CN114966201B - 一种典型场景下谐波电压电流测量与特征分析方法 - Google Patents
一种典型场景下谐波电压电流测量与特征分析方法 Download PDFInfo
- Publication number
- CN114966201B CN114966201B CN202210479340.1A CN202210479340A CN114966201B CN 114966201 B CN114966201 B CN 114966201B CN 202210479340 A CN202210479340 A CN 202210479340A CN 114966201 B CN114966201 B CN 114966201B
- Authority
- CN
- China
- Prior art keywords
- harmonic
- current
- window function
- voltage
- side lobe
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种典型场景下谐波电压电流测量与特征分析方法，包括以下步骤：S1：选择若干典型场景，研究确定谐波测量方案；S2：对电网公共连接点谐波电压电流进行现场测量，基于组合余弦窗函数参数优化的电力谐波分析方法提取PCC处的电压电流谐波分量，利用窗函数对电压电流谐波分量进行优化，并采用粒子群算法对窗函数进行优化，以旁瓣峰值电平和旁瓣渐近衰减速率作为窗函数参数优化的目标；S3：分析各频次谐波电压电流的主要特征及演变规律。本发明提出充分考虑其负荷时空动态特性的谐波测量方案，并选择合适的窗函数及其参数来提高窗函数频谱特性，能有效地抑制频谱泄漏，准确提取谐波分量。
Description
技术领域
本发明涉及电网技术领域，尤其涉及一种典型场景下谐波电压电流测量与特征分析方法。
背景技术
快速准确地检测电力谐波分量是实现谐波治理的前提条件。电力平稳谐波信号分析主要采用快速傅里叶变换(FastFouriertransform，FFT)法、加窗法、插值法、频谱校正等；对于非平稳信号的谐波分析有小波变换、希尔伯特黄变换(Hilbert-HuangTransform，HHT)、神经网络、Prony法、局域均值分解(LocalMean Decomposition，LMD)算法等。为了更好地指导工程实践，IEEE和IEC分别制订了相关国际标准，即IEEE Std.519-1992和国际标准IEC 61000-4-7。在这些标准中，傅里叶分析作为建议的标准信号处理工具，用于分析电压和电流波形的谐波含量。
但快速傅里叶变换方法存在以下问题：
(1)由于非同步采样和时域截断，常常会产生频谱泄露和栅栏效应，造成谐波检测精度达不到相关标准；
(2)采用快速傅里叶变换方法进行谐波分析时，还需考察其对电网频率波动、不同强度噪声以及含间谐波的情况的适应性，以及考虑应用场景对计算速度的要求。
发明内容
本发明的目的在于克服上述技术的不足，提出一种典型场景下谐波电压电流测量与特征分析方法，该方法针对若干典型场景，提出充分考虑其负荷时空动态特性的谐波测量方案，并根据该方案可提出适用于各场景谐波特性的改进谐波分析方法，准确提取谐波分量。
为解决以上技术问题，本发明所采用的技术方案是：
一种典型场景下谐波电压电流测量与特征分析方法，包括一种典型场景下谐波电压电流测量与特征分析方法，包括以下步骤：
S1：选择若干典型场景，研究确定谐波流进行现场测量，基于组合余弦窗函数参数优化的电力谐波分析方法提取PCC处的电压电流谐波分量，利测量方案；
S2：对电网公共连接点谐波电压电用窗函数对电压电流谐波分量进行优化，并采用粒子群算法对窗函数进行优化，以旁瓣峰值电平和旁瓣渐近衰减速率作为窗函数参数优化的目标；
S3：分析各频次谐波电压电流的主要特征及演变规律。
进一步地，所述S2中采用粒子群算法对窗函数进行优化的具体步骤如下：
S2-1：对窗函数的各项数参数进行随机初始化，并初始化各项系数对应的速度和位置；
S2-2：以旁瓣峰值电平和旁瓣渐近衰减速率为窗函数参数优化的目标，根据公式(1)计算适应函数值Ffit，并且得到粒子的历史最优位置和群体的全局最优位置；
其中，φ为旁瓣峰值电平，λ为旁瓣渐近衰减速率，α为旁瓣峰值电平权重，β为旁瓣渐近衰减速率权重，θ为惩罚因子，α+β＝1。惩罚因子一般情况下为1，在寻优过程中出现λ<0、φ<0等异常情况时为0；
S2-3：粒子通过跟踪两个极值pbest和gbest来更新，根据粒子自身的历史最优位置和全局的最优位置，运用公式(2)(3)更新每个粒子的速度和位置；
vi＝ω×vi+c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi) (3)
x'i＝xi+vi (4)
其中，vi为第i个粒子的速度；Rand()为介于(0,1)之间的随机数；xi为粒子的当前位置；x'i为粒子更新后的位置，c1，c2分别为两个极值的权重值，ω为惯性因子；pbesti为自身的历史最优位置，gbesti 为全局的最优位置；
S2-4：运用公式(1)对更新速度和位置后的粒子计算适应度，进而更新粒子的历史最优位置和全局的最优位置；
