CN116316611B - 基于低压台区下的供电方法及系统 - Google Patents
基于低压台区下的供电方法及系统 Download PDFInfo
- Publication number
- CN116316611B CN116316611B CN202310451125.5A CN202310451125A CN116316611B CN 116316611 B CN116316611 B CN 116316611B CN 202310451125 A CN202310451125 A CN 202310451125A CN 116316611 B CN116316611 B CN 116316611B
- Authority
- CN
- China
- Prior art keywords
- voltage
- low
- power
- power model
- real
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012360 testing method Methods 0.000 claims abstract description 47
- 239000013598 vector Substances 0.000 claims description 39
- 238000004088 simulation Methods 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 230000004913 activation Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000002301 combined effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种基于低压台区下的供电方法,包括:根据低压台区的电压数据以及供电网络拓扑结构搭建低压台区电力模型,进行网络校核,将得到的完善电力模型利用实时低压台区数据进行调整,利用得到的实时电力模型获取测试低压台区数据对应的低压测试结果;根据低压测试结果计算实时电力模型的电压波动指标,根据电压波动指标制定供电方案;根据供电方案对实时电力模型进行调整,得到优化电力模型,计算功率稳定裕度;由功率稳定裕度选择供电方案对实时低压台区数据对应的实际低压台区进行供电。本发明还提出一种基于低压台区下的供电系统。本发明可以提高低压台区下的供电的稳定度。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于低压台区下的供电方法及系统。
背景技术
随着电气时代的到来,电力系统已经成为人们日常生活中难以割舍的一部分。为了解决低压台区的低压配电网中电压过低或过高的问题,保证低压台区用户的电压质量,需要对低压台区的电压需求进行分析,确定一种保证电压稳定的供电方案。
现有的电压需求分析方法主要是传统的负荷流计算等方法,虽然在一定程度上能够满足电力系统电压需求分析的需要,并且根据电压分析的结果确定出合适的供电方案。但是实际应用中负荷流计算进行复杂的矩阵运算,计算量大,计算时间长,计算结果不够精确导致低压台区下电压分析不够准确,也就无法确定电压持续稳定的供电方案。
发明内容
本发明提供一种基于低压台区下的供电方法及系统,其主要目的在于解决低压台区下的供电时电压稳定度较低的问题。
为实现上述目的,本发明提供的一种基于低压台区下的供电方法,包括:
获取预设的低压台区的电压数据以及供电网络拓扑结构,根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型,对所述低压台区电力模型进行网络校核,得到完善电力模型;
获取预设的实时低压台区数据,根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果;
根据所述低压测试结果计算所述实时电力模型的电压波动指标,根据所述电压波动指标制定供电方案,其中,所述根据所述测试结果计算所述实时电力模型的电压波动指标,包括:获取所述测试结果中的采样电压值以及瞬时电压值;根据所述采样电压值利用如下均方根电压公式计算所述实时电力模型的均方根电压:
其中,为所述均方根电压,/>为所述实时电力模型的采样点数,/>为第/>个采样电压值,/>为采样点数的计数值;获取预设的期望电压值,将所述期望电压值与所述瞬时电压值的差值作为瞬时偏压值;将所述均方根电压与所述瞬时偏压值作为所述实时电力模型的电压波动指标;
根据所述供电方案对所述实时电力模型进行调整,得到优化电力模型,获取所述优化电力模型的功率稳定裕度,将所述功率稳定裕度与预设的标准稳定性进行比对;
若所述优化电力模型的功率稳定裕度劣于所述标准稳定性,则返回根据所述电压波动指标制定供电方案的步骤;
若所述优化电力模型的功率稳定裕度优于所述标准稳定性,则利用所述供电方案对所述实时低压台区数据对应的实际低压台区进行供电。
可选地,所述根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型,包括:
利用预设的数据处理工具将所述电压数据录入预设的工作表中,得到电压数据表;
对所述电压数据表进行格式调整得到格式表格;
将所述格式表格保存为预设的计算机格式,得到计算机表格;
