一种考虑PMU量测相角偏差的配电网状态估计方法及系统

    公开(公告)号:CN112865096A

    公开(公告)日:2021-05-28

    申请号:CN202110291917.1

    申请日:2021-03-18

    Abstract: 本发明公开了一种考虑PMU量测相角偏差的配电网状态估计方法,包括以下步骤:S1,获取某一时刻PMU/SCADA混合量测数据;S2,根据当前状态估计值,使用SCADA量测模型计算量测量计算值和雅可比矩阵;S3,根据当前状态估计值,使用考虑量测相角偏差的PMU量测模型计算量测量计算值和雅可比矩阵,结合步骤S3所得结果,计算信息矩阵和自由矢量;S4,根据信息矩阵和自由矢量求解状态修正量。完成状态修正,得到此轮计算状态估计结果;S5,根据收敛判别条件,判断状态估计结果是否已经收敛,否,则回到S2步骤继续计算;是,则输出状态估计估计结果。本发明有效降低含偏差量相角量测信息对状态估计精确度产生的不良影响,并且有效提升了配电网状态估计的准确性。

    一种考虑PMU量测相角偏差的配电网状态估计方法及系统

    公开(公告)号:CN112865096B

    公开(公告)日:2024-09-13

    申请号:CN202110291917.1

    申请日:2021-03-18

    Abstract: 本发明公开了一种考虑PMU量测相角偏差的配电网状态估计方法,包括以下步骤:S1,获取某一时刻PMU/SCADA混合量测数据;S2,根据当前状态估计值,使用SCADA量测模型计算量测量计算值和雅可比矩阵;S3,根据当前状态估计值,使用考虑量测相角偏差的PMU量测模型计算量测量计算值和雅可比矩阵,结合步骤S3所得结果,计算信息矩阵和自由矢量;S4,根据信息矩阵和自由矢量求解状态修正量。完成状态修正,得到此轮计算状态估计结果;S5,根据收敛判别条件,判断状态估计结果是否已经收敛,否,则回到S2步骤继续计算;是,则输出状态估计估计结果。本发明有效降低含偏差量相角量测信息对状态估计精确度产生的不良影响,并且有效提升了配电网状态估计的准确性。

    电力系统电压的稳定评估方法及装置

    公开(公告)号:CN115392670A

    公开(公告)日:2022-11-25

    申请号:CN202210977531.0

    申请日:2022-08-15

    Abstract: 本发明提供一种电力系统电压的稳定评估方法及装置,其中的方法包括:基于预先训练的母线向量表示训练模型,获取电力系统中每条母线对应的母线向量;获取由电力系统中每条母线对应的时间序列数据转换得到的距离数据;根据母线向量和距离数据,得到电力系统电压的稳定评估结果。该方法充分利用电力系统中所有母线在电压失稳过程中所反映出来的时间序列信息和空间结构信息,挖掘母线之间的关联性,并以表征学习的方式将失稳的时序信息和空间结构信息有机结合,能够更全面地学习到电力系统中所有负荷母线在电压失稳过程中所表现出的失稳特征,有效地保证了电力系统电压稳定评估的准确性。

    多级分布式光伏集群的并网建模方法、装置、设备及介质

    公开(公告)号:CN115333146A

    公开(公告)日:2022-11-11

    申请号:CN202210945089.3

    申请日:2022-08-08

    Abstract: 本申请涉及光伏发电技术领域,特别涉及一种多级分布式光伏集群的并网建模方法、装置、设备及介质,其中,方法包括:将多级分布式光伏集群中所有光伏单元对应的光伏并网模型进行简化得到简化模型;建立多级分布式光伏集群的并联等值模型,并确定多级分布式光伏集群并入电网的实际动态特性等级;在实际动态等级大于预设等级时,将多级分布式光伏集群并入电网,否则根据实际动态等级优化多级分布式光伏集群的实际结构,直到实际动态等级大于预设等级。由此,解决了相关技术中针对机电暂态时间尺度的光伏并网模型控制结构复杂,控制参数较多,难以通过辨识的方法得到模型参数,导致无法准确描述多级分布式光伏集群接入电网后的动态特性等问题。

    基于XGBoost的光伏阵列故障诊断方法

    公开(公告)号:CN114239481A

    公开(公告)日:2022-03-25

    申请号:CN202111548471.2

    申请日:2021-12-17

    Abstract: 一种基于XGBoost的光伏阵列故障诊断方法,通过建立光伏组件等效电路模型,根据模型建立光伏组件基本电流方程后分析光照强度、温度对光伏组件内部参数的影响,得到组件伏安特性曲线随光照强度、温度的变化趋势并进一步分析不同程度下的光伏阵列故障对应的伏安特性曲线的变化情况,选取、构建反映不同故障特性的特征量,作为故障诊断的输入向量;然后建立光伏阵列仿真模型以模拟不同类型、不同程度的故障,通过调节光照强度、温度获取伏安特性曲线,读取、构建故障特征量,建立光伏阵列故障数据集,用于在离线阶段训练基于XGBoost算法的光伏阵列故障诊断模型;最后在在线阶段采用训练后的光伏阵列故障诊断模型融合多种不同类型、不同程度故障的光伏阵列故障特征量、光照强度、温度,通过极限梯度提升决策树得到光伏阵列多种不同类型、不同程度的故障。

Patent Agency Ranking