CN102323469B - 谐波负荷状态监测系统 - Google Patents

Abstract

本发明的目的是提供一种谐波负荷状态监测系统，通过将各次谐波电流有效值对应的历史数据的统计特征量建立每天样本，以每天样本建立任意时段的总体样本，再根据总体样本的统计规律构建各次谐波电流有效值正态云模型及转换到标准正态云模型下的边界隶属度，从而构建谐波电流检索本体。本发明可根据谐波电流检索本体对谐波负荷进行状态诊断和实时监测；本发明同样适用于运行状态异常偏小的谐波负荷状态监测系统，本发明方法有一定的工程实用价值。

Description

谐波负荷状态监测系统

技术领域

本发明涉及用于根据谐波电流检索本体快速诊断出谐波负荷运行状态异常的监测点及各次谐波电流；同时对某个谐波负荷监测点的谐波电流实时监测并发出异常警告。

背景技术

近年来，越来越多的谐波负荷接入电网，其产生的谐波电流对电网运行产生了日趋严重的问题；为了保障电网的安全、可靠运行，为电力用户提供优质的电能质量，谐波负荷的状态监测也就显得尤为重要，谐波负荷的状态监测是指根据谐波负荷的实时监测数据和一段时间内的监测信息判断谐波电流是否超出异常范围。同时，谐波负荷状态监测系统是智能电网状态监测系统框架下的重要组成部分，智能电网需要全景实时信息的获取能力，状态信息是智能电网状态监测的基础支撑；通过加强对电网实时、动态状态信息的分析、诊断和优化，可以为电网运行和管理人员提供更为全面、精细的电网运行状态展现，并给出相应的控制方案、备用预案及辅助决策策略，最大程度地实现电网运行的安全、可靠、经济、高效、环保。

目前，国内外对电力设备状态监测系统的研究工作做得比较多，而对于谐波负荷状态监测系统还做得比较少，未见相关报道。电能质量监测网的实际测量数据的变化可以反映谐波负荷运行状态的变化，由于影响谐波负荷运行状态的因素很多，如天气状况、用户需求、自然灾害等，这些因素都充满着模糊性与随机性，因此采用数据的高阶矩量来评估数据的好坏，难以判断数据总体的变化情况，更难以满足一段日期内每天样本组合关系下数据变化趋势的要求。

发明内容

本发明的目的是提供一种谐波负荷状态监测系统，以快速挖掘出反映谐波负荷运行状态的有用信息，并快速诊断和实时监测谐波负荷运行状态的正常与否。

本发明的目的是这样实现的：一种谐波负荷状态监测系统，(若干)电能质量监测仪：其终端安装在各变电站线路上，采集用于计算各次谐波电流所需要的原始数据，该原始数据中包括各次谐波电流3s有效值和含有率；

3G无线路由器/光纤通信线路：连接在上述电能质量监测仪与数据管理服务器之间，用于将电能质量监测仪采集的原始数据通过3G无线路由器/光纤通信线路传送到数据管理服务器；

数据管理服务器：将采集的原始数据存储于PQ历史数据库；

谐波电流检索本体构建装置：谐波电流检索本体由每天3s值样本、每天最大值样本、3s值总体样本、最大值总体样本、3s值正态云模型、最大值正态云模型、标准正态云模型和标准正态云模型对应的Cp95值和最大值边界隶属度组成；

其中，每天3s值样本和每天最大值样本：考虑2-25次的谐波电流有效值，将每天各次谐波电流的3s值以及最大值进行统计得到；

3s总体样本：采用每天3s值样本的均值和方差分别求取平均值而建立；

最大值总体样本：采用每天最大值样本来建立；

3s值正态云模型和最大值正态云模型：用对应总体样本的均值u和标准差S分别代替云模型的期望Ex和熵En，根据公式：

利用对应总体样本方差S²的99％置信区间确定云模型的超熵He；

标准正态云模型及其对应的Cp95值和最大值边界隶属度：取各次谐波电流有效值云模型的期望隶属度曲线即超熵He为零和最大值隶属度曲线即超熵He为99％置信区间上界作为边界，将正态云模型转换为标准正态云模型的隶属度如下式所示：

其中，norm_x_u为云滴值x在标准正态云模型下的隶属度，norm_x为各次谐波电流有效值正态云模型云滴值转换到标准正态云模型下的云滴值；

谐波负荷状态监测装置：以上述谐波电流检索本体为参照，根据每天Cp95值和最大值的隶属度快速诊断谐波负荷运行状态是否异常；

以上述谐波电流检索本体为参照，当实时数据的隶属度低于最大值隶属度两次时，认为运行状态发生异常，当低于Cp95值的隶属度时，认为该运行状态偏高，当累积偏高次数超过72次时，认为运行状态异常。

还具有显示器，与数据管理服务器连接，用于展示谐波负荷的状态诊断以及实时监测的结果。

上述谐波负荷状态诊断装置的判断规则为：

a)norm_Cp95_date_u＜norm_Cp95_1_u且norm_Cp95_date_u≥norm_Cp95_2_u，则谐波负荷运行产生的谐波电流有效值Cp95值正常偏高；

b)norm_Cp95_date_u＜norm_Cp95_2_u，则谐波负荷运行产生的谐波电流有效值Cp95值异常；

c)norm_Max_date_u＜norm_Max_1_u且norm_Max_date_u≥norm_Max_2_u，则谐波负荷运行产生的谐波电流有效值最大值正常偏高；

d)norm_Max_date_u＜norm_Max_2_u，则谐波负荷运行产生的谐波电流有效值最大值异常；

e)其余情况认为谐波负荷运行在正常范围以内；

其中，norm_Cp95_date_u，norm_Max_date_u，norm_Cp95_1_u，norm_Cp95_2_u，norm_Max_1_u，norm_Max_2_u分别表示在标准正态云模型下，各次谐波电流有效值每天的Cp95值隶属度，最大值隶属度，参考模型Cp95值偏高隶属度，参考模型Cp95值异常隶属度，参考模型最大值偏高隶属度，参考模型最大值异常隶属度；

