CN113162075B - 基于台区特性匹配的三相不平衡主动治理方法与装置 - Google Patents
基于台区特性匹配的三相不平衡主动治理方法与装置 Download PDFInfo
- Publication number
- CN113162075B CN113162075B CN202110409536.9A CN202110409536A CN113162075B CN 113162075 B CN113162075 B CN 113162075B CN 202110409536 A CN202110409536 A CN 202110409536A CN 113162075 B CN113162075 B CN 113162075B
- Authority
- CN
- China
- Prior art keywords
- commutation
- phase
- change
- optimal
- load
- 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
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
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase 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
- 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
- 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
- Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks
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台区特性匹配的三相不平衡主动治理方法与装置,利用负荷预测模型获取电压、电流等系统电量的变化趋势,当预先感知到三相不平衡现象发生后,根据执行终端开关连接状态和当地支路负荷信息形成输入数据,对配电台区特性自适应匹配多换相目标优化模型通过基于贪心搜索算法的换相控制策略进行求解,从而得到负荷换相关键时刻的最优换相指令。本发明提出的三相不平衡治理方法可以以算法形式集成至智能化电气设备或作为独立功能装置挂网,可以提高对三相不平衡现象的治理成功率,将执行终端完成换相操作后的三相不平衡度计算值与模型优化值比较,在判定为换相失败时采取换相补救措施。
Description
技术领域
本发明属于电能质量治理技术领域,涉及三相不平衡主动治理中基于负荷预测模型的三相不平衡主动感知和基于自适应匹配配电台区特性的换相目标模型构建、基于贪心搜索算法的换相控制策略,以及换相失败风险评估和后备措施。
背景技术
衡量电能质量好坏的重要指标之一就是电力系统的三相不平衡度,三相不平衡可以引发配用电系统产生电能质量问题,造成变压器损耗增加、线路损耗增加、某相过流、配变出力减小、配变利用率降低、变压器发热甚至烧毁、末端过压欠压,从而影响用电设备的正常工作。三相负荷分配不合理、用电负荷无规律变化、环境因素造成的系统故障、新型用电负荷接入电网等因素,使得三相不平衡现象在系统中长期存在,若系统的三相不平衡度长期超过限定值,就会引起电力系统其他指标异常,所产生的零序和负序分量会造成变压器绝缘老化程度加快、线路损耗增加、电动机工作效率降低、用电设备电压不匹配等危害。除了影响供电可靠性之外,严重的三相不平衡现象还会导致中性线、用电设备、低压开关或变压器烧毁,用电设备的绝缘老化问题还会带来外壳漏电风险,进而导致电力系统的用电安全问题。
目前,三相不平衡问题发生后一般从产生结果着手进行治理,例如可以通过增加相应的补偿装置对电网分相进行无功功率补偿,从而降低因三相不平衡带来的影响。但是此类补偿装置存在实际占地面积大、安装维护成本较高、运行损耗大、易与电网发生谐振等共性缺点,未能从本质上改善负荷分布不均的问题,所以仅应用在有限的具有特定要求的场合。目前亟待研究满足“源头预防、常态监测、科学施策、动态治理”要求的三相不平衡治理方法与装置。
中国专利CN109888800A公开了一种基于负荷预测和换相策略的配电台区三相不平衡负荷调整方法,尽管该专利减低了线损和三相负荷不平衡度,但因其负荷预测的模型输入因素和三相不平衡治理的换相目标是固化的、不全面的,配电台区三相不平衡问题无法得到动态、高效治理,所提出的三相不平衡治理方法无法自适应匹配复杂多变的配电台区特性,难以广泛应用在更复杂、更多元的配电台区场景;所采用的基于遗传算法的换相控制策略存在无法解决反例换相、初始解产生具有随机性等问题;同时,换相动作的正确性评估及换相失败后的补救措施尚未涉及。
发明内容
本发明的目的在于提供一种基于台区特性匹配的三相不平衡主动治理方法与装置,降低三相不平衡现象对系统运行所造成的潜在危害,解决使用固定目标优化治理三相不平衡现象时引发的有效应用场景局限,并拓宽三相不平衡治理方法应用范围以及提升三相不平衡治理快速性与可靠性。
为达到上述目的,本发明采用了以下技术方案:
一种基于台区特性与换相目标匹配的三相不平衡主动治理方法,该治理方法包括以下步骤:
1)在配电台区输入侧(即配电变压器输出侧)实时测量电压和/或电流信号,结合基于机器学习方法构建的负荷预测模型计算系统电量变化趋势,根据系统电量变化趋势计算用于模拟三相不平衡度的发展演变的三相不平衡度变化预测曲线;当预先感知到三相不平衡现象的发生时确定配电台区需要进行三相不平衡治理,并研判负荷换相的关键时刻;
2)在预先感知到三相不平衡现象发生后接收执行终端上传的开关连接状态和当地支路的负荷信息,根据负荷信息和开关连接状态形成各相系统电量分量作为输入数据,并通过基于贪心搜索算法的换相控制策略对配电台区特性自适应匹配多换相目标优化模型进行求解,根据求解得到的换相策略确定最优换相指令;
3)将最优换相指令发送给执行终端,使执行终端于负荷换相的关键时刻进行换相操作。
优选的,所述负荷预测模型采用的机器学习方法为半监督式支持向量机回归模型:
y=f(x)
