CN103278685A - 一种基于统计数据相关性分析的谐波责任定量划分方法 - Google Patents

Abstract

本发明具体公开了一种基于统计数据相关性分析的谐波责任定量划分方法，它的步骤为：步骤一，数据的采集和预处理，在主要谐波源负荷点安装电能质量监测仪，采集各馈线的电压和电流信号；步骤二，基于时间序列分割法进行数据的选择；步骤三，确定谐波源负荷i对X处的h次谐波责任指标；步骤四，求取谐波责任指标。本方法采用基于统计规律的相关性分析方法，直接从谐波电压和电流的历史实测数据出发，该方法所需要的数据容易采集，用普通的电能质量监测仪即可获取全部数据，本发明可为多谐波源系统中谐波责任的定量划分、谐波的治理以及谐波的奖惩实施等提供理论依据，具有广阔的应用前景和良好的社会经济效益。

Description

一种基于统计数据相关性分析的谐波责任定量划分方法

技术领域

本发明涉及一种谐波责任划分方法，具体涉及一种基于统计数据相关性分析的谐波责任定量划分方法。

背景技术

电网中存在大量非线性负荷，如电力机车、电弧炉和高压大容量直流输电中的换流器等等，这些非线性负荷会给电网带来谐波问题。区分系统侧和用户侧非线性负荷的谐波发射水平、评估谐波污染责任已引起人们的关注。谐波会降低电网可靠性，增加电网损耗，缩短电气设备的寿命。我国电网的发展方向是建设智能电网，采取合理有效的措施来管理和控制电网中的谐波是智能电网建设中的一项重要任务，而定量划分接入电网中各谐波源用户的谐波责任是实现电能质量智能管理和控制的前提之一。

纵观国内外科技工作者在谐波源辨识领域所做的研究，主要集中于区分谐波源负荷和系统对PCC（Point of Common Coupling公共连接点）处谐波电压畸变水平的影响程度，即对单个谐波源的谐波发射水平进行评估，而研究系统中多谐波源辨识的资料非常少，但在实际电力系统中，PCC处的谐波电压往往是多个谐波源共同作用的结果。对于同一条母线上连接两个或多个谐波源的情况，各谐波源之间会存在互相干扰的问题，其谐波电流可能相互抵消或增强，因此定量确定各谐波源负荷的谐波责任非常重要。

发明内容

为解决现有技术存在的不足，本发明具体公开了一种基于统计数据相关性分析的谐波责任定量划分方法，本发明基于统计数据的相关性分析方法，利用时间序列分割法选择出满足要求的谐波电压和电流的历史实测数据，利用反复加权的最小二乘迭代法求解回归系数，根据回归系数计算出谐波责任指标，进而对多谐波源系统中各谐波源的谐波责任进行定量划分。

为实现上述目的，本发明的具体方案如下：

一种基于统计数据相关性分析的谐波责任定量划分方法，包括如下步骤：

步骤一，数据的采集和预处理，在主要谐波源负荷点安装电能质量监测仪，采集各馈线的电压和电流信号；

步骤二，基于时间序列分割法进行数据的选择；

步骤三，确定谐波源负荷对PCC处的某次谐波责任指标；

步骤四，求取谐波责任指标。

所述步骤一中数据的采集为每3秒钟采集一次，每次采集6个周波，每个周波采集128个点，连续采集一周，对采集到的电压和电流数据进行预处理，去除含有暂态的数据段和有明显噪声的信号。

所述步骤二中数据的选择中某次谐波电流变化波动为5%～10%，对所选择的实测电压和电流数据进行傅里叶分解，得出各变量的基频分量和各次谐波分量。

所述步骤三中谐波源负荷i对X处的h次谐波责任指标定义为：

${\mathrm{HF}}_i^X=\frac{\left|{\stackrel{\→}{V}}_{\mathrm{hiX}}\right|}{\left|{\stackrel{\→}{V}}_{\mathrm{hX}}\right|}\cos \mathrm{\β}$

