CN112529391B - 一种适用于极寒自然灾害下的热电耦合系统状态估计方法 - Google Patents
一种适用于极寒自然灾害下的热电耦合系统状态估计方法 Download PDFInfo
- Publication number
- CN112529391B CN112529391B CN202011406407.6A CN202011406407A CN112529391B CN 112529391 B CN112529391 B CN 112529391B CN 202011406407 A CN202011406407 A CN 202011406407A CN 112529391 B CN112529391 B CN 112529391B
- Authority
- CN
- China
- Prior art keywords
- measurement
- state estimation
- state
- coupling system
- thermoelectric coupling
- 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
- 230000008878 coupling Effects 0.000 title claims abstract description 58
- 238000010168 coupling process Methods 0.000 title claims abstract description 58
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005259 measurement Methods 0.000 claims abstract description 76
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 101150036841 minJ gene Proteins 0.000 claims 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 239000011159 matrix material Substances 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 9
- 239000000243 solution Substances 0.000 description 6
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明实施例提供一种适用于极寒自然灾害下的热电耦合系统状态估计方法，方法包括：在极寒自然灾害条件下，基于热电耦合系统中的量测量、与量测量对应的状态估计量和权重矩阵，使用最小二乘法构建热电耦合系统的状态估计模型；基于一阶KKT条件，对状态估计模型进行分解，转化为非线性方程组求解状态估计量，得到热电耦合系统的运行状态；其中，权重矩阵由量测设备的测量精度确定，所述量测设备用来测量所述量测量。本发明实施例通过状态估计方法对极寒自然灾害下热电耦合系统的真实运行状态进行跟踪测量，实时获知系统真实运行状态；提出了针对不同类型量测设备在极寒自然灾害环境下的权重赋权策略，从算法层面实现了估计结果准确度的提升。
Description
技术领域
本发明涉及电网技术领域，尤其涉及一种适用于极寒自然灾害下的热电耦合系统状态估计方法。
背景技术
灾害应急响应阶段包括了自然灾害开始后的完整过程，以及灾害结束后系统性能逐渐恢复的过程。在这一阶段，需要对系统在灾害过程中的运行状况进行跟踪测量，获知系统在灾害结束时刻的故障断面。在此基础上，通过对可用的各类应急救援物资和人力抢修资源进行优化组合，以实现系统性能的快速恢复。
灾害的应急响应是一个两阶段的过程，分别包括灾中的系统运行状态识别和灾后的系统性能恢复。由于在灾害发生过程中，外界自然环境恶劣，抢修人员进行抢修工作时可能面临很高的安全风险，此外，其对电网产生的影响也存在着高度的不确定性。因此，根据实际的运行经验，灾害发生过程中一般不开展任何抢险救灾措施，电网控制中心仅对系统运行状态进行观测。这就需要使用状态估计技术对热电耦合系统的量测数据进行处理，从而准确的评估出系统的真实运行情况。传统的状态估计研究中一般基于均一稳定的外界环境条件，而对灾害下的系统状态评估考虑较少。尤其是极寒灾害的特殊环境，其中的低温冰冻过程将对设备测量精度产生明显的影响，进而造成估计结果的不准确。
发明内容
本发明实施例提供一种适用于极寒自然灾害下的热电耦合系统状态估计方法，用以解决现有技术中基于均一稳定的外界环境条件的状态估计不准确的缺陷，实现在极寒灾害下外界环境条件不断变化的情况下，达到准确估计系统运行状态的目的。
本发明实施例提供一种适用于极寒自然灾害下的热电耦合系统状态估计方法，包括：
根据极寒自然灾害下，热电耦合系统中的量测量、与量测量对应的状态估计量和权重值，基于最小二乘法构建极寒自然灾害下热电耦合系统的状态估计模型；
基于一阶KKT条件，对所述状态估计模型进行分解，并转化成非线性方程组从而对状态估计量进行求解，得到极寒自然灾害下热电耦合系统的运行状态；