其中,y为A、B、C相电流和/或电压的预测值,x为负荷预测模型的输入因素,负荷预测模型的输入因素选自气温、压强、湿度、时间属性、负荷历史运行电流、电压数据中的一种或多种。
优选的,所述系统电量选自配电台区需要治理的一类或多类电量对象(即电流、电压、有功功率、无功功率中的一个或多个),若配电台区需要治理的为单一类别的电量对象,则三相不平衡度的计算方法为:
σ=max[|EA-Emean|/Emean×100%,|EB-Emean|/Emean×100%,|EC-Emean|/Emean×100%]
其中,E为选定的配电台区需要治理的电量对象,EA、EB、EC为选定的电量对象在A、B、C相上的实时值,Emean为选定的电量对象的三相均值;
若配电台区需要同时对多个类别的电量对象进行治理,则三相不平衡度的计算方法为:
σ’=mean(σ1,…,σn)
其中,σi为计及第i类电量对象时的三相不平衡度σ,i=1,…,n,n为电量对象的个数,mean为求取均值算子,σ’为计及多个类别的电量对象时的三相不平衡度。
优选的,所述研判负荷换相的关键时刻具体包括以下步骤:依据三相不平衡度变化预测曲线,当三相不平衡度持续超过设定限值A达15~30分钟,则判定三相不平衡现象将发生;并将在该三相不平衡现象发生前三相不平衡度变化达到设定限值B对应的时刻作为负荷换相的关键时刻,其中限值A大于限值B,限值A、B从三相不平衡度区间5%~15%中选定。
优选的,所述配电台区特性自适应匹配多换相目标优化模型的目标函数包括必要换相目标,必要换相目标为三相不平衡度和换相操作次数,所述目标函数还可以包括可选换相目标,可选换相目标通过换相目标(除必要换相目标外的其他换相目标)与配电台区特性表征参数之间的关联模型为需要进行三相不平衡治理的配电台区进行匹配;所述配电台区特性自适应匹配多换相目标优化模型的约束条件为给定的各换相目标的限值。
优选的,当所述目标函数仅涉及必要换相目标时,所述最优换相指令的确定具体包括以下步骤:
2.1.1)针对输入数据中的某一类别的电量对象,将输入数据中属于该类电量对象的各相系统电量分量组成一个按由大到小降序排列的数据池,该数据池中由换相操作前的A、B、C相系统电量分量分别组成A、B、C相的子数据池;
2.1.2)根据A、B、C相的子数据池分别计算对应相的系统电量分量均值,以A、B、C三相中任意一相为目标相,从其余两相对应的子数据池中由大到小搜索系统电量分量,使得搜索出的系统电量分量之和最接近已计算得到的目标相的系统电量分量均值,得到该目标相的最优换相策略,若存在多个与所述目标相的系统电量分量均值接近程度相同的目标相的最优换相策略,则选择使换相操作次数最少的最优换相策略;
2.1.3)重复步骤2.1.2)直至确定A、B、C三相的最优换相策略;若输入数据中不存在其他类别的电量对象,则停止搜索,若输入数据中存在其他类别的电量对象,则依据该最优换相策略更新A、B、C相的子数据池后转至步骤2.1.4);
2.1.4)针对输入数据中的其他类别的电量对象,按照步骤2.1.1)、步骤2.1.2)和步骤2.1.3)继续搜索,得到仅考虑必要换相目标的最优换相策略,根据该最优换相策略生成用于选定治理支路和调整其负荷接入相序的最优换相指令。
优选的,当所述目标函数同时涉及必要换相目标和可选换相目标时,所述最优换相指令的确定具体包括以下步骤:
2.2.1)依据求解得到的多个换相策略生成多组换相指令,计算用于评估换相指令治理三相不平衡性能的指标m:
当k1、k2均不等于0,则
m=0.5×(1-n1)+0.3×(1-n2)+0.1×Σ(1-n3)/k1+0.1×Σ(n4-1)/k2
当k1等于0,则
m=0.5×(1-n1)+0.3×(1-n2)+0.2×Σ(n4-1)/k2
当k2等于0,则
m=0.5×(1-n1)+0.3×(1-n2)+0.2×Σ(1-n3)/k1
其中,n1为待评估的一组换相指令所对应的换相策略在求解中达到的三相不衡度优化值与给定的三相不平衡度约束条件的对应限值之比,n2为待评估的一组换相指令所对应的换相策略在求解中达到的换相操作次数优化值与给定的换相操作次数约束条件的对应限值之比,n3为待评估的一组换相指令所对应的换相策略在求解中达到的负向可选换相目标优化值与给定的该负向可选换相目标的约束条件的对应限值之比,n4为待评估的一组换相指令所对应的换相策略在求解中达到的正向可选换相目标优化值与给定的该正向可选换相目标的约束条件的对应限值之比;k1、k2分别表示负向、正向可选换相目标的个数;
2.2.2)选择使m达到最大的一组换相指令作为用于选定治理支路和调整其负荷接入相序的最优换相指令。
优选的,所述治理方法还包括以下步骤:
4)计算按照最优换相指令完成负荷换相时刻的三相不平衡度,并根据计算得到的三相不平衡度与最优换相指令所对应的换相策略在求解中达到的三相不衡度优化值的相对误差评估负荷换相失败风险,若确定负荷换相失败,则参照该换相策略生成用于采取换相补救措施的指令。
优选的,所述采取换相补救措施具体包括以下步骤:将未能执行最优换相指令的执行终端所在相上的其它不需要执行任何最优换相指令的执行终端作为关联执行终端,并由关联执行终端完成换相方式相同的换相操作。
一种基于台区特性与换相目标匹配的三相不平衡主动治理装置,包括系统电压电流信号采样模块和处理控制模块,所述处理控制模块用于根据系统电压电流信号采样模块测量的电压和/或电流信号进行三相不平衡现象预先感知和负荷换相的关键时刻研判(即执行以上步骤1)、换相策略优化求解和最优换相指令确定(即执行以上步骤2),以及负荷换相失败风险评估和换相补救措施指令生成(即执行以上步骤4)。
本发明的有益效果体现在:
本发明通过负荷预测预先感知三相不平衡现象,能在三相不平衡问题早期甚至提前将这一问题加以解决,避免三相不平衡问题的进一步恶化发展,维持电力系统稳定性。本发明从三相不平衡现象产生的源头入手,通过调整负荷接入的相序(负荷换相)平衡负荷,实现三相不平衡问题的治理,并提高了三相不平衡治理的成功率,从而提升配变台区供电安全性和经济性。
进一步的,本发明所提出的多换相目标优化模型可以在控制三相不平衡度满足标准要求的前提下,将换相终端的换相动作次数纳入为必要的优化目标,通过换相策略的优化求解极大程度地减少换相次数,进而延长换相终端在配用电系统中的使用寿命,降低配电网的停电风险。