其中，其中，β为

和

的夹角，

为谐波源负荷i引起PCC点X处的h次谐波电压畸变量，

为PCC点X处的所有谐波源共同作用下的h次谐波电压，HF_i ^X为谐波源负荷i的谐波责任指标。

所述步骤四将中将所选择的实测电压和电流数据进行傅里叶分解得到的各变量的基频分量和各次谐波分量代入公式

求解，计算出以百分比形式表示的谐波源负荷A的谐波责任指标

所述实测电压和电流数据的选择方式是首先找出只有一个谐波源负荷i的谐波电流变化大的时间段，取出满足此要求的时间段的节点电压和电流的数据，在这个时间段内谐波源负荷i注入系统的h次谐波电流变化大而其余的谐波源负荷注入系统的h次谐波电流变化小。

本发明的有益效果：

本方法采用基于统计数据的相关性分析方法，直接从谐波电压和电流的历史实测数据出发，建立二者之间的因果关系，从而实现了谐波源对关注母线的谐波责任定量计算，进而对多谐波源系统中各谐波源的谐波责任进行定量划分；该方法所需要的数据容易采集，用普通的电能质量监测仪即可获取全部数据；另外，国内诸多电力企业和用户相继建设了电能质量监测平台，对电能质量的特征指标进行实时监测，本方法也可基于此类电能质量监测平台，有效地利用电能质量平台提供的监测数据判断出谐波问题的源头，并对源头采取针对性的措施，以改善系统中所出现的电能质量问题，并为谐波的奖惩措施提供依据；总之，本发明可为多谐波源系统中谐波责任的定量划分、谐波的治理以及谐波的奖惩实施等提供理论依据，具有广阔的应用前景和良好的社会经济效益。

附图说明

图1谐波责任划分示意图；

图2谐波电压投影示意图。

具体实施方式：

下面结合附图对本发明进行详细说明：

一种基于统计数据相关性分析的谐波责任定量划分方法，包括如下步骤：

步骤一，数据的采集和预处理，在主要谐波源负荷点安装电能质量监测仪，采集各馈线的电压和电流信号；

步骤二，基于时间序列分割法进行数据的选择；

步骤三，确定谐波源负荷i对PCC点X处的h次谐波责任指标；

步骤四，求取谐波责任指标。

如图1所示，首先假设系统中PCC点X处的电压畸变是由已知的n个谐波源负荷共同作用造成的，数据的采集为每3秒钟采集一次，每次采集6个周波，每个周波采集128个点，首先对采集到的电压和电流数据进行预处理，去除含有暂态的数据段和有明显噪声的信号。

如图2所示，谐波源负荷i对PCC点X处的h次谐波责任指标为谐波源负荷i引起PCC点对X处的h次谐波电压畸变值在PCC点X处的所有谐波源共同作用下的h次谐波电压上的投影。

谐波源负荷i对X处的h次谐波责任指标定义为：

${\mathrm{HF}}_i^X=\frac{\left|{\stackrel{\→}{V}}_{\mathrm{hiX}}\right|}{\left|{\stackrel{\→}{V}}_{\mathrm{hX}}\right|}\cos \mathrm{\β}$

其中，其中，β为

和

的夹角，

为谐波源负荷i引起PCC点X处的h次谐波电压畸变量、

为PCC点X处的所有谐波源共同作用下的h次谐波电压，HF_i ^X为谐波源负荷i的谐波责任指标，n与h均为正整数。

PCC点X处的h次谐波电压计算如下：

其中，I_h1，I_h2，I_h3……I_hn为n个谐波源负荷注入PCC点X的谐波电流，Z_h1，Z_h2，……Z_hn为n个“谐波源负荷”节点的谐波阻抗，I_hi为谐波源负荷i注入PCC点的h次谐波电流，Z_hi为谐波源负荷i处的h次谐波阻抗，V_hiX为由谐波源负荷i在PCC点产生的h次谐波电压，V_hX为PCC点X处的所有谐波源共同作用下的h次谐波电压，E_hX为由其他谐波源负荷产生的h次谐波电压。

