设备对应的电压补偿数据、治理设备容量、电缆铺设总长度计算每种分组结果对应的第二资源数据，将多种分组结果以及对应的第二资源数据作为第二治理策略信息；
将所述第一治理策略信息以及第二治理策略信息作为运算结果，并根据所述运算结果计算得到目标治理策略信息。
2.根据权利要求1所述的方法，其特征在于，所述电压耐受曲线表示电压暂降幅值与电压暂降持续时间关系的曲线。
3.根据权利要求1所述的方法，其特征在于，所述通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息包括：
通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算资源优化数据；
通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算与所述第一敏感设备类型对应的治理设备的第一资源数据；
将所述资源优化数据与第一资源数据进行比较，确定第一治理策略信息。
4.根据权利要求1所述的方法，其特征在于，所述敏感设备信息包括敏感设备的额定容量。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对多种分组结果中的敏感设备的数量进行统计；
根据统计得到的每种分组结果中的敏感设备数量识别是否存在满足预设过滤条件的分组结果；
若存在，则将满足预设过滤条件的分组结果进行过滤。
6.根据权利要求1至5任意一项所述的方法，其特征在于，所述根据所述运算结果计算得到目标治理策略信息包括：
将所述运算结果中的第一治理策略信息以及第二治理策略信息进行整合，得到多种综合治理策略信息；
根据多种综合治理策略信息以及每种综合治理策略信息对应的第三资源数据计算得到每种综合治理策略信息对应的第四资源数据；
将多种综合治理策略信息对应的第四资源数据进行比较，确定满足预设治理条件的目标综合治理策略信息。
7.一种电压暂降治理优化装置，其特征在于，所述装置包括：
第一获取模块，用于获取敏感设备信息以及电压暂降治理信息，所述敏感设备信息包括敏感设备的电压耐受曲线；
第二获取模块，用于根据所述电压耐受曲线获取所述敏感设备的耐受时间；
分类模块，用于根据所述耐受时间以及电压暂降治理信息对所述敏感设备进行分类，得到分类结果；所述分类结果包括第一敏感设备类型以及第二敏感设备类型；
计算模块，用于将所述分类结果、敏感设备信息以及电压暂降治理信息输入至治理模型中，通过所述治理模型根据与所述第一敏感设备类型对应的敏感设备信息以及电压暂降治理信息计算第一治理策略信息；根据所述电压耐受曲线获取所述敏感设备的耐受电压；通过所述治理模型根据所述耐受电压对所述第二敏感设备类型中的敏感设备进行分组，得到多种分组结果；通过所述治理模型根据每种分组结果对应的敏感设备信息确定每种分组结果中每组设备对应的电压补偿数据、治理设备容量以及电缆铺设总长度；通过所述治理模型根据每种分组结果中每组设备对应的电压补偿数据、治理设备容量、电缆铺设总长度计算每种分组结果对应的第二资源数据，将多种分组结果以及对应的第二资源数据作为第二治理策略信息；将所述第一治理策略信息以及第二治理策略信息作为运算结果，并根据所述运算结果计算得到目标治理策略信息。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括过滤模块，所述过滤模块用于对多种分组结果中的敏感设备的数量进行统计；根据统计得到的每种分组结果中的敏感设备数量识别是否存在满足预设过滤条件的分组结果；若存在，则将满足预设过滤条件的分组结果进行过滤。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010000920.9A CN111222696B (zh) | 2020-01-02 | 2020-01-02 | 电压暂降治理优化方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010000920.9A CN111222696B (zh) | 2020-01-02 | 2020-01-02 | 电压暂降治理优化方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111222696A CN111222696A (zh) | 2020-06-02 |
| CN111222696B true CN111222696B (zh) | 2022-07-22 |
Family
ID=70832794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010000920.9A Active CN111222696B (zh) | 2020-01-02 | 2020-01-02 | 电压暂降治理优化方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111222696B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111654034B (zh) * | 2020-06-24 | 2021-08-24 | 广东电网有限责任公司电力科学研究院 | 园区级电压暂降分层分级治理系统、方法及终端设备 |
| CN112152224B (zh) * | 2020-11-24 | 2021-02-09 | 国网四川省电力公司电力科学研究院 | 一种电压暂降治理优化方法及系统 |
| CN112488544A (zh) * | 2020-12-07 | 2021-03-12 | 深圳供电局有限公司 | 电压暂降补偿设备配置方法、装置和计算机设备 |
| CN113746103B (zh) * | 2021-08-24 | 2023-09-22 | 国网河南省电力公司电力科学研究院 | 基于等效体积的电压暂降治理效益量化评价方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8561127B1 (en) * | 2006-03-01 | 2013-10-15 | Adobe Systems Incorporated | Classification of security sensitive information and application of customizable security policies |