其中，所述权重值由量测设备的测量精度确定，所述量测设备用来测量所述量测量。
本发明实施例提供的极寒灾害下热电耦合系统状态估计方法，通过状态估计方法对极寒自然灾害下，热电耦合系统的真实运行状态进行跟踪测量，实时获知系统真实运行状态；提出了针对不同类型量测设备在不同环境条件下的权重赋权策略，从算法层面实现了估计结果精度的提升。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种适用于极寒自然灾害下的热电耦合系统状态估计方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，提供了本发明实施例的一种适用于极寒自然灾害下的热电耦合系统状态估计方法，包括：
根据极寒自然灾害下，热电耦合系统中的量测量、与量测量对应的状态估计量和权重值，基于最小二乘法构建极寒自然灾害下热电耦合系统的状态估计模型；
基于一阶KKT条件，对状态估计模型进行分解，并转化成非线性方程组对状态估计量进行求解，得到极寒自然灾害下热电耦合系统的运行状态；
其中，权重值由量测设备的测量精度确定，所述量测设备用来测量所述量测量。
可以理解的是，对于热电耦合系统，经过极寒自然灾害后的损坏后，需要及时进行恢复，在进行恢复时，需要了解热电耦合系统在灾害过程中的运行状态，故需要采取一定的方法对热电耦合系统在灾害过程中的运行状态进行估计。极寒灾害的发生对系统安全稳定运行带来很大的压力，由于外界状况恶劣，无论系统中是否发生故障，都需要对运行状态进行实时的观测，而复杂多变的极寒灾害气象条件使得热电耦合系统状态的获取变得更加不稳定，尤其是量测设备直接暴露于灾害的冲击中，可能会造成测量精度下降等性能的损失。这一情况系统控制中心准确获取系统状态提出了较大的挑战，因此需要通过状态估计的方法实现测量数据的矫正和修复，从而反映出系统真实的运行状态。
本发明实施例基于最小二乘法构建极寒自然灾害下热电耦合系统的状态估计模型，其中，构建的状态估计模型中包括极寒自然灾害下，热电耦合系统中的量测量、与量测量对应的状态估计量和权重值。其中，权重值与量测设备的测量精度有关，量测设备的测量精度越高，对应的权重值越大；反之，量测设备的测量精度越低，则对应的权重值越小。对状态估计模型中的状态估计量进行求解，可以得到极寒自然灾害下热电耦合系统的运行状态。
本发明实施例通过状态估计方法对极寒自然灾害下，热电耦合系统的真实运行状态进行跟踪测量，实时获知系统真实运行状态；提出了针对不同类型量测设备的权重赋权策略，从算法层面实现了估计结果精度的提升。
作为一个可能的实施方式，根据极寒自然灾害下，热电耦合系统中的量测量、与量测量对应的状态估计量和权重值，基于最小二乘法构建极寒自然灾害下热电耦合系统的状态估计模型为：
min J(x)＝[z-h(x)]T·W·[z-h(x)]； (1)
其中，z表示系统中的量测量，x为系统中的状态估计量，其数值代表了系统的真实运行状态；h(·)是从状态估计量到理论量测值的映射函数，即h(x)是通过系统潮流方程计算出的量测量的理论值，其与实际量测值z之间存在的偏差取决于量测设备的精度。
作为一个可能的实施方式，所述权重值与量测设备的测量精度正相关，量测设备的测量精度与量测设备的类型和外界环境温度相关。
可以理解的是，量测设备的测量精度受到极寒灾害的影响程度与设备种类与安装位置有关，在状态估计中需要对此予以区分。对不同设备的测量精度通过权重值W进行区分，精度越高的量测设备，其量测量的权重值更大；一般来讲，可将权重的具体数值设置为量测设备偏差的倒数，但针对极寒灾害下的权重赋值问题，本发明实施例根据所研究场景的两方面特点对不同物理量测量的权重值进行重新分配。
量测设备的测量精度随着极寒灾害强度的增加而逐渐下降，本发明实施例认为环境温度的降低是造成设备性能下降的最主要原因。极寒灾害全过程中，温度呈现先降后升的变化过程，即便对于同一物理量，其量测值的权重也应体现出先降后升的趋势。
设备的安装位置决定了量测准确度，对于线路上的量测设备，由于直接暴露在外界的恶劣环境下，因此在性能上受到的影响最大。而对于机组和负荷处的量测设备，一般与机组以及换热设备共同安装于室内，因此工作环境的温度适宜，在任何时刻都可以保持较高的测量精度。为此相应的在权重矩阵上也应给以更大的数值。
由以上总结可知，量测设备的测量精度与量测设备的类型和外界的环境温度有关。
作为一个可能的实施方式，上述实施例对热电耦合系统中的量测设备的测量准确度与外界环境的关系进行了分析。在此基础上，由于负荷侧和机组侧的量测设备一般位于室内环境，因此这些量测设备所得到的量测精度更高。根据量测的具体物理量，可将其分为：
(1)节点注入功率。节点注入功率包括了热电负荷量测和机组输出功率量测。分别可通过用户侧的电、热功率表以及机组端口出线处的量测设备进行准确获知。由于其量测的设备一般位于室内，因此具有较高的精确度。其中，耦合机组的电、热功率，以及其总功率输出都可以通过相关设备进行量测。耦合机组作为连接两个不同网络的关键环节，其量测值的准确性是得到准确状态估计结果的关键。
