CN103235993B - 用于企业用户侧的电能质量评估系统及其方法 - Google Patents
用于企业用户侧的电能质量评估系统及其方法 Download PDFInfo
- Publication number
- CN103235993B CN103235993B CN201310146198.XA CN201310146198A CN103235993B CN 103235993 B CN103235993 B CN 103235993B CN 201310146198 A CN201310146198 A CN 201310146198A CN 103235993 B CN103235993 B CN 103235993B
- Authority
- CN
- China
- Prior art keywords
- quality
- index
- electric energy
- power supply
- pcnn
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用于企业用户侧的电能质量评估系统及其方法。系统包括电能监测仪、通讯网络和用户电能质量监管平台,电能监测仪设置在企业用电入户端以及企业内部各配网点,电能监测仪测量的数据通过通讯网络接入用户电能质量监管平台,用户电能质量监管平台对各监测点传输来的测量数据采用PCNN模型进行电能质量等级评估。本发明将PCNN模型应用于电能质量评估系统,在PCNN的单个神经元模型结构基础上采用不同反馈输入、连接输入公式和阈值的调整公式,取得满意的评价结果,证明PCNN模型可以解决电能质量评价这一类评价指标与电能质量等级之间复杂的非线性关系的问题。
Description
技术领域
本发明涉及电能质量评估领域,是一种运用脉冲耦合神经网络模型对企业用户侧电能质量进行评估的系统及其方法。
背景技术
近年来,随着微电子技术和电力电子技术的发展,基于电力电子技术的装置和设备在现代工业中得到了广泛的应用,但各种大型用电设备的起停,都对电网电能质量产生严重的污染;另一方面,随着高新技术,尤其是信息产业的发展,用户使用的现代新型负荷设备多是基于微处理器的敏感性控制设备,它们对电能质量的要求越来越高。电能质量的指标若偏离正常水平过大,会给发电、输变电和用电带来不同程度的危害,对用电企业造成重大经济损失,因此对于企业,建立网络化的电能质量监控系统具有重大意义。
随着电能质量问题的日益突出,如何科学合理地对电能质量进行评估,越来越受到电能质量工作者的关注。电能质量是一个多指标的综合体,而传统的电能质量评估仅仅依据国家标准单纯地判断各单项指标是否合格,并不能够反映电能质量的整体情况。
目前,国内外的电能质量评估方法主要集中在以下几个方面:基于模糊数学方法、基于概率统计特征值方法、层次分析法、人工神经网络法和基于遗传投影寻踪等方法。如专利“一种电能质量综合评估的方法”[申请号:CN201110445808.7,公开号:CN101750561A],公开了一种运用灰色关联系数矩阵的TOPSIS法对电能质量综合评估的方法,通过AHP法与熵权法确定主客观权重,利用TOPSIS法的决策矩阵,最终由贴进度获得电能质量等级。该方法存在不同程度的人为主观因素,计算相对较复杂。另外一篇专利“电能质量综合评估归一化处理方法”[专利申请号:CN201110051283.9,公开号:CN102339355A],公开了一种电能质量综合评估归一化处理的方法,根据实际测量计算得到的电能的各项单项指标的归一化处理,得到各项评估系数,然后与权值计算,最后结合电能质量得分情况对照表,判定电能质量的总体情况。该方法也存在不同程度的人为主观因素,评估结果具有一定的不确定性。
本发明提出一种企业用户侧基于脉冲耦合神经网络(PCNN)模型的电能质量评价系统。在该系统中,PCNN被国际上称为第三代人工神经网络,以其更接近生物机制优越性,被广泛地应用在图像处理、决策优化、模式识别等等方面。
发明内容
本发明的目的是提出一种企业用户侧基于PCNN模型的电能质量评估系统及方法,能够简化处理过程,客观、准确地评估电能质量。
本发明的系统采用的技术方案如下:
用于企业用户侧的电能质量评估系统,包括电能监测仪、通讯网络和用户电能质量监管平台,所述电能监测仪设置在企业用电入户端以及企业内部各配网点;所述电能监测仪测量的数据通过通讯网络接入用户电能质量监管平台;所述用户电能质量监管平台对各监测点传输来的测量数据采用PCNN模型进行电能质量等级评估。