| CN104377703A (zh) * | 2014-11-27 | 2015-02-25 | 国网上海市电力公司 | 基于敏感用户的电压暂降综合治理设备的控制方法 |
| CN109950910A (zh) * | 2019-04-23 | 2019-06-28 | 福州大学 | 一种基于过程参数免疫时间的电压暂降缓减方法 |
| CN110568325A (zh) * | 2019-08-20 | 2019-12-13 | 广州供电局有限公司 | 可调速驱动设备的电压暂降耐受能力检测方法、装置 |
-
2020
- 2020-01-02 CN CN202010000920.9A patent/CN111222696B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8561127B1 (en) * | 2006-03-01 | 2013-10-15 | Adobe Systems Incorporated | Classification of security sensitive information and application of customizable security policies |
| CN104377703A (zh) * | 2014-11-27 | 2015-02-25 | 国网上海市电力公司 | 基于敏感用户的电压暂降综合治理设备的控制方法 |
| CN109950910A (zh) * | 2019-04-23 | 2019-06-28 | 福州大学 | 一种基于过程参数免疫时间的电压暂降缓减方法 |
| CN110568325A (zh) * | 2019-08-20 | 2019-12-13 | 广州供电局有限公司 | 可调速驱动设备的电压暂降耐受能力检测方法、装置 |
Non-Patent Citations (3)
| Title |
|---|
| 园区级-设备级电压暂降协同治理优化方案;肖先勇;《电力自动化设备》;20200531;全文 * |
| 电压暂降治理措施及设备综数;胡安平 等;《电力电子设备》;20190731;全文 * |
| 电压暂降问题研究现状及面临的挑战;汪颖 等;《供用电》;20180228;正文第1-8页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111222696A (zh) | 2020-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111222696B (zh) | 电压暂降治理优化方法、装置、计算机设备和存储介质 | |
| WO2021208309A1 (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
| CN110376469B (zh) | 台区相序与线户关系识别方法及其装置 | |
| CN116646933A (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
| CN106096805A (zh) | 一种基于熵权法特征选择的居民用电负荷分类方法 | |
| CN111505443B (zh) | 低压台区线户关系识别方法、装置和计算机设备 | |
| CN111612275A (zh) | 一种预测区域用户负荷量的方法及装置 | |
| CN104517041B (zh) | 一种基于最大信息熵的化工数据流实时异常检测方法 | |
| CN112464059B (zh) | 配电网用户分类方法、装置、计算机设备和存储介质 | |
| CN112002949A (zh) | 一种动力电池主动均衡的监测管理方法及系统 | |
| Zhang et al. | Multi-objective interval prediction of wind power based on conditional copula function | |
| CN106357458A (zh) | 网元异常检测方法及装置 | |
| Huang et al. | Fuel cell engine fault diagnosis expert system based on decision tree | |
| CN111679970B (zh) | 机器人软件系统运行环境状态预测方法 | |
| Domingo-Ferrer et al. | Towards fuzzy c-means based microaggregation | |
| CN106708624A (zh) | 一种多工作域计算资源的自适应调整方法 | |
| CN106919712A (zh) | 报表的数据统计方法和系统 | |
| CN116632875A (zh) | 一种用于配电网的混合储能规划方法及系统 | |
| CN115409264A (zh) | 基于馈线故障预测的配电网抢修驻点位置优化方法 | |
| CN112884316B (zh) | 电力调控方法、装置、计算机设备和存储介质 | |
| CN110910009B (zh) | 电力用户管理方法、装置、计算机设备和存储介质 | |
| CN112131069B (zh) | 基于聚类的设备运行监测方法及系统 | |
| CN111835005A (zh) | 确定新能源基地电网输送能力的方法、装置及相关设备 | |
| CN112598173B (zh) | 云平台下储能系统的时间序列数据的自组织学习建模方法 | |
| CN113839451B (zh) | 均衡控制方法、系统、设备以及存储介质 |
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 |