CN112507597B - 基于多簇粒子滤波的多端柔性直流输电系统状态评估方法 - Google Patents

基于多簇粒子滤波的多端柔性直流输电系统状态评估方法 Download PDF

Info

Publication number
CN112507597B
CN112507597B CN202011205543.9A CN202011205543A CN112507597B CN 112507597 B CN112507597 B CN 112507597B CN 202011205543 A CN202011205543 A CN 202011205543A CN 112507597 B CN112507597 B CN 112507597B
Authority
CN
China
Prior art keywords
particle
direct current
transmission system
state
flexible direct
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
Application number
CN202011205543.9A
Other languages
English (en)
Other versions
CN112507597A (zh
Inventor
徐攀腾
宋述波
朱博
杨学广
李倩
严海健
樊友平
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.)
Guangzhou Bureau of Extra High Voltage Power Transmission Co
Original Assignee
Guangzhou Bureau of Extra High Voltage Power Transmission Co
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 Guangzhou Bureau of Extra High Voltage Power Transmission Co filed Critical Guangzhou Bureau of Extra High Voltage Power Transmission Co
Priority to CN202011205543.9A priority Critical patent/CN112507597B/zh
Publication of CN112507597A publication Critical patent/CN112507597A/zh
Application granted granted Critical
Publication of CN112507597B publication Critical patent/CN112507597B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/25Design optimisation, verification or simulation using particle-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种基于多簇粒子滤波的多端柔性直流输电系统状态评估方法,包括:(1)对多端柔性直流输电系统进行子系统划分和运行状态建模,得到典型的多端柔性直流输电系统状态转移方程和测量方程;(2)采集待评估的多端柔性直流输电系统的测量向量的样本集,生成一定数量的初始粒子集合,对初始粒子集进行聚类处理,利用典型状态方程对多端柔性直流输电系统进行状态预测,最后利用真实测量值和预测值的差值对粒子滤波的结果进行修正和重采样,最终实现对多端柔性直流输电系统的状态评估。本发明的评估方法与传统粒子滤波评估方法相比,能有效抑制粒子失效的风险,提高了在实际工程领域的可行性。

