CN112053023A - 一种应用于电力系统可靠性评估的改进时序方法 - Google Patents

一种应用于电力系统可靠性评估的改进时序方法 Download PDF

Info

Publication number
CN112053023A
CN112053023A CN202010638668.4A CN202010638668A CN112053023A CN 112053023 A CN112053023 A CN 112053023A CN 202010638668 A CN202010638668 A CN 202010638668A CN 112053023 A CN112053023 A CN 112053023A
Authority
CN
China
Prior art keywords
power system
state
state quantity
reliability
importance
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
Application number
CN202010638668.4A
Other languages
English (en)
Other versions
CN112053023B (zh
Inventor
王征
尹洋
王黎明
杨宣访
卜乐平
张朝亮
王家林
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.)
Naval University of Engineering PLA
Original Assignee
Naval University of Engineering PLA
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 Naval University of Engineering PLA filed Critical Naval University of Engineering PLA
Priority to CN202010638668.4A priority Critical patent/CN112053023B/zh
Publication of CN112053023A publication Critical patent/CN112053023A/zh
Application granted granted Critical
Publication of CN112053023B publication Critical patent/CN112053023B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种应用于电力系统可靠性评估的改进时序方法，包括以下步骤：利用状态抽样，将选出的系统状态量组成一个集合，计算电力系统状态的重要性；采用标准化及离散化将重要性低的切负荷状态当做可接受状态量；在可接受状态量中选择出对电力系统可靠性评估有用的状态量；以可靠性状态量为主要参考数据，依照系统的状态改变过程，并且通过随机抽样的方法来选择系统正向或者逆向的状态变化过程，最终生成全部由可靠性状态量组成的状态序列集合；本发明的有益效果是：通过标准化缩小了数据处理运算范围，再通过离散化的方法科学有效的获取需要的状态量，解决了电力系统可靠性评估效率低下与精度差的问题。

