CN111682574A - 一种交直流混联系统运行场景辨识方法、存储介质和设备 - Google Patents
一种交直流混联系统运行场景辨识方法、存储介质和设备 Download PDFInfo
- Publication number
- CN111682574A CN111682574A CN202010557887.XA CN202010557887A CN111682574A CN 111682574 A CN111682574 A CN 111682574A CN 202010557887 A CN202010557887 A CN 202010557887A CN 111682574 A CN111682574 A CN 111682574A
- Authority
- CN
- China
- Prior art keywords
- scene
- similarity
- identified
- data
- typical
- 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.)
- Granted
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
- H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种交直流混联系统运行场景辨识方法、存储介质和设备,利用历史累积的典型场景数据,分别计算待辨识的场景数据与第i中典型场景下数据的相似度系数;根据相似度系数得到待辨识的场景数据与第i种典型场景的相似度标志位;根据相似度系数和相似度标志位确定待辨识的场景数据匹配的场景。本发明可以利用分布式可再生能源以及负荷的典型场景数据,辨识分析所需的模拟运行场景是否为合理、可信的交直流混联系统运行场景,判断其是否与实际运行工况接近,以确保运行场景与实际运行工况的一致性,为电力系统分析和运维提供更加可靠高效的数据基础。
Description
技术领域
本发明涉及交直流混联系统技术领域,特别是一种交直流混联系统运行场景辨识方法、存储介质和设备。
背景技术
大量分布式可再生能源并网,对电力系统的灵活接入和有效管控提出了新的挑战。基于电力电子变换装置的交直流混联系统可以在多个交直流电压等级集成分布式可再生能源,能够为可再生能源规模化接入和优化运行控制提供有效的技术手段,成为未来电网重要的形态之一。交直流混联系统结构如图1所示,包括:电力电子变压器、电压源型换流站、交流系统和直流母线,电力电子变压器和电压源型换流站(voltage-sourceconverter,VSC)的交流侧分别接入交流系统,而直流侧则经一定长度的线路接入直流母线。直流母线可集成接入光伏、风电等可再生能源,以及直流负载等,当光伏、风电等可再生能源,以及直流负载等设备电压的等级与直流母线电压等级不匹配时可配置DC/DC变换器进行转换。交直流混联系统运行场景多样,由于分布式可再生能源和用户运行的双重不确定性,其随机性和预测的准确性成为影响系统运行分析的重要因素,同时负荷的分布特性也是不容忽视的另一方面。现有技术中还不能辨识交直流混联系统运行场景与实际运行工况是否一致。
发明内容
本发明的目的是,本发明提出一种交直流混联系统运行场景辨识方法、存储介质和设备,解决了无法辨识给定的光伏、风电、负荷的场景数据与实际运行工况是否一致的问题。
本发明采取的技术方案为:一种交直流混联系统运行场景辨识方法,包括步骤:
利用历史累积的典型场景数据,分别计算待辨识的场景数据与第i种典型场景下数据的相似度系数;
根据相似度系数得到待辨识的场景数据与第i种典型场景的相似度标志位;
根据相似度系数和相似度标志位确定待辨识的场景数据匹配的场景。
进一步的,场景数据包括场景下的光伏、风电和负荷数据。
进一步的,典型场景包括:
进一步的,待辨识场景数据与第i种典型场景下的光伏、风电和负荷相似度系数公式分别为:
Pt pv,i表示第i种典型场景中第t个时段光伏功率,Pt wt,i表示第i种典型场景中第t个时段风电功率,Pt L,i表示第i种典型场景中第t个时段负荷功率,T为总时长,t=1,2,…,T,,i=1,2,…,I,I为典型场景总数量;Pt pv表示第t个时段光伏功率,Pt wt表示第t个时段风电功率,Pt L表示第t个时段负荷功率,bpv,i为待辨识场景数据中的光伏功率与第i种典型场景中光伏功率的相似度系数,bwt,i为待辨识场景数据中的风电功率与第i种典型场景中风电功率的相似度系数,bL,i为待辨识场景数据中的负荷功率与第i种典型场景中负荷功率的相似度系数。
进一步的,待辨识的场景数据与第i种典型场景的相似度标志位为:
如果待辨识场景数据与第i种典型场景下的光伏、风电和负荷相似度系数中有相似度系数为0,则待辨识场景数据与第i种场景相似度标志位Fi=M,M为相似度系数为0的个数;如果任一相似度系数不为0,则Fi=0。
进一步的,根据相似度系数和相似度标志位确定待辨识的场景数据匹配的场景,包括步骤:
将所有典型场景对应的非零的相似度标志位形成非零集合Q,搜索该集合Q中最大数值,记为Fk,则待辨识场景匹配第k种场景;
如果Fi=0,则计算待辨识场景数据与第i种典型场景的综合相似度系数Ci:
其中,λpv,λwt,λL分别为光伏、风电、负荷的权重比例,对所有综合相似度系数搜索最小值,记为Cj,则待辨识场景匹配第j种场景;
若Ci中出现多个最小值时,分别记为Cj1,Cj2,…,Cjn,则做如下更新:
Cj1={(bpv,j1+bwt,j1+bL,j1)/3-min(bpv,j1,bwt,j1,bL,j1)}/{max(bpv,j1,bwt,j1,bL,j1)-min(bpv,j1,bwt,j1,bL,j1)}
…
Cjn={(bpv,jn+bwt,jn+bL,jn)/3-min(bpv,jn,bwt,jn,bL,jn)}/{max(bpv,jn,bwt,jn,bL,jn)-min(bpv,jn,bwt,jn,bL,jn)}
判断数值结果,记更新后的Cj1,Cj2,…,Cjn中最小值为Cjnn,则待分析场景匹配第jnn种场景。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行前述的交直流混联系统运行场景辨识方法中的任一方法。
一种计算设备,包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行前述的交直流混联系统运行场景辨识方法中的任一方法的指令。
本发明的有益效果:
本发明利用光伏、风电、负荷的典型场景数据,辨识出给定数据与之的相似度系数,进而判断其是否与实际运行工况接近,以确保运行场景与实际运行工况的一致性;
本发明可以利用分布式可再生能源以及负荷的典型场景数据,辨识分析所需的模拟运行场景是否为合理、可信的交直流混联系统运行场景,判断其是否与实际运行工况接近,以确保运行场景与实际运行工况的一致性,为电力系统分析和运维提供更加可靠高效的数据基础。
附图说明
图1为交直流混联系统典型结构;
图2为本发明具体实施例中的一种辨识方法流程图。
具体实施方式
以下结合附图和具体实施例进一步描述。
参考图2,一种交直流混联系统运行场景辨识方法,包括步骤:
步骤1,利用历史累积的典型场景数据,分别计算待辨识的场景数据与第i中典型场景下数据的相似度系数;根据相似度系数得到待辨识的场景数据与第i种典型场景的相似度标志位;
典型场景是春、夏、秋、冬四季中晴天、雨天、阴天等常见天气类型下,工作日、周末(节假日)等常见负荷用电类型日相互组合而成的数种场景,其中的一种场景,其场景数据为对应总时长下的各时段的光伏、风电和负荷数据。
典型场景数据包括:典型场景下的光伏、风电和负荷数据;
基于交直流混联系统的历史运行累积数据,对光伏、风电和负荷的典型场景数据表示为:Pt pv,i表示第i种场景中第t个时段光伏功率,Pt wt,i表示第i种场景中第t个时段风电功率,Pt L,i表示第i种场景中第t个时段负荷功率。设定T为总时长,t=1,2,…,T,I为场景总数量,i=1,2,…,I,那么第i种典型场景数据为:
光伏功率时序数据P1 pv,i,…Pt pv,i…,PT pv,i;
风电功率时序数据P1 wt,i,…,Pt wt,i,…,PT wt,i;
负荷时序数据P1 L,i,…,Pt L,i,…,PT L,i;
设定待辨识场景数据表示为:Pt pv表示第t个时段光伏功率,Pt wt表示第t个时段风电功率,Pt L表示第t个时段负荷功率。
设定待辨识场景数据中的光伏功率与第i种场景中光伏功率的相似度系数为bpv,i,设定待辨识场景数据中的风电功率与第i种场景中风电功率的相似度系数为bwt,i,设定待辨识场景数据中的负荷功率与第i种场景中负荷功率的相似度系数为bL,i,设定待辨识场景数据与第i种场景相似度标志位为Fi;
待辨识场景数据与第i种场景下的光伏、风电和负荷相似度系数公式分别为:
令i从1至I,分别计算待辨识场景数据与第i种场景下的光伏、风电和负荷相似度系数,如果其中有相似度系数为0,则Fi=M,M为相似度系数为0的个数;如果任一相似度系数不为0,则设定Fi=0,得到:bpv,1,…bpv,i,…bpv,I,以及bwt,1,…bwt,i,…bwt,I,以及bL,1,…bL,i,…bL,I,以及F1,…Fi…FI。
步骤2,根据相似度系数和相似度标志位确定待辨识的场景数据匹配的场景。
首先依次对F1,…Fi…FI进行判断,将非零的Fi形成非零集合Q,搜索该集合Q中最大数值,记为Fk,则待辨识场景匹配第k种场景。
对F1,…Fi…FI进行判断,如果Fi=0,则计算待辨识场景数据与第i种场景的综合相似度系数Ci:
其中,λpv,λwt,λL分别为光伏、风电、负荷的权重比例,对所有综合相似度系数搜索最小值,记为Cj,则待辨识场景匹配第j种场景。
若Ci中出现多个最小值时,记为Cj1,Cj2,…,Cjn,则更新:
Cj1={(bpv,j1+bwt,j1+bL,j1)/3-min(bpv,j1,bwt,j1,bL,j1)}/{max(bpv,j1,bwt,j1,bL,j1)-min(bpv,j1,bwt,j1,bL,j1)}
…
Cjn={(bpv,jn+bwt,jn+bL,jn)/3-min(bpv,jn,bwt,jn,bL,jn)}/{max(bpv,jn,bwt,jn,bL,jn)-min(bpv,jn,bwt,jn,bL,jn)}
