CN117374978A - 结合知识图谱构建的并网调度管理方法及系统 - Google Patents
结合知识图谱构建的并网调度管理方法及系统 Download PDFInfo
- Publication number
- CN117374978A CN117374978A CN202311672013.9A CN202311672013A CN117374978A CN 117374978 A CN117374978 A CN 117374978A CN 202311672013 A CN202311672013 A CN 202311672013A CN 117374978 A CN117374978 A CN 117374978A
- Authority
- CN
- China
- Prior art keywords
- grid
- data
- power
- power system
- knowledge graph
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012216 screening Methods 0.000 claims abstract description 28
- 230000002776 aggregation Effects 0.000 claims description 31
- 238000004220 aggregation Methods 0.000 claims description 31
- 238000012544 monitoring process Methods 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 9
- 230000005611 electricity Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002372 labelling Methods 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
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了结合知识图谱构建的并网调度管理方法及系统,涉及并网调度管理技术领域,所述方法包括:先构建电力信息知识图谱,然后采集目标电力的实时电力数据,并把两组数据进行融合,然后基于数字孪生模型预测运行状态,然后生成调度任务簇的最值约束,再进行多维平衡筛选,生成并网调度计划,并进行电力系统的并网调度管理。本申请主要解决了不能实时了解电力数据,智能化和自动化水平不高,弱化了配网调度管理的效果的技术问题。通过实时电力信息构建知识图谱,然后多维平衡筛选出并网调度计划,并根据计划进行管理。可以有效地执行目标电力系统的并网调度管理,确保电力系统的稳定、安全、高效运行。
Description
技术领域
本发明涉及并网调度管理的技术领域,具体涉及结合知识图谱构建的并网调度管理方法及系统。
背景技术
并网调度管理是指对并网运行的发电厂、机组、变电站或电网与所并入的电网之间,事故和超计划用电限电序位表发布拉闸限电指令:在发生事故或超计划用电时,调度机构需严格按照事故和超计划用电限电序位表发布拉闸限电指令,以保障电网的安全和稳定。但并网调度管理的管理还存在一些问题,导致配网调度管理效果不佳,电力资源利用率下降,增加电力用户与供电企业间矛盾。
现有技术是通过人工方式对电网进行监测、分析和控制,同时和电力用户、发电厂保持联系及时发现和解决问题。
现有技术不能实时了解电力数据,弱化了配网调度管理的效果。不能根据预测运行状态进行管理,运行缺乏智能化和自动化水平不高,调度自动化系统的稳定性和可靠性不高等问题。
发明内容
本申请主要解决了不能实时了解电力数据,智能化和自动化水平不高,弱化了配网调度管理的效果的技术问题。
鉴于上述问题,本申请提供了结合知识图谱构建的并网调度管理方法及系统,第一方面,本申请实施例提供了结合知识图谱构建的并网调度管理方法,所述方法包括:构建电力信息知识图谱,所述电力信息知识图谱包括目标电力系统的电力设备、电缆线路,采集目标电力系统的实时电力数据,所述实时电力数据包括设备状态数据、线路负载数据、节点电压数据,对所述电力信息知识图谱、所述实时电力数据进行数据融合,而后,与所述目标电力系统的监控单元、保护单元集成,得到数字孪生模型,基于所述数字孪生模型,预测所述目标电力系统的运行状态,得到电力运行参数预测序列,所述电力运行参数预测序列包括负荷运行参数预测序列、电压运行参数预测序列、频率运行参数预测序列、电流运行参数预测序列、温度运行参数预测序列,依据所述电力运行参数预测序列配置调度任务簇数量,并生成调度任务簇的最值约束,以所述最值约束和所述调度任务簇数量作为调度终止约束,执行优化电力运行效率的任务关联聚合,对任务关联聚合进行多维平衡筛选,根据多维平衡筛选结果生成并网调度计划,依据所述并网调度计划进行所述目标电力系统的并网调度管理。
第二方面,本申请提供了结合知识图谱构建的并网调度管理系统,所述系统包括:电力信息知识图谱构建模块,所述电力信息知识图谱构建模块用于构建电力信息知识图谱,所述电力信息知识图谱包括目标电力系统的电力设备、电缆线路,实时电力数据采集模块,所述实时电力数据采集模块用于采集目标电力系统的实时电力数据,所述实时电力数据包括设备状态数据、线路负载数据、节点电压数据,数字孪生模型获取模块,所述数字孪生模型获取模块用于对所述电力信息知识图谱、所述实时电力数据进行数据融合,而后,与所述目标电力系统的监控单元、保护单元集成,得到数字孪生模型,运行参数预测序列获取模块,所述运行参数预测序列获取模块是基于所述数字孪生模型,预测所述目标电力系统的运行状态,得到电力运行参数预测序列,所述电力运行参数预测序列包括负荷运行参数预测序列、电压运行参数预测序列、频率运行参数预测序列、电流运行参数预测序列、温度运行参数预测序列,任务关联聚合执行模块,所述任务关联聚合执行模块用于依据所述电力运行参数预测序列配置调度任务簇数量,并生成调度任务簇的最值约束,以所述最值约束和所述调度任务簇数量作为调度终止约束,执行优化电力运行效率的任务关联聚合,多维平衡筛选模块,所述多维平衡筛选模块用于对任务关联聚合进行多维平衡筛选,根据多维平衡筛选结果生成并网调度计划,并网调度管理模块,所述并网调度管理模块用于依据所述并网调度计划进行所述目标电力系统的并网调度管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了结合知识图谱构建的并网调度管理方法及系统,涉及并网调度管理技术领域,所述方法包括:先构建电力信息知识图谱,然后采集目标电力的实时电力数据,并把两组数据进行融合,然后基于数字孪生模型预测运行状态,然后生成调度任务簇的最值约束,再进行多维平衡筛选,生成并网调度计划,并进行电力系统的并网调度管理。
本申请主要解决了不能实时了解电力数据,智能化和自动化水平不高,弱化了配网调度管理的效果的技术问题。通过实时电力信息构建知识图谱,然后多维平衡筛选出并网调度计划,并根据计划进行管理。可以有效地执行目标电力系统的并网调度管理,确保电力系统的稳定、安全、高效运行。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供了结合知识图谱构建的并网调度管理方法流程示意图;
图2为本申请实施例提供了结合知识图谱构建的并网调度管理方法中,发出调度准许指令的方法流程示意图;
图3为本申请实施例提供了结合知识图谱构建的并网调度管理方法中,比较差值与单位约束条件的方法流程示意图;
图4为本申请实施例提供了结合知识图谱构建的并网调度管理系统的结构示意图。
附图标记说明:电力信息知识图谱构建模块10,实时电力数据采集模块20,数字孪生模型获取模块30,运行参数预测序列获取模块40,任务关联聚合执行模块50,多维平衡筛选模块60,并网调度管理模块70。
具体实施方式
本申请主要解决了不能实时了解电力数据,智能化和自动化水平不高,弱化了配网调度管理的效果的技术问题。通过实时电力信息构建知识图谱,然后多维平衡筛选出并网调度计划,并根据计划进行管理。可以有效地执行目标电力系统的并网调度管理,确保电力系统的稳定、安全、高效运行。
本为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍:
实施例一
如图1所示,结合知识图谱构建的并网调度管理方法,所述方法包括:
构建电力信息知识图谱,所述电力信息知识图谱包括目标电力系统的电力设备、电缆线路;
具体而言,电力信息知识图谱的构建需要对电力系统的各种元素进行识别、分类、以及信息提取。数据收集:首先,需要收集关于电力系统的各种数据,包括电力设备的类型、型号、位置、工作状态、维护记录等信息,以及电缆线路的路径、负载、故障历史等数据。这些数据可以从现有的电力管理系统、维护记录、企业数据库中获取。数据清洗:由于收集到的数据可能存在错误、重复或者缺失,所以需要进行数据清洗,包括删除重复数据,修正错误数据,以及填充缺失数据。实体识别:利用自然语言处理技术,对数据进行实体识别,识别出电力设备、电缆线路等实体。关系抽取:通过分析电力设备、电缆线路等实体的相关数据,可以抽取它们之间的关联关系。例如,可以通过分析电力设备的型号、位置和工作状态等数据,来识别设备之间的连接关系。知识图谱构建:将识别出的实体和它们之间的关系以图的形式表示出来,就可以构建出电力信息知识图谱。在构建知识图谱时,可以使用如Google的Knowledge Graph或者Apache的Jena进行构建。可以利用这个电力信息知识图谱进行设备故障预测、能源消耗优化、电缆线路规划等。
采集目标电力系统的实时电力数据,所述实时电力数据包括设备状态数据、线路负载数据、节点电压数据;
具体而言,首先需要将各种电力设备连接到数据采集系统。这使用到电压传感器、电流传感器等和适配器,以便能够从各种电力设备中获取数据。数据收集:然后,数据采集系统需要周期性地从这些设备中读取数据。这包括设备的状态数据,如温度、压力、开关的状态等,线路的负载数据,如线路上的电流、电压等,以及节点的电压数据,如各节点的实时电压值等。数据传输:收集到的数据需要传输到数据处理系统。这通常通过有线或无线的方式实现,如通过以太网、Wi-Fi或4G/5G网络等。
对所述电力信息知识图谱、所述实时电力数据进行数据融合,而后,与所述目标电力系统的监控单元、保护单元集成,得到数字孪生模型;
具体而言,数据预处理:首先,需要对收集到的电力信息知识图谱和实时电力数据进行清洗、格式转换和标注等预处理工作,以提高数据的质量和可读性。数据集成:将电力信息知识图谱和实时电力数据通过数据总线进行集成,使得这些数据能够在一个统一的系统中进行管理和访问。数据融合:在数据集成的基础上,使用数据融合技术将来自不同数据源的数据进行合并和处理。这包括数据的时间同步、坐标对齐、滤波平滑等操作,以得到更为准确和全面的数据模型。模型构建:将融合后的数据输入到数字孪生模型中。数字孪生模型是物理世界与数字世界的桥梁,能够根据收集到的数据进行建模和分析,反映目标电力系统的实时运行状态和变化趋势。监控与保护:数字孪生模型与监控单元、保护单元等进行集成,可以实时监控电力系统的状态和运行情况。一旦发现异常或故障,保护单元可以立即采取保护措施,以防止事故扩大。通过数据融合技术将电力信息知识图谱和实时电力数据与监控、保护等系统进行集成,构建数字孪生模型,可以提高电力系统的智能化水平,对于保障电力系统的稳定运行具有重要意义。
基于所述数字孪生模型,预测所述目标电力系统的运行状态,得到电力运行参数预测序列,所述电力运行参数预测序列包括负荷运行参数预测序列、电压运行参数预测序列、频率运行参数预测序列、电流运行参数预测序列、温度运行参数预测序列;
具体而言,将融合后的实时电力数据输入到数字孪生模型中。模型计算:数字孪生模型将根据输入的数据,对目标电力系统的未来运行状态进行预测。然后对电力运行参数预测:在模型计算过程中,数字孪生模型将根据电力系统的实际运行情况和预测数据,生成包括负荷运行参数预测序列、电压运行参数预测序列、频率运行参数预测序列、电流运行参数预测序列、温度运行参数预测序列等在内的电力运行参数预测序列。这些预测序列可以反映电力系统的未来运行状态和变化趋势,例如负荷的大小、电压的高低、频率的稳定、电流的流量以及设备温度等。数据输出:将生成的电力运行参数预测序列输出到电力系统相应的监控、保护和管理系统中,以供实际操作和决策使用。
依据所述电力运行参数预测序列配置调度任务簇数量,并生成调度任务簇的最值约束,以所述最值约束和所述调度任务簇数量作为调度终止约束,执行优化电力运行效率的任务关联聚合;
具体而言,依据所述电力运行参数预测序列配置调度任务簇数量,并生成调度任务簇的最值约束。需要根据电力系统的实际负载情况来配置调度任务簇的数量,以避免出现过载或欠载的情况。需要在满足系统负载的前提下,尽量提高电力系统的运行效率,通过优化调度任务簇的数量和时序来实现。并生成调度任务簇的最值约束需要考虑电力系统的实际运行约束,例如电压范围、频率范围等。还需要保证电力系统的安全运行,例如避免出现过负荷、短路等问题。考虑电力系统的经济运行,例如尽量降低运行成本等。在生成调度任务簇的最值约束和调度任务簇数量后,可以将它们作为调度终止约束,执行优化电力运行效率的任务关联聚合。这里的任务关联聚合可以理解为将一系列相关任务进行聚合,形成一个整体的任务集合,以实现电力系统的优化运行。在执行任务关联聚合时,任务时序:需要考虑调度任务簇的时序安排,以实现电力系统的优化运行。任务优先级:需要根据不同任务的重要性来设定优先级,以确保优先级较高的任务能够优先完成。系统状态:需要不断监测电力系统的状态,根据实际情况进行调整和优化。
对任务关联聚合进行多维平衡筛选,根据多维平衡筛选结果生成并网调度计划;
具体而言,需要根据电力系统的实际运行情况,对任务关联聚合进行筛选,以生成最高效的并网调度计划。考虑电力系统的实际约束情况,例如电压范围、频率范围等,以保证电力系统的正常运行。考虑并网调度计划的经济性,以降低电力系统的运行成本。考虑并网调度计划的灵活性和可扩展性,以适应电力系统的不断发展和变化。在进行多维平衡筛选后,可以根据筛选结果生成并网调度计划。根据多维平衡筛选结果生成并网调度计划,调度任务簇的数量:需要确定并网调度计划中调度任务簇的数量。调度任务簇的时序:需要根据电力系统的实际情况,确定调度任务簇的时序安排。调度任务簇的优先级:需要根据不同调度任务簇的重要性,确定它们的优先级。并网运行方式:需要确定并网调度计划中的并网运行方式,包括并网时间、并网位置、并网功率等。
依据所述并网调度计划进行所述目标电力系统的并网调度管理。
具体而言,根据并网调度计划,明确并网时间、并网位置、并网功率等参数,制定详细的调度计划。调度指令发送:将并网调度计划通过调度指令的形式发送给目标电力系统的各个设备,包括发电设备、输电设备、配电设备等。实时监控与调整:在并网调度过程中,需要对目标电力系统的实时运行状态进行监控,并根据实际情况进行必要的调整。这包括对电压、电流、频率等参数的监控和调整。异常处理:在并网调度过程中,如果遇到任何异常情况,如设备故障、线路故障等,需要进行及时的异常处理。这包括对故障的定位、隔离以及恢复等操作。数据记录与分析:在并网调度过程中,需要对各种数据进行记录和分析,包括设备的运行状态、线路的负载情况、系统的运行效率等。这有助于优化并网调度过程,提高电力系统的运行效率。定期评估与优化:在并网调度结束后,需要对整个调度过程进行评估,找出存在的问题并进行优化。这包括对调度计划的评估、对调度指令发送的评估、对实时监控与调整的评估以及对异常处理的评估等。可以有效地执行目标电力系统的并网调度管理,确保电力系统的稳定、安全、高效运行。
进一步而言,如图2所示,本申请方法,进行所述目标电力系统的并网调度管理之前,所述方法还包括:
将所述并网调度计划反馈输入至所述数字孪生模型中模拟运行,得到电力运行参数模拟序列;
通过所述电力运行参数模拟序列,计算模拟运行效率,并判断是否满足调度优化的单位约束条件;
若满足,则发出调度准许指令,所述调度准许指令用于将所述并网调度计划发送至所述目标电力系统的管理终端。
具体而言,模拟运行:数字孪生模型根据输入的并网调度计划进行模拟运行,生成电力运行参数模拟序列。计算模拟运行效率:根据模拟运行的电力运行参数模拟序列,可以计算出模拟运行效率。这通常包括对发电效率、输电效率、配电效率等的计算。判断是否满足调度优化的单位约束条件:根据计算出的模拟运行效率和预先设定的单位约束条件进行比较,判断模拟运行是否满足调度优化的要求。调度准许指令的发出:如果模拟运行满足调度优化的单位约束条件,可以发出调度准许指令。该指令的作用是将并网调度计划发送到目标电力系统的管理终端。管理终端可以接收并网调度计划,并根据该计划执行电力系统的并网调度。如果模拟运行不满足调度优化的单位约束条件,则需要对并网调度计划进行调整,并重新进行模拟运行和效率计算,直到满足条件为止。这个过程可以帮助优化电力系统的并网调度,提高电力运行效率,确保电力系统的稳定、安全、高效运行。
进一步而言,如图3所示,本申请方法,判断是否满足调度优化的单位约束条件,所述方法还包括:
基于所述目标电力系统的实时电力数据,计算第一运行效率,所述第一运行效率为所述目标电力系统的运行效率;
基于所述目标电力系统的监控单元,计算第二运行效率,所述第二运行效率为所述监控单元的运行效率;
基于所述目标电力系统的保护单元,计算第三运行效率,所述第三运行效率为所述保护单元的运行效率;
利用所述第一运行效率、所述第二运行效率、第三运行效率,计算负载运行效率;
计算所述模拟运行效率、所述负载运行效率之差,比较差值与所述单位约束条件。
具体而言,计算第一运行效率:根据目标电力系统的实时电力数据,可以计算该系统的第一运行效率,这反映了电力系统的整体运行效率。计算第二运行效率:基于目标电力系统的监控单元,可以计算第二运行效率,这反映了监控单元的运行效率和性能。计算第三运行效率:基于目标电力系统的保护单元,可以计算第三运行效率,这反映了保护单元的运行效率和性能。计算负载运行效率:将第一运行效率、第二运行效率和第三运行效率进行组合或加权平均,得到负载运行效率,这反映了整个电力系统在特定配置下的运行效率。计算模拟运行效率和负载运行效率之差:使用数字孪生模型模拟目标电力系统的运行,可以得到电力运行参数模拟序列,进而计算模拟运行效率。同时,可以计算出实际负载运行效率。两者的差值可以反映模型的预测能力和准确性。比较差值与单位约束条件:将模拟运行效率和负载运行效率之差与预先设定的单位约束条件进行比较。如果差值满足单位约束条件,则可以认为模型的预测结果满足要求;否则,需要对模型进行调整或优化。通过以上步骤,可以评估数字孪生模型的有效性和准确性,帮助优化电力系统的调度计划和提高电力运行效率。同时,也有助于确保电力系统的稳定、安全、高效运行
进一步而言,本申请方法,利用所述第一运行效率、所述第二运行效率、第三运行效率,计算负载运行效率,所述方法包括:
分别采集所述目标电力系统、所述目标电力系统的监控单元、所述目标电力系统的保护单元、所述目标电力系统的负载单元的电量数据,得到第一电量数据、第二电量数据、第三电量数据、第四电量数据;
对所述第一电量数据、第二电量数据、第三电量数据进行归一化处理,并将所述第一电量数据、第二电量数据、第三电量数据的归一化处理结果作为权重,对所述第一运行效率、所述第二运行效率、第三运行效率进行加权计算,得到加权计算结果;
将所述加权计算结果作为分子,将所述第四电量数据的归一化处理结果作为分母,得到负载运行效率。
具体而言,电量数据采集:分别对目标电力系统、目标电力系统的监控单元、目标电力系统的保护单元、目标电力系统的负载单元进行电量数据采集,得到第一电量数据、第二电量数据、第三电量数据、第四电量数据。这些数据包括电流、电压、功率等电力参数。数据归一化处理:由于采集的电量数据可能存在不同的量级和单位,为了便于后续计算和处理,需要对这些数据进行归一化处理。归一化处理采用诸如最小-最大归一化、标准化等常见方法,将所有数据转换到[0,1]的范围内。运行效率计算:对第一电量数据、第二电量数据、第三电量数据进行归一化处理后,将它们的归一化处理结果作为权重,对第一运行效率、第二运行效率、第三运行效率进行加权计算,得到加权计算结果。负载运行效率计算:将加权计算结果作为分子,将第四电量数据的归一化处理结果作为分母,计算得到负载运行效率。这个负载运行效率反映了目标电力系统的整体运行效率和性能。
进一步而言,本申请方法,对任务关联聚合进行多维平衡筛选,根据多维平衡筛选结果生成并网调度计划,所述方法还包括:
基于所述电力信息知识图谱,提取位置关联特征和线路关联特征;
根据所述数字孪生模型,生成属性关联特征,所述属性关联特征包括设备类型特征、线路长度特征;
通过所述位置关联特征、线路关联特征以及所述属性关联特征,执行任务关联聚合。
具体而言,位置关联特征提取:电力信息知识图谱中包含与位置相关的信息,例如变电站的位置、发电机的位置等。通过分析这些信息,可以提取出位置关联特征。线路关联特征提取:电力信息知识图谱还包含与线路相关的信息,例如线路的长度、线路的电压等级等。通过对这些信息进行分析,可以提取出线路关联特征。生成属性关联特征:数字孪生模型可以生成属性关联特征,这包括设备类型特征和线路长度特征。设备类型特征指的是电力设备的类型,例如变压器、发电机等。线路长度特征指的是线路的长度。任务关联聚合:通过位置关联特征、线路关联特征和属性关联特征的聚合,可以执行任务关联聚合。这涉及将相关的任务进行聚合,例如将与特定位置相关的所有任务聚合在一起,或者将与特定设备类型相关的所有任务聚合在一起。通过这种聚合,可以对电力系统的运行进行更有效地管理和优化。例如,如果一个特定的线路出现了故障,可以通过任务关联聚合来确定哪些任务受到了影响,并确定需要执行哪些任务来修复这个故障。这可以帮助提高电力系统的可靠性和效率。
进一步而言,本申请方法,结合知识图谱构建的并网调度管理方法包括:
读取所述目标电力系统的并网调度记录,所述并网调度记录包括调度管理时刻信息;
基于所述调度管理时刻信息,进行反向搜索,得到位置信息和线路信息;
基于位置信息和线路信息,提取属性信息,将所述位置信息和线路信息与所述属性信息作为并网信息。
具体而言,读取并网调度记录:并网调度记录包含了电力系统的并网调度信息,包括调度管理时刻信息等。这些信息可以从电力系统的历史数据中获取,或者从现有的并网调度系统中导出。基于调度管理时刻信息进行反向搜索:调度管理时刻信息可以提供电力系统在特定时间点的状态信息。通过反向搜索,可以得到与该时间点相关联的位置信息和线路信息。提取位置信息和线路信息:位置信息和线路信息可以从并网调度记录或者电力系统的历史数据中提取。这些信息可能包括设备的位置、线路的连接状态、设备的运行状态等。提取属性信息:基于位置信息和线路信息,可以进一步提取属性信息。这些属性信息可能包括设备的类型、设备的容量、线路的长度、线路的电压等级等。将位置信息、线路信息和属性信息作为并网信息:将这些信息组合在一起,形成并网信息,可以更好地理解电力系统的并网调度情况,并为后续的调度计划提供参考。可以得到电力系统的并网信息,这些信息可以用于支持电力系统的优化运行、调度计划制定等任务。
进一步而言,本申请方法还包括:
记录所述目标电力系统的新增用户数据,并提取新增负载数据;
将所述新增负载数据作为更新并网信息;
当执行后续并网调度计划时,将所述更新并网信息同步至所述数字孪生模型。
具体而言,记录新增用户数据:及时记录目标电力系统的新增用户数据,这些数据可能包括新增用户的电量需求、地理位置等。这些信息可以从电力公司的用户管理系统或者电力市场交易平台中获取。提取新增负载数据:根据记录的新增用户数据,可以提取出新增负载数据。这些负载数据反映了目标电力系统的最新负载情况,可以用于更新并网信息。将新增负载数据作为更新并网信息:将新增负载数据作为更新并网信息,用于对现有的并网信息进行更新。更新并网信息可能包括新的设备状态、新的线路负载情况等。同步更新并网信息至数字孪生模型:当执行后续并网调度计划时,将更新并网信息同步至数字孪生模型。这使得数字孪生模型能够反映最新的电力系统状态,从而提供更准确和实时的调度计划。
实施例二
基于与前述实施例结合知识图谱构建的并网调度管理方法相同的发明构思,如图4所示,本申请提供了结合知识图谱构建的并网调度管理系统,所述系统包括:
电力信息知识图谱构建模块10,所述电力信息知识图谱构建模块10用于构建电力信息知识图谱,所述电力信息知识图谱包括目标电力系统的电力设备、电缆线路;
实时电力数据采集模块20,所述实时电力数据采集模块20用于采集目标电力系统的实时电力数据,所述实时电力数据包括设备状态数据、线路负载数据、节点电压数据;
数字孪生模型获取模块30,所述数字孪生模型获取模块30用于对所述电力信息知识图谱、所述实时电力数据进行数据融合,而后,与所述目标电力系统的监控单元、保护单元集成,得到数字孪生模型;
运行参数预测序列获取模块40,所述运行参数预测序列获取模块40是基于所述数字孪生模型,预测所述目标电力系统的运行状态,得到电力运行参数预测序列,所述电力运行参数预测序列包括负荷运行参数预测序列、电压运行参数预测序列、频率运行参数预测序列、电流运行参数预测序列、温度运行参数预测序列;
任务关联聚合执行模块50,所述任务关联聚合执行模块50用于依据所述电力运行参数预测序列配置调度任务簇数量,并生成调度任务簇的最值约束,以所述最值约束和所述调度任务簇数量作为调度终止约束,执行优化电力运行效率的任务关联聚合;
多维平衡筛选模块60,所述多维平衡筛选模块60用于对任务关联聚合进行多维平衡筛选,根据多维平衡筛选结果生成并网调度计划;
并网调度管理模块70,所述并网调度管理模块70用于依据所述并网调度计划进行所述目标电力系统的并网调度管理。
进一步地,该系统还包括:
运行参数模拟序列获取模块,用于将所述并网调度计划反馈输入至所述数字孪生模型中模拟运行,得到电力运行参数模拟序列;
模拟运行效率计算模块,用于通过所述电力运行参数模拟序列,计算模拟运行效率,并判断是否满足调度优化的单位约束条件;
调度准许指令发出模块,若满足,则发出调度准许指令,所述调度准许指令用于将所述并网调度计划发送至所述目标电力系统的管理终端。
进一步地,该系统还包括:
第一运行效率计算模块,是基于所述目标电力系统的实时电力数据,计算第一运行效率,所述第一运行效率为所述目标电力系统的运行效率;
第二运行效率计算模块,是基于所述目标电力系统的监控单元,计算第二运行效率,所述第二运行效率为所述监控单元的运行效率;
第三运行效率计算模块,是基于所述目标电力系统的保护单元,计算第三运行效率,所述第三运行效率为所述保护单元的运行效率;
负载运行效率计算模块,用于利用所述第一运行效率、所述第二运行效率、第三运行效率,计算负载运行效率;
效率之差计算模块,用于计算所述模拟运行效率、所述负载运行效率之差,比较差值与所述单位约束条件。
进一步地,该系统还包括:
数据采集模块,用于分别采集所述目标电力系统、所述目标电力系统的监控单元、所述目标电力系统的保护单元、所述目标电力系统的负载单元的电量数据,得到第一电量数据、第二电量数据、第三电量数据、第四电量数据;
效率计算模块,用于对所述第一电量数据、第二电量数据、第三电量数据进行归一化处理,并将所述第一电量数据、第二电量数据、第三电量数据的归一化处理结果作为权重,对所述第一运行效率、所述第二运行效率、第三运行效率进行加权计算,得到加权计算结果;
负载运行效率获取模块,用于将所述加权计算结果作为分子,将所述第四电量数据的归一化处理结果作为分母,得到负载运行效率。
进一步地,该系统还包括:
位置提取模块,是基于所述电力信息知识图谱,提取位置关联特征和线路关联特征;
关联特征生成模块,用于根据所述数字孪生模型,生成属性关联特征,所述属性关联特征包括设备类型特征、线路长度特征;
关联聚合执行模块,用于通过所述位置关联特征、线路关联特征以及所述属性关联特征,执行任务关联聚合。
进一步地,该系统还包括:
并网调度记录读取模块,用于读取所述目标电力系统的并网调度记录,所述并网调度记录包括调度管理时刻信息;
反向搜索模块,是基于所述调度管理时刻信息,进行反向搜索,得到位置信息和线路信息;
属性信息提取模块,是基于位置信息和线路信息,提取属性信息,将所述位置信息和线路信息与所述属性信息作为并网信息。
进一步地,该系统还包括:
新增负载数据提取模块,用于记录所述目标电力系统的新增用户数据,并提取新增负载数据;
并网信息更新模块,用于将所述新增负载数据作为更新并网信息;
信息同步模块,用于当执行后续并网调度计划时,将所述更新并网信息同步至所述数字孪生模型。
说明书通过前述结合知识图谱构建的并网调度管理方法的详细描述,本领域技术人员可以清楚地知识本实施例中结合知识图谱构建的并网调度管理系统,对于实施例公开的系统而言,由于其与实施例公开装置相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.结合知识图谱构建的并网调度管理方法,其特征在于,所述方法包括:
构建电力信息知识图谱,所述电力信息知识图谱包括目标电力系统的电力设备、电缆线路;
采集目标电力系统的实时电力数据,所述实时电力数据包括设备状态数据、线路负载数据、节点电压数据;
对所述电力信息知识图谱、所述实时电力数据进行数据融合,而后,与所述目标电力系统的监控单元、保护单元集成,得到数字孪生模型;
基于所述数字孪生模型,预测所述目标电力系统的运行状态,得到电力运行参数预测序列,所述电力运行参数预测序列包括负荷运行参数预测序列、电压运行参数预测序列、频率运行参数预测序列、电流运行参数预测序列、温度运行参数预测序列;
依据所述电力运行参数预测序列配置调度任务簇数量,并生成调度任务簇的最值约束,以所述最值约束和所述调度任务簇数量作为调度终止约束,执行优化电力运行效率的任务关联聚合;
对任务关联聚合进行多维平衡筛选,根据多维平衡筛选结果生成并网调度计划;
依据所述并网调度计划进行所述目标电力系统的并网调度管理。
2.如权利要求1所述的结合知识图谱构建的并网调度管理方法,其特征在于,进行所述目标电力系统的并网调度管理之前,所述方法还包括:
将所述并网调度计划反馈输入至所述数字孪生模型中模拟运行,得到电力运行参数模拟序列;
通过所述电力运行参数模拟序列,计算模拟运行效率,并判断是否满足调度优化的单位约束条件;
若满足,则发出调度准许指令,所述调度准许指令用于将所述并网调度计划发送至所述目标电力系统的管理终端。
3.如权利要求2所述的结合知识图谱构建的并网调度管理方法,其特征在于,判断是否满足调度优化的单位约束条件,所述方法还包括:
基于所述目标电力系统的实时电力数据,计算第一运行效率,所述第一运行效率为所述目标电力系统的运行效率;
基于所述目标电力系统的监控单元,计算第二运行效率,所述第二运行效率为所述监控单元的运行效率;
基于所述目标电力系统的保护单元,计算第三运行效率,所述第三运行效率为所述保护单元的运行效率;
利用所述第一运行效率、所述第二运行效率、第三运行效率,计算负载运行效率;
计算所述模拟运行效率、所述负载运行效率之差,比较差值与所述单位约束条件。
4.如权利要求3所述的结合知识图谱构建的并网调度管理方法,其特征在于,利用所述第一运行效率、所述第二运行效率、第三运行效率,计算负载运行效率,所述方法包括:
分别采集所述目标电力系统、所述目标电力系统的监控单元、所述目标电力系统的保护单元、所述目标电力系统的负载单元的电量数据,得到第一电量数据、第二电量数据、第三电量数据、第四电量数据;
对所述第一电量数据、第二电量数据、第三电量数据进行归一化处理,并将所述第一电量数据、第二电量数据、第三电量数据的归一化处理结果作为权重,对所述第一运行效率、所述第二运行效率、第三运行效率进行加权计算,得到加权计算结果;
将所述加权计算结果作为分子,将所述第四电量数据的归一化处理结果作为分母,得到负载运行效率。
5.如权利要求1所述的结合知识图谱构建的并网调度管理方法,其特征在于,对任务关联聚合进行多维平衡筛选,根据多维平衡筛选结果生成并网调度计划,所述方法还包括:
基于所述电力信息知识图谱,提取位置关联特征和线路关联特征;
根据所述数字孪生模型,生成属性关联特征,所述属性关联特征包括设备类型特征、线路长度特征;
通过所述位置关联特征、线路关联特征以及所述属性关联特征,执行任务关联聚合。
6.如权利要求5所述的结合知识图谱构建的并网调度管理方法,其特征在于,所述方法包括:
读取所述目标电力系统的并网调度记录,所述并网调度记录包括调度管理时刻信息;
基于所述调度管理时刻信息,进行反向搜索,得到位置信息和线路信息;
基于位置信息和线路信息,提取属性信息,将所述位置信息和线路信息与所述属性信息作为并网信息。
7.如权利要求6所述的结合知识图谱构建的并网调度管理方法,其特征在于,所述方法包括:
记录所述目标电力系统的新增用户数据,并提取新增负载数据;
将所述新增负载数据作为更新并网信息;
当执行后续并网调度计划时,将所述更新并网信息同步至所述数字孪生模型。
8.结合知识图谱构建的并网调度管理系统,其特征在于,所述系统包括:
电力信息知识图谱构建模块,所述电力信息知识图谱构建模块用于构建电力信息知识图谱,所述电力信息知识图谱包括目标电力系统的电力设备、电缆线路;
实时电力数据采集模块,所述实时电力数据采集模块用于采集目标电力系统的实时电力数据,所述实时电力数据包括设备状态数据、线路负载数据、节点电压数据;
数字孪生模型获取模块,所述数字孪生模型获取模块用于对所述电力信息知识图谱、所述实时电力数据进行数据融合,而后,与所述目标电力系统的监控单元、保护单元集成,得到数字孪生模型;
运行参数预测序列获取模块,所述运行参数预测序列获取模块是基于所述数字孪生模型,预测所述目标电力系统的运行状态,得到电力运行参数预测序列,所述电力运行参数预测序列包括负荷运行参数预测序列、电压运行参数预测序列、频率运行参数预测序列、电流运行参数预测序列、温度运行参数预测序列;
任务关联聚合执行模块,所述任务关联聚合执行模块用于依据所述电力运行参数预测序列配置调度任务簇数量,并生成调度任务簇的最值约束,以所述最值约束和所述调度任务簇数量作为调度终止约束,执行优化电力运行效率的任务关联聚合;
多维平衡筛选模块,所述多维平衡筛选模块用于对任务关联聚合进行多维平衡筛选,根据多维平衡筛选结果生成并网调度计划;
并网调度管理模块,所述并网调度管理模块用于依据所述并网调度计划进行所述目标电力系统的并网调度管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311672013.9A CN117374978B (zh) | 2023-12-07 | 2023-12-07 | 结合知识图谱构建的并网调度管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311672013.9A CN117374978B (zh) | 2023-12-07 | 2023-12-07 | 结合知识图谱构建的并网调度管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117374978A true CN117374978A (zh) | 2024-01-09 |
CN117374978B CN117374978B (zh) | 2024-03-01 |
Family
ID=89391453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311672013.9A Active CN117374978B (zh) | 2023-12-07 | 2023-12-07 | 结合知识图谱构建的并网调度管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117374978B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117748502A (zh) * | 2024-02-21 | 2024-03-22 | 山东恒迈信息科技有限公司 | 一种智能识别训练数据分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293507A (zh) * | 2022-07-04 | 2022-11-04 | 中国电力科学研究院有限公司 | 面向电网调度运行管理的态势知识图谱构建方法及系统 |
CN115659838A (zh) * | 2022-11-14 | 2023-01-31 | 中国电力科学研究院有限公司 | 一种电力系统主设备数字孪生混合模型构建方法及装置 |
-
2023
- 2023-12-07 CN CN202311672013.9A patent/CN117374978B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293507A (zh) * | 2022-07-04 | 2022-11-04 | 中国电力科学研究院有限公司 | 面向电网调度运行管理的态势知识图谱构建方法及系统 |
CN115659838A (zh) * | 2022-11-14 | 2023-01-31 | 中国电力科学研究院有限公司 | 一种电力系统主设备数字孪生混合模型构建方法及装置 |
Non-Patent Citations (1)
Title |
---|
钱仲豪等: "《考虑电化学储能的主动配电网分层分区运行调度》", 《科技通报》, vol. 37, no. 4, pages 78 - 82 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117748502A (zh) * | 2024-02-21 | 2024-03-22 | 山东恒迈信息科技有限公司 | 一种智能识别训练数据分析方法 |
CN117748502B (zh) * | 2024-02-21 | 2024-05-14 | 山东恒迈信息科技有限公司 | 一种智能识别训练数据分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117374978B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10962999B2 (en) | Microgrid model based automated real time simulation for market based electric power system optimization | |
RU2518178C2 (ru) | Система и способ для управления электроэнергетической системой | |
RU2525859C2 (ru) | Управление перерывами подачи энергии и состоянием неисправности электроэнергетической системы | |
CN103872782B (zh) | 一种电能质量数据综合服务系统 | |
US8321194B2 (en) | Real time microgrid power analytics portal for mission critical power systems | |
AU2022204116B2 (en) | Verification method for electrical grid measurement data | |
CN101413981B (zh) | 电力系统运行备用可靠性测试系统 | |
CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
CN105809260A (zh) | 一种调度自动化系统监控信息点表智能生成方法 | |
KR102625403B1 (ko) | 지역 단위 재생 에너지 통합 관제 시스템 | |
CN113837423A (zh) | 基于能源互联网电力大数据的电网运行态势预测方法 | |
CN114529166A (zh) | 一种配电网运行安全风险预警方法及系统 | |
US20220284156A1 (en) | Real-time update of power system models for dynamic security assessment | |
CN111894798B (zh) | 一种风机运行状态确定方法及系统 | |
Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
CN116108740A (zh) | 一种电力设备的建模方法及装置 | |
CN110212642A (zh) | 一种基于大数据配网自动化终端远程运维系统 | |
CN111401577A (zh) | 设备管理方法、装置、设备及存储介质 | |
CN113568988B (zh) | 电力现货市场出清的边界数据管理方法、装置和系统 | |
Zhida et al. | Practical research on on-line monitoring and control function module of relay protection in smart substation | |
CN117993614A (zh) | 一种基于配电网架的配电网规划装置 | |
Su et al. | Explicit Formula Based Reliability Estimation Method for Distribution Feeder | |
CN118508597A (zh) | 一种面向电力系统保障对象的应急供电方法、系统和设备 | |
CN118472947A (zh) | 一种电力设备的负荷控制方法、系统、设备和存储介质 | |
CN118554642A (zh) | 一种基于智能集中器的电力数据采集分析终端 |
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 |