CN115952917A - 一种有源配电网安全态势感知方法与系统 - Google Patents
一种有源配电网安全态势感知方法与系统 Download PDFInfo
- Publication number
- CN115952917A CN115952917A CN202310046446.7A CN202310046446A CN115952917A CN 115952917 A CN115952917 A CN 115952917A CN 202310046446 A CN202310046446 A CN 202310046446A CN 115952917 A CN115952917 A CN 115952917A
- Authority
- CN
- China
- Prior art keywords
- power grid
- data
- distribution network
- situation
- index
- 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
-
- 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
Abstract
本发明公开了一种有源配电网安全态势感知方法与系统,针对大量分布式电源接入的配电网,通过采用同步测量单元和数据采集与监视控制系统收集电网运行静态数据和动态数据,数据清洗模块清除了传统数据收集过程中存在的无效和冗杂数据,采用灰色预测算法、自回归AR算法、RBF神经网络算法和皮尔逊相关系数分析对电网安全态势进行综合感知,避免了传统预测模型采用单一预测方法的缺点;本发明可以满足分布式新能源高渗透率环境下的电网安全态势感知,预测结果足够精确、适用范围广,且在配电网发生故障情况下能给出电网安全态势评估备用方案。
Description
技术领域
本发明涉及配电网安全风险评估技术领域,特别涉及一种有源配电网安全态势感知方法与系统。
背景技术
电网安全态势感知是指在大规模电力系统环境中,对能够引起电力系统态势变化的安全要素进行收集、理解、显示且预测未来态势的发展,所以能够及时有效地对电网的安全态势进行感知显得尤为重要。现有的电网安全态势感知多是分为三个阶段:安全数据的测量与收集、电网安全态势的评估、对电网安全态势的发展进行预测。
随着能源发展的资源和环境问题日益加剧,构建新一代电力系统是实现能源生产和消费转型的关键。大量分布式电源接入电网,电力电子设备高度渗透至电力系统的每一个环节,导致电力数据生产、测量、收集、传输过程中会发生数据中断、跳变、越限、数值不合理等现象,为黑客数据攻击提供可乘之机,产生的无效和冗杂数据给电力系统运行状态预测等状态估计基本功能带来新问题,传统电网安全态势感知方法面临巨大挑战。
经对现有技术的检索发现,申请公布号为CN 112070400 A的中国专利申请公开了一种电网数据库安全态势评估方法及装置,该专利通过采集电网数据库的态势感知要素信息计算所述节点的安全态势指标值,根据该安全态势指标值作为电网数据库最近发展趋势的预测指标。但该专利未考虑电力电子设备高渗透率的影响,过程中存在的无效和冗杂数据极易伪装成波动数据入侵电网二次侧信息系统,造成无效和冗杂数据辨识难度加大,电力系统状态估计精度降低等问题。
申请公布号为CN 103679296 A的中国专利申请公开了基于态势感知的电网安全风险评估方法和模型,该专利通过灵敏度分析和态势指标分析结果,预知电网安全态势并确定安全风险应对策略和安全裕度调整策略,但采用单一的预测模型对电网安全态势进行预测,其预测结果不够精确,具有局限性,难以满足电力电子设备高渗透率环境下的电网安全态势预测。
因此,如何对分布式电源高渗透率有源配电网进行精准化的安全态势感知仍是难题。
发明内容
本发明提供了一种有源配电网安全态势感知方法与系统,其优点是能够满足电力电子设备高渗透率环境下电网的数据清理,且通过皮尔逊相关系数使对电网安全态势的预测更加精准。
本发明的技术方案如下:
一种有源配电网安全态势感知方法,其特征在于,包括以下步骤:
步骤1:收集电网运行数据,包括静态数据和动态数据,所述静态数据包括系统稳定性指标、母线承受电压能力指标、有功指标和电压指标;所述动态数据包括线路负载率指标、线路过载率指标、节点电压变化率指标、节点电压波动指标以及变压器负载率指标;