Description

基于多簇粒子滤波的多端柔性直流输电系统状态评估方法
技术领域
本发明涉及多端柔性直流输电技术领域,具体涉及一种基于多簇粒子滤波的多端柔性直流输电系统状态评估方法。
背景技术
随着直流输电技术的不断发展并以其在远距离大容量输电方面的独特优势在西电东送中扮演愈来愈重要的角色,其可靠性已成为影响整个电力系统安全稳定运行的重要因素。而特高压混合多端直流输电系统结构较传统的直流输电系统更加复杂,设备数量庞大,利用传统设备运行状态评估方法繁琐、复杂、计算速度较慢;另一方面,随着国内直流换流站运行维护水平的不断提高,利用原有双端直流输电系统的运维数据计算特高压混合多端直流输电系统不仅存在模型的不再适用性问题,而且还存在算法的可靠与可信问题。
目前,国内外鲜有文献研究多端柔性直流输电系统运行状态问题,而随着国内多条多端柔性直流输电线路的投运,对多端柔性直流输电系统运行状态进行持续评估,有利于指导多端柔性直流输电系统以及多个异步电网的整体安全稳定运行。因此,在现有多馈入直流输电的交直流混合系统中,研究多端柔性直流输电系统运行状态问题显得至关重要。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于多簇粒子滤波的多端柔性直流输电系统状态评估方法。
为实现上述目的,本发明的技术方案为:
一种基于多簇粒子滤波的多端柔性直流输电系统状态评估方法,包括以下步骤:
(1)对多端柔性直流输电系统进行子系统划分和运行状态建模,得到典型的多端柔性直流输电系统状态转移方程和测量方程;
(2)采集待评估的多端柔性直流输电系统的测量向量的样本集,生成一定数量的初始粒子集合,对初始粒子集进行聚类处理,利用典型状态方程对多端柔性直流输电系统进行状态预测,最后利用真实测量值和预测值的差值对粒子滤波的结果进行修正和重采样,最终实现对多端柔性直流输电系统的状态评估。
本发明还提供一种计算机可读存储介质,所述的计算机可读存储介质存储有计算机程序,所述的计算机程序被处理器执行时实现上述评估方法的步骤。
与现有技术相比,本发明的有益效果在于:
1、本发明的基于多簇粒子滤波的多端柔性直流输电系统状态评估方法,粒子权重在更新时需要更新族群粒子的权重,避免了小权重个体粒子在迭代更新过程中因为权重过小而逐渐丢失,造成粒子退化的出现,增加了粒子滤波在实际工程领域的可行性。
2、与传统粒子滤波评估方法相比,本发明的方法能有效抑制粒子失效的风险,提高了本方法的实用价值。
附图说明
图1是本发明的多端柔性直流输电系统状态评估方法流程图。
图2是多端柔性直流输电系统双12脉波接线子系统划分示意图。
图3是典型多端柔性直流输电系统整体运行状态轨迹。
图4是利用多簇粒子滤波技术对多端柔性直流输电系统进行状态评估的流程图。
图5是典型交流滤波器组非正常运行状态轨迹。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,一种基于多簇粒子滤波的多端柔性直流输电系统状态评估方法,基于典型多端柔性直流系统的状态方程,利用分族聚类的策略对传统序贯粒子滤波进行改进,利用改进后的多簇粒子滤波技术对多端柔性直流输电系统进行状态评估,包括以下步骤:
(1)对多端柔性直流输电系统进行子系统划分和运行状态建模,得到典型的多端柔性直流输电系统状态转移方程和测量方程;
(2)采集待评估的多端柔性直流输电系统的测量向量的样本集,生成一定数量的初始粒子集合,对初始粒子集进行聚类处理,利用典型状态方程对多端柔性直流输电系统进行状态预测,最后利用真实测量值和预测值的差值对粒子滤波的结果进行修正和重采样,最终实现对多端柔性直流输电系统的状态评估。
具体的,步骤(1)主要包括:
首先,根据多端柔性直流输电系统的结构、收集到的大量直流输电系统运行状态运行数据以及现场检修和运维经验,将混合多端直流输电系统划分为8个子系统,分别包括:12脉动阀组、换流变压器、断路器、平波电抗器、控制系统、直流滤波器、交流滤波器、直流线路,如图2所示。
再收集整理某电网公司辖区内的直流输电系统历年来运行状态数据,绘制了如图3所示的典型多端柔性直流输电系统运行状态轨迹曲线,以其运行状态轨迹线得到典型的多端柔性直流输电系统状态转移方程。同时统计历年来各子系统非正常运行年均次数,以子系统非正常运行年均次数来反映其对整体系统的影响程度,进而求出典型的多端柔性直流输电系统测量方程。
最后,建立多端柔性直流输电系统状态方程,其状态方程为:
Figure BDA0002756932680000031
yk=Hxk+nk (2)
其中:
公式(1)为多端柔性直流输电系统状态转移方程,xk为多端柔性直流输电系统运行状态评估值,k为迭代次数,迭代时间间隔单位为年,vk为过程噪声;
公式(2)为多端柔性直流输电系统测量方程,yk为监测变量,包括12脉动阀组、换流变压器、断路器、平波电抗器、控制系统、直流滤波器、交流滤波器和直流线路的运行状态值,H为测量向量H=[0.046 0.002 0.003 0.001 0.363 0.210 0.329 0.046]-1,nk为测量噪声。
如图4所示,步骤(2)的利用多簇粒子滤波技术对多端柔性直流输电系统进行状态评估的步骤如下:
