CN103593461A - 一种基于典型预警事件波形库的扰动源识别方法 - Google Patents

Abstract

本发明公开了一种基于典型预警事件波形库的扰动源识别方法，包括以下步骤：1）建立电能质量预警指标体系；2）数据采集；3）建立离线的典型预警事件波形库；4）提取测试波形的异常数据波段，并进行超标预警分析；5）对异常数据波段进行模式匹配分析；6）识别扰动源。本发明方法利用典型预警事件波形库，对预警结果中出现的各指标异常数据波段进行模式匹配分析，并选择最佳匹配结果作为引起该预警事件的扰动源。

Description

一种基于典型预警事件波形库的扰动源识别方法

技术领域

本发明属于电能质量监控技术领域，涉及一种用于电力系统及电力用户输配电网的电能质量监控方法。

背景技术

电能质量可以简单的定义为：关系到供电、用电系统及设备正常工作（或运行）的电压、电流的各指标偏离规定范围的程度。由此可以看出电能质量的重要性。

目前，对电能质量扰动的研究主要集中在单一和混合扰动，稳态和暂态扰动的检测、识别和定位等方面，而现有对电能质量扰动源的研究只涉及对某一指标，如电压暂降源、谐波源和闪变源等的定位与识别，对具体某一特性类型，包含以上电能质量特性的扰动源识别研究欠缺。随着能源节约型社会的推进，可再生能源发电和轨道交通迎来新一轮大发展，非线性负荷、风电、电气化铁路等将在电网中大量接入，必将加剧电网中的电能质量问题，使得电力事故发生的可能性将逐渐表现为电能质量的不合格所引发。而且，现代工业生产的规模、自动化程度以及对供电可靠性的依赖，任何电力事故造成的经济损失是不可忽视的。所以有必要对电能质量展开深入研究，找到引起电能质量扰动的扰动源，即扰动产生的原因，从而有利于评估区域配电系统电能质量状况，形成电力市场环境下电力部门与用户之间协调纠纷的重要依据，明确电能质量问题责任，对扰动源负荷进行惩罚，并督促其进行针对性治理，提高电能质量，最终为用户提供安全、可靠、清洁的电力能源。由此可见，一种合理可行的电能质量扰动源识别方法，可有效的提高识别结果的准确性和精度，为电网的安全运行提供保障，充分发挥电能质量监控平台的作用。

发明内容

技术问题：本发明针对现有技术的不足，提供一种可使供用电双方了解所属区域电网一段时间内引起母线或线路电能质量恶化的扰动源，提高电网运行可靠性和经济性的基于典型预警事件波形库的扰动源识别方法。

技术方案：本发明的基于典型预警事件波形库的扰动源识别方法，包括下述步骤：

1）建立电能质量预警指标体系；

2）数据采集：从步骤1）中建立的电能质量预警指标体系中选取预警指标，然后采集公共连接点的电能质量预警指标的历史监测数据，以及历史监测数据对应扰动源的运行工况信息，同时采集待测试的电能质量监测点的预警指标测试数据，并将上述采集的数据和信息保存到数据库中；

3）建立离线的典型预警事件波形库：根据步骤2）采集的各扰动源历史监测数据及其对应扰动源运行工况信息，分析各扰动源在不同运行工况下电能质量预警指标监测波形的异常波段及异常波段对应的超标预警事件，从而建立起典型电能质量扰动源的各预警指标与典型运行工况、异常波段和超标预警事件的“对应工况关系表”；

4）提取测试波形的异常数据波段，并进行超标预警分析：根据步骤2）监测得到的测试数据，采用基于高阶统计量的异常检测方法，提取测试波形中的异常数据波段，并对提取的异常数据波段进行超标预警分析；

5）对步骤4）中提取的异常数据波段进行模式匹配分析：根据测试数据的超标预警事件，从步骤3）中建立的典型预警事件波形库中提取相同超标预警事件的一组异常波段，然后基于动态弯曲距离相似度算法，对该组异常波段和步骤4）中提取的测试波形的异常数据波段进行模式匹配分析，得到一组匹配系数；

