CN112787322A - 基于scada系统和多时间尺度的电网动态管理方法 - Google Patents
基于scada系统和多时间尺度的电网动态管理方法 Download PDFInfo
- Publication number
- CN112787322A CN112787322A CN201911014469.XA CN201911014469A CN112787322A CN 112787322 A CN112787322 A CN 112787322A CN 201911014469 A CN201911014469 A CN 201911014469A CN 112787322 A CN112787322 A CN 112787322A
- Authority
- CN
- China
- Prior art keywords
- time
- power
- data
- voltage
- power grid
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000013178 mathematical model Methods 0.000 claims description 11
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000002354 daily effect Effects 0.000 claims description 7
- 230000007480 spreading Effects 0.000 claims description 6
- 238000003892 spreading Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 230000014509 gene expression Effects 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000013468 resource allocation Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 6
- 238000010276 construction Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于scada系统和多时间尺度的电网动态管理方法,所述方法通过电力系统中数据采集和监视控制系统实时获取电网数据,然后基于电网系统的各项监控数据分别从大时间尺度和小时间尺度出发进行双重分析,提出向量的角度建立电网功率与电压、无功功率与电压的随机模型。本发明从大时间尺度角度分析随电网的实时状态的时间分布动态变化,更能刻画电网的动态演化规律,有效避免了随机事件的影响,并在小时间尺度下建立了的功率与电压,及无功与电压的随机过程模型,为电网的实时动态管理提供了新方案,有利于泛在电力物联网的建设。
Description
技术领域
本发明属于电网的优化技术,具体属于一种基于scada系统和多时间尺度的电网动态管理方法。
背景技术
随着多电源供电和新能源的大规模接入,随着泛在电力物联网工程的进展,电网的规模不断扩大,源载线路中功率、无功及电压的变化规律日趋复杂,为了实现整个电网内能源资源的最优利用,减少系统电压的波动,相关研究月异日新。
SCADA系统为数据采集与监视控制系统。SCADA系统是以计算机为基础的DCS与电力自动化监控系统;目前应用于电力、冶金、石油、化工、燃气、铁路等领域的数据采集与监视控制以及过程控制等诸多领域。在电力系统中,SCADA系统在远动系统中占重要地位,可以对现场的运行设备进行监视和控制,以实现数据采集、设备控制、测量、参数调节以及各类信号报警等各项功能,在现今的变电站综合自动化建设中起了相当重要的作用。
源载电路中主网终端上的功率、无功数据刻画了居民的用电需求。从长时时间尺度看,电力需求反映了该地区的整体用电需求,具有一定的稳定性。从实时时间尺度看,电力需求也反映了各个用户的个体用电需求,具有较强的随机性。从多时间尺度的视角出发,依据主网终端上的实时scada采样数据,构建源载线路上的功率、无功与电压间的动态演化规律的分析方法,是保障整个电网安全对源载线路分析及大数据处理提出的新需求。
发明内容
发明目的:为解决实时动态的用电需求对电网稳定安全运行的影响,本发明提供一种基于scada系统和多时间尺度的电网动态管理方法。
技术方案:一种基于scada系统和多时间尺度的电网动态管理方法,所述方法基于源载线路中主网终端上scada系统获取实时数据,然后以一个月为大时间尺度和以5秒为小时间尺度分别建立电网的动态分析模型,包括在大时间尺度下基于大数定理对同一状态窗口下的数据进行叠加和滤波处理,在小时间尺度下基于差分法和自回归移动平均模型ARIMA建立分析模型,最后根据有功功率和无功功率与电压的动态关系对电网进行管理。
所述的方法包括如下步骤:
(1)获取配电网终端上一个自然月的scada系统采样数据,根据每日电网中功率、无功及电压的实时数据的时间分布特征,建立大时间尺度下的不同状态的动态时间窗口;