进一步的,本发明所提出的换相目标与配电台区特性表征参数之间的关联模型可依据配电台区的用户性质选择合适的换相目标,有利于将三相不平衡治理迁移应用于电网非线性负荷等各类更为复杂的负载类型条件,以保障三相不平衡治理方法在更多样、更复杂的电网中得以应用。
进一步的,本发明所提出的基于贪心搜索算法的换相控制策略,其对于最优换相策略的求解虽然是全局的,但是获取结果的方式是可以控制的,通过设计换相控制策略优化求解的结束要求,可以提前结束遍历迭代搜索,所得结果虽然可能在一小部分情况下不是全局最优结果,但也足以满足电能质量要求,同时相较于现有s级的换相控制策略拥有着显著的效率提升、较快的计算速度,解决了遗传算法等传统换相控制策略求解算法无法解决反例换相以及初始解产生具有随机性的问题,经蒙特卡洛统计学方法测试,具有更稳定的治理效果。
进一步的,本发明可以通过指标m的计算确定最优换相指令,为引入新的换相目标实现三相不平衡治理创造了条件。
进一步的,本发明充分考虑到执行终端损坏、通讯错误等原因,通过风险评估辨识换相失败情况的发生,并采取换相补救措施,解决了换相失败引发的三相不平衡治理可靠性问题,有助于提高三相不平衡治理可靠性。
附图说明
图1为本发明实施例中基于台区特性与换相目标匹配的三相不平衡主动治理方法的流程图;
图2为本发明实施例中三相不平衡治理装置的结构示意图;
图3a为本发明实施例中进行换相前的有功功率(P)、无功功率(Q)模拟数据;
图3b为本发明实施例中最终确定应用的最优换相指令;
图3c为本发明实施例中进行换相后的有功功率(P)、无功功率(Q)模拟数据;
图4为对换相前后数据进行蒙特卡洛稳定性分析的结果;
图5a为配电台区的仿真系统;
图5b为换相前的三相电流仿真结果;
图5c为换相后的三相电流仿真结果;
图中:1.参数设定系统;2.执行终端;3.采样模块;4.处理控制模块;5.通讯模块;6.显示模块。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明,所述实施例仅用于解释本发明,而非对本发明保护范围的限制。
实施例1
本发明提出的基于换相思想的三相不平衡治理方法,通过预先感知三相不平衡现象的发生,同时以自适应匹配台区特性的多换相目标优化模型拓宽三相不平衡治理的应用范围,并通过基于贪心搜索算法的换相控制策略与应对换相失败的后备措施提升三相不平衡治理的快速性与可靠性,从而降低三相不平衡对系统运行造成的潜在危害,延长执行终端在配用电系统中的使用寿命。该三相不平衡治理方法可直接集成至智能配电变压器监测终端等具有系统状态监测功能的智能化电气设备中,也可作为仅有独立功能的三相不平衡治理装置挂网。
不同于采用无功补偿等从结果(电能质量)入手的治理方法,本发明所提出三相不平衡治理方法从三相不平衡现象产生的源头入手,通过调整负荷接入的相序,可在不改变原有配线的情况下平衡负荷,进而使不对称负荷调整为对称负荷,实现三相不平衡问题的主动治理。
结合图1,对基于台区特性与换相目标匹配的三相不平衡主动治理方法的步骤进行具体说明。
步骤一 初始化过程:清空三相不平衡治理装置内处理控制模块涉及累计调用的相关变量所存放的原始信息,设定三相不平衡治理装置所控制的执行终端个数及地址、电压电流信号的采样频率f、负荷预测模型参数、三相不平衡度计算参数、配电台区特性关联的新换相目标要求及其关联模型、换相控制策略求解参数、三相不平衡发生及换相成功与否的相关判断阈值。
步骤二 三相不平衡治理装置在配电变压器输出侧(低压侧)实时测量电压和电流信号,结合基于机器学习方法构建的负荷预测模型计算系统电量变化趋势,进而准确模拟三相不平衡度的发展演变,得到预测的三相不平衡度变化曲线(即三相不平衡度变化预测曲线)。当依据预测的三相不平衡度变化曲线预先感知到三相不平衡现象的发生时,研判负荷换相的关键时刻,转向步骤三进行三相不平衡的主动治理。
所述负荷预测模型进行以小时为单位的短期负荷预测,所采用的机器学习方法为半监督式支持向量机回归模型:
y=f(x)
其中,y为A、B、C相预测的电流、电压值(y可以采用预测的三相电流和电压构成的6维矩阵,可以按需选用预测值,例如预测的各相电流值),x为负荷预测模型考虑的输入因素,负荷预测模型的训练样本容量和优化参数需要使得对负荷电流、电压的预测误差不高于3%;兼顾负荷电量准确预测和降低模型复杂度的要求,输入因素可以从气温、压强、湿度、时间属性、负荷历史运行电流、电压数据中选择,例如,实际用于预测的输入因素可以依据在一个预测周期内变化超过5%的标准进行选择,从而实现输入因素与配电台区所处环境的自适应匹配。
通过在三相不平衡现象发生与否的判断过程中引入负荷预测模型,使得三相不平衡治理方法具备预先感知三相不平衡现象的能力,进而能在三相不平衡问题出现的早期甚至提前将这一问题加以解决,避免三相不平衡问题的进一步恶化发展,降低三相不平衡线损、绝缘寿命损失等问题所造成的危害程度,维持电力系统允许的稳定性。
考虑到三相不平衡现象精准衡量和广阔应用场合适用性的要求,所述三相不平衡度计算方法采用基于IEEE Std 1159的三相电流不平衡度计算方式,即:
σ=max[|Ia-Imean|/Imean×100%,|Ib-Imean|/Imean×100%,|Ic-Imean|/Imean×100%] (1)
其中,Ia、Ib、Ic为A、B、C相上的电流实时值,Imean为三相电流的均值。
当需要治理的电量对象不是电流,而是诸如电压、有功功率、无功功率等其他电量对象时,只需要将A、B、C相电流的实时值和均值替换为其他电量对象的相应值,即可同样完成对于三相不平衡度的计算。
依据三相不平衡度变化预测曲线判断三相不平衡现象发生的方法如下:当发现三相不平衡度持续超过设定界限一段时间(例如,设定界限为15%,一段时间指30分钟),则将三相不平衡度在此之前达到10%对应的时刻作为三相不平衡治理装置进行负荷换相的关键时刻。