所述谐波负荷实时监测装置的判断规则为：

a)当μ1≥norm_x1_u且μ3≥norm_x2_u时，则谐波负荷运行产生的谐波电流有效值的实时数据在正常运行范围内；

b)当μ1＜norm_x1_u且μ3≥norm_x2_u时，则谐波负荷运行产生的谐波电流有效值的实时数据已越过Cp95值的界限，实时数据偏高，偏高次数累加1，当累加到72个之后，如果还有实时数据偏高，则认为这天的谐波负荷实时监测运行状态出现异常偏大，也就是说，采用Cp95值时最多可以经过72min就可以监测出谐波负荷运行状态异常；同理，当采用Cp99值时，最多可以经过15min就可以监测出谐波负荷运行状态异常；

c)当μ3＜norm_x2_u时，则谐波负荷运行产生的谐波电流有效值的实时数据最大值发生异常，当有两次发生最大值异常，则认为谐波负荷运行状态的最大值异常；

其中，μ1，μ3，norm_x1_u，norm_x2_u分别表示在标准正态云模型下，实时数据对应3s值隶属度，实时数据对应最大值隶属度，3s值参考模型偏高隶属度以及最大值参考模型最大值异常隶属度。

与现有技术相比，本发明具有益效果是：

谐波负荷状态监测系统作为电能质量监测网的一个重要子系统，对电能质量谐波电流的评估以及采取相应的治理措施很有作用，同时能够通过状态监测快速挖掘出反映谐波负荷运行状态的有用信息，根据谐波电流检索本体快速诊断出谐波负荷运行状态异常的监测点和各次谐波电流；这样就避免了从海量的监测数据中直接采用传统检索方式，这对电能质量监测网的建设以及谐波负荷监测信息的智能检索方式具有重要意义，同时具有很高的工程实用价值。

附图说明

图1、图2分别是正向正态云发生器和逆向云发生器的示意图。

图3是本发明系统结构框图。

图4是谐波电流与其总体样本的关系示意图。

图5是谐波电流检索本体的组成框图。

图6是谐波电流有效值状态诊断流程图。

图7是谐波电流有效值实时监测流程图。

具体实施方式

本发明方法采用了以下几点技术。

1、云模型

1)云和云滴的定义

设U是一个用数值表示的定量论域，C是U上的定性概念，若定量值x∈U是定性概念C的一次随机实现，x对C的确定度μ(x)∈[0，1]是有稳定倾向的随机数，μ：U→[0，1]，

x→μ(x)，则x在论域U上的分布称为云，记为C(X)。每一个x称为一个云滴。

2)云的基本性质

(1)论域U可以是一维的，也可以是多维的；

(2)定义中提及的随机实现，是概率意义下的实现；定义中提及的确定度，是模糊集意义下的隶属度，同时又具有概率意义下的分布。所有这些都体现了模糊性和随机性的关联性；

(3)对于任意一个x∈U，x到区间[0，1]的映射是一对多的变换，x对C的确定度是一个概率分布，而不是一个固定的数值；

(4)云由云滴组成，云滴之间无次序性，一个云滴是定性概念在数量上的一次实现，云滴整体才能反映出概念的特征，云滴数目越多，越能反映这个定性概念的整体特征；

(5)云滴出现的概率大，云滴的确定度大，则云滴对概念的贡献大。

3)云的数字特征

云用期望Ex(Expected value)、熵En(Entropy)和超熵He(Hyper entropy)3个数字特征来整体表征一个概念。

期望Ex：云滴在论域空间分布的期望。通俗的说，就是最能够代表定性概念的点，或者说是这个概念量化的最典型样本。

熵En：定性概念的不确定度量，由概念的随机性和模糊性共同决定。一方面En是定性概念随机性的度量，反映了能够代表这个定性概念云滴的离散程度；另一方面又是定性概念亦此亦彼性的度量，反映了论域空间中可被概念接受的云滴的取值范围。用同一个数字特征来反映随机性和模糊性，也必然反映了它们之间的关联性。

超熵He：熵的不确定性度量，即熵的熵。由熵的随机性和模糊性共同决定。

4)正向云发生器

正向云发生器(Forward Normal Cloud Generator)是从定性到定量的映射，它根据云的数字特征(Ex，En，He)产生云滴。具体定义如下：

设U是一个用精确数值表示的定量论域，C是U上的定性概念，若定量值x∈U，且x是定性概念C的一次随机实现，若x满足：x～N(Ex，En’²)，其中，En’～N(En，He²)，且x对C的确定度满足：

$\mathrm{\μ}=e^{-\frac{{(x-\mathrm{Ex})}^2}{2{\left(E{n}^{\′}\right)}^2}}---\left(1\right)$

则x在论域U上的分布称为正态云。

正向正态云发生器如图1所示。

其算法为：

输入：数字特征(Ex，En，He)，生成云滴的个数n。

输出：n个云滴x及其确定度μ(也可表示为drop(x_i，μ_i)，i＝1，2，L，n)；

算法步骤：

(1)生成以En为期望值，He²为方差的一个正态随机数En_i′＝NORM(En，He²)；

(2)生成以Ex为期望值，En_i′为方差的正态随机数x_i＝NORM(Ex，En′_i ²)；

(3)计算 ${\mathrm{\μ}}_i=e^{-\frac{{(x_i-\mathrm{Ex})}^2}{2{\mathrm{En}}_i^{\′2}}};$