步骤1:采样,采集多端柔性直流输电系统持续监测变量集Y={yk,k=1,2,…,Ns},其中Ns为样本总数。
步骤2:多簇粒子生成,随机生成Ns族粒子,每族粒子为M个,则粒子先验状态集可表示为
Figure BDA0002756932680000032
其中,t表示族序数t=1,2,…,Ns,m表示粒子数m=1,2,…,M。
步骤3:粒子调整阈值判据,若满足则对粒子进行更新,否则计算粒子族权重,主要包括:
粒子调整阈值判据:
Figure BDA0002756932680000033
式中,ym为粒子m的测量值,qm为重要性概率密度函数,
Figure BDA0002756932680000034
为粒子m的先验状态值;粒子状态调整,后验粒子状态值:
Figure BDA0002756932680000041
式中,
Figure BDA0002756932680000042
为后验粒子状态值,
Figure BDA0002756932680000043
为第t族先验粒子状态均值,A为调整矩阵,
Figure BDA0002756932680000044
为后验粒子卡尔曼均值:
Figure BDA0002756932680000045
式中,G为卡尔曼增益G=RfHT(HRfHT+γI)-1
Figure BDA0002756932680000046
为先验粒子均值;
其中,Rf为先验粒子协方差,yt为第t族先验粒子测量值,HT为调整矩阵,γ为滤波因子,I为单位对角阵,ωt,m为粒子先验权重;
同时后验粒子卡尔曼协方差为:
Figure BDA0002756932680000047
式中,
Figure BDA0002756932680000048
为先验粒子协方差,
Figure BDA0002756932680000049
粒子权重更新:计算粒子族权重:
Figure BDA00027569326800000410
式中,
Figure BDA00027569326800000411
为粒子先验权重,p(yj∣xm)为条件概率值。
步骤4:有效粒子数判据,每次完成粒子状态调整或粒子权重更新之后,需要计算有效粒子数:
Figure BDA00027569326800000412
Figure BDA00027569326800000413
代表有效粒子数已经下降到原始粒子的一半,需要进行重采样,将需要重采样的粒子加入白噪声,即:
Figure BDA00027569326800000414
式中,xt,resample(m)为重采样粒子状态值,
Figure BDA00027569326800000415
为粒子m重采样后的先验状态值,ε为均值为0协方差为τnoise的高斯白噪声。
步骤5:计算出多端柔性直流输电系统状态值,实现对多端柔性直流输电系统的状态评估:
Figure BDA0002756932680000051
进一步的,上述步骤3中的调整矩阵A计算方法为:
对后验卡尔曼协方差进行进一步变换:
Figure BDA0002756932680000052
令V和W为酉矩阵,∑和D为对角阵,则式中Rf可进一步表示为:Rf=V∑2VT,同时对式中第二行后项进行等价变换,得
Figure BDA0002756932680000053
进一步式(11)可进行化简:
Figure BDA0002756932680000054
取A=V∑W(1+D)-1/2-1VT,则
Rα=ARfAT
即通过调整矩阵A可以实现将先验协方差转换成为后验协方差,起到了对状态值的调整功能。
下面以具体的实施例对本发明的评估方法做进一步说明:
选取某直流输电系统在2015-2018年运行数据测量数据样本Y,测量间隔为一天,以(1)式和(2)式确定的典型多端柔性直流输电系统为状态方程,对该实际输电系统的运行状态进行跟踪评估,其运行状态轨迹与正常运行系统的对比分析如图5所示。由于该输电系统已经运行了10年,对测量样本的起始时间和间隔需要作适当调整。
图中,(a)为实际系统的运行状态轨迹,(b)为依据标准正常运行系统得到的理想运行状态轨迹,(a)中跳跃前轨迹部分基本与理想运行状态轨迹一直,表明在该轨迹时间段内,输电系统运行正常,而(a)中最后部分首先有一个跳跃,然后运行轨迹开始偏离理想运行状态轨迹,表明输电系统中存在部分子系统处于非正常运行状态。
通过查询该直流输电系统运行台账和巡视记录发现该系统在跳跃时间段内存在换流变压器过热和换流阀水冷系统的非正常运行状态,证实了多簇粒子滤波多端柔性直流输电系统状态评估方法在对多端柔性直流输电系统整体状态评估的可行性和可靠性。
综上,本发明的多簇粒子滤波多端柔性直流输电系统状态评估方法的优势在于,粒子权重在更新时需要更新族群粒子的权重,避免了小权重个体粒子在迭代更新过程中因为权重过小而逐渐丢失,造成粒子退化的出现,增加了粒子滤波在实际工程领域的可行性。
另外,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)等。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。

Claims (3)

1.一种基于多簇粒子滤波的多端柔性直流输电系统状态评估方法,其特征在于:包括以下步骤:
(1)对多端柔性直流输电系统进行子系统划分和运行状态建模,得到典型的多端柔性直流输电系统状态转移方程和测量方程;具体包括:
1)将多端柔性直流输电系统划分为8个子系统,分别包括:12脉动阀组、换流变压器、断路器、平波电抗器、控制系统、直流滤波器、交流滤波器、直流线路;
2)建立多端柔性直流输电系统状态方程,其状态方程为:
Figure FDA0003258790840000011
yk=Hxk+nk (2)
其中:
式(1)为多端柔性直流输电系统状态转移方程,xk为多端柔性直流输电系统运行状态评估值,k为迭代次数,迭代时间间隔单位为年,vk为过程噪声;
式(2)为多端柔性直流输电系统测量方程,yk为监测变量,包括12脉动阀组、换流变压器、断路器、平波电抗器、控制系统、直流滤波器、交流滤波器和直流线路的运行状态值,H为测量向量H=[0.046 0.002 0.003 0.001 0.363 0.210 0.329 0.046]-1,nk为测量噪声;
(2)采集待评估的多端柔性直流输电系统的测量向量的样本集,生成一定数量的初始粒子集合,对初始粒子集进行聚类处理,利用典型状态方程对多端柔性直流输电系统进行状态预测,最后利用真实测量值和预测值的差值对粒子滤波的结果进行修正和重采样,最终实现对多端柔性直流输电系统的状态评估;具体包括:
1)采样,采集多端柔性直流输电系统持续监测变量集Y={yk,k=1,2,…,Ns},其中Ns为样本总数;
2)多簇粒子生成,随机生成Ns族粒子,每族粒子为M个,则粒子先验状态集可表示为
Figure FDA0003258790840000012
其中,t表示族序数t=1,2,…,Ns,m表示粒子数m=1,2,…,M;
3)粒子调整阈值判据,若满足则对粒子进行更新,否则计算粒子族权重,包括:
粒子调整阈值判据:
Figure FDA0003258790840000013
式中,ym为粒子m的测量值,qm为重要性概率密度函数,
Figure FDA0003258790840000014
为粒子m的先验状态值;
粒子状态调整,后验粒子状态值:
Figure FDA0003258790840000021
式中,
Figure FDA0003258790840000022
为后验粒子状态值,
Figure FDA0003258790840000023
为第t族先验粒子状态均值,A为调整矩阵,
Figure FDA0003258790840000024
为后验粒子卡尔曼均值:
Figure FDA0003258790840000025
式中,G为卡尔曼增益G=RfHT(HRfHT+γI)-1
Figure FDA0003258790840000026
为先验粒子均值;
其中,Rf为先验粒子协方差,yt为第t族先验粒子测量值,HT为调整矩阵,γ为滤波因子,I为单位对角阵,ωt,m为粒子先验权重;
同时后验粒子卡尔曼协方差为:
Figure FDA0003258790840000027
式中,
Figure FDA0003258790840000028
为先验粒子协方差,
Figure FDA0003258790840000029
粒子权重更新:计算粒子族权重:
Figure FDA00032587908400000210
式中,
Figure FDA00032587908400000211
为粒子先验权重,p(yj∣xm)为条件概率值;
4)有效粒子数判据,每次完成粒子状态调整或粒子权重更新之后,需要计算有效粒子数:
Figure FDA00032587908400000212
Figure FDA00032587908400000213
代表有效粒子数已经下降到原始粒子的一半,需要进行重采样,将需要重采样的粒子加入白噪声,即:
Figure FDA00032587908400000214
式中,xt,resample(m)为重采样粒子状态值,
Figure FDA00032587908400000215
为粒子m重采样后的先验状态值,ε为均值为0协方差为τnoise的高斯白噪声;
5)计算出多端柔性直流输电系统状态值,实现对多端柔性直流输电系统的状态评估:
Figure FDA0003258790840000031
2.根据权利要求1所述的一种基于多簇粒子滤波的多端柔性直流输电系统状态评估方法,其特征在于:所述的调整矩阵A计算方法为:
对后验卡尔曼协方差进行进一步变换:
Figure FDA0003258790840000032
令V和W为酉矩阵,∑和D为对角阵,则式中Rf可进一步表示为:Rf=V∑2VT,同时对式中第二行后项进行等价变换,得
Figure FDA0003258790840000033
进一步式(11)可进行化简:
Figure FDA0003258790840000034
取A=V∑W(1+D)-1/2-1VT,则
Rα=ARfAT
即通过调整矩阵A可以实现将先验协方差转换成为后验协方差,起到了对状态值的调整功能。
3.一种计算机可读存储介质,所述的计算机可读存储介质存储有计算机程序,其特征在于:所述的计算机程序被处理器执行时实现如权利要求1-2任一评估方法的步骤。
CN202011205543.9A 2020-11-02 2020-11-02 基于多簇粒子滤波的多端柔性直流输电系统状态评估方法 Active CN112507597B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011205543.9A CN112507597B (zh) 2020-11-02 2020-11-02 基于多簇粒子滤波的多端柔性直流输电系统状态评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011205543.9A CN112507597B (zh) 2020-11-02 2020-11-02 基于多簇粒子滤波的多端柔性直流输电系统状态评估方法

Publications (2)

Publication Number Publication Date
CN112507597A CN112507597A (zh) 2021-03-16
CN112507597B true CN112507597B (zh) 2021-10-22

Family

ID=74954821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011205543.9A Active CN112507597B (zh) 2020-11-02 2020-11-02 基于多簇粒子滤波的多端柔性直流输电系统状态评估方法

Country Status (1)