6）识别扰动源：根据步骤5）计算得到的匹配系数，按大小对所有异常波段进行排序，选取其中匹配系数最大的异常波段，然后将该异常波段对应的运行工况作为最终确定的引起测试数据超标预警事件的扰动源。

本发明步骤1）中，建立电能质量预警指标体系的具体流程为：

分析电网中存在的各扰动源的运行特性，以及各扰动源运行工况变化引起的电能质量变化的特点，结合电能质量标准，筛选出能反映电网电能质量本征问题的预警指标，构成电能质量预警指标体系，电能质量预警指标体系包含以下电能质量指标中的一种或多种：电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡。

本发明步骤2）的具体流程为：

21）从步骤1）中建立的电能质量预警指标体系中选取预警指标；

22）至少连续12个月每天采集公共连接点的各电能质量预警指标历史监测数据，以及历史监测数据对应扰动源的运行工况信息；

同时，根据实际调试需要，选取待测试的电能质量监测点，然后采集选取的电能质量监测点的预警指标测试数据；

23）将步骤22）中采集的各电能质量预警指标历史监测数据，以及历史监测数据对应扰动源的运行工况信息，按照监测日存入到数据库，构成“电能质量预警指标历史监测数据库”；

同时，将步骤22）中采集的测试数据存入到数据库，构成“电能质量预警指标测试数据库”。

本发明步骤3）的具体步骤为：

31）根据步骤2）采集的各扰动源历史监测数据及其对应扰动源运行工况信息，采用基于高阶统计量的异常检测方法，分析各扰动源在不同运行工况下电能质量预警指标监测波形的异常数据波段；

32）根据步骤31）得到的异常数据波段，参考现有电能质量国家标准规定值，对该异常数据波段进行超标预警事件分析；

33）根据步骤31）和32）的分析结果，建立起典型电能质量扰动源的各预警指标与典型运行工况、异常波段和超标预警事件的“对应工况关系表”。

本发明步骤4）中，参考现有电能质量国家标准规定值，对提取的测试波形异常数据波段进行超标预警分析。

有益效果：与现有技术相比，本发明具有以下优点：

（1）有利于提高电能质量预警系统研究的完整性。现有关于电能质量预警的研究主要集中在对监测的异常数据的挖掘和分析上，缺乏对出现的异常扰动原因和诊断结果的解析与处理，不能对异常状况做出相应决策支持，造成电能质量故障得不到及时解决，从而可能故障进一步扩大。该电能质量扰动源识别方法可对超标预警事件的产生原因展开分析，并为电能质量问题明确责任及针对性治理做准备，从而可有效弥补现有预警系统的不足。

（2）有利于提高判别出电能质量扰动源的准确性。该电能质量扰动源识别方法基于典型预警事件波形库，采用动态弯曲距离相似度算法对异常数据波段进行模式匹配分析，从而可准确地判断出扰动源各预警指标的运行工况。

（3）有利于提高区域电网运行的安全可靠性，根据该扰动源识别方法确定的结果，对一段时间引起区域电网的电能质量恶化的原因做出及时可靠的识别。对于供用电双方，可以适时调整自身的运行/生产计划，避免电能质量进一步恶化，提高电网运行的安全可靠性。

附图说明

图1为本发明的流程图。

图2为本发明中建立离线的典型预警事件波形库的链接示意图。

图3为本发明中提取测试波形的异常数据波段，并进行超标预警分析的流程图。

具体实施方式

下面结合附图，对本发明的技术方案做进一步的说明。

本发明的基于典型预警事件波形库的扰动源识别方法，流程如图1所示，具体包括以下步骤。

1）建立电能质量预警指标体系。首先针对电网中存在的典型电能质量扰动源，研究分析其运行特性及其引起的电能质量问题的特点，并从中提取能反映不同电能质量扰动源运行特性的特征指标。以风电为例，其接入电网后，由于其固有的特性会导致风电公共连接点一系列电能质量问题，例如电压波动、闪变和谐波等。在此分析的基础上再结合电能质量标准，筛选出能反映电网电能质量本征问题的预警指标，构成电能质量预警指标体系，指标体系包含以下电能质量指标中的一种或多种：电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡。