(4)具有确定度μ_i的x_i成为数域中的一个云滴；

(5)重复步骤(1)到(4)，直至产生要求的n个云滴为止。

5)逆向云发生器

逆向云发生器(Backward Cloud Generator，CG^-1)是实现从定量值到定性概念的转换模型。它可以将一定数量的精确数据转换为以数字特征(Ex，En，He)表示的定性概念，如图2所示。

逆向正态云发生器的算法是基于统计原理的。基本算法有两种，一种是利用确定度信息的，另一种是无需确定度信息的；在此介绍无需确定度信息的逆向云算法如下。

输入：样本点x_i，其中i＝1，2，L，n。

输出：反映定性概念的数字特征(Ex，En，He)。

算法步骤：

(1)根据x_i计算这组数据的样本均值

一阶样本绝对中心距样本方差 $S^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{X})}^2;$

$\left(2\right),\mathrm{Ex}=\stackrel{\‾}{X};$

$\left(3\right),\mathrm{En}=\sqrt{\frac{\mathrm{\π}}{2}}\×\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}|x_i-\mathrm{Ex}|;$

$\left(4\right),\mathrm{He}=\sqrt{|S^2-{\mathrm{En}}^2|}.$

2、概率理论

1)独立同分布中心极限定理

设随机变量X₁，X₂，L，X_n，L相互独立，同分布，且E(X_k)＝μ，D(X_k)＝σ²≠0，k＝1，2，L，则对随机变量

$Y_n=\frac{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{X}_k-\mathrm{n\μ}}{\sqrt{n}\mathrm{\σ}}---\left(2\right)$

及任意x∈R，有

其中Φ(x)是标准正态分布N(0，1)的分布函数。

2)抽样分布定理

设总体X～N(μ，σ²)，X₁，X₂，L，X_n是来自总体X的样本，则

$\stackrel{\‾}{X}~N(\mathrm{\μ},{\mathrm{\σ}}^2/n)---\left(3\right)$

$\frac{\stackrel{\‾}{X}-\mathrm{\μ}}{\mathrm{\σ}/\sqrt{n}}~N\left(\mathrm{0,1}\right)---\left(4\right)$

3)证明样本均值的期望为总体均值，样本方差的期望为总体方差

证明：设总体为X，抽取n个体X₁，X₂，L，X_n为样本，则样本均值为Y＝(X₁+X₂+L+X_n)/n；样本方差为S＝((X₁-Y)²+(X₂-Y)²+L+(X_n-Y)²)/(n-1)；

设A＝(X₁-Y)²+(X₂-Y)²+L+(X_n-Y)²，则

$E\left(A\right)=E[(X_1^2+X_2^2+L+X_n^2)-{\mathrm{nY}}^2]$

$=E\left(X_1^2\right)+E\left(X_2^2\right)+L+E\left(X_n^2\right)-\mathrm{nE}\left(Y^2\right)$

因为总体均值为μ，总体方差σ²，X₁，X₂，L，X_n与总体同分布；

所以 $E\left(X_i^2\right)=D\left(X_i\right)+{\left[E\left(X\right)\right]}^2={\mathrm{\σ}}^2+{\mathrm{\μ}}^2,$ E(Y²)＝D(Y)+[E(Y)]＝σ²/n+μ²

E(A)＝n(σ²+μ²)-n(σ²/n+μ²)＝(n-1)σ²

E(S)＝E(A)/(n-1)＝σ²

以上总体样本服从正态分布。

4)置信区间

设总体X的分布函数F(x，θ)中含有未知参数θ，X₁，X₂，L，X_n是来自总体的一个样本，和

是两个统计量。若对给定的概率1-α，(0＜α＜1)，有

则称随机区间

为参数θ的置信度为1-α的置信区间。

和

分别称为置信下限和置信上限，1-α称为置信度(或置信水平)。

5)μ未知时，总体方差σ²的置信区间

此时，我们知道S²是σ²的无偏估计，故可取样本函数

x²＝(n-1)S²/σ²～x²(n-1)               (6)

对于给定的置信度1-α，有 $P\{{\mathrm{\&chi;}}^2<{\mathrm{\&chi;}}_{1-\mathrm{\&alpha;}/2}^2(n-1)\}=1-\mathrm{\&alpha;}/2,$ $P\{{\mathrm{\&chi;}}^2<{\mathrm{\&chi;}}_{\mathrm{\&alpha;}/2}^2(n-1)\}=\mathrm{\&alpha;}/2,$ 从而有

$P\{{\mathrm{\&chi;}}_{\mathrm{\&alpha;}/2}^2(n-1)<{\mathrm{\&chi;}}^2<{\mathrm{\&chi;}}_{1-\mathrm{\&alpha;}/2}^2(n-1)\}=P\{{\mathrm{\&chi;}}_{\mathrm{\&alpha;}/2}^2(n-1)<(n-1)S^2/{\mathrm{\&sigma;}}^2<{\mathrm{\&chi;}}_{1-\mathrm{\&alpha;}/2}^2(n-1)\}=1-\mathrm{\&alpha;}---\left(7\right)$

即是

$P\{(n-1)S^2/{\mathrm{\&chi;}}_{1-\mathrm{\&alpha;}/2}^2(n-1)<{\mathrm{\&sigma;}}^2<(n-1)S^2/{\mathrm{\&chi;}}_{\mathrm{\&alpha;}/2}^2(n-1)\}=1-\mathrm{\&alpha;}---\left(8\right)$

