CN112152206B - 一种输电线路动态增容方法及系统 - Google Patents
一种输电线路动态增容方法及系统 Download PDFInfo
- Publication number
- CN112152206B CN112152206B CN202010966718.1A CN202010966718A CN112152206B CN 112152206 B CN112152206 B CN 112152206B CN 202010966718 A CN202010966718 A CN 202010966718A CN 112152206 B CN112152206 B CN 112152206B
- Authority
- CN
- China
- Prior art keywords
- wire
- transient
- steady
- data
- current
- 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
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
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了一种输电线路动态增容方法及系统,本发明测量导线各处的稳态温度数据/暂态温升数据,通过神经网络模型,计算最大稳态载流量/最大暂态载流量,相较于传统的方法计算更加准确;同时本发明将上一轮结果作为新一轮神经网络模型的训练数据,随实际运行数据的不断积累,准确度进一步提高,具有很好的工程实用价值。
Description
技术领域
本发明涉及一种输电线路动态增容方法及系统,属于电力系统自动化技术领域。
背景技术
随着城市输电网容量增加,加之线路走廊资源日趋紧缺,在不改变走廊、不动铁塔情况实现可观的动态增容具有重大意义。同一回线路的不同位置由于导线型号、所处地理位置、是否为耐热导线等等因素的不同,所能允许的载流量会有所不同。传统动态增容方法以离散的少数测温点的温度作为整条线路的平均温度,计算输电线路增容时的最大载流量,但是即使同一档内不同点处的导线温度也会因环境温度、风速、日照等因素存在变化,用测量点的导线温度代替整条线路的平均温度是不准确的,因此传统动态增容方法计算最大载流量不准确,给线路增容运行带来风险。
发明内容
本发明提供了一种输电线路动态增容方法及系统,解决了背景技术中披露的问题。
为了解决上述技术问题,本发明所采用的技术方案是:
一种输电线路动态增容方法,包括,
采用分布式光纤测温法,获取导线各处的稳态温度数据/暂态温升数据;
将导线自身参数、外界环境参数、导线各处的稳态温度数据输入本轮最新的第一神经网络模型,获得导线最大稳态载流量;
或者,
将导线自身参数、外界环境参数、导线各处的暂态温升数据输入本轮最新的第二神经网络模型,获得导线最大暂态载流量;其中,本轮最新的神经网络模型为:将上一轮神经网络模型的输入和输出作为训练数据,更新训练集,用更新后的训练集训练的神经网络模型。
采用分布式光纤测温法,基于背向拉曼散射原理和光时域散射原理,获取导线各处的稳态温度数据/暂态温升数据。
稳态温度数据的公式为,
其中,为测温点距光纤入射端的距离,C为光速,n为光纤折射率,t为测温点拉曼散射光返回入射端的时间,Td为导线d处的温度,Tref为参考温度,kB为玻尔兹曼常数,h为普朗克常数,Δν为光纤声子频率,ψas为反斯托克斯拉曼散射光子通量,ψs为斯托克斯拉曼散射光子通量;
暂态温升数据为预设周期内测温点的温度升高数据。
第一轮训练第一神经网络模型的训练数据包括导线自身参数、外界环境参数、预设不同稳态载流量对应的稳态温度数据;其中,预设不同稳态载流量对应的稳态温度数据采用稳态热平衡方程计算获得;
第一轮训练第二神经网络模型的训练数据包括导线自身参数、外界环境参数、预设不同暂态载流量对应的暂态温升数据;其中,预设不同暂态载流量对应的暂态温升数据采用暂态热平衡方程计算获得。
稳态热平衡方程计算公式为,
I2R(T)+Qs=Qc+Qr
R(T)=(1+kse)R20[1+α20(T-20)]
其中,I为预设载流量,Qs、Qc、Qr分别为导线接收日照吸热、空气对流散热和导线辐射散热,R(T)为温度为T时导线单位长度的交流电阻,kse为集肤效应系数,R20为20℃时导线单位长度的直流电阻,α20为20℃时导线材料温度系数;
暂态热平衡方程计算公式为,
其中,M为单位长度导线的质量,Cp为导线热容系数。
第一神经网络模型中计算最大稳态载流量的公式为,
其中,为导线最大稳态载流量,A(l)、B(l)分别为导线l处的导线自身参数集合和外界环境参数集合,Lstart、Lend分别为导线的起始端和末端,Tallowed(l)为稳态温度数据中允许的最高运行温度,Isteady为稳态载流量;
第二神经网络模型中计算最大暂态载流量的公式为,
更新训练集的过程为,