步骤2:对收集到的电网运行数据进行数据清洗,采用群体智能优化关联规则算法进行数据清洗并挖掘数据指标与系统态势间的关联规则,清除数据产生、数据收集、数据运输过程中的无效和冗杂数据,标定有效指标Xi及其关联电网态势的权重Yi,将清洗过的电网运行数据上传至调度中心EMS,计算电网安全态势评估值P为:
上式中Xi为系统的第i个指标值,Yi为指标i对应的权重,n为指标个数;
步骤3:根据所得电网安全态势评估值P,将有源配电网安全态势感知等级进行划分,并在电网安全态势评估值P在一预设区间内时控制电网线路两端断路器断开;
步骤4:对电网安全态势感知进行发展预测,利用三个预测算法预测T1至Tk时刻的电网安全态势评估值序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m},同时根据式1计算T1前m个实际电网安全态势评估值序列{P(k)|k=1,2,…,m},其中m为时刻的个数;
步骤5:采用皮尔逊相关法分别计算序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m}与序列{P(k)|k=1,2,…,m}之间的皮尔逊相关系数r1,r2,r3并转换成皮尔逊权重C1,C2,C3;
步骤6:计算出电网安全态势综合预测值P*:
利用电网安全态势综合预测值P*对未来T1至Tk时刻有源配电网安全态势感知等级进行划分,并在电网安全态势综合预测值P*在一预设区间内时控制电网线路两端断路器断开。
进一步的,步骤4中,三个预测算法分别为灰色预测算法、自回归AR算法和RBF神经网络算法。
进一步的,所述步骤5中的相关系数r1,r2,r3和皮尔逊权重C1,C2,C3计算方法如下:
C1、C2、C3之比与r1、r2、r3之比相等,且C1+C2+C3=1。
进一步的,若步骤1收集电网运行数据出现故障,采用备用电网安全态势感知方案:
采集电网负荷有功功率PL、负荷无功功率QL、发电机有功功率PG和发电机无功功率QG,由此计算备用电网安全态势评估值Pb:
根据所求备用电网安全态势评估值Pb重复步骤3、步骤4和步骤5,计算出备用电网安全态势综合预测值P*。
进一步的,还包括步骤7:若分布式电源投入功率的变化率大于启动值M,返回步骤1对配电网安全态势重新评估,其中
上式中S1为分布式电源总装机容量,S2为所有发电机总装机容量。
进一步的,当电网安全态势评估值P或电网安全态势综合预测值P*在[0.75,1]区间时,控制电网线路两端断路器断开。
进一步的,控制电网线路两端断路器断开时,同时控制电网中的高清视频捕捉仪和高像素图片服务器以监视断路器动作情况。
一种有源配电网安全态势感知系统,其特征在于,包括:
测量与收集模块,用于收集电网运行数据,包括静态数据和动态数据,所述静态数据包括系统稳定性指标、母线承受电压能力指标、有功指标和电压指标,所述动态数据包括线路负载率指标、线路过载率指标、节点电压变化率指标、节点电压波动指标以及变压器负载率指标;
数据清洗模块,对测量与收集模块收集到的数据进行数据清洗并挖掘数据指标与系统态势间的关联规则,清除数据产生、数据收集、数据运输过程中的无效和冗杂数据,标定有效指标Xi及其关联电网态势的权重Yi;
调度中心,接收数据清洗模块处理后的数据,并计算电网安全态势评估值P为:
上式中Xi为系统的第i个指标值,Yi为指标i对应的权重,n为指标个数,
根据所得电网安全态势评估值P,将有源配电网安全态势感知等级进行划分,并在电网安全态势评估值P在一预设区间内时控制电网线路两端断路器断开;
以及安全态势预测模块,利用三个预测算法预测T1至Tk时刻的电网安全态势评估值序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m},同时根据式1计算T1前m个实际电网安全态势评估值序列{P(k)|k=1,2,…,m},其中m为时刻的个数,
采用皮尔逊相关法分别计算序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m}与序列{P(k)|k=1,2,…,m}之间的皮尔逊相关系数r1,r2,r3并转换成皮尔逊权重C1,C2,C3,
计算出电网安全态势综合预测值P*:
利用电网安全态势综合预测值P*对未来T1至Tk时刻有源配电网安全态势感知等级进行划分,并在电网安全态势综合预测值P*在一预设区间内时控制电网线路两端断路器断开。
进一步的,所述测量与收集模块包括同步测量单元和数据采集与监视控制系统。
进一步的,还包括备用电网安全态势感知模块,用于采集电网负荷有功功率PL、负荷无功功率QL、发电机有功功率PG和发电机无功功率QG并传送至数据清洗模块。
综上所述,本发明的有益效果是:本发明通过数据清洗模块和皮尔逊相关系数分析,实现大量分布式电源接入配电网的安全态势感知,以及感知系统故障状态下的态势感知备用方案;考虑到电力电子设备高渗透率的影响,清除了数据采集过程中存在的无效与冗杂数据,提升了电力系统状态估计精度;采用多种预测模型对电网安全态势进行综合预测,其预测结果足够精确,适用性广。
附图说明
图1是本发明有源配电网安全态势感知系统的运行流程图;
图2是本电网安全态势感知具体评价体系结构示意图;
图3是本发明有源配电网安全态势感知系统的结构框图。
具体实施方式
下面结合附图详细说明本发明的具体实施方式。
实施例:参考图1-,一种有源配电网安全态势感知方法,包括以下步骤:
步骤1:采用同步测量单元和数据采集与监视控制系统收集电网运行静态数据和动态数据,所述静态数据包括系统稳定性指标、母线承受电压能力指标、有功指标和电压指标;所述动态数据包括线路负载率指标、线路过载率指标、节点电压变化率指标、节点电压波动指标以及变压器负载率指标;
上式中Fi,max为系统线路i的极限传输容量;n为系统线路的总数;Fi为系统线路i的有功潮流;
上式中Uk为系统除去与发电机相连的母线k上的电压;m0为系统除去与发电机相连的母线剩余母线的总数;
上式中,Uk,max为系统母线k上允许的极限电压;
上式中m指线路的负载率超过线路正常负载率的1.1倍的线路数量;
上式中Uk,0为系统正常状态下节点k上的电压;
上式中,Fb为系统变压器b输出的有功功率;Sb为变压器b的额定容量;n0为系统变压器的个数。
步骤2:对收集到的电网运行数据进行数据清洗,采用群体智能优化关联规则算法进行数据清洗并挖掘数据指标与系统态势间的关联规则,清除数据产生、数据收集、数据运输过程中的无效和冗杂数据,标定有效指标Xi及其关联电网态势的权重Yi,将清洗过的电网运行数据上传至调度中心EMS,计算电网安全态势评估值P为:
上式中Xi为系统的第i个指标值,Yi为指标i对应的权重,n为指标个数。
步骤3:根据所得电网安全态势评估值P,将有源配电网安全态势感知等级进行划分,分为4个等级,有源配电网安全态势感知等级根据电网安全态势评估值P的不同,分为安全状态a、预警状态b、危险状态c、紧急状态d。划分规则如表1所示;
表1有源配电网安全态势等级划分
P | 风险等级 |
[0,0.25) | 安全状态 |
[0.25,0.5) | 预警状态 |
[0.5,0.75) | 危险状态 |
[0.75,1] | 紧急状态 |
在电网安全态势评估值P在[0.75,1]区间内时控制电网线路两端断路器断开。
有源配电网安全态势感知等级为安全状态a时,调度中心EMS发出安全信号;预警状态b和危险状态c时,发出警告信号;紧急状态d时,调度中心发出故障信号,警告信号和故障信号传递给线路两端断路器,同时将信号送至高清视频捕捉仪和高像素图片服务器,以此监视断路器动作情况。
步骤4:对电网安全态势感知进行发展预测,分别利用灰色预测算法、自回归AR算法、RBF神经网络算法预测T1至Tk时刻的电网安全态势评估值序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m},同时根据式1计算T1前m个实际电网安全态势评估值序列{P(k)|k=1,2,…,m},其中m为时刻的个数;
步骤5:采用皮尔逊相关法分别计算序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m}与序列{P(k)|k=1,2,…,m}之间的皮尔逊相关系数r1,r2,r3并转换成皮尔逊权重C1,C2,C3;
相关系数r1,r2,r3和皮尔逊权重C1,C2,C3计算方法如下:
C1、C2、C3之比与r1、r2、r3之比相等,且C1+C2+C3=1。
步骤6:计算出电网安全态势综合预测值P*:
利用电网安全态势综合预测值P*对未来T1至Tk时刻有源配电网安全态势感知等级进行划分,并在电网安全态势综合预测值P*在一预设区间内时控制电网线路两端断路器断开。有源配电网安全态势感知等级分为4个等级:安全状态a*、预警状态b*、危险状态c*、紧急状态d*;安全状态a*时,调度中心EMS发出安全信号并进入步骤4;预警状态b*和危险状态c*时,发出警告信号并进入步骤4,紧急状态d*时,调度中心发出故障信号,动作于断路器跳闸并返回步骤1。
若步骤1收集电网运行数据出现故障,采用备用电网安全态势感知方案:
采集电网负荷有功功率PL、负荷无功功率QL、发电机有功功率PG和发电机无功功率QG,由此计算备用电网安全态势评估值Pb:
根据所求备用电网安全态势评估值Pb重复步骤3、步骤4、步骤5和步骤6,计算出备用电网安全态势综合预测值P*。
步骤7:若分布式电源投入功率的变化率大于启动值M,返回步骤1对配电网安全态势重新评估,其中
上式中S1为分布式电源总装机容量,S2为所有发电机总装机容量。
实施例二:参考图1-3,一种有源配电网安全态势感知系统,其特征在于,
包括:
测量与收集模块,用于收集电网运行数据,包括静态数据和动态数据,所述静态数据包括系统稳定性指标、母线承受电压能力指标、有功指标和电压指标,所述动态数据包括线路负载率指标、线路过载率指标、节点电压变化率指标、节点电压波动指标以及变压器负载率指标;
数据清洗模块,对测量与收集模块收集到的数据进行数据清洗并挖掘数据指标与系统态势间的关联规则,清除数据产生、数据收集、数据运输过程中的无效和冗杂数据,标定有效指标Xi及其关联电网态势的权重Yi;
调度中心,接收数据清洗模块处理后的数据,并计算电网安全态势评估值P为:
上式中Xi为系统的第i个指标值Yi为指标i对应的权重,n为指标个数,
根据所得电网安全态势评估值P,将有源配电网安全态势感知等级进行划分,并在电网安全态势评估值P在一预设区间内时控制电网线路两端断路器断开;
以及安全态势预测模块,利用三个预测算法预测T1至Tk时刻的电网安全态势评估值序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m},同时根据式1计算T1前m个实际电网安全态势评估值序列{P(k)|k=1,2,…,m},其中m为时刻的个数,
采用皮尔逊相关法分别计算序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m}与序列{P(k)|k=1,2,…,m}之间的皮尔逊相关系数r1,r2,r3并转换成皮尔逊权重C1,C2,C3,
计算出电网安全态势综合预测值P*:
利用电网安全态势综合预测值P*对未来T1至Tk时刻有源配电网安全态势感知等级进行划分,并在电网安全态势综合预测值P*在一预设区间内时控制电网线路两端断路器断开。
所述测量与收集模块包括同步测量单元和数据采集与监视控制系统。
还包括备用电网安全态势感知模块,用于采集电网负荷有功功率PL、负荷无功功率QL、发电机有功功率PG和发电机无功功率QG并传送至数据清洗模块。
以上所述的仅是本发明的优选实施方式,应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.一种有源配电网安全态势感知方法,其特征在于,包括以下步骤:
步骤1:收集电网运行数据,包括静态数据和动态数据,所述静态数据包括系统稳定性指标、母线承受电压能力指标、有功指标和电压指标;所述动态数据包括线路负载率指标、线路过载率指标、节点电压变化率指标、节点电压波动指标以及变压器负载率指标;
步骤2:对收集到的电网运行数据进行数据清洗,采用群体智能优化关联规则算法进行数据清洗并挖掘数据指标与系统态势间的关联规则,清除数据产生、数据收集、数据运输过程中的无效和冗杂数据,标定有效指标Xi及其关联电网态势的权重Yi,将清洗过的电网运行数据上传至调度中心EMS,计算电网安全态势评估值P为:
上式中Xi为系统的第i个指标值,Yi为指标i对应的权重,n为指标个数;
步骤3:根据所得电网安全态势评估值P,将有源配电网安全态势感知等级进行划分,并在电网安全态势评估值P在一预设区间内时控制电网线路两端断路器断开;
步骤4:对电网安全态势感知进行发展预测,利用三个预测算法预测T1至Tk时刻的电网安全态势评估值序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m},同时根据式1计算T1前m个实际电网安全态势评估值序列{P(k)|k=1,2,…,m},其中m为时刻的个数;
步骤5:采用皮尔逊相关法分别计算序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m}与序列{P(k)|k=1,2,…,m}之间的皮尔逊相关系数r1,r2,r3并转换成皮尔逊权重C1,C2,C3;
步骤6:计算出电网安全态势综合预测值P*:
利用电网安全态势综合预测值P*对未来T1至Tk时刻有源配电网安全态势感知等级进行划分,并在电网安全态势综合预测值P*在一预设区间内时控制电网线路两端断路器断开,并且在电网安全态势综合预测值P*不在该预设区间内时返回步骤4。
