CN114114996B - 一种基于网络观测冗余度的监测装置优化配置方法 - Google Patents
一种基于网络观测冗余度的监测装置优化配置方法 Download PDFInfo
- Publication number
- CN114114996B CN114114996B CN202111304743.4A CN202111304743A CN114114996B CN 114114996 B CN114114996 B CN 114114996B CN 202111304743 A CN202111304743 A CN 202111304743A CN 114114996 B CN114114996 B CN 114114996B
- Authority
- CN
- China
- Prior art keywords
- node
- distribution network
- topology model
- network topology
- power distribution
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0421—Multiprocessor system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24182—Redundancy
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出了一种基于网络观测冗余度的监测装置优化配置方法。定义配电网络拓扑模型,进一步计算配电网络拓扑模型中最小支配集节点下限、配电网络拓扑模型中最小支配集节点上限;以此进一步搜索配电网络拓扑模型中最少监测装置数目;构建配电网络拓扑模型冗余度目标模型,并以电网络拓扑模型冗余度目标模型最大化为优化求解目标,以配电网络拓扑模型中最少监测装置数目作为约束条件,采用成熟的粒子群优化算法对配电网络拓扑模型中各节点处是否安装故障监测装置的决策变量优化求解,得到优化后的监测装置配置方案,提高配电网运行的经济性与可靠性。
Description
技术领域
本发明属于配电网故障监测优化技术领域,尤其涉及一种基于网络观测冗余度的监测装置优化配置方法。
背景技术
由于电力部门竞争的加剧,电力公用事业运营中的威胁数量正在增加,系统在正常或故障条件下应保持稳定。系统的实时状态由状态估计提供。故障检测和定位一直是电网研究中的一个活跃领域。在故障定位这一过程中,故障检测装置扮演着很重要的角色。故障检测装置检测电网电压、电流等信息,当配电网发生故障时,故障检测装置实时上传电网的故障信息,以此帮助电网运行商定位故障位置,并及时采取隔离和输电服务回复的纠正措施。故障检测装置将在未来成为智能电网的一个组成部分,因此故障检测装置的安装率正在增加。新兴技术中需要解决的最重要问题之一是其位置,其受预期系统应用的影响。限制监测装置安装数量的主要因素是其成本。目前的一些关于故障检测装置配置的研究,它们大部分的目标只是确保放置故障检测单元后对于配电网故障的可观性,即在故障检测装置足够多的前提下,保证配电网故障区域的准确识别。然而,当我们考虑到经济效益需要控制故障检测单元的数量,抑或是可用的故障检测装置有限,由于故障检测装置的配置数量受限,对于配电网的故障信息的采集和定位无法做到十分全面,此时故障检测装置的配置旨在基本保证故障区块定位准确度的情况下,尽可能减少故障检测装置的配置数目,以获得良好的经济效益。本发明即是以故障定位准确性和经济性为目标,提出了一种新的故障定位装置的优化配置方法。
发明内容
为了解决上述技术问题,本发明提出了一种基于网络观测冗余度的监测装置优化配置方法。
本发明的技术方案为一种基于网络观测冗余度的监测装置优化配置方法,其特征在于,包括以下步骤:
步骤1:定义配电网络拓扑模型,进一步计算配电网络拓扑模型中最小支配集节点下限、配电网络拓扑模型中最小支配集节点上限;
步骤2:根据配电网络拓扑模型中最小支配集节点下限和配电网络拓扑模型中最小支配集节点上限,进一步搜索配电网络拓扑模型中最少监测装置数目;
步骤3:构建配电网络拓扑模型冗余度目标模型,并以电网络拓扑模型冗余度目标模型最大化为优化求解目标,以配电网络拓扑模型中最少监测装置数目作为约束条件,采用成熟的粒子群优化算法对配电网络拓扑模型中各节点处是否安装故障监测装置的决策变量优化求解,得到优化后配电网络拓扑模型中各节点处是否安装故障监测装置的决策变量;
作为优选,步骤1所述定义配电网络拓扑模型为:
G={V,C}
V={vi},0≤i≤N
C={ci,j},0≤i≤N,0≤j≤N