利用预设的建模软件将所述计算机表格与所述供电网络拓扑结构转化成低压台区电力模型。
可选地,所述对所述低压台区电力模型进行网络校核,得到完善电力模型,包括:
利用预设的仿真软件对所述低压台区电力模型进行模拟仿真,得到仿真结果;
计算所述仿真结果与预设的标准结果之间的仿真误差值;
若所述仿真误差值大于预设的误差阈值,则返回根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型的步骤;
若所述仿真误差值小于预设的误差阈值,将所述低压台区电力模型确定为完善电力模型。
可选地,所述根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,包括:
利用指数参数估计公式计算所述完善电力模型的更新衰减因子;
通过所述完善电力模型获取实时低压台区数据的运行结果,将所述运行结果与预设的实际结果进行比对,得到比对结果;
利用所述比对结果对所述完善电力模型中的更新衰减因子进行调整,直至所述比对结果处于预设的比对值域中,将调整后的完善电力模型确定为实时电力模型。
可选地,所述利用指数参数估计公式计算所述完善电力模型的更新衰减因子,包括:
获取预设的完善电力模型的测量值;
利用如下指数参数估计公式根据所述测量值计算所述完善电力模型的更新衰减因子:
其中,为第/>个更新衰减因子,/>为第/>个更新衰减因子,/>表示预设的平滑系数,/>为第/>个测量值。
可选地,所述利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果,包括:
提取所述测试低压台区数据对应的特征向量;
对所述特征向量进行归一标准处理,得到标准向量;
利用所述实时电力模型中自带的激活函数计算所述标准向量对应的概率分布,选取大于预设概率值的标准向量对应的预测标签为低压测试结果。
可选地,所述对所述特征向量进行归一标准处理,得到标准向量,包括:
利用如下归一公式对所述特征向量进行归一标准处理:
其中,为所述标准向量,/>为所述特征向量的最小值,/>为所述特征向量的最大值,/>为当前特征向量。
可选地,所述获取所述优化电力模型的功率稳定裕度,包括:
计算所述优化电力模型的动态功率稳定裕度;
计算所述优化电力模型的稳态功率稳定裕度;
将所述动态功率稳定裕度与所述稳态功率稳定裕度的加权平均值确定为所述优化电力模型的功率稳定裕度。
可选地,所述计算所述优化电力模型的动态功率稳定裕度,包括:
利用如下动态裕度公式计算所述优化电力模型的动态功率稳定裕度:
其中,为所述动态功率稳定裕度,/>是预设的电力模型的额定工作点潮流负荷,/>是当的负荷变化时,电力模型的最小稳态输出功率。
为了解决上述问题,本发明还提供一种基于低压台区下的供电系统,所述系统包括:
构建模型模块:获取预设的低压台区的电压数据以及供电网络拓扑结构,根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型,对所述低压台区电力模型进行网络校核,得到完善电力模型;
完善模型模块:获取预设的实时低压台区数据,根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果;
制定方案模块:根据所述低压测试结果计算所述实时电力模型的电压波动指标,根据所述电压波动指标制定供电方案,其中,所述根据所述测试结果计算所述实时电力模型的电压波动指标,包括:获取所述测试结果中的采样电压值以及瞬时电压值;根据所述采样电压值利用如下均方根电压公式计算所述实时电力模型的均方根电压:
其中,为所述均方根电压,/>为所述实时电力模型的采样点数,/>为第/>个采样电压值,/>为采样点数的计数值;获取预设的期望电压值,将所述期望电压值与所述瞬时电压值的差值作为瞬时偏压值;将所述均方根电压与所述瞬时偏压值作为所述实时电力模型的电压波动指标;
比对调整模块:根据所述供电方案对所述实时电力模型进行调整,得到优化电力模型,获取所述优化电力模型的功率稳定裕度,将所述功率稳定裕度与预设的标准稳定性进行比对;
第一选择模块:若所述优化电力模型的功率稳定裕度劣于所述标准稳定性,则返回根据所述电压波动指标制定供电方案的步骤;
第二选择模块:若所述优化电力模型的功率稳定裕度优于所述标准稳定性,则执行利用所述供电方案对所述实时低压台区数据对应的实际低压台区进行供电。
本发明实施例通过电压数据以及供电网络拓扑结构搭建低压台区电力模型,对所述低压台区电力模型进行网络校核以及根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果,由于经过网络校对优化后的低压台区电力模型已经具有更高的预测准确性,但是电力网络的实时信息会不断变化,因此需要针对实时数据作出及时的反馈调整,以维持最佳预测效果;根据所述低压测试结果计算所述实时电力模型的电压波动指标,根据所述电压波动指标制定供电方案;根据所述供电方案对所述实时电力模型进行调整,得到优化电力模型,获取所述优化电力模型的功率稳定裕度,将所述功率稳定裕度与预设的标准稳定性进行比对,需要根据所述供电方案对实时电力模型进行调整,以保证实时电力模型的准确性和可靠性,从而提高供电质量;若所述优化电力模型的功率稳定裕度劣于所述标准稳定性,则返回根据所述电压波动指标制定供电方案的步骤,若所述优化电力模型的功率稳定裕度优于所述标准稳定性,则利用所述供电方案对所述实时低压台区数据对应的实际低压台区进行供电。因此本发明提出的基于低压台区下的供电方法、系统,可以解决低压台区下的供电时电压稳定度较低的问题。
