CN117473384A - 一种电网线路安全约束辨识方法、装置、设备及存储介质 - Google Patents
一种电网线路安全约束辨识方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117473384A CN117473384A CN202311427185.XA CN202311427185A CN117473384A CN 117473384 A CN117473384 A CN 117473384A CN 202311427185 A CN202311427185 A CN 202311427185A CN 117473384 A CN117473384 A CN 117473384A
- Authority
- CN
- China
- Prior art keywords
- current
- line
- power grid
- target
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 135
- 238000003062 neural network model Methods 0.000 claims abstract description 53
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 230000035945 sensitivity Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 230000010365 information processing Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Economics (AREA)
- Biophysics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Power Engineering (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电网线路安全约束辨识方法、装置、设备及存储介质。该方法包括:获取目标电网线路的当前电网线路信息,并基于电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵,其中,当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息;基于当前线路潮流矩阵、当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定目标电网线路对应的当前电网安全指数;基于当前电网安全指数和预设安全约束条件进行目标电网线路的安全约束辨识,可有效筛选出易发生潮流越限的高风险线路,从而进行更具针对性的安全约束校验工作。
Description
技术领域
本发明涉及电网维护技术领域,尤其涉及一种电网线路安全约束辨识方法、装置、设备及存储介质。
背景技术
随着电力系统的发展以及新能源并网进程的推进,我国的风电、光伏等新能源发电占比日益提高。在此影响下,电网整体的规模正在逐渐扩大。此外,随着电力市场交易范围的扩充,分析具有庞大数量的安全约束对经济调度计算来说是一个严峻的挑战。为保证电网的安全稳定运行,如何准确灵活地进行电力系统安全调度,是保证电网可靠性以及后续经济调度的合理性的重要前提。
安全约束调度作为保证电力系统安全经济运行的重要手段之一,其根本目的是保证线路潮流在系统运行过程中满足运行安全性,即避免潮流越限的情况发生。然而,导致潮流越限的直接原因则是发电或输电能力与用户的电力需求之间的不匹配。而电力系统互联与电力市场竞争机制所引入的不确定性则在一定程度上增加了潮流越限情况发生的可能性。如何快速辨识并处理电网系统中的安全约束,也成为了提升大电网安全约束经济调度问题整体性能所需要解决的重要问题。
发明内容
本发明提供了一种电网线路安全约束辨识方法、装置、设备及存储介质,可有效筛选出易发生潮流越限的高风险线路,从而进行更具针对性的安全约束校验工作。
根据本发明的一方面,提供了一种电网线路安全约束辨识方法,该方法包括:
获取目标电网线路的当前电网线路信息,并基于所述电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵,其中,所述当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息;
基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数;
基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识。
根据本发明的另一方面,提供了
一种电网线路安全约束辨识装置,该装置包括:
电网线路信息获取模块,用于获取目标电网线路的当前电网线路信息,并基于所述电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵,其中,所述当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息;
电网安全指数确定模块,用于基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数;
安全约束辨识执行模块,用于基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的电网线路安全约束辨识方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电网线路安全约束辨识方法。
本发明实施例的技术方案,通过获取目标电网线路的当前电网线路信息,并基于所述电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵,其中,所述当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息;基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数;基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识,为安全约束经济调度提供了一种有效地预处理手段,在对系统数据进行预处理辨识计算后,可有效筛选出易发生潮流越限的高风险线路,从而进行更具正对性的安全约束校验工作。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的电网线路安全约束辨识方法流程图;
图2是根据本发明实施例二提供的电网线路安全约束辨识方法流程图;
图3是根据本发明实施例三提供的电网线路安全约束辨识装置结构图;
图4是实现本发明实施例的电网线路安全约束辨识方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种电网线路安全约束辨识方法的流程图,本实施例可适用于筛选易发生潮流越限的高风险线路情况,该方法可以由电网线路安全约束辨识装置来执行,该电网线路安全约束辨识装置可以采用硬件和/或软件的形式实现,该电网线路安全约束辨识装置可配置于电子设备中。如图1所示,该方法包括:
S101、获取目标电网线路的当前电网线路信息,并基于所述当前电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵。
其中,目标电网线路可以是指待进行安全约束辨识的电网线路。当前电网线路信息可以是指目标电网线路在当前时段内电网线路中的各类信息。示例性地,所述当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息。潮流矩阵是电力系统潮流计算中的一个重要概念,它是一个由节点导纳矩阵构成的矩阵,当前线路潮流矩阵用于指示当前线路中线路节点间线路潮流关系。当前时段机组负荷矩阵可以是指当前每个时段与发电机之间的有功功率集合。
具体地,通过将收集获取得到的当前电网线路信息进行解析分类,利用分类后的当前电网线路信息进行构建当前线路潮流矩阵以及当前时段机组负荷矩阵。
示例性地,所述基于所述当前电网线路信息构建当前时段机组负荷矩阵,包括:将所述当前电网线路信息进行信息解析处理,获得所述发电机组参数信息和所述负荷参数信息;基于所述发电机组参数信息、所述负荷参数信息以及预设时段划分规则,确定在每个时段内发电机组与负荷之间的机组负荷对应关系;根据各个所述机组负荷对应关系,构建所述当前时段机组负荷矩阵。
其中,预设时段划分规则可以是指对当前电网线路信息进行时段划分的规则。示例性地,本发明时段划分数量不作具体限定。优选可以将24小时划分为96个时段,每个时段时长15分钟。将当前24小时确定为当前时刻,将之前的24个小时确定为历史时刻。
具体地,基于预设时段划分规则,将获得的发电机组参数信息和所述负荷参数信息进行时段划分,并结合发电机组参数信息和负荷参数信息之间的关系,获得在每个时段内发电机组与负荷之间的机组负荷对应关系。根据各个所述机组负荷对应关系,构建所述当前时段机组负荷矩阵。
示例性地,当前时段机组负荷矩阵如下所示:
其中,Pgx可以是指第x时段内发电机功率,Plx可以是指第x时段内负荷功率。
S102、基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数。
需要解释说明的是,在电力系统中,隐藏状态(hidden state)是指电力网络中的一些内部状态,这些状态通常是由电力网络中的各种设备和元件的运行状态、电力负荷和电力供应等因素共同决定的。在电力系统中,隐藏状态可以用来描述电力网络的整体运行状况,包括电力负荷分布、电力供应情况、电力网络中的设备和元件的状态等。通过对隐藏状态的监测和分析,可以帮助电力系统运行人员更好地了解电力网络的运行状况,并及时采取相应的调度和控制措施,以保证电力系统的安全稳定运行。在电力系统中,细胞状态(cell state)是指电力网络中的一些具体的设备和元件的状态,这些状态通常是由电力网络中的各种设备和元件的运行状态、电力负荷和电力供应等因素共同决定的。在电力系统中,细胞状态可以用来描述电力网络中的各种设备和元件的具体运行状况,包括变压器的温度、电力线路的电压和电流等。通过对细胞状态的监测和分析,可以帮助电力系统运行人员更好地了解电力网络中各种设备和元件的运行状况,并及时采取相应的维护和检修措施,以保证电力系统的安全稳定运行。
其中,目标图神经网络模型为预先训练用于确定目标电网线路是否发生潮流越限现象的网络模型。当前电网安全指数可以是指目标电网线路当前潮流安全数值。
具体地,将当前线路潮流矩阵、所述当前时段机组负荷矩阵输入至目标图神经网络模型中,结合上一时刻的历史隐藏状态和上一时刻的历史细胞状态,通过目标图神经网络模型从而可以计算确定当前时刻目标电网线路对应的当前电网安全指数。
示例性地,所述目标图神经网络模型的训练过程包括:获取线路潮流矩阵样本、时段机组负荷矩阵样本、初始隐藏状态和初始细胞状态,以及理想电网安全指数;将所述线路潮流矩阵样本和所述时段机组负荷矩阵样本输入至预设图神经网络模型中,以使所述预设图神经网络模型根据所述线路潮流矩阵样本和所述时段机组负荷矩阵样本,结合所述初始隐藏状态和所述初始细胞状态进行电网安全分析,基于所述预设图神经网络模型的输出,获得电网安全指数结果;根据所述电网安全指数结果和所述理想电网安全指数,确定训练误差,并将所述训练误差反向传播至所述预设图神经网络模型中,调整所述预设图神经网络模型中的网络参数;当满足预设收敛条件时,确定预设图神经网络模型训练结束,获得目标图神经网络模型。
具体地,可以基于训练函数,预设图神经网络模型根据线路潮流矩阵样本和时段机组负荷矩阵样本,结合所述初始隐藏状态和所述初始细胞状态进行电网安全分析,获得电网安全指数结果;根据电网安全指数结果和理想电网安全指数确定训练误差,并将训练误差反向传播至预设图神经网络模型中,调整预设图神经网络模型中的网络参数,直到满足预设收敛条件,比如迭代次数达到预设次数或者训练误差收敛时,确定预设图神经网络模型训练结束,此时可以将训练结束的预设图神经网络模型作为目标图神经网络模型。通过利用线路潮流矩阵样本、时段机组负荷矩阵样本、初始隐藏状态和初始细胞状态进行模型训练,可以保证目标图神经网络模型电网安全分析的准确性,进而保证安全约束辨识的准确性。
S103、基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识。
需要解释的是,在电力系统中,安全约束(security constraint)是指电力系统在运行过程中需要遵守的一些安全限制条件,这些限制条件通常是由电力系统的物理特性和运行规律所决定的。示例性地,电力系统的安全约束条件主要包括以下几个方面:电压稳定约束:电力系统中的电压必须保持在一定的范围内,以保证电力设备的正常运行和电力用户的用电安全。频率稳定约束:电力系统中的频率必须保持在一定的范围内,以保证电力设备的正常运行和电力用户的用电安全。过载约束:电力系统中的设备和线路必须保持在一定的负荷水平内,以避免设备过载和线路损坏。安全距离约束:电力系统中的设备和线路必须保持一定的安全距离,以避免电磁干扰和设备损坏。
具体地,根据当前电网安全指数和预设安全约束条件进行对比,以确定目标电网线路是否超出安全约束条件。在电力系统的运行过程中,电网线路必须遵守这些安全约束条件,以保证电力系统的安全稳定运行。同时,电力系统的运行人员也需要对超出安全约束条件的电力系统进行实时监测和分析,以及时处理安全隐患,确保电力系统的安全稳定运行。
示例性地,所述方法还包括:基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和所述目标图神经网络模型,以及上一时刻对应的所述历史隐藏状态和所述历史细胞状态,获得当前时刻对应的当前隐藏状态和当前细胞状态,以使所述目标图神经网络模型根据下一时刻对应的目标线路潮流矩阵和目标时段机组负荷矩阵,并结合所述当前隐藏状态和所述当前细胞状态进行电网安全分析,确定下一时刻对应的目标电网安全指数。
其中,目标线路潮流矩阵可以是指下一时刻对应的线路潮流矩阵,目标时段机组负荷矩阵可以是指下一时刻对应的线路潮流矩阵。目标电网安全指数可以是指下一时刻对应的电网安全指数。
也就是说,目标图神经网络模型除了能够输出当前电网安全指数之外,还可以输出当前时刻对应的当前隐藏状态和当前细胞状态,进而目标图神经网络模型可以根据下一时刻对应的目标线路潮流矩阵和目标时段机组负荷矩阵,并结合所述当前隐藏状态和所述当前细胞状态进行电网安全分析,确定下一时刻对应的目标电网安全指数。通过根据隐藏状态和细胞状态的变化,从而可以更加准确的确定出下一时刻对应的目标电网安全指数,进而提高安全约束校验的准确性。
本发明实施例的技术方案,通过获取目标电网线路的当前电网线路信息,并基于所述电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵,其中,所述当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息;基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数;基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识,为安全约束经济调度提供了一种有效地预处理手段,在对系统数据进行预处理辨识计算后,可有效筛选出易发生潮流越限的高风险线路,从而进行更具正对性的安全约束校验工作。
实施例二
图2为本发明实施例二提供的一种电网线路安全约束辨识方法的流程图,本实施例在上述各实施例的基础上,对构建所述当前线路潮流矩阵进行进一步细化。如图2所示,该方法包括:
S201、获取目标电网线路的当前电网线路信息,并将所述当前电网线路信息进行信息解析处理,获得所述节点参数信息和所述线路参数信息。
S202、基于所述节点参数信息和所述线路参数信息,确定所述目标电网线路中每个目标线路节点与其他线路节点之间的有功潮流。
需要说明的是,目标线路节点可以是指目标电网线路中的线路节点。具体地,通过节点参数信息和线路参数信息,以及有功潮流的一般表达式,计算每个目标线路节点与其他线路节点之间的有功潮流。
示例性地,有功潮流的一般表达式如下所示:
Pmn=Vm 2g-VmVng cosθ-VmVnb sinθ
其中,Pmn是指目标电网线路中线路mn之间的有功潮流;Vm是指节点m电压幅值;Vn是指节点n电压幅值;θ可以是指节点m与节点n两端电压相角差;g可以是指线路mn之间的电导;B可以是指线路mn之间的电纳。
示例性地;电导一般表达式如下所示:
其中,g可以是指线路节点之间的电导;R可以是指线路之间的电阻;x可以是指线路节点之间的电抗;j是虚部,可以是系数。
S203、根据每个所述有功潮流,构建所述当前线路潮流矩阵。
具体地,根据每个目标节点与其他节点之间的有功潮流,确定每个目标节点与其他节点之间的潮流关系,根据潮流关系构建当前线路潮流矩阵。
示例性地,当前线路潮流矩阵如下所示:
其中,P可以是指当前线路潮流矩阵,pij可以是指第i个线路节点与第j个线路节点之间的潮流关系。
示例性地,所述根据每个所述有功潮流,构建所述当前线路潮流矩阵,还包括:针对每个所述有功潮流,在所述有功潮流对应的目标节点进行泰勒级数展开,确定线路有功潮流对机组有功潮流的潮流灵敏度矩阵;基于所述潮流灵敏度矩阵和预设影响因子阈值,确定目标有功潮流;基于所述目标有功潮流,构建所述当前线路潮流矩阵。
其中,潮流计算中将支路功率和母线注入功率的互相影响程度称为灵敏度。目标有功潮流可以是指发电机组对线路潮流具有重大影响程度的有功潮流。
具体地,在有功潮流对应的目标节点进行泰勒级数展开,获得的潮流灵敏度矩阵如下所示:
其中,Smn是指潮流灵敏度矩阵,Pmn是指目标电网线路中线路节点mn之间的有功潮流;V是指电压幅值;θ可以是指节与节点两端电压相角差。
根据潮流灵敏度矩阵和预设影响因子阈值,确定具有重大影响程度的目标有功潮流,并根据目标有功潮流,构建所述当前线路潮流矩阵。
其中,Smn可以是指潮流灵敏度矩阵;ISFminvalue可以是指预设影响因子阈值。
示例性地,所述基于所述目标有功潮流,构建所述当前线路潮流矩阵,还包括:将所述目标有功潮流进行信息解析处理,获得目标潮流功率信息;根据所述目标有功潮流对应的所述目标潮流功率信息,构建所述当前线路潮流矩阵。
其中,目标潮流功率信息至少包括潮流功率交换信息和潮流功率流向信息。
具体地,根据解析得到的潮流功率交换信息和潮流功率流向信息,确定每个目标节点与其他节点之间的潮流关系,根据潮流关系构建当前线路潮流矩阵。示例性地,针对当前线路潮流矩阵中的每一个元素,当该元素对应的目标节点与其他节点之间无功率交换时,确定该元素为0;当功率潮流由该元素对应的目标节点流向其他节点时,确定该元素为1;当功率潮流由其他节点流向该元素对应的目标节点时,确定该元素为-1。进而,根据潮流关系(也即每个元素值)构建当前线路潮流矩阵。
S204、基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数。
S205、基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识。
本发明实施例的技术方案,将所述当前电网线路信息进行信息解析处理,获得所述节点参数信息和所述线路参数信息;基于所述节点参数信息和所述线路参数信息,确定所述目标电网线路中每个目标线路节点与其他线路节点之间的有功潮流;根据每个所述有功潮流,构建所述当前线路潮流矩阵。根据构建的当前线路潮流矩训练目标图神经网络模型,可有效筛选出易发生潮流越限的高风险线路,从而进行更具正对性的安全约束校验工作。
实施例三
图3为本发明实施例三提供的一种电网线路安全约束辨识装置的结构示意图。如图3所示,该装置包括:
电网线路信息获取模块301,用于获取目标电网线路的当前电网线路信息,并基于所述当前电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵,其中,所述当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息;
电网安全指数确定模块302,用于基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数;
安全约束辨识执行模块303,用于基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识。
本发明实施例的技术方案,通过获取目标电网线路的当前电网线路信息,并基于所述电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵,其中,所述当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息;基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数;基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识,为安全约束经济调度提供了一种有效地预处理手段,在对系统数据进行预处理辨识计算后,可有效筛选出易发生潮流越限的高风险线路,从而进行更具正对性的安全约束校验工作。
可选地,电网线路信息获取模块301,包括:
当前电网线路信息解析单元,用于将所述当前电网线路信息进行信息解析处理,获得所述节点参数信息和所述线路参数信息;
有功潮流确定单元,用于基于所述节点参数信息和所述线路参数信息,确定所述目标电网线路中每个目标线路节点与其他线路节点之间的有功潮流;
潮流矩阵构建单元,用于根据每个所述有功潮流,构建所述当前线路潮流矩阵。
可选地,潮流矩阵构建单元,还包括:
潮流灵敏度矩阵确定子单元,用于针对每个所述有功潮流,在所述有功潮流对应的目标节点进行泰勒级数展开,确定线路有功潮流对机组有功潮流的潮流灵敏度矩阵;
目标有功潮流确定子单元,用于基于所述潮流灵敏度矩阵和预设影响因子阈值,确定目标有功潮流;
线路潮流矩阵确定子单元,用于基于所述目标有功潮流,构建所述当前线路潮流矩阵。
可选地,所述线路潮流矩阵确定子单元,具体用于:
将所述目标有功潮流进行信息解析处理,获得目标潮流功率信息,其中,目标潮流功率信息至少包括潮流功率交换信息和潮流功率流向信息;
根据所述目标有功潮流对应的所述目标潮流功率信息,构建所述当前线路潮流矩阵。
可选地,电网线路信息获取模块301,还可以用于:
将所述当前电网线路信息进行信息解析处理,获得所述发电机组参数信息和所述负荷参数信息;
基于所述发电机组参数信息、所述负荷参数信息以及预设时段划分规则,确定在每个时段内发电机组与负荷之间的机组负荷对应关系;
根据各个所述机组负荷对应关系,构建所述当前时段机组负荷矩阵。
可选地,所述装置还包括模型训练模块,用于:
获取线路潮流矩阵样本、时段机组负荷矩阵样本、初始隐藏状态和初始细胞状态,以及理想电网安全指数;
将所述线路潮流矩阵样本和所述时段机组负荷矩阵样本输入至预设图神经网络模型中,以使所述预设图神经网络模型根据所述线路潮流矩阵样本和所述时段机组负荷矩阵样本,结合所述初始隐藏状态和所述初始细胞状态进行电网安全分析,基于所述预设图神经网络模型的输出,获得电网安全指数结果;根据所述电网安全指数结果和所述理想电网安全指数,确定训练误差,并将所述训练误差反向传播至所述预设图神经网络模型中,调整所述预设图神经网络模型中的网络参数;
当满足预设收敛条件时,确定预设图神经网络模型训练结束,获得目标图神经网络模型。
可选地,所述装置还包括:网络模型运行模块,用于:
基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和所述目标图神经网络模型,以及上一时刻对应的所述历史隐藏状态和所述历史细胞状态,获得当前时刻对应的当前隐藏状态和当前细胞状态,以使所述目标图神经网络模型根据下一时刻对应的目标线路潮流矩阵和目标时段机组负荷矩阵,并结合所述当前隐藏状态和所述当前细胞状态进行电网安全分析,确定下一时刻对应的目标电网安全指数。
本发明实施例所提供的电网线路安全约束辨识装置可执行本发明任意实施例所提供的电网线路安全约束辨识方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如方法电网线路安全约束辨识。
在一些实施例中,方法电网线路安全约束辨识可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的方法电网线路安全约束辨识的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法电网线路安全约束辨识。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种电网线路安全约束辨识方法,其特征在于,包括:
获取目标电网线路的当前电网线路信息,并基于所述当前电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵,其中,所述当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息;
基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数;
基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识。
2.根据权利要求1所述的方法,其特征在于,所述基于所述当前电网线路信息构建当前线路潮流矩阵,包括:
将所述当前电网线路信息进行信息解析处理,获得所述节点参数信息和所述线路参数信息;
基于所述节点参数信息和所述线路参数信息,确定所述目标电网线路中每个目标线路节点与其他线路节点之间的有功潮流;
根据每个所述有功潮流,构建所述当前线路潮流矩阵。
3.根据权利要求2所述的方法,其特征在于,所述根据每个所述有功潮流,构建所述当前线路潮流矩阵,还包括:
针对每个所述有功潮流,在所述有功潮流对应的所述目标节点进行泰勒级数展开,确定线路有功潮流对机组有功潮流的潮流灵敏度矩阵;
基于所述潮流灵敏度矩阵和预设影响因子阈值,确定目标有功潮流;
基于所述目标有功潮流,构建所述当前线路潮流矩阵。
4.根据权利要求3所述的方法,其特征在于,所述基于所述目标有功潮流,构建所述当前线路潮流矩阵,还包括:
将所述目标有功潮流进行信息解析处理,获得目标潮流功率信息,其中,目标潮流功率信息至少包括潮流功率交换信息和潮流功率流向信息;
根据所述目标有功潮流对应的所述目标潮流功率信息,构建所述当前线路潮流矩阵。
5.根据权利要求1所述的方法,其特征在于,所述基于所述当前电网线路信息构建当前时段机组负荷矩阵,包括:
将所述当前电网线路信息进行信息解析处理,获得所述发电机组参数信息和所述负荷参数信息;
基于所述发电机组参数信息、所述负荷参数信息以及预设时段划分规则,确定在每个时段内发电机组与负荷之间的机组负荷对应关系;
根据各个所述机组负荷对应关系,构建所述当前时段机组负荷矩阵。
6.根据权利要求1所述的方法,其特征在于,所述目标图神经网络模型的训练过程包括:
获取线路潮流矩阵样本、时段机组负荷矩阵样本、初始隐藏状态和初始细胞状态,以及理想电网安全指数;
将所述线路潮流矩阵样本和所述时段机组负荷矩阵样本输入至预设图神经网络模型中,以使所述预设图神经网络模型根据所述线路潮流矩阵样本和所述时段机组负荷矩阵样本,结合所述初始隐藏状态和所述初始细胞状态进行电网安全分析,基于所述预设图神经网络模型的输出,获得电网安全指数结果;根据所述电网安全指数结果和所述理想电网安全指数,确定训练误差,并将所述训练误差反向传播至所述预设图神经网络模型中,调整所述预设图神经网络模型中的网络参数;
当满足预设收敛条件时,确定预设图神经网络模型训练结束,获得目标图神经网络模型。
7.根据权利要求1所述的方法,其特征在于,还包括:
基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和所述目标图神经网络模型,以及上一时刻对应的所述历史隐藏状态和所述历史细胞状态,获得当前时刻对应的当前隐藏状态和当前细胞状态,以使所述目标图神经网络模型根据下一时刻对应的目标线路潮流矩阵和目标时段机组负荷矩阵,并结合所述当前隐藏状态和所述当前细胞状态进行电网安全分析,确定下一时刻对应的目标电网安全指数。
8.一种电网线路安全约束辨识装置,其特征在于,包括:
电网线路信息获取模块,用于获取目标电网线路的当前电网线路信息,并基于所述当前电网线路信息构建当前线路潮流矩阵以及当前时段机组负荷矩阵,其中,所述当前电网线路信息至少包括线路节点参数信息、线路参数信息、发电机组参数信息以及负荷参数信息;
电网安全指数确定模块,用于基于所述当前线路潮流矩阵、所述当前时段机组负荷矩阵和目标图神经网络模型,以及上一时刻对应的历史隐藏状态和历史细胞状态,确定所述目标电网线路对应的当前电网安全指数;
安全约束辨识执行模块,用于基于当前电网安全指数和预设安全约束条件进行所述目标电网线路的安全约束辨识。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的电网线路安全约束辨识方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的电网线路安全约束辨识方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311427185.XA CN117473384A (zh) | 2023-10-30 | 2023-10-30 | 一种电网线路安全约束辨识方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311427185.XA CN117473384A (zh) | 2023-10-30 | 2023-10-30 | 一种电网线路安全约束辨识方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117473384A true CN117473384A (zh) | 2024-01-30 |
Family
ID=89628738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311427185.XA Pending CN117473384A (zh) | 2023-10-30 | 2023-10-30 | 一种电网线路安全约束辨识方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117473384A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829083A (zh) * | 2024-03-01 | 2024-04-05 | 上海励驰半导体有限公司 | 基于神经网络的布线方法、装置、电子设备及存储介质 |
-
2023
- 2023-10-30 CN CN202311427185.XA patent/CN117473384A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829083A (zh) * | 2024-03-01 | 2024-04-05 | 上海励驰半导体有限公司 | 基于神经网络的布线方法、装置、电子设备及存储介质 |
CN117829083B (zh) * | 2024-03-01 | 2024-05-28 | 上海励驰半导体有限公司 | 基于神经网络的布线方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Robustness evaluation of complex power grids containing renewable energy | |
CN117473384A (zh) | 一种电网线路安全约束辨识方法、装置、设备及存储介质 | |
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN115860383A (zh) | 配电网调度方法、装置、电子设备及存储介质 | |
CN113497445A (zh) | 一种区域多尺度新能源电站出力联合预测方法及系统 | |
Zhu et al. | Integrated data-driven power system transient stability monitoring and enhancement | |
Bai et al. | Short-term prediction of distribution network faults based on support vector machine | |
CN115275975B (zh) | 一种光储充电站电力数据匹配度的确定方法及装置 | |
CN116484554A (zh) | 一种配电网的拓扑辨识方法、装置、设备及介质 | |
CN114784804A (zh) | 一种电力系统分析方法、装置、电子设备及存储介质 | |
Liang et al. | Reliability assessment of microgrid island operation considering probability distribution of wind farm output | |
CN117833208A (zh) | 配电网状态推演方法、装置、电子设备和存储介质 | |
Zhu et al. | Frequency Stability Control Method of AC/DC Power System Based on Convolutional Neural Network | |
CN117131353B (zh) | 一种超差电能表确定方法、装置、电子设备及存储介质 | |
CN114186494A (zh) | 负荷确定方法、模型训练方法、装置以及电子设备 | |
CN116482565A (zh) | 一种电源异常检测方法、装置、设备和存储介质 | |
Adebayo et al. | An alternative method for voltage stability assessment in power system | |
CN116014759A (zh) | 面向新能源的多级自适应边缘智能控制方法及装置 | |
CN116914737A (zh) | 配电网光伏承载力评估方法、装置、设备及存储介质 | |
CN118100233A (zh) | 微网群储能容量配置方法、装置、电子设备和存储介质 | |
CN115453271A (zh) | 一种配电网问题诊断方法、装置、设备及存储介质 | |
MirMohammadAli Roudaki et al. | Power System State Estimation through Optimal PMU Placement and Neural Network using Whale Algorithm | |
CN116433098A (zh) | 一种配电网的健康治理方法、装置、设备及存储介质 | |
Yao et al. | De‐risking transient stability of AC/DC power systems based on ESS integration | |
CN114510837A (zh) | 输电线路运行场景生成方法、系统、设备及存储介质 |
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 |