CN113326474A - 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统 - Google Patents
互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统 Download PDFInfo
- Publication number
- CN113326474A CN113326474A CN202110603243.4A CN202110603243A CN113326474A CN 113326474 A CN113326474 A CN 113326474A CN 202110603243 A CN202110603243 A CN 202110603243A CN 113326474 A CN113326474 A CN 113326474A
- Authority
- CN
- China
- Prior art keywords
- jacobian matrix
- sensitivity
- regulation
- node
- elements
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统,所述方案包括:基于节点的视在功率分别对节点电压相角和电压幅值进行求导,确定互联大电网的雅可比矩阵表示;通过所述雅可比矩阵中的元素对调控量参数求导,确定雅可比矩阵元素与调控量之间的灵敏度映射关系;其中,基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用;基于获得的灵敏度映射关系,获得雅可比矩阵元素调控灵敏度的优化计算结果;所述方案基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用,有效提高了雅可比矩阵调控灵敏度计算的实时性,进而为互联大电网的实时预防控制奠定了基础。
Description
技术领域
本公开属于电力系统相关技术领域,尤其涉及一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
发明人发现,在求取调控措施对电压稳定指标的灵敏度时,现有方法的中间求解过程中都需要涉及雅可比矩阵调控灵敏度的计算。对于一万节点以上的互联大电网,其调控变量数量也是接近万级水平,如果不采用任何优化流程的设计,内存占用会达到TB级,使电压稳定指标的调控灵敏度计算无法满足在线运行的要求,进而导致无法对互联大电网的运行进行实时预防控制,影响电网的正常运行。
发明内容
本公开为了解决上述问题,提供了一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统,所述方案基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用,有效提高了雅可比矩阵调控灵敏度计算的实时性,进而为互联大电网的实时预防控制奠定了基础。
根据本公开实施例的第一个方面,提供了一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法,包括:
基于节点的视在功率分别对节点电压相角和电压幅值进行求导,确定互联大电网的雅可比矩阵表示;
通过所述雅可比矩阵中的元素对调控量参数求导,确定雅可比矩阵元素与调控量之间的灵敏度映射关系;其中,基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用;
基于获得的灵敏度映射关系,获得雅可比矩阵元素调控灵敏度的优化计算结果。
进一步的,所述基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用,具体为:在对所述的各部分进行求解时,将其第一部分中的转化为CSR存储的稀疏矩阵,将第二部分中的转化为CSC存储的稀疏矩阵。
根据本公开实施例的第二个方面,提供了一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统,包括:
雅可比矩阵表示确定单元,其用于基于节点的视在功率分别对节点电压相角和电压幅值进行求导,确定互联大电网的雅可比矩阵表示;
灵敏度映射关系求解单元,其用于通过所述雅可比矩阵中的元素对调控量参数求导,确定雅可比矩阵元素与调控量之间的灵敏度映射关系;其中,基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用;
灵敏度计算单元,其用于基于获得的灵敏度映射关系,获得雅可比矩阵元素调控灵敏度的优化计算结果。
根据本公开实施例的第三个方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上运行的计算机程序,所述处理器执行所述程序时实现所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
根据本公开实施例的第四个方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
与现有技术相比,本公开的有益效果是:
(1)本公开所述方案在求取调控措施对电压稳定指标的灵敏度时,基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用,有效提高了雅可比矩阵调控灵敏度计算的实时性,进而为互联大电网的实时预防控制奠定了基础。
(2)所述方案基于节点的视在功率对节点电压相角和电压幅值的求导结果,将所述和的求解过程分别划分为以下四个部分之和进行求解;在对所述的各部分进行求解时,将其第一部分中的转化为CSR存储的稀疏矩阵,将第二部分中的转化为CSC存储的稀疏矩阵;针对的求解过程也采用上述方式;所述方案在保证求解精度的同时,提高了求解的效率,有效满足互联大电网预防控制在线运行的实时性要求。
本公开附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例一中所述的第一部分优化求解流程示意图;
图2为本公开实施例一中所述的第四部分优化求解流程示意图。
具体实施方式
下面结合附图与实施例对本公开做进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例一:
本实施例的目的是提供一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法,包括:
基于节点的视在功率分别对节点电压相角和电压幅值进行求导,确定互联大电网的雅可比矩阵表示;
通过所述雅可比矩阵中的元素对调控量参数求导,确定雅可比矩阵元素与调控量之间的灵敏度映射关系;其中,基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用;
基于获得的灵敏度映射关系,获得雅可比矩阵元素调控灵敏度的优化计算结果。
具体的,为了便于理解,以下结合附图对本公开所述方案进行详细说明:
本公开所述方案针对雅可比矩阵调控灵敏度计算过程中的特点进行专门的优化设计使其满足在线运行的实时性要求。
雅可比矩阵可以表示成:
式中,real和imag代表对复数取实部和虚部;pl表示PQ、联络节点(P=0、Q=0的PQ节点)对应的行或列的位置,pvl表示PV、PQ、联络节点对应的行或列的位置。
式中,m为PV节点的个数;PV节点调压可以作为调控措施,所以直接将其对应的调控部分设为1。
由式(1-2)和式(1-3)可以推导得到:
如果直接利用式(1-5)、(1-6)和式(1-8)、(1-9)求取和对于过万节点系统会出现维度灾难问题。对于国调19495节点系统,有6719个调控措施。和的维度为19495×194952,当采用稀疏矩阵存储时非零元素个数为12930058,可以满足存储和计算速度的要求。但式(1-5)、(1-6)中的为满足直接矩阵计算需要对角化存储,对角化后的维度为19495×6719×194952,非零元素个数为1739321090850,当采用双精度浮点数存储数组时,占用内存为12958GB,会出现维度灾难问题,难以满足存储和计算速度的要求。
需要说明的是,互联大电网存在节点导纳矩阵对称,雅可比矩阵非零元素对称分布、稀疏度高等特点,所以利用上述特点优化计算过程。
式(1-11)的每行元素中,与相乘的部分完全相同。利用这一特点快速求取式(1-11)中的值。首先将转化为CSR(Compressed Sparse Row)存储的稀疏矩阵,式(1-11)的元素求解过程如图1所示。
如图1的求解流程中,首先求取非零元的值和行列位置,如(a)所示,NR1为中非零元的个数,N为系统节点的个数;然后按照(a)中非零元行的位置arow按行索引dUa/dr、dUm/dr得到(b)和(c),矩阵中nr为调控量的总数目;然后求解(b)、(c)矩阵中的非零元值和位置得到(d)、(e),N1、N2为dUa/dr、dUm/dr的非零元的个数;最后按照(d)、(e)中非零元行的位置drow、erow索引(a)得到(f)、(g)矩阵。
矩阵(d)中的dvalues值为式(1-11)中的dUai/drk,(f)中的fvalues值即为式(1-11)中的依据(f)中的frow去索引节点的电压相量可以得到式(1-11)中的以上三项相乘即可计算得到相乘的结果在中的位置为frow行和fcolumn+n×dcolumn列,n为所有状态量的数量,这样排列可以使中同一个调控措施的元素排列在一起,使后续的索引速度大大加快。同理,可以利用图中的(e)和(g)计算得到的值和在中的位置。
式中,Y系统节点导纳矩阵。
式(1-14)中与相乘的部分,每行元素乘以相同电压相量,剩余部分每列完全相同。利用这一特点快速求取式(1-14)中的值。首先将转化为CSC(Compressed Sparse Column)存储的稀疏矩阵,在将稀疏矩阵的存储格式转化以后,仍然可以利用图1的流程进行求解,只需要将图1中第一步中按照(a)中非零元行的位置arow索引改为按非零元列的位置acloumn索引即可。由于雅可比矩阵元素对称和矩阵的稀疏存储设计,图中(b)、(c)矩阵中的非零元值和位置(d)、(e)和第一部分求取完全相同,不需要重复计算。
矩阵(d)中的dvalues值为式(1-14)中的dUaj/drk,(f)中的fvalues值为式(1-14)中的依据(f)中的frow去索引节点的电压相量即可得到式(1-14)中的以上三项相乘即可得到相乘的结果在中的位置为frow行和fcolumn+n×dcolumn列。利用(e)和(g)采用相同的计算步骤可以得到非零元值和位置,但需要增加依据(f)中的fcolumn索引节点的电压幅值得到的Umj。
由上式可知,式(1-15)对不同调控措施的结果由下式计算得到的矩阵的各列向量分别进行对角矩阵构造得到。
式(1-20)的元素求解过程如图2所示。首先求取dUa/dr dUm/dr非零元的值和行列位置,如(c)、(d)所示,将(c)、(d)转化为(e)、(f)。(e)中的evalues值即为式(1-20)中的dUai/drk,依据(e)中的erow去索引节点的电压相量和电流相量共轭值即可得到式(1-20)中的以上三项相乘即可计算得到相乘的结果在中的位置为erow行和ecolumn列。同理利用(d)和(f)可以得到的值和在中的位置。的第四部分的求解相似,对应式(1-20)的元素值中只有
进一步的,为验证本公开对雅可比矩阵调控灵敏度dJc/dr形成过程的加速效果,在国调在线数据上利用表3-4的四种方案分别形成dJc/dr,方案2、3、4都采用上文所述的整个计算流程,只是局部存在不同优化,不同加速方案的计算效果如下表所示。
表3-4不同加速方案的计算效果
由上表可以看出,采用上文计算流程的方案2、3、4都可以快速计算出dJc/dr的结果,尤其本公开采用的最终加速方案4可以在10秒内完成计算。所有PQ节点的静态电压稳定裕度对调控措施的灵敏度计算需要11.757秒,满足在线运行的实时性要求。
实施例二:
本实施例的目的是提供一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统。
一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统,包括:
雅可比矩阵表示确定单元,其用于基于节点的视在功率分别对节点电压相角和电压幅值进行求导,确定互联大电网的雅可比矩阵表示;
灵敏度映射关系求解单元,其用于通过所述雅可比矩阵中的元素对调控量参数求导,确定雅可比矩阵元素与调控量之间的灵敏度映射关系;其中,基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用;
灵敏度计算单元,其用于基于获得的灵敏度映射关系,获得雅可比矩阵元素调控灵敏度的优化计算结果。
在更多实施例中,还提供:
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例一中所述的方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一中所述的方法。
实施例一中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
上述实施例提供的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统可以实现,具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法,其特征在于,包括:
基于节点的视在功率分别对节点电压相角和电压幅值进行求导,确定互联大电网的雅可比矩阵表示;
通过所述雅可比矩阵中的元素对调控量参数求导,确定雅可比矩阵元素与调控量之间的灵敏度映射关系;其中,基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用;
基于获得的灵敏度映射关系,获得雅可比矩阵元素调控灵敏度的优化计算结果。
5.一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统,其特征在于,包括:
雅可比矩阵表示确定单元,其用于基于节点的视在功率分别对节点电压相角和电压幅值进行求导,确定互联大电网的雅可比矩阵表示;
灵敏度映射关系求解单元,其用于通过所述雅可比矩阵中的元素对调控量参数求导,确定雅可比矩阵元素与调控量之间的灵敏度映射关系;其中,基于非零元素对称分布以及稀疏度高的特点,对所述求导过程的中间结果进行复用;
灵敏度计算单元,其用于基于获得的灵敏度映射关系,获得雅可比矩阵元素调控灵敏度的优化计算结果。
9.一种电子设备,包括存储器、处理器及存储在存储器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-4任一项所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4任一项所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110603243.4A CN113326474B (zh) | 2021-05-31 | 2021-05-31 | 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110603243.4A CN113326474B (zh) | 2021-05-31 | 2021-05-31 | 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113326474A true CN113326474A (zh) | 2021-08-31 |
CN113326474B CN113326474B (zh) | 2022-05-31 |
Family
ID=77422887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110603243.4A Active CN113326474B (zh) | 2021-05-31 | 2021-05-31 | 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113326474B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948263A (zh) * | 2019-03-22 | 2019-06-28 | 清华大学 | 基于灵敏度分析的电路优化方法及系统 |
CN111062610A (zh) * | 2019-12-16 | 2020-04-24 | 国电南瑞科技股份有限公司 | 一种基于信息矩阵稀疏求解的电力系统状态估计方法和系统 |
CN111092429A (zh) * | 2019-12-23 | 2020-05-01 | 国网北京市电力公司 | 一种柔性互联配电网的优化调度方法、存储介质及处理器 |
-
2021
- 2021-05-31 CN CN202110603243.4A patent/CN113326474B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948263A (zh) * | 2019-03-22 | 2019-06-28 | 清华大学 | 基于灵敏度分析的电路优化方法及系统 |
CN111062610A (zh) * | 2019-12-16 | 2020-04-24 | 国电南瑞科技股份有限公司 | 一种基于信息矩阵稀疏求解的电力系统状态估计方法和系统 |
CN111092429A (zh) * | 2019-12-23 | 2020-05-01 | 国网北京市电力公司 | 一种柔性互联配电网的优化调度方法、存储介质及处理器 |
Non-Patent Citations (5)
Title |
---|
CUI XINHUI等: "A Data-Driven Slow Dynamic Characteristic Extraction and State Estimation Method for Large Power Grid", 《IEEE》 * |
KAIGANG MA等: "The Calculation Method of Optimal Thevenin Equivalent Parameters Based on the Fitting of Steady-State Response Characteristics of Nodes", 《IEEE》 * |
ZHIHAO YUN等: "Online Preventive Control Method for Static Voltage Stability of Large Power Grids", 《IEEE》 * |
ZHIHAO YUN等: "Online Thevenin Equivalent Parameter Identification Method of Large Power Grids Using LU Factorization", 《IEEE》 * |
崔馨慧等: "大电网静态电压稳定在线防控灵敏度分析新方法", 《电网技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113326474B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106356859A (zh) | 一种基于Matlab的直角坐标牛顿法潮流计算方法 | |
CN103972908A (zh) | 一种基于自适应混沌粒子群算法的多目标无功优化方法 | |
CN106532711B (zh) | 随迭代和节点类型改变雅可比矩阵的牛顿法潮流计算方法 | |
CN111884259B (zh) | 一种考虑系统小干扰稳定特性的场站级风电机组等值方法 | |
CN103810646B (zh) | 一种基于改进投影积分算法的有源配电系统动态仿真方法 | |
CN103236691B (zh) | 基于复仿射数学理论的三相不平衡潮流计算方法 | |
CN104600714B (zh) | 含分布式电源的配电网无功优化方法及装置 | |
CN110120670A (zh) | 含dpv配电网无功电压优化方法、终端设备及存储介质 | |
CN105305439A (zh) | 一种考虑输入变量相关性的概率动态潮流计算方法及系统 | |
CN104734148B (zh) | 计及分布式电源的三相配电网连续潮流算法 | |
CN105184027A (zh) | 一种基于交互式多模型算法的电力负荷建模方法 | |
CN106532710A (zh) | 计及电压稳定约束的微电网潮流优化方法 | |
CN108054757A (zh) | 一种内嵌无功和电压的n-1闭环安全校核方法 | |
CN107528322A (zh) | 一种基于Gauss‑Hermite求积法的NATAF变换的概率潮流分析方法 | |
CN103488610A (zh) | 一种基于稀疏存储的非零元遍历的电网网络方程求解方法 | |
CN104953585B (zh) | 一种配电网潮流计算方法 | |
CN113890039B (zh) | 一种多端柔性直流配电网潮流调度优化方法 | |
CN113326474B (zh) | 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统 | |
CN107846022B (zh) | 基于ilutp预处理并行迭代法的大规模配电网潮流分析方法 | |
CN106410811B (zh) | 首次迭代小阻抗支路端点改变雅可比矩阵的潮流计算方法 | |
CN108847673A (zh) | 一种考虑交直流混联电网中服从任意概率分布的不确定源的基于nataf变换的概率潮流方法 | |
Mohammadi et al. | Online solving of economic dispatch problem using neural network approach and comparing it with classical method | |
CN112821420A (zh) | 一种基于XGBoost的ASFR模型中动态阻尼因子、多维频率指标的预测方法及系统 | |
Zeng et al. | Improved results on sampled-data synchronization of Markovian coupled neural networks with mode delays | |
CN110427635A (zh) | Lcc-hvdc优化电磁暂态仿真方法 |
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 |