附图说明
图1为本发明一实施例提供的基于低压台区下的供电方法的流程示意图;
图2为本发明一实施例提供的搭建低压台区电力模型的流程示意图;
图3为本发明一实施例提供的获取完善电力模型的流程示意图;
图4为本发明一实施例提供的基于低压台区下的供电系统的功能模块图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于低压台区下的供电方法。所述基于低压台区下的供电方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于低压台区下的供电方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于低压台区下的供电方法的流程示意图。在本实施例中,所述基于低压台区下的供电方法包括:
S1、获取预设的低压台区的电压数据以及供电网络拓扑结构,根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型,对所述低压台区电力模型进行网络校核,得到完善电力模型;
由于电力系统是一个复杂多变的系统,涉及到许多因素包括发电、输电、变电、配电等环节,同时还受到外部环境和负载变化等因素的影响。如果直接对电压需求进行分析,很难全面考虑这些因素的综合作用。而搭建电力模型可以将电力系统中各种因素进行抽象和模拟,通过计算机仿真来模拟电力系统的运行情况,因此在对低压台区进行供电时,有必要搭建低压台区电力模型。
本发明实施例中,所述电压数据包括低压配电网各级变电站、馈线、主干线以及二次侧配电变压器等设备的位置、参数、电流电压等基本信息。
本发明实施例中,参照图2所示,所述根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型,包括:
S21、利用预设的数据处理工具将所述电压数据录入预设的工作表中,得到电压数据表;
S22、对所述电压数据表进行格式调整得到格式表格;
S23、将所述格式表格保存为预设的计算机格式,得到计算机表格;
S24、利用预设的建模软件将所述计算机表格与所述供电网络拓扑结构转化成低压台区电力模型。
本发明实施例中,所述数据处理工具包括但不限于微软Excel、谷歌表格等。
本发明实施例中,所述将所述格式表格保存为预设的计算机格式,其中,所述计算机格式有CSV格式、Excel格式、HTML格式、JSON格式等,这些计算机格式均可根据需要选择,可以根据具体使用环境和需求选择适合的格式。
详细地,所述对所述电压数据表进行格式调整,包括设置列宽、字体颜色、单元格边框等。所述格式调整是将数据转换为特定格式或标准的过程,这样做可以使数据容易被理解、存储、交换和处理。例如,将日期格式化为“年-月-日”的形式,或者将货币格式化为特定的货币符号和小数位数。对于计算机系统来说,格式调整也非常重要,因为它们需要按照特定的格式才能正确地处理数据。
本发明实施例中,所述预设的建模软件包括但不限于PSSE、PSCAD、NEPLAN等。其中PSSE是一款广泛应用于电力系统建模和分析的商业模拟软件;PSCAD则是面向研究和设计过程的仿真工具;NEPLAN是以风-水-地三种能源作为输入的电力系统仿真软件。此外还可以借助Matlab或Python等编程语言搭建电力模型。
本发明实施例中,参照图3所示,所述对所述低压台区电力模型进行网络校核,得到完善电力模型,包括:
S31、利用预设的仿真软件对所述低压台区电力模型进行模拟仿真,得到仿真结果;
S32、计算所述仿真结果与预设的标准结果之间的仿真误差值;
S33、若所述仿真误差值大于预设的误差阈值,则返回根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型的步骤;
S34、若所述仿真误差值小于预设的误差阈值,将所述低压台区电力模型确定为完善电力模型。
详细地,所述计算所述仿真结果与预设的标准结果之间的仿真误差值,将得到的仿真结果与预设的标准结果进行比对,将所述仿真结果与所述标准结果之间的差值确定为仿真误差值,根据所述仿真误差值对所述低压台区电力模型进行校核。
具体地,对所述低压台区电力模型进行网络校核可以找出电力系统中存在的问题并及时解决,确保电网的安全运行,还可以帮助我们找出电力系统中的问题并加以解决,同时也可以优化电力系统运行,提高电力系统的安全性、可靠性和经济性。
S2、获取预设的实时低压台区数据,根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果;
由于经过网络校对优化后的低压台区电力模型已经具有更高的预测准确性,但是电力网络的实时信息会不断变化,因此需要针对实时数据作出及时的反馈调整,以维持最佳预测效果。在这种情况下,利用所述实时低压台区数据对所述完善电力模型进行调整是必要的。
本发明实施例中,所述根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,包括:
利用指数参数估计公式计算所述完善电力模型的更新衰减因子;
通过所述完善电力模型获取实时低压台区数据的运行结果,将所述运行结果与预设的实际结果进行比对,得到比对结果;
利用所述比对结果对所述完善电力模型中的更新衰减因子进行调整,直至所述比对结果处于预设的比对值域中,将调整后的完善电力模型确定为实时电力模型。
另外地,所述更新衰减因子是指更新电力模型时使用的一种系数,用于描述外部扰动、负载变化等因素对电力系统响应的影响程度。在实际操作环境中,由于各种不确定性因素的存在,电力系统可能会出现某些异常情况,例如瞬态过电压、电流突变等,而这些异常情况可以通过衰减因子进行修正。
进一步地,所述利用指数参数估计方法确定所述完善电力模型的更新衰减因子,模型建立简单,只需要少量的可观测数据就可以估计出衰减因子的值,同时算法鲁棒性强,指数参数估计方法对数据变化的响应较快,且随着时间的推移,衰减因子的值会自然地收敛到一个稳定值,而且算法容易实现,实施成本较低,便于在实际操作环境中广泛推广和应用。
详细地,所述利用指数参数估计公式计算所述完善电力模型的更新衰减因子,包括:
获取预设的完善电力模型的测量值;
利用如下指数参数估计公式根据所述测量值计算所述完善电力模型的更新衰减因子:
其中,为第/>个更新衰减因子,/>为第/>个更新衰减因子,/>表示预设的平滑系数,/>为第/>个测量值。
详细地,所述指数参数估计公式中的平滑系数取值范围为 0 到 1 之间,一般设为常数值,建议设为 0.1-0.3 之间。 该系数越大,近期的数据对预测结果的影响越大,但是预测随机波动也会比较剧烈。
本发明实施例中,所述利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果,包括:
提取所述测试低压台区数据对应的特征向量;
对所述特征向量进行归一标准处理,得到标准向量;
利用所述实时电力模型中自带的激活函数计算所述标准向量对应的概率分布,选取大于预设概率值的标准向量对应的预测标签为低压测试结果。
详细地,所述激活函数可以为sigmoid激活函数,可利用所述激活函数对所述标准向量进行计算,得到所述标准向量与预设预测标签之间的相对概率值。
本发明实施例中,所述对所述特征向量进行归一标准处理,得到标准向量,包括:
利用如下归一公式对所述特征向量进行归一标准处理:
其中,为所述标准向量,/>为所述特征向量的最小值,/>为所述特征向量的最大值,/>为当前特征向量。
进一步地,所述对所述特征向量进行归一标准处理,可以避免不同特征之间的数值差异对模型算法产生的影响。这样可以增加模型算法的稳定性,使得算法对输入数据变化的适应能力更强,还可以更容易地进行特征选择,避免了某些特征对模型算法结果的过分影响,从而使得模型算法的精度提高。
S3、根据所述低压测试结果计算所述实时电力模型的电压波动指标,根据所述电压波动指标制定供电方案;
为了便于制定供电方案需要计算电压波动指标,通过了解电压波动指标的情况,可以针对性地选择合适的变压器容量、线路敷设、电力电子设备和绝缘等级等因素,进而减少电压波动幅值,提高电力供应的可靠性。
本发明实施例中,所述根据所述低压测试结果计算所述实时电力模型的电压波动指标,包括:
获取所述低压测试结果中的采样电压值以及瞬时电压值;
根据所述采样电压值利用如下均方根电压公式计算所述实时电力模型的均方根电压:
其中,为所述均方根电压,/>为所述实时电力模型的采样点数,/>为第/>个采样电压值,/>为采样点数的计数值;
获取预设的期望电压值,将所述期望电压值与所述瞬时电压值的差值作为瞬时偏压值;
将所述均方根电压与所述瞬时偏压值作为所述实时电力模型的电压波动指标。
本发明实施例中,所述根据所述电压波动指标制定供电方案,如果电压波动指标中的值较高,需要采取措施降低电压波动,例如增加变压器容量、调整配电线路、改善电源质量等。如果电压波动指标中的值较低,则可以考虑降低成本,例如减少变压器容量、缩短线路长度等。
另外地,制定供电方案后,还可以评估方案的可行性,根据可行性筛选出最终需要实际实施的技术方案,其中评估方案的可行性由技术经济分析与风险分析组成,技术经济分析包括建设成本、运行成本、维护成本和影响社会稳定的因素等,风险分析即分析方案实施后可能出现的风险,以及制定相应的措施来降低风险。
S4、根据所述供电方案对所述实时电力模型进行调整,得到优化电力模型,获取所述优化电力模型的功率稳定裕度,将所述功率稳定裕度与预设的标准稳定性进行比对;
由于制定供电方案时会涉及到很多因素,包括供电线路、变电站位置、配电房容量等等,这些因素都会对实时电力模型产生影响。因此,在制定供电方案后,需要根据所述供电方案对实时电力模型进行调整,以保证实时电力模型的准确性和可靠性,从而提高供电质量。
本发明实施例中,所述根据所述供电方案对所述实时电力模型进行调整即根据所述供电方案的内容对所述实施电力模型中的各个设备的参数进行重新修改,包括配变的额定容量、主要负荷的功率因数、电缆的电阻、电抗等。
本发明实施例中,所述获取所述优化电力模型的功率稳定裕度,包括:
计算所述优化电力模型的动态功率稳定裕度;
计算所述优化电力模型的稳态功率稳定裕度;
将所述动态功率稳定裕度与所述稳态功率稳定裕度的加权平均值确定为所述优化电力模型的功率稳定裕度。
详细地,所述计算所述优化电力模型的动态功率稳定裕度,包括:
利用如下动态裕度公式计算所述优化电力模型的动态功率稳定裕度:
其中,为所述动态功率稳定裕度,/>是预设的电力模型的额定工作点潮流负荷,/>是当的负荷变化时,电力模型的最小稳态输出功率。
另外地,所述计算所述优化电力模型的稳态功率稳定裕度,包括:
利用如下稳态裕度公式计算所述优化电力模型的稳态功率稳定裕度:
其中,稳态功率稳定裕度,/>是预设的电力模型的额定工作点潮流负荷,是当负荷突然增加时,由电力模型最弱部件限定的输出功率。
本发明实施例中,所述功率稳定裕度(Power Stability Margin 简称PSS)指标是用来评估电力模型稳态和暂态稳定性的一个重要指标。它是指在静态或动态负载工况下,模型的输出功率相对于额定输出功率所能容许的最大偏差,通常表示为百分比。功率稳定裕度越大,表明模型的稳态和暂态稳定性越好。
详细地,所述将所述功率稳定裕度与预设的标准稳定性进行比对能够判断出所述优化电力模型是否能够解决低压台区的实际问题,能否维持低压台区的电压,保证低压台区的居民能够保持稳定用电。
若所述优化电力模型的功率稳定裕度劣于所述标准稳定性,则返回S3;
本发明实施例中,所述若所述优化电力模型的功率稳定裕度劣于所述标准稳定性说明所述供电方案对应的优化电力模型无法使对应的低压台区维持电压稳定,即所述供电方案难以投入实际应用中,需要返回制定供电方案的步骤,重新选取供电方案。
若所述优化电力模型的功率稳定裕度优于所述标准稳定性,则执行S5利用所述供电方案对所述实时低压台区数据对应的实际低压台区进行供电。
本发明实施例中,若所述优化电力模型的功率稳定裕度优于所述标准稳定性说明所述供电方案能够维持低压台区的电压稳定,可以直接将所述供电方案在实时低压台区数据对应的低压台区中实施。
如图4所示,是本发明一实施例提供的基于低压台区下的供电系统的功能模块图。
本发明所述基于低压台区下的供电系统100可以安装于电子设备中。根据实现的功能,所述基于低压台区下的供电系统100可以包括构建模型模块101、完善模型模块102、制定方案模块103、比对调整模块104、第一选择模块105及第二选择模块106。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述构建模型模块101:获取预设的低压台区的电压数据以及供电网络拓扑结构,根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型,对所述低压台区电力模型进行网络校核,得到完善电力模型;
所述完善模型模块102:获取预设的实时低压台区数据,根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果;
所述制定方案模块103:根据所述低压测试结果计算所述实时电力模型的电压波动指标,根据所述电压波动指标制定供电方案,其中,所述根据所述测试结果计算所述实时电力模型的电压波动指标,包括:获取所述测试结果中的采样电压值以及瞬时电压值;根据所述采样电压值利用如下均方根电压公式计算所述实时电力模型的均方根电压:
其中,为所述均方根电压,/>为所述实时电力模型的采样点数,/>为第/>个采样电压值,/>为采样点数的计数值;获取预设的期望电压值,将所述期望电压值与所述瞬时电压值的差值作为瞬时偏压值;将所述均方根电压与所述瞬时偏压值作为所述实时电力模型的电压波动指标;
所述比对调整模块104:根据所述供电方案对所述实时电力模型进行调整,得到优化电力模型,获取所述优化电力模型的功率稳定裕度,将所述功率稳定裕度与预设的标准稳定性进行比对;
所述第一选择模块105:若所述优化电力模型的功率稳定裕度劣于所述标准稳定性,则返回根据所述电压波动指标制定供电方案的步骤;
所述第二选择模块106:若所述优化电力模型的功率稳定裕度优于所述标准稳定性,则利用所述供电方案对所述实时低压台区数据对应的实际低压台区进行供电。
详细地,本发明实施例中所述基于低压台区下的供电系统100中所述的各模块在使用时采用与上述图1至图3中所述的基于低压台区下的供电方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统实施例中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,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等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于低压台区下的供电方法,其特征在于,所述方法包括:
S1:获取预设的低压台区的电压数据以及供电网络拓扑结构,根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型,对所述低压台区电力模型进行网络校核,得到完善电力模型;
S2:获取预设的实时低压台区数据,根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果;
S3:根据所述低压测试结果计算所述实时电力模型的电压波动指标,根据所述电压波动指标制定供电方案,其中,所述根据所述低压测试结果计算所述实时电力模型的电压波动指标,包括:
S11:获取所述低压测试结果中的采样电压值以及瞬时电压值;
S12:根据所述采样电压值利用如下均方根电压公式计算所述实时电力模型的均方根电压:
其中,为所述均方根电压,/>为所述实时电力模型的采样点数,/>为第/>个采样电压值,为采样点数的计数值;
S13:获取预设的期望电压值,将所述期望电压值与所述瞬时电压值的差值作为瞬时偏压值;
S14:将所述均方根电压与所述瞬时偏压值作为所述实时电力模型的电压波动指标;
S4:根据所述供电方案对所述实时电力模型进行调整,得到优化电力模型,获取所述优化电力模型的功率稳定裕度,将所述功率稳定裕度与预设的标准稳定性进行比对;
若所述优化电力模型的功率稳定裕度劣于所述标准稳定性,则返回S3;
若所述优化电力模型的功率稳定裕度优于所述标准稳定性,则执行S5利用所述供电方案对所述实时低压台区数据对应的实际低压台区进行供电。
2.如权利要求1所述的基于低压台区下的供电方法,其特征在于,所述根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型,包括:
利用预设的数据处理工具将所述电压数据录入预设的工作表中,得到电压数据表;
对所述电压数据表进行格式调整得到格式表格;
将所述格式表格保存为预设的计算机格式,得到计算机表格;
利用预设的建模软件将所述计算机表格与所述供电网络拓扑结构转化成低压台区电力模型。
3.如权利要求1所述的基于低压台区下的供电方法,其特征在于,所述对所述低压台区电力模型进行网络校核,得到完善电力模型,包括:
利用预设的仿真软件对所述低压台区电力模型进行模拟仿真,得到仿真结果;
计算所述仿真结果与预设的标准结果之间的仿真误差值;
若所述仿真误差值大于预设的误差阈值,则返回根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型的步骤;
若所述仿真误差值小于预设的误差阈值,将所述低压台区电力模型确定为完善电力模型。
4.如权利要求1所述的基于低压台区下的供电方法,其特征在于,所述根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,包括:
利用指数参数估计公式计算所述完善电力模型的更新衰减因子;
通过所述完善电力模型获取实时低压台区数据的运行结果,将所述运行结果与预设的实际结果进行比对,得到比对结果;
利用所述比对结果对所述完善电力模型中的更新衰减因子进行调整,直至所述比对结果处于预设的比对值域中,将调整后的完善电力模型确定为实时电力模型。
5.如权利要求4所述的基于低压台区下的供电方法,其特征在于, 所述利用指数参数估计公式计算所述完善电力模型的更新衰减因子,包括:
获取预设的完善电力模型的测量值;
利用如下指数参数估计公式根据所述测量值计算所述完善电力模型的更新衰减因子:
其中,为第/>个更新衰减因子,/>为第/>个更新衰减因子,/>表示预设的平滑系数,/>为第/>个测量值。
6.如权利要求1所述的基于低压台区下的供电方法,其特征在于,所述利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果,包括:
提取所述测试低压台区数据对应的特征向量;
对所述特征向量进行归一标准处理,得到标准向量;
利用所述实时电力模型中自带的激活函数计算所述标准向量对应的概率分布,选取大于预设概率值的标准向量对应的预测标签为低压测试结果。
7.如权利要求6所述的基于低压台区下的供电方法,其特征在于,所述对所述特征向量进行归一标准处理,得到标准向量,包括:
利用如下归一公式对所述特征向量进行归一标准处理:
其中,为所述标准向量,/>为所述特征向量的最小值,/>为所述特征向量的最大值,/>为当前特征向量。
8.如权利要求1至7中任一项所述的基于低压台区下的供电方法,其特征在于,所述获取所述优化电力模型的功率稳定裕度,包括:
计算所述优化电力模型的动态功率稳定裕度;
计算所述优化电力模型的稳态功率稳定裕度;
将所述动态功率稳定裕度与所述稳态功率稳定裕度的加权平均值确定为所述优化电力模型的功率稳定裕度。
9.如权利要求8所述的基于低压台区下的供电方法,其特征在于, 所述计算所述优化电力模型的动态功率稳定裕度,包括:
利用如下动态裕度公式计算所述优化电力模型的动态功率稳定裕度:
其中,为所述动态功率稳定裕度,/>是预设的电力模型的额定工作点潮流负荷,是当负荷变化时,电力模型的最小稳态输出功率。
10.一种基于低压台区下的供电系统,其特征在于,所述系统包括:
构建模型模块:获取预设的低压台区的电压数据以及供电网络拓扑结构,根据所述电压数据以及供电网络拓扑结构搭建低压台区电力模型,对所述低压台区电力模型进行网络校核,得到完善电力模型;
完善模型模块:获取预设的实时低压台区数据,根据所述实时低压台区数据调整所述完善电力模型,得到实时电力模型,利用所述实时电力模型获取预设的测试低压台区数据对应的低压测试结果;
制定方案模块:根据所述低压测试结果计算所述实时电力模型的电压波动指标,根据所述电压波动指标制定供电方案,其中,所述根据所述低压测试结果计算所述实时电力模型的电压波动指标,包括:获取所述低压测试结果中的采样电压值以及瞬时电压值;根据所述采样电压值利用如下均方根电压公式计算所述实时电力模型的均方根电压:
其中,为所述均方根电压,/>为所述实时电力模型的采样点数,/>为第/>个采样电压值,为采样点数的计数值;获取预设的期望电压值,将所述期望电压值与所述瞬时电压值的差值作为瞬时偏压值;将所述均方根电压与所述瞬时偏压值作为所述实时电力模型的电压波动指标;
比对调整模块:根据所述供电方案对所述实时电力模型进行调整,得到优化电力模型,获取所述优化电力模型的功率稳定裕度,将所述功率稳定裕度与预设的标准稳定性进行比对;