(2)零注入功率的伪量测。针对网络中存在的线路或管道的交汇点，由于不连接任何的机组或负荷，该节点的注入功率的理论值为零。因此，可假设此处存在注入功率的量测设备，其量测值为零。如此可以构建出零功率的伪量测信息，并且应赋予较大的权重值。
对于以上两类量测，其准确度在自然灾害发生过程中始终保持在较高的水平，可以赋予它们较高的权重值。通过这种方法，可以减弱线路功率量测精度下降造成的状态估计结果的不准确程度。
此外，对于安装于室外线路或管道处的量测设备，由于其精度往往会受到外界自然灾害强度的影响，因此在状态估计中，这类设备量测值赋予的权重也应随着自然灾害发生时间的变化而进行调整。
量测设备的精度与外界环境温度的关系一般可由设备的生产厂家给出，假设其测量的最大误差与外界环境温度满足：
其中，为设备在当前环境温度下的最大测量误差，κ为外界环境温度；当κ越小时，/>越大。根据状态估计中权重值的选取方法，相应量测量的权重值应该选取为：
即外界环境温度越低，状态估计中室外设备测量值的权重越小。
作为一个可能的实施方式，基于一阶KKT条件，对状态估计模型，即公式(1)中的状态估计量进行分解与转化，得到极寒自然灾害下热电耦合系统的运行状态包括：
对公式(2)使用一阶KKT条件进行分解，得到：
进一步，通过将上式中的h(x)项进行泰勒展，可构建出求解的迭代公式，并通过修正状态量x来得到最终的收敛结果：
通过不断迭代，对状态估计模型中的状态估计量进行求解，即可得到极寒灾害下，热电耦合系统的运行状态估计量。
作为一个可能的实施方式，实际情况中，热电耦合系统的热网与电网运行相对独立，各子能源网络中的物理量测量更是具有很大的区别，因此可将量测量和状态量按照热网、电网、耦合设备分别进行考虑，从而降低问题求解的复杂度。
将状态估计模型中的量测量z分为热网量测zh和电网量测ze，即z＝[zh,ze]T；将状态估计量x分为热网侧状态估计量xh，电网侧状态估计量xe和耦合环节状态估计量xc，即x＝[xh,xe,xc]T；相应的权重值W可以写成W＝[Wh,We]，Wh和We分别对应热网侧、电网侧权重值；
将公式(2)改写为：
min J(x)＝Jh(xh,xc)+Je(xe,xc)； (6)
其中，
Jh(x)＝[zh-h(xh,xc)]T·Wh·[zh-h(xh,xc)]； (7)
Je(x)＝[ze-h(xe,xc)]T·We·[ze-h(xe,xc)]。 (8)
相对应的，将公式(4)的KKT条件分别写成电网侧和热网侧的形式：
由此可见，热电耦合系统的状态估计问题转化为求解非线性方程式(9)-(11)，其中式(9)对应于热网侧的状态估计，可以从热网侧单独进行状态估计计算；式(10)对应于电网侧的状态估计，可以从电网侧单独进行状态估计计算；式(11)对应于协调侧的状态估计，其求解方法可通过分解协调方法实现。
由此，本发明实施例中，基于一阶KKT条件实现了对原热电耦合系统状态估计的优化模型的分解，转化成公式(9)-(11)的非线性方程组，通过非线性求解算法进一步求解。
本发明实施例提供的适用于极寒自然灾害下的热电耦合系统状态估计方法，通过状态估计方法对极寒自然灾害下，热电耦合系统的真实运行状态进行跟踪测量，实时获知系统真实运行状态；提出了针对不同类型量测设备的权重赋权策略，从算法层面实现了估计结果精度的提升，为后续的灾后恢复提供了基础支撑。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (6)
1.一种适用于极寒自然灾害下的热电耦合系统状态估计方法，其特征在于，包括：
根据极寒自然灾害下，热电耦合系统中的量测量、与量测量对应的状态估计量和权重值，基于最小二乘法构建极寒自然灾害下热电耦合系统的状态估计模型；
基于一阶KKT条件，对所述状态估计模型进行分解，转化成非线性方程组从而对状态估计量进行求解，得到极寒自然灾害下热电耦合系统的运行状态；
其中，所述权重值由量测设备的测量精度确定，量测设备的测量精度与量测设备的类型和外界环境温度相关；量测设备的外界环境温度与量测设备的安装位置有关；
所述量测设备的类型包括：室内量测设备和室外量测设备；
所述室内量测设备包括：负荷侧和机组侧的量测设备；
所述室外量测设备包括：安装于室外线路或管道处的量测设备；
所述量测设备用来测量所述量测量；
所述量测设备的最大测量误差与外界环境温度满足：
其中，为设备在当前环境温度下的最大测量误差，κ为外界环境温度，fm为量测设备最大测量误差和外界环境温度间的映射函数；
所述量测量的权重值为：
2.根据权利要求1所述的适用于极寒自然灾害下的热电耦合系统状态估计方法，其特征在于，所述根据极寒自然灾害下，热电耦合系统中的量测量、与量测量对应的状态估计量和权重值，基于最小二乘法构建极寒自然灾害下热电耦合系统的状态估计模型为：
minJ(x)＝[z-h(x)]T·W·[z-h(x)]； (1)
其中，z表示系统中的量测量，x为系统中的状态估计量，其数值代表了系统的真实运行状态；h(·)是从状态估计量到理论量测值的映射函数，即h(x)是通过热电耦合系统潮流方程计算出的量测量的理论值，其与实际量测值z之间存在的偏差取决于量测设备的测量精度。
3.根据权利要求1或2所述的适用于极寒自然灾害下的热电耦合系统状态估计方法，其特征在于，所述权重值与量测设备的测量精度相关。