所述PCNN模型的单个神经元模型由接收域、调制部分和脉冲产生部分三者组成,所述接受域接收来自其它神经元与外部的输入,所述脉冲产生部分由阈值可变的比较器与脉冲产生器组成。
本发明的评估方法包括下列步骤:
(1)完成电能监测数据的采集与传输;
(2)对电能指标建立电能质量等级,对单指标分级标准进行单位数量级归一化处理;
(3)利用均匀随机数在各级指标变化区间[a*(i,j),b*(i,j)]x(k,j)内内插随机产生的100个指标样本值x(k,j),相应的标准等级值y(k)=i;
(4)设初始连接部分的连接权和阈值均为0,VL为连接幅度系数,取值1,Ykl(n-1)为神经元x(k,j)点火与否的信息,计算反馈输入与连接输入通道;
(5)计算反馈输入和连接输入经过调制部分的作用产生神经元x(k,j)的内部活动项;
(6)判断脉冲是否产生,当Yij(n)=1时则神经元x(k,j)点火(激活),则输出评价等级值。
本发明将PCNN模型应用于电能质量评估系统,克服电能质量评价这一类评价指标与电能质量等级之间复杂的非线性关系的问题,做到评估过程无需人为赋权,实现评估过程的客观性。并且该方法通过脉冲输出从而调阈值,应用动态阈值来确定电能质量的等级,该方法比传统的BP模型简化了权值的训练,模型更加简便,直观,用于电能质量评价是一种新的思路。
附图说明
图1为本发明电能质量评估系统结构图;
图2为本发明PCNN电能质量评估方法框图;
图3为PCNN单个神经元的模型。
具体实施方式
为了使本发明的内容更容易被清楚的理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明。
实施例1
本发明提出的一种企业用户侧基于PCNN模型的电能质量评估系统,该结构图如图1所示,在企业用电入户端建立电能检测仪103,用来检测供电公司的电能质量,电能检测仪104用于在企业内部各配网点检测电能数据,用于检测企业使用电力电子设备之后电能质量受到的影响。然后将这些数据通过internat102,经过Internet网传输给用户电能质量监测平台101。电能检测仪每20ms刷新一次数据,传输至检测平台。在该平台接受到传输来的各点测量数据,对其进行电能质量等级评估。
系统电能质量评估方法如图2所示,具体包括以下步骤:
步骤201完成电能检测数据的采集与传输。
步骤202建立电能质量等级,对单指标分级标准进行单位数量级归一化处理。
根据国标或国际公认定义的要求,本发明所考虑的评估指标体系包括电压质量、频率质量、供电可靠性、服务性指标四个方面,其中电压质量又包括电压暂降、电压偏差、三相不平衡、波动、闪变和谐波共6项指标。此外还有频率偏差、供电可靠性以及需求侧服务共9项指标。同时,按照国标或国际公认定义的规定范围将电能各项指标均分为5级,分别称为优、良、中、合格和不合格。
PCNN的单个神经元模型由接收域、调制部分和脉冲产生部分三者组成,结构见图3。
接受域:接受域接收到输入后,将其通过两条通道传输。其中,一条通道称为L通道(式(1)),另一通道称为F通道(式(2))。
式中:Wkj与Mkj为突触联接权;与为时间常数;Jj与Ij为输入常量;Yk(t)为神经元点火与否的信息。
调制部分:调制部分将来自L通道的信号Li加上一个正的偏移量后与来自F通道的信号Fi进行相乘调制,见式(3),模型中偏移量归整为1。
Uj=Fj(1+βjLj), (3)
式中:Uj为相乘调制得到的信号;βj为联结强度。
脉冲产生部分:由阈值可变的比较器与脉冲产生器组成。当脉冲产生器打开时,其发放脉冲的频率是衡定的。当神经元输出一个脉冲,神经元的阈值就通过反馈迅速得到提高。当神经元的阈值θj超过Uj时,脉冲产生器就被关掉,停止发放脉冲。接着,阈值就开始指数下降,当阈值低于Uj时,脉冲产生器被打开,神经元就被点火,即处于激活状态,输出一个脉冲或脉冲序列。
Yj=Step(Uj-θj), (5)
式中:与分别为阈值的幅度系数与时间常数;Yj为若神经元每次点火时,只输出一个脉冲,则脉冲产生部分的比较器与脉冲产生器可由一阶跃函数来代替下的输出。
步骤202:对电能质量等级和单指标分级标准单位数量级归一化处理。设电能质量等级和单指标分级标准为{[a(i,j),b(i,j)],i=1,2…5,j=1,2…9},其中a(i,j),b(i,j)分别为第i级电能质量等级第j个评价指标变化区间的上限值和下限值,i、j分别为电能质量标准的等级数目和评价指标数目。为消除各上下限值的量纲和统一各限制的变化范围,可采用下式进行归一化处理,将其置于(0,1)区间:
a*(i,j)=[a(i,j)-amin(j)]/[amax(j)-amin(j)]
b*(i,j)=[b(i,j)-bmin(j)]/[bmax(j)-bmin(j)] (6)
步骤203:利用均匀随机数在各级指标变化区间[a*(i,j),b*(i,j)],x(k,j)内插随机产生的100个指标样本值x(k,j),相应的标准等级值y(k)=i。这样就得到了电能质量评价标准样本系列{x(i,j),y(k),k=1,2…nk,j=1,2…9},其中nk为样本容量。在步骤1中上下限值已经进行了归一化处理,因此评价标准系列不必再进行归一化处理。
步骤204:设初始连接部分的连接权和阈值均为0,VL为连接幅度系数,取值1,Ykl(n-1)为神经元x(k,j)点火与否的信息。采用F通道计算:
反馈输入 Fij(n)=x(k,j); (7)
连接输入
步骤205:调制部分。反馈输入和连接输入经过调制部分的作用产生神经元x(k,j)的内部活动项:
Uij(n)=Fij(n)(1+βLij(n)), (9)
式中:β为连接强度取值0.01,神经元x(k,j)的脉冲生成器根据内部活动项Uij(n)的一个阶跃函数产生二值输出,并根据神经元x(k,j)点火(激活)与否的状态自动调整阈值θij的大小。如果神经元x(k,j)点火,则对θij进行调整:
θij(n)=e-αθθij(n-1)+VθYij(n-1), (10)
式中:αθ为时间衰减常量;Vθ为阈值常量。
步骤206:脉冲产生部分。
在该简化模型中,活动阈值θkj代表评价指标的标准,运行模型进行评价只需考虑阈值的情况,用阈值控制模型的输入等级。当Yij(n)=1时则神经元x(k,j)点火(激活),则输出评价等级值。利用PCNN模型对步骤202样本进行逐一分类,可得到相对应的等级。将电能检测仪的实测数据输入PCNN模型,便可得到基于PCNN模型的电能质量评价结果。
Claims (3)
1.用于企业用户侧的电能质量评估方法,其实现的系统包括电能监测仪、通讯网络和用户电能质量监管平台,其特征在于,电能监测仪设置在企业用电入户端以及企业内部各配网点;所述电能监测仪测量的数据通过通讯网络接入用户电能质量监管平台;所述用户电能质量监管平台对各监测点传输来的测量数据采用PCNN模型进行电能质量等级评估;具体包括下列步骤:
(1)完成电能监测数据的采集与传输;
(2)对电能指标建立电能质量等级,对单指标分级标准进行单位数量级归一化处理;设电能质量等级和单指标分级标准为{[a(g,p),b(g,p)],g=1,2…5,p=1,2…9},其中a(g,p),b(g,p)分别为第g级电能质量等级第p个评价指标变化区间的上限值和下限值,g、p分别为电能质量标准的等级数目和评价指标数目;为消除各上下限值的量纲和统一各限制的变化范围,采用下式进行归一化处理,将其置于(0,1)区间:
(3)利用均匀随机数在各级指标变化区间[a*(g,p),b*(g,p)]内插入随机产生的100个指标样本值s(m,p),m为样本容量,相应的标准等级值y(m)=g;
(4)设初始连接部分的连接权和阈值均为0,V为连接幅度系数,取值1,Yk(n-1)为第k个神经元x(k,p)在n-1次迭代时刻脉冲输出信息,采用F通道计算反馈输入与连接输入通道:反馈输入为Fgp(n)=x(k,p),连接输入为其中Wgp,k为耦合连接域的连接矩阵;
(5)计算反馈输入和连接输入经过调制部分的作用产生神经元x(k,p)的内部活动项:Ugp(n)=Fgp(n)(1+βLgp(n)),式中:β为连接强度取值0.01;
(6)判断脉冲是否产生,当神经元x(k,p)表示的点火信息Ygp(n)=1时该神经元点火,则输出评价等级值。
2.根据权利要求1所述的用于企业用户侧的电能质量评估方法,其特征在于,所述PCNN模型的单个神经元模型由接收域、调制部分和脉冲产生部分三者组成,所述接收域接收来自其它神经元与外部的输入,所述脉冲产生部分由阈值可变的比较器与脉冲产生器组成。
3.根据权利要求1所述的用于企业用户侧的电能质量评估方法,其特征在于,所述电能指标包括电压质量指标、频率质量指标、供电可靠性指标和服务性指标,其中电压质量指标包括电压暂降、电压偏差、三相不平衡、波动、闪变、谐波、频率偏差、供电可靠性以及需求侧服务共9项指标;所述电能质量等级按照国标或国际公认定义的规定范围分为5级:优、良、中、合格和不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310146198.XA CN103235993B (zh) | 2013-04-24 | 2013-04-24 | 用于企业用户侧的电能质量评估系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310146198.XA CN103235993B (zh) | 2013-04-24 | 2013-04-24 | 用于企业用户侧的电能质量评估系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103235993A CN103235993A (zh) | 2013-08-07 |
CN103235993B true CN103235993B (zh) | 2017-06-06 |
Family
ID=48884032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310146198.XA Expired - Fee Related CN103235993B (zh) | 2013-04-24 | 2013-04-24 | 用于企业用户侧的电能质量评估系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103235993B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930976B (zh) * | 2016-04-28 | 2020-01-24 | 华北电力大学 | 基于加权理想点法的节点电压暂降严重程度综合评估方法 |
CN106097144A (zh) * | 2016-06-16 | 2016-11-09 | 深圳供电局有限公司 | 一种基于层次分析法的谐波综合评估方法及系统 |
CN106485595A (zh) * | 2016-09-22 | 2017-03-08 | 天津大学 | 基于Fisher法的光伏并网系统稳态电能质量评估方法 |
CN108226664A (zh) * | 2016-12-16 | 2018-06-29 | 中国矿业大学 | 一种用户侧电能质量综合评估系统和方法 |
CN110991780A (zh) * | 2019-01-23 | 2020-04-10 | 国网浙江省电力有限公司 | 一种基于有序加权平均算子的电能质量评价方法 |
CN110334952A (zh) * | 2019-07-05 | 2019-10-15 | 广西电力职业技术学院 | 一种基于改进灰色关联度的配电网规划后评价方法 |
CN111242420B (zh) * | 2019-12-30 | 2023-11-28 | 湖南大学 | 一种综合性能多维度评估方法 |
CN114971128A (zh) * | 2021-12-31 | 2022-08-30 | 中国矿业大学 | 一种基于盲数和改进未确知测度的电能质量综合评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7265564B2 (en) * | 2004-09-27 | 2007-09-04 | Infineon Technologies Ag | Method for testing a contact region of a semiconductor module |
CN101726678A (zh) * | 2008-10-30 | 2010-06-09 | 华北电力科学研究院有限责任公司 | 一种电能质量评估系统和方法 |
CN101750561A (zh) * | 2010-01-08 | 2010-06-23 | 江苏大学 | 一种电能质量监控评估系统 |
CN102521652A (zh) * | 2012-01-10 | 2012-06-27 | 武汉大学 | 一种电网运营效率评价决策方法 |
-
2013
- 2013-04-24 CN CN201310146198.XA patent/CN103235993B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7265564B2 (en) * | 2004-09-27 | 2007-09-04 | Infineon Technologies Ag | Method for testing a contact region of a semiconductor module |
CN101726678A (zh) * | 2008-10-30 | 2010-06-09 | 华北电力科学研究院有限责任公司 | 一种电能质量评估系统和方法 |
CN101750561A (zh) * | 2010-01-08 | 2010-06-23 | 江苏大学 | 一种电能质量监控评估系统 |
CN102521652A (zh) * | 2012-01-10 | 2012-06-27 | 武汉大学 | 一种电网运营效率评价决策方法 |
Non-Patent Citations (1)
Title |
---|
PCNN 的原理及其应用;顾晓东等;《电路与系统学报》;20010930;第6卷(第3期);第45-50页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103235993A (zh) | 2013-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103235993B (zh) | 用于企业用户侧的电能质量评估系统及其方法 | |
CN101750561B (zh) | 一种电能质量监控评估系统 | |
CN104408562B (zh) | 一种基于bp神经网络的光伏系统发电效率综合评估方法 | |
CN109670675B (zh) | 充电桩运行状态评价方法及装置 | |
CN102394496B (zh) | 一种分布式发电系统和微电网的电能质量综合评估方法 | |
CN106529696A (zh) | 一种电网中设备预警方法及预警装置 | |
CN110045317B (zh) | 一种互感器计量误差在线检测方法及系统 | |
CN103293415A (zh) | 一种基于神经网络专家系统的微逆变器故障检测方法 | |
CN101726678A (zh) | 一种电能质量评估系统和方法 | |
CN107451402A (zh) | 一种基于告警数据分析的设备健康度评估方法及装置 | |
CN104280612B (zh) | 一种基于单频电流传输特性的分布式谐波源辨识方法 | |
CN103324840A (zh) | 一种电力需求侧用电质量综合评估方法 | |
CN104218570A (zh) | 一种电能计量装置整体计量误差的在线评估方法和系统 | |
CN103166812A (zh) | 电力通信系统可靠性测定方法 | |
CN103839108A (zh) | 工业企业供配电网节能评估系统和评估方法 | |
CN107222323A (zh) | 一种电力光传输网运行质量评估方法 | |
CN104504280A (zh) | 考虑规划需求的电动汽车充电桩集群管理系统通信方式综合评价方法 | |
CN103837764A (zh) | 家用太阳能光伏发电的电能质量评估系统及方法 | |
CN102087311B (zh) | 一种提高电力互感器测量精度的方法 | |
CN105471110A (zh) | 一种电力系统类噪声信号的低频振荡模式分层检测方法 | |
CN111077806A (zh) | 一种用于移动机器人的电量管理系统 | |
CN106339813A (zh) | 一种基于支持概率距离的电能质量综合评估方法 | |
CN104598969A (zh) | 一种基于神经网络的高压电器运行质量评估方法及系统 | |
CN206932065U (zh) | 一种电力网络监控系统 | |
CN210222808U (zh) | 一种基于自适应pnn的电能质量综合评估装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170606 Termination date: 20190424 |
|
CF01 | Termination of patent right due to non-payment of annual fee |