第一选择模块:若所述优化电力模型的功率稳定裕度劣于所述标准稳定性,则返回根据所述电压波动指标制定供电方案的步骤;
第二选择模块:若所述优化电力模型的功率稳定裕度优于所述标准稳定性,则执行利用所述供电方案对所述实时低压台区数据对应的实际低压台区进行供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310451125.5A CN116316611B (zh) | 2023-04-25 | 2023-04-25 | 基于低压台区下的供电方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310451125.5A CN116316611B (zh) | 2023-04-25 | 2023-04-25 | 基于低压台区下的供电方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116316611A CN116316611A (zh) | 2023-06-23 |
CN116316611B true CN116316611B (zh) | 2023-08-18 |
Family
ID=86781631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310451125.5A Active CN116316611B (zh) | 2023-04-25 | 2023-04-25 | 基于低压台区下的供电方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116316611B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911471B (zh) * | 2023-09-14 | 2024-01-19 | 山东浪潮新基建科技有限公司 | 一种供电系统的传输性能优化方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000077908A1 (en) * | 1999-06-14 | 2000-12-21 | Abb Power T & D Company Inc. | An application and method for voltage instability predictor (vip) |
DE102013105444A1 (de) * | 2012-11-13 | 2014-05-15 | Sma Solar Technology Ag | Verfahren zur spannungsstabilisierung in einem elektrischen verteilnetz und vorrichtung hierzu |
CN108075466A (zh) * | 2017-12-08 | 2018-05-25 | 国网湖南省电力有限公司 | 一种台区低电压成因分析方法及系统 |
CN115204698A (zh) * | 2022-07-22 | 2022-10-18 | 安徽明生恒卓科技有限公司 | 一种低压台区供电稳定性的实时分析方法 |
CN115603310A (zh) * | 2022-10-13 | 2023-01-13 | 东北大学(Cn) | 基于智能演化和稳定性评估的能源系统网络拓扑生成方法 |
-
2023
- 2023-04-25 CN CN202310451125.5A patent/CN116316611B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000077908A1 (en) * | 1999-06-14 | 2000-12-21 | Abb Power T & D Company Inc. | An application and method for voltage instability predictor (vip) |
DE102013105444A1 (de) * | 2012-11-13 | 2014-05-15 | Sma Solar Technology Ag | Verfahren zur spannungsstabilisierung in einem elektrischen verteilnetz und vorrichtung hierzu |
CN108075466A (zh) * | 2017-12-08 | 2018-05-25 | 国网湖南省电力有限公司 | 一种台区低电压成因分析方法及系统 |
CN115204698A (zh) * | 2022-07-22 | 2022-10-18 | 安徽明生恒卓科技有限公司 | 一种低压台区供电稳定性的实时分析方法 |
CN115603310A (zh) * | 2022-10-13 | 2023-01-13 | 东北大学(Cn) | 基于智能演化和稳定性评估的能源系统网络拓扑生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116316611A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ghadimi et al. | PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives | |
Rezaeian-Marjani et al. | Optimal allocation of D-STATCOM in distribution networks including correlated renewable energy sources | |
CN110516912B (zh) | 一种配电台区户变关系的识别方法 | |
WO2015163121A1 (ja) | 電圧安定度監視装置および方法 | |
CN103914741A (zh) | 一种配电网的线损智能评价及辅助决策系统 | |
Galvani et al. | A multi-objective probabilistic approach for smart voltage control in wind-energy integrated networks considering correlated parameters | |
CN116316611B (zh) | 基于低压台区下的供电方法及系统 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN113098022A (zh) | 风电场并网点无功调节方法、装置、设备及存储介质 | |
CN111900713A (zh) | 网源协调下考虑负荷和风电随机性多场景输电网规划方法 | |
Ran et al. | Probabilistic evaluation for static voltage stability for unbalanced three‐phase distribution system | |
CN115392697A (zh) | 一种数据-模型混合驱动的电力系统安全评估方法及系统 | |
US20240113558A1 (en) | Power system supervisory control apparatus, power system supervisory control system, and power system supervisory control method | |
CN114006410B (zh) | 一种基于机会约束规划的大规模海上风电接入点优化方法 | |
Liu et al. | Kriging surrogate model enabled heuristic algorithm for coordinated Volt/Var management in active distribution networks | |
Li et al. | Reverse identification method of line parameters in distribution network with multi-T nodes based on partial measurement data | |
Rezaeian‐Marjani et al. | Probabilistic assessment of D‐STATCOM operation considering correlated uncertain variables | |
Wang et al. | Multi‐stage stochastic wind‐thermal generation expansion planning with probabilistic reliability criteria | |
CN116415708B (zh) | 考虑置信水平的电网鲁棒规划方法 | |
Santos et al. | A novel methodology to determine the reactive power range requirements for wind generators considering the correlation of electricity demand and wind generation | |
Soni et al. | An artificial neural network approach to performance investigation of radial distribution system with series capacitor installation | |
Zhang et al. | Short‐Term Power Prediction of Wind Power Generation System Based on Logistic Chaos Atom Search Optimization BP Neural Network | |
CN116231749A (zh) | 基于数字孪生的新能源电力系统调度方法 | |
Chen et al. | An evaluation method of distributed generation credible capacity based on island partition | |
CN114925916A (zh) | 一种基于数字孪生的重要用户保电应急辅助决策方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |