排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
2.
随着电力系统的快速发展,使得电网需要对海量、异构和多态的数据进行分析与辨识。传统的不良数据辨识方法辨识效率较低,且不能够高效率利用已知的全部数据信息。为解决此问题,提出了一种基于负荷预测与关联规则修正的不良数据辨识方法。根据数据量之间的内在联系,给出了一种三维矩阵的数据存储方法。建立基于回归分析法的预测模型与基于灰色关联的相关性分析模型,分析节点注入功率与温度之间的变化关系,并采用关联规则与特殊断面修正法对预测值进行修正,进而完成对注入功率的辨识。在此基础上,再通过基尔霍夫定律与残差辨识法完成对支路潮流数据的辨识工作。最后应用实际系统的仿真算例证明了该方法能够在克服残差污染和残差淹没现象的前提下准确辨识出全部的不良数据。 相似文献
3.
4.
5.
在大规模分布式新能源发电资源接入受端电网的情况下,如何能够在保证受端电网并网点处暂态电压稳定性的同时,优化受端电网新能源发电机组的出力,是须要解决的关键问题。文章研究一种基于短路比约束的受端电网新能源并网出力优化方法。首先,通过构建受端电网等效模型,分析分布式新能源发电机组接入后,受端电网暂态电压稳定性的影响因素;其次,结合短路比的物理含义,建立新能源电网并网短路比模型,并将其作为研究受端电网并网点暂态电压稳定性的关键指标;再次,以受端电网新能源弃电成本、火电机组运行成本最小为优化目标,考虑短路比等其他约束条件,建立受端电网新能源出力优化模型,并进行求解;最后,仿真验证所建立的模型,结果表明,优化模型可在一定程度上提高受端电网中新能源的出力水平。 相似文献
6.
1