(2)在大时间尺度下,对同一状态窗口下的数据进行叠加和滤波处理,分别建立不同状态中功率、无功与电压间动态关系的函数表示式;
(3)在小时间尺度下,建立功率与电压的二维时间序列,依据差分方法,建立求和自回归移动平均模型ARIMA,并在实时时间尺度下识别模型参数,得到功率与电压间的数学模型;
(4)分从大时间尺度和小时间尺度建立无功与电压的二维时间序列;
(5)重复步骤(4),得到小时间尺度下的无功与电压间的数学模型。
进一步的,步骤(2)所述大时间尺度的时间尺度为一个月,具体分析过程如下:
S1、从大的时间尺度出发,以一个月的实时数据为研究对象,依据每日电网中的实时功率Pi,分析其时间分布特征,依据使用量的大小划分电力使用的时间窗口,定义如下:
S3、在各个状态窗口下,取同一个时刻下的众位数作为该时刻的数值,得到新的整体规律下的一天的功率数据{Pi,h},{Pi,n},{Pi,l};
S4、对高峰时间窗口Th下的功率数据{Pi,h},利用Daubechies小波进行波形分解,根据L2(R)子空间上的标准正交基Vm+1将{Pi,h}展开,
S7、依据S101中功率的时间窗口,整理出对应状态窗口下的电压数据 和重复步骤S2-S5,得到滤波后的电压数据和S8、依据同一状态下,电网性能相对稳定的原则,分别在各个状态窗口下,将功率表示成电压的多项式函数,具体如下:
S9、对电网终端上的实时无功数据和电压数据序列重复步骤S1-S8,得到不同状态窗口下,无功与电压的多项式函数具体如下:
进一步的,步骤(3)所述小时间尺度以5s为时间间隔,具体包括如下分析过程:
s1、以5S为实时的小时间尺度,将电网中的功率数据{Pi}与电压数据{Ui}组成二维时间序列Xi=(Pi,Ui),并依据EXi,E[(Xi+n-EXi)(Xi-EXi)]与i的相关性,分析二维时间序列的稳定性;
s2、当二维时间序列不稳定时,对其进行差分处理,使其变成平稳的时间序列,具体计算如下:
….
s3、从随机过程的角度,将d次差分后的Xi转化为一个以Φ(B)为n阶自回归算子,建立Xi的(n,d,m)阶求和自回归移动平均模型ARIMA(n,d,m):
s4、依据ARIMA(n,d,m)模型,分析Xi的动态演化过程,识别出功率{Pi}与电压{Ui}之间的模型参数;
s5、将电网中的无功数据{Qi}与电压数据{Ui}组成新的二维时间序列Yi=(Qi,Ui),重复步骤s1-s4,分析Yi的演化特征,从而得到无功{Qi}与电压{Ui}之间的模型参数。
更进一步的,所述方法通过不同电网终端的不同时间窗口下的实时数据,对比两种时间尺度下的负载进行分析,包括建立有功功率、无功功率与电压之间的动态函数与数学模型对电网的资源配置进行优化。
有益效果:与现有技术相比,本发明所提供基于scada系统和多时间尺度的电网动态管理方法用于配电网的实时动态管理分析方法,首次实现了大时间尺度下的时间窗口随电网实时状态动态变化,及小尺度下的数学模型从向量的角度建立,能更好的同时刻画电网实时状态的长时稳定性和短时随机性的动态变化过程,能更快速准确的计算出源载线路中主网终端上实时功率、无功及电压数据间的大时间尺度下的函数关系及小时间尺度下的数学模型,为电网智能调控提供一种新的管理分析方法和途径。
附图说明
图1是本发明所述方法的结构示意图;
图2是本发明所述方法中大时间尺度的数据处理的流程图;
图3是本发明所述方法中小时间尺度的数据分析流程图。
具体实施例方式
为了详细的说明本发明所公开的技术方案,下面结合说明书附图和具体实施例进一步的阐述。
本发明所提供的是一种基于scada系统和多时间尺度的电网动态管理方法,该方法从长时间尺度下数据的以概率收敛和短时间尺度下数据的随机性出发,分别建立不同的数学模型,分析源载线路中主网终端上scada采样数据,获取多时间尺度下功率、无功与电压的动态演化规律的分析方法。结合图1-3,主要实施过程如下:
1、截取主网终端上一个月的scada采样数据,建立大时间尺度下随实时数据变化的电网不同状态的动态窗口。
2、在同一状态窗口下,对电网实时数据进行叠加和滤波处理,分别建立功率、无功与电压间的函数表示式。
3、从向量的角度,利用功率与电压的二维实时时间序列,建立求和自回归移动平均模型ARIMA,并在在小时间尺度下识别模型参数,得到电网终端上功率数据与电压数据间的数学模型。
4、重复步骤(3),得到小时间尺度下,向量视角下的电网终端上无功数据与电压数据间的数学模型。
具体的说,本发明所述的方法主要由以下三个部分组成,具体如下:
Step1:大时间尺度下的管理分析方法和步骤:
1、从大的时间尺度出发,以每个自然月为单位,分析上个自然月的scada系统采样和监控数据,依据每日电网中的实时功率Pi(每隔5秒),分析其时间分布特征,依据使用量的大小划分电力使用的时间窗口:
2、依据上述时间窗口,分别整理出每日各状态窗口下的实时电网数据:
3、依据大数定理,从以概率收敛的角度,对各状态窗口下的功率数据进行滤波处理。具体步骤如下:
3.1在各个状态窗口下,取同一个时刻下的众位数作为该时刻的数值,得到新的整体规律下的一天的功率数据{Pi,h},{Pi,n},{Pi,l};