如果有两个谐波源负荷比如A和B或更多的负荷同时变化，将会很难确定谐波畸变电压是由哪个谐波源负荷造成的，若能找到一个时间段，只有负荷A变化，而其它的谐波源负荷基本保持不变，在这个时间段内，可以认为E_hX是一个常量，这样就可以评估负荷A的谐波责任，则有：

$\left|V_{\mathrm{hAX}}\right|\cos \mathrm{\β}={\stackrel{\→}{V}}_{\mathrm{hAX}}\·\frac{{\stackrel{\→}{V}}_{\mathrm{hX}}}{\left|{\stackrel{\→}{V}}_{\mathrm{hX}}\right|}=\frac{{\stackrel{\→}{V}}_{\mathrm{hAX}}\·({\stackrel{\→}{V}}_{\mathrm{hAX}}+{\stackrel{\→}{E}}_{\mathrm{hX}})}{\left|V_{\mathrm{hX}}\right|}=\frac{{\left|V_{\mathrm{hAX}}\right|}^2+\left|V_{\mathrm{hAX}}\right|\left|E_{\mathrm{hX}}\right|\cos \left(\mathrm{\α}\right)}{\left|V_{\mathrm{hX}}\right|}$

其中，V_hAX为谐波源负荷A引起的PCC点X处的h次谐波畸变电压，

为V_hAX的矢量表示，

为E_hX的矢量表示，a表示为与

的夹角。

因此，谐波源负荷A的谐波责任指标可用下式表示：

${\mathrm{HF}}_A^X=\frac{{\left|V_{\mathrm{hAX}}\right|}^2+\left|V_{\mathrm{hAX}}\right|\left|E_{\mathrm{hX}}\right|\cos \left(\mathrm{\α}\right)}{{\left|V_{\mathrm{hX}}\right|}^2}\×100\%$

其中，

为谐波源负荷A的谐波责任指标。

应用余弦定理

|V_hAX|²+|E_hX|²+2|V_hAX||E_hX|cos(α)＝|V_hX|²

我们假定随着

的模的增加，

保持不变，则有

(|V_hAX|+Δ|V_hAX|)²+|E_hX|²+2(|V_hAX|+Δ|V_hAX|)|E_hX|cos(α)＝(|V_hX|+Δ|V_hX|)²

其中，(Δ|V_hX|)²为V_hX的模值的增量的二次项，

为V_hAX的模值的增量的二次项，Δ|V_hAX|为V_hAX的模值的增量，Δ|V_hX|为V_hX的模值的增量。

忽略二次项(Δ|V_hX|)²和(Δ|V_hAX|)²,有

$\frac{\mathrm{\Δ}\left|V_{\mathrm{hX}}\right|}{\mathrm{\Δ}\left|V_{\mathrm{hXA}}\right|}=\frac{\left|V_{\mathrm{hXA}}\right|+\left|E_{\mathrm{hX}}\right|\cos \left(\mathrm{\α}\right)}{\left|V_{\mathrm{hX}}\right|}$

对在

上的投影，有

$\left|V_{\mathrm{hAX}}\right|\cos \mathrm{\β}={\stackrel{\→}{V}}_{\mathrm{hAX}}\·\frac{{\stackrel{\→}{V}}_{\mathrm{hX}}}{\left|{\stackrel{\→}{V}}_{\mathrm{hX}}\right|}=\frac{{\stackrel{\→}{V}}_{\mathrm{hAX}}\·({\stackrel{\→}{V}}_{\mathrm{hAX}}+{\stackrel{\→}{E}}_{\mathrm{hX}})}{\left|V_{\mathrm{hX}}\right|}=\frac{{\left|V_{\mathrm{hAX}}\right|}^2+\left|V_{\mathrm{hAX}}\right|\left|E_{\mathrm{hX}}\right|\cos \left(\mathrm{\α}\right)}{\left|V_{\mathrm{hX}}\right|}$

根据上述方程，可得到

${\mathrm{HF}}_A^X=\frac{\left|V_{\mathrm{hXA}}\right|}{\left|V_{\mathrm{hX}}\right|}\·\frac{\mathrm{\Δ}\left|V_{\mathrm{hX}}\right|}{\mathrm{\Δ}\left|V_{\mathrm{hXA}}\right|}\×100\%$

