CN102692574A - 干扰负荷的闪变污染注入水平检测方法 - Google Patents

Abstract

本发明涉及一种测量电变量并进行分析处理的计算机检测方法，特别是一种干扰负荷的闪变污染注入水平检测方法，其要点在于，在公共连接点上结合负荷污染和背景污染的分析和处理，明确污染的主次分别，从而为主次有序治理电网提供强大的数据基础，大大提高了电网的治理效率，使得电网运行方式得到有效的优化，减少电力损耗，提高了用户的用电效率。

Description

干扰负荷的闪变污染注入水平检测方法

技术领域

本发明涉及一种测量电变量并进行分析处理的计算机检测方法，特别是一种干扰负荷的闪变污染注入水平检测方法。

背景技术

在现有技术中，一些大容量、强非线性的冲击性干扰负荷给电网带来严重的电能质量污染，这些污染会造成电能损耗、设备损坏、影响产品质量，给电网和用户带来巨大损失。在多种电能质量污染中，闪变是一种由负荷波动引起的电能质量污染现象，通过电网传播而严重影响电网运行的可靠性，并导致更大范围内用户的产品质量下降，甚至引发设备故障。

由于在供电点监测的电压波动是所有负荷共同作用的结果，其对应的闪变强度也是电网全部闪变污染的累积，而电能质量污染通常是由不良用户引起的，本专利发明人曾就解决该问题于2009年申请过专利名称为：“电能质量污染源的监测与定向系统”的专利，该专利解决了污染源的定向问题，却未给出各个污染源的具体大小，使得在治理电网的过程中，主次不分，治理效率低下，导致用户用电效率低、电网运行方式得不到有效的优化，无法有效减少电力消耗，要解决上述问题，应当找出主要污染源、计算污染用户各自的污染量，以便划分污染责任。

发明内容

本发明的目的在于根据现有技术的不足之处而提供一种能够提高电网治理效率，优化电网运行方式、减少电网电能消耗的干扰负荷的闪变污染注入水平检测方法。

本发明所述的：

干扰负荷的闪变污染注入水平检测方法，其要点在于，包括以下步骤：

提供一种负荷闪变污染检测装置，包括有负荷信号采集模块、第一存储模块、负荷污染数据分析模块、负荷模型参数辨识模块，背景污染数据分析模块、注入水平分析模块以及第二存储模块、第三存储模块；

负荷信号采集模块采集各线路负荷的电压和电流波形信号，并将该波形信号存储到第一存储装置中作为原始数据，第二存储模块中存储有干扰负荷污染注入模型和背景污染注入模型；

负荷污染数据分析模块的分析步骤为：

提取第一存储装置中的原始数据，传送到负荷模型参数辨识模块中进行处理，获得模型参数；

从第二存储模块中提取干扰负荷污染评估计算模型；

将从负荷模型参数辨识模块中获得的模型参数带入干扰负荷污染注入模型；

跟踪电压波动幅值，在0.05Hz-35Hz频宽内的小波基函数上对获得的干扰负荷污染注入模型进行展开，求得对应的小波包系数；

根据离线计算得到的不同小波二叉树节点对应得到瞬时视感度系数，然后加权计算小波包系数对应的负荷注入污染瞬时视感度Pi(t)；i指某一干扰负荷污染源；

背景污染数据分析模块的分析步骤为：

提取第一存储装置中的原始数据，根据电压和电流波形信号跟踪系统等效阻抗，

根据总的等效负荷电流和供电点电压计算系统等效电压；

采用复合阀值算法剔除人眼不能察觉的信号分量；

从第二存储模块中提取背景污染注入模型，

跟踪电压波动幅值，在0.05Hz-35Hz频宽内的小波基函数上对获得的背景污染评估计算模型进行展开，求得对应的小波包系数；

根据离线计算得到的不同小波二叉树节点对应得到瞬时视感度系数，然后加权计算小波包系数对应的背景污染瞬时视感度Ps(t)；

注入水平分析模块分别计算每个时间点上的Pi(t)和Ps(t)，并计算每个时间点上的μ和样本标准差σ，当p_i-μ＞σ时，对象污染源i为首要污染源；当p_i∈[μ+0.5σ，μ+σ]时，对象污染源i为主要污染源；当p_i∈[μ-0.5σ，μ+0.5σ]时，对象污染源i为平均污染源；当p_i∈[μ-σ，μ-0.5σ]时，对象污染源i为次要污染源；当p_i-μ＜-σ时，对象污染源i为轻微污染源；所述的对象污染源i包括干扰负荷污染源和背景污染源在内的各种污染源；

