CN112001644A - 一种配电网运行可靠性检测方法、装置、终端及存储介质 - Google Patents
一种配电网运行可靠性检测方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN112001644A CN112001644A CN202010877502.8A CN202010877502A CN112001644A CN 112001644 A CN112001644 A CN 112001644A CN 202010877502 A CN202010877502 A CN 202010877502A CN 112001644 A CN112001644 A CN 112001644A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- matrix
- node
- augmentation
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims abstract description 183
- 230000003416 augmentation Effects 0.000 claims abstract description 79
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000003595 spectral effect Effects 0.000 claims abstract description 40
- 238000001228 spectrum Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (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
本申请提供了一种配电网运行可靠性检测方法、装置、终端及存储介质。本申请根据有配电网在线监测数据构建的配电网节点状态矩阵和影响因素矩阵，构建出的目标增广矩阵计算得到的目标平均谱半径曲线，与由配电网节点状态矩阵和随机变量矩阵构建的对照增广矩阵的计算得到的对照平均谱半径曲线进行比较，判断影响因素配电网运行的影响程度，从而获得配电网的运行可靠性检测结果，无须统计大量历史数据，提高了效率，也无须局限于构建的物理模型，融入了随机性更符合实际的配电网环境，解决了现有技术存在配电网可靠性检测低效和精确度不高的技术问题。
Description
技术领域
本申请涉及配电网技术领域，尤其涉及一种配电网运行可靠性检测方法、装置、终端及存储介质。
背景技术
随着城市化建设、用电需求的增长与电力电子技术的进步，配电网持续改造与扩建，其规模不断增长，接入的设备类型也越来越多。柔性负荷、储能元件、风光热等分布式电源的接入使得配电网络在规模增大的同时，结构变得更为复杂，运行方式灵活，故障、扰动更加频繁，且其危害进一步增加，因此在考虑新型配电网灵活可控的特征下，如何实现对配电网运行可靠性快速准确的监测、评估与诊断显得愈发重要。
传统可靠性评估方法大部分基于统计与仿真分析，主要为两种检测方式具体为：物理模型仿真分析和数据模型分析。其中用电力系统物理模型构建数学模型，得到计算结果后再映射回物理模型中以实现电力系统的感知与分析。另外，模拟方法分析结果的准确程度与计算速度取决于建模的准确性，更简化的模型能够有效提升算法收敛速度，但简化和等效使分析结果不能充分反映实际运行情况。
基于统计分析的数据模型分析方法能考虑配电网内设备故障的概率与故障后果，但其分析时间尺度大都在几个月乃至几年，不利于对配电网的短期可靠性评估与规划调度，难以切合当前变化快速、灵活可控的配电网发展趋势。
随着柔性负荷、可再生能源的接入，相对于传统电气设备与负荷，目前的配电网行为模式更丰富，建模所需分析的场景更多，配电网的运行状态由多源因素例如网络结构、运行方式、气候、社会活动等共同影响，且多源因素作用下配电网行为具有随机性与不确定性，使得物理模型仿真分析的手段不足以全面地认知配电网行为。数据模型分析则需要大量的历史数据作支撑，且无法对细节、以及电网特有的项目进行感知，从而导致了现有技术存在配电网可靠性检测低效和精确度不高的技术问题。
发明内容
本申请提供了一种配电网运行可靠性检测方法、装置、终端及存储介质，用于解决现有技术存在配电网可靠性检测低效和精确度不高的技术问题。
首先，本申请第一方面提供了一种配电网运行可靠性检测方法，包括：
获取配电网中待分析节点的配电网节点状态数据，并基于配电网节点状态构建配电网节点状态矩阵；
以获取到的配电网节点状态矩阵为基础部分，以影响因素矩阵为增广部分，构建目标增广矩阵，其中，所述影响因素矩阵为根据预设的节点负荷影响数据通过主成分分析方式得到的影响因素；
根据所述目标增广矩阵，通过单环定理计算方式，得到所述目标增广矩阵对应的目标平均谱半径曲线；
将所述目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，结合预设的运行可靠性检测结果与比较结果的对应关系，确定配电网的运行可靠性检测结果，其中，所述对照平均谱半径曲线为根据对照增广矩阵，通过单环定理计算方式得到的平均谱半径曲线，且所述对照增广矩阵具体为以所述配电网节点状态矩阵为基础部分，以随机变量矩阵为增广部分构建的增广矩阵。
