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 PDF

Info

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
Application number
CN201911014469.XA
Other languages
English (en)
Other versions
CN112787322B (zh
Inventor
滕欣元
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201911014469.XA priority Critical patent/CN112787322B/zh
Publication of CN112787322A publication Critical patent/CN112787322A/zh
Application granted granted Critical
Publication of CN112787322B publication Critical patent/CN112787322B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16Circuit 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
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30Reactive 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

基于scada系统和多时间尺度的电网动态管理方法
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:
Figure BDA0002244136530000021
其中
Figure BDA0002244136530000022
为功率的均值;
S2、根据S1中所得时间窗口,整理各状态窗口下的每日实时电网的功率数据序列:
Figure BDA0002244136530000023
分别表示第d天中高峰时间窗口、普通时间窗口及低谷时间窗口下的实时功率数据序列;
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,
Figure BDA0002244136530000031
其中,
Figure BDA0002244136530000032
分别代表{Pi,h}低频部分和高频部分,cmk,dmk分别表示功率{Pi,h}在m尺度上展开的小波系数;
S5、将功率的低频部分进行重组,得到滤波后的功率数据
Figure BDA0002244136530000033
S6、对序列
Figure BDA0002244136530000034
Figure BDA0002244136530000035
重复S3-S5的步骤,得到新的滤波后的功率数据
Figure BDA0002244136530000036
Figure BDA0002244136530000037
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
Figure BDA0002244136530000038
Figure BDA0002244136530000039
Figure BDA00022441365300000310
重复步骤S2-S5,得到滤波后的电压数据
Figure BDA00022441365300000311
Figure BDA00022441365300000312
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:
Figure BDA00022441365300000313
Figure BDA00022441365300000314
Figure BDA00022441365300000315
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:
Figure BDA00022441365300000316
Figure BDA00022441365300000317
Figure BDA00022441365300000318
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:
Figure BDA0002244136530000041
Figure BDA0002244136530000042
….
Figure BDA0002244136530000043
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):
Figure BDA0002244136530000044
其中
Figure BDA0002244136530000045
为n阶自回归系数多项式,Θ(B)=1-θ1B-θ2B2-…-θmBm为m阶移动平滑系数多项式;
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:
Figure BDA0002244136530000061
其中
Figure BDA0002244136530000062
为功率的均值;
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:
Figure BDA0002244136530000063
(高峰时间窗口),
Figure BDA0002244136530000064
(普通时间窗口),
Figure BDA0002244136530000065
(低谷时间窗口);
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,
Figure BDA0002244136530000066
其中,
Figure BDA0002244136530000067
分别代表{Pi,h}低频部分和高频部分,cmk,dmk分别表示功率{Pi,h}在m尺度上展开的小波系数;
3.3将功率的低频部分进行重组,得到滤波后的功率数据
Figure BDA0002244136530000068
3.4对另外两个状态窗口下的
Figure BDA0002244136530000069
Figure BDA00022441365300000610
重复3.1-3.3的步骤,得到新的滤波后的功率数据
Figure BDA00022441365300000611
Figure BDA00022441365300000612
4、依据功率的时间窗口,整理出对应状态窗口下的电压数据
Figure BDA00022441365300000613
Figure BDA00022441365300000614
重复步骤3,得到滤波后的电压数据
Figure BDA00022441365300000615
Figure BDA00022441365300000616
5、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,得到函数
Figure BDA0002244136530000071
Figure BDA0002244136530000072
6、对无功和电压重复步骤1-5,得到不同状态窗口下,无功与电压的多项式函数
Figure BDA0002244136530000073
Figure BDA0002244136530000074
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:
Figure BDA0002244136530000075
Figure BDA0002244136530000076
….
Figure BDA0002244136530000077
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:
Figure FDA0002244136520000011
其中
Figure FDA0002244136520000021
为功率的均值;
S2、根据步骤S1中所得时间窗口,计算各状态窗口下的每日实时电网的功率数据序列,第d天中高峰时间窗口、普通时间窗口及低谷时间窗口下的实时功率数据序列为
Figure FDA0002244136520000022
Figure FDA0002244136520000023
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,
Figure FDA0002244136520000024
其中,
Figure FDA0002244136520000025
分别代表{Pi,h}低频部分和高频部分,cmk,dmk分别表示功率{Pi,h}的小波系数;
S5、将功率的低频部分进行重组,得到滤波后的功率数据
Figure FDA0002244136520000026
S6、对序列
Figure FDA0002244136520000027
Figure FDA0002244136520000028
重复步骤S3-步骤S5,得到新的滤波后的功率数据
Figure FDA0002244136520000029
Figure FDA00022441365200000210
S7、依据步骤S1中功率的时间窗口,计算对应状态窗口下的电压数据
Figure FDA00022441365200000211
Figure FDA00022441365200000212
Figure FDA00022441365200000213
重复步骤S2-S5,得到滤波后的电压数据
Figure FDA00022441365200000214
Figure FDA00022441365200000215
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:
Figure FDA00022441365200000216
Figure FDA00022441365200000217
Figure FDA00022441365200000218
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:
Figure FDA0002244136520000031
Figure FDA0002244136520000032
Figure FDA0002244136520000033
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:
Figure FDA0002244136520000034
Figure FDA0002244136520000035
....
Figure FDA0002244136520000036
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):
Figure FDA0002244136520000037
其中
Figure FDA0002244136520000038
为n阶自回归系数多项式,Θ(B)=1-θ1B-θ2B2-…-θmBm为m阶移动平滑系数多项式;
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。
CN201911014469.XA 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 Active CN112787322B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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