基于μPMU与SCADA的配电网网络拓扑分析方法

    公开(公告)号:CN108695864A

    公开(公告)日:2018-10-23

    申请号:CN201810575743.X

    申请日:2018-06-06

    CPC classification number: H02J3/26 H02J3/005

    Abstract: 本发明公开了一种基于μPMU与SCADA的配电网网络拓扑分析方法,将根据SCADA数据形成的初始节点支路关联矩阵每一行与支路开关矩阵各个元素进行与运算,得到节点支路关联矩阵。通过μPMU采集的模拟电流量分析和校验根据SCADA系统得到的开关量,根据下一时刻μPMU的模拟支路电流判断支路电流是否突变,如果突变则修正支路开关矩阵,将节点支路关联矩阵每一行与实时支路开关矩阵进行与运算,得到实时节点支路关联矩阵。对实时节点支路关联矩阵进行广度优先搜索,得到配电网网络拓扑结构。本发明可以有效地区别负荷变化对于配电网网络拓扑的影响,快速准确的辨识配电网网络拓扑结构的变化,提供实时可靠的配电网网络拓扑。

    基于μPMU与SCADA的配电网网络拓扑分析方法

    公开(公告)号:CN108695864B

    公开(公告)日:2021-07-27

    申请号:CN201810575743.X

    申请日:2018-06-06

    Abstract: 本发明公开了一种基于μPMU与SCADA的配电网网络拓扑分析方法,将根据SCADA数据形成的初始节点支路关联矩阵每一行与支路开关矩阵各个元素进行与运算,得到节点支路关联矩阵。通过μPMU采集的模拟电流量分析和校验根据SCADA系统得到的开关量,根据下一时刻μPMU的模拟支路电流判断支路电流是否突变,如果突变则修正支路开关矩阵,将节点支路关联矩阵每一行与实时支路开关矩阵进行与运算,得到实时节点支路关联矩阵。对实时节点支路关联矩阵进行广度优先搜索,得到配电网网络拓扑结构。本发明可以有效地区别负荷变化对于配电网网络拓扑的影响,快速准确的辨识配电网网络拓扑结构的变化,提供实时可靠的配电网网络拓扑。

    基于μPMU与AMI的配电网T接线路参数估计方法

    公开(公告)号:CN108614190B

    公开(公告)日:2020-09-08

    申请号:CN201810562683.8

    申请日:2018-06-04

    Abstract: 本发明公开了一种基于μPMU与AMI的配电网T接线路参数估计方法,利用T接线路的μPMU与AMI的实时量测确定虚拟量测;基于增广状态估计方法列写由有功、无功和电压幅值的AMI量测、电压与电流相量的μPMU量测以及线路有功、无功和电流相量的虚拟量测组成的量测函数方程以及雅克比矩阵;再利用多时段的μPMU与AMI量测建立以电压相量以及T接线路参数为增广状态变量的加权最小二乘法模型;最后对配电网同一T接线路进行N次加权最小二乘法参数估计并求取平均值,作为T接线参数估计的结果。该方法能够快速准确地计算出配电网T接线路的参数,拓宽了配电网状态估计的范围,为配电网实时优化运行奠定基础,具有良好的应用场景。

    基于μPMU与AMI的配电网T接线路参数估计方法

    公开(公告)号:CN108614190A

    公开(公告)日:2018-10-02

    申请号:CN201810562683.8

    申请日:2018-06-04

    CPC classification number: G01R31/088

    Abstract: 本发明公开了一种基于μPMU与AMI的配电网T接线路参数估计方法,利用T接线路的μPMU与AMI的实时量测确定虚拟量测;基于增广状态估计方法列写由有功、无功和电压幅值的AMI量测、电压与电流相量的μPMU量测以及线路有功、无功和电流相量的虚拟量测组成的量测函数方程以及雅克比矩阵;再利用多时段的μPMU与AMI量测建立以电压相量以及T接线路参数为增广状态变量的加权最小二乘法模型;最后对配电网同一T接线路进行N次加权最小二乘法参数估计并求取平均值,作为T接线参数估计的结果。该方法能够快速准确地计算出配电网T接线路的参数,拓宽了配电网状态估计的范围,为配电网实时优化运行奠定基础,具有良好的应用场景。

    一种负荷释放特性的影响因素分析方法

    公开(公告)号:CN110020747A

    公开(公告)日:2019-07-16

    申请号:CN201910193881.6

    申请日:2019-03-14

    Abstract: 本发明涉及一种负荷释放特性的影响因素分析方法,包括:采集供电区域的第一电力数据及其多个影响因素,多个影响因素构成第一影响因素组;基于Python语言,对第一电力数据和第一影响因素组进行清洗处理,得到第二电力数据和第二影响因素组;基于粗糙集理论,从第二影响因素组中确定第二电力数据的主要影响因素。本发明基于大数据研究,利用粗糙集理论研究各小区相关指标数据对其用电负荷变化的影响。一方面,收集所研究区域的各项数据指标,利用python语言对数据进行清洗,得到大数据汇总,提高了大数据挖掘的灵活性以及数据处理效率;另一方面,基于粗糙集理论从各因素中选出主要影响因素,精确度高,具有良好的应用前景。

Patent Agency Ranking