电压凹陷域辨识系统
    1.
    发明授权

    公开(公告)号:CN110429589B

    公开(公告)日:2022-06-10

    申请号:CN201910670047.1

    申请日:2019-07-24

    IPC分类号: H02J3/00 G06F17/11 G06F17/12

    摘要: 本发明涉及一种电压凹陷域辨识系统,包括数据采集装置和数据分析装置,它采用的基于配点法的电压凹陷域辨识方法包括以下步骤:步骤一:参数化表示电网中的故障位置,并列出电压下降方程;步骤二:将电压下降方程中的复数运算转化为实数运算,得到故障电压方程组;步骤三:选择多项式基转化故障电压方程组得到多项式组;步骤四:通过配点法计算多项式组中的逼近系数,得到故障电压幅值近似表达式,计算出故障电压的最大值和最小值;步骤五:针对每一条线路,利用故障电压的最大值和最小值以及线路中的敏感节点的电压跌落阈值判断线路是否被包含于电压凹陷域中。本发明中暂态电压幅值可以为任意形状曲线,具有广的适用范围。

    电压凹陷域辨识系统
    2.
    发明公开

    公开(公告)号:CN110429589A

    公开(公告)日:2019-11-08

    申请号:CN201910670047.1

    申请日:2019-07-24

    IPC分类号: H02J3/00 G06F17/11 G06F17/12

    摘要: 本发明涉及一种电压凹陷域辨识系统,包括数据采集装置和数据分析装置,它采用的基于配点法的电压凹陷域辨识方法包括以下步骤:步骤一:参数化表示电网中的故障位置,并列出电压下降方程;步骤二:将电压下降方程中的复数运算转化为实数运算,得到故障电压方程组;步骤三:选择多项式基转化故障电压方程组得到多项式组;步骤四:通过配点法计算多项式组中的逼近系数,得到故障电压幅值近似表达式,计算出故障电压的最大值和最小值;步骤五:针对每一条线路,利用故障电压的最大值和最小值以及线路中的敏感节点的电压跌落阈值判断线路是否被包含于电压凹陷域中。本发明中暂态电压幅值可以为任意形状曲线,具有广的适用范围。

    一种基于雷击概率的风储联合系统功率两层调控方法与系统

    公开(公告)号:CN115276062B

    公开(公告)日:2024-04-26

    申请号:CN202210865096.2

    申请日:2022-07-22

    IPC分类号: H02J3/32 H02J3/38

    摘要: 一种基于雷击概率的风储联合系统功率两层调控方法,包括如下步骤:分别计算响应层机组的雷击概率,以及最大出力,其中机组包括:运行机组与静止机组;根据响应层运行机组与静止机组的雷击概率,调度层计算风电场整体平均雷击概率;若风电场整体平均雷击概率小于等于预设值P1,结束步骤;根据响应层运行机组与静止机组的雷击概率,以及最大出力,计算调控后发生雷击带来的总可能损失的总成本函数;基于预设的约束条件,求取当总成本函数的值最小时需要停运的机组编号及所满足的#imgabs0#值;计算k台机组脱网并静止后需要储能系统立即补偿的功率P;储能系统依据补偿的功率P立即增加出力,并返回步骤S1。

    基于FORL强化学习的中压配电网线路参数辨识方法和系统

    公开(公告)号:CN117559423A

    公开(公告)日:2024-02-13

    申请号:CN202311539025.4

    申请日:2023-11-17

    IPC分类号: H02J3/00 G06N20/00 G01R31/08

    摘要: 一种基于FORL强化学习的中压配电网线路参数辨识方法和系统。该方法包括,以中压配电网中总线为节点,连接线路为边,构建中压配电网拓扑图模型,并采集历史量测数据并进行预处理,生成线路参数辨识训练样本;根据连接线路的待辨识参数,构建FORL强化学习智能体和FORL强化学习模型;利用线路参数辨识训练样本对FORL强化学习模型进行训练,将待辨识参数作为当前状态,通过潮流计算迭代更新目标函数和状态,并得到最优参数;采集中压配电网实时量测数据,输入FORL强化学习模型,获得线路参数辨识结果。本发明的方案改善了传统数学优化方法在计算效率以及精度方面存在的不足,在减少耗费时间的前提也能保证参数预测结果的准确度,提高了辨识效率。

    一种基于动态贝叶斯网络的中压配电网参数区间辨识方法和系统

    公开(公告)号:CN117520869A

    公开(公告)日:2024-02-06

    申请号:CN202410011378.5

    申请日:2024-01-04

    摘要: 一种基于动态贝叶斯网络的中压配电网参数区间辨识方法和系统。该方法包括,采集量测装置量测的历史物理量和历史气象数据,计算历史配电参数组成历史量测数据,包括特征向量集和标签向量集;将历史数据进行离散化处理和区间划分,计算聚类中心与区间边界值;根据各个特征与配电参数之间的影响关系构建静态贝叶斯网络,学习静态贝叶斯网络的条件概率;将静态贝叶斯网络扩展为动态贝叶斯网络,学习历史配电参数的时间转移概率;采集中压配电网实时量测数据,输入动态贝叶斯网络模型,以估计配电参数的区间边界值。本发明不仅考虑配电网物理信息同时也考虑了环境因素的影响,提高了配电网参数辨识的可信度。

    一种基于雷击概率的风储联合系统功率两层调控方法与系统

    公开(公告)号:CN115276062A

    公开(公告)日:2022-11-01

    申请号:CN202210865096.2

    申请日:2022-07-22

    IPC分类号: H02J3/32 H02J3/38

    摘要: 一种基于雷击概率的风储联合系统功率两层调控方法,包括如下步骤:分别计算响应层机组的雷击概率,以及最大出力,其中机组包括:运行机组与静止机组;根据响应层运行机组与静止机组的雷击概率,调度层计算风电场整体平均雷击概率;若风电场整体平均雷击概率小于等于预设值P1,结束步骤;根据响应层运行机组与静止机组的雷击概率,以及最大出力,计算调控后发生雷击带来的总可能损失的总成本函数;基于预设的约束条件,求取当总成本函数的值最小时需要停运的机组编号及所满足的值;计算k台机组脱网并静止后需要储能系统立即补偿的功率P;储能系统依据补偿的功率P立即增加出力,并返回步骤S1。