用

代替

则谐波源负荷A的谐波责任指标可以表示为：

${\mathrm{HF}}_A^X=\frac{\left|I_{\mathrm{hA}}\right|}{\left|V_{\mathrm{hX}}\right|}\·\frac{\mathrm{\Δ}\left|V_{\mathrm{hX}}\right|}{\mathrm{\Δ}\left|I_{\mathrm{hA}}\right|}\×100\%$

其中，I_hA为谐波源负荷A的h次谐波电流，

为I_hA的矢量表示，Δ|I_hA|为I_hA的模值增量，Z_hAX为谐波源负荷A的h次谐波阻抗。

即只要测得数据序列I_hA和V_hX，根据上述方程，利用反复加权的最小二乘法就可以计算出谐波源负荷A的谐波责任指标。

根据实际应用中的负荷情况，h次谐波电流变化波动为5%～10%，进行时间序列分割，找出只有一个谐波源负荷i的谐波电流有较大变化的时间段，取出满足此要求的时间段的节点电压和电流的数据，在这个时间段内谐波源负荷i注入系统的h次谐波电流变化较大而其余的谐波源负荷注入系统的h次谐波电流变化较小，对所选择出的时间段的实测电压和电流数据进行傅里叶分解，得出各变量各次谐波分量，代入公式

求解，计算出以百分比形式表示的谐波源负荷A的谐波影响指标

Claims (6)

1.一种基于统计数据相关性分析的谐波责任定量划分方法，其特征是，包括如下步骤：

步骤一，数据的采集和预处理，在主要谐波源负荷点安装电能质量监测仪，采集各馈线的电压和电流信号；

步骤二，基于时间序列分割法进行数据的选择；

步骤三，确定谐波源负荷对PCC处的某次谐波责任指标；

步骤四，求取谐波责任指标。

2.如权利要求1所述的一种基于统计数据相关性分析的谐波责任定量划分方法，其特征是，所述步骤一中数据的采集为每3秒钟采集一次，每次采集6个周波，每个周波采集128个点，连续采集一周，对采集到的电压和电流数据进行预处理，去除含有暂态的数据段和有明显噪声的信号。

3.如权利要求1所述的一种基于统计数据相关性分析的谐波责任定量划分方法，其特征是，所述步骤二中数据的选择中某次谐波电流变化波动为5%～10%，对所选择的实测电压和电流数据进行傅里叶分解，得出各变量的基频分量和各次谐波分量。

4.如权利要求1所述的一种基于统计数据相关性分析的谐波责任定量划分方法，其特征是，所述步骤三中谐波源负荷i对X处的h次谐波责任指标定义为：

${\mathrm{HF}}_i^X=\frac{\left|{\stackrel{\→}{V}}_{\mathrm{hiX}}\right|}{\left|{\stackrel{\→}{V}}_{\mathrm{hX}}\right|}\cos \mathrm{\β}$

其中，其中，β为和

的夹角，

为谐波源负荷i引起PCC点X处的h次谐波电畸变压、

为PCC点X处的所有谐波源共同作用下的h次谐波电压，HF_i ^X为谐波源负荷i的谐波责任指标。

5.如权利要求1所述的一种基于统计数据相关性分析的谐波责任定量划分方法，其特征是，所述步骤四中将所选择的实测电压和电流数据进行傅里叶分解得到的各变量的基频分量和各次谐波分量代入公式

求解，计算出以百分比形式表示的谐波源负荷A的谐波责任指标

6.如权利要求3所述的一种基于统计数据相关性分析的谐波责任定量划分方法，其特征是，所述实测电压和电流数据的选择方式是首先找出只有一个谐波源负荷i的谐波电流变化大的时间段，取出满足此要求的时间段的节点电压和电流的数据，在这个时间段内谐波源负荷i注入系统的h次谐波电流变化大而其余的谐波源负荷注入系统的h次谐波电流变化小。

Images