可选地，所述影响因素矩阵的配置过程具体包括：
根据节点负荷影响数据，构建物理指标标准化矩阵；
根据所述物理指标标准化矩阵以及所述物理指标标准化矩阵中各列的相关系数，构建所述物理指标标准化矩阵对应的自相关矩阵；
计算所述自相关矩阵中各个物理指标特征向量对应的特征根，并根据各个所述特征根的大小，确定物理指标特征向量的主成分，以基于所述主成分构建所述影响因素矩阵。
可选地，所述节点负荷影响数据具体包括：潮流安全裕度、潮流安全期望、潮流过载期望、潮流安全概率、潮流过载概率、电压安全裕度、电压安全概率以及电压越限概率中的至少一项。
可选地，所述以基于所述主成分构建所述影响因素矩阵之后还包括：
对所述影响因素矩阵加入随机噪声，且所述随机噪声的信噪比具体为：
式中，ρ为所述随机噪声的信噪比，N为噪声矩阵，De为所述影响因素矩阵，K为噪声幅值。
可选地，所述将所述目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，结合预设的运行可靠性检测结果与比较结果的对应关系，确定配电网的运行可靠性检测结果具体包括：
将所述目标平均谱半径曲线与对照平均谱半径曲线差值运算，获得平均谱半径差值曲线；
根据所述平均谱半径差值曲线，通过累加求和方式对所述平均谱半径差值曲线进行量化，得到负荷波动相关程度系数；
基于所述负荷波动相关程度系数，结合预设的运行可靠性检测结果与负荷波动相关程度系数的对应关系，确定配电网的运行可靠性检测结果。
可选地，还包括：
通过聚类和噪点筛选方式，从所述配电网的运行可靠性检测结果中确定负荷波动相关程度系数大于第一阈值的第一配电网节点；
计算所述第一配电网节点与参照节点的欧几里得距离，并根据所述欧几里得距离与第二阈值的比较结果，确定所述第一配电网节点是否属于系统薄弱节点，其中所述参照节点为距离聚类中心最远的配电网节点。
可选地，所述第二阈值的配置过程为：
基于聚类结果，根据非第一配电网节点，计算所述非第一配电网节点的平均节点，将所述平均节点与所述参照节点的欧几里得距离换算为第二阈值。
其次，本申请第二方面提供了一种配电网运行可靠性检测装置，包括：
数据获取单元，用于获取配电网中待分析节点的配电网节点状态数据，并基于配电网节点状态构建配电网节点状态矩阵；
目标增广矩阵构建单元，用于以获取到的配电网节点状态矩阵为基础部分，以影响因素矩阵为增广部分，构建目标增广矩阵，其中，所述影响因素矩阵为根据预设的节点负荷影响数据通过主成分分析方式得到的影响因素；
目标曲线计算单元，用于根据所述目标增广矩阵，通过单环定理计算方式，得到所述目标增广矩阵对应的目标平均谱半径曲线；
检测结果获取单元，用于将所述目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，结合预设的运行可靠性检测结果与比较结果的对应关系，确定配电网的运行可靠性检测结果，其中，所述对照平均谱半径曲线为根据对照增广矩阵，通过单环定理计算方式得到的平均谱半径曲线，且所述对照增广矩阵具体为以所述配电网节点状态矩阵为基础部分，以随机变量矩阵为增广部分构建的增广矩阵。
本申请第三方面提供了一种终端，包括：存储器和处理器；
所述存储器用于存储与本申请第一方面所述的配电网运行可靠性检测方法相对应的程序代码；
所述处理器用于执行所述程序代码。
本申请第四方面提供了一种存储介质，所述存储介质中保存有与本申请第一方面所述的配电网运行可靠性检测方法相对应的程序代码。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请提供了一种配电网运行可靠性检测方法，包括：获取配电网中待分析节点的配电网节点状态数据，并基于配电网节点状态构建配电网节点状态矩阵；以获取到的配电网节点状态矩阵为基础部分，以影响因素矩阵为增广部分，构建目标增广矩阵，其中，所述影响因素矩阵为根据预设的节点负荷影响数据通过主成分分析方式得到的影响因素；根据所述目标增广矩阵，通过单环定理计算方式，得到所述目标增广矩阵对应的目标平均谱半径曲线；将所述目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，结合预设的运行可靠性检测结果与比较结果的对应关系，确定配电网的运行可靠性检测结果，其中，所述对照平均谱半径曲线为根据对照增广矩阵，通过单环定理计算方式得到的平均谱半径曲线，且所述对照增广矩阵具体为以所述配电网节点状态矩阵为基础部分，以随机变量矩阵为增广部分构建的增广矩阵。
本申请根据有配电网在线监测数据构建的配电网节点状态矩阵和影响因素矩阵构建出的目标增广矩阵计算得到的目标平均谱半径曲线，与由配电网节点状态矩阵和随机变量矩阵构建的对照增广矩阵的计算得到的对照平均谱半径曲线进行比较，判断影响因素配电网运行的影响程度，从而获得配电网的运行可靠性检测结果，无须统计大量历史数据，提高了效率，也无须局限于构建的物理模型，融入了随机性更符合实际的配电网环境，解决了现有技术存在配电网可靠性检测低效和精确度不高的技术问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请提供的一种配电网运行可靠性检测方法的第一个实施例的流程示意图；
图2为本申请提供的一种配电网运行可靠性检测方法的第二个实施例的流程示意图；
图3为本申请提供的一种配电网运行可靠性检测装置的第一个实施例的结构示意图；
图4为配电网物理指标关系示意图；
图5为配电网物理模型层次划分关系示意图。
具体实施方式
本申请实施例提供了一种配电网运行可靠性检测方法、装置、终端及存储介质，用于解决现有技术存在配电网可靠性检测低效和精确度不高的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
请参阅图1，本申请第一个实施例提供了一种配电网运行可靠性检测方法，包括：
步骤101、获取配电网中待分析节点的配电网节点状态数据，并基于配电网节点状态构建配电网节点状态矩阵。
步骤102、以获取到的配电网节点状态矩阵为基础部分，以影响因素矩阵为增广部分，构建目标增广矩阵，其中，影响因素矩阵为根据预设的节点负荷影响数据通过主成分分析方式得到的影响因素。
需要说明的是，首先，基于增广矩阵的基本组成，以配电网节点状态矩阵为增广矩阵的基础部分，以影响因素矩阵为增广矩阵的增广部分，构建出于目标增广矩阵，其中可以理解，本实施例的配电网节点状态矩阵为根据从配电网各个节点获取到的配电网节点状态构建的矩阵。
步骤103、根据目标增广矩阵，通过单环定理计算方式，得到目标增广矩阵对应的目标平均谱半径曲线。
然后，基于上一步骤得到的目标增广矩阵，通过单环定理计算方式，计算得到目标增广矩阵对应的平均谱半径曲线，即目标平均谱半径曲线。
步骤104、将目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，结合预设的运行可靠性检测结果与比较结果的对应关系，确定配电网的运行可靠性检测结果，其中，对照平均谱半径曲线为根据对照增广矩阵，通过单环定理计算方式得到的平均谱半径曲线，且对照增广矩阵具体为以配电网节点状态矩阵为基础部分，以随机变量矩阵为增广部分构建的增广矩阵。
将目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，判断配电网整体运行与节点之间的相关性，若比较结果差距越大，说明配电网中的薄弱节点越多或容易受节点动作的影响，运行可靠性越差，反之则运行可靠性越好。
本申请实施例根据有配电网在线监测数据构建的配电网节点状态矩阵和影响因素矩阵构建出的目标增广矩阵计算得到的目标平均谱半径曲线，与由配电网节点状态矩阵和随机变量矩阵构建的对照增广矩阵的计算得到的对照平均谱半径曲线进行比较，判断影响因素配电网运行的影响程度，从而获得配电网的运行可靠性检测结果，无须统计大量历史数据，提高了效率，也无须局限于构建的物理模型，融入了随机性更符合实际的配电网环境，解决了现有技术存在配电网可靠性检测低效和精确度不高的技术问题。
以上为本申请提供的一种配电网运行可靠性检测方法的第一个实施例的详细说明，下面为本申请提供的一种配电网运行可靠性检测方法的第二个实施例的详细说明。
请参阅图2，在本申请第一个实施例的基础上，本实施例提供了一种配电网运行可靠性检测方法。
其中，在第一个实施例中提及的影响因素矩阵，其配置过程具体包括：
步骤201、根据节点负荷影响数据，构建物理指标标准化矩阵；
步骤202、根据物理指标标准化矩阵以及物理指标标准化矩阵中各列的相关系数，构建物理指标标准化矩阵对应的自相关矩阵；
步骤203、计算自相关矩阵中各个物理指标特征向量对应的特征根，并根据各个特征根的大小，确定物理指标特征向量的主成分，以基于主成分构建影响因素矩阵。
需要说明的是，在评定配电网可靠性的多层次物理指标体系中，指标变量个数多，建模与计算复杂，各指标之间又存在一些冗余信息，若逐个分析将增加大量冗余工作，主成分分析法是一种用于简化对象模型、提取主要信息、减少变量维度的多元统计分析方法，通过主成分分析，采用离差平方和或方差计算各指标的信息大小，将重复或相关性强的指标删去，从而提取出一个配电网可靠性物理综合评价指标，筛选影响系统运行可靠性的关键元件、重要区域和薄弱环节，缩小评估范围。
设物理指标评价体系中，每个节点共n个评价指标，对m个节点进行了评价，得到m×n的数据矩阵Z。由于各个列向量，即物理指标，之间的量纲、分布不同，为了消除量纲对PCA输出值域与评价同一性(假定各指标地位相同)的影响，需要对Z各列向量(物理指标)进行标准化处理，转化为标准正态分布变量，得到标准化矩阵Z。
式中：
表示物理指标向量X的均值；σ表示物理指标向量X的标准差。
根据下式求取各向量之间相关系数σ，定义变量X与Y之间相关系数为σXY：
其中cov(X,Y)表示Z中的列向量X、Y的协方差；σ(X)、σ(Y)分别表示Z列向变量X、Y各自的标准差。
此时计算列与列之间的相关系数，可以写出Z自相关矩阵R。
由于R为对称正定阵，根据矩阵基础理论，则有：
其中，U是由特征向量构成的正交阵，每个特征向量与各自特征根λ相对应。
U＝(u1,u2,...,un)
通过调整顺序使得λ1≥λ2≥...≥λn，也就得到了对应的U阵，因此数据变量阵Z在U的第一列向量u1所投射的方向上具有最大的方差，有：
Var(F1)＝Var(u1 TZ)＝λ1
以此类推：
Var(Fi)＝Var(ui TZ)＝λi
其中每个Fi即为Z的主成分，是Z在各特征向量方向的投影结果，由于特征向量两两正交，因此Fi互不相关，每个主成分都包含了Z的信息，其方差为R阵的特征根，那么就有：
Var(F1)≥Var(F2)≥...≥Var(Fn)＞0
对于特征根λ的求取，可以采用下式求得自相关矩阵R的特征根，调整顺序后求得对应的特征向量正交阵U。
|λE-R|＝0
在得到R的全部n个特征根后，通过下式计算第i指标的方差贡献率w，即λi在总特征根和的占比；以及累计方差贡献率ρ，即前m个特征根的累计占比，对应的是前m个方差最大的主成分所包含Z的信息量。
根据实际的需要选取需保留的信息量，即累计方差贡献率最小值ρmin，从与λ1相对应的F1开始选取主成分，直到ρ大于ρmin为止，此时共选取了前p个主成分，即F1，F2，...，Fp。因此，所选取的主成分的个数p取决于wi与ρmin。又由于自相关矩阵R的特征根λi是按照大小顺序排列的，所以前若干个主成分就可以包含n个初始指标变量的绝大部分信息，通过选取合适的ρmin可以实现大幅度的降维。
而且本实施例为了更便于后续步骤的分析，优选采用生成单个可靠性综合物理指标的方式，只采用第一项特征根，即λ1，将多层次物理指标体系降低至一维，便于分析。
进一步地，本实施例中提及的节点负荷影响数据具体包括：潮流安全裕度、潮流安全期望、潮流过载期望、潮流安全概率、潮流过载概率、电压安全裕度、电压安全概率以及电压越限概率中的至少一项。
需要说明的是，首先计算包括潮流安全裕度、潮流安全期望、潮流安全概率、潮流过载期望及潮流过载概率在内的配电网运行可靠性单元层指标。这一指标类描述了节点用户负荷波动与设备健康影响情况，将设备参数如配变额定容量纳入可靠性评估领域，体现了设备与用户行为对配电网系统的共同影响。
(1)潮流安全裕度
Ms为潮流安全裕度，S为配电变压器容量，Lmax为评估期(一般取一小时)内节点最大有功负荷。潮流安全裕度指标描述了配变对负荷波动的承载能力，单独可作为后期设备升级、规划与经济性评估等问题的参考指标。
(2)潮流安全与过载期望
Es为潮流安全期望，Pi为某有功值，P(Pi<0.8S)为低于80％额定容量S的有功值Pi出现概率。潮流安全期望指标是节点负荷在低于80％额定容量下的平均值，描述了节点基础负荷的平均大小。
Ed为潮流过载期望，是节点负荷高于80％额定容量S部分的平均值，描述了节点峰值负荷的平均大小与配电变压器处于高负载状态的程度。
(3)潮流安全与过载概率
Ps＝P(Pi＜0.8S)
Ps为潮流安全概率，P(Pi<0.8S)为低于80％额定容量S的有功值Pi出现概率。该指标描述了节点负荷处于安全范围内的时间长短。
Pd＝P(Pi≥0.8S)
Pd为潮流过载概率，体现了台区配电变压器处于高负载状态下的时间长短。
配电网运行可靠性耦合层指标类包括电压安全裕度、电压越限概率、电压越上限概率、电压越下限概率以及电压安全概率。这一指标类综合评价了线路拓扑与用户负荷对受电侧电能质量、电压稳定性的影响。利用电压量测值U’计算耦合层可靠性指标类。U代表变电站母线电压，U’为配变出口电压。配电网物理模型层次划分
(1)电压安全裕度
其中，Mus为电压安全裕度，Unominal为额定运行电压有名值，Umax为预测电压最大值，Umin为最小值。该指标描述了节点电压与安全电压上下限之间的距离，体现了输电线距离与节点负荷对用户用电质量及设备可靠性的影响。
(2)电压安全与越限概率
Pus＝P(0.93Unominal≤U≤1.07Unominal)
Pud＝1-P(0.93Unominal≤U≤1.07Unominal)
其中，Pus为电压安全概率，Pud为电压越限概率。这组指标体现了负荷大小与波动情况对系统可靠性的影响。
(3)电压越上下限概率
Pupper＝P(U≥1.07Unominal)
Plower＝P(U≤0.93Unominal)
其中，Pupper为电压越上限概率，Plower为电压越下限概率。该组指标描述了功率因数与无功功率变化对节点电压的影响。
进一步地，以基于主成分构建影响因素矩阵之后还包括：
步骤204、对影响因素矩阵加入随机噪声，且随机噪声的信噪比具体为：
式中，ρ为随机噪声的信噪比，N为噪声矩阵，De为未加入随机噪声的影响因素矩阵，K为噪声幅值，Ef为加入了随机噪声的影响因素矩阵。
需要说明的是，通过在影响因素矩阵中加入随机噪声，以消除重复数据中包含的内部相关性。其中，加入的随机噪声矩阵N的规模与影响因素矩阵De相同，k为幅值。噪声太小则会使得算法结果极大的受到重复的负荷数据其内在关联性的影响，而过多的噪声则会降低关联性分析结果的准确性。因此定义信噪比ρ。
通过预处理选取并固定信噪比后，即可按照步骤101，将配电网节点状态矩阵与影响因素矩阵拼接成目标增广矩阵A，以继续后续的步骤。
进一步地，第一个实施例的步骤104具体包括：
步骤1041、将目标平均谱半径曲线与对照平均谱半径曲线差值运算，获得平均谱半径差值曲线。
步骤1042、根据平均谱半径差值曲线，通过累加求和方式对平均谱半径差值曲线进行量化，得到负荷波动相关程度系数。
步骤1043、基于负荷波动相关程度系数，结合预设的运行可靠性检测结果与负荷波动相关程度系数的对应关系，确定配电网的运行可靠性检测结果。
需要说明的是，在步骤104，基于前述步骤得出的目标增广矩阵A，作为圆环率算法的输入矩阵，通过单环定理计算方式，得到目标增广矩阵A对应的目标平均谱半径曲线，为了形成对比与得到量化关联性数据，设置一组参照增广矩阵AN，将原先作为增广部分的影响因素矩阵换为同等规模的随机变量矩阵。得到AN的平均谱半径后，两条曲线之间的对比将揭示因素矩阵所含的节点负荷与整体电压之间的相关性。
通过同步的数据窗口分离出A与AN，得到两组平均谱半径曲线。在每个时刻点，将增广分析矩阵A与参照增广阵AN的平均谱半径作差，其意义是当参考阵由不影响谱半径的随机变量变为因素变量(某节点负荷)后，数据相关性的变化程度，越大则意味着该节点的负荷与整体电压波动关联性更强，节点相关度更高。然后将目标平均谱半径曲线与对照平均谱半径曲线差值运算，获得平均谱半径差值曲线，具体计算式如下：
式中，KMSR,A(t)为A的平均谱半径曲线，
为AN的平均谱半径曲线，通过做差，得到平均谱半径差值曲线dMSRi(t)。此曲线可反映某一节点的负荷波动对配电网整体运行状态的作用强度。
为了得到量化的关联性指标，赋予其可对比性，定义节点关联性指标：
dMSR(t)曲线表现了节点负荷波动与整体电压内在关联性的规律，而负荷波动相关程度系数SMSRi能够表露节点i的负荷波动在T这段时间内，其与配电网整体运行情况的相关程度。相关程度越大，则说明系统在该段运行期内受到该节点影响越剧烈，运行可靠性更薄弱。
再进一步地，在步骤104之后还包括：
步骤105、通过聚类和噪点筛选方式，从配电网的运行可靠性检测结果中确定负荷波动相关程度系数大于第一阈值的第一配电网节点；
步骤106、计算第一配电网节点与参照节点的欧几里得距离，并根据欧几里得距离与第二阈值的比较结果，确定第一配电网节点是否属于系统薄弱节点，其中参照节点为距离聚类中心最远的配电网节点。
需要说明的是，由于同一个系统内大部分节点的负荷波动相关程度系数的值较为接近，少部分薄弱点的负荷波动相关程度系数的值与大部分节点存在较大差距，故使用聚类算法和噪点筛选算法，筛选出其中与大部分节点差异较大的几个节点。考虑到存在一些在系统中这么一类节点，其负荷波动相关程度系数远小于系统的大部分节点，导致其也被筛选算法选出，而这些被筛选出来的节点就是第一配电网节点，即配电网中的疑似薄弱节点，故在最终确定薄弱节点前，还可以通过计算第一配电网节点与参照节点的欧几里得距离，并根据欧几里得距离与第二阈值的比较结果，确定第一配电网节点是否属于系统薄弱节点，若比较结果为大于第二阈值，则说明该第一配电网节点确为系统薄弱节点。
其中，第二阈值的配置过程为：
基于聚类结果，根据非第一配电网节点，计算非第一配电网节点的平均节点，将平均节点与参照节点的欧几里得距离换算为第二阈值。
顾名思义，本实施例的非第一配电网节点，即配电网节点中，除第一配电网节点外的节点，将非第一配电网节点的平均点算出，并以此平均点与远点的欧几里得距离为界定值，低于此界定值的被筛选出的节点被界定为误判出的非薄弱点，予以舍去，最终剩下的筛选出的节点即为本融合模型确定的系统薄弱点。
本申请根据有配电网在线监测数据构建的配电网节点状态矩阵和影响因素矩阵构建出的目标增广矩阵计算得到的目标平均谱半径曲线，与由配电网节点状态矩阵和随机变量矩阵构建的对照增广矩阵的计算得到的对照平均谱半径曲线进行比较，判断影响因素配电网运行的影响程度，从而获得配电网的运行可靠性检测结果，无须统计大量历史数据，提高了效率，也无须局限于构建的物理模型，融入了随机性更符合实际的配电网环境，解决了现有技术存在配电网可靠性检测低效和精确度不高的技术问题。同时，结合了聚类算法，通过不同节点指标之间的欧几里得距离比较，进一步确定出配电网中的系统薄弱点。
以上为本申请提供的一种配电网运行可靠性检测方法的第二个实施例的详细说明，下面为本申请提供的一种配电网运行可靠性检测装置的第一个实施例的详细说明。
请参阅图3，本申请第三个实施例提供了一种配电网运行可靠性检测装置，包括：
数据获取单元301，用于获取配电网中待分析节点的配电网节点状态数据，并基于配电网节点状态构建配电网节点状态矩阵；
目标增广矩阵构建单元302，用于以获取到的配电网节点状态矩阵为基础部分，以影响因素矩阵为增广部分，构建目标增广矩阵，其中，影响因素矩阵为根据预设的节点负荷影响数据通过主成分分析方式得到的影响因素；
目标曲线计算单元303，用于根据目标增广矩阵，通过单环定理计算方式，得到目标增广矩阵对应的目标平均谱半径曲线；
检测结果获取单元304，用于将目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，结合预设的运行可靠性检测结果与比较结果的对应关系，确定配电网的运行可靠性检测结果，其中，对照平均谱半径曲线为根据对照增广矩阵，通过单环定理计算方式得到的平均谱半径曲线，且对照增广矩阵具体为以配电网节点状态矩阵为基础部分，以随机变量矩阵为增广部分构建的增广矩阵。
以上为本申请提供的一种配电网运行可靠性检测装置的第一个实施例的详细说明，下面为本申请提供的一种终端及一种存储介质的实施例的详细说明。
本申请第四个实施例提供了一种终端，包括：存储器和处理器；
