CN113408093B - 一种基于遗传算法的电容隔直装置配置优化方法 - Google Patents

一种基于遗传算法的电容隔直装置配置优化方法 Download PDF

Info

Publication number
CN113408093B
CN113408093B CN202110729226.5A CN202110729226A CN113408093B CN 113408093 B CN113408093 B CN 113408093B CN 202110729226 A CN202110729226 A CN 202110729226A CN 113408093 B CN113408093 B CN 113408093B
Authority
CN
China
Prior art keywords
direct current
blocking device
neutral point
transformer
blocking
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
Application number
CN202110729226.5A
Other languages
English (en)
Other versions
CN113408093A (zh
Inventor
林圣�
赵丽平
史云涛
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202110729226.5A priority Critical patent/CN113408093B/zh
Publication of CN113408093A publication Critical patent/CN113408093A/zh
Application granted granted Critical
Publication of CN113408093B publication Critical patent/CN113408093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Biophysics (AREA)
  • Tourism & Hospitality (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Optimization (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Computational Mathematics (AREA)
  • Biomedical Technology (AREA)

Abstract

本发明公开了一种基于遗传算法的电容隔直装置配置优化方法，具体为：基于遗传算法寻优过程及改进，以直流偏磁抑制效果满足情况下治理成本最少为目标建立目标函数，将电容隔直装置安装问题等效为离散函数优化问题，通过运算得出电容隔直装置优化配置方案。本发明考虑了地铁杂散电流在城市片区电网的传播路径并规定了可能出现的概率事件，实现了针对地铁杂散电流引起变压器直流偏磁的优化抑制，节省了企业的治理成本。

Description

一种基于遗传算法的电容隔直装置配置优化方法
技术领域
本发明属于电力系统稳定运行领域，具体涉及一种基于遗传算法的电容隔直装置配置优化方法。
背景技术
目前，地铁多采用直流牵引供电系统，由于钢轨与大地之间无法做到完全绝缘，牵引电流经钢轨回流的过程中，部分电流泄漏到大地形成地铁杂散电流。由于城市电网中存在大量接地变压器，因此当地铁杂散电流在大地中流通时，会通过大地流入到变压器所连接的接地网中，进而入侵城市电网。地铁杂散电流入侵城市电网可导致变压器发生直流偏磁现象，使得变压器振动加剧、噪声增大、局部温升增加，严重时会大大影响变压器的使用寿命；同时地铁杂散电流的入侵可导致电网电抗器谐波增加、接地网加速腐蚀等现象，给电网的正常运行带来了严重隐患。
针对地铁杂散电流导致变压器直流偏磁的抑制，主要通过在直流电流超标的变压器中性点加装电容隔直装置等方式，但此方法会使得附近变压器中性点直流电流超标从而进一步加重直流偏磁现象，若采用城市片区电网变压器全部加装隔直装置方式，则会导致治理成本过高。根据现有研究，目前针对地铁杂散电流导致变压器直流偏磁的优化治理研究较少且不够深入，大多仅针对直流接地极入地电流及地磁感应电流导致的变压器直流偏磁现象进行了优化抑制。这类方法并不能完全适用于以地铁杂散电流为源头的直流偏磁治理。一种基于遗传算法的电容隔直装置配置优化方法研究能够为变压器直流偏磁的抑制提供科学有效的隔直装置部署方案，节约治理成本。
发明内容
针对上述问题，本发明的目的在于提供一种基于遗传算法的电容隔直装置配置优化方法，能够实现对地铁杂散电流导致城市电网接地变压器发生直流偏磁的抑制研究，其结果可以对现场隔直装置的优化配置提供指导性建议。
本发明的一种基于遗传算法的电容隔直装置配置优化方法，包括以下步骤：
步骤A：定义变压器中性点直流的评价函数，反映各接地变压器受地铁杂散电流入侵程度，参与隔直装置的优化配置计算。
步骤B：根据变电站数量，对各变电站依次进行编号，并对隔直装置安装方案进行二进制编码。随机生成49个初始配置方案(如：[1,0,0,1,1,0,1,0,0,1])，并在初始生成矩阵中加入全部安装电容隔直装置的方案，最终形成50个初始配置方案。
步骤C：建立目标函数，将目标函数量化为直流电流治理效果与隔直数量叠加形式，其中治理效果以指数函数表示，隔直数量定义为一次函数，该目标函数表示直流偏磁治理效果满足情况下，隔直装置安装数量最少。
步骤D：选取列车运行高峰时期约一个发车间隔周期的接地变压器中性点直流电流实测值，根据评价函数进行中性点直流评价值初始值的计算，并将中性点直流评价值初始值代入目标函数中进行迭代计算。
步骤E：迭代计算过程中定义电容隔直装置投入后地铁杂散电流的分布概率。
步骤E1：定义隔直装置投入时地铁杂散电流流出城市电网的概率。设定隔直装置投入后，地铁杂散电流流出电力系统的比例为50％-70％，剩余30％-50％的直流通过未添加电容隔直装置的接地变压器中性点继续进入到电力系统中。
步骤E2：定义城市片区电网中地铁杂散电流传播路径及其分配比例。隔直装置投入后进入到城市电网的30％-50％的直流，设置其在输电线路中流通的比例为60％-80％，迭代过程中在此范围随机取值，剩余20％-40％比例的杂散电流通过架空地线及大地流通。
步骤E3：隔直装置投入时，通过输电线路或避雷线传播的杂散电流按比例6:4分别对500kV和220kV变压器中性点进行分配，并进行中性点直流的叠加计算。大地等效通路与其上方架空地线二者中流通的杂散电流平均分配到每个接地变压器中性点，并进行中性点直流的叠加计算。
步骤F：根据遗传算法在规定的分布概率下进行隔直装置安装方案的寻优。
步骤F1：根据初始隔直方案进行各方案对应目标函数值的计算。
步骤F2：根据隔直方案所对应的目标函数值进行选择、交叉、变异等操作。目标函数值逐渐趋于最小。
步骤F3：当隔直装置安装方案在该分配比例范围内，目标函数值达到最小时，停止迭代计算过程，输出最优方案。
步骤G：检验各接地变压器中性点直流评价指标是否满足要求。若未添加隔直装置的500kV变压器中性点直流电流在8A内，未添加隔直装置的220kV变压器中性点直流电流在5A内，则优化方案满足治理要求。
进一步的，步骤A中评价函数计算公式为：
Figure BDA0003138708350000021
式中，Idc为中性点直流电流评价值；im为中性点直流电流数据采样点的电流值；n采样点个数；f为采样频率；t为采样时间。
进一步的，步骤C的目标函数为：
Figure BDA0003138708350000031
式中，t为城市片区电网中接地变压器编号；s为城市片区电网接地变压器个数；Idct为编号为t的接地变压器中性点直流电流评价值；Idct0为编号为t的接地变压器中性点直流电流限定值；P为电容隔直装置的安装数量。
进一步的，步骤F2中，选择方式采用轮盘赌选择的方式，交叉率设置为0.8，变异方式采用基本位变异的方式。
本发明的有益技术效果为：
一、在遗传算法寻优过程中，通过初始生成矩阵的干预，使得初始形成方案扩大范围，避免了寻优过程中提前陷入局部收敛等问题。
二、通过合理设置目标函数与评价指标，实现了地铁杂散电流入侵接地变压器严重程度的有效评估。
三、基于遗传算法，实现了电容隔直装置数量及安装位置的寻优，提供了科学有效的部署方案，节约了企业治理成本。
附图说明
图1为本发明基于遗传算法的电容隔直装置配置优化方法流程图。
具体实施方式
下面结合附图和具体实施方法对本发明做进一步详细说明。
本发明的一种基于遗传算法的电容隔直装置配置优化方法流程如图1所示，具体为：
步骤A：定义变压器中性点直流的评价函数，反映各接地变压器受地铁杂散电流入侵程度，参与隔直装置的优化配置计算。
评价函数计算公式为：
Figure BDA0003138708350000032
式中，Idc为中性点直流电流评价值；im为中性点直流电流数据采样点的电流值；n采样点个数；f为采样频率；t为采样时间。
步骤B：根据变电站数量，对各变电站依次进行编号，并对隔直装置安装方案进行二进制编码。随机生成49个初始配置方案(如：[1,0,0,1,1,0,1,0,0,1])，并在初始生成矩阵中加入全部安装电容隔直装置的方案，最终形成50个初始配置方案。
步骤C：建立目标函数，将目标函数量化为直流电流治理效果与隔直数量叠加形式，其中治理效果以指数函数表示，隔直数量定义为一次函数，该目标函数表示直流偏磁治理效果满足情况下，隔直装置安装数量最少。
目标函数为：
Figure BDA0003138708350000041
式中，t为城市片区电网中接地变压器编号；s为城市片区电网接地变压器个数；Idct为编号为t的接地变压器中性点直流电流评价值；Idct0为编号为t的接地变压器中性点直流电流限定值；P为电容隔直装置的安装数量。
步骤D：选取列车运行高峰时期约一个发车间隔周期的接地变压器中性点直流电流实测值，根据评价函数进行中性点直流评价值初始值的计算，并将中性点直流评价值初始值代入目标函数中进行迭代计算。
步骤E：迭代计算过程中定义电容隔直装置投入后地铁杂散电流的分布概率。
步骤E1：定义隔直装置投入时地铁杂散电流流出城市电网的概率。设定隔直装置投入后，地铁杂散电流流出电力系统的比例为50％-70％，剩余30％-50％的直流通过未添加电容隔直装置的接地变压器中性点继续进入到电力系统中。
步骤E2：定义城市片区电网中地铁杂散电流传播路径及其分配比例。隔直装置投入后进入到城市电网的30％-50％的直流，设置其在输电线路中流通的比例为60％-80％，迭代过程中在此范围随机取值，剩余20％-40％比例的杂散电流通过架空地线及大地流通。
步骤E3：隔直装置投入时，通过输电线路或避雷线传播的杂散电流按比例6:4分别对500kV和220kV变压器中性点进行分配，并进行中性点直流的叠加计算。大地等效通路与其上方架空地线二者中流通的杂散电流平均分配到每个接地变压器中性点，并进行中性点直流的叠加计算。
步骤F：根据遗传算法在规定的分布概率下进行隔直装置安装方案的寻优。
步骤F1：根据初始隔直方案进行各方案对应目标函数值的计算。
步骤F2：根据隔直方案所对应的目标函数值进行选择、交叉、变异等操作。目标函数值逐渐趋于最小。选择方式采用轮盘赌选择的方式，交叉率设置为0.8，变异方式采用基本位变异的方式。
步骤F3：当隔直装置安装方案在该分配比例范围内，目标函数值达到最小时，停止迭代计算过程，输出最优方案。
步骤G：检验各接地变压器中性点直流评价指标是否满足要求。若未添加隔直装置的500kV变压器中性点直流电流在8A内，未添加隔直装置的220kV变压器中性点直流电流在5A内，则优化方案满足治理要求。

