logo资料库

含分布式电源的配电网故障智能恢复方法研究.pdf

发布时间：2022-06-01 发布人：admin 分类：说明书 资料大小：1.24M 资料格式：pdf 举报 版权申诉
第1页 / 共7页
第2页 / 共7页
第3页 / 共7页
第4页 / 共7页
第5页 / 共7页
第6页 / 共7页
第7页 / 共7页
资料共7页，全文预览结束
    第 39 卷 第 14 期 电 力 系 统 保 护 与 控 制 Vol.39 No.14 2011 年 7 月 16 日 Power System Protection and Control July 16, 2011 含分布式电源的配电网故障智能恢复方法研究 张智慧，邰能灵 （上海交通大学电子信息与电气工程学院，上海 200240） 摘要：针对含有分布式发电的智能配电网故障自动恢复技术的实际情况，在分析现有智能恢复方法的基础上，提出综合优化 目标加权后的最优方案。在此基础上，研究多目标优化的分层协调控制与多智能体技术在含有分布式电源及微网的智能配电 网中的应用。通过故障恢复方案的生成、安全校核、优选、执行等步骤，使电力系统在保证可靠的基础上快速高效恢复负荷 供电。最后通过某典型的配电模型来说明该恢复策略的有效性及分布式电源在智能电网中的重要作用。 关键词：分布式电源；故障恢复；智能；配电网；优化方案 Intelligent approach for service restoration of distribution system with distributed generations ZHANG Zhi-hui，TAI Neng-ling （School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University，Shanghai 200240，China） Abstract：In terms of automatic service restoration techniques of the smart distribution network with distributed generations （DGs） and based on the analysis of the existing intelligent approaches ， the paper proposes the optimal scheme by integrating and optimizing objective-weighted schemes. The new scheme studies the application of the hierarchical control and the multi-agent technology of the multi-objective optimization in the smart distribution network with DGs and micro-distribution network. By the steps of generation，security checking，optimization and execution ， the scheme can restore the outage load quickly and efficiently by keeping the reliability of the power system. A typical distribution system model is analyzed to illustrate the efficiency of the approach and the importance of the DGs in the smart grid. Key words：distributed generation；service restoration；intelligent；distribution network；optimization scheme 中图分类号： TM76 文献标识码：A 文章编号：1674-3415(2011)14-0079-07 0 引言 智能电网主要是基于通畅的双路通信、高级传 感器和分布式计算技术实现电网运行和控制的信息 化与智能化，其目的是改善能源结构和利用效率， 满足各种关键的功能需求，提高电力传输的经济性、 安全性和可靠性[1-2]。 随着全球能源日益紧张，可再生分布式能源得 到 了 人 们 的 青 睐 并 发 展 迅 速 。 由 于 分 布 式 电 源 （Distributed Generation，DG）类型众多，其数学 模型及在电网中承担的任务不尽相同，因此，智能 配电网的故障恢复有了新的更多变化[3-6]，但其恢复 策略依然必须满足如下的要求： （1）恢复策略必须是实时的。要求在尽可能短 的时间内恢复对停电区域的供电，以减少对用电客 户的影响。 基金项目：教育部新世纪优秀人才资助项目 （2）尽可能多地恢复停电的负荷。 （3）开关的操作次数尽量少。 （4）恢复过程不能有设备过载。 配电网故障恢复问题属于一个多目标、多约束、 多时段、多组合的非线性优化问题，其复杂性决定了 不能单纯用数学方法得到完美的解决方案，目前实际 应用中的主要思路是采用人工智能与数值计算相结 合。与传统的计算方法相比较，人工智能方法对于复 杂的非线性系统问题求解有着极大的优势。它弥补了 传统方法单纯依靠数学求解的不足，解决了某些传统 计算方法难以求解或不能解决的问题。 目前智能恢复方法主要有模糊技术[7]、专家系 统[8]、遗传算法[9]、Petri 网[10]、启发式搜索法[11]等， 常用的各类算法各有其优缺点和适用范围。启发式 搜索法所得结果与网络结构有很大关系，具有不稳 定性，并且无法保证找到最优解；遗传算法具有较 好的寻优能力，但是其实时性较差；专家系统运用 知识库及经验积累获得最优方案，但其处理约束条
