-
公开(公告)号:CN116822800A
公开(公告)日:2023-09-29
申请号:CN202310868545.3
申请日:2023-07-14
Applicant: 海南电网有限责任公司
IPC: G06Q10/063 , G06Q50/06 , G06F18/24 , G06F18/25
Abstract: 本发明提供一种基于多源数据融合的微电网设备健康状态评估方法,所述方法包括下列步骤:建立健康评估识别体系,并确定所述健康状态评估体系中的缺陷等级;基于所述微电网设备的评价参数形成第一缺陷等级对照表以及第二缺陷等级对照表,所述评价参数包括气象环境数据以及微电网设备的电压、频率、机油温度、运维周期、设备已运行时间和运维周期的差值;基于第一缺陷等级对照表,获得第一信任分配值,基于第二缺陷等级对照表,获得第二信任分配值;基于第一信任分配值以及第二信任分配值,采用D‑S融合法进行融合,得出最终的设备健康状态评估结果。
-
公开(公告)号:CN117013594A
公开(公告)日:2023-11-07
申请号:CN202310762308.9
申请日:2023-06-26
Applicant: 海南电网有限责任公司
Abstract: 本发明提供一种微电网并网逆变器电流控制器参数整定方法,包括下列步骤:获取数据信息,基于所述数据信息建立输出阻抗模型;基于所述输出阻抗模型获得阻抗比;获取控制参数信息,所述控制参数信息包括当前控制参数和控制参数的下限值;基于所述阻抗比和所述控制参数信息判定系统的状态信息,所述状态信息包括系统处于稳定状态和系统处于不稳定状态;若系统处于稳定状态,建立更新网络并基于控制参数的下限值对当前控制参数进行更新,并记录更新结束后的控制参数;若系统处于不稳定状态,基于当前控制参数或更新结束后的控制参数确定控制参数的上限值;基于所述控制参数的下限值以及所述控制参数的上限值,获得控制参数整定方法。
-
公开(公告)号:CN117013594B
公开(公告)日:2024-06-14
申请号:CN202310762308.9
申请日:2023-06-26
Applicant: 海南电网有限责任公司
Abstract: 本发明提供一种微电网并网逆变器电流控制器参数整定方法,包括下列步骤:获取数据信息,基于所述数据信息建立输出阻抗模型;基于所述输出阻抗模型获得阻抗比;获取控制参数信息,所述控制参数信息包括当前控制参数和控制参数的下限值;基于所述阻抗比和所述控制参数信息判定系统的状态信息,所述状态信息包括系统处于稳定状态和系统处于不稳定状态;若系统处于稳定状态,建立更新网络并基于控制参数的下限值对当前控制参数进行更新,并记录更新结束后的控制参数;若系统处于不稳定状态,基于当前控制参数或更新结束后的控制参数确定控制参数的上限值;基于所述控制参数的下限值以及所述控制参数的上限值,获得控制参数整定方法。
-
公开(公告)号:CN116915172A
公开(公告)日:2023-10-20
申请号:CN202310864895.2
申请日:2023-07-13
Applicant: 海南电网有限责任公司
Abstract: 本发明提供一种微电网光伏阵列健康状态评估方法,本方法考虑了光伏电站所处位置的辐照度和扬尘情况来确定光伏电站正常状态时对应日最大输出功率理论值,采用本专利的设计方法可以针对光伏电站所处具体环境设计相匹配的状态评价指标,还通过实时监测光伏电站连续N个晴天的日最大输出功率变化情况评价光伏阵列健康状态,可以及时发现光伏阵列异常状态,迅速消除灰尘堆积、阴影遮挡等因素导致的输出功率下降问题。
-
公开(公告)号:CN116646926A
公开(公告)日:2023-08-25
申请号:CN202310627178.8
申请日:2023-05-29
Applicant: 海南电网有限责任公司
Abstract: 本发明提供一种基于频率电压区间划分的孤岛微电网紧急支撑方法,所述方法包括下列步骤:S1、对柴油发电机进行第一条件判断;S2、当柴油发电机处于第一条件状态时,采集所述柴油发电机的电压以及频率,进行阈值区间判断,根据不同的区间判断结果,执行不同的策略;S3、基于策略执行结果,判断所述柴油发电机形成新的供需平衡,若否,重复步骤S1‑S3,本发明考虑了孤岛微电网中柴发重载轻载情况下,首先利用储能进行快速调节支撑,能够更快的恢复频率和电压的稳定,而当频率电压进一步恶化加剧时,使用切机或减载等极端手段,尽可能避免系统的垮网。
-
公开(公告)号:CN116629448A
公开(公告)日:2023-08-22
申请号:CN202310698522.2
申请日:2023-06-13
Applicant: 海南电网有限责任公司
Abstract: 本发明提供基于经验模态分解和神经网络相结合的光伏功率预测方法,所述方法通过完全经验模态分解,分解光伏功率中的不平稳序列,保留原始特征,可以通过长短期记忆神经网络进行功率预测。首先,通过提取气象特征数据,使用完全经验模态分解将气象因素中的不平稳信号分解为平稳信号,降低环境因素序列的非平稳性,保留环境因素的细节和局部特性,提取有效特征,进而将分解出的信号分别使用长短期记忆神经网络进行动态时间序列建模。如此反复,通过不断输入环境因素进行得到所需时段的光伏功率预测结果,从而对光伏电站发电功率进行精确预测,保证电力网系统的稳定性。
-
-
-
-
-