上述电能质量标准包括：

GB/T12326-2008《电能质量电压波动和闪变》

GB/T15945-2008《电能质量电力系统频率偏差》

GB/T14549-1993《电能质量公用电网谐波》

GB/T18481-2001《电能质量暂时过电压和瞬态过电压》

GB/T15543-2008《电能质量三相电压不平衡》

GB/T12325-2008《电能质量供电电压偏差》

2）采集已建立电能质量预警指标体系中各电能质量预警指标的历史监测数据和测试数据，以及历史监测数据对应扰动源的运行工况信息。

21）采集公共连接点的历史电能质量预警指标监测数据及其对应扰动源运行工况信息的具体方法为：为保证所采集的电能质量预警指标监测数据能够全面反映电网电能质量问题，从步骤1）中建立的电能质量预警指标体系中选取预警指标，至少连续12个月同步每天进行数据监测及其对应扰动源运行工况信息采集；由于不同类型的电能质量预警指标的采样频率不同，要建立不同电能质量指标的历史数据库，将监测采集的电能质量预警指标监测数据按照监测日分类依次存入到相应的数据库，构成“电能质量预警指标历史监测数据库”。

22）采集公共连接点的测试数据的具体方法为：根据实际调试需要，选取某一待测试的电能质量监测点，采集相关预警指标的测试数据，将其存入到相应的数据库，构成“电能质量预警指标测试数据库”。

3）对步骤2）中采集得到的电能质量预警指标历史监测数据进行异常波段提取，并分析对应超标预警事件，从而建立起典型电能质量扰动源的各预警指标与典型运行工况、异常波段和超标预警事件的“对应工况关系表”。其中：

31）根据步骤2）采集的各扰动源历史监测数据及其对应扰动源运行工况信息，采用基于高阶统计量的异常检测方法，分析各扰动源在不同运行工况下电能质量预警指标监测波形的异常数据波段；

32）根据步骤31）得到的异常数据波段，参考现有电能质量国家标准规定值，对该异常数据波段进行超标预警事件分析；

33）根据步骤31）和32）的分析结果，建立起典型电能质量扰动源的各预警指标与典型运行工况、异常波段和超标预警事件的“对应工况关系表”。

步骤31）中基于高阶统计量的异常检测的具体方法为：

（1）确定滑动窗口的长度W；

（2）滑动窗口从该天第一个数据开始，每滑动一次，窗口就向后移动一个数值。例如对于第j个窗口w^j＝{x(k):k＝j-W+1,j-W+2,...,j}，分别计算统计值偏度g_1,j，g_2,j，以及计算该窗口的平均值u，和标准差σ。其中偏度和峰度的具体计算方法如下：

偏度有多种定义，正态分布以及所有对称分布的偏度都为0，并且广泛采用的计算公式为：

${\mathrm{\γ}}_1=\frac{{\mathrm{\μ}}_3}{{\mathrm{\μ}}_2^{3/2}}=\frac{E{(X-\mathrm{\μ})}^3}{{\left[E{(X-\mathrm{\μ})}^2\right]}^{3/2}}---\left(1\right)$

其中μ为变量X的平均值，μ_i为第i阶中心矩，E(·)为期望。

峰度是描述所有取值分布形态陡缓程度的统计量。正态分布的峰值为3，如果某分布比正态分布更为陡峭，则峰值大于3。峰度的计算公式为：

${\mathrm{\γ}}_2=\frac{{\mathrm{\μ}}_4}{{\mathrm{\μ}}_2^2}=\frac{E{(X-\mathrm{\μ})}^4}{{\left[E{(X-\mathrm{\μ})}^2\right]}^2}---\left(2\right)$

正态分布的峰度经常被标准化为0，这就是所谓的“峰度超越”。峰度如果远大于0，则该分布含有尖峰，数据很可能存在一个异常。

在实际应用中，这两个统计量分别通过计算它们的无偏估计g₁，g₂得到。例如一个长度为N的样本x={x(n):n=1，2，…，N}。

$g_1=\frac{k_3}{k_2^{3/2}}=\frac{N\·\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{(x\left(n\right)-\hat{m})}^3}{(N-1)\·(N-2)\·{\left(\widehat{\mathrm{\σ}}\right)}^3}---\left(3\right)$