Description

一种应用于电力系统可靠性评估的改进时序方法
技术领域
本发明涉及电力系统领域，尤其涉及一种应用于电力系统可靠性评估的改进时序方法。
背景技术
含有风能、光能等可再生能源的电力系统，其可靠性与经济性已经成为未来发展的趋势，但是相关的可靠性评估方法却迟迟得不到发展；目前对电力系统可靠性评估普遍采用序贯蒙特卡洛法对电力系统进行可靠性评估，序贯蒙特卡洛法采用随机抽样的办法进行状态量的选择，通过大量的重复试验得到系统的运行状态，从大量的重复样本里统计出系统的可靠性指标，在处理数据的过程中，大部分时间都浪费在了重复而无用的状态量上，导致系统获取状态量数据的时间更久，从而影响了可靠性评估方法的效率。
发明内容
本发明为了解决现有技术中存在的不足，提供一种应用于电力系统可靠性评估的改进时序方法，首先通过标准化缩小了数据处理运算范围，再通过离散化的方法科学有效的获取需要的状态量，解决了电力系统可靠性评估效率低下与精度差的问题，并且能够实现最优的电力系统规划与控制。
本发明所采用的一种应用于电力系统可靠性评估的改进时序方法，具体包括：
S101：通过状态随机抽样抽取部分电力系统状态，作为电力系统状态量集合；
S102：在所述电力系统状态量集合中，计算各电力系统状态量的重要性，并根据各电力系统状态量的重要性，选择得到电力系统重要度较高的状态量集合；
S103：采用标准化及离散化方法将所述电力系统重要度较高的状态量集合中部分原先为不可接受状态的电力系统重要度较高的状态量当做可接受状态，得到标准化及离散化后的电力系统重要度较高的状态量集合；
S104：对标准化及离散化后的电力系统重要度较高的状态量集合进行随机抽样，得到随机的一个中间状态量；
S105：判断所述中间状态量是否为可接受状态？若是，则跳转至步骤S104重新抽样；否则，判定所述中间状态量为切负荷状态量；
S106：以所述切负荷状态量为中心，分别生成电力系统状态正向转移数据组和电力系统状态逆向转移数据组；
S107：判断所述电力系统状态正向转移数据组合所述电力系统状态逆向转移数据组的数据是否一致？若是，则判定所述切负荷状态量为电力系统可靠性状态量，否则，跳转至步骤S104；
S108：结束。
进一步地，步骤S102中，计算个电力系统状态量重要性的公式如式(1)所示：
Figure BDA0002570560820000021
式(1)中，N为所述电力系统状态量集合中状态量的总数；f(xi)为取样函数，根据实际情况预设。
进一步地，步骤S103中，采用标准化及离散化方法将所述电力系统重要度较高的状态量集合中部分重要性低的电力系统重要度较高的状态量当做可接受状态，具体步骤为：
S201：将电力系统重要度较高的状态量全部变换到[0，xmax]区间内，其中x为电力系统重要度较高的状态量，xmax为所述电力系统重要度较高的状态量集合中的最大值；
S202：采集标准化及离散化方法将电力系统重要度较高的状态量x进行重新变换，得到变换后的电力系统重要度较高的状态量x′；经过变换后，部分重要性低的电力系统重要度较高的状态量变为可接受状态，由变换后的电力系统重要度较高的状态量x′组成标准化及离散化后的电力系统重要度较高的状态量集合；变换过程如式(2)所示：
Figure BDA0002570560820000031
式(2)中，xmin为所述电力系统重要度较高的状态量集合中的最小值。
进一步地，在步骤S108中得到电力系统可靠性状态量后，还根据所述电力系统可靠性状态量计算得出电力系统可靠性指标，用以评估电力系统可靠性。
进一步地，所述电力系统可靠性指标包括：期望停电概率指标λLOLP、期望电能供应不足指标λENNS和期望停电持续指标λLOLF，如式(3)所示：
Figure BDA0002570560820000032
式(3)中，Ji是系统为储能时切负荷状态集合；Ki是电力系统储能时切负荷状态集合；ni是切负荷状态集合中停电的状态次数；Ps(Sj)是电力系统可靠性状态量Sj的切负荷功率；D(Sj)是电力系统可靠性状态量Sj的持续时间所有切负荷状态xi为中心组成的切负荷状态集合是Mi。
进一步地，一种存储设备，所述存储设备存储指令及数据用于实现所述的一种电力系统可靠性评估的改进时序方法。
一种电力系统可靠性评估的改进时序设备，包括：处理器及存储设备；所述处理器加载并执行存储设备中的指令及数据用于实现所述的一种电力系统可靠性评估的改进时序方法。
本发明提供的技术方案带来的有益效果是：通过标准化缩小了数据处理运算范围，再通过离散化的方法科学有效的获取需要的状态量，解决了电力系统可靠性评估效率低下与精度差的问题。
附图说明
图1是本发明实施例的一种应用于电力系统可靠性评估的改进时序方法的流程图；
图2是本发明实施例中未经过所述一种应用于电力系统可靠性评估的改进时序方法的电力系统原状态图；