于是此时，总体方差σ²的置信度为1-α的置信区间为

$[(n-1)S^2/{\mathrm{\&chi;}}_{1-\mathrm{\&alpha;}/2}^2(n-1),(n-1)S^2/{\mathrm{\&chi;}}_{\mathrm{\&alpha;}/2}^2(n-1)]---\left(9\right)$

当n＞45时，可采用如下的近似公式

${\mathrm{\&chi;}}_p^2\left(n\right)\&ap;{({\mathrm{\&mu;}}_p+\sqrt{2n-1})}^2/2---\left(10\right)$

其中μ_p为N(0，1)的p分位点。

本发明谐波负荷状态监测系统包括两大基本功能：能够根据地区、行业、负荷和电压等级的任意组合关系快速诊断出谐波负荷每天监测数据的偏高和异常两种运行状态对应的监测点和各次谐波电流；能够对接入谐波负荷的监测点的谐波电流进行实时监测，判断偏高和异常运行状态并发出异常警告。

本发明将电能质量监测仪在接入谐波负荷的监测点采集的谐波电流数据通过3G无线网络或者光纤通信发送到数据管理服务器，计算每天监测数据的统计特征值，以每天样本均值和方差计算总体样本的均值和方差，再根据总体样本的统计规律建立正态云模型，将正态云模型转换到标准正态云模型下求边界条件，从而构建谐波电流检索本体。根据谐波电流检索本体可以得到任意时段的谐波电流参考模型来进行状态诊断和实时监测；并考虑谐波负荷功率水平的变化情况来验证本发明方法的有效性。具体系统框架图和实现过程如下详述。

第一步、谐波负荷状态监测系统框架如图3所示。

①采集监测数据：谐波负荷状态监测系统的实现首先需要电能质量监测的原始数据，本发明方法在电能质量监测网的基础上，将电能质量监测仪(即PQ监测仪)终端在各变电站线路上，用于并采集计算各次谐波电流所需要的原始数据，如各次谐波电流3s有效值和含有率等。

②3G无线路由器/光纤通信：用于将电能质量监测仪终端采集的数据通过3G无线网络或光纤通信网络发送到数据管理服务器，以二进制文件发送，包括实时数据和历史数据。

③数据管理服务器：将采集的数据按照一定的格式分层构建历史数据库，便于快速检索历史数据，同时，建立历史数据统计特征量简表，便于实现智能检索和状态监测的功能。

④提取每天统计特征量：在数据管理服务器中计算每天数据文件的统计特征量，每天的数据文件有1min最大值文件、1min最小值文件、1minCp95文件、1min平均值文件和1min最后一个3s值文件；将以上文件按监测点编号，各次谐波电流的最大值、最小值、Cp95值、平均值和方差等进行统计，建立②中历史数据统计特征量简表，作为构建谐波电流检索本体的基础数据。

⑤谐波负荷状态监测装置(也可以说，图3中的该装置由谐波负荷状态诊断装置和谐波负荷实时监测装置组成)：此装置即为本发明方法的核心所在，主要实现两大基本功能，一是对于谐波电流能够快速诊断出谐波负荷历史数据发生异常的监测点；二是对于谐波电流能够进行实时监测并发出异常警告，提前预测实时监测的数据是否发生异常，避免数据采集完之后才能判断是否异常。

⑥人机交互界面显示器：用于展示谐波负荷状态监测系统的结果，采用可视化的方法使结果更加直观、易于理解。对于状态诊断功能，本发明方法可以按地区、行业、负荷、电压等级的任意组合关系，快速诊断出各次谐波电流历史数据的异常、偏高情况，并能给出异常和偏高是什么相位什么统计值等详细信息，同时以简表的形式显示诊断结果；对于实时监测功能，能够实现对某个监测点的谐波电流进行实时监测，根据概率统计分布规律，以实时监测图的形式呈现给用户，能实时判断每个数据异常或偏高，同时根据异常统计个数提前预判数据是否整体出现异常，向用户以图形颜色、表格和声音等形式发出警告，实现对监测点的谐波负荷运行状态的实时监测。

⑦PQ(电能质量)历史数据库(即图3中PQ数据库)：用于存储电能质量监测的历史数据。存储结构为按谐波电流和日期分类建表；在每张数据表中分相、分统计周期类型等结构存储1min值数据。

⑧谐波电流检索本体：用于实现谐波负荷状态监测功能和智能检索功能。主要由谐波电流分相和分数据类型的统计特征量和总体样本组成，本发明方法采用的谐波电流为各次谐波电流有效值。图3中谐波电流检索本体的图框指谐波电流检索本体构建装置。

第二步、谐波电流总体样本的建立

谐波电流总体样本的建立以及相互关系可以由图4表示。

谐波电流包括谐波电流有效值和谐波电流含有率，由于谐波负荷可以看成是一个谐波电流源，故本发明方法采用谐波电流有效值作为谐波负荷状态监测的数据基础，考虑2～25次谐波。由于各次谐波电流有效值的Cp95值与最大值分别来自于每天3s值统计样本和每天最大值统计样本，一天有1440个数据，因此需要建立3s值总体样本和最大值总体样本来分别评估谐波电流有效值的Cp95值和最大值。