步骤三 接收执行终端上传的电流值、电压值、阻抗角等当地支路的负荷信息和开关连接状态,根据这些负荷信息(也可能还需要开关连接状态)形成各相电量分量(需要治理的电量对象在各执行终端所在单相支路的值)作为输入数据,三相不平衡治理装置依据所在配电台区的特性自适应匹配多换相目标优化模型,按照基于贪心搜索算法的换相控制策略计算求解,根据求解得到的换相策略生成用于三相不平衡治理的换相指令(治理方案),在多组换相指令中确定一组最优换相指令,转向步骤四执行确定的三相不平衡换相指令(即最优换相指令)。
在确定发生三相不平衡问题后,需要采取换相措施加以治理,因而需要探究最优的换相方法。所述特性自适应匹配多换相目标优化模型以三相不平衡度和换相操作次数为必要换相目标,其中的三相不平衡度与治理对象保持一致;其他换相目标通过可选换相目标与配电台区特性表征参数(用户性质)之间的关联模型进行自适应匹配,具体步骤为:将用电负荷分为工业、商业、居民、其它四种类型,基于配电台区所测电量的历史信息,采用非监督聚类的方法获取配电台区内各类负荷的占比,而后基于半监督式机器学习方法通过样本训练建立配电台区的用户性质(四类用户及其占比的组成)与各类换相目标的关联,在配电台区用户提出新的换相目标需求时,对这一新换相目标匹配用户类型组合的新的标记(假设现有半监督式机器学习方法考虑4种换相目标,标记为0、1、2、3;新的换相目标未在其中时,增加标记4),通过训练使增加的标记信息不断传播,直到整个关联模型能够稳定地感知新换相目标为止,进而实现新的换相目标的自适应匹配;依据所得用户性质基于关联模型确定现有训练集中存在的各换相目标集合(例如,电流不平衡度、电压不平衡度、有功功率不平衡度、无功功率不平衡度、变压器损耗、线路损耗、配变出力、配变利用率、电动机工作效率、变压器绝缘老化程度、电流偏差、电压偏差、有功网损、节点电压平均压降、变压器中性线电流、换相损失、用户停电损失)的关联度,并按关联度大于0.5推送匹配配电台区特性的换相目标。
所提出的关联模型可依据配电台区需要选择合适的换相目标,可应用有功功率、无功功率优化取代电流、电压,有利于迁移应用于电网非线性负荷等各类更为复杂负载类型条件,以保障三相不平衡治理方法在更多样更复杂的电网中得以应用。
所述特性自适应匹配多换相目标优化模型采用贪心搜索算法进行求解,从求解得到的满足各换相目标约束条件的多组解(换相策略)中确定最优换相指令的方法是:
求解用以评估换相指令治理三相不平衡性能的指标m=0.5×(1-n1)+0.3×(1-n2)+0.1×Σ(1-n3)/k1+0.1×Σ(n4-1)/k2,其中,n1所代表的换相目标为三相不平衡度,n2所代表的换相目标为换相次数,n3所代表的换相目标为一个或多个负向可选换相目标(例如,变压器损耗、变压器绝缘老化程度、电流偏差、节点电压平均压降、变压器中性线电流),n4所代表的换相目标为一个或多个正向可选换相目标(例如,配变出力、配变利用率、电动机工作效率);n1~n4的具体取值是待评估的一组换相指令下相应换相目标的模型优化值与给定的该换相目标的约束值之比(约束值是正向可选换相目标的下限值、负向可选换相目标的上限值;必要换相目标也属于负向,采用上限值),k1、k2分别表示负向、正向可选换相目标的个数,当k1=0时,0.1×Σ(1-n3)/k1=0.1×Σ(n4-1)/k2,当k2=0时,0.1×Σ(n4-1)/k2=0.1×Σ(1-n3)/k1;选取m值最大对应的一组换相指令作为最优换相指令。
在换相策略求解层面只需保证系统三相不平衡度、换相操作次数满足约束条件的要求即可,且优化值没必要降到最低,最优的换相指令筛选通过换相目标综合比较(指标m)来进行梳理。
步骤四 将最优换相指令发送给执行终端进行换相操作,并在负荷换相后进行三相不平衡治理效果的跟踪反馈,计算换相完成时刻的各换相目标(例如,三相不平衡度),并通过与最优换相指令所对应的换相策略在求解中获得的换相目标优化值比较来评估换相失败风险,若相对误差值在1%以内,则认为换相成功,改变执行终端的开关连接状态(目的是在下一次上传执行终端信息时,准确地得到A、B、C三相上的有功功率与无功功率);否则,认为未能成功换相,采取换相补救措施并提示维护信息。
在执行上述最优换相指令后,需要评估配电台区三相不平衡的治理效果,进而在个别执行终端换相失败的情况下及时采取相应后备措施,进一步提升三相不平衡治理方法的可靠性。具体换相补救措施为:所提出的三相不平衡治理方法充分考虑到执行终端因损坏、通讯错误等原因而无法执行换相指令的情况,确定换相失败后,选用该执行终端所在相上的其它执行终端(关联执行终端)进行替代,并按照换相指令既定的负荷相序调整目标相进行换相操作,然后改变关联执行终端的开关连接状态。
本发明通过构建换相失败的风险评估指标判别换相失败情况,而后采取相应换相补救措施,可以进一步提高三相不平衡治理的成功率,为有效提高配变台区供电安全性和经济性提供了一套完整的理论基础。
结合图2阐述本发明的三相不平衡治理装置的结构和实际功能实现过程。三相不平衡治理装置包括处理控制模块4以及与处理控制模块4分别连接的采样模块3、通讯模块5和显示模块6,三相不平衡治理装置通过通讯模块5接收参数设定系统1发送的参数。采样模块3、处理控制模块4、通讯模块5、显示模块6均由供电模块供电。参数设定系统1和执行终端2通过电网取电。采样模块6包括能够精准获取系统电压、电流信号的电压、电流传感器及其对应调理电路,保证信号幅值及相位不失真。
采样模块3按设定采样频率实时获取系统电压、电流信号,传送至处理控制模块4实时分析,在通过三相不平衡度变化预测曲线的计算与判断后发现三相不平衡现象将发生时,指示灯红灯常亮。而后处理控制模块4进行换相目标匹配与换相策略求解,然后确定最优换相指令,并通过通讯模块5传送至执行终端2。换相操作完成后,执行终端2回传操作信息至处理控制模块4,再通过采样模块3传来的系统电压、电流数据分析系统进行三相不平衡治理的效果评估。一旦各换相目标满足要求,即判断换相操作成功,指示灯绿灯常亮,由此确保系统三相不平衡现象得到有效治理。在检测到换相目标不符合要求时,处理控制模块4发出换相补救后备指令给关联执行终端2,尽可能地将系统三相不平衡危害降低至最小,指示灯红灯闪烁,并在显示模块6上提示应维护的执行终端信息。在确认故障排除完毕后,按压三相不平衡治理装置的复位按钮,指示灯及各模块参数均进行初始化,而后继续进行系统状态的实时判断。
负荷预测模型及台区用户性质与换相目标关联模型(可选换相目标与配电台区特性表征参数之间的关联模型)的相关参数均在参数设定系统1中选择确定。参数设定系统1包括负荷预测模型参数优化模块、台区用户性质与换相目标关联模型参数优化模块。参数设定系统1将参数的计算、比较与选定依据通过软件算法实现,由此得到可用于三相不平衡治理装置的最优模型和参数。
实施例2
对多个电量对象(例如,有功功率和无功功率)进行治理时,可采用综合三相不平衡度,具体计算方法为:
σ’=mean(σ1, …, σn) (2)
其中,σi为选定的各电量对象各自的三相不平衡度,可以参考公式(1)分别进行计算,i=1,…,n,n为选定电量对象的个数,mean为求取均值算子。
当特性自适应匹配多换相目标优化模型仅考虑三相不平衡度、换相操作次数这两个换相目标,对其设置相应的约束条件,并采用简化的交叉搜索换相策略进行求解,如果配电台区要治理的是有功功率、无功功率两个电量对象,那么该策略需要首先保证有功功率、无功功率调整为极限地接近相应功率的平均值,即换相策略应为减小有功功率不平衡度以及无功功率不平衡度效率最高的换相序列。
所述交叉搜索换相策略的具体实现方式是:
S1将所有输入的有功功率降序排列并求得A、B、C相均值,而后记录每相对应的有功功率降序序号,并标记对应无功功率,分别从B、C相数据池中搜索有功功率值替换配齐A相数据池、从A、C相数据池中搜索有功功率值替换配齐B相数据池,以及从A、B相数据池中搜索有功功率值替换配齐C相数据池;所述替换配齐是指(以对B、C相子数据池的搜索为例),从B和C相的子数据池中由大到小搜索,使得目标相(A相)上的输入数据(有功功率)总和与目标相有功功率平均值的差值最小,记录最接近平均值的情况作为最优切换情况(即A相的换相策略),若接近程度相同,则将换相次数最少的作为最优切换情况。
S2在按照有功功率搜索完毕后,利用更新后的A、B、C的子数据池确定A、B、C相的无功功率数据组成,并按照以上步骤S1继续进行搜索。
S3最终输出符合约束条件要求(标准给定的三相不平衡度上限值,当然越低越好)的换相策略,并生成最优换相指令。
所述交叉搜索换相策略从算法上看虽然是全局的,但是搜索获取结果的方式是可以控制的,通过设计结束要求,可以使算法提前结束遍历迭代搜索,所得结果虽然可能在一小部分情况下不是全局最优结果,但也足以满足电能质量治理要求,同时算法采用并行搜索方式,算法的运行时间为10-4~10-3s,进而有效保证了三相不平衡治理方法的快速性。相较于现有s级的换相策略拥有着显著的效率提升、较快的计算速度,解决了遗传算法等传统换相策略无法解决反例换相、初始解产生具有随机性的问题。
所提出的交叉搜索换相策略在控制三相不平衡度满足标准要求的前提下,将换相终端的换相操作次数纳入必要的优化目标,优化求解极大程度地减少换相操作次数,进而延长换相终端在配用电系统中的使用寿命,降低配电网的停电风险。
确定换相失败后,被选用作为替代的关联执行终端,其有功功率与无功功率数据之和与换相失败的执行终端(无法执行换相指令)的相应数据之和间的相对误差小于3%。
参见图3a至图3c,为验证本发明的三相不平衡治理方法的有效性,模拟24个执行终端分散采集配电台区的电能质量信息,随机生成初始的有功功率、无功功率数据值,如图3a所示。考虑到实际情况中无功功率的数值小于有功功率的数值,因此随机生成的有功功率数值在1000以内、无功功率数值在200以内,且有功功率和无功功率的值都符合正态分布的特点。A、B、C相的总有功功率分别为3562W、4160W和3215W,总无功功率分别为111var、140var和21var,此时算得的三相不平衡度为7.7868%。按照规定,配变电系统的三相不平衡度不应大于15%(这也是本发明方法提出需进行三相不平衡治理的判别原则)。但考虑到真实采集数据过程中存在多个环节的累积误差,故而在仿真验证有效性时考虑更为苛刻的换相条件,设定三相不平衡度不应超出5%,因而初始系统处于三相不平衡状态需要进行治理。
建立基于三相不平衡度与换相操作次数的多换相目标优化模型并计算求解,经过三组交叉搜索得到用于三相不平衡治理的换相指令,最终所确定的最优换相指令如图3b所示。根据最优换相指令,总共需要进行6次换相操作,将连接在A相的7号执行终端换到B相,将连接在B相的9号、10号和14号执行终端换到C相,将连接在B相的15号执行终端换到A相,最后将连接在C相的21号执行终端换到B相。
将最优换相指令发送给相应的执行终端进行换相操作,换相后各执行终端的负荷数据和连接状态如图3c所示。A、B、C相的总有功功率分别为3653W、3550W、3653W,总无功功率分别为129var、108var、75var。在负荷换相后需进行三相不平衡治理效果的跟踪反馈,以确定三相不平衡现象的治理效果,此时算得的三相不平衡度为3.8265%,满足三相不平衡度低于5%的要求,判定为换相成功,在执行终端地址内变更开关连接状态。
从以上采用模拟数据进行换相操作的验证结果来看,本发明所提出的三相不平衡治理方法具备有效性。
参见图4,为了阐明应用本发明所采取的换相指令进行三相不平衡治理的稳定性(从而避免换相控制策略优化求解结果的偶然性),采用蒙特卡洛仿真分析方法进行验证。类似于图3a至图3c的分析过程,同样考虑24个执行终端,每次随机生成在1~1000以内的数据值作为系统原始运行状态,而后进行换相指令生成及执行换相操作,并对换相后的三相不平衡度实时追踪,该仿真过程重复执行1000次。经统计,换相指令的成功分配率为100%,对换相前后的三相不平衡度进行统计分析及对比的结果表明,1000次治理过程中,换相前三相不平衡度矩阵的均值为20.4664%,方差为122.0109%;换相后三相不平衡度矩阵的均值为0.0506%,方差为0.0018%。从所计算的均值及方差可以看出,在换相前,三相不平衡度在20%附近存在较大幅度的波动,各次的三相不平衡度均超越界限;经过治理后,三相不平衡度降至0.05%附近,均能满足电能质量标准要求,实现有效的三相不平衡治理。同时,换相操作后三相不平衡度总体波动幅度很小,说明治理效果具有稳定性。
此外,将原始数据的变化范围缩小为1~100,同样进行上蒙特卡洛仿真分析过程。经统计,换相指令的成功分配率为100%,换相前三相不平衡度矩阵的均值为19.8727%,方差为13.7126%;换相后三相不平衡度矩阵的均值为0.1419%,方差为0.0338%。与之前的结果类似,换相前的三相不平衡度在较大幅值附近存在较大幅度的波动,而换相后的三相不平衡度在较小幅值附近波动幅度也较小。
参见图5a至图5c,通过仿真实验分析阐述应用本发明进行三相不平衡治理的后台实时监测系统电量的直观效果。
如图5a所示,基于MATLAB/Simulink搭建了用于三相不平衡现象仿真的配电台区仿真模型,主电路组成是:幅值为10kV的三相电源通过配电变压器降压为380V相电压入户,24个负载用户分别通过执行终端接入不同单相供电支路中。图中空白标签可选择各执行终端连接的具体相序状态(分别以1、2、3、4标记表示连接A相、连接B相、连接C相和不接入相序状态),标签表示执行终端当地支路实时测量各负载用户的电流、电压等数据。
随后进行Simulink仿真,系统正常运行时换相前主回路的三相电流仿真结果如图5b所示。此时系统的三相不平衡度为6.6998%,超过了三相不平衡度设定限值,属于三相不平衡状态,需进行三相不平衡治理,相应三相电流谷值的显著不均衡也充分证实了三相不平衡现象的产生与持续。类似于图3a至图3c的分析过程,得到确定的换相指令后,相应执行终端进行连接相序的切换,测得换相后主回路的三相电流仿真结果如图5c所示。此时系统的三相不平衡度为0.6468%,相应三相电流谷值变为均衡分布,这也充分说明三相不平衡现象得到有效治理。
总之,通过以上各个实施例的展示可以表明:本发明可以通过建立配电台区特性表征参数关联的换相目标需求,并进行优化求解,对低压配电台区内的负荷分布进行合理安排,减小配电台区内的三相不平衡度,实现低压配电台区电能质量治理。本发明针对现有三相不平衡治理方法无法自适应匹配复杂多变台区特性的问题,通过提取能够表征换相需求的系统参数,以及配电台区特性参数表征及其与换相目标的自适应关联模型的建立,大幅拓展了三相不平衡治理装置在更复杂、更多元的低压配电台区场景中的有效应用范围,并取得更多元的控制策略、更广泛的适用性以及更明显的治理效果。
Claims (9)
1.一种三相不平衡主动治理方法,其特征在于:该治理方法包括以下步骤:
1)在配电台区输入侧实时测量电压和/或电流信号,结合负荷预测模型计算系统电量变化趋势,根据系统电量变化趋势计算得到三相不平衡度变化预测曲线;当预先感知到三相不平衡现象的发生时研判负荷换相时刻;
2)在预先感知到三相不平衡现象发生后接收执行终端上传的开关连接状态和当地支路的负荷信息,根据负荷信息和开关连接状态形成各相系统电量分量作为输入数据,并通过基于贪心搜索算法的换相控制策略对配电台区特性自适应匹配多换相目标优化模型进行求解,根据求解得到的换相策略确定最优换相指令;
所述配电台区特性自适应匹配多换相目标优化模型的目标函数包括必要换相目标和可选换相目标,必要换相目标为三相不平衡度和换相操作次数,可选换相目标是通过换相目标与配电台区特性表征参数之间的关联模型的匹配而确定的;所述配电台区特性自适应匹配多换相目标优化模型的约束条件为给定的各换相目标的限值;
3)将最优换相指令发送给执行终端,使执行终端于负荷换相时刻进行换相操作。
2.根据权利要求1所述一种三相不平衡主动治理方法,其特征在于:所述负荷预测模型采用半监督式支持向量机回归模型:
y=f(x)
其中,y为A、B、C相电流和/或电压的预测值,x为负荷预测模型的输入因素,负荷预测模型的输入因素选自气温、压强、湿度、时间属性、负荷历史运行电流、电压数据中的一种或多种。
3.根据权利要求1所述一种三相不平衡主动治理方法,其特征在于:所述系统电量选自配电台区治理的一类或多类电量对象,若配电台区治理的为单一类别的电量对象,则三相不平衡度的计算方法为:
σ=max[|EA-Emean|/Emean×100%,|EB-Emean|/Emean×100%,|EC-Emean|/Emean×100%]
其中,电量对象选自电流、电压、有功功率或无功功率,EA、EB、EC为电量对象在A、B、C相上的实时值,Emean为电量对象的三相均值;
若配电台区需要同时对多个类别的电量对象进行治理,则三相不平衡度的计算方法为:
σ’=mean(σ1,…,σn)
其中,σi为计及第i类电量对象时的三相不平衡度σ,i=1,…,n,mean为求取均值算子,σ’为计及多个类别的电量对象时的三相不平衡度。
4.根据权利要求1所述一种三相不平衡主动治理方法,其特征在于:所述研判负荷换相时刻具体包括以下步骤:依据三相不平衡度变化预测曲线,当三相不平衡度持续超过设定限值A达15~30分钟,则判定三相不平衡现象将发生;并将在该三相不平衡现象发生前三相不平衡度变化达到设定限值B对应的时刻作为负荷换相时刻,其中限值A大于限值B。
5.根据权利要求1所述一种三相不平衡主动治理方法,其特征在于:所述最优换相指令的确定具体包括以下步骤:
2.1.1)针对输入数据中的某一类别的电量对象,将输入数据中的对应各相系统电量分量组成一个按由大到小降序排列的数据池,该数据池中由换相操作前的A、B、C相系统电量分量分别组成A、B、C相的子数据池;
2.1.2)根据A、B、C相的子数据池分别计算对应相的系统电量分量均值,以A、B、C三相中任意一相为目标相,从其余两相对应的子数据池中由大到小搜索系统电量分量,使得搜索出的系统电量分量之和最接近目标相的系统电量分量均值,得到该目标相的最优换相策略,若存在多个与目标相的系统电量分量均值接近程度相同的最优换相策略,则选择使换相操作次数最少的最优换相策略;
2.1.3)重复步骤2.1.2)直至确定A、B、C三相的最优换相策略;若输入数据中不存在其他类别的电量对象,则停止搜索,若输入数据中存在其他类别的电量对象,则依据该最优换相策略更新A、B、C相的子数据池后转至步骤2.1.4);
2.1.4)针对输入数据中的其他类别的电量对象,按照步骤2.1.1)、步骤2.1.2)和步骤2.1.3)继续搜索,得到考虑三相不平衡度和换相操作次数的最优换相策略,根据该最优换相策略生成最优换相指令。
6.根据权利要求1所述一种三相不平衡主动治理方法,其特征在于:所述最优换相指令的确定具体包括以下步骤:
2.2.1)依据求解得到的多个换相策略生成多组换相指令,计算用于评估换相指令治理三相不平衡性能的指标m:
当k1、k2均不等于0,则
m=0.5×(1-n1)+0.3×(1-n2)+0.1×Σ(1-n3)/k1+0.1×Σ(n4-1)/k2
当k1等于0,则
m=0.5×(1-n1)+0.3×(1-n2)+0.2×Σ(n4-1)/k2
当k2等于0,则
m=0.5×(1-n1)+0.3×(1-n2)+0.2×Σ(1-n3)/k1
其中,n1为待评估的一组换相指令所对应的换相策略在求解中达到的三相不衡度优化值与给定的三相不平衡度约束条件的对应限值之比,n2为待评估的一组换相指令所对应的换相策略在求解中达到的换相操作次数优化值与给定的换相操作次数约束条件的对应限值之比,n3为待评估的一组换相指令所对应的换相策略在求解中达到的负向可选换相目标优化值与给定的负向可选换相目标约束条件的对应限值之比,n4为待评估的一组换相指令所对应的换相策略在求解中达到的正向可选换相目标优化值与给定的正向可选换相目标约束条件的对应限值之比;k1、k2分别表示负向、正向可选换相目标的个数;
2.2.2)选择使m达到最大的一组换相指令作为最优换相指令。
7.根据权利要求1所述一种三相不平衡主动治理方法,其特征在于:所述治理方法还包括以下步骤:计算按照最优换相指令完成负荷换相时刻的三相不平衡度,并根据计算得到的三相不平衡度与最优换相指令所对应的换相策略在求解中达到的三相不衡度优化值的相对误差,判断负荷换相失败风险,若确定负荷换相失败,则参照该换相策略采取换相补救措施。
8.根据权利要求7所述一种三相不平衡主动治理方法,其特征在于:所述采取换相补救措施具体包括以下步骤:将未能执行最优换相指令的执行终端所在相上的其它不需要执行任何最优换相指令的执行终端作为关联执行终端,并由关联执行终端完成换相方式相同的换相操作。
9.一种三相不平衡主动治理装置,其特征在于:包括系统电压电流信号采样模块和处理控制模块,所述处理控制模块用于根据系统电压电流信号采样模块测量的电压和/或电流信号进行三相不平衡现象预先感知、负荷换相时刻研判、换相策略优化求解、最优换相指令生成、负荷换相失败风险评估以及换相补救措施指令生成;
所述进行三相不平衡现象预先感知、负荷换相时刻研判包括以下步骤:在配电台区输入侧实时测量电压和/或电流信号,结合负荷预测模型计算系统电量变化趋势,根据系统电量变化趋势计算得到三相不平衡度变化预测曲线;当预先感知到三相不平衡现象的发生时研判负荷换相时刻;
所述换相策略优化求解、最优换相指令生成包括以下步骤:在预先感知到三相不平衡现象发生后接收执行终端上传的开关连接状态和当地支路的负荷信息,根据负荷信息和开关连接状态形成各相系统电量分量作为输入数据,并通过基于贪心搜索算法的换相控制策略对配电台区特性自适应匹配多换相目标优化模型进行求解,根据求解得到的换相策略确定最优换相指令;
所述配电台区特性自适应匹配多换相目标优化模型的目标函数包括必要换相目标和可选换相目标,必要换相目标为三相不平衡度和换相操作次数,可选换相目标是通过换相目标与配电台区特性表征参数之间的关联模型的匹配而确定的;所述配电台区特性自适应匹配多换相目标优化模型的约束条件为给定的各换相目标的限值;
所述负荷换相失败风险评估包括以下步骤:计算按照最优换相指令完成负荷换相时刻的三相不平衡度,并根据计算得到的三相不平衡度与最优换相指令所对应的换相策略在求解中达到的三相不衡度优化值的相对误差,判断负荷换相失败风险;
所述换相补救措施指令生成包括以下步骤:将未能执行最优换相指令的执行终端所在相上的其它不需要执行任何最优换相指令的执行终端作为关联执行终端,并由关联执行终端完成换相方式相同的换相操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110409536.9A CN113162075B (zh) | 2021-04-16 | 2021-04-16 | 基于台区特性匹配的三相不平衡主动治理方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110409536.9A CN113162075B (zh) | 2021-04-16 | 2021-04-16 | 基于台区特性匹配的三相不平衡主动治理方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113162075A CN113162075A (zh) | 2021-07-23 |
CN113162075B true CN113162075B (zh) | 2023-05-12 |
Family
ID=76868229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110409536.9A Active CN113162075B (zh) | 2021-04-16 | 2021-04-16 | 基于台区特性匹配的三相不平衡主动治理方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113162075B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113890067A (zh) * | 2021-09-10 | 2022-01-04 | 三峡大学 | 基于statcom与换相开关相结合的三相不平衡治理方法 |
CN113866524B (zh) * | 2021-10-15 | 2023-11-24 | 杭州电子科技大学 | 一种三相电力不平衡程度变化趋势衡量方法及系统 |
CN116633017B (zh) * | 2023-05-26 | 2024-04-02 | 国网四川省电力公司攀枝花供电公司 | 一种配电台区分支线路的负荷监测预警方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137755A (zh) * | 2015-08-27 | 2015-12-09 | 成都飞机工业(集团)有限责任公司 | 一种无人机任务负载自适应配电方法 |