3.2对高峰时间窗口Th下的功率数据{Pi,h},利用Daubechies小波(N=2)进行波形分解,根据L2(R)子空间上的标准正交基Vm+1将{Pi,h}展开,
Step2:小时间尺度下的管理分析方法和步骤:
1、从实时时间尺度出发,将电网中的功率数据{Pi}与电压数据{Ui}组成二维时间序列Xi=(Pi,Ui),并依据EXi,E[(Xi+n-EXi)(Xi-EXi)]与i的相关性,分析二维时间序列的稳定性;
2、当二维时间序列不稳定时,对其进行查分处理,使其变成未定的时间序列。其中:
….
3、从随机过程的角度,将d次差分后的Xi转化为一个以Φ(B)为n阶自回归算子,建立Xi的(n,d,m)阶求和自回归移动平均模型ARIMA(n,d,m),其中Φ(B)为m阶移动平均算子的平稳、可逆随机过程。
4、依据上述ARIMA(n,d,m),分析Xi的演化规律,从而得到功率{Pi}与电压{Ui}之间的动态演化规律。
5、将电网中的无功数据{Qi}与电压数据{Ui}组成新的二维时间序列Yi=(Qi,Ui),重复步骤1-4,分析Yi的演化规律,从而得到无功{Qi}与电压{Ui}之间的动态演化规律。
Step3:综合分析管理和优化调度
综合以上主网终端上的分析结果,得到多时间尺度下源载线路上功率、无功及电压的分析方法,并对配电系统的稳定化运行提供基础和借鉴。
本发明所述方法对于大时间尺度下的窗口时间长度不固定合电网动态运行的特征,建立大时间尺度下随电网的实时状态的时间分布动态变化,更能刻画电网的动态演化规律。大时间尺度下的研究数据,由同状态窗口下的每日实时数据的众数重新构成,有效避免了随机事件的影响。另外,本发明首次从向量的角度出发,在小时间尺度下,建立了的功率与电压,及无功与电压的随机过程模型;在小时间尺度下,依据二维时间序列的求和自回归移动平均模型来分析功率、无功与电压的动态演化关系为电网的优化和调度奠定坚实的基础。
Claims (5)
1.一种基于scada系统和多时间尺度的电网动态管理方法,其特征在于:所述方法基于源载线路中主网终端上scada系统获取实时数据,然后以一个月为大时间尺度和以5秒为小时间尺度分别建立电网的动态分析模型,包括在大时间尺度下基于大数定理对同一状态窗口下的数据进行叠加和滤波处理,在小时间尺度下基于差分法和自回归移动平均模型ARIMA建立分析模型,最后根据有功功率和无功功率与电压的动态关系对电网进行管理。
2.根据权利要求1所述的基于scada系统和多时间尺度的电网动态管理方法,其特征在于:所述的管理方法包括如下步骤:
(1)获取配电网终端上一个自然月的scada系统采样数据,根据每日电网中功率及无功的实时数据的时间分布特征,建立大时间尺度下的高峰、普通及低谷3种需求状态的动态时间窗口;
(2)在大时间尺度下,对同一状态窗口下的功率、无功及电压数据进行叠加,并通过小波包的分解和重构进行滤波处理,分别建立不同状态中功率、无功与电压间动态关系的数学模型;
(3)在小时间尺度下,建立功率与电压的二维时间序列,依据差分方法,建立求和自回归移动平均模型ARIMA,并在实时时间尺度下识别模型参数,得到功率与电压间的数学模型;
(4)基于小时间尺度建立无功与电压的二维时间序列;
(5)重复步骤(4),得到小时间尺度下的无功与电压间的数学模型。
3.根据权利要求1所述的基于scada系统和多时间尺度的电网动态管理方法,其特征在于:步骤(2)所述大时间尺度的时间尺度为一个月,具体分析过程如下:
S1、确定大时间尺度,以一个月的实时数据为研究对象,依据每日电网中的实时功率Pi,分析其时间分布特征,依据功率的数值划分电力使用的时间窗口,定义如下:
S3、在各个状态窗口下,取同一个时刻下的众位数作为该时刻的数值,得到新的整体规律下的一天的功率数据{Pi,h},{Pi,n},{Pi,l};
S4、对高峰时间窗口Th下的功率数据{Pi,h},利用Daubechies小波进行波形分解,根据L2(R)子空间上的标准正交基Vm+1将{Pi,h}展开,
S8、依据同一状态下,电网性能相对稳定的原则,分别在各个状态窗口下,将功率表示成电压的多项式函数,具体表达式如下:
S9、对电网终端上的实时无功数据和电压数据序列重复步骤S1-S8,得到不同状态窗口下,无功与电压的多项式函数,具体如下:
4.根据权利要求1所述的基于scada系统和多时间尺度的电网动态管理方法,其特征在于:步骤(4)所述小时间尺度以5s为时间间隔,具体包括如下分析过程:
s1、以5S为实时的小时间尺度,将电网中的功率数据{Pi}与电压数据{Ui}组成二维时间序列Xi=(Pi,Ui),并依据EXi,E[(Xi+n-EXi)(Xi-EXi)]与i的相关性,分析二维时间序列的平稳性;
s2、当二维时间序列不平稳时,对其进行差分处理,使其变成未定的时间序列,具体计算如下:
....
s3、从随机过程的角度,将d次差分后的Xi转化为一个以Φ(B)为n阶自回归算子,建立Xi的(n,d,m)阶求和自回归移动平均模型ARIMA(n,d,m):
s4、依据ARIMA(n,d,m)模型,分析Xi的动态演化过程,识别出功率{Pi}与电压{Ui}之间的模型参数;
s5、将电网中的无功数据{Qi}与电压数据{Ui}组成新的二维时间序列Yi=(Qi,Ui),重复步骤s1-s4,分析Yi的演化特征,从而得到无功{Qi}与电压{Ui}之间的模型参数。
5.根据权利要求1所述的基于scada系统和多时间尺度的电网动态管理方法,其特征在于:所述方法通过不同电网终端的不同时间窗口下的实时数据,对比两种时间尺度下的负载进行分析,包括建立有功功率、无功功率与电压之间的动态函数与数学模型对电网的资源配置进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911014469.XA CN112787322B (zh) | 2019-10-23 | 2019-10-23 | 基于scada系统和多时间尺度的电网动态管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911014469.XA CN112787322B (zh) | 2019-10-23 | 2019-10-23 | 基于scada系统和多时间尺度的电网动态管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112787322A true CN112787322A (zh) | 2021-05-11 |
CN112787322B CN112787322B (zh) | 2024-01-23 |
Family
ID=75748639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911014469.XA Active CN112787322B (zh) | 2019-10-23 | 2019-10-23 | 基于scada系统和多时间尺度的电网动态管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112787322B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116070782A (zh) * | 2023-03-06 | 2023-05-05 | 深圳市三和电力科技有限公司 | 一种基于大数据的能源储备管理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103151802A (zh) * | 2013-02-06 | 2013-06-12 | 上海交通大学 | 多时间尺度的主动配电网dg协调控制系统及方法 |
US20140006237A1 (en) * | 2012-06-12 | 2014-01-02 | Mung Chiang | System and method for variable pricing of data usage |
CN104993522A (zh) * | 2015-06-30 | 2015-10-21 | 中国电力科学研究院 | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 |
CN106953359A (zh) * | 2017-04-21 | 2017-07-14 | 中国农业大学 | 一种含分布式光伏配电网有功无功协调优化控制方法 |
CN108879746A (zh) * | 2018-06-28 | 2018-11-23 | 国电南瑞科技股份有限公司 | 基于多时间尺度需求响应的集中式混合储能协调控制方法 |
CN109301853A (zh) * | 2018-12-17 | 2019-02-01 | 国网江苏省电力公司经济技术研究院 | 一种平抑功率波动的微电网多时间尺度能量管理方法 |
-
2019
- 2019-10-23 CN CN201911014469.XA patent/CN112787322B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140006237A1 (en) * | 2012-06-12 | 2014-01-02 | Mung Chiang | System and method for variable pricing of data usage |
CN103151802A (zh) * | 2013-02-06 | 2013-06-12 | 上海交通大学 | 多时间尺度的主动配电网dg协调控制系统及方法 |
CN104993522A (zh) * | 2015-06-30 | 2015-10-21 | 中国电力科学研究院 | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 |
CN106953359A (zh) * | 2017-04-21 | 2017-07-14 | 中国农业大学 | 一种含分布式光伏配电网有功无功协调优化控制方法 |