存储器用于存储与本申请第一个实施例或第二个实施例提及的配电网运行可靠性检测方法相对应的程序代码；
处理器用于执行程序代码。
本申请第五个实施例提供了一种存储介质，存储介质中保存有与本申请第一个实施例或第二个实施例提及的配电网运行可靠性检测方法相对应的程序代码。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种配电网运行可靠性检测方法，其特征在于，包括：
获取配电网中待分析节点的配电网节点状态数据，并基于配电网节点状态构建配电网节点状态矩阵；
以获取到的配电网节点状态矩阵为基础部分，以影响因素矩阵为增广部分，构建目标增广矩阵，其中，所述影响因素矩阵为根据预设的节点负荷影响数据通过主成分分析方式得到的影响因素；
根据所述目标增广矩阵，通过单环定理计算方式，得到所述目标增广矩阵对应的目标平均谱半径曲线；
将所述目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，结合预设的运行可靠性检测结果与比较结果的对应关系，确定配电网的运行可靠性检测结果，其中，所述对照平均谱半径曲线为根据对照增广矩阵，通过单环定理计算方式得到的平均谱半径曲线，且所述对照增广矩阵具体为以所述配电网节点状态矩阵为基础部分，以随机变量矩阵为增广部分构建的增广矩阵。
2.根据权利要求1所述的一种配电网运行可靠性检测方法，其特征在于，所述影响因素矩阵的配置过程具体包括：
根据节点负荷影响数据，构建物理指标标准化矩阵；
根据所述物理指标标准化矩阵以及所述物理指标标准化矩阵中各列的相关系数，构建所述物理指标标准化矩阵对应的自相关矩阵；
计算所述自相关矩阵中各个物理指标特征向量对应的特征根，并根据各个所述特征根的大小，确定物理指标特征向量的主成分，以基于所述主成分构建所述影响因素矩阵。
3.根据权利要求2所述的一种配电网运行可靠性检测方法，其特征在于，所述节点负荷影响数据具体包括：潮流安全裕度、潮流安全期望、潮流过载期望、潮流安全概率、潮流过载概率、电压安全裕度、电压安全概率以及电压越限概率中的至少一项。
4.根据权利要求2所述的一种配电网运行可靠性检测方法，其特征在于，所述以基于所述主成分构建所述影响因素矩阵之后还包括：
对所述影响因素矩阵加入随机噪声，且所述随机噪声的信噪比具体为：
式中，ρ为所述随机噪声的信噪比，N为噪声矩阵，De为所述影响因素矩阵，K为噪声幅值。
5.根据权利要求1所述的一种配电网运行可靠性检测方法，其特征在于，所述将所述目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，结合预设的运行可靠性检测结果与比较结果的对应关系，确定配电网的运行可靠性检测结果具体包括：
将所述目标平均谱半径曲线与对照平均谱半径曲线差值运算，获得平均谱半径差值曲线；
根据所述平均谱半径差值曲线，通过累加求和方式对所述平均谱半径差值曲线进行量化，得到负荷波动相关程度系数；
基于所述负荷波动相关程度系数，结合预设的运行可靠性检测结果与负荷波动相关程度系数的对应关系，确定配电网的运行可靠性检测结果。
6.根据权利要求1所述的一种配电网运行可靠性检测方法，其特征在于，还包括：
通过聚类和噪点筛选方式，从所述配电网的运行可靠性检测结果中确定负荷波动相关程度系数大于第一阈值的第一配电网节点；
计算所述第一配电网节点与参照节点的欧几里得距离，并根据所述欧几里得距离与第二阈值的比较结果，确定所述第一配电网节点是否属于系统薄弱节点，其中所述参照节点为距离聚类中心最远的配电网节点。
7.根据权利要求6所述的一种配电网运行可靠性检测方法，其特征在于，所述第二阈值的配置过程为：
基于聚类结果，根据非第一配电网节点，计算所述非第一配电网节点的平均节点，将所述平均节点与所述参照节点的欧几里得距离换算为第二阈值。
8.一种配电网运行可靠性检测装置，其特征在于，包括：
数据获取单元，用于获取配电网中待分析节点的配电网节点状态数据，并基于配电网节点状态构建配电网节点状态矩阵；
目标增广矩阵构建单元，用于以获取到的配电网节点状态矩阵为基础部分，以影响因素矩阵为增广部分，构建目标增广矩阵，其中，所述影响因素矩阵为根据预设的节点负荷影响数据通过主成分分析方式得到的影响因素；
目标曲线计算单元，用于根据所述目标增广矩阵，通过单环定理计算方式，得到所述目标增广矩阵对应的目标平均谱半径曲线；
检测结果获取单元，用于将所述目标平均谱半径曲线与对照平均谱半径曲线进行比较，并基于获得的比较结果，结合预设的运行可靠性检测结果与比较结果的对应关系，确定配电网的运行可靠性检测结果，其中，所述对照平均谱半径曲线为根据对照增广矩阵，通过单环定理计算方式得到的平均谱半径曲线，且所述对照增广矩阵具体为以所述配电网节点状态矩阵为基础部分，以随机变量矩阵为增广部分构建的增广矩阵。
9.一种终端、其特征在于，包括：存储器和处理器；
所述存储器用于存储与权利要求1至7任意一项所述的配电网运行可靠性检测方法相对应的程序代码；
所述处理器用于执行所述程序代码。