S2-5：检查粒子群是否满足如式(5)所示的约束条件，若满足约束条件，则输出全局最优结果并结束程序，若不满足约束条件，则转向步骤S2-3继续执行；
其中，M为窗函数；m为窗函数项数，bm为初始粒子群为窗函数各项系数，每个系数包括对应的位置和速度。
进一步地，所述S2-3中c1＝0.7，c2＝0.3。
进一步地，所述S2-3中惯性因子的计算公式为ω(t)＝(ωini-ωend)(GK-g)/GK+ωend (5)
进一步地，其中g为迭代次数，Gk为最大迭代次数，ωini为初始惯性权值，ωend为迭代至最大进化代数时的惯性权值；进一步地，ωini＝0.9，ωend＝0.4。
进一步地，所述S1的具体操作方法为：
S1-1：充分调研并选择适合配置谐波测量设备的典型场景的110/220KV接入处，结合其二次接线图确定测点；
S1-2：考虑并网点处负荷动态行为，研究制定细致的谐波测量方案。
进一步地，所述S3的具体操作方法为：
S3-1：利用概率统计方法提取各频次谐波电压电流的时频域分布特征；
S3-2：对负荷动态特性划分；
S3-3：研究公共连接点处谐波电压电流的主要特征随负荷动态特性的演变规律，基于S3-1和S3-2 的结果研究公共连接点处谐波电压电流的主要特征在24小时周期内的演变规律。
进一步地，所述典型场景包括钢铁厂10KV/35KV系统、光伏电站并网点和高速铁路牵引供电系统。
本发明的有益效果为：
1、本发明考虑负荷动态特性进行工况划分制定细致谐波测量方案的策略，提高电力系统谐波问题分析能力，典型场景下的谐波特性分析及演变规律为谐波源模型建立提供了数据基础，为提高电网谐波污染管理水平奠定坚实基础。
2、基于组合余弦窗函数参数优化实现的电力谐波分析方法，通过半实物仿真平台验证其效果，充分考虑区域电网负荷动态特性，进一步优化参数提供谐波分析方法的准确性和计算速度；以旁瓣峰值电平和旁瓣渐近衰减速率为窗函数参数优化的目标，旁瓣峰值电平小且旁瓣渐近衰减速率大的窗函数能有效地抑制频谱泄漏。
附图说明
图1为本发明实施例中典型场景下谐波电压电流测量与特征分析方法的整体技术线路示意图。
图2为本发明实施例中粒子群算法优化的流程示意图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步描述。需要说明的是，实施例并不对本发明要求保护的范围构成限制。
实施例1
如附图1所示，一种典型场景下谐波电压电流测量与特征分析方法，包括以下步骤：
S1：选择若干典型场景，研究确定谐波测量方案；
本发明的典型场景拟选择钢铁厂10KV/35KV系统、光伏电站并网点或高速铁路牵引系统 110/220KV并网点。考虑负荷动态行为，研究制定细致的谐波测量方案；研究根据钢铁厂日生产计划划分典型工况，确定测量方案；研究高速铁路牵引负荷运行周期性规律，充分考虑牵引负荷处于牵引、再生制动、惰行等工况，确定测量方案。实施步骤如下：
S1-1：充分调研并选择适合配置谐波测量设备的钢铁厂10KV/35KV系统、光伏电站并网点、高速铁路牵引供电系统110/220KV接入处，结合其二次接线图确定测点；
S1-2：考虑并网点处负荷动态行为，研究制定细致的谐波测量方案，研究根据钢铁厂日生产计划划分典型工况，确定测量方案；研究高速铁路牵引负荷运行周期性规律，充分考虑牵引负荷处于牵引、再生制动、惰行等工况，确定测量方案。
S2：对电网公共连接点谐波电压电流进行现场测量；
研究基于组合余弦窗函数参数优化实现的电力谐波分析方法，通过半实物仿真平台验证其效果，充分考虑区域电网负荷动态特性，进一步优化参数提供谐波分析方法的准确性和计算速度。其中，对于如何通过选择合适的窗函数及其参数来提高窗函数频谱特性，进而提高检测精度，窗函数的频域特性主要包括主瓣宽度、旁瓣峰值、旁瓣衰减速率以及主瓣旁瓣能量比等，拟采用的解决方案是针对组合余弦窗函数等常用窗函数，以旁瓣峰值电平和旁瓣渐近衰减速率作为窗函数参数优化的目标，对应合适的约束条件，采用粒子群优化算法进行求解，对常用窗函数参数进行优化，然后对比分析其谐波分析精度，进而得到频谱特性最佳的窗函数及其优化参数。操作步骤如下：
首先，对于选择的钢铁厂10kV/35kV系统、光伏电站并网点、高速铁路牵引供电系统110/220kV 接入处，结合其二次接线图确定具体量测点；测试前对测试仪器和探头进行可靠性确认并正确设置，测试前及测试中定期对不同测点的测试系统进行时钟校准；基于组合余弦窗参数优化的电力谐波分析方法提取 PCC处的电压电流谐波分量。
采用粒子群算法优化如下：
S2-1：随机初始化。对常用组合余弦窗函数的各项数参数进行随机初始化，并初始化各项数对应的速度和位置；
S2-2：根据公式(2)计算适应函数值，并且得到粒子的历史最优位置和群体的全局最优位置。
S2-3：粒子的速度和位置更新。根据粒子自身的历史最优位置和全局的最优位置，运用公式(3)(4)更新每个粒子的速度和位置。
S2-4：运用公式(2)对更新速度和位置后的粒子计算适应度，进而更新粒子的历史最优位置和全局的最优位置。
S2-5：如果满足约束条件，则输出全局最优结果并结束程序，否则转向步骤2继续执行。
