CN112290538A - 基于聚合-辨识双层架构的负荷模型参数在线修正方法 - Google Patents
基于聚合-辨识双层架构的负荷模型参数在线修正方法 Download PDFInfo
- Publication number
- CN112290538A CN112290538A CN202011061128.0A CN202011061128A CN112290538A CN 112290538 A CN112290538 A CN 112290538A CN 202011061128 A CN202011061128 A CN 202011061128A CN 112290538 A CN112290538 A CN 112290538A
- Authority
- CN
- China
- Prior art keywords
- load
- model
- bus
- identified
- aggregation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012937 correction Methods 0.000 title claims abstract description 14
- 230000002776 aggregation Effects 0.000 claims abstract description 24
- 238000004220 aggregation Methods 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 230000006698 induction Effects 0.000 claims abstract description 13
- 239000002245 particle Substances 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000011835 investigation Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004804 winding Methods 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
- G05B13/044—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance not using a perturbation signal
-
- 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
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Power Engineering (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了基于聚合‑辨识双层架构的负荷模型参数在线修正方法,包括:(1)离线统计待辨识母线的负荷组成,获取母线历史量测数据;(2)利用统计与历史量测数据,采用考虑感应电动机负载率和临界滑差的容量加权法进行负荷模型聚合,建立负荷初始聚合模型;(3)基于在线量测数据和初始聚合模型,设置模型中主导参数辨识范围,固定非主导参数,采用粒子群优化算法进行主导参数辨识获得综合负荷模型;(4)本发明方法在不同电压等级的在线应用,建立各个电压等级的负荷初始聚合模型和综合负荷模型,并计算出综合负荷模型的准确性指标;本发明将负荷模型聚合和主导参数辨识相结合,实现电力系统的在线仿真分析与精准地运行调度。
Description
技术领域
本发明涉及电力系统负荷在线建模领域,具体涉及基于聚合-辨识双层架构的负荷模型参数在线修正方法。
背景技术
电力负荷特性对电力系统潮流计算、暂态稳定分析、电压稳定性等方面有着重要的影响。作为电力系统的终端,负荷的多样性、时变性、地域性等特点使得负荷模型的准确性一直难以得到保障。另外,近年来大规模的分布式新能源发电接入负荷区域,对负荷建模工作提出了新的挑战。在电力系统规划设计、调度运行时,若采用的负荷模型存在较大的偏差,会直接影响调度人员的操作方案,进而造成资源的浪费,甚至危及系统的稳定运行,建立能够实时、准确反映负荷动态特性的负荷模型具有十分重要的实际意义。
随着非侵入式负荷监测技术的发展,底层负荷组成分解得以实现,为负荷模型聚合提供了最底层负荷的组成与实时用电信息。目前,数据采集与监控系统(SCADA)、广域测量系统(WAMS)、故障录波监测系统(FRMS)等电力系统监测系统日益完善,为不同电压等级负荷模型的建立提供了详实的运行数据支撑。从而,基于量测数据的负荷建模方法得到了快速发展。
发明内容
本发明要解决的技术问题为:通过综合运用离线统计数据与量测数据,将负荷聚合方法与辨识方法相结合,提出了一种用于在线建立准确负荷模型的方法,克服了传统单一负荷建模方法缺乏时效性、准确度不高的缺点,为电力系统的在线仿真分析与运行调度提供更为准确的电力负荷模型。
为了实现上述发明目的,本发明采取的技术方案具体为:基于聚合-辨识双层架构的负荷模型参数在线修正方法,包括以下步骤:
步骤1:根据电力系统拓扑结构,获得待辨识母线所连线路情况与负荷出线情况,通过离线调研统计得到待辨识母线下所有负荷组成类型,同时获取典型时间段待辨识母线的历史量测数据,其中:包括待辨识母线的母线电压U,所连线路和变压器传输的有功功率P和无功功率Q;
步骤2:根据待辨识母线下负荷组成类型和典型时间段待辨识母线的历史量测数据,采用考虑感应电动机负载率和临界滑差影响的容量加权法对同一待辨识母线下的负荷群进行聚合获得等效负荷初始聚合模型;
步骤3:对等效负荷初始聚合模型进行主导参数辨识获得待辨识母线的综合负荷模型;
步骤4:基于聚合-辨识双层架构的负荷模型参数在线修正方法在不同电压等级的在线应用,将电力系统按电压等级分层,自下而上地建立每一个电压等级的等效负荷初始聚合模型,进而得到每个电压等级的综合负荷模型,并给出每个电压等级综合负荷模型的准确性指标。
进一步:根据待辨识母线所连线路和变压器情况对电力系统实时量测PMU数据进行处理获得待辨识母线下负荷的有功功率和无功功率;
基于负荷的有功功率、无功功率和等效负荷初始聚合模型参数,设置主导参数辨识范围和固定非主导参数,其中:所述主导参数包括:
感应电动机比例Km、电动机初始滑差S0、静态ZIP模型中有功恒阻抗比例Zp、有功恒电流比例Ip、无功恒阻抗比例Zq、无功恒电流比例Iq,
采用粒子群优化算法进行主导参数辨识得到待辨识母线的综合负荷模型。
进一步:根据综合负荷模型参数进行场景仿真,得到仿真数据P’、Q’、U’;然后计算其与对应的实际在线量测数据P、Q、U的误差,则模型准确性指标为:
式中,在各个量测量的均方根误差项中,为避免由于量纲和幅值的不同,导致出现某个大的绝对误差淹没其他量的误差的情况,本发明中采用相对误差代替绝对误差。
有益效果
1、本发明解决了当前智能电网背景下,复杂电力系统的负荷在线建模问题,充分融合了统计与量测等多源数据,进一步提高负荷模型在线建模的准确性。同时,相比传统单一负荷建模方法,本发明将负荷聚合与主导参数辨识相结合,既降低辨识参数的维度,大大缩短辨识时间,又在一定程度上保留非主导参数的响应特性,从而为电力系统实时仿真提供了更具时效性、准确性的负荷模型。
2、本发明提出的方法,也为电力系统负荷模型的在线生成提供了技术支撑。通过双层建模的思想,将负荷聚合结果作为主导参数辨识的初值,分两步实现负荷模型参数的生成,可在电力系统大数据平台上实现负荷模型的在线快速修正。
附图说明:
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明作出详细说明。
如图1所示,本发明提供一种基于聚合-辨识双层架构的负荷模型参数在线修正方法,包括以下步骤:
步骤1:根据电力系统拓扑结构,获得待辨识母线所连线路情况与负荷出线情况,通过离线调研统计,得到待辨识母线下所有负荷组成类型,同时获取典型时间段待辨识母线的历史量测数据,包括待辨识母线的母线电压U,所连线路和变压器传输的有功功率P和无功功率Q。
步骤2:根据离线调研统计和历史量测数据,采用考虑感应电动机负载率和临界滑差影响的容量加权法对同一待辨识母线下的负荷群进行聚合,得到一个等效负荷初始聚合模型。
对于低电压等级的负荷节点,根据实地调研统计数据以及量测数据,采用容量加权聚合方法进行负荷模型聚合,得到上一层级节点负荷的初始聚合模型,其聚合后参数的数学表达式为:
式中,M为感应电动机待辨识参数的集合,包括定子绕组等值电阻Rs、定子绕组等值电抗Xs、励磁电抗Xm、转子绕组等值电阻Rr、转子绕组等值电抗Xr、感应电动机惯性时间常数Tj,Magg为聚合后感应电动机的参数,Mi为聚合前第i个感应电动机的参数,σi为第i个感应电动机容量Si占聚合后感应电动机容量Sagg的比重。Scr为电动机临界滑差由下式得到:
步骤3:从实际电网数据平台调取实时量测PMU数据,根据待辨识母线所连线路和变压器情况,对实时量测PMU数据进行处理,得到待辨识母线下负荷的有功功率和无功功率;然后,基于负荷的有功功率、无功功率和等效负荷初始聚合模型,设置主导参数辨识范围,固定其他非主导参数,采用粒子群优化算法进行主导参数辨识,得到待辨识母线的综合负荷模型。
其中,基于参数灵敏度分析得到的能够反映负荷特性的关键参数作为本发明中待辨识模型的主导参数,包括感应电动机比例Km、电动机初始滑差S0、静态ZIP模型中有功恒阻抗比例Zp、有功恒电流比例Ip、无功恒阻抗比例Zq、无功恒电流比例Iq。粒子群优化算法模拟鸟群的觅食过程,通过鸟群间的交流、不断学习、累积经验,不断调整自己的搜索行为,以逐渐接近最佳适应度。粒子的速度与位置的迭代公式如下所示:
式中,上标k和下标d分别代表第k次迭代后,粒子在第d维上的速度。C1和C2分别代表粒子对自己和群体的信赖程度,ω为速度权重系数。Pbest,i为第i个粒子自起始位置到当前位置中的最优适应度的位置,Gbest,i为整个种群中搜索到的最优位置
采用适应度函数fitness来确定个体最优位置与种群最优位置。
步骤4:基于聚合-辨识双层架构的负荷模型参数在线修正方法在不同电压等级的在线应用,将电力系统按电压等级分层,自下而上地建立每一个电压等级的等效负荷初始聚合模型,进而得到每个电压等级的综合负荷模型,并给出每个电压等级综合负荷模型的准确性指标。模型准确性指标MAI用于评价等效负荷模型的准确度,根据综合负荷模型参数进行场景仿真,得到仿真数据P’、Q’、U’;然后计算其与对应的实际在线量测数据P、Q、U的误差,则模型准确性指标为:
式中,在各个量测量的均方根误差项中,为避免由于量纲和幅值的不同,导致出现某个大的绝对误差淹没其他量的误差的情况,本发明中采用相对误差代替绝对误差。
Claims (3)
1.基于聚合-辨识双层架构的负荷模型参数在线修正方法,其特征在于,包括以下步骤:
步骤1:根据电力系统拓扑结构,获得待辨识母线所连线路情况与负荷出线情况,通过离线调研统计得到待辨识母线下所有负荷组成类型,同时获取典型时间段待辨识母线的历史量测数据,其中:包括待辨识母线的母线电压U,所连线路和变压器传输的有功功率P和无功功率Q;
步骤2:根据待辨识母线下负荷组成类型和典型时间段待辨识母线的历史量测数据,采用考虑感应电动机负载率和临界滑差影响的容量加权法对同一待辨识母线下的负荷群进行聚合获得等效负荷初始聚合模型;
步骤3:对等效负荷初始聚合模型进行主导参数辨识获得待辨识母线的综合负荷模型;
步骤4:基于聚合-辨识双层架构的负荷模型参数在线修正方法在不同电压等级的在线应用,将电力系统按电压等级分层,自下而上地建立每一个电压等级的等效负荷初始聚合模型,进而得到每个电压等级的综合负荷模型,并给出每个电压等级综合负荷模型的准确性指标。
2.根据权利要求1所述的基于聚合-辨识双层架构的负荷模型参数在线修正方法,其特征在于:所述步骤3中,对待辨识母线的等效负荷初始聚合模型进行主导参数辨识步骤为:
根据待辨识母线所连线路和变压器情况对电力系统实时量测PMU数据进行处理,获得待辨识母线下负荷的有功功率和无功功率;
基于负荷的有功功率、无功功率和等效负荷初始聚合模型参数,设置主导参数辨识范围和固定非主导参数,其中:所述主导参数包括:
感应电动机比例Km、电动机初始滑差S0、静态ZIP模型中有功恒阻抗比例Zp、有功恒电流比例Ip、无功恒阻抗比例Zq、无功恒电流比例Iq;
采用粒子群优化算法进行主导参数辨识得到待辨识母线的综合负荷模型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011061128.0A CN112290538A (zh) | 2020-09-30 | 2020-09-30 | 基于聚合-辨识双层架构的负荷模型参数在线修正方法 |
LU500534A LU500534B1 (en) | 2020-09-30 | 2021-08-13 | Online load model parameter correction method based on aggregation-identification two-tier architecture |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011061128.0A CN112290538A (zh) | 2020-09-30 | 2020-09-30 | 基于聚合-辨识双层架构的负荷模型参数在线修正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112290538A true CN112290538A (zh) | 2021-01-29 |
Family
ID=74421706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011061128.0A Pending CN112290538A (zh) | 2020-09-30 | 2020-09-30 | 基于聚合-辨识双层架构的负荷模型参数在线修正方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112290538A (zh) |
LU (1) | LU500534B1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115408949A (zh) * | 2022-11-02 | 2022-11-29 | 广东电网有限责任公司中山供电局 | 一种负荷模型参数辨识方法、系统、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105356454A (zh) * | 2015-11-05 | 2016-02-24 | 上海电力学院 | 一种基于典型负荷群的电力系统负荷建模方法 |
CN108306284A (zh) * | 2018-01-05 | 2018-07-20 | 东南大学 | 一种基于局部智能量测的在线负荷建模方法 |
CN109827310A (zh) * | 2019-01-31 | 2019-05-31 | 河海大学 | 一种居民空调负荷群聚合模型建立方法 |
CN111415059A (zh) * | 2020-01-08 | 2020-07-14 | 天津大学 | 一种实用模型机构建及在线应用方法 |
-
2020
- 2020-09-30 CN CN202011061128.0A patent/CN112290538A/zh active Pending
-
2021
- 2021-08-13 LU LU500534A patent/LU500534B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105356454A (zh) * | 2015-11-05 | 2016-02-24 | 上海电力学院 | 一种基于典型负荷群的电力系统负荷建模方法 |
CN108306284A (zh) * | 2018-01-05 | 2018-07-20 | 东南大学 | 一种基于局部智能量测的在线负荷建模方法 |
CN109827310A (zh) * | 2019-01-31 | 2019-05-31 | 河海大学 | 一种居民空调负荷群聚合模型建立方法 |
CN111415059A (zh) * | 2020-01-08 | 2020-07-14 | 天津大学 | 一种实用模型机构建及在线应用方法 |
Non-Patent Citations (5)
Title |
---|
YAFEI WANG等: "Calculation Method of the Equivalent Impedance of a Distribution Network based on Power Loss", 《2020 12TH IEEE PES ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE (APPEEC)》 * |
孙国霞等: "包含多种分布式电源的广义负荷模型辨识与适应性研究", 《电力系统保护与控制》 * |
李立理等: "综合负荷模型的电动机参数独立性分析和主导参数选取", 《电力系统自动化》 * |
郑竞宏等: "暂态稳定分析中负荷模型主导参数研究", 《电力自动化设备》 * |
郭金川,等: "电力系统负荷聚合方法研究", 《电网与清洁能源》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115408949A (zh) * | 2022-11-02 | 2022-11-29 | 广东电网有限责任公司中山供电局 | 一种负荷模型参数辨识方法、系统、设备和介质 |
CN115408949B (zh) * | 2022-11-02 | 2023-02-17 | 广东电网有限责任公司中山供电局 | 一种负荷模型参数辨识方法、系统、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
LU500534B1 (en) | 2022-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103887815B (zh) | 基于运行数据的风电场参数辨识及动态等值方法 | |
CN103400009B (zh) | 基于分裂层次半监督谱聚类算法的风电场动态等值方法 | |
CN113609649B (zh) | 一种构建基于机会约束的配电网中压线路规划模型的方法 | |
CN110299762B (zh) | 基于pmu准实时数据的主动配电网抗差估计方法 | |
CN110070282A (zh) | 一种基于综合关联度的低压台区线损影响因素分析方法 | |
CN106875037A (zh) | 风力预测方法及装置 | |
CN108336739A (zh) | 一种基于rbf神经网络的概率潮流在线计算方法 | |
CN115622053B (zh) | 一种用于考虑分布式电源的自动负荷建模方法及装置 | |
CN110738253A (zh) | 一种基于FCM和AFSA-Elman的短期风电功率预测方法 | |
CN103324858A (zh) | 配电网三相潮流状态估计方法 | |
CN112241836A (zh) | 一种基于增量学习的虚拟负荷主导参数辨识方法 | |
CN111371088A (zh) | 一种基于bp神经网络修正svg控制策略的方法及系统 | |
CN117077546B (zh) | 基于数据驱动的电力系统负荷建模方法及其系统 | |
CN112290538A (zh) | 基于聚合-辨识双层架构的负荷模型参数在线修正方法 | |
CN116131261A (zh) | 一种考虑模型鲁棒性的微电网动态等值建模方法 | |
CN114221334B (zh) | 一种基于图神经网络的快速状态估计方法 | |
CN115659601A (zh) | 一种双馈风电场单机等值并网模型的参数辨识方法及装置 | |
CN112231979B (zh) | 基于计算流体力学和机器学习的山区瞬时风况预报方法 | |
CN108345996A (zh) | 一种降低风电功率考核电量的系统及方法 | |
CN113919218A (zh) | 一种基于制衡灰狼算法的居民负荷在线建模方法及系统 | |
CN113887839A (zh) | 一种基于聚类的风电场超短期风功率预测方法及系统 | |
Ding et al. | Multi-Objective optimial configuration of distributed wind-solar generation considering energy storage | |
CN113285440A (zh) | 一种低压台区降损优化方法 | |
CN107742886B (zh) | 一种热电联合系统负荷峰值同时系数的预测方法 | |
Mundotiya et al. | Comprehensive Review on Uncertainty in Wind Power Forecasting-Models and Challenges |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210129 |