1)谐波电流有效值3s值总体样本

本发明方法考虑2～25次的谐波电流有效值，每次谐波每天样本均有1440个数据。对于某一次谐波电流而言，每天3s值样本有一个样本均值和样本方差，由背景技术中的证明可知样本均值的期望是总体样本均值，样本方差的期望是总体样本方差，因此本发明方法可以采用每天3s值样本的均值和方差分别求取平均值建立任意一段日期的3s值总体样本，此总体样本近似服从正态分布。

2)谐波电流有效值最大值总体样本

方法与1)中方法相同，只是采用的每天最大值样本建立任意一段日期的最大值总体样本。

因此，采用上述方法，可以分别建立每一次谐波电流有效值的任意一段日期的3s值总体样本和最大值总体样本，以此作为下一步建立谐波电流有效值云模型的基础。

第三步、谐波电流有效值云模型的建立

如背景技术中所述，云模型是模糊性与随机性的桥梁，它以概率统计理论作为基础，而正态云模型则应用得比较普遍。云模型采用(Ex，En，He)三个数字特征来表示一个定性概念。采用上述方法建立的总体样本服从近似正态分布，因此本发明方法采用总体样本的统计规律建立谐波电流有效值的云模型，超熵He反映云模型偏离正态分布的程度，当He＝0时表示云模型退化为正态分布隶属度函数。

前面详细说明了各次谐波电流有效值建立总体样本的过程，下面详细阐述本发明方法应用总体样本的统计规律建立各次谐波电流有效值云模型的具体步骤。

(1)确定云模型的超熵He

因为总体样本只是近似正态分布，因此采用总体样本的均值u和方差S²可以做出云模型的期望隶属度曲线，可以认为总体样本的均值即是云模型的期望，而总体样本的标准差是云模型熵的期望，而云模型的超熵决定了熵的变化范围，云模型的期望、熵、超熵三个数字特征决定了云模型产生所有云滴的分布范围。

本发明方法采用总体样本方差的99％置信区间作为云模型熵的变化范围，以此来求出云模型超熵的取值，公式如(11)～(14)所示；

因为n＝1440＞45，所以在99％置信区间下，α/2＝0.005，1-α/2＝0.995，由公式(10)可得

${\mathrm{\&chi;}}_{0.005}^2\left(1439\right)\&ap;{({\mathrm{\&mu;}}_{0.005}+\sqrt{2\&times;1439-1})}^2/2=1303.698---\left(11\right)$

${\mathrm{\&chi;}}_{0.995}^2\left(1439\right)\&ap;{({\mathrm{\&mu;}}_{0.995}+\sqrt{2\&times;1439-1})}^2/2=1579.932---\left(12\right)$

因此，总体方差σ²的99％置信区间为

$[(1440-1)S^2/{\mathrm{\&chi;}}_{0.995}^2(1440-1),(1440-1)S^2/{\mathrm{\&chi;}}_{0.005}^2(1440-1)]=[{0.911S}^2,{1.104S}^2]---\left(13\right)$

根据标准正态分布的3σ原则，可以求出超熵He的取值为公式(14)所示。

$\mathrm{He}=\max (\frac{\sqrt{{1.104S}^2}-S}{3},\frac{S-\sqrt{{0.911S}^2}}{3})---\left(14\right)$

(2)由此，可以确定云模型的三个数字特征值如公式(15)～(17)所示。

Ex＝u                      (15)

En＝S                      (16)

$\mathrm{He}=\max (\frac{\sqrt{{1.104S}^2}-S}{3},\frac{S-\sqrt{{0.911S}^2}}{3})---\left(17\right)$

第四步、采用正向云发生器生成云滴，并计算各次谐波电流有效值云滴的隶属度

在前面第三步中通过总体样本建立了云模型，得到了云模型的三个数字特征值(Ex，En，He)，本发明方法采用背景技术中的正向云发生器算法生成云滴，并计算云滴的隶属度，对于标准正态分布建立的云模型而言，认为超熵近似为零，采用正向云发生器来计算云滴的隶属度将是一个确定的值；总体样本近似服从正态分布，超熵He反映了每个云滴隶属度的变化范围，在此取各次谐波电流有效值云模型的期望隶属度曲线(超熵He为零)和最大值隶属度曲线(超熵He为99％置信区间上界)作为边界，将任意正态云模型转换为标准正态云模型的隶属度如公式(18)所示。

$\mathrm{norm}\_x\_u=e^{-\frac{{\mathrm{norm}\_x}^2}{2}}---\left(18\right)$

其中，norm_x_u为云滴值x在标准正态云模型下的隶属度，norm_x为各次谐波电流有效值正态云模型云滴值转换到标准正态云模型下的云滴值。

第五步、构建谐波电流检索本体

本发明方法采用谐波电流的谐波电流有效值和谐波电流含有率构建谐波电流检索本体；同时考虑3s值总体样本和最大值总体样本建立的正态云模型及标准正态云模型对应的边界隶属度。

如图5所示，本发明方法中的谐波电流检索本体由每天3s值样本、每天最大值样本、3s值总体样本、最大值总体样本、3s值正态云模型、最大值正态云模型、标准正态云模型和标准正态云模型对应的Cp95值和最大值边界隶属度组成；可以利用谐波电流检索本体的元素以及元素组合关系进行谐波电流的智能检索和状态监测。