(1)对于组合余弦窗函数参数优化，粒子群算法的初始粒子群为窗函数各项系数bm,每个系数包括对应的位置和速度，因此优化的约束条件为：
其中，M为窗函数；m为窗函数项数
(2)确定微粒的适应度。本发明以旁瓣峰值电平和旁瓣渐近衰减速率为窗函数参数优化的目标，旁瓣峰值电平小且旁瓣渐近衰减速率大的窗函数能有效地抑制频谱泄漏。因此适应度函数Ffit可构造为：
公式中：φ为旁瓣峰值电平，λ为旁瓣渐近衰减速率，α为旁瓣峰值电平权重，β为旁瓣渐近衰减速率权重，θ为惩罚因子，α+β＝1。惩罚因子一般情况下为1，在寻优过程中出现λ<0、α<0等异常情况时为0。
(3)粒子通过跟踪两个极值pbest和gbest来更新，粒子的速度和位置更新公式如下：
vi＝ω×vi+c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi) (3)
x'i＝xi+vi (4)
其中vi为粒子的速度；Rand()为介于(0,1)之间的随机数；xi为粒子的当前位置；x'i为粒子更新后的位置，c1，c2分别为两个极值的权重值，ω为惯性因子；c1＝0.7，c2＝0.3。
惯性因子ω的计算公式如下：
ω(t)＝(ωini-ωend)(GK-g)/GK+ωend (5)
其中g为迭代次数，Gk为最大迭代次数，ωini为初始惯性权值，ωend为迭代至最大进化代数时的惯性权值；进一步地，ωini＝0.9，ωend＝0.4。
根据上述优化的步骤通过对粒子群算法的参数不断调试，可对任意项数的组合余弦窗函数进行优化。
S3：分析各频次谐波电压电流的主要特征及演变规律。
研究各频次谐波电压电流的时频域分布特征，利用概率统计方法提出电网谐波的统计性描述参数，研究典型场景下负荷动态特性划分，如高速铁路牵引供电系统，以行车运行图为基础研究牵引变电所全天 24小时行车运行时空分布，充分考虑牵引负荷处于牵引、再生制动、惰行等工况及空载情况。研究公共连接点处谐波电压电流的主要特征在24小时周期内随行车运行及其工况变化的演变规律。步骤如下
S3-1：利用概率统计方法提取各频次谐波电压电流的时频域分布特征；
S3-2：对负荷动态特性划分，如高速铁路牵引供电系统，以行车运行图为基础，充分考虑牵引负荷处于牵引、再生制动、惰行等工况以及空载情况，对牵引变电所全天24小时行车运行工况进行划分；
S3-3：研究公共连接点处谐波电压电流的主要特征随负荷动态特性的演变规律如针对高速铁路牵引供电系统，基于步骤一和步骤二结果研究公共连接点处谐波电压电流的主要特征在24小时周期内随行车运行及其工况变化的演变规律。
按照如上步骤针对若干典型场景，提出充分考虑其负荷时空动态特性的谐波测量方案，并针对性地提出适用于各场景谐波特性的改进快速傅里叶变换分析方法，准确提取谐波分量，提取各频次谐波电压电流的时频域统计分布特性，揭示公共连接点处各频次谐波电压电流的主要特征及演变规律。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种典型场景下谐波电压电流测量与特征分析方法，其特征在于，包括以下步骤：
S1：对电网公共连接点谐波电压电流进行现场测量，得到初始电压电流谐波分量；
S2：采用粒子群算法对窗函数进行优化得到优化后的窗函数，优化时以旁瓣峰值电平和旁瓣渐近衰减速率作为窗函数参数优化的目标；使用优化后的窗函数对初始电压电流谐波分量进行优化得到优化后的电压电流谐波分量；
采用粒子群算法对窗函数进行优化的具体步骤如下：
S2-1：对窗函数的各项数参数进行随机初始化，并初始化各项系数对应的速度和位置；
S2-2：以旁瓣峰值电平和旁瓣渐近衰减速率为窗函数参数优化的目标，根据公式(1)计算适应函数值Ffit，并且得到粒子的历史最优位置和群体的全局最优位置；
其中，φ为旁瓣峰值电平，λ为旁瓣渐近衰减速率，α为旁瓣峰值电平权重，β为旁瓣渐近衰减速率权重，θ为惩罚因子，α+β＝1；惩罚因子一般情况下为1，在寻优过程中出现λ<0、φ<0等异常情况时为0；
S2-3：粒子通过跟踪两个极值pbest和gbest来更新，根据粒子自身的历史最优位置和全局的最优位置，运用公式(2)(3)更新每个粒子的速度和位置；
vi＝ω×vi+c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi)(3)
x'i＝xi+vi(4)
其中，vi为第i个粒子的速度；Rand()为介于(0,1)之间的随机数；xi为粒子的当前位置；x'i为粒子更新后的位置，c1，c2分别为两个极值的权重值，ω为惯性因子；pbesti为自身的历史最优位置，gbesti为全局的最优位置；
S2-4：运用公式(1)对更新速度和位置后的粒子计算适应度，进而更新粒子的历史最优位置和全局的最优位置；
S2-5：检查粒子群是否满足如式(5)所示的约束条件，若满足约束条件，则输出全局最优结果并结束程序，若不满足约束条件，则转向步骤S2-3继续执行；
其中，M为窗函数；m为窗函数项数，bm为初始粒子群为窗函数各项系数，每个系数包括对应的位置和速度；
S3：通过优化后的电压电流谐波分量分析各频次谐波电压电流的主要特征及演变规律。
2.根据权利要求1所述的一种典型场景下谐波电压电流测量与特征分析方法，其特征在于，所述S2-3中惯性因子的计算公式为：ω(t)＝(ωini-ωend)(GK-g)/GK+ωend(5)
其中g为迭代次数，Gk为最大迭代次数，ωini为初始惯性权值，ωend为迭代至最大进化代数时的惯性权值；进一步地，ωini＝0.9，ωend＝0.4。
3.根据权利要求1所述的一种典型场景下谐波电压电流测量与特征分析方法，其特征在于，所述S2-3中c1＝0.7，c2＝0.3。
4.根据权利要求1所述的一种典型场景下谐波电压电流测量与特征分析方法，其特征在于，所述电网公共连接点为典型场景的电网公共连接点；典型场景包括钢铁厂10KV/35KV系统、光伏电站并网点和高速铁路牵引供电系统。
5.根据权利要求1所述的一种典型场景下谐波电压电流测量与特征分析方法，其特征在于，所述S3的具体操作方法为：
S3-1：利用概率统计方法提取各频次谐波电压电流的时频域分布特征；
S3-2：对负荷动态特性划分；
S3-3：研究公共连接点处谐波电压电流的主要特征随负荷动态特性的演变规律，基于S3-1和S3-2的结果研究公共连接点处谐波电压电流的主要特征在24小时周期内的演变规律。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210479340.1A CN114966201B (zh) | 2022-05-05 | 2022-05-05 | 一种典型场景下谐波电压电流测量与特征分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210479340.1A CN114966201B (zh) | 2022-05-05 | 2022-05-05 | 一种典型场景下谐波电压电流测量与特征分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114966201A CN114966201A (zh) | 2022-08-30 |
| CN114966201B true CN114966201B (zh) | 2023-07-04 |
Family
ID=82979011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210479340.1A Active CN114966201B (zh) | 2022-05-05 | 2022-05-05 | 一种典型场景下谐波电压电流测量与特征分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114966201B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115510787B (zh) * | 2022-09-23 | 2023-04-21 | 中国科学院国家空间科学中心 | 基于多目标优化的峰值旁瓣约束快速衰减窗函数设计方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8645294B1 (en) * | 2004-02-03 | 2014-02-04 | Hrl Laboratories, Llc | Method for image registration utilizing particle swarm optimization |
| CN109492291B (zh) * | 2018-10-31 | 2020-09-08 | 中国科学院电子学研究所 | 基于增广拉格朗日粒子群算法的nlfm信号优化方法及装置 |
| CN109471073B (zh) * | 2018-10-31 | 2020-08-28 | 中国科学院电子学研究所 | 基于增广拉格朗日粒子群算法的nlfm信号生成方法及装置 |
| CN110021940B (zh) * | 2019-04-25 | 2023-04-07 | 国网重庆市电力公司璧山供电分公司 | 一种基于改进粒子群算法的电容器优化配置方法 |
| CN111222088B (zh) * | 2019-12-10 | 2021-07-30 | 国网江苏省电力有限公司扬州供电分公司 | 一种改进的平顶自卷积窗加权电力谐波幅值估计方法 |
| CN111444953B (zh) * | 2020-03-24 | 2022-04-29 | 东南大学 | 一种基于改进粒子群优化算法的传感器故障监测方法 |
| CN113189398A (zh) * | 2021-04-29 | 2021-07-30 | 云南电网有限责任公司电力科学研究院 | 一种置零点频域加窗的高阶谐波分析方法及装置 |
| CN113533822A (zh) * | 2021-07-09 | 2021-10-22 | 西京学院 | 一种有效抑制加窗频谱泄漏误差的交流电参数测量方法 |
-
2022
- 2022-05-05 CN CN202210479340.1A patent/CN114966201B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114966201A (zh) | 2022-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109713685B (zh) | 一种适用于vsc接入引发次同步振荡的在线定位方法 | |
| CN112018784B (zh) | 一种基于同步相量测量数据的次同步谐振溯源方法 | |
| CN114966201B (zh) | 一种典型场景下谐波电压电流测量与特征分析方法 | |
| CN111289796A (zh) | 一种高比例可再生能源电力系统次同步振荡的检测方法 | |
| CN110991725A (zh) | 一种基于风速分频和权值匹配的rbf超短期风电功率预测方法 | |
| CN106841857A (zh) | 一种电能质量监测装置可靠性评估方法 | |
| CN106443253A (zh) | 一种基于pmu数据的输电线路参数辨识方法 | |
| Makolo et al. | Heuristic inertia estimation technique for power networks with high penetration of RES | |
| Lin et al. | Synchrophasor-based Online State Estimated in Large-scale Power Grid | |
| Bi et al. | Synchronized phasor based on-line parameter identification of overhead transmission line | |
| CN115898787A (zh) | 一种风电机组静态偏航误差动态识别方法及装置 | |
| Liang et al. | PM2. 5 concentration forecasting based on data preprocessing strategy and LSTM neural network | |
| CN110661261B (zh) | 一种用于低频振荡在线分析的pmu数据处理方法及装置 | |
| CN103809020A (zh) | 互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法 | |
| CN113990057A (zh) | 一种宽频振荡厂站端预警方法、系统、存储介质及服务器 | |
| CN109217336B (zh) | 基于分区建模的同步发电机阻尼系数在线辨识方法 | |
| CN115360726B (zh) | 一种次同步振荡传播关键影响因素识别方法及系统 | |
| CN110943485A (zh) | 双馈风电场等值模型仿真可信度的指标评价方法 | |
| Jin et al. | Risk assessment of grid frequency deviation related to correlation considering wind speed and wind direction in a wind farm | |
| Zhang et al. | Generator Model Validation and Parameter Calibration Based on PMU Measurement Data | |
| CN117039891B (zh) | 基于余弦相似度的风电机组Crowbar动作辨识方法 | |
| Linghua et al. | Research on the algorithm model of predicting line loss diagnosis based on computer multiple linear regression | |
| CN114167198B (zh) | 一种同期线损数据的测量方法及测量平台 | |
| Wang et al. | Short-term photovoltaic power prediction based on EMD-GWO-RBF | |
| Cheng et al. | Applying Bayesian Approach in Real-Time Monitoring of Converter-Driven Oscillation |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 411201 No. 28 Baishi Road, Xiangtan Economic Development Zone, Hunan Province Applicant after: Weisheng Energy Technology Co.,Ltd. Address before: 411201 No. 28 Baishi Road, Xiangtan Economic Development Zone, Hunan Province Applicant before: WASION ELECTRIC Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |