一种微能网多适应性μPMU最优布点方法

    公开(公告)号:CN113991856B

    公开(公告)日:2024-03-12

    申请号:CN202111269613.1

    申请日:2021-10-29

    Abstract: 本发明涉及一种微能网多适应性μPMU最优布点方法,1)获取微能网系统网络拓扑结构,建立微能网μPMU布点数学模型;2)考虑ZIB、传统量测、单μPMU故障和单线路故障等因素对微能网μPMU布点的影响,结合上述建立的微能网μPMU布点数学模型,分别建立各因素影响下的优化布点模型;3)对各因素影响下的优化布点模型分别进行优化求解,获取配置成本最小情况下的微能网μPMU布点状态集合;4)对μPMU布点状态集合进行进一步筛选,获取微能网多适应性μPMU最优布点结果,并综合各影响因素案例,总结进行微能网μPMU最优布点的原则。与现有技术相比,本发明具有提高系统状态观测精度、综合考虑多种因素影响、保证微能网安全稳定运行等优点。

    一种微能网多适应性μPMU最优布点方法

    公开(公告)号:CN113991856A

    公开(公告)日:2022-01-28

    申请号:CN202111269613.1

    申请日:2021-10-29

    Abstract: 本发明涉及一种微能网多适应性μPMU最优布点方法,1)获取微能网系统网络拓扑结构,建立微能网μPMU布点数学模型;2)考虑ZIB、传统量测、单μPMU故障和单线路故障等因素对微能网μPMU布点的影响,结合上述建立的微能网μPMU布点数学模型,分别建立各因素影响下的优化布点模型;3)对各因素影响下的优化布点模型分别进行优化求解,获取配置成本最小情况下的微能网μPMU布点状态集合;4)对μPMU布点状态集合进行进一步筛选,获取微能网多适应性μPMU最优布点结果,并综合各影响因素案例,总结进行微能网μPMU最优布点的原则。与现有技术相比,本发明具有提高系统状态观测精度、综合考虑多种因素影响、保证微能网安全稳定运行等优点。

    一种光伏输出功率超短期局域情绪重构神经网络预测方法

    公开(公告)号:CN112132328A

    公开(公告)日:2020-12-25

    申请号:CN202010919805.1

    申请日:2020-09-04

    Abstract: 本发明涉及一种光伏输出功率超短期局域情绪重构神经网络预测方法,采用奇异谱分析方法对原始光伏功率进行降噪能降低光伏功率时间序列的复杂性,有助于通过混沌非线性动力学方法对光伏功率时间序列进行隐含波动信息的挖掘,在实际工程中,无需提前获取气象数据,可避免因输入参数选择不当引起的模型复杂性问题以及气象数据预测不准确引起的误差累计问题;建立的局域情绪重构神经网络,无需确定隐含层节点数量,建模简单,减小预测成本;建立的局域情绪重构神经网络依据光伏功率混沌吸引子确定拓展信号以及情绪参数,使预测模型更加关注跟踪每个输入模式并挑选出最有用的输入模式信息,映射关系更准确,在不同天气情况下预测准确度较高,适应性较强。

    一种供电配电网网格化自治动态划分方法

    公开(公告)号:CN117649003A

    公开(公告)日:2024-03-05

    申请号:CN202210975056.3

    申请日:2022-08-15

    Abstract: 本发明涉及一种供电配电网网格化自治动态划分方法,该方法步骤包括:获取广域同步量测历史数据和实时数据,通过基于网格供蓄调节和拓扑结构指标的初始网格划分关系模型得到初始网格划分方案;根据所述初始网格划分方案,通过基于可靠性和电压调节能力指标的全局不平衡配电网优化模型得到全局不平衡配电网的优化运行决策;根据所述全局不平衡配电网的优化运行决策,通过基于网格耦合度指标的配电网网格化自治动态划分优化模型,结合Kuhn‑Munkres算法对单元子供区进行划分,得到供电单元划分结果,所述供电单元划分结果包括站间供电单元划分结果和非站间供电单元划分结果。与现有技术相比,本发明考虑了整体化多指标,有网格结构清晰简洁等优点。

Patent Agency Ranking