第六步、谐波负荷状态监测判断标准

本发明方法采用各次谐波电流有效值云模型的统计规律来判断谐波负荷状态监测的结果，分谐波电流有效值状态诊断和谐波电流有效值实时监测两种判断规则。

(1)谐波电流有效值状态诊断判断规则

a)norm_Cp95_date_u＜norm_Cp95_1_u且norm_Cp95_date_u≥norm_Cp95_2_u，则谐波负荷运行产生的谐波电流有效值Cp95值正常偏高；

b)norm_Cp95_date_u＜norm_Cp95_2_u，则谐波负荷运行产生的谐波电流有效值Cp95值异常；

c)norm_Max_date_u＜norm_Max_1_u且norm_Max_date_u≥norm_Max_2_u，则谐波负荷运行产生的谐波电流有效值最大值正常偏高；

d)norm_Max_date_u＜norm_Max_2_u，则谐波负荷运行产生的谐波电流有效值最大值异常；

e)其余情况认为谐波负荷运行在正常范围以内。

其中，norm_Cp95_date_u，norm_Max_date_u，norm_Cp95_1_u，norm_Cp95_2_u、norm_Max_1_u、norm_Max_2_u分别表示在标准正态云模型下，各次谐波电流有效值每天的Cp95值隶属度、最大值隶属度、参考模型Cp95值偏高隶属度、参考模型Cp95值异常隶属度、参考模型最大值偏高隶属度、参考模型最大值异常隶属度。计算公式在第七步中说明。

(2)谐波电流有效值实时监测判断规则

a)当μ1≥norm_x1_u且μ3≥norm_x2_u时，则谐波负荷运行产生的谐波电流有效值的实时数据在正常运行范围内；

b)当μ1＜norm_x1_u且μ3≥norm_x2_u时，则谐波负荷运行产生的谐波电流有效值的实时数据已越过Cp95值的界限，实时数据偏高，偏高次数累加1，当累加到72个之后，如果还有实时数据偏高，则认为这天的谐波负荷实时监测运行状态出现异常偏大，也就是说，采用Cp95值时最多可以经过72min就可以监测出谐波负荷运行状态异常；同理，当采用Cp99值时，最多可以经过15min就可以监测出谐波负荷运行状态异常；

c)当μ3＜norm_x2_u时，则谐波负荷运行产生的谐波电流有效值的实时数据最大值发生异常，当有两次发生最大值异常，则认为谐波负荷运行状态的最大值异常。

其中，μ1，μ3，norm_x1_u，norm_x2_u分别表示在标准正态云模型下实时数据对应3s值隶属度，实时数据对应最大值隶属度，3s值参考模型偏高隶属度，最大值参考模型最大值异常隶属度。计算公式在第七步中说明。

第七步、以智能检索的方式实现谐波负荷状态监测系统

(1)谐波电流有效值状态诊断

①各次谐波电流有效值每天Cp95值和最大值

各次谐波电流有效值的Cp95值为每天3s值文件中1440个数据的Cp95值；最大值为每天最大值文件中1440个数据的最大值，分三相。

②谐波电流检索本体，如图5所示

③以总体样本构建各次谐波电流有效值正态云模型

如何建立各次谐波电流有效值的总体样本和正态云模型，前面的第二步、第三步有详细说明。由公式(13)可得总体样本方差99％置信区间上界为

S1²＝1.104S²                         (21)

④确定参考模型的边界隶属度

3s值正态云模型的Cp95偏高和异常的边界如公式(22)～(23)所示，查标准正态分布表可得，当值为1.645时，对应的概率分布为95％。

Cp95偏高：

Cp95_1＝1.645*S+u                    (22)

Cp95异常：

Cp95_2＝1.645*S1+u                     (23)

计算Cp95在标准正态云模型下的隶属度，如公式(24)～(27)所示。

Cp95偏高：

norm_Cp95_1＝(Cp95_1-u)/S              (24)

Cp95异常：

norm_Cp95_2＝(Cp95_2-u)/S              (25)

Cp95偏高隶属度：

$\mathrm{norm}\_\mathrm{Cp}95\_1\_u=e^{-\frac{\mathrm{norm}\_\mathrm{Cp}95\_1^2}{2}}---\left(26\right)$

Cp95异常隶属度：

$\mathrm{norm}\_\mathrm{Cp}95\_2\_u=e^{-\frac{\mathrm{norm}\_\mathrm{Cp}95\_2^2}{2}}---\left(27\right)$

同理，可以计算最大值正态云模型下的偏高和异常隶属度，查标准正态分布表可得，当值为3.9时，对应的概率分布为100％，如公式(28)～(33)所示。

Max偏高：

Max_1＝3.9*max_S+max_u                 (28)

norm_Max_1＝(Max_1-max_u)/max_S        (29)

Max异常：

Max_2＝3.9*max_S1+max_u                (30)

norm_Max_2＝(Max_2-max_u)/max_S        (31)

Max偏高隶属度：

$\mathrm{norm}\_\mathrm{Max}\_1\_u=e^{-\frac{\mathrm{norm}\_\mathrm{Max}\_1^2}{2}}---\left(32\right)$

Max异常隶属度：

$\mathrm{norm}\_\mathrm{Max}\_2\_u=e^{-\frac{\mathrm{norm}\_\mathrm{Max}\_2^2}{2}}---\left(33\right)$

⑤各次谐波电流有效值的Cp95值和最大值在标准正态云模型下的隶属度从谐波电流检索本体中提取各次谐波电流有效值每天3s值样本的Cp95值Cp95_date和最大值样本的最大值Max_date，利用公式(24)、(25)、(28)、(30)计算在标准正态云模型下的隶属度。

norm_Cp95_date＝(Cp95_date-u)/S               (34)

$\mathrm{norm}\_\mathrm{Cp}95\_\mathrm{date}\_u=e^{-\frac{{\mathrm{norm}\_\mathrm{Cp}95\_\mathrm{date}}^2}{2}}---\left(35\right)$

norm_Max_date＝(Max_date-max_u)/max_S              (36)

