CN111310855B - 一种基于MapReduce的多数据源规划态数据融合方法 - Google Patents

一种基于MapReduce的多数据源规划态数据融合方法 Download PDF

Info

Publication number
CN111310855B
CN111310855B CN202010162972.6A CN202010162972A CN111310855B CN 111310855 B CN111310855 B CN 111310855B CN 202010162972 A CN202010162972 A CN 202010162972A CN 111310855 B CN111310855 B CN 111310855B
Authority
CN
China
Prior art keywords
data
planning
model
plan
fused
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
CN202010162972.6A
Other languages
English (en)
Other versions
CN111310855A (zh
Inventor
张超
朱炳铨
蒋正威
肖艳炜
李东梧
卢敏
阙凌燕
史立勤
孙珂
孔飘红
王立建
沈琦
曹张洁
张若伊
张霞
姚毅滨
谢棋
刘大伟
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.)
Hangzhou Wr Power Technology Co ltd
State Grid Zhejiang Electric Power Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Hangzhou Wr Power Technology Co ltd
State Grid Zhejiang Electric Power Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric 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 Hangzhou Wr Power Technology Co ltd, State Grid Zhejiang Electric Power Co Ltd, Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Hangzhou Wr Power Technology Co ltd
Priority to CN202010162972.6A priority Critical patent/CN111310855B/zh
Publication of CN111310855A publication Critical patent/CN111310855A/zh
Application granted granted Critical
Publication of CN111310855B publication Critical patent/CN111310855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Water Supply & Treatment (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明的目的在于解决现有所存在的多源数据如何能够顺利地融合到规划态数据，降低融合失败的概率的问题，提供一种基于MapReduce的多数据源规划态数据融合方法，提高数据融合的成功率。包括：获取原始规划态数据；将投运计划融合到原始规划态数据形成投运规划态数据；将检修计划融合到投运规划态数据形成检修规划态数据；检验检修规划态数据，将检验通过的检修规划态数据确定为基态模型；基于MapReduce，将负荷预测数据以及发电计划融合到基态模型；根据融合后的基态模型，生成融合后的规划态数据。本公开的方法，通过逐步融合，能够降低融合失败的风险，提高融合成功的概率；利用网络节点同时处理数据，提高海量数据集的处理效率。

Description

一种基于MapReduce的多数据源规划态数据融合方法
技术领域
本发明涉及电力系统规划领域，更具体地，涉及一种基于MapReduce的多数据源规划态数据融合方法。
背景技术
年来，为了适应经济迅速发展和人民生活水平的提高，电网规模迅速扩大，在电网规模扩大的过程中，电网规划具有前瞻性的意义，保证规划态数据质量、提高规划水平，是电网规划部门追求的目标之一。
为了保证规划质量，提高规划水平，需要多种来源多种类型的数据作为直接或者间接的设计依据，这种多源数据如何能够顺利地融合到规划态数据中，降低融合失败的概率，发挥多源多类型数据的作用，是需要解决的问题。
发明内容
本发明的目的在于解决现有所存在的其中一个问题，提供一种基于MapReduce的多数据源规划态数据融合方法，提高数据融合的成功率。
为了实现所述目的，一种基于MapReduce的多数据源规划态数据融合方法，包括：
获取原始规划态数据；
将投运计划融合到原始规划态数据形成投运规划态数据；
将检修计划融合到投运规划态数据形成检修规划态数据；
检验检修规划态数据，将检验通过的检修规划态数据确定为基态模型；
基于MapReduce，将负荷预测数据以及发电计划融合到基态模型；
根据融合后的基态模型，生成融合后的规划态数据。
可选的，所述获取原始规划态数据包括：
获取历史时刻的模型、拓扑和量测数据；
根据所述模型、拓扑和量测数据，生成原始规划态数据。
可选的，所述获取原始规划态数据包括：
获取外部应用模型；
根据外部应用模型生成的数据，生成原始规划态数据。
可选的，所述将投运计划融合到原始规划态数据形成投运规划态数据，包括：
确定投运计划要融合的版本、分组和工程；
获取该投运计划要融合的版本、分组和工程包含的详细内容；
将新投运的设备的模型增加到所述原始规划态数据，生成投运规划态数据中；
将退役的设备从投运规划态数据中删除；
在投运规划态数据中更新拓扑关系。
可选的，将检修计划融合到投运规划态数据形成检修规划态数据，包括：
确定检修计划要融合的版本、分组、工程；
获取该检修计划要融合的版本、分组、工程包含的详细内容；
把需要进行检修的设备从投运规划态数据中删除，生成检修规划态数据；
把陪停的设备从检修规划态数据中删除；
把备用转运行的设备改为投运；
在检修规划态数据中更新拓扑关系；
把出力限制信息和负荷限制信息更新到检修规划态数据。
可选的，把备用转运行的设备改为投运包括：
若所述备用转运行的设备之前未建模，则建模；
若所述备用转运行的设备之前已经建模，则单纯改变拓扑关系使其投运。
可选的，检验检修规划态数据，将检验通过的检修规划态数据确定为基态模型，包括：
检验模型准确性；
检验拓扑准确性；
将模型准确性和拓扑准确性均检验通过的模型确定为基态模型。
可选的，基于MapReduce，将负荷预测数据以及发电计划融合到基态模型，包括：
在并行处理时，将负荷预测数据和发电计划数据分为Map1和Map2两个任务，再将所述两个任务的中间结果进行聚合和交互，聚合交互结果通过两个Reduce模块处理后输出融合结果。
可选的，根据融合后的基态模型，生成融合后的规划态数据，包括：
当融合后的基态模型中发用电不平衡时，将用发电调整到平衡；
当融合后的基态模型中电网运行方式不合理时，将运行方式调整为合理的运行方式；
以调整后的基台模型为融合后的规划态数据。
可选的，所述根据融合后的基态模型，生成融合后的规划态数据后，还包括：
按规划态数据的消费者所需的格式输出规划态数据。
通过实施本公开的技术方案可以取得以下有益技术效果：解决了多源数据融合到规划态的技术难题；通过逐步融合，能够降低融合失败的风险，提高融合成功的概率；数据融合过程中，采用了MapReduce处理技术，利用网络节点同时处理数据，提高海量数据集的处理效率。
附图说明
图1为本公开一个实施方式中的一种基于MapReduce的多数据源规划态数据融合方法的流程图；
图2为本公开一个实施方式中的一种基于MapReduce的数据融合流程图。
具体实施方式
为了便于本领域技术人员的理解，下面结合具体实施例对本发明作进一步的说明：
参见图1，一种基于MapReduce的多数据源规划态数据融合方法，包括：
步骤S1：获取原始规划态数据；
步骤S2：将投运计划融合到原始规划态数据形成投运规划态数据；
步骤S3：将检修计划融合到投运规划态数据形成检修规划态数据；
步骤S4：检验检修规划态数据，将检验通过的检修规划态数据确定为基态模型；
步骤S5：基于MapReduce，将负荷预测数据以及发电计划融合到基态模型；
步骤S6：根据融合后的基态模型，生成融合后的规划态数据。
MapReduce是并行编程模型，借鉴了函数式编程的思想，将大规模集群上的复杂的并行计算高度的抽象到了两个函数：Map(映射)函数和Reduce(归约)函数。Map函数负责对任务的分解，而Reduce函数则是将分解的任务进行合并。
本公开的方法，解决了多源数据融合到规划态的技术难题；通过逐步融合，能够降低融合失败的风险，提高融合成功的概率；数据融合过程中，采用了MapReduce处理技术，利用网络节点同时处理数据，提高海量数据集的处理效率。
在一个实施方式中，步骤S1，获取原始规划态数据包括：
获取历史时刻的模型、拓扑和量测数据；
根据所述模型、拓扑和量测数据，生成原始规划态数据。
步骤S1，获取原始规划态数据还包括：
获取外部应用模型；
根据外部应用模型生成的数据，生成原始规划态数据。
原始规划态数据可以通过两种方式得到，方式1是通过获取历史时刻的模型、拓扑、量测数据建立，方式2是通过获取外部应用生成的数据来建立。
BPA是一个典型的外部应用，其电网模型就可以通过方式2来形成原始规划态数据。
在一个实施方式中，步骤S2，将投运计划融合到原始规划态数据形成投运规划态数据，包括：
确定投运计划要融合的版本、分组和工程；
获取该投运计划要融合的版本、分组和工程包含的详细内容；
将新投运的设备的模型增加到所述原始规划态数据，生成投运规划态数据中；
将退役的设备从投运规划态数据中删除；
在投运规划态数据中更新拓扑关系。
投运计划可以是一种来源于外部的数据，投运计划中包含了版本、分组、工程等管理性的信息，也包含了电网模型数据比如线路、变压器等信息。
投运计划的管理性的信息决定了什么时候、什么方式要融合到规划态数据中，电网模型数据类的信息则表达了具体的模型，比如线路就会有电阻、电抗、电纳这些基本的参数，也会有相关的拓扑连接，变压器则有容量、电压等级以及各侧绕组的参数信息，以及和相邻的设备拓扑连接。
在一个实施方式中，步骤S3，将检修计划融合到投运规划态数据形成检修规划态数据，包括：
确定检修计划要融合的版本、分组、工程；
获取该检修计划要融合的版本、分组、工程包含的详细内容；
把需要进行检修的设备从投运规划态数据中删除，生成检修规划态数据；
把陪停的设备从检修规划态数据中删除。
把备用转运行的设备改为投运；
在检修规划态数据中更新拓扑关系；
把出力限制信息和负荷限制信息更新到检修规划态数据。
进一步，把备用转运行的设备改为投运包括：
若所述备用转运行的设备之前未建模，则建模；
若所述备用转运行的设备之前已经建模，则单纯改变拓扑关系使其投运。
检修计划是一种来源于外部的数据，根据检修起始时间、结束时间、检修设备类型，来决定该设备是否会出现在电网模型中，并拓扑关系会造成何种影响。
设备检修会造成电网局部的发电能力、输电能力、安全稳定方面的特性发生变化，因此会有其他的配合措施来减轻对电网安全的影响，比如设备陪停、发电机出力限值改变、备用设备投入等附加措施，因此设备检修往往也是有版本、分组、工程的概念，设备陪停等附加措施的信息和设备检修绑定在一个工程里，生效时间也有相应的配合关系。
在一个实施方式中，步骤S4，检验检修规划态数据，将检验通过的检修规划态数据确定为基态模型，包括：
检验模型准确性；缺失、多余均不符合要求。
检验拓扑准确性；漏连、误连均不符合要求。
将模型准确性和拓扑准确性均检验通过的模型确定为基态模型。
原始规划态数据经过了投运计划和检修计划的融合，演变成了检修规划态数据，这个数据再经过校验，认为网架已经符合目标要求之后，确定为基态模型。该基态模型发布给各个相关单位，以供相关单位执行步骤S5。
在一个实施方式中，参见图2，步骤S5，基于MapReduce，将负荷预测数据以及发电计划融合到基态模型，包括：
在并行处理时，将负荷预测数据和发电计划数据分为Map1和Map2两个任务，再将所述两个任务的中间结果进行聚合和交互，聚合交互结果通过模块Reduce1和模块Reduce2处理后输出融合结果。
步骤S6，根据融合后的基态模型，生成融合后的规划态数据，包括：
当融合后的基态模型中发用电不平衡时，将用发电调整到平衡；
当融合后的基态模型中电网运行方式不合理时，将运行方式调整为合理的运行方式；
以调整后的基台模型为融合后的规划态数据。
在此，对上述步骤进行说明，各个规划态参与单位把各自所负责区域的负荷预测数据、发电计划数据融合到基态模型中，并进行发用电平衡、方式调整的操作保证数据合理，多个规划态参与单位在收到基态模型之后，进行如下三项操作。
负荷预测数据的融合：负荷预测数据有总体负荷预测数据和母线负荷预测两种，母线负荷预测会对每个变电站内部特定的母线上所接负荷进行预测，总体负荷预测只能对该单位的负荷总加进行预测。在这里，要求用到的负荷预测数据是母线负荷预测，假如只有总负荷预测，则要分配到各个母线上。把基态模型中母线上的负荷修改为预测出的该母线上的负荷值。
发电计划数据融合：发电计划一般由电厂的上级调度单位制定并融合到基态模型中，也要考虑机组的出力分配，对于出力不稳定的机组，比如新能源电厂，一般要在几个代表性的极限值中，根据基态模型的目标选择合适的值。
发用电平衡及方式调整：在融合了负荷预测数据和发电数据之后，电网模型可能会出现发用电的不平衡，出现病态的运行方式，为了消除这种病态的运行方式，需要进行发用电的自动或者手工平衡，以及方式调整为合理方式。
在一个实施方式中，根据融合后的基态模型，生成融合后的规划态数后，还包括：
按规划态数据的消费者所需的格式输出规划态数据。
消费者所需的格式可以是EText、Json、BPA的数据格式。
还需要说明的是，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过程、方法、商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过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。