比较训练集中旧的训练数据与新加入训练数据,若除稳态温度数据或暂态温升数据外其他均相同,则用新的训练数据替换旧的训练数据。
一种输电线路动态增容系统,包括,
数据获取模块:采用分布式光纤测温法,获取导线各处的稳态温度数据/暂态温升数据;
载流量获取模块:将导线自身参数、外界环境参数、导线各处的稳态温度数据输入本轮最新的第一神经网络模型,获得导线最大稳态载流量;
或者,
将导线自身参数、外界环境参数、导线各处的暂态温升数据输入本轮最新的第二神经网络模型,获得导线最大暂态载流量;其中,本轮最新的神经网络模型为:将上一轮神经网络模型的输入和输出作为训练数据,更新训练集,用更新后的训练集训练的神经网络模型。
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输电线路动态增容方法。
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输电线路动态增容方法的指令。
本发明所达到的有益效果:本发明测量导线各处的稳态温度数据/暂态温升数据,通过神经网络模型,计算最大稳态载流量/最大暂态载流量,相较于传统的方法计算更加准确;同时本发明将上一轮结果作为新一轮神经网络模型的训练数据,随实际运行数据的不断积累,准确度进一步提高,具有很好的工程实用价值。
附图说明
图1为本发明的流程图;
图2为神经网络模型结构图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
一种输电线路动态增容方法,包括以下步骤:
步骤1,采用分布式光纤测温法,基于背向拉曼散射原理和光时域散射原理,获取导线各处的稳态温度数据/暂态温升数据。
实施动态增容时,既可能是稳态热平衡,也可能是暂态温升,因此获取稳态温度数据还是获取暂态温升数据,需根据实际情况而定;一般情况下,若在较长时间尺度实施增容,则计算稳态,即获取稳态温度数据,后续通过稳态数据获取最大稳态载流量;若在较短时间尺度实施增容,由于导线温度上升是一个时间尺度上的过程,可以在短时间通过一个更大的电流,而使导线温度仍不超过限值,此时是获取暂态温升数据,后续通过暂态温升数据获取最大暂态载流量。
步骤2,将导线自身参数、外界环境参数、导线各处的稳态温度数据输入本轮最新的第一神经网络模型,获得导线最大稳态载流量;或者;将导线自身参数、外界环境参数、导线各处的暂态温升数据输入本轮最新的第二神经网络模型,获得导线最大暂态载流量;其中,本轮最新的神经网络模型为:将上一轮神经网络模型的输入和输出作为训练数据,更新训练集,用更新后的训练集训练的神经网络模型。
具体流程如图1所示:
S1)构建初始训练集,训练第一神经网络模型或第二神经网络模型,即进行第一轮训练。
若动态增容需获得最大稳态载流量,则训练第一神经网络模型;若动态增容需获得最大暂态载流量,则训练第二神经网络模型。
在没有实际运行数据时,依据导线自身参数、外界环境参数等计算预设不同稳态载流量对应的稳态温度数据/预设不同暂态载流量对应的暂态温升数据。
采用稳态热平衡方程计算预设不同稳态载流量对应的稳态温度数据,公式如下:
I2R(T)+Qs=Qc+Qr
R(T)=(1+kse)R20[1+α20(T-20)]
其中,I为预设载流量,Qs、Qc、Qr分别为导线接收日照吸热、空气对流散热和导线辐射散热,R(T)为温度为T时导线单位长度的交流电阻,kse为集肤效应系数,R20为20℃时导线单位长度的直流电阻,α20为20℃时导线材料温度系数;
采用暂态热平衡方程计算预设不同暂态载流量对应的暂态温升数据,公式如下:
暂态热平衡方程计算公式为,
其中,M为单位长度导线的质量,Cp为导线热容系数。
将导线自身参数、外界环境参数、预设不同稳态载流量对应的稳态温度数据作为训练数据,构建初始训练集,该初始训练集用于训练第一神经网络模型;将导线自身参数、外界环境参数、预设不同暂态载流量对应的暂态温升数据,构建初始训练集,该初始训练集用于训练第二神经网络模型。
S2)在实际运行时,采用分布式光纤测温法,获取导线各处的稳态温度数据/暂态温升数据。
利用光纤复合架空相线作为实施动态增容的输电线路传输电能的载体,基于背向拉曼散射原理和光时域散射原理,将光信号转化为导线连续空间温度分布信息,获取导线各处的稳态温度数据/暂态温升数据。
基于背向拉曼散射原理计算光纤任意点处的温度,光纤温度即为该位置导线的温度,具体公式为:
其中,为测温点距光纤入射端的距离,C为光速,n为光纤折射率,t为测温点拉曼散射光返回入射端的时间,Td为导线d处的温度,Tref为参考温度,kB为玻尔兹曼常数,h为普朗克常数,Δν为光纤声子频率,Δν=1.32×1013Hz,ψas为反斯托克斯拉曼散射光子通量,ψs为斯托克斯拉曼散射光子通量;
暂态温升数据为预设周期内测温点的温度升高数据,预设周期约为一分钟。
S3),将导线自身参数、外界环境参数、导线各处的稳态温度数据输入训练好的第一神经网络模型,获得导线最大稳态载流量;