$\mathrm{norm}\_\mathrm{Max}\_\mathrm{date}\_u=e^{-\frac{{\mathrm{norm}\_\mathrm{Max}\_\mathrm{date}}^2}{2}}---\left(37\right)$

⑥比较隶属度

具体判断规则在第六步中有详细说明。

⑦输出结果

a)简洁表形式：显示谐波电流有效值异常或偏高的谐波负荷对应的监测点。

b)详细表形式：显示某一个谐波负荷对应监测点的各次谐波电流有效值偏高和异常的详细信息。

(2)谐波电流有效值实时监测

①谐波负荷运行所产生的各次谐波电流有效值的实时数据

以接入谐波负荷的某个监测点A相的3次谐波电流有效值为例进行实时监测，监测仪每隔1min向电能质量数据管理服务器发送一个数据，进行实时监测的判断，一天24h共1440个数据。

②③建立参考模型与谐波电流有效值状态诊断方法一样

④实时监测在参考模型下的边界可以根据正态分布的统计规律任意给定，本发明方法采用以下指标作为实时监测的边界

a)Cp95指标：将1440个数据按从大到小的顺序排列后去掉前5％的数据，即72个数据，剩下数据的最大值即为Cp95值；由标准正态分布表查得95％概率大值为1.645，计算相应的隶属度μl，公式如(38)所示。

$\mathrm{\&mu;}1=e^{-\frac{{1.645}^2}{2}}---\left(38\right)$

b)Cp99指标：与a)的方法相同，去掉前1％的数据，即去掉前面15个数据，在标准正态分布下的值为2.325，计算相应的隶属度为μ2，公式如(39)所示。

$\mathrm{\&mu;}2=e^{-\frac{{2.325}^2}{2}}---\left(39\right)$

c)最大值指标：与a)的方法相同，去掉前0.1％的数据，即去掉前面2个数据，由标准正态分布表查得99.9％概率大值为3.1，采用Cp99.9指标作为实时监测的最大值指标，对应的隶属度为μ3，公式如(40)所示。

$\mathrm{\&mu;}3=e^{-\frac{{3.1}^2}{2}}---\left(40\right)$

⑤实时数据在标准正态云模型下的隶属度

a)实时数据在3s值正态云模型下的隶属度如公式(41)～(42)所示。

norm_x1＝(x-u)/S                       (41)

$\mathrm{norm}\_x1\_u=e^{-\frac{{\mathrm{norm}\_x}^2}{2}}---\left(42\right)$

b)实时数据在最大值正态云模型下的隶属度如公式(43)～(44)所示。

norm_x2＝(x-max_u)/max_S               (43)

$\mathrm{norm}\_x2\_u=e^{-\frac{{\mathrm{norm}\_x2}^2}{2}}---\left(44\right)$

⑥⑦比较隶属度，统计异常次数

本发明方法的参考模型采用Cp95指标和最大值指标，其隶属度为μ1和μ3，实时监测判断规则在第六步中有详细说明。

⑧结果输出

采用实时监测图形和文字警告信息向用户进行展示，在实时监测图形上显示实时数据的时间和值、偏高界限、异常界限和国标限值，同时偏高数据、异常数据采用不同颜色标示；文字警告信息主要显示参考模型Cp95、Cp99和最大值等指标的偏高和异常次数，当偏高和异常次数达到一个阈值(判断规则中有详述)之后，向用户发出警告。

第八步、本发明方法的创新点及验证方法

(1)构建谐波电流检索本体

本发明方法构建的谐波电流检索本体如图5所示。谐波电流检索本体在谐波负荷状态监测系统中发挥着关键作用，通过它可以快速得到各次谐波电流有效值任意一段日期的总体样本来建立各次谐波电流有效值正态云模型，从而能够快速诊断出谐波负荷运行状态偏高和异常的监测点及各次谐波电流有效值，这不需要去检索原始的监测数据，而是采用统计特征量的组合关系进行智能检索，提高了诊断效率；实时监测是以历史数据的统计规律来建立参考模型，这比单纯的以最大值作为偏高和异常的标准更为合理和有效。

(2)采用谐波电流总体样本建立各次谐波电流有效值云模型

本发明方法采用各次谐波电流有效值的总体样本建立正态云模型，前面第二步、第三步有详细说明。以总体样本方差的99％置信区间确定云模型熵En的变化范围，而云模型的超熵He决定了每个云滴隶属度在一定范围内正态随机变化，故可以由正态分布的3σ原则确定超熵He的值。分别计算正态云模型的期望隶属度曲线和上边界隶属度曲线，转换到标准正态云模型的隶属度函数可以求得包括Cp95指标和Cp99指标的任意概率大值的隶属度和最大值的隶属度，从而确定了各次谐波电流有效值状态诊断和实时监测的偏高、异常边界。

(3)采用云模型正向发生器计算各次谐波电流有效值隶属度

本发明方法只求云模型的期望隶属度曲线和上边界隶属度曲线对应的隶属度来确定谐波负荷运行状态偏高和异常的边界条件，这样就确定了每一个云滴隶属度的变化范围，而不需要对每一个云滴都随机生成正态分布的隶属度，这样大大的节省了状态监测的计算时间。计算每一个云滴在正态分布隶属度曲线下的隶属度在前面第四步中有详细说明。

(4)验证本发明方法有效性

本发明方法采用谐波负荷功率水平的变化情况来验证本发明方法的有效性。各次谐波电流有效值的变化随着谐波负荷功率水平变化而变化，此处主要指的是谐波负荷的有功功率。验证规则如下：

a)谐波负荷的有功功率水平在正常范围内，即在历史数据的运行范围之内，各次谐波电流有效值比历史数据的运行范围偏大，则认为各次谐波电流有效值为异常偏大；反之，各次谐波电流有效值比历史数据的运行范围偏小，则认为各次谐波电流有效值为异常偏小；

b)谐波负荷的有功功率水平比历史数据的运行范围偏大，各次谐波电流有效值比历史数据的运行范围有所偏大，则认为各次谐波电流有效值在正常运行范围内；反之，两者都偏小时，也认为各次谐波电流有效值在正常运行范围内。

本发明方法同样适用于谐波负荷运行状态偏小的状态监测系统。

Claims (3)

1.一种谐波负荷状态监测系统，其特征是：

电能质量监测仪：其终端安装在各变电站线路上，采集用于计算各次谐波电流所需要的原始数据，该原始数据中包括各次谐波电流3s有效值和含有率；

3G无线路由器/光纤通信线路：连接在上述电能质量监测仪与数据管理服务器之间，用于将电能质量监测仪采集的原始数据通过3G无线路由器/光纤通信线路传送到数据管理服务器；

数据管理服务器：将采集的原始数据存储于PQ历史数据库；

谐波电流检索本体构建装置：谐波电流检索本体由每天3s值样本、每天最大值样本、3s值总体样本、最大值总体样本、3s值正态云模型、最大值正态云模型、标准正态云模型和标准正态云模型对应的Cp95值和最大值边界隶属度组成；

其中，每天3s值样本和每天最大值样本：考虑2-25次的谐波电流有效值，将每天各次谐波电流的3s值以及最大值进行统计得到；

3s总体样本：采用每天3s值样本的均值和方差分别求取平均值而建立；

最大值总体样本：采用每天最大值样本来建立；

3s值正态云模型和最大值正态云模型：用对应总体样本的均值u和标准差S分别代替云模型的期望Ex和熵En，根据公式：

利用对应总体样本方差S²的99%置信区间确定云模型的超熵He；

标准正态云模型及其对应的Cp95值和最大值边界隶属度：取各次谐波电流有效值云模型的期望隶属度曲线即超熵He为零和最大值隶属度曲线即超熵He为99%置信区间上界作为边界，将正态云模型转换为标准正态云模型的隶属度如下式所示： $\mathrm{norm}\_x\_u=e^{\frac{\mathrm{norm}\_x^2}{2}};$

其中，norm_x_u为云滴值x在标准正态云模型下的隶属度，norm_x为各次谐波电流有效值正态云模型云滴值转换到标准正态云模型下的云滴值；

谐波负荷状态监测装置：以上述谐波电流检索本体为参照，根据每天Cp95值和最大值的隶属度快速诊断谐波负荷运行状态是否异常；

以上述谐波电流检索本体为参照，当实时数据对应最大值隶属度值低于最大值参考模型最大值异常隶属度两次时，认为运行状态发生异常，当实时数据对应3s值隶属度低于3s值参考模型偏高隶属度时，认为该运行状态偏高，当累积偏高次数超过72次时，认为运行状态异常。

2.根据权利要求1所述的谐波负荷状态监测系统，其特征是：还具有显示器，与数据管理服务器连接，用于展示谐波负荷的状态诊断以及实时监测的结果。

3.根据权利要求1所述的谐波负荷状态监测系统，其特征是：还具有谐波电流有效值状态诊断判断规则：

a）norm_Cp95_date_u<norm_Cp95_1_u且norm_Cp95_date_u≥norm_Cp95_2_u，则谐波负荷运行产生的谐波电流有效值Cp95值正常偏高；

b）norm_Cp95_date_u<norm_Cp95_2_u,则谐波负荷运行产生的谐波电流有效值Cp95值异常；

c）norm_Max_date_u<norm_Max_1_u且norm_Max_date_u≥norm_Max_2_u,则谐波负荷运行产生的谐波电流有效值最大值正常偏高；

d）norm_Max_date_u<norm_Max_2_u,则谐波负荷运行产生的谐波电流有效值最大值异常；

e）其余情况认为谐波负荷运行在正常范围以内；

其中，norm_Cp95_date_u，norm_Max_date_u，norm_Cp95_1_u，norm_Cp95_2_u，norm_Max_1_u，norm_Max_2_u分别表示在标准正态云模型下，各次谐波电流有效值每天的Cp95值隶属度，最大值隶属度，参考模型Cp95值偏高隶属度，参考模型Cp95值异常隶属度，参考模型最大值偏高隶属度，参考模型最大值异常隶属度；

还具有谐波电流有效值实时监测判断规则：

a）当μ1≥norm_x1_u且μ3≥norm_x2_u时，则谐波负荷运行产生的谐波电流有效值的实时数据在正常运行范围内；

b）当μ1＜norm_x1_u且μ3≥norm_x2_u时，则谐波负荷运行产生的谐波电流有效值的实时数据已越过Cp95值的界限，实时数据偏高，偏高次数累加1，当累加到72个之后，如果还有实时数据偏高，则认为这天的谐波负荷实时监测运行状态出现异常偏大；

c）当μ3<norm_x2_u时，则谐波负荷运行产生的谐波电流有效值的实时数据最大值发生异常，当有两次发生最大值异常，则认为谐波负荷运行状态的最大值异常；

其中，μ1，μ3，norm_x1_u，norm_x2_u分别表示在标准正态云模型下，实时数据对应3s值隶属度，实时数据对应最大值隶属度，3s值参考模型偏高隶属度以及最大值参考模型最大值异常隶属度。

Images