CN105762818A (zh) * | 2016-05-06 | 2016-07-13 | 国网吉林省电力有限公司电力科学研究院 | 一种基于贪心策略的用户三相不平衡调整方法 |
JP2018164363A (ja) * | 2017-03-27 | 2018-10-18 | 中国電力株式会社 | 電圧予測方法、負荷配分決定方法及び電圧予測システム |
CN110942173A (zh) * | 2019-10-15 | 2020-03-31 | 合肥工业大学 | 一种基于负荷预测和相序优化的配电台区节能降损方法 |
-
2021
- 2021-04-16 CN CN202110409536.9A patent/CN113162075B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137755A (zh) * | 2015-08-27 | 2015-12-09 | 成都飞机工业(集团)有限责任公司 | 一种无人机任务负载自适应配电方法 |
CN105762818A (zh) * | 2016-05-06 | 2016-07-13 | 国网吉林省电力有限公司电力科学研究院 | 一种基于贪心策略的用户三相不平衡调整方法 |
JP2018164363A (ja) * | 2017-03-27 | 2018-10-18 | 中国電力株式会社 | 電圧予測方法、負荷配分決定方法及び電圧予測システム |
CN110942173A (zh) * | 2019-10-15 | 2020-03-31 | 合肥工业大学 | 一种基于负荷预测和相序优化的配电台区节能降损方法 |
Non-Patent Citations (2)
Title |
---|
An Optimal Phase Balancing Technique for Unbalanced Three-Phase Secondary Distribution Systems;Swapna Mansani et al.;《2016 IEEE 7th Power India International Conference (PIICON)》;20171026;第1-6页 * |
基于改进NARX神经网络的三相不平衡治理技术;石定中等;《电器与能效管理技术》;20200831(第8期);第88-93页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113162075A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113162075B (zh) | 基于台区特性匹配的三相不平衡主动治理方法与装置 | |
CN103647276B (zh) | 一种电能质量预警系统及其方法 | |
CN107643457A (zh) | 一种用于微电网能量管理系统的测试方法及系统 | |
CN109698500B (zh) | 一种基于智能软开关的配电网供电可靠性提升方法 | |
CN106875127B (zh) | 统一潮流控制器可靠性建模及其接入电网可靠性评估方法 | |
Yang et al. | Harmonic characteristics data-driven THD prediction method for LEDs using MEA-GRNN and improved-AdaBoost algorithm | |
CN114336690B (zh) | 基于智能终端的台区三相不平衡治理方法、系统及存储介质 | |
CN115021325A (zh) | 基于ddpg算法的光伏逆变器多目标优化方法 | |
CN107453369B (zh) | 智能配电网优化节电降损系统 | |
CN111049164A (zh) | 一种基于换相开关的三相不平衡优化方法和系统 | |
CN110502804B (zh) | 一种电动汽车充电过程时变谐波电流评估方法及系统 | |
CN110492493B (zh) | 一种电力系统无功补偿配置优化方法 | |
CN104573858A (zh) | 一种电网负荷的预测和调控方法 | |
CN116544995A (zh) | 基于云边协同的储能电池一致性充放电控制方法及系统 | |
CN115102195B (zh) | 一种基于农村电网的三相负荷不平衡治理方法及装置 | |
CN206060207U (zh) | 一种基于智能变压器的无功功率控制装置 | |
CN210224970U (zh) | 一种用于单相负荷的三相不平衡换相装置 | |
CN111860617A (zh) | 一种配电网综合优化运行方法 | |
CN112994016A (zh) | 一种用于电力系统潮流的恢复可解性调整方法及系统 | |
CN108736483A (zh) | 一种电网运行方式的确定方法及确定系统 | |
Wang et al. | Cloud-Edge Collaboration Based Operation Strategy in Medium-Low Distribution Network | |
Hayireding et al. | Design and Implementation of Low-Voltage Distribution Line Load Pre-Balanced System Based on Commutation Method | |
CN115864426A (zh) | 一种基于数字孪生的配电网低电压治理评估系统及方法 | |
Lai et al. | A Novel Adjustment Strategy for Reducing Three-Phase Unbalance in Low-Voltage Distribution Area | |
Tian et al. | Intelligent Distribution Optimization of Distribution Network Based on Multi-objective Genetic Algorithm |
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 |