    - 80 - 电力系统保护与控制 件不够理想，不能保证找到最优解；Petri 网适用于 多故障点的情况，可同时得到数个求解路径，但是 其与网络结构密切相关，网络结构变化其算法也相 应变化。因此，针对不同情况各有优势，例如对于 一个简单网络使用启发式搜索可以快速而准确地找 出最优恢复方案，如果使用遗传算法来求解则不具 有优越性；而对于复杂网络在多故障情况下的启发 式搜索的搜索树会变得过于庞大而很难找到最优 解，而遗传算法可以较快地得到近似最优解。针对 这种情况，国内外出现了将多种算法相结合来求解 的趋势，如遗传算法与专家系统结合；启发式搜索 与模糊推理相结合等。此类混合算法有助于克服单 个算法自身的缺点，取得更好的恢复效果。 近年来，为更加快速有效解决故障恢复优化问 题，随着通信技术的快速发展，分层多智能体协调 控制理论[12-15]为代表的智能理论方法在电力系统故 障恢复领域得到了十分广泛的应用，其具有协调控 制与信息沟通能力强，快速高效恢复故障的特点。 本文将分层多智能体协调控制与目标优化方案相结 合，通过故障恢复方案的生成、安全校核、优选、 执行等步骤实现智能电网的故障自动恢复。通过建 立数学模型，分析各主要评价指标及其函数曲线， 优选故障自动恢复方案。通过分析某典型配电网系 统说明该故障自动恢复方法的有效性及可行性。 1 配电网恢复的数学模型 1.1 目标函数 1）当配电网发生故障并引起断电时，如何最 快最多地恢复失电负荷的供电成为配电网恢复问题 最主要的方面。因而首先选择恢复的负荷数最多为 目标函数 f Lλ i i = ∑ （1） max 式中： N 为{1，2，3，…}； iL 为第i 个负荷恢复 的负荷量； iλ为第i 个负荷的重要程度，可根据实 际情况来确定。 i N ∈ 2）最少的开关操作次数 N min j = n （2） 式中， jN 表示失电负荷恢复正常供电所需的开关 操作数。 3）最小馈线负载率 min S S λ= lim l （3） 式中： lS 为馈线的实际负载视在功率； limS 为馈 线的极限负载视在功率。 1.2 约束条件 1）在配电网的供电恢复问题中，所有解都要 满足不等式约束，不等式约束包括电压约束、支路 过载约束等，即 U UU i i min ≤ S ≤ i S ≤ i （4） max （5） iU 分别为节点i 电压的下限和上 iS 分别为第i 条支路流过功率的计算 max i iU 和 max 式中： min 限值； iS 和 max 值及其最大容许值。 2）不包括 DG 时的辐射状供电约束 R k Gg ∈ （6） 式中： kg 为已恢复供电的区域； RG 为保证网络辐 射状拓扑结构的集合。 2 多目标优化方案的选择 针对智能故障恢复的多目标特点，需要选择合 理的指标根据重要程度优先级别予以解决。在满足 所有约束条件的情况下，应用模糊评价规则，建立 各指标的隶属度函数，得到在单独评判指标下方案 的优劣评分。最后对各个指标采取权重系数的办法， 得到各方案的综合评分，对方案的优劣做出排序选 择。 2.1 评价指标和隶属度函数的建立 1）恢复负荷比例（LT） 在电力系统故障恢复中减少失电负荷，尽可能 多地恢复负荷供电是首要目标。因此将该指标引入 到故障智能恢复方案中来，并且优先选择故障全部 恢复的方案。 恢复负荷比例表示为可以恢复的负荷占故障 负荷的比例，可以表示为式（7）。 h = L r L out （7） 式中： rL 表示可以恢复的负荷： outL 表示故障后可 能的失电负荷。其隶属度函数如图 1 所示。 图 1 恢复负荷比例隶属度函数曲线 Fig.1 Membership function curve of the proportion of load restoration
    张智慧，等 含分布式电源的配电网故障智能恢复方法研究 - 81 - 图中： 1LT 和 2LT 分别表示故障后负荷全部不 能恢复和负荷全部恢复的情况，其隶属度函数表示 如式（8）。 = （8） 0.1 xµ )( 0.0 ⎧ ⎪ x ⎨ ⎪ 0.1 ⎩ 0 x << 0.1 x ≤ 0.0 x ≥ 2）开关操作个数（ NS ） 在故障自动恢复的过程中，由于分段开关及联 络开关操作个数的多少直接影响到恢复的速度与效 率，并且频繁的操作开关对开关的寿命产生影响， 增加成本与安全隐患，因此开关操作个数[16]也是衡 量故障恢复方案优劣的重要指标。其隶属度函数如 图 2 所示。 图 2 开关操作个数隶属度函数曲线 Fig.2 Membership function curve of the number of switching operations 图中 N1S 与 N2S 为根据实际情况及经验设定， 在人机界面操作中通过参数设置可以修改，本文分 别确定为 1 和 8，其函数表示如下： nµ )( = +− 0.1 ⎧ ⎪⎪ n ⎨ 7 ⎪ 0.0 ⎪ ⎩ 8 7 n ≤ 1 1 << n 8 （9） n 8 ≥ 3）最大馈线负载率（MLR） 最大馈线负载率是指故障恢复后配电网中所有 馈线中负载率的最大值。