CN115293090A - 基于重构数据处理的多谐波源责任量化方法 - Google Patents
基于重构数据处理的多谐波源责任量化方法 Download PDFInfo
- Publication number
- CN115293090A CN115293090A CN202210814129.0A CN202210814129A CN115293090A CN 115293090 A CN115293090 A CN 115293090A CN 202210814129 A CN202210814129 A CN 202210814129A CN 115293090 A CN115293090 A CN 115293090A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- impedance
- value
- feeder
- data
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- 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
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measurement Of Resistance Or Impedance (AREA)
Abstract
本发明提出基于重构数据处理的多谐波源责任量化方法,对于关注馈线上的目标谐波源而言,首先对测量数据采用最小二乘法拟合出目标谐波源对应的等效谐波阻抗初值,并利用该初值重构出电网背景谐波电压数据;通过对这部分数据进行排序和分段处理以降低其波动,在每段中采用独立随机矢量法计算该段的谐波阻抗;以阻抗初值和每段计算阻抗的差值最小为准则构建目标函数,迭代满足目标函数的最优初值作为关注谐波馈线的谐波阻抗估计值从而量化该馈线的谐波责任。本发明能够在电网背景谐波存在较强波动时提供精确的量化结果。
Description
技术领域
本发明涉及集中式多谐波源责任量化技术领域,尤其是基于重构数据处理的多谐波源责任量化方法。
背景技术
由于新型电力系统中电力电子设备的广泛使用,电网中谐波源数量众多,谐波含量极高,谐波污染严重。准确区分关注母线上各谐波源各自的谐波贡献对于谐波控制、量化谐波责任具有重大意义。
现有的多谐波源责任量化方法通常假设背景谐波保持稳定;而在现代电力系统中,配网高度电力电子化,电动汽车充电桩、城市轨道交通等项目均存在大量非线性负荷的使用,加之风电、光伏等新能源设备入网,致使电网中的背景谐波波动剧烈,现有方法估计出的谐波贡献度与真实值之间存在较大误差。
发明内容
本发明解决了现有方法估计出的谐波贡献度与真实值之间存在较大误差的问题,提出基于重构数据处理的多谐波源责任量化方法,能够在电网背景谐波存在较强波动时提供精确的量化结果。
为实现上述目的,提出以下技术方案:
基于重构数据处理的多谐波源责任量化方法,包括以下步骤:
(A)根据具体谐波频次h下的多谐波源诺顿等效电路,建立等效电路方程,利用最小二乘法拟合关注馈线的等效谐波阻抗初值;
(B)将步骤(A)所得的等效谐波阻抗初值,代入等效电路方程重构出背景谐波电压数据,并对背景谐波电压数据进行排序和分段处理,得到若干数据段,对应的测量数据与背景谐波电压数据做相同处理;
(C)利用随机独立矢量法计算各数据段的等效谐波阻抗,从而得到每个数据段的谐波阻抗;
(D)以步骤(C)中所得的各数据段阻抗计算值与阻抗初值之间的最小化差值为准则构建目标函数,迭代出满足目标函数的最优初值作为关注谐波馈线的谐波阻抗估计值,最后利用关注馈线的等效谐波阻抗估计值与谐波电流在关注母线谐波电压上的矢量投影来量化谐波源的贡献。
本发明对于关注馈线上的目标谐波源而言,首先对测量数据采用最小二乘法拟合出目标谐波源对应的等效谐波阻抗初值,并利用该初值重构出电网背景谐波电压数据;通过对这部分数据进行排序和分段处理以降低其波动,在每段中采用独立随机矢量法计算该段的谐波阻抗;以阻抗初值和每段计算阻抗的差值最小为准则构建目标函数,迭代满足目标函数的最优初值作为关注谐波馈线的谐波阻抗估计值从而量化该馈线的谐波责任。本发明基于重构数据处理的多谐波源责任量化方法,能够利用测量数据重构背景谐波电压,并通过处理重构的背景谐波电压数据从以降低了其波动对算法带来的影响,估计结果更加稳健、准确度更高;本发明以最小化计算阻抗与阻抗初值之间的差值为准则,通过迭代最优阻抗作为最终结果,无论阻抗初值设置如何,算法均能迭代收敛出最优阻抗初值。
作为优选,所述步骤(A)具体包括以下步骤:
(A1)当关注节点母线上接有多条馈线时用多谐波源诺顿等效电路进行分析,其中系统侧与各馈线均等效为对应的谐波电流源与谐波阻抗的并联,令Z0和Zk(k=1,2,...,n)分别为系统侧与各馈线的谐波阻抗;和分别为系统侧与各馈线的谐波源发射的谐波电流;为馈线的谐波电流;由叠加定理,关注母线处的谐波电压是各馈线谐波源单独作用时产生在PCC处的谐波电压之和,即
Zpcc-0为除系统侧谐波阻抗以外的等效学阻抗;Zpcc-k为除馈线k的谐波源以外的等效谐波阻抗,即除了馈线k以外其他支路谐波阻抗的并联:
馈线k的谐波贡献度指标HCpcc-k可由其在PCC点产生的谐波电压在PCC点总谐波电压上的矢量投影来确定:
谐波贡献的确定取决于谐波阻抗Zpcc-k的准确估计;
假设谐波阻抗保持恒定,对于第j组采样数据得到如下方程:
Y=Xθ+ε
其中
回归系数θ由最小二乘法进行拟合:
作为优选,所述步骤(B)具体包括以下步骤:
作为优选,所述步骤(C)具体包括以下步骤:
(C1)在实部的计算过程中,假设总样本数为N,分段数为P,每个子数据段的样本量为n=N/P,则可得到每个数据段的谐波电压方程:
(C2)每个数据段中的谐波阻抗的计算公式为:
作为优选,所述步骤(D)具体包括以下步骤:
(D1)定义各数据段计算阻抗与阻抗初值的差值函数ΔZ,其计算公式如下:
(D2)定义阻抗变化步长δ来迭代阻抗初值,并通过计算γ来确定迭代的方向,
阻抗初值具体迭代的方向为:
(D3)重复步骤(B1)~(D2)直到差值函数ΔZx不再增加,并在阻抗初值10倍范围内验证ΔZx是否为最小值,如果是,则差值函数最小值对于的阻抗初值为算法所求,
本发明的有益效果是:
1、本发明基于重构数据处理的多谐波源责任量化方法,能够利用测量数据重构背景谐波电压,并通过处理重构的背景谐波电压数据从以降低了其波动对算法带来的影响,估计结果更加稳健、准确度更高;
2、本发明以最小化计算阻抗与阻抗初值之间的差值为准则,通过迭代最优阻抗作为最终结果,无论阻抗初值设置如何,算法均能迭代收敛出最优阻抗初值。
附图说明
图1为本发明流程示意图;
图2为步骤(A1)中集中式多谐波源拓扑图;
图3为步骤(A1)与实施例一的诺顿等效电路模型图;
图4为步骤(A1)中谐波电压相位图;
图5为步骤(B2)中数据处理的效果对比图。(a)原数据分布图;(b)处理后数据分布图;
图6为实施例中阻抗初值与差值函数的变化曲线图。(a)实部曲线图;(b)虚部曲线图;
图7为实施例中当背景谐波波动增大时各方法计算各馈线谐波贡献度均方误差折线图。(a)馈线1;(b)馈线2;(c)馈线3;(d)馈线4;
图8为实施例中当系统阻抗大小变化时各方法计算各馈线谐波贡献度均方误差折线图。(a)馈线1;(b)馈线2;(c)馈线3;(d)馈线4;
具体实施方式
实施例:
本实施例提出基于重构数据处理的多谐波源责任量化方法,参考图1,包括以下步骤:
(A)根据某谐波频次下的多谐波源诺顿等效电路,建立等效电路方程,利用最小二乘法拟合关注馈线的等效谐波阻抗初值。
所述步骤(A)的诺顿等效方程建立以及谐波阻抗初值的拟合按照以下步骤进行:
(A1)如图2和图4所示,当关注节点母线,即公共耦合点(Point of CommonCoupling,PCC)上接有多条馈线时的场景称为集中式多谐波源系统,通常可用图3所示的诺顿等效模型进行分析,其中系统侧与各馈线均等效为对应的谐波电流源与谐波阻抗的并联。令Z0和Zk(k=1,2,...,n)分别为系统侧与各馈线的谐波阻抗;和分别为系统侧与各馈线的谐波源发射的谐波电流;为馈线的谐波电流。由叠加定理,关注母线处的谐波电压是各馈线谐波源单独作用时产生在PCC处的谐波电压之和,即
Zpcc-0为除系统侧谐波阻抗以外的等效学阻抗;Zpcc-k为除馈线k的谐波源以外的等效谐波阻抗,即除了馈线k以外其他支路谐波阻抗的并联:
如图3所示,馈线k的谐波贡献度指标HCpcc-k可由其在PCC点产生的谐波电压在PCC点总谐波电压上的矢量投影来确定:
由式(4)可以看出,谐波贡献的确定取决于谐波阻抗Zpcc-k的准确估计。
(A2)在式(1)中分离出目标谐波源馈线i,并将剩余馈线谐波源与背景谐波电压项合并,
假设谐波阻抗保持恒定,对于第j组采样数据可得到如下方程:
其中εj为随机误差,式(5)可以视为线性回归模型:
Y=Xθ+ε (7)
其中
回归系数θ可由最小二乘法进行拟合:
回归模型通常需要系数保持恒定,其中谐波阻抗在稳定工况下可以认为是恒定的,而包括其他馈线谐波源发射的谐波电流与系统侧发射的背景谐波,它们难以保持恒定,因此直接在背景谐波波动较大时直接采用式(8)计算谐波阻抗距离真实值偏差较大。
(B)将步骤(A)所得的谐波阻抗初值,代入等效电路方程重构出背景谐波电压数据,并对这部分背景谐波电压数据进行排序和分段处理,对应的测量数据也随背景谐波做相同处理。所述步骤(B)利用谐波阻抗初值重构背景谐波电压数据,并对其进行排序分段处理按照以下步骤进行:
(B2)将(B1)所求的谐波阻抗初值代入式(11),重构出背景谐波电压数据Ex(y)。将背景谐波数据Ex(y)从小到大进行排序并分段,对应的测量数据Ux(y)、也按照Ex(y)的顺序进行排列并分段。如图5所示,通过对重构数据的处理可以发现,在排序分段后的数据中,Ux(y)与的线性相关程度更高,并且每个数据段的背景谐波方差相较于源数据较小,因此采用经过排序分段后的数据来计算谐波阻抗的误差更小,结果更精确。
(C)在步骤(B)中所得的各个背景谐波的子段中,利用随机独立矢量法计算该数据段的等效谐波阻抗,从而得到每个数据段的谐波阻抗。
所述步骤(C)中在各个背景谐波的子段中,利用随机独立矢量法计算该数据段的等效谐波阻抗,从而得到每个数据段的谐波阻抗。按照以下步骤进行:
(C1)上述步骤通过拟合阻抗初值重构背景谐波数据,并对其排序和分段的处理降低了波动。以实部的计算过程为例,假设总样本数为N,分段数为P,每个子数据段的样本量为n=N/P,则可得到每个数据段的谐波电压方程:
(C2)式(2)去均值得到:
将式(15)代入式(14)可得每个数据段中的谐波阻抗的计算公式:
(D)以步骤(C)中所得的各数据段阻抗计算值与阻抗初值之间的最小化差值为准则构建目标函数,迭代出满足目标函数的最优初值作为关注谐波馈线的谐波阻抗估计值。最后利用关注馈线的等效谐波阻抗估计值与谐波电流在关注母线谐波电压上的矢量投影来量化该谐波源的贡献。
所述步骤(D)中定义目标函数迭代初始阻抗并求解谐波贡献度。按照以下步骤进行:
(D1)定义各数据段计算阻抗与阻抗初值的差值函数ΔZ,其计算公式如下:
P为子段的数量,每输入一个阻抗初值就会得到一个差值函数ΔZx,因此ΔZx是阻抗初值的函数。当ΔZx取得最小时表明阻抗初值与各数据段阻抗计算值之间的差距最小,此时的阻抗初值为最优阻抗初值,即目标函数为:
(D2)定义阻抗变化步长δ来迭代阻抗初值,并通过计算γ来确定迭代的方向,
阻抗初值具体迭代的方向为:
(D3)重复步骤(B1)~(D2)直到差值函数ΔZx不再增加,并在阻抗初值10倍范围内验证ΔZx是否为最小值,如果是,则差值函数最小值对于的阻抗初值为算法所求,
相反地,若不是最小值,则迭代阻抗初值重新计算。由于ΔZx最小值存在且唯一,阻抗初值的选取不会影响最终计算结果,但是会影响整个算法迭代过程的计算量。因为所提方法的目标是求取使差值函数ΔZx最小的阻抗初值,若该阻抗初值偏离真实值较大,所提方法收敛到最小ΔZx值的计算时间将增加,而最小ΔZx值唯一存在,经过迭代后也能收敛到最小值,因此阻抗初值选取本身不影响结果的准确性。
计算出谐波阻抗之后,再由式(4)计算馈线i的谐波源的谐波贡献。
本实施例的具体实施过程如下:以包含4条馈线的5次谐波系统为例,在Matlab中搭建如图3所示的诺顿等效电路,参数设置如表1所示,
表1实施例中仿真参数设置
其中各馈线与系统侧谐波阻抗等效为电阻与电抗的串联。采用方差衡量数据波动的程度,在每条馈线的谐波电流上添加均值为0,方差为1的随机波动;系数K用于调节背景谐波方差大小,在系统侧谐波电流上叠加均值为0,方差为0.05K的随机波动。
为进一步本发明方法的计算过程,以计算馈线1的谐波贡献度为例,由式(3)可知,Zpcc-1为馈线2,3,4与系统侧谐波阻抗的并联,其理论值为1.63+j2.90Ω。令K=2,采用最小二乘法拟合的阻抗初值为1.48+j1.93Ω,采用本发明算法进行迭代后的最优阻抗初值为1.66+j2.89Ω。在该初值10倍范围内分别计算实部与虚部的差值函数,阻抗初值与差值函数的变化曲线如图6所示。可见实部与虚部的差值函数在所求值附近具有最小值,再由式(4)可得馈线1的谐波贡献度HCpcc-1为23.30%。
为分析所提方法与现有方法的计算精度,选取方法1:最小二乘法;方法2:协方差法与方法3:本发明所提方法进行对比分析,结果如表2所示。
表2实施例中本发明与其他方法的计算各谐波源谐波贡献度的结果
为分析所提方法在背景谐波波动增大时的评估精度,调节K分别为1,2,3,4,5。程序运行100次,采用上述3中方法分别计算每条馈线的谐波贡献误差均方根值(RMSE),结果如图7所示。
为分析所提方法在系统侧阻抗与用户谐波阻抗大小接近时的有效性,设置系数m来调节系统侧阻抗的大小,即系统侧参数设置为:R=2m、L=0.002m;m分别调节为1,3,5,再次采用上述3中方法分别计算每条馈线的谐波贡献误差均方根值,结果如图8所示。
Claims (6)
1.基于重构数据处理的多谐波源责任量化方法,其特征在于,包括以下步骤:
(A)根据具体谐波频次h下的多谐波源诺顿等效电路,建立等效电路方程,利用最小二乘法拟合关注馈线的等效谐波阻抗初值;
(B)将步骤(A)所得的等效谐波阻抗初值,代入等效电路方程重构出背景谐波电压数据,并对背景谐波电压数据进行排序和分段处理,得到若干数据段,对应的测量数据与背景谐波电压数据做相同处理;
(C)利用随机独立矢量法计算各数据段的等效谐波阻抗,从而得到每个数据段的谐波阻抗;
(D)以步骤(C)中所得的各数据段阻抗计算值与阻抗初值之间的最小化差值为准则构建目标函数,迭代出满足目标函数的最优初值作为关注谐波馈线的谐波阻抗估计值,最后利用关注馈线的等效谐波阻抗估计值与谐波电流在关注母线谐波电压上的矢量投影来量化谐波源的贡献。
2.根据权利要求1所述的基于重构数据处理的多谐波源责任量化方法,其特征在于,所述步骤(A)具体包括以下步骤:
(A1)当关注节点母线上接有多条馈线时用多谐波源诺顿等效电路进行分析,其中系统侧与各馈线均等效为对应的谐波电流源与谐波阻抗的并联,令Z0和Zk(k=1,2,...,n)分别为系统侧与各馈线的谐波阻抗;和分别为系统侧与各馈线的谐波源发射的谐波电流;为馈线的谐波电流;由叠加定理,关注母线处的谐波电压是各馈线谐波源单独作用时产生在PCC处的谐波电压之和,即
Zpcc-0为除系统侧谐波阻抗以外的等效学阻抗;Zpcc-k为除馈线k的谐波源以外的等效谐波阻抗,即除了馈线k以外其他支路谐波阻抗的并联:
馈线k的谐波贡献度指标HCpcc-k可由其在PCC点产生的谐波电压在PCC点总谐波电压上的矢量投影来确定:
谐波贡献的确定取决于谐波阻抗Zpcc-k的准确估计;
假设谐波阻抗保持恒定,对于第j组采样数据得到如下方程:
Y=Xθ+ε
其中
回归系数θ由最小二乘法进行拟合:
6.根据权利要求5所述的基于重构数据处理的多谐波源责任量化方法,其特征在于,所述步骤(D)具体包括以下步骤:
(D1)定义各数据段计算阻抗与阻抗初值的差值函数ΔZ,其计算公式如下:
(D2)定义阻抗变化步长δ来迭代阻抗初值,并通过计算γ来确定迭代的方向,
阻抗初值具体迭代的方向为:
(D3)重复步骤(B1)~(D2)直到差值函数ΔZx不再增加,并在阻抗初值10倍范围内验证ΔZx是否为最小值,如果是,则差值函数最小值对于的阻抗初值为算法所求,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210814129.0A CN115293090A (zh) | 2022-07-11 | 2022-07-11 | 基于重构数据处理的多谐波源责任量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210814129.0A CN115293090A (zh) | 2022-07-11 | 2022-07-11 | 基于重构数据处理的多谐波源责任量化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115293090A true CN115293090A (zh) | 2022-11-04 |
Family
ID=83821610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210814129.0A Pending CN115293090A (zh) | 2022-07-11 | 2022-07-11 | 基于重构数据处理的多谐波源责任量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115293090A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117269604A (zh) * | 2023-09-18 | 2023-12-22 | 四川大学 | 一种考虑阻抗变化的多谐波源责任量化方法及系统 |
-
2022
- 2022-07-11 CN CN202210814129.0A patent/CN115293090A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117269604A (zh) * | 2023-09-18 | 2023-12-22 | 四川大学 | 一种考虑阻抗变化的多谐波源责任量化方法及系统 |
CN117269604B (zh) * | 2023-09-18 | 2024-04-30 | 四川大学 | 一种考虑阻抗变化的多谐波源责任量化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110190600B (zh) | 一种基于ami量测近邻回归的三相配电网拓扑辨识方法 | |
CN107658881A (zh) | 基于戴维南等值方法的电压稳定临界点判断方法 | |
CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
CN111413588B (zh) | 一种配电网单相接地故障选线方法 | |
CN110162871B (zh) | 一种基于无迹卡尔曼粒子滤波的电力系统动态估计方法 | |
CN109088407B (zh) | 基于深度信念网络伪量测建模的配电网状态估计方法 | |
CN111239549A (zh) | 一种基于离散小波变换的配电故障快速定位方法 | |
CN109787250B (zh) | 一种基于多元经验模态分解的电力系统低频振荡模式辨识方法 | |
CN111046327B (zh) | 适用于低频振荡与次同步振荡辨识的Prony分析方法 | |
CN110728331A (zh) | 一种改进最小二乘支持向量机的谐波发射水平评估方法 | |
CN109754013A (zh) | 一种基于无迹卡尔曼滤波的电力系统混合量测融合方法 | |
CN111783696A (zh) | 一种基于pv关系的低压分支拓扑实时分析的边缘计算方法 | |
CN111541255B (zh) | 基于动力学系统的低频振荡模态识别方法及系统 | |
CN115293090A (zh) | 基于重构数据处理的多谐波源责任量化方法 | |
CN110161375B (zh) | 一种基于分布电阻参数的高压直流输电线路计算模型 | |
CN113514743B (zh) | 一种基于多维特征的gis局部放电模式识别系统构建方法 | |
Zhang et al. | Fault location method based on SVM and similarity model matching | |
CN109146336B (zh) | 一种基于t分布的电力系统鲁棒状态估计方法 | |
CN107656905B (zh) | 一种利用误差传递的空气质量数据实时校准方法 | |
CN110703038B (zh) | 一种适用于风机接入配电网的谐波阻抗估算方法 | |
CN113866552A (zh) | 一种基于机器学习的中压配网用户用电异常诊断方法 | |
CN113189513A (zh) | 一种基于纹波的冗余电源均流状态识别方法 | |
CN109193639B (zh) | 一种电力系统抗差估计方法 | |
CN109638892B (zh) | 一种基于改进模糊聚类算法的光伏电站等值建模方法 | |
CN109884465B (zh) | 一种基于信号注入法的单向接地故障定位方法 |
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 |