2.根据权利要求1所述的有源配电网安全态势感知方法,其特征在于,步骤4中,三个预测算法分别为灰色预测算法、自回归AR算法和RBF神经网络算法。
6.根据权利要求1所述的有源配电网安全态势感知方法,其特征在于,当电网安全态势评估值P或电网安全态势综合预测值P*在预设区间[0.75,1]内时,控制电网线路两端断路器断开。
7.根据权利要求1所述的有源配电网安全态势感知方法,其特征在于,控制电网线路两端断路器断开时,同时控制电网中的高清视频捕捉仪和高像素图片服务器以监视断路器动作情况。
8.一种有源配电网安全态势感知系统,其特征在于,包括:
测量与收集模块,用于收集电网运行数据,包括静态数据和动态数据,所述静态数据包括系统稳定性指标、母线承受电压能力指标、有功指标和电压指标,所述动态数据包括线路负载率指标、线路过载率指标、节点电压变化率指标、节点电压波动指标以及变压器负载率指标;
数据清洗模块,对测量与收集模块收集到的数据进行数据清洗并挖掘数据指标与系统态势间的关联规则,清除数据产生、数据收集、数据运输过程中的无效和冗杂数据,标定有效指标Xi及其关联电网态势的权重Yi;
调度中心,接收数据清洗模块处理后的数据,并计算电网安全态势评估值P为:
上式中Xi为系统的第i个指标值,Yi为指标i对应的权重,n为指标个数,
根据所得电网安全态势评估值P,将有源配电网安全态势感知等级进行划分,并在电网安全态势评估值P在一预设区间内时控制电网线路两端断路器断开;
以及安全态势预测模块,利用三个预测算法预测T1至Tk时刻的电网安全态势评估值序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m},同时根据式1计算T1前m个实际电网安全态势评估值序列{P(k)|k=1,2,…,m},其中m为时刻的个数,
采用皮尔逊相关法分别计算序列{p1(k)|k=1,2,…,m},{p2(k)|k=1,2,…,m},{p3(k)|k=1,2,…,m}与序列{P(k)|k=1,2,…,m}之间的皮尔逊相关系数r1,r2,r3并转换成皮尔逊权重C1,C2,C3,
计算出电网安全态势综合预测值P*:
利用电网安全态势综合预测值P*对未来T1至Tk时刻有源配电网安全态势感知等级进行划分,并在电网安全态势综合预测值P*在一预设区间内时控制电网线路两端断路器断开。
9.根据权利要求8所述的有源配电网安全态势感知方法与系统,其特征在于,所述测量与收集模块包括同步测量单元和数据采集与监视控制系统。
10.根据权利要求8所述的有源配电网安全态势感知方法与系统,其特征在于,还包括备用电网安全态势感知模块,用于采集电网负荷有功功率PL、负荷无功功率QL、发电机有功功率PG和发电机无功功率QG并传送至数据清洗模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310046446.7A CN115952917A (zh) | 2023-01-31 | 2023-01-31 | 一种有源配电网安全态势感知方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310046446.7A CN115952917A (zh) | 2023-01-31 | 2023-01-31 | 一种有源配电网安全态势感知方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115952917A true CN115952917A (zh) | 2023-04-11 |
Family
ID=87286143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310046446.7A Pending CN115952917A (zh) | 2023-01-31 | 2023-01-31 | 一种有源配电网安全态势感知方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115952917A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117710153A (zh) * | 2024-02-06 | 2024-03-15 | 深圳市先行电气技术有限公司 | 一种基于多终端设备的用能辅助决策方法和系统 |
-
2023
- 2023-01-31 CN CN202310046446.7A patent/CN115952917A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117710153A (zh) * | 2024-02-06 | 2024-03-15 | 深圳市先行电气技术有限公司 | 一种基于多终端设备的用能辅助决策方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4890920B2 (ja) | 複数の分散型電源が連系された配電系統の電力品質維持支援方法及び電力品質維持支援システム | |
CN102063651B (zh) | 一种基于在线采集数据的城市电网风险评估系统 | |
CN112713649B (zh) | 一种基于极限学习机的电力设备剩余寿命预测方法 | |
JP6177208B2 (ja) | 電力系統監視装置および電力系統監視システム | |
Khalili et al. | Optimal instantaneous prediction of voltage instability due to transient faults in power networks taking into account the dynamic effect of generators | |
CN107886171B (zh) | 一种基于pmu数据的断路器状态在线诊断方法及系统 | |
CN101986358A (zh) | 一种融合神经网络和模糊控制的电气火灾智能报警方法 | |
US20170278200A1 (en) | System stability monitoring device and system stability monitoring system | |
Ge et al. | Evaluation of the situational awareness effects for smart distribution networks under the novel design of indicator framework and hybrid weighting method | |
CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析系统 | |
CN115952917A (zh) | 一种有源配电网安全态势感知方法与系统 | |
CN104300532A (zh) | 一种基于矩阵因子的电压暂降评估流程 | |
CN110209144A (zh) | 基于动静协同差异分析的两层实时监测与报警溯源方法 | |
CN106845757B (zh) | 一种电网潮流转移危害度评估方法 | |
CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
CN106651206A (zh) | 一种继电保护测试性评估指标体系的评估方法 | |
US20170097271A1 (en) | System stability monitoring apparatus and method | |
KR20130019229A (ko) | 배전계통 고장구간 검출 장치 및 방법 | |
CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
Banerjee et al. | Data-driven static load model parameter estimation with confidence factor | |
CN112084661B (zh) | 一种风电机组变流器水冷系统冷却状态评估预警方法 | |
CN114266370A (zh) | 一种台风气象环境电网设备故障处置预案在线生成方法、系统及存储介质 | |
CN113985284A (zh) | 一种核电站附加柴油发电机监测系统及方法 | |
CN114091322A (zh) | 一种基于数字模型的高压开关柜状态预测方法 | |
JP6818658B2 (ja) | 電力系統監視システム、電力系統監視方法、及びプログラム |
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 |