由于该指标不仅反映负荷 平衡状况，而且反映网损情况，还关系到系统的安 全运行，因此引入该指标对方案进行评价。馈线的 负载率定义为 k = l （10） S S lim 式中： lS 为馈线的实际负载视在功率； limS 为馈线 的极限负载视在功率。其隶属度函数曲线如图 3 所 示。 图中： 2MLR 根据实际情况及经验设 定，人机界面操作中通过参数设置可以修改，本文 1MLR 和 分别确定为 0.6 和 1.0，其函数表示如式（11）。 yµ )( = 0.1 ⎧ ⎪ − ⎨ ⎪ 0.0 ⎩ 5.2 y + y ≤ 6.05.2 ≥ y 6.0 y << 0.1 0.1 （11） 图 3 最大馈线负载率隶属度函数曲线 Fig.3 Membership function curve of the maximum feeder load rate 2.2 最优恢复方案选择 按照以上的三个评价指标，对候选的恢复方案 计算各指标隶属度 LTµ 、 SNµ 、 MLRµ ，考虑实际系 统对三个指标的重视程度，给它们分别加上相应的 权值，按照公式（12）得出最优恢复方案。 W W + = ρ µ LT LT （12） 其中， LTW 、 SNW 、 MLRW 分别为 LTµ 、 SNµ 、 MLRµ 对应的权值，且满足式（13）的要求。 MLR MLR µ SN SN µ + W W W W + + SN LT MLR 1 = （13） ， W = 0.5 本 文 根 据 重 要 程 度 分 别 取 LT 0.3 SN =W ，依据具体情况可以做相 应修改。其中ρ的值越大，该方案越应优先选择。 MLR =W 0.2 ， 3 多智能体结构在智能配电网故障恢复中 的应用 在智能电网中，分层多智能体系统结构的应用 已成为不可逆转的趋势和潮流。尽管各系统中智能 体的名称和结构不同，但均为按结构和功能划分， 并且分工任务更加明确具体，模块更多更复杂。 3.1 按功能划分的多智能体自动恢复模式 本文采用的按功能划分的故障恢复多智能体结 构[17]主要为图 4 所示方式。 图 4 中当配电网发生故障时，智能配电网通过 通信服务器与故障恢复 Agent 交换信息，故障报警 Agent 会发出警报，故障定位 Agent 会确定故障的 位置并及时采取保护措施，数据处理 Agent 会在大 量的数据信息中去除冗余信息，寻找出有用的信息， 建立可行的故障恢复策略。设备故障检测 Agent 用 于检测设备线路有无过载情况发生，在此基础上方
    - 82 - 电力系统保护与控制 案选择排序 Agent 对恢复方案进行排序，选择出自 动恢复的最优方案，开关操作 Agent 对优选出来的 方案进行执行操作。其中最关键的是在故障后应用 第 2 节所用方法对各恢复方案的优化选择。 图 5 中分为多代理系统层和智能配电网层，智 能配电网层中的电气元件与设备如母线、开关、负 荷等，在多代理系统层中均有 Agent 与之相对应， 并且在配电网层中相关联的设备，在多代理系统层 中的 Agent 也相互关联，进行信息交流，与其无关 联的 Agent 则无信息流，可以避免大量无用信息， 提高自动恢复的效率。 4 算例分析 本文采用配电网典型算例系统[12]，如图 6 所示， 该系统包含两个变电站（As/s 和 Bs/s），40 个常闭 开关（B1~B40），4 个联络开关（K1~K4），四个 DG（S1~S4）均具有调节电压和频率能力，既可以 并网运行也可独立运行。具有三个微网（微网 A、 微网 B 和微网 C），其中微网 A 嵌套在微网 B 中， 三个微网代表智能电网中微网的典型结构特点。负 荷由带箭头的线段表示，母线间线路上的数字表示 其最大容量，负荷和电源旁边的数字表示其功率。 故障设定如图所示分别在 5 处发生故障，涵盖了微 网内外及同时发生故障时的不同情况。假设故障恢 复的过程中故障已隔离，除故障点之外，网络其他 部分正常运行。故障恢复的过程由多智能体之间相 互协调，分工协作完成。对该系统分别在含有 DG 与不含 DG 的情况下，运用前面所述方法分析其故 障恢复情况及其评估情况，并将其详细总结于表 1 与表 2 中。 从表中可以看到，含有 DG 的网络一般情况下 均可以使失电负荷全部恢复，除非在极其严重的故 障情况下切除部分不重要负荷；而不含 DG 的网络 在发生一般故障时经常需要切部分负荷来保障运 行，在严重故障时几乎瘫痪。另外，含 DG 的网络 各指标参数及加权和明显优于不含 DG 的网络，说 明该方法的有效性及含有 DG 的配电网具有极大的 优越性。根据具体不同情况，可以对指标及权值作 相应修改，由于多智能体各 Agent 只与其相关联的 Agent 有信息交流，交换信息量较少，因此，可以 扩展到更大更复杂的系统中。应用多智能体技术与 故障优选方案相结合可以快速而高效地解决配电网 故障自动恢复问题，达到方案的优选，可以切最少 的负荷来保障电力系统安全可靠稳定运行。 5 结论 本文针对含有 DG 的智能配电网，建立了以恢 复负荷最多，开关操作数最少，馈线负载率最小为 目标的故障恢复模型，并将其与多智能体故障恢复 方案相结合实现智能配电网的故障自动恢复。 图 4 多智能体故障恢复模式 Fig.4 Multi-agent service restoration model 3.2 按结构划分的多智能体自动恢复模式 按结构设想的多智能体智能配电网模式[18]方 案主要为以下方式。 图 5 按结构划分多智能体系统的典型模式 Fig.5 A typical multi-agent system model according to the structure
