CN117767250A - 基于故障监测的直流微电网协调控制方法及系统 - Google Patents
基于故障监测的直流微电网协调控制方法及系统 Download PDFInfo
- Publication number
- CN117767250A CN117767250A CN202311774422.XA CN202311774422A CN117767250A CN 117767250 A CN117767250 A CN 117767250A CN 202311774422 A CN202311774422 A CN 202311774422A CN 117767250 A CN117767250 A CN 117767250A
- Authority
- CN
- China
- Prior art keywords
- grid
- fault
- micro
- power
- control
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000011217 control strategy Methods 0.000 claims abstract description 59
- 238000005457 optimization Methods 0.000 claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims description 46
- 230000015654 memory Effects 0.000 claims description 45
- 238000004146 energy storage Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 17
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于故障监测的直流微电网协调控制方法及系统,涉及电力系统技术领域,所述方法包括:通过电网传感器网络对目标直流微电网进行运行状态实时监测,得到电网拓扑结构运行信号流集合,再基于电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息与分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,获得微电网故障协调控制策略,以此进行全局寻优,输出目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制。达到实现对直流微电网的故障自动化实时监测,提高故障控制策略适用性和控制精确性,确保电网协调控制及时性,进而提高电网控制效果和安全稳定运行的技术效果。
Description
技术领域
本发明涉及电力系统技术领域,尤其涉及基于故障监测的直流微电网协调控制方法及系统。
背景技术
随着可再生能源的不断发展,直流微电网由于具有低碳环保、灵活性好等特点在能源管理中受到广泛应用。直流微电网可以在有效利用自然资源的同时减少小分布式电源直接接入大电网带来的不利影响,所需变换器数量少,经济效应高。然而,直流微电网在运行过程中可能出现运行故障问题,如电力设备过热、线路短路等,对整个电网的稳定运行构成威胁。因此,直流微电网的故障监测控制对提高电网运行的安全性和稳定性具有重要应用意义。
发明内容
本申请通过提供基于故障监测的直流微电网协调控制方法及系统,解决了现有技术直流微电网故障控制策略适用性较低,且控制及时性不够,导致电网控制效果较差的技术问题,达到实现对直流微电网的故障自动化实时监测,提高故障控制策略适用性和控制精确性,确保电网协调控制及时性,进而提高电网控制效果和安全稳定运行的技术效果。
鉴于上述问题,本发明提供了基于故障监测的直流微电网协调控制方法及系统。
第一方面,本申请提供了基于故障监测的直流微电网协调控制方法,所述方法包括:获取目标直流微电网的拓扑结构信息,所述拓扑结构信息包括多个分布式能源信息、储能单元以及用电负载;通过电网传感器网络对所述目标直流微电网进行运行状态实时监测,得到电网拓扑结构运行信号流集合;搭建电网故障识别网络,基于所述电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息;对所述多个分布式能源信息进行优先级分析,确定分布式能源使用优先级规则;基于所述电网故障特征信息与所述分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,获得微电网故障协调控制策略;基于所述微电网故障协调控制策略进行全局寻优,输出目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制。
另一方面,本申请还提供了基于故障监测的直流微电网协调控制系统,所述系统包括:微电网拓扑结构获取模块,用于获取目标直流微电网的拓扑结构信息,所述拓扑结构信息包括多个分布式能源信息、储能单元以及用电负载;运行状态实时监测模块,用于通过电网传感器网络对所述目标直流微电网进行运行状态实时监测,得到电网拓扑结构运行信号流集合;电网故障特征识别模块,用于搭建电网故障识别网络,基于所述电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息;能源优先级分析模块,用于对所述多个分布式能源信息进行优先级分析,确定分布式能源使用优先级规则;故障协调控制策略获得模块,用于基于所述电网故障特征信息与所述分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,获得微电网故障协调控制策略;电网协调控制模块,用于基于所述微电网故障协调控制策略进行全局寻优,输出目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制。
第三方面,本申请提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
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:
由于采用了获取目标直流微电网的拓扑结构信息,所述拓扑结构信息包括多个分布式能源信息、储能单元以及用电负载,再通过电网传感器网络对所述目标直流微电网进行运行状态实时监测,得到电网拓扑结构运行信号流集合,基于电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息;对多个分布式能源信息进行优先级分析,确定分布式能源使用优先级规则,再基于所述电网故障特征信息与所述分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,获得微电网故障协调控制策略进行全局寻优,输出目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制的技术方案。进而达到实现对直流微电网的故障自动化实时监测,提高故障控制策略适用性和控制精确性,确保电网协调控制及时性,进而提高电网控制效果和安全稳定运行的技术效果。
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它目的、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
图1为本申请基于故障监测的直流微电网协调控制方法的流程示意图;
图2为本申请基于故障监测的直流微电网协调控制方法中搭建电网故障识别网络的流程示意图;
图3为本申请基于故障监测的直流微电网协调控制系统的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:微电网拓扑结构获取模块11,运行状态实时监测模块12,电网故障特征识别模块13,能源优先级分析模块14,故障协调控制策略获得模块15,电网协调控制模块16,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150,操作系统1151,应用程序1152和用户接口1160。
具体实施方式
在本申请的描述中,所属技术领域的技术人员应当知道,本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本申请可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令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,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1所示,本申请提供了基于故障监测的直流微电网协调控制方法,所述方法包括:
步骤S1:获取目标直流微电网的拓扑结构信息,所述拓扑结构信息包括多个分布式能源信息、储能单元以及用电负载;
步骤S2:通过电网传感器网络对所述目标直流微电网进行运行状态实时监测,得到电网拓扑结构运行信号流集合;
具体的,为实现对直流微电网的故障自动化实时监测,首先通过直流微电网管理系统获取目标直流微电网的拓扑结构信息,其中,所述目标直流微电网为待监测控制的直流微电网,其组成的所述拓扑结构信息包括多个分布式能源信息,例如光伏、风机、太阳能等;储能单元,例如电池、电容等,能够实现能源电能的规律储存和释放,可有效地解决分布式能源输出不稳定的问题;以及用电负载,用于直流微电网的电能消耗和电力供应,可以是电子设备、照明设备等。
通过所述目标直流微电网的拓扑设备类型以及分布信息搭建电网传感器网络,所述电网传感器网络由多个传感器组成,用于对微电网拓扑设备运行情况进行全面监测。通过电网传感器网络对所述目标直流微电网的各拓扑结构进行运行状态实时监测,得到电网拓扑结构运行信号流集合,所述电网拓扑结构运行信号流集合为微电网各拓扑结构设备的多维运行信号信息,包括设备运行电压、电流、温度、功率等信号数据流。提高直流微电网运行信号监测实时性和监测全面性,为后续电网故障识别提供信号依据,进而提高故障识别准确性。
步骤S3:搭建电网故障识别网络,基于所述电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息;
如图2所示,进一步而言,所述搭建电网故障识别网络,本申请步骤还包括:
通过数据挖掘技术采集获取直流微电网运行故障数据库;
获取微电网故障属性分类因素,所述微电网故障属性分类因素包括故障类型、故障等级以及影响范围;
基于所述微电网故障属性分类因素对所述直流微电网运行故障数据库进行属性分类标记,得到微电网故障因素属性信息集合;
利用所述微电网故障因素属性信息集合对所述直流微电网运行故障数据库进行聚类划分训练,构建所述电网故障识别网络。
进一步而言,所述构建所述电网故障识别网络,本申请步骤还包括:
对所述微电网故障因素属性信息集合中的各因素属性信息进行标签化处理,构建微电网运行故障标签库;
基于所述微电网运行故障标签库对所述直流微电网运行故障数据库进行样本标注划分,生成运行故障因素样本数据库;
使用深度学习网络结构对所述运行故障因素样本数据库进行聚类训练,生成故障类型识别网络、故障等级识别网络以及故障影响范围识别网络;
将所述故障类型识别网络、故障等级识别网络以及故障影响范围识别网络进行融合,生成所述电网故障识别网络。
具体的,为实现对直流微电网的故障自动化识别,需建立智能化故障识别网络。首先通过数据挖掘技术采集获取直流微电网运行故障数据库,所述直流微电网运行故障数据库为与直流微电网关联的海量历史运行故障数据集合,包括直流微电网运行故障信号数据以及对应的故障属性数据。再制定获取微电网故障属性分类因素,所述微电网故障属性分类因素为故障属性分类指标,包括故障类型、故障等级以及影响范围,其属性分类因素的具体划分内容可依据直流微电网管理需求自行设置。基于所述微电网故障属性分类因素对所述直流微电网运行故障数据库进行属性分类标记,即通过微电网故障属性分类因素对数据库中各故障数据进行故障属性具体分类,得到各故障数据对应的微电网故障因素属性信息集合。
利用所述微电网故障因素属性信息集合对所述直流微电网运行故障数据库进行聚类划分训练,具体为首先对所述微电网故障因素属性信息集合中的各因素属性信息进行标签化处理,即对各因素属性具体类型进行标签化抽取,示例性的,微电网故障因素属性标签包括风力发电短路、二级故障、能源供应中断等,进而通过标签整合构建微电网运行故障标签库,所述微电网运行故障标签库包括微电网故障因素属性的所有故障标签类型。基于所述微电网运行故障标签库对所述直流微电网运行故障数据库中的各故障数据进行样本标注,并将标签标注后的故障数据按照微电网故障因素属性进行划分,生成相应的运行故障因素样本数据库,所述运行故障因素样本数据库包括标签化后的故障类型样本数据、故障等级样本数据和故障影响范围样本数据。
使用深度学习网络结构对所述运行故障因素样本数据库进行聚类训练,将所述运行故障因素样本数据库作为标识数据分别进行深度神经网络训练,生成准确率达标的故障类型识别网络、故障等级识别网络以及故障影响范围识别网络。进而将所述故障类型识别网络、故障等级识别网络以及故障影响范围识别网络进行融合,生成电网故障识别网络,所述电网故障识别网络为三维故障识别网络,用于快速对直流微电网运行信号进行故障类型识别、故障等级识别以及故障影响范围识别。并基于所述电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息,所述电网故障特征信息为直流微电网的运行故障识别特征,包括故障类型特征、故障等级特征以及故障影响范围特征。实现直流微电网的故障智能化快速识别,全面准确的识别电网运行故障特征,提高故障识别效率,进而确保故障控制及时性。
步骤S4:对所述多个分布式能源信息,确定分布式能源使用优先级规则;
具体的,可通过设置能源优先评估指标对所述多个分布式能源信息进行优先级分析,确定相应的分布式能源使用优先级规则,所述分布式能源使用优先级规则为按照所设置的能源优先评估指标进行分布式能源优先级使用的评估依据,其中,所述能源优先评估指标可包括能源可靠性、经济性、环保性等,具体评估指标可依据电网需求经验设置。示例性的,按照能源环保性对所述多个分布式能源信息进行优先级划分,确定分布式能源的优先级顺序为太阳能、风能、燃料。
步骤S5:基于所述电网故障特征信息与所述分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,获得微电网故障协调控制策略;
进一步而言,所述获得微电网故障协调控制策略,本申请步骤还包括:
对所述多个分布式能源信息、储能单元以及用电负载进行功率应用监测,获取分布式能源应用功率信息、储能单元应用功率以及用电负载消耗功率;
将所述分布式能源应用功率信息、储能单元应用功率与所述用电负载消耗功率的比值平衡系数调节为1,确定微电网功率平衡规则;
基于所述分布式能源使用优先级规则和所述微电网功率平衡规则对所述直流微电网运行故障数据库进行分级策略制定,生成微电网故障控制策略库;
将所述电网故障特征信息与所述微电网故障控制策略库进行故障匹配,确定所述微电网故障协调控制策略。
进一步而言,所述得到设备运检因素分析信息集合,本申请步骤还包括:
获取所述目标直流微电网的分布式能源供应环境信息;
根据所述分布式能源供应环境信息,确定环境影响参数;
基于所述环境影响参数对所述多个分布式能源信息进行响应及时性分析,得到多个能源响应及时度;
基于所述多个能源响应及时度对所述微电网故障协调控制策略进行修正优化。
具体的,基于所述电网故障特征信息与所述分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,以确定适用的微电网故障控制策略。首先通过功率传感器对所述多个分布式能源信息、储能单元以及用电负载分别进行功率应用监测,获取对应的分布式能源应用功率信息、储能单元应用功率以及用电负载消耗功率。再将所述分布式能源应用功率信息、储能单元应用功率与所述用电负载消耗功率的比值平衡系数调节为1,即所述分布式能源应用功率信息和储能单元应用功率之和与所述用电负载消耗功率相等,达到能源供应功率与负载消耗功率处于平衡状态,以此确定微电网功率平衡规则,所述微电网功率平衡规则为需保持直流微电网功率在运行时处于平衡状态。
基于所述分布式能源使用优先级规则和所述微电网功率平衡规则对所述直流微电网运行故障数据库进行分级策略制定,即通过电网专家组以及电网故障历史管控经验在保持分布式能源使用顺序以及直流微电网功率平衡的情况下,对所述直流微电网运行故障数据库中的各故障类型分别进行控制策略确定。示例性的,当监测到电力设备过热时,系统会自动降低该设备的输出功率或启动冷却系统;当监测到线路短路时,系统会自动切断故障线路,并重新按优先级顺序分配能源供应;当监测到电池充放电异常时,系统会调整充放电速率等。通过各电网故障分级策略制定生成微电网故障控制策略库,所述微电网故障控制策略库包括所述直流微电网运行故障数据库中的各故障类型对应的故障控制策略信息。将监测识别的所述电网故障特征信息与所述微电网故障控制策略库进行故障匹配,确定与该故障特征相匹配的微电网故障协调控制策略,以用于该故障特征类型的运维控制。实现微电网故障控制策略的特定性匹配,确保故障控制策略适用性,进而提高微电网故障控制精确性。
为确保故障控制策略实际应用性,通过天气遥感监测系统等方式获取所述目标直流微电网的分布式能源供应环境信息,所述分布式能源供应环境信息为该直流微电网分布式能源的所处供应环境信息,包括太阳辐射、温度、气压、风力等。再根据所述分布式能源供应环境信息,确定环境影响参数,所述环境影响参数为天气环境对分布式能源供应的影响程度参数,例如风力对风电能源的电力供应影响。再基于所述环境影响参数对所述多个分布式能源信息进行响应及时性分析,即对分布式能源的供应及时性进行影响分析,例如,风力等级为0,其对应的风力供电影响参数过低,则当前风电能源的供电及时度为0,以此分析得到多个分布式能源信息对应的多个能源响应及时度。进而基于所述多个能源响应及时度对所述微电网故障协调控制策略进行修正优化,例如协调控制策略将风电能源去除,或是调整分布式能源供应顺序等,确保故障控制策略的实际应用性。提高控制策略适用性和准确性,进而确保微电网故障控制精确性。
步骤S6:基于所述微电网故障协调控制策略进行全局寻优,输出目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制。
进一步而言,所述输出目标电网故障控制参数方案,本申请步骤还包括:
根据微电网运行成本评估指标和并网稳定性评估指标,确定微电网运行优化度评估规则;
基于所述微电网故障协调控制策略进行协调控制数据搜索溯源,构建直流微电网参数控制空间;
通过所述微电网运行优化度评估规则在所述直流微电网参数控制空间进行参数搜索评估,得到控制参数评估优化度集合;
基于所述控制参数评估优化度集合进行参数寻优筛选,确定所述目标电网故障控制参数方案。
进一步而言,所述确定所述目标电网故障控制参数方案,本申请步骤还包括:
对所述控制参数评估优化度集合进行比例划分,得到多个优级电网故障控制参数和多个次级电网故障控制参数;
基于所述多个优级电网故障控制参数和多个优级控制优化度,对所述多个次级电网故障控制参数进行分配聚类,确定多个电网故障控制参数簇;
计算所述多个电网故障控制参数簇的优化度总和,并基于所述优化度总和进行最优参数方案簇输出,得到所述目标电网故障控制参数方案。
具体的,基于所述微电网故障协调控制策略进行控制参数全局寻优,首先根据微电网运行成本评估指标,包括运行维护成本、消耗能源成本等;和并网稳定性评估指标,包括电压稳定、功率稳定等,确定微电网运行优化度评估规则,所述微电网运行优化度评估规则为电网故障控制参数的优化程度评估函数依据,通过微电网运行成本评估指标与并网稳定性评估指标的历史数据拟合生成,电网故障控制参数对应的微电网运行成本越低,并网稳定性越高,相应的优化度评估越高。基于所述微电网故障协调控制策略进行协调控制数据搜索溯源,构建直流微电网参数控制空间,所述直流微电网参数控制空间为与所述微电网故障协调控制策略关联对应的历史协调控制数据集合,以作为该故障特征类型的控制参数寻优范围。
通过所述微电网运行优化度评估规则在所述直流微电网参数控制空间进行参数搜索评估,对空间内搜索得到的控制参数进行优化度评估,得到相应的控制参数评估优化度集合。基于所述控制参数评估优化度集合进行参数寻优筛选,具体为首先对所述控制参数评估优化度集合进行比例划分,例如按照3:7的比例将控制参数依据控制参数评估优化度划分为多个优级电网故障控制参数和多个次级电网故障控制参数。再基于所述多个优级电网故障控制参数和多个优级控制优化度,对所述多个次级电网故障控制参数进行分配聚类,即按照多个优级控制优化度大小将所述多个次级电网故障控制参数依据参数距离,比例分配至所述多个优级电网故障控制参数,以此组成确定多个电网故障控制参数簇,所述多个电网故障控制参数簇是以多个优级电网故障控制参数为簇中心,并分配的多个次级电网故障控制参数所组成的参数簇。
计算所述多个电网故障控制参数簇中所有控制参数的优化度总和,并基于所述优化度总和进行比对筛选,将其中的最优参数方案簇输出,得到目标电网故障控制参数方案,所述目标电网故障控制参数方案包括一个优级电网故障控制参数和簇内其余多个次级电网故障控制参数。并基于所述目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制,在实际微电网故障运行控制中,由于操作等因素影响可能导致最优电网故障控制参数无法达到最优效果,则将目标电网故障控制参数方案中的其余多个次级电网故障控制参数对微电网故障进行补偿优化控制,确保控制参数响应及时性,以满足实际微电网故障运维控制。提高故障控制参数适用性和控制精确性,确保电网协调控制效率,进而提高电网控制效果和安全稳定运行。
综上所述,本申请所提供的基于故障监测的直流微电网协调控制方法及系统具有如下技术效果:
由于采用了获取目标直流微电网的拓扑结构信息,所述拓扑结构信息包括多个分布式能源信息、储能单元以及用电负载,再通过电网传感器网络对所述目标直流微电网进行运行状态实时监测,得到电网拓扑结构运行信号流集合,基于电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息;对多个分布式能源信息进行优先级分析,确定分布式能源使用优先级规则,再基于所述电网故障特征信息与所述分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,获得微电网故障协调控制策略进行全局寻优,输出目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制的技术方案。进而达到实现对直流微电网的故障自动化实时监测,提高故障控制策略适用性和控制精确性,确保电网协调控制及时性,进而提高电网控制效果和安全稳定运行的技术效果。
实施例二
基于与前述实施例中基于故障监测的直流微电网协调控制方法同样发明构思,本发明还提供了基于故障监测的直流微电网协调控制系统,如图3所示,所述系统包括:
微电网拓扑结构获取模块11,用于获取目标直流微电网的拓扑结构信息,所述拓扑结构信息包括多个分布式能源信息、储能单元以及用电负载;
运行状态实时监测模块12,用于通过电网传感器网络对所述目标直流微电网进行运行状态实时监测,得到电网拓扑结构运行信号流集合;
电网故障特征识别模块13,用于搭建电网故障识别网络,基于所述电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息;
能源优先级分析模块14,用于对所述多个分布式能源信息进行优先级分析,确定分布式能源使用优先级规则;
故障协调控制策略获得模块15,用于基于所述电网故障特征信息与所述分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,获得微电网故障协调控制策略;
电网协调控制模块16,用于基于所述微电网故障协调控制策略进行全局寻优,输出目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制。
进一步的,所述系统还包括:
故障数据库获取单元,用于通过数据挖掘技术采集获取直流微电网运行故障数据库;
属性分类因素获取单元,用于获取微电网故障属性分类因素,所述微电网故障属性分类因素包括故障类型、故障等级以及影响范围;
属性分类标记单元,用于基于所述微电网故障属性分类因素对所述直流微电网运行故障数据库进行属性分类标记,得到微电网故障因素属性信息集合;
聚类划分训练单元,用于利用所述微电网故障因素属性信息集合对所述直流微电网运行故障数据库进行聚类划分训练,构建所述电网故障识别网络。
进一步的,所述系统还包括:
标签化处理单元,用于对所述微电网故障因素属性信息集合中的各因素属性信息进行标签化处理,构建微电网运行故障标签库;
样本标注划分单元,用于基于所述微电网运行故障标签库对所述直流微电网运行故障数据库进行样本标注划分,生成运行故障因素样本数据库;
数据库聚类训练单元,用于使用深度学习网络结构对所述运行故障因素样本数据库进行聚类训练,生成故障类型识别网络、故障等级识别网络以及故障影响范围识别网络;
故障识别网络生成单元,用于将所述故障类型识别网络、故障等级识别网络以及故障影响范围识别网络进行融合,生成所述电网故障识别网络。
进一步的,所述系统还包括:
功率应用监测单元,用于对所述多个分布式能源信息、储能单元以及用电负载进行功率应用监测,获取分布式能源应用功率信息、储能单元应用功率以及用电负载消耗功率;
功率平衡规则确定单元,用于将所述分布式能源应用功率信息、储能单元应用功率与所述用电负载消耗功率的比值平衡系数调节为1,确定微电网功率平衡规则;
分级策略制定单元,用于基于所述分布式能源使用优先级规则和所述微电网功率平衡规则对所述直流微电网运行故障数据库进行分级策略制定,生成微电网故障控制策略库;
故障协调控制策略确定单元,用于将所述电网故障特征信息与所述微电网故障控制策略库进行故障匹配,确定所述微电网故障协调控制策略。
进一步的,所述系统还包括:
优化度评估规则确定单元,用于根据微电网运行成本评估指标和并网稳定性评估指标,确定微电网运行优化度评估规则;
数据搜索溯源单元,用于基于所述微电网故障协调控制策略进行协调控制数据搜索溯源,构建直流微电网参数控制空间;
参数搜索评估单元,用于通过所述微电网运行优化度评估规则在所述直流微电网参数控制空间进行参数搜索评估,得到控制参数评估优化度集合;
参数寻优筛选单元,用于基于所述控制参数评估优化度集合进行参数寻优筛选,确定所述目标电网故障控制参数方案。
进一步的,所述系统还包括:
优化度比例划分单元,用于对所述控制参数评估优化度集合进行比例划分,得到多个优级电网故障控制参数和多个次级电网故障控制参数;
参数分配聚类单元,用于基于所述多个优级电网故障控制参数和多个优级控制优化度,对所述多个次级电网故障控制参数进行分配聚类,确定多个电网故障控制参数簇;
控制参数方案获得单元,用于计算所述多个电网故障控制参数簇的优化度总和,并基于所述优化度总和进行最优参数方案簇输出,得到所述目标电网故障控制参数方案。
进一步的,所述系统还包括:
能源供应环境获取单元,用于获取所述目标直流微电网的分布式能源供应环境信息;
环境影响参数确定单元,用于根据所述分布式能源供应环境信息,确定环境影响参数;
响应及时性分析单元,用于基于所述环境影响参数对所述多个分布式能源信息进行响应及时性分析,得到多个能源响应及时度;
策略修正优化单元,用于基于所述多个能源响应及时度对所述微电网故障协调控制策略进行修正优化。
前述图1实施例一中的基于故障监测的直流微电网协调控制方法的各种变化方式和具体实例同样适用于本实施例的基于故障监测的直流微电网协调控制系统,通过前述对基于故障监测的直流微电网协调控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中基于故障监测的直流微电网协调控制系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图4所示,本申请还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本申请中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本申请中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本申请所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本申请不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本申请中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
应理解,本申请中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本申请描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本申请中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种装置程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本申请方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
此外,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请披露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于故障监测的直流微电网协调控制方法,其特征在于,所述方法包括:
获取目标直流微电网的拓扑结构信息,所述拓扑结构信息包括多个分布式能源信息、储能单元以及用电负载;
通过电网传感器网络对所述目标直流微电网进行运行状态实时监测,得到电网拓扑结构运行信号流集合;
搭建电网故障识别网络,基于所述电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息;
对所述多个分布式能源信息进行优先级分析,确定分布式能源使用优先级规则;
基于所述电网故障特征信息与所述分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,获得微电网故障协调控制策略;
基于所述微电网故障协调控制策略进行全局寻优,输出目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制。
2.如权利要求1所述的方法,其特征在于,所述搭建电网故障识别网络,包括:
通过数据挖掘技术采集获取直流微电网运行故障数据库;
获取微电网故障属性分类因素,所述微电网故障属性分类因素包括故障类型、故障等级以及影响范围;
基于所述微电网故障属性分类因素对所述直流微电网运行故障数据库进行属性分类标记,得到微电网故障因素属性信息集合;
利用所述微电网故障因素属性信息集合对所述直流微电网运行故障数据库进行聚类划分训练,构建所述电网故障识别网络。
3.如权利要求2所述的方法,其特征在于,所述构建所述电网故障识别网络,包括:
对所述微电网故障因素属性信息集合中的各因素属性信息进行标签化处理,构建微电网运行故障标签库;
基于所述微电网运行故障标签库对所述直流微电网运行故障数据库进行样本标注划分,生成运行故障因素样本数据库;
使用深度学习网络结构对所述运行故障因素样本数据库进行聚类训练,生成故障类型识别网络、故障等级识别网络以及故障影响范围识别网络;
将所述故障类型识别网络、故障等级识别网络以及故障影响范围识别网络进行融合,生成所述电网故障识别网络。
4.如权利要求2所述的方法,其特征在于,所述获得微电网故障协调控制策略,包括:
对所述多个分布式能源信息、储能单元以及用电负载进行功率应用监测,获取分布式能源应用功率信息、储能单元应用功率以及用电负载消耗功率;
将所述分布式能源应用功率信息、储能单元应用功率与所述用电负载消耗功率的比值平衡系数调节为1,确定微电网功率平衡规则;
基于所述分布式能源使用优先级规则和所述微电网功率平衡规则对所述直流微电网运行故障数据库进行分级策略制定,生成微电网故障控制策略库;
将所述电网故障特征信息与所述微电网故障控制策略库进行故障匹配,确定所述微电网故障协调控制策略。
5.如权利要求1所述的方法,其特征在于,所述输出目标电网故障控制参数方案,包括:
根据微电网运行成本评估指标和并网稳定性评估指标,确定微电网运行优化度评估规则;
基于所述微电网故障协调控制策略进行协调控制数据搜索溯源,构建直流微电网参数控制空间;
通过所述微电网运行优化度评估规则在所述直流微电网参数控制空间进行参数搜索评估,得到控制参数评估优化度集合;
基于所述控制参数评估优化度集合进行参数寻优筛选,确定所述目标电网故障控制参数方案。
6.如权利要求5所述的方法,其特征在于,所述确定所述目标电网故障控制参数方案,包括:
对所述控制参数评估优化度集合进行比例划分,得到多个优级电网故障控制参数和多个次级电网故障控制参数;
基于所述多个优级电网故障控制参数和多个优级控制优化度,对所述多个次级电网故障控制参数进行分配聚类,确定多个电网故障控制参数簇;
计算所述多个电网故障控制参数簇的优化度总和,并基于所述优化度总和进行最优参数方案簇输出,得到所述目标电网故障控制参数方案。
7.如权利要求1所述的方法,其特征在于,所述方法包括:
获取所述目标直流微电网的分布式能源供应环境信息;
根据所述分布式能源供应环境信息,确定环境影响参数;
基于所述环境影响参数对所述多个分布式能源信息进行响应及时性分析,得到多个能源响应及时度;
基于所述多个能源响应及时度对所述微电网故障协调控制策略进行修正优化。
8.基于故障监测的直流微电网协调控制系统,其特征在于,所述系统包括:
微电网拓扑结构获取模块,用于获取目标直流微电网的拓扑结构信息,所述拓扑结构信息包括多个分布式能源信息、储能单元以及用电负载;
运行状态实时监测模块,用于通过电网传感器网络对所述目标直流微电网进行运行状态实时监测,得到电网拓扑结构运行信号流集合;
电网故障特征识别模块,用于搭建电网故障识别网络,基于所述电网故障识别网络对所述电网拓扑结构运行信号流集合进行故障识别,输出电网故障特征信息;
能源优先级分析模块,用于对所述多个分布式能源信息进行优先级分析,确定分布式能源使用优先级规则;
故障协调控制策略获得模块,用于基于所述电网故障特征信息与所述分布式能源使用优先级规则和微电网功率平衡规则进行调用匹配,获得微电网故障协调控制策略;
电网协调控制模块,用于基于所述微电网故障协调控制策略进行全局寻优,输出目标电网故障控制参数方案对所述目标直流微电网进行运行协调控制。
9.一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的基于故障监测的直流微电网协调控制方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于故障监测的直流微电网协调控制方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311774422.XA CN117767250B (zh) | 2023-12-22 | 2023-12-22 | 基于故障监测的直流微电网协调控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311774422.XA CN117767250B (zh) | 2023-12-22 | 2023-12-22 | 基于故障监测的直流微电网协调控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117767250A true CN117767250A (zh) | 2024-03-26 |
CN117767250B CN117767250B (zh) | 2024-05-24 |
Family
ID=90317748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311774422.XA Active CN117767250B (zh) | 2023-12-22 | 2023-12-22 | 基于故障监测的直流微电网协调控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117767250B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117956265A (zh) * | 2024-03-27 | 2024-04-30 | 莱森光学(深圳)有限公司 | 用于激光光束近场检测的相机智能控制方法 |
CN118232414A (zh) * | 2024-05-23 | 2024-06-21 | 永联科技(常熟)有限公司 | 复合微电网控制方法、装置、计算机存储介质和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362127A (zh) * | 2021-06-22 | 2022-04-15 | 清华四川能源互联网研究院 | 含固体氧化物燃料电池的直流微网系统及其控制方法 |
CN115102153A (zh) * | 2022-07-11 | 2022-09-23 | 西安交通大学 | 一种变电站站用电光氢储微电网及其控制方法 |
CN116933114A (zh) * | 2023-06-12 | 2023-10-24 | 浙江大学 | 一种基于cnn-lstm的直流微电网检测方法及装置 |
CN117039829A (zh) * | 2023-08-21 | 2023-11-10 | 费莱(浙江)科技有限公司 | 一种直流微网的协调控制方法及系统 |
-
2023
- 2023-12-22 CN CN202311774422.XA patent/CN117767250B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362127A (zh) * | 2021-06-22 | 2022-04-15 | 清华四川能源互联网研究院 | 含固体氧化物燃料电池的直流微网系统及其控制方法 |
CN115102153A (zh) * | 2022-07-11 | 2022-09-23 | 西安交通大学 | 一种变电站站用电光氢储微电网及其控制方法 |
CN116933114A (zh) * | 2023-06-12 | 2023-10-24 | 浙江大学 | 一种基于cnn-lstm的直流微电网检测方法及装置 |
CN117039829A (zh) * | 2023-08-21 | 2023-11-10 | 费莱(浙江)科技有限公司 | 一种直流微网的协调控制方法及系统 |
Non-Patent Citations (1)
Title |
---|
吕继伟 等: "风光互补微电网智能测控终端的设计", 电力与能源, vol. 33, no. 06, 20 December 2012 (2012-12-20), pages 569 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117956265A (zh) * | 2024-03-27 | 2024-04-30 | 莱森光学(深圳)有限公司 | 用于激光光束近场检测的相机智能控制方法 |
CN118232414A (zh) * | 2024-05-23 | 2024-06-21 | 永联科技(常熟)有限公司 | 复合微电网控制方法、装置、计算机存储介质和电子设备 |
CN118232414B (zh) * | 2024-05-23 | 2024-09-20 | 永联科技(常熟)有限公司 | 复合微电网控制方法、装置、计算机存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117767250B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210216883A1 (en) | System and method for fault detection of components using information fusion technique | |
CN117767250B (zh) | 基于故障监测的直流微电网协调控制方法及系统 | |
CN113723810B (zh) | 基于图数据库的电网建模方法 | |
CN114285725B (zh) | 网络故障确定方法及装置、存储介质及电子设备 | |
CN117595504A (zh) | 一种电网运行状态的智能监测预警方法 | |
CN117633592B (zh) | 一种新能源电站智能监盘系统 | |
CN116644306A (zh) | 一种基于智能终端的电力数据管理方法及系统 | |
CN117175664B (zh) | 基于使用场景的储能充电设备输出功率自适应调节系统 | |
WO2019140553A1 (zh) | 配电系统的健康指数确定方法及装置、计算机存储介质 | |
CN117458699A (zh) | 一种自适应场景的电力参数控制方法及系统 | |
CN115275975B (zh) | 一种光储充电站电力数据匹配度的确定方法及装置 | |
CN113778681B (zh) | 基于云计算的数据处理方法、装置及存储介质 | |
Zhao et al. | Electrical principles of verification of the topological structure of a low‐voltage distribution network based on voltage from an Advanced Metering Infrastructure | |
Xue et al. | Typical transmission section searching method considering geographical attributes for large power grids | |
Raghuvamsi et al. | Distribution system state estimation with Transformer-Bi-LSTM-based imputation model for missing measurements | |
Zhang et al. | Truth finding from multiple data sources by source confidence estimation | |
CN110929219A (zh) | 配网设备群状态评价方法、装置、系统及计算机存储介质 | |
Zheng et al. | Power prediction of regional distributed photovoltaic clusters with incomplete information based on improved weighted fusion and transfer learning | |
CN113887005B (zh) | 一种交直流电力系统仿真建模方法、装置 | |
Liu et al. | Static voltage stability margin prediction considering new energy uncertainty based on graph attention networks and long short‐term memory networks | |
Ren et al. | Automatic recognition algorithm of information architecture reliability based on energy internet network topology | |
CN113258672B (zh) | 一种配电台区智慧物联监测方法及系统 | |
CN118214458B (zh) | 一种高速电力载波通信系统的台区识别方法、装置及介质 | |
CN117834455B (zh) | 一种电力物联网数据传输仿真方法和系统 | |
Yao et al. | De‐risking transient stability of AC/DC power systems based on ESS integration |
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 |