其中,V表示配电网络拓扑模型中节点集合,vi表示配电网络拓扑模型中第i个节点,N表示配电网络拓扑模型中节点的总数,C为邻接矩阵,表示配电网络拓扑模型中支路的集合,ci,j表示配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间的连接关系;若i=j或配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间存在连接,则ci,j=1,否则ci,j=0。
若在某节点处装设了监测装置,则称该节点为监测节点,否则称为普通节点;
若配电网络拓扑模型中第j个节点装设监测装置,则称配电网络拓扑模型中第j个节点为监测节点;
若配电网络拓扑模型中第j个节点未装设监测装置,则称配电网络拓扑模型中第j个节点为普通节点;
且ci,j=1,则配电网络拓扑模型中第j个节点处的电压电流直接测量得到,当故障发生时可通过配电网络拓扑模型中第j个节点处电压以及配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间电流变化定位故障;
配电网络拓扑模型中节点集合中第i个节点处的电压将是配电网络拓扑模型中第j个节点处的电压减去流经传输线的电流引起的电压降,即:
Ui=Uj―Ij,i(Rj,i+jXj,i)
式中,Uj为配电网络拓扑模型中节点集合中第j个节点处电压;Ui为配电网络拓扑模型中节点集合中第i个节点处电压;Ij,i为配电网络拓扑模型中节点集合中第j个节点与第i个节点之间电流;Rj,i与Xj,i为配电网络拓扑模型中节点集合中第j个节点与第i个节点之间的线路阻抗。即如果配电网络拓扑模型中节点集合中第i个节点与监测节点直接连接,那么配电网络拓扑模型中节点集合中第i个节点也为可观测的节点;
若要使得配电网络拓扑模型中使用的监测装置数目最少,则等同于在配电网络拓扑模型中寻找最小支配集;
步骤1所述的配电网络拓扑模型中最小支配集节点下限、配电网络拓扑模型中最小支配集节点上限分别为:
式中,N表示配电网络拓扑模型中节点的总数,为向下取整符号;/>为向上取整符号;minL为配电网络拓扑模型中最小支配集节点下限,即最少需要minL个节点才能组成支配集;maxL为配电网络拓扑模型中最小支配集节点上限,即一定有由maxL个节点组成的支配集;最佳监测装置数目在最小支配集节点上限、最小支配集节点下限之间;
当配电网络拓扑模型中监测节点组成该配电网络的支配集时,认为配电网络拓扑模型中每一节点都可观测,称该配电网络拓扑模型为完全可观测;
作为优选,步骤2所述进一步寻找配电网络拓扑模型中最少监测装置数目具体为:
先从配电网络拓扑模型中最小支配集节点下限即minL开始在配电网络拓扑模型中进行全局搜索,若配电网络拓扑模型中存在minL个节点组成的支配集,则认为minL即为最少的监测装置数目;
若不存在,则在[minL,maxL]内采用二分算法寻找最少监测装置数目;
具体按下式进入循环过程:
式中,N表示配电网络拓扑模型中节点的总数,minL为配电网络拓扑模型中最小支配集节点下限,maxL为配电网络拓扑模型中最小支配集节点上限;L为当前采取的监测节点数目,初始时令L=minL;
当寻至L值,使得配电网络拓扑模型中存在L个节点组成的支配集,而不存在L-1个节点组成的支配集时,将L定义为配电网络拓扑模型中最少监测装置数目;
作为优选,步骤3所述以电网络拓扑模型冗余度目标模型最大化为优化求解目标为:
其中,Ryd表示冗余度,N表示配电网络拓扑模型中节点的总数,ci,j表示配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间的连接关系,若i=j或配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间存在连接,则ci,j=1,否则ci,j=0;
ui是配电网络拓扑模型中节点集合中第i个节点待优化配置的决策变量,具体定义如下:
所述ui由配电网络拓扑模型中节点集合中第i个节点是否装设监测装置而决定,如有则称配电网络拓扑模型中节点集合中第i个节点为监测节点,取ui=1,否则称配电网络拓扑模型中节点集合中第i个节点为普通节点,取ui=0;
步骤3所述以配电网络拓扑模型中最少监测装置数目作为约束条件为:
其中,L表示配电网络拓扑模型中最少监测装置数目;
本发明的有益效果是求得满足系统完全可观测的最少监测装置数,保证了配电网故障定位的经济性和可靠性;同时在满足系统故障可观测的情况下,利用冗余度定位到最优的监测节点,提高了配电网故障定位的容错性和准确性。
附图说明
图1:为基于网络观测冗余度的监测装置优化配置方法的低压配电网络拓扑图;
图2:为基于网络观测冗余度的监测装置优化配置方法的优化配置总体流程图。
具体实施方式
以下结合附图及实施例对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。应理解这些实施例仅用于说明本发明而不用于限制本发明范围,在阅读本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权力要求所限定的范围。
如附图1所示,低压配电网运行时可划分为诸多配电区域。配电区域由监测节点(图1中H1—H9)或监测节点与负荷围成,且配电区域中不再还有监测节点。对不同的配电区域进行编号,如图中(1)-(9)所示。在配电区域内出现故障时,故障会引起周围监测节点的电压电流发生异常变化,监测节点装有监测装置,其电压电流可直接观测得到,因此可通过监测节点上传的电压电流信息,将故障定位于某个配电区域之内。然而监测装置的配置会带来配电网投资成本与运行成本的上升,因此在实际运行时,往往不是每一个节点都装设有监测装置。所以要考虑监测装置的优化配置问题,在完成对配电网完全可观测的条件下,尽可能的减少监测装置的数目以及设计最佳安装位置。
下面结合图1至图2介绍本发明的具体实施方式一种基于网络观测冗余度的监测装置优化配置方法,其特征在于,包括以下步骤:
步骤1:定义配电网络拓扑模型,进一步计算配电网络拓扑模型中最小支配集节点下限、配电网络拓扑模型中最小支配集节点上限;
步骤1所述定义配电网络拓扑模型为:
G={V,C}
V={vi},0≤i≤N
C={ci,j},0≤i≤N,0≤j≤N
其中,V表示配电网络拓扑模型中节点集合,vi表示配电网络拓扑模型中第i个节点,N表示配电网络拓扑模型中节点的总数,C为邻接矩阵,表示配电网络拓扑模型中支路的集合,ci,j表示配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间的连接关系;若i=j或配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间存在连接,则ci,j=1,否则ci,j=0。
若在某节点处装设了监测装置,则称该节点为监测节点,否则称为普通节点;
若配电网络拓扑模型中第j个节点装设监测装置,则称配电网络拓扑模型中第j个节点为监测节点;
若配电网络拓扑模型中第j个节点未装设监测装置,则称配电网络拓扑模型中第j个节点为普通节点;
且ci,j=1,则配电网络拓扑模型中第j个节点处的电压电流直接测量得到,当故障发生时可通过配电网络拓扑模型中第j个节点处电压以及配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间电流变化定位故障;
配电网络拓扑模型中节点集合中第i个节点处的电压将是配电网络拓扑模型中第j个节点处的电压减去流经传输线的电流引起的电压降,即:
Ui=Uj―Ij,i(Rj,i+jXj,i)
式中,Uj为配电网络拓扑模型中节点集合中第j个节点处电压;Ui为配电网络拓扑模型中节点集合中第i个节点处电压;Ij,i为配电网络拓扑模型中节点集合中第j个节点与第i个节点之间电流;Rj,i与Xj,i为配电网络拓扑模型中节点集合中第j个节点与第i个节点之间的线路阻抗。即如果配电网络拓扑模型中节点集合中第i个节点与监测节点直接连接,那么配电网络拓扑模型中节点集合中第i个节点也为可观测的节点;
若要使得配电网络拓扑模型中使用的监测装置数目最少,则等同于在配电网络拓扑模型中寻找最小支配集;
步骤1所述的配电网络拓扑模型中最小支配集节点下限、配电网络拓扑模型中最小支配集节点上限分别为:
式中,N表示配电网络拓扑模型中节点的总数,为向下取整符号;/>为向上取整符号;minL为配电网络拓扑模型中最小支配集节点下限,即最少需要minL个节点才能组成支配集;maxL为配电网络拓扑模型中最小支配集节点上限,即一定有由maxL个节点组成的支配集;最佳监测装置数目在最小支配集节点上限、最小支配集节点下限之间;
当配电网络拓扑模型中监测节点组成该配电网络的支配集时,认为配电网络拓扑模型中每一节点都可观测,称该配电网络拓扑模型为完全可观测;
步骤2:根据配电网络拓扑模型中最小支配集节点下限和配电网络拓扑模型中最小支配集节点上限,进一步搜索配电网络拓扑模型中最少监测装置数目;
作为优选,步骤2所述进一步寻找配电网络拓扑模型中最少监测装置数目具体为:
先从配电网络拓扑模型中最小支配集节点下限即minL开始在配电网络拓扑模型中进行全局搜索,若配电网络拓扑模型中存在minL个节点组成的支配集,则认为minL即为最少的监测装置数目;
若不存在,则在[minL,maxL]内采用二分算法寻找最少监测装置数目;
具体按下式进入循环过程:
式中,N表示配电网络拓扑模型中节点的总数,minL为配电网络拓扑模型中最小支配集节点下限,maxL为配电网络拓扑模型中最小支配集节点上限;L为当前采取的监测节点数目,初始时令L=minL;
当寻至L值,使得配电网络拓扑模型中存在L个节点组成的支配集,而不存在L-1个节点组成的支配集时,将L定义为配电网络拓扑模型中最少监测装置数目;
步骤3:构建配电网络拓扑模型冗余度目标模型,并以电网络拓扑模型冗余度目标模型最大化为优化求解目标,以配电网络拓扑模型中最少监测装置数目作为约束条件,采用成熟的粒子群优化算法对配电网络拓扑模型中各节点处是否安装故障监测装置的决策变量优化求解,得到优化后配电网络拓扑模型中各节点处是否安装故障监测装置的决策变量;
步骤3所述以电网络拓扑模型冗余度目标模型最大化为优化求解目标为:
其中,Ryd表示冗余度,N=9表示配电网络拓扑模型中节点的总数,ci,j表示配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间的连接关系,若i=j或配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间存在连接,则ci,j=1,否则ci,j=0;
ui是配电网络拓扑模型中节点集合中第i个节点待优化配置的决策变量,具体定义如下:
所述ui由配电网络拓扑模型中节点集合中第i个节点是否装设监测装置而决定,如有则称配电网络拓扑模型中节点集合中第i个节点为监测节点,取ui=1,否则称配电网络拓扑模型中节点集合中第i个节点为普通节点,取ui=0;
步骤3所述以配电网络拓扑模型中最少监测装置数目作为约束条件为:
其中,L表示配电网络拓扑模型中最少监测装置数目;优化配置整体流程如图2所示;
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (4)
1.一种基于网络观测冗余度的监测装置优化配置方法,其特征在于,包括以下步骤:
步骤1:定义配电网络拓扑模型,进一步计算配电网络拓扑模型中最小支配集节点下限、配电网络拓扑模型中最小支配集节点上限;
步骤2:根据配电网络拓扑模型中最小支配集节点下限和配电网络拓扑模型中最小支配集节点上限,进一步搜索配电网络拓扑模型中最少监测装置数目;
步骤3:构建配电网络拓扑模型冗余度目标模型,并以配电网络拓扑模型冗余度目标模型最大化为优化求解目标,以配电网络拓扑模型中最少监测装置数目作为约束条件,采用成熟的粒子群优化算法对配电网络拓扑模型中各节点处是否安装故障监测装置的决策变量优化求解,得到优化后配电网络拓扑模型中各节点处是否安装故障监测装置的决策变量。
2.根据权利要求1所述的基于网络观测冗余度的监测装置优化配置方法,其特征在于,步骤1所述定义配电网络拓扑模型为:
G={V,C}
V={vi},0≤i≤N
C={ci,j},0≤i≤N,0≤j≤N
其中,V表示配电网络拓扑模型中节点集合,vi表示配电网络拓扑模型中第i个节点,N表示配电网络拓扑模型中节点的总数,C为邻接矩阵,表示配电网络拓扑模型中支路的集合,ci,j表示配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间的连接关系;若i=j或配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间存在连接,则ci,j=1,否则ci,j=0;
若在某节点处装设了监测装置,则称该节点为监测节点,否则称为普通节点
若配电网络拓扑模型中第j个节点装设监测装置,则称配电网络拓扑模型中第j个节点为监测节点;
若配电网络拓扑模型中第j个节点未装设监测装置,则称配电网络拓扑模型中第j个节点为普通节点;
且ci,j=1,则配电网络拓扑模型中第j个节点处的电压电流直接测量得到,当故障发生时可通过配电网络拓扑模型中第j个节点处电压以及配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间电流变化定位故障;
配电网络拓扑模型中节点集合中第i个节点处的电压将是配电网络拓扑模型中第j个节点处的电压减去流经传输线的电流引起的电压降,即:
Ui=Uj-Ij,i(Rj,i+jXj,i)
式中,Uj为配电网络拓扑模型中节点集合中第j个节点处电压;Ui为配电网络拓扑模型中节点集合中第i个节点处电压;Ij,i为配电网络拓扑模型中节点集合中第j个节点与第i个节点之间电流;Rj,i与Xj,i为配电网络拓扑模型中节点集合中第j个节点与第i个节点之间的线路阻抗;即如果配电网络拓扑模型中节点集合中第i个节点与监测节点直接连接,那么配电网络拓扑模型中节点集合中第i个节点也为可观测的节点;
若要使得配电网络拓扑模型中使用的监测装置数目最少,则等同于在配电网络拓扑模型中寻找最小支配集;
步骤1所述的配电网络拓扑模型中最小支配集节点下限、配电网络拓扑模型中最小支配集节点上限分别为:
式中,N表示配电网络拓扑模型中节点的总数,为向下取整符号/>为向上取整符号;minL为配电网络拓扑模型中最小支配集节点下限,即最少需要minL个节点才能组成支配集;maxL为配电网络拓扑模型中最小支配集节点上限,即一定有由maxL个节点组成的支配集;最佳监测装置数目在最小支配集节点上限、最小支配集节点下限之间;
当配电网络拓扑模型中监测节点组成该配电网络的支配集时,认为配电网络拓扑模型中每一节点都可观测,称该配电网络拓扑模型为完全可观测。
3.根据权利要求1所述的基于网络观测冗余度的监测装置优化配置方法,其特征在于,步骤2所述进一步搜索配电网络拓扑模型中最少监测装置数目具体为:
先从配电网络拓扑模型中最小支配集节点下限即minL开始在配电网络拓扑模型中进行全局搜索,若配电网络拓扑模型中存在minL个节点组成的支配集,则认为minL即为最少的监测装置数目;
若不存在,则在[minL,maxL]内采用二分算法寻找最少监测装置数目;
具体按下式进入循环过程:
式中,N表示配电网络拓扑模型中节点的总数,minL为配电网络拓扑模型中最小支配集节点下限,maxL为配电网络拓扑模型中最小支配集节点上限;L为当前采取的监测节点数目,初始时令L=minL;
当寻至L值,使得配电网络拓扑模型中存在L个节点组成的支配集,而不存在L-1个节点组成的支配集时,将L定义为配电网络拓扑模型中最少监测装置数目。
4.根据权利要求1所述的基于网络观测冗余度的监测装置优化配置方法,其特征在于,步骤3所述以配电网络拓扑模型冗余度目标模型最大化为优化求解目标为:
MAX:
其中,Ryd表示冗余度,N表示配电网络拓扑模型中节点的总数,ci,j表示配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间的连接关系,若i=j或配电网络拓扑模型中节点集合中第i个节点与配电网络拓扑模型中节点集合中第j个节点之间存在连接,则ci,j=1,否则ci,j=0;
ui是配电网络拓扑模型中节点集合中第i个节点待优化配置的决策变量,具体定义如下:
所述ui由配电网络拓扑模型中节点集合中第i个节点是否装设监测装置而决定,如有则称配电网络拓扑模型中节点集合中第i个节点为监测节点,取ui=1,否则称配电网络拓扑模型中节点集合中第i个节点为普通节点,取ui=0;
步骤3所述以配电网络拓扑模型中最少监测装置数目作为约束条件为:
其中,L表示配电网络拓扑模型中最少监测装置数目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111304743.4A CN114114996B (zh) | 2021-11-05 | 2021-11-05 | 一种基于网络观测冗余度的监测装置优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111304743.4A CN114114996B (zh) | 2021-11-05 | 2021-11-05 | 一种基于网络观测冗余度的监测装置优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114114996A CN114114996A (zh) | 2022-03-01 |
CN114114996B true CN114114996B (zh) | 2023-08-22 |
Family
ID=80380845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111304743.4A Active CN114114996B (zh) | 2021-11-05 | 2021-11-05 | 一种基于网络观测冗余度的监测装置优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114114996B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116505665B (zh) * | 2023-06-30 | 2023-09-22 | 国网江苏省电力有限公司南通供电分公司 | 一种电网配电线路的故障监测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105305507A (zh) * | 2015-09-29 | 2016-02-03 | 南方电网科学研究院有限责任公司 | 交直流互联电网的pmu布点优化方法和系统 |
CN110880757A (zh) * | 2019-11-20 | 2020-03-13 | 东南大学 | 基于最优分区的主动配电网分布式区间状态估计方法 |
CN111030100A (zh) * | 2019-12-16 | 2020-04-17 | 天津大学 | 一种基于定制遗传的配电网pmu优化配置方法 |
CN111460374A (zh) * | 2020-04-10 | 2020-07-28 | 南方电网科学研究院有限责任公司 | 一种考虑节点差异性的配电网d-pmu优化配置方法 |
CN115860202A (zh) * | 2022-11-23 | 2023-03-28 | 国网上海市电力公司 | 一种考虑拓扑重构可观的配电网μPMU优化配置方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140244189A1 (en) * | 2013-02-27 | 2014-08-28 | Bigwood Technology, Inc. | System For Achieving Real-Time Monitoring and State Estimation in Power Distribution Networks |
-
2021
- 2021-11-05 CN CN202111304743.4A patent/CN114114996B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105305507A (zh) * | 2015-09-29 | 2016-02-03 | 南方电网科学研究院有限责任公司 | 交直流互联电网的pmu布点优化方法和系统 |
CN110880757A (zh) * | 2019-11-20 | 2020-03-13 | 东南大学 | 基于最优分区的主动配电网分布式区间状态估计方法 |
CN111030100A (zh) * | 2019-12-16 | 2020-04-17 | 天津大学 | 一种基于定制遗传的配电网pmu优化配置方法 |
CN111460374A (zh) * | 2020-04-10 | 2020-07-28 | 南方电网科学研究院有限责任公司 | 一种考虑节点差异性的配电网d-pmu优化配置方法 |
CN115860202A (zh) * | 2022-11-23 | 2023-03-28 | 国网上海市电力公司 | 一种考虑拓扑重构可观的配电网μPMU优化配置方法 |
Non-Patent Citations (1)
Title |
---|
PSO算法在电力系统中的应用现状和前景探析;陈建华;南京工程学院学报(自然科学版);第6卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114114996A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114114996B (zh) | 一种基于网络观测冗余度的监测装置优化配置方法 | |
CN110363326B (zh) | 一种电网110kV线路短期负荷曲线预测方法 | |
CN107091972B (zh) | 一种基于改进粒子群的有源配电网故障定位方法 | |
CN112615368A (zh) | 一种基于分布式感知的台区拓扑生成方法及感知终端装置 | |
CN115099646A (zh) | 基于模糊概率混合可靠性评估与风险分析的输电线路维修方法 | |
CN103020290B (zh) | 电网信息校验方法及系统 | |
CN108649578B (zh) | 高、中压城网的网架结构调整和组网方式优化方法和装置 | |
CN113791306A (zh) | 基于用采数据的配电网故障处理系统及方法 | |
CN112116152A (zh) | 基于同期数据的线损双率优化方法及系统 | |
CN110108983B (zh) | 一种智能电缆状态在线测控管理方法 | |
CN109980787A (zh) | 一种基于配网实时数据和设备拓扑的故障区间定位的方法 | |
CN114156865B (zh) | 一种考虑状态感知的低压配电网拓扑生成及故障预测方法 | |
CN115952981A (zh) | 一种输配系统规划辅助系统 | |
CN115219840A (zh) | 一种基于配电网的自动化故障诊断方法及系统 | |
CN114357671A (zh) | 基于薄弱环节辨识的配电网弹性提升规划配置方法及系统 | |
CN110321527B (zh) | 一种基于多元基础信息融合的数据有效性判别方法 | |
CN110707713A (zh) | 一种基于历史数据的配网无功电压时空分布特性获取方法 | |
CN115800287B (zh) | 一种基于阈值分割聚类的低压台区拓扑识别方法 | |
CN114167201B (zh) | 一种基于参与度的低压配电网故障定位装置优化配置方法 | |
CN117791567A (zh) | 基于gis拓扑分析建设的配网供电能力评估系统 | |
CN115663801B (zh) | 一种基于谱聚类的低压台区拓扑识别方法 | |
CN115825656B (zh) | 一种新能源光伏电站配电网的故障监测方法、装置及系统 | |
CN115434878B (zh) | 风力发电机组温度集群管控方法、装置、设备及介质 | |
CN117335385A (zh) | 配网多重故障状况下的智能负荷转供方法及系统 | |
CN113449913B (zh) | 一种基于scada的轨道交通线路跳闸智能预警系统 |
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 |