将计算所得的各污染源根据其污染严重程度进行标示，并存储到第三存储模块中。

p_i是指任一时间点上的注入污染瞬时视感度或者背景污染瞬时视感度。这样，通过计算机的处理，最终获得每个线路干扰负荷污染的污染源程度评定，在治理电网的过程中，便可根据主、次污染源分别进行处理。本发明还引入了背景污染源的概念，将背景污染与用户干扰负荷污染剥离开来，明确污染源的具体所在和主次分别，在电网运行过程中，背景污染也经常是闪变污染源的首要污染，因此，本发明所述闪变污染注入水平的检测方法便是通过对供电点的各个污染源进行主次评定，从而为主次有序治理电网提供强大的数据基础，大大提高了电网的治理效率，使得电网运行方式得到有效的优化，减少电力损耗，提高了用户的用电效率。

本发明可以进一步具体为：

负荷模型参数辨识模块的数据处理步骤如下：

根据第一存储装置中的各个线路通道的电压和电流波形信号，选取小波基函数和二叉树结构，分解电压和电流波形信号，对连续四个周波电压以及电流数据信号进行变换计算，得到分解二叉树末端的节点系数；

采用复合阀值算法处理与视感度变化无关的节点系数，剔除非闪变频段的信号；

在小波域建立污染模型，从以上电压电流的节点系数重构得到注入模型参数。

电网中的波动负荷实际上呈现无规律的变化，绝大部分闪变污染是非平稳型的。如果仍然沿用稳态模型定义，对闪变污染类型作较强的假设，将使污染责任分摊结果偏离实际情况。所以，必须在负荷污染模型中保留非平稳型特征。此外，电压谐波调制产生、次谐波和间谐波都会引起负荷功率的振荡。负荷污染注入模型需要表征由次谐波、间谐波或谐波调制引起的闪变。建立干扰负荷闪变污染注入模型的关键就是分析多种因素对负荷基波功率的影响。电信号中的次谐波、间谐波及谐波调制对基波有功功率的影响可以等效看作是在基波功率有效值上叠加了低频的非平稳过程。与基波功率波动特征相对应，干扰负荷闪变污染的阻抗模型(即模型参数辨识模块中重构的模型参数)就是Z(t)＝Z₀*(1+ΔZ(t))，其中Z₀由负荷平均功率确定，而ΔZ(t)描述了污染负荷的时变非平稳变化过程。进一步地，可以建立闪变污染负荷的一般阻抗模型Z(t)＝R(t)+jX(t)，其中R(t)、X(t)可以从负荷电压、电流波形进行在线辨识。

本发明还可以进一步具体为：

还包括有闪变污染源的污染强度计量模块，其定义扩展为A＝0.714*F(p(t))，F表示取95％概率大值，A表示在观测期间内不同用户的污染高峰量；

在设定的观测期间内计算p(t)的累加值P即为用户污染的计量值，将该值存储到第三存储模块中。

在进行主次判别的检测后，还可将设定时间内的用户污染计量值作为电网治理的辅助参数。这样是因为，通常的负荷波动是非平稳型的，上述定义的指标是一种随时间变化的动态指标，能够适用非平稳的电压波动。

综上所述，本发明提供了一种干扰负荷闪变污染注入水平检测方法，在公共连接点上结合负荷污染和背景污染的分析和处理，明确污染的主次分别，从而为主次有序治理电网提供强大的数据基础，大大提高了电网的治理效率，使得电网运行方式得到有效的优化，减少电力损耗，提高了用户的用电效率。

附图说明

图1所示为本发明所述干扰负荷的闪变污染注入水平检测装置的原理结构示意图。

图2所示为本发明所述实施例中为计算实例所描述的简单供电系统结构示意图。

下面结合实施例对本发明做进一步描述。

具体实施例

最佳实施例：

参照附图1，干扰负荷的闪变污染注入水平检测方法，包括以下步骤：

提供一种负荷闪变污染检测装置，包括有负荷信号采集模块、第一存储模块、负荷污染数据分析模块、负荷模型参数辨识模块，背景污染数据分析模块、注入水平分析模块以及第二存储模块、第三存储模块；

负荷信号采集模块采集各线路负荷的电压和电流波形信号，并将该波形信号存储到第一存储装置中作为原始数据，第二存储模块中存储有干扰负荷污染注入模型和背景污染注入模型；

负荷污染数据分析模块的分析步骤为：

提取第一存储装置中的原始数据，传送到负荷模型参数辨识模块中进行如下处理：

选取小波基函数和二叉树结构，分解电压和电流波形信号，对连续四个周波电压以及电流数据信号进行变换计算，得到分解二叉树末端的节点系数，

采用复合阀值算法处理与视感度变化无关的节点系数，剔除非闪变频段的信号，

在小波域建立污染模型，从以上电压电流的节点系数重构得到注入模型参数；

从第二存储模块中提取干扰负荷污染评估计算模型；

将从负荷模型参数辨识模块中获得的模型参数带入干扰负荷污染注入模型；

跟踪电压波动幅值，在0.05Hz-35Hz频宽内的小波基函数上对获得的干扰负荷污染注入模型进行展开，求得对应的小波包系数；

根据离线计算得到的不同小波二叉树节点对应得到瞬时视感度系数，然后加权计算小波包系数对应的负荷注入污染瞬时视感度Pi(t)；i指某一干扰负荷污染源；

背景污染数据分析模块的分析步骤为：

提取第一存储装置中的原始数据，根据电压和电流波形信号跟踪系统等效阻抗，

根据总的等效负荷电流和供电点电压计算系统等效电压；

采用复合阀值算法剔除人眼不能察觉的信号分量；

从第二存储模块中提取背景污染注入模型，

跟踪电压波动幅值，在0.05Hz-35Hz频宽内的小波基函数上对获得的背景污染评估计算模型进行展开，求得对应的小波包系数；

根据离线计算得到的不同小波二叉树节点对应得到瞬时视感度系数，然后加权计算小波包系数对应的背景污染瞬时视感度Ps(t)；

注入水平分析模块分别计算每个时间点上的Pi(t)和Ps(t)，并计算每个时间点上的μ和样本标准差σ，当p_i-μ＞σ时，对象污染源i为首要污染源；当p_i∈[μ+0.5σ，μ+σ]时，对象污染源i为主要污染源；当p_i∈[μ-0.5σ，μ+0.5σ]时，对象污染源i为平均污染源；当p_i∈[μ-σ，μ-0.5σ]时，对象污染源i为次要污染源；当p_i-μ＜-σ时，对象污染源i为轻微污染源；所述的对象污染源i是指包括干扰负荷污染源和背景污染源在内的各种污染源；

将计算所得的各污染源根据其污染严重程度进行标示(可定义为责任分摊标示)，并存储到第三存储模块中。

提供一种具体的负荷模型参数辨识模块和干扰负荷污染注入模型的生成方法：

参照附图2：设系统电压U_s＝U_s0+ΔU_s，其中U_s0是电压波动均值，ΔU_s是波动量；公共连接点电压U_pcc＝U_pcc0+ΔU_pcc，其中U_pcc0是电压波动均值，ΔU_pcc是波动量；负荷阻抗Z_c＝Z_c0+ΔZ_c，其中Z_c0是阻抗波动均值，ΔZ_c是阻抗波动量。

${\stackrel{\·}{U}}_s=\frac{Z_s+Z_c}{Z_c}\·{\stackrel{\·}{U}}_{\mathrm{pcc}}---\left(1\right)$

当系统电压和负荷都不存在波动时，

${\stackrel{\·}{U}}_{s0}=\frac{Z_s+Z_{c0}}{Z_{c0}}\·{\stackrel{\·}{U}}_{\mathrm{pcc}\·0}---\left(2\right)$

将式(1)进行Taylor展开并舍去高次项，得到

$\mathrm{\Δ}{\stackrel{\·}{U}}_s=-\frac{Z_s}{Z_{c0}^2}{\stackrel{\·}{U}}_{\mathrm{pcc}\·0}\·{\mathrm{\ΔZ}}_c+\frac{Z_s+Z_{c0}}{Z_{c0}}\·{\stackrel{\·}{U}}_{\mathrm{pcc}}---\left(3\right)$

记标幺值 $\mathrm{\Δ}{\stackrel{\·}{U}}_s^{*}=\mathrm{\Δ}{\stackrel{\·}{U}}_s/U_{s0},$ $\mathrm{\Δ}{\stackrel{\·}{U}}_{\mathrm{pcc}}^{*}=\mathrm{\Δ}{\stackrel{\·}{U}}_{\mathrm{pcc}}/U_{\mathrm{pcc}\·0},$ $\mathrm{\Δ}{Z}_c^{*}=\mathrm{\ΔZ}/\left|Z_{c0}\right|,$ 以  ${\stackrel{\·}{U}}_{\mathrm{pcc}}$ 为参考相量，并考虑到系统阻抗|Z_s|□|Z_c|和式(2)，那么式(3)可写成式(4)。

当存在多个负荷用户Z_i时，有

记

所以

${\mathrm{\ΔZ}}_c={\left(\underset{i}{\mathrm{\Σ}}\frac{1}{Z_{i0}}\right)}^{-2}\·\underset{i}{\mathrm{\Σ}}\frac{{\mathrm{\ΔZ}}_i}{Z_{i0}^2}=Z_{c0}^2\·\underset{i}{\mathrm{\Σ}}\frac{{\mathrm{\ΔZ}}_i}{Z_{i0}^2}.$

用标幺值表示为 $\mathrm{\Δ}{Z}_c^{*}=\frac{Z_{c0}^2}{\left|Z_{c0}\right|}\·\underset{i}{\mathrm{\Σ}}\frac{\left|Z_{i0}\right|\mathrm{\Δ}{Z}_i^{*}}{Z_{i0}^2},$ 代入式(4)得到，

$\mathrm{\Δ}{\stackrel{\·}{U}}_s^{*}=-Z_s\·\underset{i}{\mathrm{\Σ}}\frac{\left|Z_{i0}\right|\mathrm{\Δ}{Z}_i^{*}}{Z_{i0}^2}+\mathrm{\Δ}{\stackrel{\·}{U}}_{\mathrm{pcc}}^{*}---\left(5\right)$

设ΔU_c ^*表示总的负荷变动对电压波动的贡献，ΔU_ci ^*表示负荷i对电压波动的贡献，那么：

$\left\{\begin{array}{c}\mathrm{\Δ}{\stackrel{\·}{U}}_s^{*}=\mathrm{\Δ}{\stackrel{\·}{U}}_c^{*}+\mathrm{\Δ}{\stackrel{\·}{U}}_{\mathrm{pcc}}^{*}\\ \mathrm{\Δ}{\stackrel{\·}{U}}_c^{*}=\underset{i}{\mathrm{\Σ}}\mathrm{\Δ}{\stackrel{\·}{U}}_{\mathrm{ci}}^{*}\\ \mathrm{\Δ}{\stackrel{\·}{U}}_{\mathrm{ci}}^{*}=-Z_s\·\underset{i}{\mathrm{\Σ}}\frac{\left|Z_{i0}\right|\mathrm{\Δ}{Z}_i^{*}}{Z_{i0}^2}\end{array}\right.$

将公共连接点上存在的电压波动分解为系统电压波动的和负荷波动两部分，分别计算这两部分波动分量对应的闪变强度，作为背景系统干扰和负荷干扰强度的度量。其物理意义是，背景系统污染度量意味着只存在系统电压波动时，PCC上检测到的电压闪变强度；负荷污染强度度量意味着只存在单个波动负荷时，PCC上检测到的电压闪变强度。

为了计算闪变污染度量指标，可以先从ΔU_s ^*和ΔU_c，i ^*分解出全部波动频率及波动幅值，再叠加计算各自对应的瞬时闪变值p_sys和p_load，i，再由

计算系统污染指标p_st，bg和负荷污染指标p_{st，load，i}。

也可进一步按瞬时视感度p的概率分布特性对背景干扰和负荷干扰责任进行分级评价。p的均值μ和样本标准差σ如式(8)计算。

$\left\{\begin{array}{c}\mathrm{\μ}=\frac{1}{n}\underset{i=1,n}{\mathrm{\Σ}}{p}_i\\ \mathrm{\σ}=\sqrt{\frac{1}{n}\underset{i=1,n}{\mathrm{\Σ}}{(p_i-\mathrm{\μ})}^2}\end{array}\right.---\left(6\right)$

本发明未述部分与现有技术相同。

Claims (3)

1.干扰负荷的闪变污染注入水平检测方法，其特征在于，包括以下步骤：

提供一种负荷闪变污染检测装置，包括有负荷信号采集模块、第一存储模块、负荷污染数据分析模块、负荷模型参数辨识模块，背景污染数据分析模块、注入水平分析模块以及第二存储模块、第三存储模块；

负荷信号采集模块采集各线路负荷的电压和电流波形信号，并将该波形信号存储到第一存储装置中作为原始数据，第二存储模块中存储有干扰负荷污染注入模型和背景污染注入模型；

负荷污染数据分析模块的分析步骤为：

提取第一存储装置中的原始数据，传送到负荷模型参数辨识模块中进行处理，获得模型参数；

从第二存储模块中提取干扰负荷污染评估计算模型；

将从负荷模型参数辨识模块中获得的模型参数带入干扰负荷污染注入模型；

跟踪电压波动幅值，在0.05Hz-35Hz频宽内的小波基函数上对获得的干扰负荷污染注入模型进行展开，求得对应的小波包系数；

根据离线计算得到的不同小波二叉树节点对应得到瞬时视感度系数，然后加权计算小波包系数对应的负荷注入污染瞬时视感度Pi(t)；i指某一干扰负荷污染源；

背景污染数据分析模块的分析步骤为：

提取第一存储装置中的原始数据，根据电压和电流波形信号跟踪系统等效阻抗，

根据总的等效负荷电流和供电点电压计算系统等效电压；

采用复合阀值算法剔除人眼不能察觉的信号分量；

从第二存储模块中提取背景污染注入模型，

跟踪电压波动幅值，在0.05Hz-35Hz频宽内的小波基函数上对获得的背景污染评估计算模型进行展开，求得对应的小波包系数；

根据离线计算得到的不同小波二叉树节点对应得到瞬时视感度系数，然后加权计算小波包系数对应的背景污染瞬时视感度Ps(t)；

注入水平分析模块分别计算每个时间点上的Pi(t)和Ps(t)，并计算每个时间点上的μ和样本标准差σ，当p_i-μ＞σ时，对象污染源i为首要污染源；当p_i∈[μ+0.5σ，μ+σ]时，对象污染源i为主要污染源；当p_i∈[μ-0.5σ，μ+0.5σ]时，对象污染源i为平均污染源；当p_i∈[μ-σ，μ-0.5σ]时，对象污染源i为次要污染源；当p_i-μ＜-σ时，对象污染源i为轻微污染源；所述的对象污染源i包括干扰负荷污染源和背景污染源在内的各种污染源；

将计算所得的各污染源根据其污染严重程度进行标示，并存储到第三存储模块中。

2.根据权利要求1所述的干扰负荷的闪变污染注入水平检测方法，其特征在于，负荷模型参数辨识模块的数据处理步骤如下：

根据第一存储装置中的各个线路通道的电压和电流波形信号，选取小波基函数和二叉树结构，分解电压和电流波形信号，对连续四个周波电压以及电流数据信号进行变换计算，得到分解二叉树末端的节点系数；

采用复合阀值算法处理与视感度变化无关的节点系数，剔除非闪变频段的信号；

在小波域建立污染模型，从以上电压电流的节点系数重构得到注入模型参数。

3.还包括有闪变污染源的污染强度计量模块，其定义扩展为A＝0.714*F(p(t))，F表示取95％概率大值，A表示在观测期间内不同用户的污染高峰量；

在设定的观测期间内计算p(t)的累加值P即为用户污染的计量值，将该值存储到第三存储模块中。

Images