或者,
将导线自身参数、外界环境参数、暂态温升数据输入训练好的第二神经网络模型,获得导线最大暂态载流量。
第一神经网络模型和第二神经网络模型结构基本类似,具体如图2所示,输入层中实线框中的变量是用于动态增容时稳态载流量计算的神经元,相应的其与隐含层间的连接突触也为实线;若需要输出暂态载流量,则需要在输入层增加神经元个数,即虚线框中变量,包括暂态增容时长及描述温升情况所需的初始温度与初始载流量,以及导线热容等导线参数,并相应增加虚线所示连接突触。
输入层变量的集合X包括:(1)导线l处的导线自身参数集合A(l),包括:导线表面辐射系数ε(l)、导线直径D(l)、以及其他导线自身参数;(2)导线l处处的外界环境参数集合B(l),包括:环境温度Ta(l)、风速vwind(l)及风向角日照辐射强度S(l)、以及其他外界环境因素变量;(3)增容时的预设导线温度Tset(l)(为线路上导线各处所允许的最高运行温度);(4)暂态增容时A(l)中还包括:单位长度导线的质量M(l)、导线热容系数Cp(l),(5)此外还包括暂态增容计划时长τ、导线的初始载流量I0、导线l处初始温度T0(l)。
输出层变量的集合U包括:(1)导线l处温度为预设温度Tset(l)时,所流过的电流值,即稳态载流量;(2)导线l处所流过的电流值Itransient,即暂态载流量,使得该处温度从T0(l)开始,经历时长τ后恰好达到预设温度Tset(l)。
输出层变量是由输入层变量经隐含层和输出层的传递函数而得,具体为:
隐含层的输入信号为:
输出层第k个神经单元的输出信号uk为;
其中,ωjk是隐含层第j个神经元到输出层第k个神经元的权重,f1为隐含层和输出层的传递函数。
将输入层中的预设导线温度Tset(l)取稳态温度数据中允许的最高运行温度Tallowed(l),计算最大稳态载流量的公式为,
其中,为导线最大稳态载流量,A(l)、B(l)分别为导线l处的导线自身参数集合和外界环境参数集合,Lstart、Lend分别为导线的起始端和末端,Tallowed(l)为稳态温度数据中允许的最高运行温度,Isteady为稳态载流量;
计算最大暂态载流量的公式为,
S4),每一轮计算,都会将该轮计算的输入和输出作为训练数据,进行训练数据更新,用更新后的训练集训练的新的神经网络模型,用新的神经网络模型进行后一轮计算。
更新训练集的过程为:比较训练集中旧的训练数据与新加入训练数据,若除稳态温度数据或暂态温升数据外其他均相同,则用新的训练数据替换旧的训练数据。
上述方法测量导线各处的稳态温度数据/暂态温升数据,通过神经网络模型,计算最大稳态载流量/最大暂态载流量,相较于传统的方法计算更加准确;同时该方法将上一轮结果作为新一轮神经网络模型的训练数据,随实际运行数据的不断积累,准确度进一步提高,具有很好的工程实用价值。
一种输电线路动态增容系统,包括:
数据获取模块:采用分布式光纤测温法,获取导线各处的稳态温度数据/暂态温升数据;
载流量获取模块:将导线自身参数、外界环境参数、导线各处的稳态温度数据输入本轮最新的第一神经网络模型,获得导线最大稳态载流量;
或者,
将导线自身参数、外界环境参数、导线各处的暂态温升数据输入本轮最新的第二神经网络模型,获得导线最大暂态载流量;其中,本轮最新的神经网络模型为:将上一轮神经网络模型的输入和输出作为训练数据,更新训练集,用更新后的训练集训练的神经网络模型。
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输电线路动态增容方法。
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输电线路动态增容方法的指令。
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。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (9)
1.一种输电线路动态增容方法,其特征在于:包括,
采用分布式光纤测温法,获取导线各处的稳态温度数据/暂态温升数据;
将导线自身参数、外界环境参数、导线各处的稳态温度数据输入本轮最新的第一神经网络模型,获得导线最大稳态载流量;
或者,
将导线自身参数、外界环境参数、导线各处的暂态温升数据输入本轮最新的第二神经网络模型,获得导线最大暂态载流量;其中,本轮最新的神经网络模型为:将上一轮神经网络模型的输入和输出作为训练数据,更新训练集,用更新后的训练集训练的神经网络模型;
第一神经网络模型中计算最大稳态载流量的公式为,
其中,为导线最大稳态载流量,A(l)、B(l)分别为导线l处的导线自身参数集合和外界环境参数集,计算最大稳态载流量时A(l)包括导线表面辐射系数和导线直径,Lstart、Lend分别为导线的起始端和末端,Tallowed(l)为稳态温度数据中允许的最高运行温度,Isteady为稳态载流量;
第二神经网络模型中计算最大暂态载流量的公式为,
2.根据权利要求1所述的一种输电线路动态增容方法,其特征在于:采用分布式光纤测温法,基于背向拉曼散射原理和光时域散射原理,获取导线各处的稳态温度数据/暂态温升数据。
4.根据权利要求1所述的一种输电线路动态增容方法,其特征在于:第一轮训练第一神经网络模型的训练数据包括导线自身参数、外界环境参数、预设不同稳态载流量对应的稳态温度数据;其中,预设不同稳态载流量对应的稳态温度数据采用稳态热平衡方程计算获得;
第一轮训练第二神经网络模型的训练数据包括导线自身参数、外界环境参数、预设不同暂态载流量对应的暂态温升数据;其中,预设不同暂态载流量对应的暂态温升数据采用暂态热平衡方程计算获得。
6.根据权利要求1所述的一种输电线路动态增容方法,其特征在于:更新训练集的过程为,
比较训练集中旧的训练数据与新加入训练数据,若除稳态温度数据或暂态温升数据外其他均相同,则用新的训练数据替换旧的训练数据。
7.一种输电线路动态增容系统,其特征在于:包括,
数据获取模块:采用分布式光纤测温法,获取导线各处的稳态温度数据/暂态温升数据;
载流量获取模块:将导线自身参数、外界环境参数、导线各处的稳态温度数据输入本轮最新的第一神经网络模型,获得导线最大稳态载流量;
或者,
将导线自身参数、外界环境参数、导线各处的暂态温升数据输入本轮最新的第二神经网络模型,获得导线最大暂态载流量;其中,本轮最新的神经网络模型为:将上一轮神经网络模型的输入和输出作为训练数据,更新训练集,用更新后的训练集训练的神经网络模型;
第一神经网络模型中计算最大稳态载流量的公式为,
其中,为导线最大稳态载流量,A(l)、B(l)分别为导线l处的导线自身参数集合和外界环境参数集,计算最大稳态载流量时A(l)包括导线表面辐射系数和导线直径,Lstart、Lend分别为导线的起始端和末端,Tallowed(l)为稳态温度数据中允许的最高运行温度,Isteady为稳态载流量;
第二神经网络模型中计算最大暂态载流量的公式为,
8.一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所述的方法中的任一方法。
9.一种计算设备,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6所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010966718.1A CN112152206B (zh) | 2020-09-15 | 2020-09-15 | 一种输电线路动态增容方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010966718.1A CN112152206B (zh) | 2020-09-15 | 2020-09-15 | 一种输电线路动态增容方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112152206A CN112152206A (zh) | 2020-12-29 |
CN112152206B true CN112152206B (zh) | 2022-12-02 |
Family
ID=73892920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010966718.1A Active CN112152206B (zh) | 2020-09-15 | 2020-09-15 | 一种输电线路动态增容方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112152206B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109640B (zh) * | 2021-03-04 | 2022-05-17 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于预模拟的电力线路智能动态增容系统及方法 |
CN113049909B (zh) * | 2021-04-30 | 2022-08-30 | 广东电网有限责任公司清远供电局 | 基于分布式光纤的架空输电线路动态增容方法和系统 |
CN114923515B (zh) * | 2022-04-21 | 2024-06-11 | 广东电网有限责任公司 | 一种输电导线的温度预警方法、设备、系统及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399232A (zh) * | 2013-07-31 | 2013-11-20 | 国家电网公司 | 一种输电线路动态增容运行数据采集处理方法 |
CN104635079A (zh) * | 2015-01-22 | 2015-05-20 | 国家电网公司 | 一种基于全程分布式的电力架空光缆载流量监测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113049909B (zh) * | 2021-04-30 | 2022-08-30 | 广东电网有限责任公司清远供电局 | 基于分布式光纤的架空输电线路动态增容方法和系统 |
-
2020
- 2020-09-15 CN CN202010966718.1A patent/CN112152206B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399232A (zh) * | 2013-07-31 | 2013-11-20 | 国家电网公司 | 一种输电线路动态增容运行数据采集处理方法 |
CN104635079A (zh) * | 2015-01-22 | 2015-05-20 | 国家电网公司 | 一种基于全程分布式的电力架空光缆载流量监测方法 |
Non-Patent Citations (2)
Title |
---|
含碳纤维复合芯导线的电网经济调度研究;袁贝尔;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190115;正文第2.4节 * |
基于拉曼散射分布式光纤测温系统的研究与设计;李秀琦;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20091115;正文第2.3.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN112152206A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112152206B (zh) | 一种输电线路动态增容方法及系统 | |
CN101266274B (zh) | 架空输电线路动态载流量的监测方法及其装置 | |
CN102840928B (zh) | 一种用于光纤复合相线的在线温度监测系统及其监测方法 | |
CN102313853B (zh) | 高压输电线路动态输送容量测算系统及方法 | |
CN104897304B (zh) | 一种用于输电线路动态增容的线路温度辨识方法 | |
CN103235226B (zh) | Oppc动态增容在线监测装置及监测方法 | |
CN105678396A (zh) | 光伏电站超短时功率预测装置 | |
CN103808426B (zh) | 电缆线芯温度的间接测量方法 | |
CN105678439A (zh) | 基于bp神经网络的输电线路动态增容运行风险评估方法 | |
Castro et al. | Study of different mathematical approaches in determining the dynamic rating of overhead power lines and a comparison with real time monitoring data | |
CN112733354B (zh) | 一种气象要素时间序列模拟方法、系统、介质及电子设备 | |
CN105203032A (zh) | 输电线路导线分布式弧垂的监测装置及方法 | |
CN103234659A (zh) | 一种架空线路在线测温方法 | |
CN112036021A (zh) | 一种架空线路非接触式载流量测算方法及系统 | |
CN201476905U (zh) | 神经网络pid控温的热电偶自动检定系统 | |
CN104635079A (zh) | 一种基于全程分布式的电力架空光缆载流量监测方法 | |
Hsu et al. | An IoT-based sag monitoring system for overhead transmission lines | |
CN102175202A (zh) | 一种基于模糊逻辑的覆冰厚度预测方法 | |
CN105676015A (zh) | 一种输电线路载流量计算方法 | |
CN117117819A (zh) | 一种光伏发电短期功率预测方法、系统、设备和介质 | |
CN102175203B (zh) | 一种输电线路覆冰突出影响因素分析方法 | |
CN106482848A (zh) | 一种基于m‑p广义逆的三芯电缆导体温度动态获取方法 | |
CN105574619A (zh) | 一种太阳能光伏发电出力预测系统及预测方法 | |
CN114046903A (zh) | 一种高压电缆缆芯的实时温度预测方法及系统 | |
CN106934096B (zh) | 一种基于架空导线表面温度求解钢芯温度的方法 |
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 |