$g_2=\frac{k_4}{k_2^2}=\frac{N\·(N+1)\·\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{(x\left(n\right)-\hat{m})}^4}{(N-1)\·(N-2)\·(N-3){\left(\widehat{\mathrm{\σ}}\right)}^4}-\frac{3\·{(N-1)}^2}{(N-2)\·(N-3)}---\left(4\right)$

其中

分别代表x(n)的期望平均值以及标准差。g₁，g₂的期望值分别为0和-6/(N-1)。当分布为正态分布时，g₁，g₂的方差为：

$\mathrm{var}\left(g_1\right)=\frac{6\·N\·(N-1)}{(N-2)\·(N+1)\·(N+3)}---\left(5\right)$

$\mathrm{var}\left(g_2\right)=\frac{24\·N\·{(N-1)}^2}{(N-3)\·(N-2)\·(N+3)\·(N+5)}---\left(6\right)$

（3）利用正态分布的区间估计

当随机变量X处于

的概率大于q，该公式可推导出如下两个区间：

$\{E\left(g_1\right)-\frac{\sqrt{\mathrm{var}\left(g_1\right)}}{\sqrt{a}},E\left(g_1\right)+\frac{\sqrt{\mathrm{var}\left(g_1\right)}}{\sqrt{a}}\},\{E\left(g_2\right)-\frac{\sqrt{\mathrm{var}\left(g_2\right)}}{\sqrt{a}},E\left(g_2\right)+\frac{\sqrt{\mathrm{var}\left(g_2\right)}}{\sqrt{a}}\}.$

其中a=1-q；一般取0.05；当g_,1j,g_2，j分别处于这两个区间时，认为其等于期望值。

（4）重复第2步，滑动到下一个窗口，计算两个统计值，这样就得到所有窗口的统计值。

（5）计算每个窗口的偏度乘以峰度。由于经过第三步后，偏度的期望值为0，所以只要期望值为0，则乘积为0。

（6）设置偏度和峰度乘积阀值t_tum，判断各窗口偏度与峰度乘积是否超过该阀值t_tum，若乘积超标，则记下对应窗口序号；继续计算直到乘积不超标。此时所对应的乘积连续超标窗口内数据即为异常数据波段。

步骤32）中超标预警分析的具体方法为：

（1）参考现有电能质量国家标准规定值，分析各扰动源历史监测数据情况，统计出各指标超过规定值的次数N；

（2）设置超标次数阀值N_TUM1和N_TUM2（本专利只考虑超标预警），其中N_TUM1＞N_TUM2，预警等级判定公式如下：

步骤33）中建立“对应工况关系表”的具体方法为：

（1）设定表示典型扰动源的运行特征工况模式的变量。例如：高铁的运行特征工况模式包括高铁加速、减速、过分相、制动、上下坡、惰行等；风电的运行特征工况模式包括风机脱网、风速急剧变化等；其他类的运行特征工况可考虑用运行工况_1/2/3等代替。

（2）建立工况扰动源表，该表包括“电能质量扰动源预警事件”、“扰动源工况模式”、“工况_扰动源预警事件_ID”三个参数，其中“工况_扰动源预警事件_ID”由“电能质量扰动源预警事件”和“扰动源工况模式”决定。

（3）建立特征工况波形索引表，该表包括“特征波形_ID”和“工况_扰动源预警事件_ID”两个参数，该特征工况波形索引表中“工况_扰动源预警事件_ID”与工况扰动源表中的“工况_扰动源预警事件_ID”保持一致。

（4）建立特征工况波形存储表，该表包括“特征波形_ID”和“异常数据波段”两个参数，特征工况波形存储表的“特征波形_ID”与特征工况波形索引表中“特征波形_ID”保持一致。