4.根据权利要求1或2所述的适用于极寒自然灾害下的热电耦合系统状态估计方法，其特征在于，所述基于一阶KKT条件，对所述状态估计模型进行分解，转化为非线性方程组进而求解状态估计量，得到极寒自然灾害下热电耦合系统的运行状态包括：
对公式(2)使用一阶KKT条件进行分解，得到：
进一步，通过将上式中的h(x)项进行泰勒展开，可构建出求解的迭代公式，并通过修正状态量x来得到最终的收敛结果：
5.根据权利要求4所述的适用于极寒自然灾害下的热电耦合系统状态估计方法，其特征在于，所述状态估计模型中的量测量和状态估计量按照热网、电网和耦合设备分别考虑，将所述状态估计模型中的量测量z分为热网量测zh和电网量测ze，即z＝[zh,ze]T；将状态估计量x分为热网侧状态估计量xh，电网侧状态估计量xe和耦合环节状态估计量xc，即x＝[xh,xe,xc]T；相应的权重值W可以写成W＝[Wh,We]，Wh和We分别对应热网侧、电网侧权重值；
将公式(2)改写为：
minJ(x)＝Jh(xh,xc)+Je(xe,xc)；(6)
其中，
Jh(x)＝[zh-h(xh,xc)]T·Wh·[zh-h(xh,xc)]；(7)
Je(x)＝[ze-h(xe,xc)]T·We·[ze-h(xe,xc)]。(8)
6.根据权利要求5所述的适用于极寒自然灾害下的热电耦合系统状态估计方法，其特征在于，还包括：
将公式(4)的KKT条件分别写成电网侧和热网侧的形式：
其中，公式(9)对应于热网侧的状态估计，公式(10)对应于电网侧的状态估计，公式(11)对应于协调侧的状态估计，基于一阶KKT条件实现了对原热电耦合系统状态估计的优化模型的分解，转化成公式(9)-(11)的非线性方程组，通过非线性求解算法进一步求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011406407.6A CN112529391B (zh) | 2020-12-02 | 2020-12-02 | 一种适用于极寒自然灾害下的热电耦合系统状态估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011406407.6A CN112529391B (zh) | 2020-12-02 | 2020-12-02 | 一种适用于极寒自然灾害下的热电耦合系统状态估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112529391A CN112529391A (zh) | 2021-03-19 |
| CN112529391B true CN112529391B (zh) | 2023-07-21 |
Family
ID=74998398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011406407.6A Active CN112529391B (zh) | 2020-12-02 | 2020-12-02 | 一种适用于极寒自然灾害下的热电耦合系统状态估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112529391B (zh) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110428185B (zh) * | 2019-08-08 | 2020-11-03 | 河海大学 | 基于伪量测模型的电-热互联综合能源系统抗差状态估计方法 |
| CN110750575B (zh) * | 2019-09-24 | 2020-09-18 | 河海大学 | 基于拉格朗日状态估计的电热互联系统坏数据辨识方法 |
-
2020
- 2020-12-02 CN CN202011406407.6A patent/CN112529391B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112529391A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9194758B2 (en) | Virtual sensor systems and methods for estimation of steam turbine sectional efficiencies | |
| JP5658881B2 (ja) | 太陽光発電装置の電気生産量を予測する方法 | |
| CN103279639B (zh) | 基于响应的受端电网电压稳定全过程态势评估及防控方法 | |
| US20080086239A1 (en) | Method for voltage instability load shedding using local measurements | |
| US20210313928A1 (en) | Method and apparatus for determining key performance photovoltaic characteristics using sensors from module-level power electronics | |