判断数值结果,记Cj1,Cj2,…,Cjn中最小值为Cjnn,则待分析场景匹配第jnn种场景。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行前述的交直流混联系统运行场景辨识方法中的任一方法。
一种计算设备,包括,一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行前述的交直流混联系统运行场景辨识方法中的任一方法的指令。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种交直流混联系统运行场景辨识方法,其特征是,包括步骤:
利用历史累积的典型场景数据,分别计算待辨识的场景数据与第i中典型场景下数据的相似度系数;
根据相似度系数得到待辨识的场景数据与第i种典型场景的相似度标志位;
根据相似度系数和相似度标志位确定待辨识的场景数据匹配的场景。
2.根据权利要求1所述的一种交直流混联系统运行场景辨识方法,其特征是,场景数据包括场景下的光伏、风电和负荷数据。
3.根据权利要求2所述的一种交直流混联系统运行场景辨识方法,其特征是,待辨识场景数据与第i种典型场景下的光伏、风电和负荷相似度系数公式分别为:
Pt pv,i表示第i种典型场景中第t个时段光伏功率,Pt wt,i表示第i种典型场景中第t个时段风电功率,Pt L,i表示第i种典型场景中第t个时段负荷功率,T为总时长,t=1,2,…,T,,i=1,2,…,I,I为典型场景总数量;Pt pv表示第t个时段光伏功率,Pt wt表示第t个时段风电功率,Pt L表示第t个时段负荷功率,bpv,i为待辨识场景数据中的光伏功率与第i种典型场景中光伏功率的相似度系数,bwt,i为待辨识场景数据中的风电功率与第i种典型场景中风电功率的相似度系数,bL,i为待辨识场景数据中的负荷功率与第i种典型场景中负荷功率的相似度系数。
4.根据权利要求3所述的一种交直流混联系统运行场景辨识方法,其特征是,待辨识的场景数据与第i种典型场景的相似度标志位为:
如果待辨识场景数据与第i种典型场景下的光伏、风电和负荷相似度系数中有相似度系数为0,则待辨识场景数据与第i种场景相似度标志位Fi=M,M为相似度系数为0的个数;如果任一相似度系数不为0,则Fi=0。
5.根据权利要求4所述的一种交直流混联系统运行场景辨识方法,其特征是,根据相似度系数和相似度标志位确定待辨识的场景数据匹配的场景,包括步骤:
将所有典型场景对应的非零的相似度标志位形成非零集合Q,搜索该集合Q中最大数值,记为Fk,则待辨识场景匹配第k种场景;
如果Fi=0,则计算待辨识场景数据与第i种典型场景的综合相似度系数Ci:
其中,λpv,λwt,λL分别为光伏、风电、负荷的权重比例,对所有综合相似度系数搜索最小值,记为Cj,则待辨识场景匹配第j种场景;
若Ci中出现多个最小值时,分别记为Cj1,Cj2,…,Cjn,则做如下更新:
Cj1={(bpv,j1+bwt,j1+bL,j1)/3-min(bpv,j1,bwt,j1,bL,j1)}/{max(bpv,j1,bwt,j1,bL,j1)-min(bpv,j1,bwt,j1,bL,j1)}
…
Cjn={(bpv,jn+bwt,jn+bL,jn)/3-min(bpv,jn,bwt,jn,bL,jn)}/{max(bpv,jn,bwt,jn,bL,jn)-min(bpv,jn,bwt,jn,bL,jn)}
判断数值结果,记更新后的Cj1,Cj2,…,Cjn中最小值为Cjnn,则待分析场景匹配第jnn种场景。
6.一种存储一个或多个程序的计算机可读存储介质,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至6所述的交直流混联系统运行场景辨识方法中的任一方法。
7.一种计算设备,其特征在于:包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至5所述的交直流混联系统运行场景辨识方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557887.XA CN111682574B (zh) | 2020-06-18 | 2020-06-18 | 一种交直流混联系统运行场景辨识方法、存储介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557887.XA CN111682574B (zh) | 2020-06-18 | 2020-06-18 | 一种交直流混联系统运行场景辨识方法、存储介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111682574A true CN111682574A (zh) | 2020-09-18 |
CN111682574B CN111682574B (zh) | 2021-10-15 |
Family
ID=72455556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010557887.XA Active CN111682574B (zh) | 2020-06-18 | 2020-06-18 | 一种交直流混联系统运行场景辨识方法、存储介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111682574B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2381094A1 (en) * | 2010-04-20 | 2011-10-26 | ABB Research Ltd. | Energy network and control thereof |
CN104376410A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种配电网中分布式电源的规划方法 |
CN104600713A (zh) * | 2014-12-25 | 2015-05-06 | 国家电网公司 | 含风力/光伏发电配电网日前无功调度的生成装置及方法 |
CN105576699A (zh) * | 2016-01-12 | 2016-05-11 | 四川大学 | 一种独立微电网储能裕度检测方法 |
CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
CN107294087A (zh) * | 2017-06-23 | 2017-10-24 | 清华大学 | 一种含气象能源的综合能源系统典型场景集生成方法 |
CN108899918A (zh) * | 2018-08-01 | 2018-11-27 | 武汉大学 | 一种基于运行层面相关性场景的含风机配电网多目标优化方法 |
CN109508823A (zh) * | 2018-11-06 | 2019-03-22 | 西安理工大学 | 一种基于场景分析法的配电网中分布式电源规划方法 |
CN109524993A (zh) * | 2018-12-19 | 2019-03-26 | 中国农业大学 | 用于中长期优化调度的风电光伏典型周出力场景生成方法 |
CN109546659A (zh) * | 2018-10-19 | 2019-03-29 | 北京交通大学 | 基于随机矩阵和智能场景匹配的配电网无功优化方法 |
CN109586309A (zh) * | 2018-10-19 | 2019-04-05 | 北京交通大学 | 基于大数据自由熵理论和场景匹配的配电网无功优化方法 |
CN109740949A (zh) * | 2019-01-09 | 2019-05-10 | 云南电网有限责任公司 | 一种基于风电发电场景概率化的电力电量平衡方法 |
CN110492470A (zh) * | 2019-07-12 | 2019-11-22 | 武汉大学 | 基于负荷聚类与网络等值的配电网多维典型场景生成方法 |
CN110705879A (zh) * | 2019-09-30 | 2020-01-17 | 国网山东省电力公司滨州供电公司 | 一种高比例可再生能源接入下的电网脆弱性评估方法 |
-
2020
- 2020-06-18 CN CN202010557887.XA patent/CN111682574B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2381094A1 (en) * | 2010-04-20 | 2011-10-26 | ABB Research Ltd. | Energy network and control thereof |
CN104376410A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种配电网中分布式电源的规划方法 |
CN104600713A (zh) * | 2014-12-25 | 2015-05-06 | 国家电网公司 | 含风力/光伏发电配电网日前无功调度的生成装置及方法 |
CN105576699A (zh) * | 2016-01-12 | 2016-05-11 | 四川大学 | 一种独立微电网储能裕度检测方法 |
CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
CN107294087A (zh) * | 2017-06-23 | 2017-10-24 | 清华大学 | 一种含气象能源的综合能源系统典型场景集生成方法 |
CN108899918A (zh) * | 2018-08-01 | 2018-11-27 | 武汉大学 | 一种基于运行层面相关性场景的含风机配电网多目标优化方法 |
CN109546659A (zh) * | 2018-10-19 | 2019-03-29 | 北京交通大学 | 基于随机矩阵和智能场景匹配的配电网无功优化方法 |
CN109586309A (zh) * | 2018-10-19 | 2019-04-05 | 北京交通大学 | 基于大数据自由熵理论和场景匹配的配电网无功优化方法 |
CN109508823A (zh) * | 2018-11-06 | 2019-03-22 | 西安理工大学 | 一种基于场景分析法的配电网中分布式电源规划方法 |