10.一种存储介质，其特征在于，所述存储介质中保存有与权利要求1至7任意一项所述的配电网运行可靠性检测方法相对应的程序代码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010877502.8A CN112001644B (zh) | 2020-08-27 | 2020-08-27 | 一种配电网运行可靠性检测方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010877502.8A CN112001644B (zh) | 2020-08-27 | 2020-08-27 | 一种配电网运行可靠性检测方法、装置、终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112001644A true CN112001644A (zh) | 2020-11-27 |
| CN112001644B CN112001644B (zh) | 2023-05-23 |
Family
ID=73471109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010877502.8A Active CN112001644B (zh) | 2020-08-27 | 2020-08-27 | 一种配电网运行可靠性检测方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112001644B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561251A (zh) * | 2020-11-30 | 2021-03-26 | 广东电网有限责任公司广州供电局 | 配电网异常点检测方法、装置、计算机设备及存储介质 |
| CN112712185A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司佛山供电局 | 一种输电线路巡视作业计划智能聚类组合生成方法 |
| CN113537844A (zh) * | 2021-09-15 | 2021-10-22 | 山东大学 | 基于随机矩阵的区域能源互联网负荷行为分析方法及系统 |
| CN115905891A (zh) * | 2022-12-19 | 2023-04-04 | 上海交通大学 | 基于pmu数据的配电网运行方式与关键影响因素识别方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110004455A1 (en) * | 2007-09-28 | 2011-01-06 | Diego Caviglia | Designing a Network |
| CN107133684A (zh) * | 2016-02-26 | 2017-09-05 | 中国电力科学研究院 | 一种面向配电网无功优化的随机矩阵构建方法 |
| CN108152675A (zh) * | 2017-12-21 | 2018-06-12 | 华中科技大学 | 基于随机矩阵理论的故障时刻确定和故障区域定位方法 |
| 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 |
| CN110222897A (zh) * | 2019-06-11 | 2019-09-10 | 国网上海市电力公司 | 一种配电网可靠性分析方法 |
| CN111080089A (zh) * | 2019-11-29 | 2020-04-28 | 国网江苏省电力有限公司电力科学研究院 | 一种基于随机矩阵理论的线损率关键因子确定方法和装置 |
| CN111260255A (zh) * | 2020-02-20 | 2020-06-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
-
2020
- 2020-08-27 CN CN202010877502.8A patent/CN112001644B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110004455A1 (en) * | 2007-09-28 | 2011-01-06 | Diego Caviglia | Designing a Network |
| CN107133684A (zh) * | 2016-02-26 | 2017-09-05 | 中国电力科学研究院 | 一种面向配电网无功优化的随机矩阵构建方法 |
| CN108152675A (zh) * | 2017-12-21 | 2018-06-12 | 华中科技大学 | 基于随机矩阵理论的故障时刻确定和故障区域定位方法 |
| 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 |
| CN110222897A (zh) * | 2019-06-11 | 2019-09-10 | 国网上海市电力公司 | 一种配电网可靠性分析方法 |
| CN111080089A (zh) * | 2019-11-29 | 2020-04-28 | 国网江苏省电力有限公司电力科学研究院 | 一种基于随机矩阵理论的线损率关键因子确定方法和装置 |
| CN111260255A (zh) * | 2020-02-20 | 2020-06-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 程含渺 等: "基于高维随机矩阵的系统状态评估方法研究", 《电力工程技术第37卷第1期》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561251A (zh) * | 2020-11-30 | 2021-03-26 | 广东电网有限责任公司广州供电局 | 配电网异常点检测方法、装置、计算机设备及存储介质 |
| CN112712185A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司佛山供电局 | 一种输电线路巡视作业计划智能聚类组合生成方法 |
| CN113537844A (zh) * | 2021-09-15 | 2021-10-22 | 山东大学 | 基于随机矩阵的区域能源互联网负荷行为分析方法及系统 |
| CN113537844B (zh) * | 2021-09-15 | 2021-12-17 | 山东大学 | 基于随机矩阵的区域能源互联网负荷行为分析方法及系统 |
| CN115905891A (zh) * | 2022-12-19 | 2023-04-04 | 上海交通大学 | 基于pmu数据的配电网运行方式与关键影响因素识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112001644B (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112001644B (zh) | 一种配电网运行可靠性检测方法、装置、终端及存储介质 | |
| CN112699913A (zh) | 一种台区户变关系异常诊断方法及装置 | |
| CN110705879A (zh) | 一种高比例可再生能源接入下的电网脆弱性评估方法 | |
| CN111368259B (zh) | 一种配网电压数据缺失填补方法及相关装置 | |
| CN111507509A (zh) | 一种电力系统极端事件的风险评估方法 | |
| CN112149873A (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
| CN116401532B (zh) | 一种电力系统受扰后频率失稳识别方法及系统 | |
| CN113468811B (zh) | 含新能源机组的电网备用容量概率化动态评估方法及系统 | |
| CN113077020A (zh) | 一种变压器集群管理方法及系统 | |
| Messinis et al. | Unsupervised classification for non-technical loss detection | |
| Xue et al. | Adaptive ultra-short-term wind power prediction based on risk assessment | |
| CN113125903A (zh) | 线损异常检测方法、装置、设备及计算机可读存储介质 | |
| CN111582630A (zh) | 一种用于确定低压台区线损率评估值的方法及系统 | |
| CN114118460A (zh) | 基于变分自编码器的低压台区线损率异常检测方法及装置 | |
| CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
| CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
| CN113300373A (zh) | 一种基于prmse评价指标的稳定裕度值预测方法及装置 | |
| CN112950048A (zh) | 基于模糊综合评价的国家高等教育体系健康评价 | |
| CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
| CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
| CN113627655B (zh) | 一种配电网灾前故障场景模拟预测方法及装置 | |
| CN113589034A (zh) | 一种配电系统的窃电检测方法、装置、设备和介质 | |
| CN113283702B (zh) | 融合电力系统安全稳定特性的潮流状态评价方法及装置 | |
| Zhong et al. | Rapid Identification Method for the Sudden Change of Operating Errors in Smart Electricity Meters | |
| CN115809761B (zh) | 一种基于低压台区的电压质量分析方法及系统 |
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 |