    张智慧，等 含分布式电源的配电网故障智能恢复方法研究 - 83 - 图 6 智能配电网故障图 Fig.6 Model of the smart grid 表 1 不含 DG 的智能配电网故障恢复参数 Tab.1 Service restoration parameters of the smart grid without DGs + W SN µ SN + LT LT = ρ µ W W µ MLR MLR 0.171 0.214 0.714 0.329 故障 编号 1 2 3 4 LTµ SNµ 打开 开关 闭合 开关 负荷恢复 情况 B6，B7，B16，B21 B17，B18，B23 无 无 切 L3 切 L5 切 L6 （ h 值） W LT = 0.5 0（0） 0（0） B28，B29 K4 全部 1（1） MLRµ （ k 值） W MLR = 0.2 0（1） 0（1） 0（1） 0（1） （ N 值） W SN = 0.3 4 ）（4 7 5 ）（3 7 5 ）（3 7 3 ）（5 7 B24，B25， B29， B38 K1 切 L7， 切 L8 的 1.0 4 和 5 B4，B5，B11，B16， B19，B21，B23，B24， B25， B32，B38 K1 切 L1-L7 2 ）（ 5 2 5 1 ）（ 6 1 6 0（12） 0（1） 0.167
    - 84 - 电力系统保护与控制 表 2 包含 DG 的智能配电网故障恢复参数 故障 编号 打开 开关 Tab.2 Service restoration parameters of the smart grid with DGs LTµ SNµ 闭合 开关 负荷恢复 情况 MLRµ （ h 值） W LT = 0.5 （ N 值） W SN = 0.3 （ k 值） W MLR = 0.2 1 2 3 4 4 和 5 B6，B7 B17，B18 K2 无 全部 1（1） 全部 1（1） B28，B29 K3 或 K4 全部 1（1） B24，B25，B29，B31 K1，K3 全部 1（1） 5 ）（3 7 6 ）（2 7 5 ）（3 7 2 ）（6 7 ）（ 833.0 2 3 ）（ 833.0 2 3 0（1） 0（1） B4，B5，B16，B24， K1 B25，B31，B32 切 L2 切 L3 切 L5 的 1.5 个单位的次 重要负荷 3 ）（ 4 3 4 0（8） 0（1） = ρ µ W W µ MLR MLR LT LT + W SN µ SN + 0.881 0.924 0.714 0.586 0.375 通过分析一个典型的含有 DG 及微网的配电网 模型在涵盖各种单重与多重典型故障情况下的故障 恢复参数，并将其与不含 DG 的情况下作对比，说 明本文所用方法的有效性与可行性。 通过分析不同故障情况下的恢复策略及相同故 障情况下与不含 DG 的情况下进行比较，可以看到 DG 以微网形式接入到电网中并网运行，与电网互 为支撑，可以提高其利用率并且在电网故障时可以 向重要负荷持续供电，减少失电负荷。 本文的内容是建立在电力系统智能配电网要求 自动化水平很高，并且 DG 孤岛运行技术条件成熟 的条件下，在目前电力系统应用中缺少成熟经验， 系统中 DG 与电网交互作用机理错综复杂，这些内 容均有待深入研究。 参考文献 [1] 王成山，李鹏. 分布式发电、微网与智能配电网的发 展与挑战[J]. 电力系统自动化，2010，34(2): 10-14. WANG Cheng-shan, LI Peng. Development and challenges of distributed generation, the micro-grid and smart distribution system[J]. Automation of Electric Power Systems, 2010, 34(2): 10-14. [2] 余贻鑫，栾文鹏．智能电网[J]．电网与清洁能源，2009， 25(1): 7-11． YU Yi-xin，LUAN Wen-peng．Smart grid[J]．Power System and Clean Energy, 2009, 25(1): 7-11． [3] 卢志刚，董玉香. 含分布式电源的配电网故障恢复策 略[J]. 电力系统自动化，2007，31(1): 89-92. LU Zhi-gang， DONG Yu-xiang. Service restoration strategy for the distribution system with DGs[J]. Automation of Electric Power Systems，2007，31(1): 89-92. [4] 杨秀霞，张晓锋，张毅. 独立电力系统故障恢复现状 及发展趋势[J]. 