CN109524993A (zh) * | 2018-12-19 | 2019-03-26 | 中国农业大学 | 用于中长期优化调度的风电光伏典型周出力场景生成方法 |
CN109740949A (zh) * | 2019-01-09 | 2019-05-10 | 云南电网有限责任公司 | 一种基于风电发电场景概率化的电力电量平衡方法 |
CN110492470A (zh) * | 2019-07-12 | 2019-11-22 | 武汉大学 | 基于负荷聚类与网络等值的配电网多维典型场景生成方法 |
CN110705879A (zh) * | 2019-09-30 | 2020-01-17 | 国网山东省电力公司滨州供电公司 | 一种高比例可再生能源接入下的电网脆弱性评估方法 |
Non-Patent Citations (5)
Title |
---|
JAVEED KITTUR: "Evaluating Optimal Generation using different Multi–Criteria Decision Making Methods", 《2015 INTERNATIONAL CONFERENCE ON CIRCUIT, POWER AND COMPUTING TECHNOLOGIES》 * |
LIANG ZHAO: "Coordinated Control of Active and Reactive Power of Distribution Network with Distributed Photovoltaic Based On Scene Analysis", 《2019 IEEE 3RD INTERNATIONAL ELECTRICAL AND ENERGY CONFERENCE (CIEEC)》 * |
安然: "基于随机矩阵和历史场景匹配的配电网无功优化", 《中国电力》 * |
朱孝文: "基于自由熵理论和智能场景匹配的配电网无功优化", 《供用电》 * |
黄南天: "计及复杂气象耦合特性的模块化去噪变分自编码器多源荷联合场景生成", 《中国电机工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111682574B (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145957B (zh) | 基于大数据的配电网异常指标的识别与处理方法及装置 | |
CN110231528B (zh) | 基于负荷特征模型库的变压器户变异常识别方法及装置 | |
CN103545832A (zh) | 一种基于发电预测误差的光伏系统储能容量配置方法 | |
CN109447441B (zh) | 一种考虑新能源机组不确定性的暂态稳定风险评估方法 | |
CN109598377B (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
CN110009141B (zh) | 基于sdae特征提取和svm分类模型的爬坡事件预测方法及系统 | |
CN106208043B (zh) | 一种中低压配电网关键耗能环节辨识方法 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN110059938B (zh) | 一种基于关联规则驱动的配电网规划方法 | |
CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN112270485B (zh) | 一种用于配电网络不停电作业综合评估的主成分因子分析方法 | |
CN113536694A (zh) | 综合能源系统鲁棒优化运行方法、系统、装置及存储介质 | |
CN111682574B (zh) | 一种交直流混联系统运行场景辨识方法、存储介质和设备 | |
CN112491080A (zh) | 一种新能源装机布局规划方法和系统 | |
CN111697607B (zh) | 一种多端柔性直流输电受端电网接入方法及系统 | |
CN112886566A (zh) | 一种电网调峰需求计算方法和系统 | |
CN108427742B (zh) | 一种基于低秩矩阵的配电网可靠性数据修复方法及系统 | |
CN111525550A (zh) | 一种功率预测对断面输送功率影响的评估方法及系统 | |
CN116667459A (zh) | 一种新能源接入下的电力系统输电阻塞评估方法及系统 | |
CN105512761A (zh) | 一种电力变压器的经济寿命确定方法及装置 | |
CN112003288B (zh) | 一种电网运行方式电压智能调整方法及装置 | |
CN115130923A (zh) | 一种交流微电网智能能量管理方法及系统 | |
CN114759579A (zh) | 一种基于数据驱动的电网有功优化控制系统、方法和介质 | |
CN109740855B (zh) | 计及关键断面限额约束的负荷恢复能力在线估算方法 | |
CN114281846A (zh) | 一种基于机器学习的新能源发电预测方法 |
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 |