（5）根据上述步骤描述建立离线的典型预警事件波形库链接示意图如图2所示。

4）提取测试波形的异常数据波段，并进行超标预警分析：根据步骤2）监测得到的测试数据，采用基于高阶统计量的异常检测方法，提取测试波形中的异常数据波段，并对其进行超标预警分析。具体流程为：

41）针对步骤2）监测得到的测试数据，将其按采样时间点顺序绘制测试波形，然后使用基于高阶统计量的异常检测方法，提取测试波形中的异常数据波段；

42）根据步骤41）得到的异常数据波段，参考现有电能质量国家标准规定值，对该异常数据波段进行超标预警事件分析。

步骤41）和42）中的具体方法分别与步骤31）和32）相同。

5）对步骤4）中提取的异常数据波段进行模式匹配分析：根据测试数据的超标预警事件，从步骤3）中建立的典型预警事件波形库中提取相同超标预警事件的一组异常波段，然后基于动态弯曲距离相似度算法，对该组异常波段和步骤4）中提取的测试波形的异常数据波段进行模式匹配分析，得到一组匹配系数；具体流程为：

51）预警事件匹配：从典型预警事件波形库中，提取与测试数据超标预警事件相同的一组异常数据波段；

52）异常数据波形匹配：基于动态弯曲距离相似度算法，对测试波形的异常数据波段与典型预警事件波形库中的一组异常波段进行模式匹配，并分别计算各异常波段的匹配系数。

步骤52）中动态弯曲距离相似度算法的具体步骤为：

（1）取两数据维数分别为m和n的时间序列T和R，即：T=(t₁，t₂，…，t_n)^T，R=(r₁，r₂，…，r_n)^T，其中T定义为测试时间序列，R定义为样本时间序列。

然后，将它们按照相应的时间序列的位置排序，进而构造时间序列距离矩阵A_m×n，即：

其中，A_m×n中元素

表示时间序列点t_i和r_j之间的欧氏距离。

（2）对于时间序列距离矩阵A_m×n，将每一组相邻元素组成的集合成为弯曲路径，标记为W=(w₁，w₂，…，w_m’)。弯曲路径W中的第k个元素w_k=(a_ij)_k，且此路径满足如下条件，即：

a）有界性：max{m,n}≤k≤m+n-1；

b）临界条件：w₁=a₁₁，w_m=a_mn；

c）连续性与单调性：对于w_k=a_ij，w_k-1=a_i′j′，一定满足0≤i-i′≤1，0≤j-j′≤1。

（3）计算时间序列T与R的最小弯曲路径θ_DTW，用式（9）表示：

$\begin{array}{c}{\mathrm{\&theta;}}_{\mathrm{DTW}}(T,R)=\min \left(\frac{1}{K}\sqrt{\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_k}\right)\\ =\left\{\begin{array}{c}D(<>,<>)=0,\\ D(i,<>)=D(<>,j)=\&infin;\\ D\left(\mathrm{1,1}\right)=a_{11},\\ D(i,j)=a_{\mathrm{ij}}+\min \{D(i-1,j-1),D(i,j-1),D(i-1,j)\}\end{array}\right.\end{array}---\left(9\right)$

式中，i=2，3，…，m；j=2，3，…，n；A_m×n中弯曲路径最小累加值为D(m,n)。

（4）根据步骤（3）计算测试数据与典型预警事件波形库中相同超标预警事件的一组异常波段的动态弯曲距离D(m,n)，再其用式（10）进行变换，s(T，R)表示时间序列T与R之间的变换相似度，即两者的匹配系数，取值范围为[0，100%]，其取值越大说明动态弯曲距离D(m,n)越小，时间序列T与R之间的相似度越大；

$s(T,R)=\frac{10}{10+D(m,n)}\&times;100\%---\left(10\right)$

6）识别扰动源。具体流程为：

根据步骤5）计算得到的匹配系数，按大小对所有异常波段进行排序，选取其中匹配系数最大的异常波段，然后将该异常波段对应的运行工况作为最终确定的引起测试数据超标预警事件的扰动源。

上述实施例不以任何方式限定本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围之内。

Claims (5)