| US11016134B2 (en) | Determination of power transmission line parameters using asynchronous measurements | |
| CN107194476A (zh) | 基于半马尔科夫链的变压器预防老化维修策略制定方法 | |
| JP2016123170A (ja) | 予測装置 | |
| US11551323B2 (en) | Ensuring safe servicing in a low-voltage network of the electric power distribution system | |
| CN110619105A (zh) | 一种基于量测量和热平衡方程的输电线路温度估计方法 | |
| CN112529391B (zh) | 一种适用于极寒自然灾害下的热电耦合系统状态估计方法 | |
| Seo et al. | Diagnosis of a hydrogen-fueled 1-kW PEMFC system based on exergy analysis | |
| JP4436227B2 (ja) | プラント計装制御装置及びその方法 | |
| CN113283784A (zh) | 基于区间优化算法的可靠性逆问题模型及其求解方法 | |
| CN106782703A (zh) | 一种核电站一回路冷却剂泄漏的软测量方法 | |
| CN112365053A (zh) | 负荷区域内分布式光伏发电总功率的预测方法、系统与计算机可读介质 | |
| CN112580225A (zh) | 一种同步逆变器阻尼系数和转动惯量在线辨识方法 | |
| CN105977961A (zh) | 一种基于自动微分技术的温度状态估计方法 | |
| Sorocins et al. | District heating simulation model development to solve optimization problems in the market conditions | |
| Walker et al. | The Delta Q method of testing the air leakage of ducts | |
| Lemos et al. | Performance assessment of a PTC plant simulated with measured and modeled irradiation data | |
| CN117540581B (zh) | 卡诺电池储能系统可靠性评估方法、系统、设备及介质 | |
| CN117366662B (zh) | 换热站一次侧水力特性识别方法及装置 | |
| Atchison et al. | Temperature-Dependent Power Transfer Capability of Transmission Systems Under Uncertainty: An Affine-Arithmetic Approach | |
| Pittman et al. | Identifying Influential Observations in Concurrent Functional Regression with a Weighted Bootstrap |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210426 Address after: 100084 Beijing City, Haidian District Tsinghua Yuan Applicant after: TSINGHUA University Applicant after: STATE GRID JIBEI ELECTRIC POWER Co.,Ltd. Applicant after: INFORMATION COMMUNICATION BRANCH, STATE GRID JIBEI ELECTRIC POWER Co. Applicant after: STATE GRID CORPORATION OF CHINA Address before: 100084 Beijing city Haidian District Shuangqing Road No. 30, Tsinghua University Applicant before: TSINGHUA University Applicant before: INFORMATION COMMUNICATION BRANCH, STATE GRID JIBEI ELECTRIC POWER Co. Applicant before: STATE GRID CORPORATION OF CHINA |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |