电网等值参数跟踪辨识方法

    公开(公告)号:CN111864730A

    公开(公告)日:2020-10-30

    申请号:CN201910363344.1

    申请日:2019-04-30

    Abstract: 本发明公开了一种电网等值参数跟踪辨识方法,包括以下步骤:S1:从待等值电力网络端口提取扰动后第一时刻的电压电流信号,以及扰动后第二时刻的电压电流信号,计算电压、电流暂态电量数据,建立待等值电力网络端口两侧的电压电流高阶微分方程及整个待等值电力网络的电压电流高阶微分方程,并求解各高阶微分方程的系数;S2:从建立的各高阶微分方程中得到并化简待等值电力网络端口两侧的电压电流稳态电量高阶微分方程,使其与端口两侧的电网等值简单网络微分方程形式一致,根据高阶微分方程的系数计算电网等值简单网络参数,实现电网等值参数的跟踪辨识。该方法利用一个电网运行状态下的电压电流电量实现电网等值参数的跟踪辨识,可跟踪电网运行状态的参数特性,可为电网静态稳定、动态稳定判断提供分析基础。

    基于线性组合的潮流方程线性化方法

    公开(公告)号:CN111799802A

    公开(公告)日:2020-10-20

    申请号:CN202010711576.4

    申请日:2020-07-22

    Abstract: 本发明公开基于线性组合的潮流方程线性化方法,包括以下步骤:1)基于非线性潮流方程,依次建立线性潮流方程的通用表达式和常用表达式;2)基于线性潮流方程的常用表达式,建立减小误差后的线性潮流新方程;3)获取电网运行数据,并建立决策变量优化模型,计算得到令潮流方程线性化误差最小的决策变量;4)基于令潮流方程线性化误差最小的决策变量,更新减小误差后的线性潮流新方程,得到误差最小的最优线性近似模型。本发明所提出的潮流方程线性化新形式,相比于其他线性潮流方程,能够更加有效地降低线性化误差。并且在不同节点系统中均应用效果良好,具有较强的普适性。

    基于曲线聚类的小时级源荷功率异常数据辨识与修复方法

    公开(公告)号:CN110610121A

    公开(公告)日:2019-12-24

    申请号:CN201910538445.8

    申请日:2019-06-20

    Abstract: 本发明公开了基于曲线聚类的小时级源荷功率异常数据辨识与修复方法,主要步骤为:1)获取电力网络基本数据;2)建立源荷功率曲线;3)排除存在异常突变的曲线;4)确定正常曲线簇和异常曲线簇;5)归一化;6)确定正常源荷功率曲线的最佳初始聚类中心候选集U;7)确定正常源荷功率曲线的最佳聚类数kopt;8)对正常源荷功率曲线进行聚类;9)确定每一类典型周期源荷功率曲线的物理特征影响因素;10)基于物理特征影响因素,对异常周期源荷功率曲线进行修复。本发明以日源荷功率曲线为基本单位,通过考虑曲线的趋势进行聚类,实现异常数据的辨识,通过改进k-均值聚类算法,实现对异常源荷功率曲线数据的修复。

    考虑舒适温度和随机变动影响的月售电量预测方法

    公开(公告)号:CN105844409A

    公开(公告)日:2016-08-10

    申请号:CN201610171453.X

    申请日:2016-03-24

    CPC classification number: G06Q10/06315 G06Q10/06375 G06Q50/06

    Abstract: 本发明公开了一种考虑舒适温度和随机变动影响的月售电量预测方法,首先考虑舒适温度区间的存在,即选择低温阀值温度与高温阀值温度,当实际温度低于低温阀值温度或高于高温阀值温度时采取采暖措施或制冷措施,由此对月售电量预测线性回归模型的月度取暖系数和制冷系数进行修正;其次,考虑随机变动的影响,提出“随机变动级别”将随机变动量化,并将其量化值作为月售电量影响因素纳入月售电量回归预测模型。最后,在常规月售电量预测线性回归模型基础上,考虑以上两点改进措施,形成考虑舒适温度和随机变动影响的月售电量预测线性回归模型。本发明更好地建立温度与月售电量的关系,合理地考虑随机变动对月售电量的影响,提高月售电量预测精度。

    基于线性组合的潮流方程线性化方法

    公开(公告)号:CN111799802B

    公开(公告)日:2023-12-05

    申请号:CN202010711576.4

    申请日:2020-07-22

    Abstract: 本发明公开基于线性组合的潮流方程线性化方法,包括以下步骤:1)基于非线性潮流方程,依次建立线性潮流方程的通用表达式和常用表达式;2)基于线性潮流方程的常用表达式,建立减小误差后的线性潮流新方程;3)获取电网运行数据,并建立决策变量优化模型,计算得到令潮流方程线性化误差最小的决策变量;4)基于令潮流方程线性化误差最小的决策变量,更新减小误差后的线性潮流新方程,得到误差最小的最优线性近似模型。本发明所提出的潮流方程线性化新形式,相比于其他线性潮流方程,能够更加有效地降低线性化误差。并且在不同节点系统中均应用效果良好,具有较强的普适性。

Patent Agency Ranking