智能停电范围分析方法以及系统

    公开(公告)号:CN106022967A

    公开(公告)日:2016-10-12

    申请号:CN201610373417.1

    申请日:2016-05-27

    IPC分类号: G06Q50/06

    CPC分类号: G06Q50/06

    摘要: 一种智能停电范围分析方法以及系统,方法包括:S1、建立与分布式系统进行交互的数据资源平台和存储分布式系统中的数据的信息集成平台;S2、生产系统发送线路信息给GIS平台,GIS平台根据线路信息生成并显示单线图;S3、在单线图中选择停电开关,再通过信息集成平台发送空间拓扑分析指令给GIS平台,GIS平台发送范围查询指令给信息集成平台;S4、信息集成平台基于范围查询指令和信息集成平台内存储的电网拓扑结构数据、用户数据筛选出受影响的范围信息并返回给GIS平台;S5、GIS平台通过信息集成平台将范围信息转发给生产系统。本发明在单线图中选择停电开关,方便快捷地制定停电计划,且分布式系统的数据统一在新建的数据资源平台中存储,确保数据一致性。

    一种分布式充电设施的可调节裕度优化方法及系统

    公开(公告)号:CN117937570A

    公开(公告)日:2024-04-26

    申请号:CN202410302843.0

    申请日:2024-03-18

    IPC分类号: H02J3/32 B60L53/63

    摘要: 本发明涉及充电设施优化技术领域,公开了一种分布式充电设施的可调节裕度优化方法及系统,本方法通过目标台区的历史负荷时序数据确定决策参数,并通过确定多个预设的充电模式分别对应的候选充电开始时刻集合确定综合候选充电开始时刻集合,利用电量裕度总和以及预设的充电模式的选择概率确定所述综合候选充电开始时刻集合中各充电开始时刻的选择概率,从而确定最佳充电开始时刻以及最佳充电功率,根据充电设施的最佳充电功率以及预先获取的优化前的初始充电功率确定充电设施的可调功率裕度,从而提高充电设施可调节裕度执行的控制效率和控制精度,并避免了EV规模过大带来的形成的负荷高峰的风险,适应性较强。

    一种配电自动化终端设备
    18.
    发明公开

    公开(公告)号:CN111146701A

    公开(公告)日:2020-05-12

    申请号:CN202010018731.4

    申请日:2020-01-08

    IPC分类号: H02B1/28 H02B1/56 H02B1/00

    摘要: 本申请公开了一种配电自动化终端设备,包括:终端设备本体、空气处理装置以及气相防锈装置;空气处理装置包括处理箱、盐雾过滤器、通风机以及主控器;处理箱安装于终端设备本体上,且处理箱内设有密闭的容纳腔,处理箱上分别设有进气口以及出气口;出气口与终端设备本体内部连接导通;盐雾过滤器设置于容纳腔内,且将容纳腔隔成连通进气口第一腔室以及连通出气口的第二腔室;通风机安装于第二腔室内,且进气端与第二腔室导通,出气端通过出气口与终端设备本体的内部导通;主控器与通风机电连接;气相防锈装置包括装置主体以及气相防锈件;装置主体安装于终端设备本体内壁上;气相防锈件安装于装置主体内。具有较好的防湿热效果。

    一种停电影响用户信息获取方法及装置

    公开(公告)号:CN106960291B

    公开(公告)日:2018-04-13

    申请号:CN201710249229.2

    申请日:2017-04-17

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明提出了一种停电影响用户信息获取方法及装置,发生故障停电时,获取故障线路上发生变位的第一开关,并获取所述第一开关的变位时序信息,然后根据故障线路对应的电网拓扑结构获取由所述第一开关控制的故障停电变压器,并通过所述第一开关的变位时序信息获取由所述第一开关控制的故障停电变压器的停电开始时间和停电结束时间,然后根据故障线路对应的电网拓扑结构获取由所述故障停电变压器控制的故障停电影响用户,并通过所述故障停电变压器的停电开始时间和停电结束时间来获取所述故障影响用户信息,能够保证获取的受停电影响的用户信息的准确性,能够减少受停电影响的用户信息采集的工作量。

    一种负荷调度可行域数模驱动预测方法及系统

    公开(公告)号:CN118137478A

    公开(公告)日:2024-06-04

    申请号:CN202410247568.7

    申请日:2024-03-05

    摘要: 本发明涉及电动汽车充电技术领域,公开了一种负荷调度可行域数模驱动预测方法及系统,本方法通过获得电动汽车的出行结束时间、车辆停留时间、行驶里程、电池SOH值和电池SOC值,从而充分考虑电动汽车的时间特征、出行特征和电量特征对EV充放电负荷的影响,并利用蒙特卡洛随机抽样,避免受到概率模型的制约,充分反映EV负荷的分布规律,并通过行驶特征数据确定电动汽车的期望电量和充电持续时间,从而确定各辆电动汽车的负荷调度可行域,进而确定目标区域内的电动汽车的负荷调度可行域均值,克服了完全数据驱动高度依赖车网互动数据共享的缺点,提升了电动汽车负荷调度可行域预测的精度,降低了充放电裕度预测对数据的要求。