1.一种基于典型预警事件波形库的扰动源识别方法，其特征在于，该方法包括以下步骤：

1）建立电能质量预警指标体系；

2）数据采集：从所述步骤1）中建立的电能质量预警指标体系中选取预警指标，然后采集公共连接点的电能质量预警指标的历史监测数据，以及历史监测数据对应扰动源的运行工况信息，同时采集待测试的电能质量监测点的预警指标测试数据，并将上述采集的数据和信息保存到数据库中；

3）建立离线的典型预警事件波形库：根据步骤2）采集的各扰动源历史监测数据及其对应扰动源运行工况信息，分析各扰动源在不同运行工况下电能质量预警指标监测波形的异常波段及异常波段对应的超标预警事件，从而建立起典型电能质量扰动源的各预警指标与典型运行工况、异常波段和超标预警事件的“对应工况关系表”；

4）提取测试波形的异常数据波段，并进行超标预警分析：根据步骤2）监测得到的测试数据，采用基于高阶统计量的异常检测方法，提取测试波形中的异常数据波段，并对提取的异常数据波段进行超标预警分析；

5）对所述步骤4）中提取的异常数据波段进行模式匹配分析：根据测试数据的超标预警事件，从所述步骤3）中建立的典型预警事件波形库中提取相同超标预警事件的一组异常波段，然后基于动态弯曲距离相似度算法，对该组异常波段和步骤4）中提取的测试波形的异常数据波段进行模式匹配分析，得到一组匹配系数；

6）识别扰动源：根据所述步骤5）计算得到的匹配系数，按大小对所有异常波段进行排序，选取其中匹配系数最大的异常波段，然后将该异常波段对应的运行工况作为最终确定的引起测试数据超标预警事件的扰动源。

2.根据权利要求1中所述的一种基于典型预警事件波形库的扰动源识别方法，其特征在于，所述步骤1）中，建立电能质量预警指标体系的具体流程为：

分析电网中存在的各扰动源的运行特性，以及各扰动源运行工况变化引起的电能质量变化的特点，结合电能质量标准，筛选出能反映电网电能质量本征问题的预警指标，构成电能质量预警指标体系，所述电能质量预警指标体系包含以下电能质量指标中的一种或多种：电压波动、电压闪变、谐波、电压畸变率、电压偏差、电压三相不平衡。

3.根据权利要求1中所述的一种基于典型预警事件波形库的扰动源识别方法，其特征在于，所述步骤2）的具体流程为：

21）从所述步骤1）中建立的电能质量预警指标体系中选取预警指标；

22）至少连续12个月每天采集公共连接点的各电能质量预警指标历史监测数据，以及历史监测数据对应扰动源的运行工况信息；

同时，根据实际调试需要，选取待测试的电能质量监测点，然后采集选取的电能质量监测点的预警指标测试数据；

23）将步骤22）中采集的各电能质量预警指标历史监测数据，以及历史监测数据对应扰动源的运行工况信息，按照监测日存入到数据库，构成“电能质量预警指标历史监测数据库”；

同时，将步骤22）中采集的测试数据存入到数据库，构成“电能质量预警指标测试数据库”。

4.根据权利要求1中所述的一种基于典型预警事件波形库的扰动源识别方法，其特征在于，所述步骤3）具体包括以下步骤：

31）根据步骤2）采集的各扰动源历史监测数据及其对应扰动源运行工况信息，采用基于高阶统计量的异常检测方法，分析各扰动源在不同运行工况下电能质量预警指标监测波形的异常数据波段；

32）根据步骤31）得到的异常数据波段，参考现有电能质量国家标准规定值，对该异常数据波段进行超标预警事件分析；

33）根据所述步骤31）和32）的分析结果，建立起典型电能质量扰动源的各预警指标与典型运行工况、异常波段和超标预警事件的“对应工况关系表”。

5.根据权利要求1中所述的一种基于典型预警事件波形库的扰动源识别方法，其特征在于，所述步骤4）中，参考现有电能质量国家标准规定值，对提取的测试波形中的异常数据波段进行超标预警分析。

Images