图3是本发明实施例中经过所述一种应用于电力系统可靠性评估的改进时序方法的电力系统现状态图；
图4是本发明实施例中硬件设备工作示意图；
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仅用以解释本发明，并不用于限定本发明。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。
请参考图1，图1是本发明实施例的一种应用于电力系统可靠性评估的改进时序方法的流程图，具体包括：
S101：通过状态随机抽样抽取部分电力系统状态，作为电力系统状态量集合；
S102：在所述电力系统状态量集合中，计算各电力系统状态量的重要性，并根据各电力系统状态量的重要性，选择得到电力系统重要度较高的状态量集合；所述重要度较高的状态量，指：设备临界值附近的状态量，比如设备额定值220V，过压临界值为10％，那么过压值为242V，在242V附近1％的值均视为重要度较高的值。
S103：采用标准化及离散化方法将所述电力系统重要度较高的状态量集合中部分原先为不可接受状态的电力系统重要度较高的状态量当做可接受状态，得到标准化及离散化后的电力系统重要度较高的状态量集合；
S104：对标准化及离散化后的电力系统重要度较高的状态量集合进行随机抽样，得到随机的一个中间状态量；
S105：判断所述中间状态量是否为可接受状态？若是，则跳转至步骤S104重新抽样；否则，判定所述中间状态量为切负荷状态量；所述正常范围，一般定义设备电压值功率值在额定值±10％，频率值在额定值±5％的范围内都可以认为是正常范围。
S106：以所述切负荷状态量为中心，分别生成电力系统状态正向转移数据组和电力系统状态逆向转移数据组；
S107：判断所述电力系统状态正向转移数据组合所述电力系统状态逆向转移数据组的数据是否一致？若是，则判定所述切负荷状态量为电力系统可靠性状态量，否则，跳转至步骤S104；
S108：结束。
进一步地，步骤S102中，计算个电力系统状态量重要性的公式如式(1)所示：
Figure BDA0002570560820000051
式(1)中，N为所述电力系统状态量集合中状态量的总数；f(xi)为取样函数。
进一步地，步骤S103中，采用标准化及离散化方法将所述电力系统重要度较高的状态量集合中部分重要性低的电力系统重要度较高的状态量当做可接受状态，具体步骤为：
S201：将电力系统重要度较高的状态量全部变换到[0，xmax]区间内，其中x为电力系统重要度较高的状态量，xmax为所述电力系统重要度较高的状态量集合中的最大值；
S202：采集标准化及离散化方法将电力系统重要度较高的状态量x进行重新变换，得到变换后的电力系统重要度较高的状态量x′；经过变换后，部分重要性低的电力系统重要度较高的状态量变为可接受状态，由变换后的电力系统重要度较高的状态量x′组成标准化及离散化后的电力系统重要度较高的状态量集合；变换过程如式(2)所示：
Figure BDA0002570560820000061
式(2)中，xmin为所述电力系统重要度较高的状态量集合中的最小值。
在步骤S108中得到电力系统可靠性状态量后，还根据所述电力系统可靠性状态量计算得出电力系统可靠性指标，用以评估电力系统可靠性。
所述电力系统可靠性指标包括：期望停电概率指标λLOLP、期望电能供应不足指标λENNS和期望停电持续指标λLOLF，如式(3)所示：
Figure BDA0002570560820000062
式(3)中，Ji是系统为储能时切负荷状态集合；Ki是电力系统储能时切负荷状态集合；ni是切负荷状态集合中停电的状态次数；Ps(Sj)是电力系统可靠性状态量Sj的切负荷功率；D(Sj)是电力系统可靠性状态量Sj的持续时间。
以上指标均是与蒙特卡罗法下的相同指标进行对比，比较精度与运行时间，精度越高，时间越短则越高效。
为了更好阐述本发明，举例如下：
请参考图2，图2为未经过所述一种应用于电力系统可靠性评估的改进时序方法的电力系统原状态图；假设原电力系统，经过随机抽样后一共包含S1-S6这6个状态，即S1-S6这6个状态组成所述电力系统非可靠性状态集合；在这六个状态中，S4、S5、S6最先被判定为不可接受状态，S1、S2、S3判定为可接受状态，则此时进行状态随机抽样，抽取一个中间状态量；
(1)如果抽到状态S3，那么此时系统状态为安全状态，于是再跳转至步骤一重新随机抽样；
(2)如果抽到状态S5，那么此时系统状态为不可接受状态，方法流程进入步骤二，即是此时以S5为中心序列，正向状态为正向转移序列，逆向状态为逆向转移序列。
分析图2得知，当状态S5发生时，此时整个系统状态能够转变为S2(安全状态)或者S6(不可接受状态)。如果继续随机抽样得到的状态转移过程为S5-S2，那么即是正向故障状态序列结束，系统又变为正常(此时的正向故障序列为S5-S2)；如果接下来随机抽样得到的状态转移过程为S5-S6，那么此时整个系统仍处于故障状态，此时接着以S6为起点执行步骤二。分析图1可知，继续从S6开始，能选择的状态路径只有S6-S3，同时S3为正常状态，那么到此正向转移过程的抽样流程终止，整个正向过程的状态序列为S5-S6-S3。逆向的状态转移流程正好相反，但是所采用的逻辑和上述的正向过程是一致的，得到的逆向的状态转移路径为：S2-S5或S1-S4-S5。
请参考图3，图3是经过所述一种应用于电力系统可靠性评估的改进时序方法的电力系统的现状态图；通过所述改进时序方法对不可接受状态量的处理，不可接受状态量S6在经过标准化及离散化处理后仍被判定为重要性较小的系统状态量，此时不可接受状态量S6会被判定为可接受状态量，即电力系统状态图变为图3。
继续从在6个状态的状态量中进行随机取样开始，如果取样所得到的状态量是安全状态，那么再次返回，从6个状态的状态量中进行重新取样；经过改进时序方法的处理之后，不可接受状态量S6被认定为重要性较小的系统状态量，所以当随机抽样得到的状态为S6时，通过状态判断，此状态仍然会被认定为安全状态，方法也会重新回到步骤1进行抽样，这样就合理的忽略掉了S6这个在经过标准化处理之后仍然对整个系统重要性较小的系统状态量。然后对于正向转移过程，当随机抽样得到的状态为S5时，由于S5为不可接受状态，所以继续对S5-S2和S5-S6这两个状态转移进行抽样判断，如果按照时序方法的逻辑，在S5-S6的状态转移中，由于故障持续，到达S6状态时，需要继续进行状态转移至S3，但是经过改进时序方法的处理，S5-S6状态转移结束后，已经可以认定为故障状态序列的结束，系统回归正常，减少了从S6向后继续状态转移的步骤。对于逆向转移过程，改进时序方法同样也简化了在随机抽样的状态选取和故障状态转移的过程。
假设不可接受状态量S6在经过标准化处理后被判定为重要性较大的系统状态量，此时系统状态图仍为图1所示，具体的方法流程也与图1中的流程一致。但是通过观察方法流程可以发现，改进时序方法能够将这些处于重要性判据界限之间的状态量保留下来，丰富了数据库里的状态量，同时提高了方法效率与精度。
请参见图4，图4是本发明实施例的硬件设备工作示意图，所述硬件设备具体包括：一种应用于电力系统可靠性评估的改进时序设备401、处理器402及存储设备403。
一种应用于电力系统可靠性评估的改进时序设备401：所述一种应用于电力系统可靠性评估的改进时序设备401实现所述一种应用于电力系统可靠性评估的改进时序方法。
处理器402：所述处理器402加载并执行所述存储设备403中的指令及数据用于实现所述一种应用于电力系统可靠性评估的改进时序方法。
存储设备403：所述存储设备403存储指令及数据；所述存储设备403用于实现所述一种应用于电力系统可靠性评估的改进时序方法。
本发明基于紧急电源只为储能装置的发电系统可靠性对IEEE-RTS79发电系统进行可靠性计算，计算条件如下：测试系统总容量为3405MW，其中负荷的峰值为2850MW，负荷建模时间分辨率为1h，即是负荷模型状态数为8736。通过MATLAB2016b对此系统进行仿真。
首先，对比时序算法与改进时序算法所得指标，可以说明改进时序算法在电力系统可靠性评估中的准确性。如表A1所示，改进时序算法计算得出的各种可靠性指标与时序算法和蒙特卡罗法相比，相差较小，说明改进时序算法具有很高的计算精度。
表A1不同算法可靠性指标对比
Figure BDA0002570560820000091
如表1所示，相比于蒙特卡洛法，时序算法的相对误差均在2％左右，而改进时序算法的相对误差更小，到了1％左右。
表1不同算法与蒙特卡罗法的相对误差
Figure BDA0002570560820000092
其次，表2对比了在不同收敛精度标准下，蒙特卡罗法、时序算法与改进时序算法这三种算法的耗时情况，可以发现在计算效率上，基于时序算法的可靠性评估与蒙特卡罗法相比，评估速度提高了10倍，而改进时序算法与蒙特卡罗法相比，评估速度甚至提高了30倍。
表2不同算法与蒙特卡罗法的耗时比
Figure BDA0002570560820000093
改进时序算法存在的可靠性与高效性，为求解含有可靠性约束的优化问题创造了条件。
本发明提供的技术方案带来的有益效果是：通过标准化缩小了数据处理运算范围，再通过离散化的方法科学有效的获取需要的状态量，解决了电力系统可靠性评估效率低下与精度差的问题。
在本专利中，所涉及的前、后、上、下等方位词是以附图中各装置位于图中以及设备相互之间的位置来定义的，只是为了表达技术方案的清楚及方便。应当理解，所述方位词的使用不应限制本申请请求保护的范围。
在不冲突的情况下，本专利中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种电力系统可靠性评估的改进时序方法、设备及存储设备，其特征在于：具体包括：
S101：通过状态随机抽样抽取部分电力系统状态，作为电力系统状态量集合；
S102：在所述电力系统状态量集合中，计算各电力系统状态量的重要性，并根据各电力系统状态量的重要性，选择得到电力系统重要度较高的状态量集合；
S103：采用标准化及离散化方法将所述电力系统重要度较高的状态量集合中部分原先为不可接受状态的电力系统重要度较高的状态量当做可接受状态，得到标准化及离散化后的电力系统重要度较高的状态量集合；
S104：对标准化及离散化后的电力系统重要度较高的状态量集合进行随机抽样，得到随机的一个中间状态量；
S105：判断所述中间状态量是否为可接受状态？若是，则跳转至步骤S104重新抽样；否则，判定所述中间状态量为切负荷状态量；所述可接受状态，指所述中间状态量处于正常范围内；
S106：以所述切负荷状态量为中心，分别生成电力系统状态正向转移数据组和电力系统状态逆向转移数据组；
S107：判断所述电力系统状态正向转移数据组合所述电力系统状态逆向转移数据组的数据是否一致？若是，则判定所述切负荷状态量为电力系统可靠性状态量，否则，跳转至步骤S104；
S108：结束。
2.如权利要求1所述的一种电力系统可靠性评估的改进时序方法、设备及存储设备，其特征在于：步骤S102中，计算各电力系统状态量重要性的公式如式(1)所示：
Figure FDA0002570560810000011
式(1)中，N为所述电力系统状态量集合中状态量的总数；f(xi)为取样函数，为根据实际情况的预设值，i为第i个状态量编号。
3.如权利要求1所述的一种电力系统可靠性评估的改进时序方法、设备及存储设备，其特征在于：步骤S103中，采用标准化及离散化方法将所述电力系统重要度较高的状态量集合中部分重要性低的电力系统重要度较高的状态量当做可接受状态，具体步骤为：
S201：将电力系统重要度较高的状态量全部变换到[0，xmax]区间内，其中x为电力系统重要度较高的状态量，xmax为所述电力系统重要度较高的状态量集合中的最大值；
S202：采集标准化及离散化方法将电力系统重要度较高的状态量x进行重新变换，得到变换后的电力系统重要度较高的状态量x′；经过变换后，部分重要性低的电力系统重要度较高的状态量变为可接受状态，由变换后的电力系统重要度较高的状态量x′组成标准化及离散化后的电力系统重要度较高的状态量集合；变换过程如式(2)所示：
Figure FDA0002570560810000021
式(2)中，xmin为所述电力系统重要度较高的状态量集合中的最小值。
4.如权利要求1所述的一种电力系统可靠性评估的改进时序方法、设备及存储设备，其特征在于：在步骤S108中得到电力系统可靠性状态量后，还根据所述电力系统可靠性状态量计算得出电力系统可靠性指标，用以评估电力系统可靠性。
5.如权利要求4所述的一种电力系统可靠性评估的改进时序方法、设备及存储设备，其特征在于：所述电力系统可靠性指标包括：期望停电概率指标λLOLP、期望电能供应不足指标λENNS和期望停电持续指标λLOLF如式(3)所示：
Figure FDA0002570560810000031
式(3)中，Ji是系统为储能时切负荷状态集合；Ki是电力系统储能时切负荷状态集合；ni是切负荷状态集合中停电的状态次数；Ps(Sj)是电力系统可靠性状态量集合中第j个电力系统可靠性状态量Sj的切负荷功率；D(Sj)是电力系统可靠性状态量集合中第j个电力系统可靠性状态量Sj的持续时间；所有切负荷状态xi为中心组成的切负荷状态集合是Mi。
6.一种存储设备，其特征在于：所述存储设备存储指令及数据用于实现权利要求1～5所述的任意一种电力系统可靠性评估的改进时序方法。
7.一种电力系统可靠性评估的改进时序设备，其特征在于：包括：处理器及存储设备；所述处理器加载并执行存储设备中的指令及数据用于实现权利要求1～5所述的任意一种电力系统可靠性评估的改进时序方法。
CN202010638668.4A 2020-07-06 2020-07-06 一种应用于电力系统可靠性评估的改进时序方法 Active CN112053023B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010638668.4A CN112053023B (zh) 2020-07-06 2020-07-06 一种应用于电力系统可靠性评估的改进时序方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010638668.4A CN112053023B (zh) 2020-07-06 2020-07-06 一种应用于电力系统可靠性评估的改进时序方法