Claims (3)

1.一种基于遗传算法的电容隔直装置配置优化方法，其特征在于，包括以下步骤：
步骤A：定义变压器中性点直流的评价函数，反映各接地变压器受地铁杂散电流入侵程度，参与隔直装置的优化配置计算，评价函数计算公式为：
Figure FDA0003523287140000011
n＝fT(T≥180)
式中，Idc为中性点直流电流评价值；im为中性点直流电流数据采样点的电流值；n采样点个数；f为采样频率；T为采样时间；
步骤B：根据变电站数量，对各变电站依次进行编号，并对隔直装置安装方案进行二进制编码；随机生成49个初始配置方案，并在初始生成矩阵中加入全部安装电容隔直装置的方案，最终形成50个初始配置方案；
步骤C：建立目标函数，将目标函数量化为直流电流治理效果与隔直数量叠加形式，其中治理效果以指数函数表示，隔直数量定义为一次函数，该目标函数表示直流偏磁治理效果满足情况下，隔直装置安装数量最少；
步骤D：选取列车运行高峰时期一个发车间隔周期的接地变压器中性点直流电流实测值，根据评价函数进行中性点直流评价值初始值的计算，并将中性点直流评价值初始值代入目标函数中进行迭代计算；
步骤E：迭代计算过程中定义电容隔直装置投入后地铁杂散电流的分布概率；
步骤E1：定义隔直装置投入时地铁杂散电流流出城市电网的概率；设定隔直装置投入后，地铁杂散电流流出电力系统的比例为50％-70％，剩余30％-50％的直流通过未添加电容隔直装置的接地变压器中性点继续进入到电力系统中；
步骤E2：定义城市片区电网中地铁杂散电流传播路径及其分配比例；隔直装置投入后进入到城市电网的30％-50％的直流，设置其在输电线路中流通的比例为60％-80％，迭代过程中在此范围随机取值，剩余20％-40％比例的杂散电流通过架空地线及大地流通；
步骤E3：隔直装置投入时，通过输电线路或避雷线传播的杂散电流按比例6:4分别对500kV和220kV变压器中性点进行分配，并进行中性点直流的叠加计算；大地等效通路与其上方架空地线二者中流通的杂散电流平均分配到每个接地变压器中性点，并进行中性点直流的叠加计算；
步骤F：根据遗传算法在规定的分布概率下进行隔直装置安装方案的寻优；
步骤F1：根据初始隔直方案进行各方案对应目标函数值的计算；
步骤F2：根据隔直方案所对应的目标函数值进行选择、交叉、变异操作；目标函数值逐渐趋于最小；
步骤F3：当隔直装置安装方案在该分配比例范围内，目标函数值达到最小时，停止迭代计算过程，输出最优方案；
步骤G：检验各接地变压器中性点直流评价指标是否满足要求；若未添加隔直装置的500kV变压器中性点直流电流在8A内，未添加隔直装置的220kV变压器中性点直流电流在5A内，则优化方案满足治理要求。
2.根据权利要求1所述的一种基于遗传算法的电容隔直装置配置优化方法，其特征在于，所述步骤C的目标函数为：
Figure FDA0003523287140000021
式中，t为城市片区电网中接地变压器编号；s为城市片区电网接地变压器个数；Idct为编号为t的接地变压器中性点直流电流评价值；Idct0为编号为t的接地变压器中性点直流电流限定值；P为电容隔直装置的安装数量。
3.根据权利要求1所述的一种基于遗传算法的电容隔直装置配置优化方法，其特征在于，所述步骤F2中，选择方式采用轮盘赌选择的方式，交叉率设置为0.8，变异方式采用基本位变异的方式。
CN202110729226.5A 2021-06-29 2021-06-29 一种基于遗传算法的电容隔直装置配置优化方法 Active CN113408093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110729226.5A CN113408093B (zh) 2021-06-29 2021-06-29 一种基于遗传算法的电容隔直装置配置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110729226.5A CN113408093B (zh) 2021-06-29 2021-06-29 一种基于遗传算法的电容隔直装置配置优化方法

Publications (2)

Publication Number Publication Date
CN113408093A CN113408093A (zh) 2021-09-17
CN113408093B true CN113408093B (zh) 2022-04-29

Family

ID=77680123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110729226.5A Active CN113408093B (zh) 2021-06-29 2021-06-29 一种基于遗传算法的电容隔直装置配置优化方法

Country Status (1)

Country Link
CN (1) CN113408093B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007083800A (ja) * 2005-09-21 2007-04-05 Hitachi Information Systems Ltd 経路探索方法および経路探索プログラムおよび経路探索システム
CN102420559A (zh) * 2011-11-01 2012-04-18 南方电网科学研究院有限责任公司 基于系统辨识和遗传算法的发电机广域阻尼控制方法
CN109992917A (zh) * 2019-04-10 2019-07-09 苏州浪潮智能科技有限公司 一种设计隔直电容参考平面的方法及装置
CN111338233A (zh) * 2020-03-03 2020-06-26 西南交通大学 一种城市电网中地铁杂散电流分布的仿真建模方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005038216A (ja) * 2003-07-16 2005-02-10 Shinka System Sogo Kenkyusho:Kk パラメータ調整装置
JP2007226567A (ja) * 2006-02-23 2007-09-06 Fujitsu Ltd 回路シミュレータおよび回路シミュレーションプログラム
CN103514320B (zh) * 2013-07-25 2016-08-10 国家电网公司 一种多直流落点地区变压器直流偏磁的仿真方法
CN104986057B (zh) * 2015-07-22 2017-06-09 北京交通大学 轨道交通负电压回流直流供电系统
CN108563881A (zh) * 2018-04-20 2018-09-21 重庆邮电大学 一种基于遗传算法优化的高增益v波段功率放大器
CN108521114B (zh) * 2018-05-10 2019-12-17 四川大学 一种变压器中性点电容隔直装置的优化配置方法
CN109374998B (zh) * 2018-09-14 2020-01-07 北京交通大学 直流牵引系统轨道电位和杂散电流动态模拟装置
CN109829187A (zh) * 2018-12-14 2019-05-31 中国大唐集团科学技术研究院有限公司火力发电技术研究院 一种大型变压器直流偏磁问题评估及治理方法
CN109977553B (zh) * 2019-03-28 2022-07-05 广西大学 一种基于改进遗传算法的地铁列车节能优化方法
CN110661259B (zh) * 2019-09-29 2022-11-22 云南电网有限责任公司 一种抑制频率振荡的电力系统稳定器参数优化方法及系统
CN110994552B (zh) * 2019-12-05 2021-07-27 华中科技大学 一种变压器中性点地电流抑制装置的自主投切方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007083800A (ja) * 2005-09-21 2007-04-05 Hitachi Information Systems Ltd 経路探索方法および経路探索プログラムおよび経路探索システム
CN102420559A (zh) * 2011-11-01 2012-04-18 南方电网科学研究院有限责任公司 基于系统辨识和遗传算法的发电机广域阻尼控制方法
CN109992917A (zh) * 2019-04-10 2019-07-09 苏州浪潮智能科技有限公司 一种设计隔直电容参考平面的方法及装置
CN111338233A (zh) * 2020-03-03 2020-06-26 西南交通大学 一种城市电网中地铁杂散电流分布的仿真建模方法

Also Published As

Publication number Publication date
CN113408093A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
Hou et al. Overall optimization for offshore wind farm electrical system
Kumari et al. Optimal sizing of distributed generation using particle swarm optimization
Shariatinasab et al. Optimisation of arrester location in risk assessment in distribution network
CN108521114A (zh) 一种变压器中性点电容隔直装置的优化配置方法
CN108462210B (zh) 基于数据挖掘的光伏可开放容量计算方法
Shariatinasab et al. Statistical evaluation of lightning-related failures for the optimal location of surge arresters on the power networks
CN113408093B (zh) 一种基于遗传算法的电容隔直装置配置优化方法
Yang et al. Optimal placement of grounding small resistance in neutral point for restraining voltage fluctuation in power grid caused by geomagnetic storm
Nafar et al. Improvement of estimation of surge arrester parameters by using modified particle swarm optimization
Saberi et al. Power distribution network expansion planning to improve resilience
CN108376208B (zh) 一种接地网阴极保护的辅助阳极系统优化方法
Shaalan et al. Cathodic protection performance improvement of metallic pipelines based on different DC compensation methods
CN112598324B (zh) 受端主网架规划方法及终端设备
Kamarposhti et al. Optimal location of surge arresters in distribution network considering reliability and technical and economic factors to reduce costs using ICA algorithm
CN117473683A (zh) 一种中压配电网网格规划方法及相关装置
Guo et al. Systematic protective scheme for mega‐city power systems against stray currents caused by metro systems
CN113452005B (zh) 一种城市电网变压器直流偏磁抑制方法
Ma et al. Optimal switch placement in distribution networks under different conditions using improved GA
CN105322460B (zh) 一种雷暴天气下架空配电线路抗雷击规划方法
CN112052980A (zh) 变电站配网线路故障分析预测方法
CN105552941A (zh) 一种分布式电源调峰容量优化方法
Shariatinasab et al. A methodology for optimal design of transmission lines to protection against lightning surges in presence of arresters
CN111697607A (zh) 一种多端柔性直流输电受端电网接入方法及系统
CN112653135B (zh) 采用小电阻治理地磁暴电网灾害的优化方法
Shengquan et al. Optimal Blocking Devices Placement for Geomagnetic Disturbance Mitigation Based on Sensitivity of Induced Geoelectric Fields

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