CN108879746A (zh) * | 2018-06-28 | 2018-11-23 | 国电南瑞科技股份有限公司 | 基于多时间尺度需求响应的集中式混合储能协调控制方法 |
CN109301853A (zh) * | 2018-12-17 | 2019-02-01 | 国网江苏省电力公司经济技术研究院 | 一种平抑功率波动的微电网多时间尺度能量管理方法 |
Non-Patent Citations (2)
Title |
---|
A. KURITA ET AL.: "《Multiple time-scale power system dynamic simulation》", 《IEEE TRANSACTIONS ON POWER SYSTEMS》, pages 216 - 223 * |
汤涌: "《交直流电力系统多时间尺度全过程仿真和建模研究新进展》", 《电网技术》, pages 1 - 8 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116070782A (zh) * | 2023-03-06 | 2023-05-05 | 深圳市三和电力科技有限公司 | 一种基于大数据的能源储备管理方法及系统 |
CN116070782B (zh) * | 2023-03-06 | 2023-07-04 | 深圳市三和电力科技有限公司 | 一种基于大数据的能源储备管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112787322B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107025365B (zh) | 一种用于用户侧的非侵入负荷辨识方法 | |
CN106651225A (zh) | 智能电网示范工程综合评估方法和系统 | |
CN106099945A (zh) | 一种配电网无功优化大数据建模及异常方案检测方法 | |
CN109470957B (zh) | 一种基于弗雷歇距离的非侵入式电器识别方法 | |
CN106849064B (zh) | 一种基于气象数据的区域电网负荷预测管理系统 | |
CN111105096A (zh) | 一种新能源并网布局规划方法与系统 | |
CN112787322A (zh) | 基于scada系统和多时间尺度的电网动态管理方法 | |
CN103617560A (zh) | 一种应用于企业的电力能效监测与评估系统及其评价方法 | |
CN113484596A (zh) | 一种电能质量监测方法、装置、设备及可读存储介质 | |
CN117592615A (zh) | 一种基于iceemdan和集成lstm-tcn模型的短期电力负荷预测方法 | |
CN117540919A (zh) | 基于电力数据的设备级碳排放确定方法、装置和设备 | |
CN106405224B (zh) | 一种基于海量电能量数据的节能诊断方法及系统 | |
CN105528517B (zh) | 基于神经网络、小波分解光伏电站功率预测方法、系统 | |
CN111064277A (zh) | 一种基于大数据的营销台区线损应用平台 | |
CN116662843A (zh) | 一种计及分布式电源及负荷出力不确定性的场景生成方法 | |
CN116599036A (zh) | 一种基于TCN和Informer的两阶段非侵入式负荷分解方法 | |
CN110413622A (zh) | 一种基于电力大数据平台的数据处理方法 | |
Martirano et al. | Integration of supervision and monitoring systems of microgrids–a case study from Lambda Microgrid for correlation analysis | |
CN115034472A (zh) | 一种分布式光伏运行智能预测管理系统 | |
CN111552911B (zh) | 一种基于多场景生成的技术线损影响因素定量分析方法 | |
CN113725919A (zh) | 新能源并网发电的节能电力系统及动态节能调度方法 | |
Xiong et al. | Research on Industrial Load Decomposition Based on Correlation Analysis and DNN | |
Shi et al. | The Load Portrait Method for Urban Substation Based on Clustering | |
CN110896218A (zh) | 一种用于建立集合性居民负荷的谐波建模方法及系统 | |
Cui et al. | Assessment research on accommodation capacity of renewable energy in distribution network |
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 |