CN114597899A - 智能配电网电能质量治理设备配置方法及装置 - Google Patents

智能配电网电能质量治理设备配置方法及装置 Download PDF

Info

Publication number
CN114597899A
CN114597899A CN202210196057.8A CN202210196057A CN114597899A CN 114597899 A CN114597899 A CN 114597899A CN 202210196057 A CN202210196057 A CN 202210196057A CN 114597899 A CN114597899 A CN 114597899A
Authority
CN
China
Prior art keywords
power quality
quality index
node
determining
distribution network
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.)
Pending
Application number
CN202210196057.8A
Other languages
English (en)
Inventor
张华赢
易皓
李艳
阴晓晴
杨泽斌
孙立政
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.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
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 Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN202210196057.8A priority Critical patent/CN114597899A/zh
Publication of CN114597899A publication Critical patent/CN114597899A/zh
Pending legal-status Critical Current

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
    • H02J3/01—Arrangements for reducing harmonics or ripples
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本申请涉及一种智能配电网电能质量治理设备配置方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；根据所有节点的灵敏度系数，确定治理设备的安装位置。采用本方法能够提高治理效率，降低治理成本。

Description

智能配电网电能质量治理设备配置方法及装置
技术领域
本申请涉及于配电网电能质量优化治理技术领域，特别是涉及一种智能配电网的电能质量治理设备配置方法及装置。
背景技术
随着智能配电网高级量测体系的逐步完善，监测系统中存储着的海量监测数据未能在智能配电网电能质量的分析、评估和治理方面得到充分利用。另一方面，智能配电网工业电气化程度逐步提高及新能源发电接入规模逐渐增大，智能配电网内各种非线性负载的数量不断增加，导致配电网的电能质量问题日益严重；此外，大量含有新工艺和新技术的敏感负荷接入配电网中，用户对配电网电能质量优化提升的需求逐渐显现。在相关技术中，最常见的电能质量治理设备的配置方案为点对点就近补偿，在电网中含有大量分散性非线性负载的情况下，该治理方案存在补偿效率低下，治理成本高等问题。因此，目前急需一种智能配电网电能质量治理设备配置方法。
发明内容
基于此，有必要针对上述技术问题，提供一种智能配电网电能质量治理设备配置方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种智能配电网电能质量治理设备配置方法。所述方法包括：
获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
根据所有节点的灵敏度系数，确定治理设备的安装位置。
在其中一个实施例中，根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数，包括：
对监测数据集中的每一数据进行正则化变换处理，得到变换数据集；
根据变换数据集，确定每一节点的每一种电能质量指标的特征数据；
根据所有节点的每一种电能质量指标的特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在其中一个实施例中，变换数据包括输出数据；相应地，根据变换数据集，确定每一节点的每一种电能质量指标的特征数据，包括：
根据变换数据集，确定每一节点的每一种电能质量指标的效率评价指数；
根据每一节点的每一种电能质量指标的效率评价指数以及变换数据，确定每一节点的每一种电能质量指标的评价系数；
根据输出数据以及每一节点的每一种电能质量指标的评价系数，确定每一节点的每一种电能质量指标的特征数据。
在其中一个实施例中，根据所有节点的每一种电能质量指标的特征数据，确定智能配电网中每一种电能质量指标的综合评价指数，包括：
基于半升柯西分布函数对每一节点的每一种电能质量指标的特征数据进行处理，得到每一节点的每一种电能质量指标的隶属度系数；
根据每一节点的每一种电能质量指标的隶属度系数以及特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在其中一个实施例中，确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数，包括：