Claims (7)

1.一种基于MapReduce的多数据源规划态数据融合方法，其特征在于，包括：
获取原始规划态数据；
将投运计划融合到原始规划态数据形成投运规划态数据；
将检修计划融合到投运规划态数据形成检修规划态数据；
检验检修规划态数据，将检验通过的检修规划态数据确定为基态模型；
基于MapReduce，将负荷预测数据以及发电计划融合到基态模型；
根据融合后的基态模型，生成融合后的规划态数据；
所述将投运计划融合到原始规划态数据形成投运规划态数据，包括：
确定投运计划要融合的版本、分组和工程；
获取该投运计划要融合的版本、分组和工程包含的详细内容；
将新投运的设备的模型增加到所述原始规划态数据，生成投运规划态数据中；
将退役的设备从投运规划态数据中删除；
在投运规划态数据中更新拓扑关系；
将检修计划融合到投运规划态数据形成检修规划态数据，包括：
确定检修计划要融合的版本、分组、工程；
获取该检修计划要融合的版本、分组、工程包含的详细内容；
把需要进行检修的设备从投运规划态数据中删除，生成检修规划态数据；
把陪停的设备从检修规划态数据中删除；
把备用转运行的设备改为投运；
在检修规划态数据中更新拓扑关系；
把出力限制信息和负荷限制信息更新到检修规划态数据；
根据融合后的基态模型，生成融合后的规划态数据，包括：
当融合后的基态模型中发用电不平衡时，将用发电调整到平衡；
当融合后的基态模型中电网运行方式不合理时，将运行方式调整为合理的运行方式；
以调整后的基态模型为融合后的规划态数据。
2.如权利要求1所述的一种基于MapReduce的多数据源规划态数据融合方法，其特征在于，所述获取原始规划态数据包括：
获取历史时刻的模型、拓扑和量测数据；
根据所述模型、拓扑和量测数据，生成原始规划态数据。
3.如权利要求1或2所述的一种基于MapReduce的多数据源规划态数据融合方法，其特征在于，所述获取原始规划态数据包括：
获取外部应用模型；
根据外部应用模型生成的数据，生成原始规划态数据。
4.如权利要求1所述的一种基于MapReduce的多数据源规划态数据融合方法，其特征在于，把备用转运行的设备改为投运包括：
若所述备用转运行的设备之前未建模，则建模；
若所述备用转运行的设备之前已经建模，则单纯改变拓扑关系使其投运。
5.如权利要求1所述的一种基于MapReduce的多数据源规划态数据融合方法，其特征在于，检验检修规划态数据，将检验通过的检修规划态数据确定为基态模型，包括：
检验模型准确性；
检验拓扑准确性；
将模型准确性和拓扑准确性均检验通过的模型确定为基态模型。
6.如权利要求1所述的一种基于MapReduce的多数据源规划态数据融合方法，其特征在于，基于MapReduce，将负荷预测数据以及发电计划融合到基态模型，包括：
在并行处理时，将负荷预测数据和发电计划数据分为Map1和Map2两个任务，再将所述两个任务的中间结果进行聚合和交互，聚合交互结果通过两个Reduce模块处理后输出融合结果。
7.如权利要求1所述的一种基于MapReduce的多数据源规划态数据融合方法，其特征在于，所述根据融合后的基态模型，生成融合后的规划态数据后，还包括：
按规划态数据的消费者所需的格式输出规划态数据。
CN202010162972.6A 2020-03-10 2020-03-10 一种基于MapReduce的多数据源规划态数据融合方法 Active CN111310855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010162972.6A CN111310855B (zh) 2020-03-10 2020-03-10 一种基于MapReduce的多数据源规划态数据融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010162972.6A CN111310855B (zh) 2020-03-10 2020-03-10 一种基于MapReduce的多数据源规划态数据融合方法

Publications (2)

Publication Number Publication Date
CN111310855A CN111310855A (zh) 2020-06-19
CN111310855B true CN111310855B (zh) 2023-08-22

Family

ID=71147183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010162972.6A Active CN111310855B (zh) 2020-03-10 2020-03-10 一种基于MapReduce的多数据源规划态数据融合方法

Country Status (1)

Country Link
CN (1) CN111310855B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105760515A (zh) * 2016-02-24 2016-07-13 国家电网公司 一种多数据源的同一对象数据的融合方法
CN109977128A (zh) * 2019-03-21 2019-07-05 国网湖南省电力有限公司 基于时态维度的电网规划数据融合方法
CN109977188A (zh) * 2019-03-28 2019-07-05 国网河南省电力公司经济技术研究院 一种渐进式电网多专业数据关联融合方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678647A (zh) * 2016-03-26 2016-06-15 成都秦川科技发展有限公司 可用于智慧城市体系的智慧家用能源物联网系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105760515A (zh) * 2016-02-24 2016-07-13 国家电网公司 一种多数据源的同一对象数据的融合方法
CN109977128A (zh) * 2019-03-21 2019-07-05 国网湖南省电力有限公司 基于时态维度的电网规划数据融合方法
CN109977188A (zh) * 2019-03-28 2019-07-05 国网河南省电力公司经济技术研究院 一种渐进式电网多专业数据关联融合方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖明伟 ; 朱邦国 ; 杨乐新 ; 李佩 ; 谢茜子 ; .基于大数据的配电网规划系统应用.农村电工.2018,(第05期),全文. *

Also Published As

Publication number Publication date
CN111310855A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN103955777B (zh) 光伏发电接入配电网方案设计与分析评估辅助系统
CN102567603B (zh) 基于实测拓扑和量测数据自动生成bpa计算文件的方法
CN108345739B (zh) 辨识cime及svg模型文件信息实现保护定值在线校验功能获取模型的方法
CN104156835A (zh) 一种大电网广域分布式一体化拓扑分析方法
CN104933631A (zh) 一种配电网运行在线分析评价系统
CN205899597U (zh) 光伏电站运行管理系统
CN102495850A (zh) 一种多级多区互联电网继电保护模型拼接的方法
CN108879667B (zh) 一种电网闭环控制潮流仿真方法
CN104504485A (zh) 一种电力系统继电保护一体化整定计算方法
CN109993665B (zh) 电力系统在线安全稳定评估方法、装置及系统
CN104091289A (zh) 基于接线模式规则的大规模配电网n-1快速校验方法
CN102567800A (zh) 一种电力系统继电保护在线状态检修决策建模方法
CN107133870B (zh) 基于30秒周期静态分析的电力现货交易安全校核方法
CN108764750A (zh) 主配网模型建模及拓扑分析方法和系统
CN114529166A (zh) 一种配电网运行安全风险预警方法及系统
CN108448566A (zh) 一种电力系统在线混合仿真方法和系统
CN117374978B (zh) 结合知识图谱构建的并网调度管理方法及系统
WO2022118495A1 (ja) 電力系統運用計画作成支援装置および方法
CN111310855B (zh) 一种基于MapReduce的多数据源规划态数据融合方法
CN115907526A (zh) 一种电网电压暂降评估方法、系统、存储介质及计算设备
CN109842121A (zh) 多级多区域协控减负荷在线仿真建模方法及系统
Wruk et al. Automated planning of smart low voltage networks using an evolutionary algorithm
CN112200458B (zh) 一种配电网规划数据应用方法及系统
CN115224687A (zh) 220千伏以下输变电设备停电检修安全校核方法及系统
CN104915523B (zh) 一种基于时间序列的调控全业务统一建模方法

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
GR01 Patent grant
GR01 Patent grant