继电器，2004，32(19): 74-78. YANG Xiu-xia， ZHANG Xiao-feng， ZHANG Yi. Present situation and developing trend of isolated power system restoration[J]. Relay，2004，32(19): 74-78. [5] 康巍晶，刘伟，李海城. 配电网恢复控制的研究[J]. 继 电器，2005，33(21): 41-44. KANG Wei-jing, LIU Wei, LI Hai-cheng. The research of restorative control in distribution network[J]. Relay， 2005, 33(21): 41-44. [6] 刘栋，沈广，樊友平. 考虑负荷变化和设备过载能力 的多目标配网供电恢复[J]. 继电器，2005，33(17): 39-43. LIU Dong, SHEN Guang, FAN You-ping. Multi- objective service restoration in distribution network considering load varying and overload ability of equipments[J]. Relay，2005，33(17): 39-43. [7] KUO H C ， HSU Y Y. Distribution system load estimation and service restoration using a fuzzy set approach[J]. IEEE Trans on Power Delivery, 1993， 8(4): 1950-1957. [8] 葛朝强，唐国庆，王磊. 综合智能式的故障恢复专家 系统与故障恢复算法集相结合的自学习模糊专家系统 [J]. 电力系统自动化，2000，24(2): 17-21. GE Zhao-qiang, TANG Guo-qing, WANG Lei. intelligent service restoration system for Integrated
    张智慧，等 含分布式电源的配电网故障智能恢复方法研究 - 85 - distribution network—an auto-learning fuzzy expert system combined with service restoration algorithm set[J]. Automation of Electric Power Systems，2000，24(2): 17-21. [9] Luan W P，Irving M R， Daniel J S．Genetic algorithm for supply restoration and optimal load shedding in power system distribution networks[J]. IEE Proceedings of Generation，Transmission and Distribution，2002， 149(2): 145-151. [10] Wu Jaw-Shyang. A Petri-net algorithm for multiple contingencies of distribution system operation[J]. IEEE Trans on Power Systems，1998，13(3): 1164-1171. [11] HSU Y Y， PENG S K， YU H S. Distribution system service restoration using a heuristic search approach[J]. IEEE Trans on Power Delivery，1992，7(2): 734-740. [12] 王守相，李晓静，肖朝霞，等. 含分布式电源的配电 网供电恢复的多代理方法[J]. 电力系统自动化，2007， 31(10): 61-65. WANG Shou-xiang， LI Xiao-jing， XIAO Zhao-xia， et al. Multi-agent approach for service restoration of distribution system containing distributed generations[J]. Automation of Electric Power Systems，2007，31(10): 61-65. [13] 魏巍，李兴源，廖萍，等. 含分布式电源的电力系统 多代理故障恢复新方法[J]. 电力系统自动化，2009， 33(3): 89-93. WEI Wei， LI Xing-yuan， LIAO Ping， et al. A new multi-agent fault restoration method for power system with distribution generations[J]. Automation of Electric Power Systems，2009，33(3): 89-93. [14] NAGAT A T， SASAK I H. A multi-agent approach to power system restoration[J]. IEEE Trans on Power （上接第 78 页 continued from page 78） dynamics-based method LIU Ying-mei，BAI Xiao-min，WANG Wen-ping，et al. A sags detection[J]． Automation of Electric Power Systems， 2004，28(2)：45-49． for voltage [8] 刘昊，唐轶，冯宇，等．基于时域变换特性分析的电 能质量扰动分类方法[J]．电工技术学报，2008，23(11)： 159-165． LIU Hao，TANG Yi，FENG Yu，et al．A power quality disturbance classification method based on time domain transform characteristic analysis[J]. Transactions of China Electrotechnical Society，2008，23(11)：159-165. [9] 冯宇，唐轶，吴夕科．采用电量参数分析方法的电能 质量扰动参数估计[J]．中国电机工程学报，2009， 29(16)：100-107． FENG Yu，TANG Yi，WU Xi-ke．Parameter estimation Systems，2002，17(2):457-462. [15] 杨旭升，盛万兴，王孙安. 多 Agent 电网运行决策支 持系统体系结构研究[J]. 电力系统自动化，2002， 26(18): 45-50. YANG Xu-sheng， SHENG Wan-xing， WANG Sun-an. Study on multi-agent architecture based decision support system for power system operation[J]. Automation of Electric Power Systems，2002，26(18): 45-50. [16] 颜萍，顾锦汶，张广. 一种快速高效的配电网供电恢 复算法[J]. 电力系统自动化, 2000，24(4): 52-56. YAN Ping, GU Jin-wen, ZHANG Guang. A fast efficient service restoration method for distribution network[J]. Automation of Electric Power Systems, 2000, 24(4): 52-56. [17] Liu Haoming, Zhang Linying, Yu Kun, et al. MAS-based restorative control of urban power network[C]. // IEEE. Power and Energy Engineering Conference, Chengdu, China, 2010：1-4. [18] Huang Kai，Srivastava Sanjeev K，Cartes David A，et al. Intelligent agents applied to reconfiguration of mesh structured power systems[C]. // IEEE Intelligent Systems Applications to Power Systems Conference, Toki Messe， Niigata, Japan，2007: 1-7. 收稿日期：2010-08-03； 修回日期：2010-11-24 作者简介： 张智慧（1982-），男，硕士研究生，研究方向为电力 系统继电保护与故障自动恢复技术；E-mail：zzhihhui@ 163.com 邰能灵（1972-），男，教授，博士生导师，研究方向 为电力系统继电保护与经济运行。 method of power quality disturbances based on electrical parameters analysis[J]．Proceedings of the CSEE，2009， 29(16)：100-107． [10] 文继锋，刘沛．一种电能质量扰动的检测和分类方法 [J]．继电器，2002，30(1)：42-44． WEN Ji-feng，LIU Pei．A method for detection and classification ofpower quality disturbances[J]．Relay， 2002，30(1)：42-44． 收稿日期：2010-07-30； 修回日期：2010-12-13 作者简介： 韩肖清（1964-），女，教授，主要研究方向为电力系 统运行与控制； 门殿卿（1985-），男，硕士研究生，研究方向为电能 质量分析与控制。E-mail：smilingmennew@qq.com
    分享到：
    赞 收藏

    相关推荐

    资料库

    行业

    共收录7266份资料，累计15个分类，关注成员有19位，主要包括：物流,旅游,餐饮零售,网络游戏,咨询,金融,电子政务,外包,教育,制造,医疗,嵌入式,互联网,交通,电信

    热门标签

    物流 旅游 餐饮零售 网络游戏 咨询 金融 电子政务 外包 教育 制造 医疗 嵌入式 互联网 交通 电信

    最新资料