Country Link
CN (1) CN112507597B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8332342B1 (en) * 2009-11-19 2012-12-11 The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) Model-based prognostics for batteries which estimates useful life and uses a probability density function
CN106844952A (zh) * 2017-01-20 2017-06-13 河海大学 基于无迹粒子滤波理论的发电机动态状态估计方法
CN109586288A (zh) * 2018-12-12 2019-04-05 南方电网科学研究院有限责任公司 一种混合多端直流输电工程可靠性评估方法
CN111597766A (zh) * 2020-02-19 2020-08-28 中国电力科学研究院有限公司 基于粒子滤波采样的全过程动态仿真长期孤网稳定性预测方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777887B (zh) * 2010-01-08 2013-04-03 西安电子科技大学 基于fpga的无迹卡尔曼滤波系统及并行实现方法
CN110269683A (zh) * 2019-05-29 2019-09-24 北京航空航天大学 一种基于差分粒子滤波算法的柔性针针尖位置与姿态估计改进方法
CN110926473B (zh) * 2019-11-18 2022-08-16 北京三快在线科技有限公司 识别楼层的方法、装置、电子设备及存储介质
CN111832226B (zh) * 2020-07-13 2024-04-26 中国南方电网有限责任公司超高压输电公司柳州局 一种基于辅助粒子滤波的igbt剩余寿命估算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8332342B1 (en) * 2009-11-19 2012-12-11 The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) Model-based prognostics for batteries which estimates useful life and uses a probability density function
CN106844952A (zh) * 2017-01-20 2017-06-13 河海大学 基于无迹粒子滤波理论的发电机动态状态估计方法
CN109586288A (zh) * 2018-12-12 2019-04-05 南方电网科学研究院有限责任公司 一种混合多端直流输电工程可靠性评估方法
CN111597766A (zh) * 2020-02-19 2020-08-28 中国电力科学研究院有限公司 基于粒子滤波采样的全过程动态仿真长期孤网稳定性预测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于改进鲁棒自适应UKF的配电网动态状态估计方法;王玉彬 等;《电力系统自动化》;20191031;第44卷(第1期);92-100 *
基于无迹粒子滤波的配电网状态估计;罗永平 等;《电测与仪表》;20191204;第57卷(第16期);71-77 *

Also Published As

Publication number Publication date
CN112507597A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN112217202B (zh) 考虑灵活性投资的分布式新能源、储能与配电网规划方法
US11888316B2 (en) Method and system of predicting electric system load based on wavelet noise reduction and EMD-ARIMA
CN111628501B (zh) 一种交直流大电网暂态电压稳定评估方法及系统
WO2017161786A1 (zh) 基于光储系统运行优化的混合储能配比计算方法
CN113469189B (zh) 一种用电采集数据缺失值填充方法、系统及装置
CN111426905B (zh) 一种配电网同母线变关系异常诊断方法、装置及系统
CN116165885B (zh) 一种高速列车的无模型自适应鲁棒控制方法及系统
CN114243683A (zh) 基于Wasserstein度量和核密度估计的分布鲁棒优化方法
CN115000968A (zh) 基于博弈和风电出力相关性的海上风电接入系统规划方法
CN117400771A (zh) 一种基于电动汽车的充电桩充电控制方法
CN112507597B (zh) 基于多簇粒子滤波的多端柔性直流输电系统状态评估方法
CN117175595B (zh) 一种基于多级数据的电网调控方法及系统
CN114594398A (zh) 储能锂离子电池数据预处理方法
CN117932409A (zh) 基于tcn和生成对抗网络的电力负荷异常检测方法及系统
CN111697607B (zh) 一种多端柔性直流输电受端电网接入方法及系统
CN115130743B (zh) 一种基于变分推断的风电机组调节速率预测方法及系统
CN116127343A (zh) 基于电压序列相似性的户变关系与相别识别方法及系统
CN113221248B (zh) 一种基于pf-garch模型的船舶系统设备状态参数预测方法
CN112967154B (zh) 一种电力系统Well-being的评估方法及装置
CN112217215B (zh) 一种基于psd-bpa的大型电力系统随机潮流计算方法
CN111291326A (zh) 一种结合类内相似度和类间差异度的聚类有效性指标建立方法
CN110648021B (zh) 一种两级电力负荷预测结果协调方法、装置及设备
CN117591814B (zh) 基于光伏包络的数据修复方法、装置及设备
CN112467782B (zh) 水光互补系统的运行安全校核方法和装置、电子设备
CN115730701B (zh) 一种适用于小型用能场所电力调度设备的负荷预测方法及系统

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