Publications (2)

Publication Number Publication Date
CN112053023A true CN112053023A (zh) 2020-12-08
CN112053023B CN112053023B (zh) 2022-07-26

Family

ID=73601548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010638668.4A Active CN112053023B (zh) 2020-07-06 2020-07-06 一种应用于电力系统可靠性评估的改进时序方法

Country Status (1)

Country Link
CN (1) CN112053023B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106980918A (zh) * 2017-02-16 2017-07-25 广西电网有限责任公司电力科学研究院 一种发输电系统可靠性评估系统
CN109242304A (zh) * 2018-09-04 2019-01-18 武汉大学 一种电力系统小概率事件可靠性评估的方法
CN110210150A (zh) * 2019-06-08 2019-09-06 西安电子科技大学 基于多状态多值决策图的航空发动机可靠性分析方法
CN111080149A (zh) * 2019-12-20 2020-04-28 四川大学 一种高中低压一体化配电网络可靠性混合计算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106980918A (zh) * 2017-02-16 2017-07-25 广西电网有限责任公司电力科学研究院 一种发输电系统可靠性评估系统
CN109242304A (zh) * 2018-09-04 2019-01-18 武汉大学 一种电力系统小概率事件可靠性评估的方法
CN110210150A (zh) * 2019-06-08 2019-09-06 西安电子科技大学 基于多状态多值决策图的航空发动机可靠性分析方法
CN111080149A (zh) * 2019-12-20 2020-04-28 四川大学 一种高中低压一体化配电网络可靠性混合计算方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
J.C.O.MELLO ET AL: "Efficient loss-of-load cost evaluation by combined pseudo-sequential and state transition simulation", 《IEE PROCEEDINGS - GENERATION, TRANSMISSION AND DISTRIBUTION》 *
刘江敏: "含大规模新能源发电的电力系统可靠性分析", 《中国优秀硕士学位论文全文数据库》 *
孙自珂: "风电并网对电力系统可靠性影响研究", 《中国优秀硕士学位论文全文数据库》 *
张杰: "微网及主动配电系统可靠性评估方法研究", 《中国博士学位论文全文数据库》 *
程林等: "基于伪时序状态转移抽样法评估含储能电力系统可靠性", 《电力系统自动化》 *

Also Published As

Publication number Publication date
CN112053023B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
Duan et al. Evaluation of battery inconsistency based on information entropy
CN106532719B (zh) 基于电流二次谐波与无功的非变频空调非侵入式辨识方法
CN105809322B (zh) 综合考虑发电、输电和配电系统的城市电网可靠性评估方法
Albuquerque et al. Evaluation of the PMUs measurement channels availability for observability analysis
CN109657913B (zh) 一种考虑分布式电源的输配电网联合风险评估方法
CN106532688A (zh) 一种用于评估微电网运行可靠性的方法及系统
CN111141951B (zh) 电力终端数据采集方法、装置和电子设备
CN104599189A (zh) 一种计入电力系统运行方式的电网规划方案风险评估方法
CN113036786A (zh) 一种低压配变用户相序识别及三相不平衡调整方法
CN117332322A (zh) 一种边界区域重要性采样方法
CN105445591A (zh) 变流器故障诊断方法以及变流器故障诊断装置
Li et al. A region-based approach for the operational reliability evaluation of power systems with renewable energy integration
CN110991741A (zh) 一种基于深度学习的断面约束概率预警方法及系统
CN112053023B (zh) 一种应用于电力系统可靠性评估的改进时序方法
CN107332239B (zh) 一种基于配电网等值的输配电网协调规划方法
CN115441480A (zh) 一种用户相序识别方法、系统和设备
CN113092934B (zh) 基于聚类和lstm的单相接地故障判定方法及系统
CN110896218B (zh) 一种用于建立集合性居民负荷的谐波建模方法及系统
CN113468729A (zh) 无标定方式的电力厂站计量装置运行误差测算方法及系统
CN114662809A (zh) 一种综合能源园区内供电电源的电能质量评价方法和系统
Wang et al. Research on power system reliability evaluation based on improved time series algorithm
Na et al. Gaussian Mixture Models and its Parameter Estimation to Describe the Distributions of PMU Random Errors in Power Systems
CN117833824B (zh) 一种光伏逆变器的性能分析方法、装置、设备和存储介质
CN118432289B (zh) 一种分布式光伏发电并网接入监测评价方法
CN116979617A (zh) 一种考虑光伏大规模接入的配电网薄弱性评估方法及装置

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