根据对应电能质量指标，确定每一节点的对应电能质量指标的特征数据；
根据每一节点的对应电能质量指标的特征数据以及目标函数，确定智能配电网中每一节点的灵敏度系数。
在其中一个实施例中，根据所有节点的灵敏度系数，确定治理设备的安装位置，包括：
确定每一节点的灵敏度系数的绝对值，将所有节点的灵敏度系数中绝对值最大的灵敏度系数对应的节点作为治理设备的安装位置。
第二方面，本申请还提供了一种智能配电网电能质量治理设备配置装置。
所述装置包括：
获取模块，用于获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
第一确定模块，用于根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
判断模块，用于判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
第二确定模块，用于根据所有节点的灵敏度系数，确定治理设备的安装位置。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
根据所有节点的灵敏度系数，确定治理设备的安装位置。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
根据所有节点的灵敏度系数，确定治理设备的安装位置。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
根据所有节点的灵敏度系数，确定治理设备的安装位置。
上述种智能配电网电能质量治理设备配置方法、装置、计算机设备、存储介质和计算机程序产品，获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；根据所有节点的灵敏度系数，确定治理设备的安装位置。可以降低治理设备的安装数量，从而提高治理效率，降低治理成本，并且具有较强的工程应用价值，可以产生较好的经济效益。
附图说明
图1为一个实施例中智能配电网电能质量治理设备配置方法的流程示意图；
图2为一个实施例中输入数据与输出数据的示意图；
图3为一个实施例中含有分布式非线性负载的IEEE-18节点智能配电网仿真系统的示意图；
图4为一个实施例中IEEE-18节点智能配电网仿真系统电能质量治理设备配置方案的示意图；
图5为一个实施例中未安装治理设备时智能配电网仿真系统的部分电能质量指标的综合评价指数的示意图；
图6为一个实施例中安装治理设备后智能配电网仿真系统的部分电能质量指标的综合评价指数的示意图；
图7为一个实施例中智能配电网电能质量治理设备配置装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种专业名词，但除非特别说明，这些专业名词不受这些术语限制。这些术语仅用于将一个专业名词与另一个专业名词区分。举例来说，在不脱离本申请的范围的情况下，第三预设阈值与第四预设阈值可以相同可以不同。
需要说明的是，本申请各实施例中提及的“多个”等的数量均指代“至少两个”的数量，比如，“多个”指“至少两个”。
在一个实施例中，如图1所示，提供了一种智能配电网电能质量治理设备配置方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
101、获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
102、根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
103、判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
104、根据所有节点的灵敏度系数，确定治理设备的安装位置。
在上述步骤101中，历史时间段指的是智能配电网中过去的某一个时间段或过去的多个时间段。监测数据集中的每一数据表示的是每一时刻的数据，比如在历史时间段t1～t4内获取两种电能质量指标的监测数据，则电能质量指标A的监测数据分别为：t1时刻获取的监测数据为M1、t2时刻获取的监测数据为M2、t3时刻获取的监测数据为M3、t4时刻获取的监测数据为M4；电能质量指标B的监测数据为：t1时刻获取的监测数据为N1、t2时刻获取的监测数据为N2、t3时刻获取的监测数据为N3、t4时刻获取的监测数据为N4。其中t1、t2、t3、t4分别为历史时间段t1～t4内的4个时刻。
电能质量指标指的是智能配电网中可以反应配电网情况的数据，本实施例中，电能质量指标包括电压偏差、三相电压不平衡、h次谐波含有率、总谐波畸变率和频率偏差，其中，h次谐波含有率以及总谐波畸变率可以反应智能配电网谐波电压情况，h为不小于1的整数。
在上述步骤102中，综合评价指数是通过对监测数据集进行层次分析法(AnalyticHierarchy Process,AHP)分析压缩得到的各种电能指标的综合评分。
在上述步骤103中，目标函数指的是智能配电网中电能质量治理设备优化配置的目标函数。其中，h次谐波含有率以及总谐波畸变率皆反映的是配电网的谐波电压情况，因此，h次谐波含有率以及总谐波畸变率对应电能质量治理设备优化配置的目标函数相同，表示为：
Figure BDA0003525712440000061
式(1)中，Uk,new为安装治理设备后k节点的谐波电压，
Figure BDA0003525712440000062
为安装治理设备后k节点的h次谐波电压,
Figure BDA0003525712440000063
为安装治理设备前k节点的h次谐波电压，
Figure BDA0003525712440000064
为节点k和q之间的谐波阻抗，
Figure BDA0003525712440000065
为安装在节点q处的治理设备的输出电流，其中治理设备可以为并联型的电能质量治理设备，H为谐波电压的最高次项。
此外，为了简化上述公式(1)的求解过程，对上述公式(1)中单次谐波进行中的单次谐波电压公式
Figure BDA0003525712440000071
变换后得到其对应的凸优化方程，如公式(2)所示：
Figure BDA0003525712440000072
式(2)中，
Figure BDA0003525712440000073
γh、以及
Figure BDA0003525712440000074
分别代表相量
Figure BDA0003525712440000075
以及
Figure BDA0003525712440000076
的相位角。
具体地，可以比较每一种电能质量指标的综合评价指数是否小于国家标准，若小于，则需确定对应电能质量指标治理设备优化配置的目标函数，并根据目标函数确定智能配电网中每一节点的灵敏度系数，从而确定智能配电网中治理设备的安装位置。比如，若电压偏差的综合评价指数小于国家标准，则确定电压偏差治理设备优化配置的目标函数；若h次谐波含有率或总谐波畸变率中任一种电能质量指标的综合评价指数小于国家标准，则确定谐波治理设备优化配置的目标函数；若频率偏差的综合评价指数小于国家标准，则确定频率偏差治理设备优化配置的目标函数；若三相电压不平衡小于国家标准，则确定三相电压不平衡治理设备优化配置的目标函数。
此外，在确定治理设备的安装位置之后，将确定该安装位置上治理设备的补偿容量。以治理谐波电压为例，采用拉格朗日乘数法对公式(2)进行求解，可以得到治理设备的最佳输出电流如公式(3)所示，该最佳输出电流公式即为安装位置上治理设备的补偿容量。
Figure BDA0003525712440000077
公式(3)中，
Figure BDA0003525712440000078
与
Figure BDA0003525712440000079
分别为
Figure BDA00035257124400000710
的实部与虚部；
Figure BDA00035257124400000711
与
Figure BDA00035257124400000712
分别为
Figure BDA00035257124400000713
的实部与虚部；
Figure BDA00035257124400000714
与
Figure BDA00035257124400000715
分别为
Figure BDA00035257124400000716
的实部与虚部。
本发明实施例提供的方法，通过对智能配电网中高级量测体系内海量的监测数据进行处理，将智能配电网内电能质量指标的综合评价指数作为权重系数引入到治理设备优化配置的目标函数中，确定治理设备的最优安装位置以及补偿容量，相比较于传统的点对点就近补偿方案，本实施例可以降低治理设备的安装数量，从而提高电能质量的治理效率，进而降低治理成本。
结合上述实施例的内容，在一个实施例中，根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数，包括：
201、对监测数据集中的每一数据进行正则化变换处理，得到变换数据集；
202、根据变换数据集，确定每一节点的每一种电能质量指标的特征数据；
203、根据所有节点的每一种电能质量指标的特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在上述步骤201中，正则化变换处理如式(4)所示：
datanew＝1/dataold(dataold≠0) (4)；
式(4)中，dataold为监测数据，datanew为变换数据。
值得一提的是，若获取的监测数据为0，将该监测数据更改为对应监测设备的最小精度，其中，监测设备指的是获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据的设备。
在上述步骤202中，特征数据是将变换数据集中的数据通过CCR(A.Charnes&W.W.Cooper&E.Rhodes)评价模型处理后得到的，其中，变换数据集中的数据作为CCR模型的决策单元(Decision Making Units,DMUs)。
具体地，由于监测数据集中的每一数据表示的是每一时刻的数据，因此变换数据集中的每一数据也表示为每一时刻的数据。而变换数据集经过CCR评价模型处理后得到的特征数据不再具有时刻概念，每一特征数据表示的是每一节点的每一种电能质量指标的特征数据。然后将所有节点的每一特征数据进行处理可以得到智能配电网中每一种电能质量指标的综合评价指数，每一种电能质量指标的综合评价指数表示的是该智能配电网中所有节点对应的同一种电能质量指标的综合评价指数。
本发明实施例提供的方法，通过对监测数据集中的数据进行时间维度压缩，得到每一节点的每一电能质量指标的特征数据，然后再对所有节点的每一电能质量指标进行指标维度压缩，从而得到智能配电网中所有节点的对应的各电能指标的综合评价指数。
结合上述实施例的内容，在一个实施例中，变换数据包括输出数据；相应地，根据变换数据集，确定每一节点的每一种电能质量指标的特征数据，包括：
301、根据变换数据集，确定每一节点的每一种电能质量指标的效率评价指数；
302、根据每一节点的每一种电能质量指标的效率评价指数以及变换数据，确定每一节点的每一种电能质量指标的评价系数；
303、根据输出数据以及每一节点的每一种电能质量指标的评价系数，确定每一节点的每一种电能质量指标的特征数据。
在本实施例中，以节点k的电压偏差、三相电压不平衡、5次谐波含有率、7次谐波含有率、总谐波畸变率和频率偏差等六种电能质量指标的监测数据为例说明，值得一提的是，电压偏差、三相电压不平衡、5次谐波含有率、7次谐波含有率、总谐波畸变率和频率偏差分别对应第1种电能质量指标、第2种电能质量指标、第3种电能质量指标、第5种电能质量指标、第4种电能质量指标以及第6种电能质量指标。
本实施例中，变换数据分为输入数据与输出数据，如图2所示。其中，xk,1、xk,2、xk,3、xk,4、xk,5、xk,6分别为电压偏差、三相电压不平衡、5次谐波含有率、7次谐波含有率、总谐波畸变率和频率偏差在T1时刻的数据，为输入数据；yk,1,1、yk,2,1、yk,3,1、yk,4,1、yk,5,1、yk,6,1分别为电压偏差、三相电压不平衡、5次谐波含有率、7次谐波含有率、总谐波畸变率和频率偏差在T2时刻的数据，......，yk,1,n、yk,2,n、yk,3,n、yk,4,n、yk,5,1、yk,6,n分别为电压偏差、三相电压不平衡、5次谐波含有率、7次谐波含有率、总谐波畸变率和频率偏差在T(n+1)时刻的数据，皆为输出数据。
xk,1、xk,2、xk,3、xk,4、xk,5、xk,6分别作为CCR评价模型决策单元DMU1～DMU6的输入数据，yk,1,1、yk,2,1、yk,3,1、yk,4,1、yk,5,1、yk,6,1，.....，yk,1,n、yk,2,n、yk,3,n、yk,4,n、yk,5,n、yk,6,n作为CCR评价模型决策单元的输出数据。
每一节点的每一种电能质量指标的效率评价指数以决策单元DMUj(j＝1,2,3,4,5,6)的效率评价指数表示，DMUj的效率评价指数hk,j的表达式如式(5)所示：
Figure BDA0003525712440000101
其中，Ik,j＝v1xk,j，v1为xk,j的节点k的第j个决策单元的输入系数，Ok,j＝uk1yk,j,1+uk2yk,j,2+...+uknyk,j,n，ukn为yk,j,n的节点k的第j个决策单元的第n个输出系数。
其中，v1与ukn为待定系数，在公式(5)中，通过调整v1与ukn，使hk,j的值接近于1，以hk,j接近于1时hk,j最大值对应的v1与ukn作为公式(5)最终系数，此时的v1与ukn为输入与输出系数组中的最优系数。在所有决策单元效率评价指数的约束下，通过Charnes-Cooper变换得到线性规划方程，如式(6)所示：
Figure BDA0003525712440000102
式(6)中，γ＝1/xk,j，μk,j＝u/xk,j＝[μk,1,j,μk,2,j,μk,3,j,...,μk,n,j]，
Figure BDA0003525712440000103
为μk,j的转置矩阵，yk,j＝[yk,j,1,yk,j,2,...,yk,j,n]，其中，u＝[uk1,uk2,...,ukn]。当hk,j为最大值时，将线性规划方程(6)中γ和μk,j的解分别为γ*和
Figure BDA0003525712440000104
作为节点k的第j个决策单元DMUj的最优权值向量，然后对最优权值向量
Figure BDA0003525712440000105
进行归一化处理，如式(7)所示，得到节点k的第j个决策单元的评价系数；
Figure BDA0003525712440000106
式(7)中，
Figure BDA0003525712440000107
为节点k的第j个决策单元的评价指数。通过节点k的每一决策单元的评价系数，可以确定节点k的每一种电能质量指标的评价系数。
最后，将每一节点的每一种电能质量指标的评价系数与对应的变换数据结合，计算得到每一节点的每一种电能质量指标的特征数据，计算公式如式(8)所示：
Figure BDA0003525712440000111
式(8)中，yk,j,new为节点k的一种电能质量指标的特征数据，yk,j＝[yk,j,1,yk,j,2,...,yk,j,n],
Figure BDA0003525712440000112
为
Figure BDA0003525712440000113
的转置矩阵。
本发明实施例提供的方法，通过对变换数据集，可以确定确定每一节点的每一种电能质量指标的效率评价指数，从而确定每一节点的每一种电能质量指标的评价系数，进而确定每一节点的每一种电能质量指标的特征数据。
结合上述实施例的内容，在一个实施例中，根据所有节点的每一种电能质量指标的特征数据，确定智能配电网中每一种电能质量指标的综合评价指数，包括：
401、基于半升柯西分布函数对每一节点的每一种电能质量指标的特征数据进行处理，得到每一节点的每一种电能质量指标的隶属度系数；
402、根据每一节点的每一种电能质量指标的隶属度系数以及特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
具体地，基于半升柯西分布函数对每一节点的每一种电能质量指标的特征数据进行处理，确定隶属度拟合函数，如式(9)所示：
Figure BDA0003525712440000114
式(9)中，λk,j为节点k的第j种电能质量指标的特征数据的隶属度系数，aj与bj分别为半升柯西分布函数中的映射系数，yk,j,new为节点k的第j种电能质量指标的特征数据。
在确定映射系数aj与bj之前，首先，需要先确定特征数据的标准值yk,j,new,s.t,电能质量指标的标准值yk,j,new,s.t对应隶属度系数(为标准隶属度系数，即0.6)；其次，需要确定最大隶属度系数(即1)与最小评分精度λmin,j的差值，差值一般取0.95，根据(1-λmin,j，0.95)与(yk,j,new,s.t，0.6)可以求解得到aj与bj，从而确定隶属度拟合函数，进而得到每一节点的每一种电能质量指标的隶属度系数。
在根据每一节点的每一种电能质量指标的隶属度系数以及特征数据，确定智能配电网中每一种电能质量指标的综合评价指数之前，还需要根据每一节点的每一种电能质量指标的隶属度系数，确定每一节点的每一种电能质量指标的客观权重，计算每一节点的每一种电能质量指标的客观权重如式(10)所示：
Figure BDA0003525712440000121
式(10)中，Sik,j为节点k的第j种电能质量指标的客观权重，m为智能配电网的包含的节点的总数。
结合上述内容，根据每一节点的每一种电能质量指标的隶属度系数以及特征数据，确定智能配电网中每一种电能质量指标的综合评价指数，包括：
根据每一节点的每一种电能质量指标的客观权重以及特征数据，确定智能配电网中每一种电能质量指标的综合评价指数，如式(11)所示：
Figure BDA0003525712440000122
式(11)中，
Figure BDA0003525712440000123
为Sij的转置矩阵，Sj为第j种电能质量指标的综合评价指数。
本发明实施例提供的方法，通过每一节点的每一种电能质量指标的特征数据，可以得到每一节点的每一种电能质量指标的隶属度系数，从而确定智能配电网中每一种电能质量指标的综合评价指数。
结合上述实施例的内容，在一个实施例中，确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数，包括：
501、根据对应电能质量指标，确定每一节点的对应电能质量指标的特征数据；
502、根据每一节点的对应电能质量指标的特征数据以及目标函数，确定智能配电网中每一节点的灵敏度系数。
具体地，当确定目标函数之后，可以根据每一节点的对应电能质量指标的特征数据以及目标函数的斜率，确定智能配电网中每一节点的灵敏度系数。
以总谐波畸变率的目标函数为例，总谐波畸变率与h次谐波含有率的目标函数相同，如公式(1)所示，公式(2)为公式(1)变换后得到。此时，每一节点的灵敏度系数计算公式如式(12)所示：
Figure BDA0003525712440000131
式(11)中，Scq为节点q的灵敏度系数，H为最谐波电压的最高次项，m为智能配电网中节点的总数，
Figure BDA0003525712440000132
γh、以及
Figure BDA0003525712440000133
分别代表相量
Figure BDA0003525712440000134
以及
Figure BDA0003525712440000135
的相位角，
Figure BDA0003525712440000136
为安装治理设备前k节点的h次谐波电压，
Figure BDA0003525712440000137
为节点k和q之间的谐波阻抗，Aj＝[y1,j,new,y2,j,new,...,ym,j,new]。
本发明实施例提供的方法，通过每一节点的对应电能质量指标的特征数据以及目标函数，从而可以确定智能配电网中每一节点的灵敏度系数。
结合上述实施例的内容，在一个实施例中，根据所有节点的灵敏度系数，确定治理设备的安装位置，包括：
确定每一节点的灵敏度系数的绝对值，将所有节点的灵敏度系数中绝对值最大的灵敏度系数对应的节点作为治理设备的安装位置。
具体地，在未确定治理设备的安装位置之前，智能配电网中所有的节点都是治理设备安装位置的候选节点，当确定所有节点的灵敏度系数后，对有所有节点的灵敏度系数绝对值，得到所有节点的绝对灵敏度系数，最后从所有的绝对灵敏度系数中选择最大的绝对灵敏度系数对应的节点作为治理设备的安装位置。
本发明实施例提供的方法，通过确定每一节点的灵敏度系数的绝对值，从而可以确定治理设备的安装位置，相比较传统的点对点的安装治理设备，本方法可以提高治理设备的治理效率以及减少治理设备的安装数量。
在一个实施例中，搭建含有分布式非线性负载的IEEE-18节点智能配电网仿真系统，如图3所示。系统中节点3、5、7节点装有三相非线性负载。结合上述实施例的内容，对该系统进行计算，确定图3中的IEEE-18节点智能配电网仿真系统电能质量治理设备配置方案如图4所示。
图5为未安装治理设备时智能配电网仿真系统的部分电能质量指标的综合评价指数，图6为安装治理设备后智能配电网仿真系统的部分电能质量指标的综合评价指数。
本发明实施例提供的方法，通过含有分布式非线性负载的IEEE-18节点智能配电网仿真系统验证本方法安装治理设备后可以优化智能配电网仿真系统电能质量指标的综合评价指数，从而证明本方法的可行性，具有一定的工程应用价值。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的智能配电网电能质量治理设备配置方法的智能配电网电能质量治理设备配置装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个智能配电网电能质量治理设备配置装置实施例中的具体限定可以参见上文中对于智能配电网电能质量治理设备配置方法的限定，在此不再赘述。
在一个实施例中，如图7所示，提供了一种智能配电网电能质量治理设备配置装置，包括：获取模块701、第一确定模块702、判断模块703和第二确定模块704，其中：
获取模块701，用于获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
第一确定模块702，用于根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
判断模块703，用于判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
第二确定模块704，用于根据所有节点的灵敏度系数，确定治理设备的安装位置。
在一个实施例中，第一确定模块702，包括：
变换子模块，用于对监测数据集中的每一数据进行正则化变换处理，得到变换数据集；
第一确定子模块，用于根据变换数据集，确定每一节点的每一种电能质量指标的特征数据；
第二确定子模块，用于根据所有节点的每一种电能质量指标的特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在一个实施例中，第一确定子模块，包括：
第一确定单元，用于根据变换数据集，确定每一节点的每一种电能质量指标的效率评价指数；
第二确定单元，用于根据每一节点的每一种电能质量指标的效率评价指数以及变换数据，确定每一节点的每一种电能质量指标的评价系数；
第三确定单元，用于根据输出数据以及每一节点的每一种电能质量指标的评价系数，确定每一节点的每一种电能质量指标的特征数据。
在一个实施例中，第二确定子模块，包括：
处理单元，用于基于半升柯西分布函数对每一节点的每一种电能质量指标的特征数据进行处理，得到每一节点的每一种电能质量指标的隶属度系数；
第四确定单元，用于根据每一节点的每一种电能质量指标的隶属度系数以及特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在一个实施例中，判断模块703，包括：
第三确定子模块，用于根据对应电能质量指标，确定每一节点的对应电能质量指标的特征数据；
第四确定子模块，用于根据每一节点的对应电能质量指标的特征数据以及目标函数，确定智能配电网中每一节点的灵敏度系数。
在一个实施例中，第二确定模块704，包括：
第五确定子模块，用于确定每一节点的灵敏度系数的绝对值，将所有节点的灵敏度系数中绝对值最大的灵敏度系数对应的节点作为治理设备的安装位置。
上述智能配电网电能质量治理设备配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和通信接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种智能配电网电能质量治理设备配置方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
根据所有节点的灵敏度系数，确定治理设备的安装位置。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对监测数据集中的每一数据进行正则化变换处理，得到变换数据集；
根据变换数据集，确定每一节点的每一种电能质量指标的特征数据；
根据所有节点的每一种电能质量指标的特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据变换数据集，确定每一节点的每一种电能质量指标的效率评价指数；
根据每一节点的每一种电能质量指标的效率评价指数以及变换数据，确定每一节点的每一种电能质量指标的评价系数；
根据输出数据以及每一节点的每一种电能质量指标的评价系数，确定每一节点的每一种电能质量指标的特征数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
基于半升柯西分布函数对每一节点的每一种电能质量指标的特征数据进行处理，得到每一节点的每一种电能质量指标的隶属度系数；
根据每一节点的每一种电能质量指标的隶属度系数以及特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据对应电能质量指标，确定每一节点的对应电能质量指标的特征数据；
根据每一节点的对应电能质量指标的特征数据以及目标函数，确定智能配电网中每一节点的灵敏度系数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
确定每一节点的灵敏度系数的绝对值，将所有节点的灵敏度系数中绝对值最大的灵敏度系数对应的节点作为治理设备的安装位置。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
根据所有节点的灵敏度系数，确定治理设备的安装位置。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对监测数据集中的每一数据进行正则化变换处理，得到变换数据集；
根据变换数据集，确定每一节点的每一种电能质量指标的特征数据；
根据所有节点的每一种电能质量指标的特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据变换数据集，确定每一节点的每一种电能质量指标的效率评价指数；
根据每一节点的每一种电能质量指标的效率评价指数以及变换数据，确定每一节点的每一种电能质量指标的评价系数；
根据输出数据以及每一节点的每一种电能质量指标的评价系数，确定每一节点的每一种电能质量指标的特征数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
基于半升柯西分布函数对每一节点的每一种电能质量指标的特征数据进行处理，得到每一节点的每一种电能质量指标的隶属度系数；
根据每一节点的每一种电能质量指标的隶属度系数以及特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据对应电能质量指标，确定每一节点的对应电能质量指标的特征数据；
根据每一节点的对应电能质量指标的特征数据以及目标函数，确定智能配电网中每一节点的灵敏度系数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
确定每一节点的灵敏度系数的绝对值，将所有节点的灵敏度系数中绝对值最大的灵敏度系数对应的节点作为治理设备的安装位置。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
根据监测数据集，确定智能配电网中每一种电能质量指标的综合评价指数；
判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据目标函数，计算智能配电网中每一节点的灵敏度系数；
根据所有节点的灵敏度系数，确定治理设备的安装位置。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对监测数据集中的每一数据进行正则化变换处理，得到变换数据集；
根据变换数据集，确定每一节点的每一种电能质量指标的特征数据；
根据所有节点的每一种电能质量指标的特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据变换数据集，确定每一节点的每一种电能质量指标的效率评价指数；
根据每一节点的每一种电能质量指标的效率评价指数以及变换数据，确定每一节点的每一种电能质量指标的评价系数；
根据输出数据以及每一节点的每一种电能质量指标的评价系数，确定每一节点的每一种电能质量指标的特征数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
基于半升柯西分布函数对每一节点的每一种电能质量指标的特征数据进行处理，得到每一节点的每一种电能质量指标的隶属度系数；
根据每一节点的每一种电能质量指标的隶属度系数以及特征数据，确定智能配电网中每一种电能质量指标的综合评价指数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据对应电能质量指标，确定每一节点的对应电能质量指标的特征数据；
根据每一节点的对应电能质量指标的特征数据以及目标函数，确定智能配电网中每一节点的灵敏度系数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
确定每一节点的灵敏度系数的绝对值，将所有节点的灵敏度系数中绝对值最大的灵敏度系数对应的节点作为治理设备的安装位置。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种智能配电网电能质量治理设备配置方法，其特征在于，所述方法包括：
获取所述智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
根据所述监测数据集，确定所述智能配电网中每一种电能质量指标的综合评价指数；
判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据所述目标函数，计算所述智能配电网中每一节点的灵敏度系数；
根据所有节点的灵敏度系数，确定治理设备的安装位置。
2.根据权利要求1所述的方法，其特征在于，所述根据所述监测数据集，确定所述智能配电网中每一种电能质量指标的综合评价指数，包括：
对所述监测数据集中的每一数据进行正则化变换处理，得到变换数据集；
根据所述变换数据集，确定每一节点的每一种电能质量指标的特征数据；
根据所有节点的每一种电能质量指标的特征数据，确定所述智能配电网中每一种电能质量指标的综合评价指数。
3.根据权利要求2所述的方法，其特征在于，所述变换数据包括输出数据；相应地，所述根据所述变换数据集，确定每一节点的每一种电能质量指标的特征数据，包括：
根据所述变换数据集，确定每一节点的每一种电能质量指标的效率评价指数；
根据每一节点的每一种电能质量指标的效率评价指数以及所述变换数据，确定每一节点的每一种电能质量指标的评价系数；
根据所述输出数据以及每一节点的每一种电能质量指标的评价系数，确定每一节点的每一种电能质量指标的特征数据。
4.根据权利要求3所述的方法，其特征在于，所述根据所有节点的每一种电能质量指标的特征数据，确定所述智能配电网中每一种电能质量指标的综合评价指数，包括：
基于半升柯西分布函数对每一节点的每一种电能质量指标的特征数据进行处理，得到每一节点的每一种电能质量指标的隶属度系数；
根据每一节点的每一种电能质量指标的隶属度系数以及特征数据，确定所述智能配电网中每一种电能质量指标的综合评价指数。
5.根据权利要求3所述的方法，其特征在于，所述确定对应电能质量指标的目标函数，并根据所述目标函数，计算所述智能配电网中每一节点的灵敏度系数，包括：
根据所述对应电能质量指标，确定每一节点的对应电能质量指标的特征数据；
根据每一节点的对应电能质量指标的特征数据以及所述目标函数，确定所述智能配电网中每一节点的灵敏度系数。
6.根据权利要求1所述的方法，其特征在于，所述根据所有节点的灵敏度系数，确定所述治理设备的安装位置，包括：
确定每一节点的灵敏度系数的绝对值，将所有节点的灵敏度系数中绝对值最大的灵敏度系数对应的节点作为治理设备的安装位置。
7.一种智能配电网电能质量治理设备配置装置，其特征在于，所述装置包括：
获取模块，用于获取所述智能配电网中历史时间段内每一节点的每一种电能质量指标的监测数据，作为监测数据集；
第一确定模块，用于根据所述监测数据集，确定所述智能配电网中每一种电能质量指标的综合评价指数；
判断模块，用于判断每一种电能质量指标的综合评价指数是否满足国家标准，若任一种电能质量指标的综合评价指数不满足，则确定对应电能质量指标的目标函数，并根据所述目标函数，计算所述智能配电网中每一节点的灵敏度系数；
第二确定模块，用于根据所有节点的灵敏度系数，确定治理设备的安装位置。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202210196057.8A 2022-03-01 2022-03-01 智能配电网电能质量治理设备配置方法及装置 Pending CN114597899A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210196057.8A CN114597899A (zh) 2022-03-01 2022-03-01 智能配电网电能质量治理设备配置方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210196057.8A CN114597899A (zh) 2022-03-01 2022-03-01 智能配电网电能质量治理设备配置方法及装置

Publications (1)

Publication Number Publication Date
CN114597899A true CN114597899A (zh) 2022-06-07

Family

ID=81816212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210196057.8A Pending CN114597899A (zh) 2022-03-01 2022-03-01 智能配电网电能质量治理设备配置方法及装置

Country Status (1)

Country Link
CN (1) CN114597899A (zh)

Similar Documents

Publication Publication Date Title
CN111680841B (zh) 基于主成分分析的短期负荷预测方法、系统及终端设备
CN114239681A (zh) 变压器健康指数评估方法、装置、计算机设备和存储介质
CN113159715B (zh) 客服坐席排班方法、系统、电子装置和存储介质
Mao et al. Multi-attribute group decision making based on cloud aggregation operators under interval-valued hesitant fuzzy linguistic environment
Zhang et al. Load Prediction Based on Hybrid Model of VMD‐mRMR‐BPNN‐LSSVM
CN115618212A (zh) 电力数据处理方法、装置、计算机设备和存储介质
CN114611845A (zh) 碳排放量的预测方法、装置、电子设备及介质
CN117318052B (zh) 发电机组进相试验无功功率预测方法、装置和计算机设备
CN112257958A (zh) 一种电力饱和负荷预测方法及装置
CN115907307B (zh) 面向电网实时数据交互的电力系统碳排放流在线分析方法
CN114597899A (zh) 智能配电网电能质量治理设备配置方法及装置
Wang et al. Voltage instability performance of risk-based security constrained optimal power flow
CN115983733A (zh) 基于水位控制的电力市场出清数据处理方法和装置
CN116191398A (zh) 负荷预测方法、装置、计算机设备和存储介质
CN108446850A (zh) 一种基于偏最小二乘法的供电企业客户满意度评价方法
CN114861995A (zh) 电力物资的需求预测方法、装置和计算机设备
CN114066310A (zh) 审批任务分配方法、装置、计算机设备和存储介质
CN113792995A (zh) 电力资源支配程度的确定方法、装置、设备和存储介质
CN112561562A (zh) 订单发布方法、装置、计算机设备和存储介质
CN116432626B (zh) 面向条件控制断面约束的标准化解析方法、装置和设备
CN116468467A (zh) 电网设备材料代价预测方法、装置、设备、介质和产品
CN117172591A (zh) 多维度绩效评价方法、装置、计算机设备和存储介质
CN116933974A (zh) 输电工程全生命周期资源值确定方法、装置和计算机设备
CN117010636A (zh) 基于台区线损的台区管理方法、装置、计算机设备及介质
CN116826773A (zh) 电压灵敏度控制设备、电压灵敏度控制方法及装置

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