CN103605016A - 一种电能质量数据处理方法和装置 - Google Patents
一种电能质量数据处理方法和装置 Download PDFInfo
- Publication number
- CN103605016A CN103605016A CN201310530458.3A CN201310530458A CN103605016A CN 103605016 A CN103605016 A CN 103605016A CN 201310530458 A CN201310530458 A CN 201310530458A CN 103605016 A CN103605016 A CN 103605016A
- Authority
- CN
- China
- Prior art keywords
- matrix
- power quality
- data
- row
- abnormal
- 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.)
- Granted
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电能质量数据的处理方法和装置，属于供电技术领域，所述方法包括：采集电能质量参数，根据所述电能质量参数获得矩阵M，所述矩阵M的列元素由同一时刻采集的电能质量参数的数据构成，所述矩阵M的行元素由同一种电能质量参数在不同时刻采集的数据构成；根据扰动事件波形典型异常库所存储的电能质量参数判断所述矩阵M是否为异常扰动事件波形数据，将所述异常扰动事件波形数据剔除；利用剔除后的电能质量参数对电能质量进行分析。应用本发明，可以有效降低电能异常质量数据的影响，提高获取电能质量数据的准确性。
Description
技术领域
本发明涉及供电技术领域，特别涉及一种电能质量数据处理方法和装置。
背景技术
电能质量（Power Quality）从普遍意义上讲是指优质供电，包括电压质量、电流质量、供电质量和用电质量。其可以定义为：导致用户设备故障或不能正常工作的电压、电流或频率的偏差，其内容包括频率偏差、电压偏差、电压波动与闪变、三相不平衡、暂时或瞬态过电压、波形畸变、电压暂降、中断、暂升以及供电连续性等。
近年来，随着中国的工业化和电力电子技术的发展，越来越多的非线性、冲击性负荷投入电网使得供电系统电能质量问题愈加严重，与此同时，微处理控制器、自动化生产线、精密制造等对电能质量敏感的用户也在不断增加，电能质量问题成为供电技术领域的一个重要研究方向。
一般来说，解决电能质量问题包括三个步骤：1.获取电能质量数据；2.对电能质量数据进行深度分析和电能质量评估；3.依据电能质量评估结果有针对性地解决存在的电能质量问题。
在解决电能质量问题的过程中电能质量数据的准确性极其重要。当电网发生暂态事件或者设备异常时，采集电能质量数据的监测设备会采集到与实际明显不符的数据，称为异常数据。若电能质量数据中有异常数据，则依据其分析和评估的结果不能准确反映电网中实际存在的电能质量问题，进而导致依据其分析和评估结果无法有效解决存在的电能质量问题。
因此，需要本领域技术人员迫切解决的问题是如何降低电能异常质量数据的影响，提高获取电能质量数据的准确性，以便有效解决存在的电能质量问题。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种电能质量数据处理方法和装置，能够降低电能异常质量数据的影响，提高获取电能质量数据的准确性。所述技术方案如下：
第一方面，提供了一种电能质量数据处理方法，所述方法包括：
采集电能质量参数，
根据所述电能质量参数获得矩阵M，所述矩阵M的列元素由同一时刻采集的电能质量参数的数据构成，所述矩阵M的行元素由同一种电能质量参数在不同时刻采集的数据构成；
根据扰动事件波形典型异常库所存储的电能质量参数判断所述矩阵M是否为异常扰动事件波形数据，
将所述异常扰动事件波形数据剔除；
利用剔除后的电能质量参数第电能质量进行分析。
本发明还提供一种电能质量数据处理装置，所述装置包括：
采集单元，用于采集电能质量参数；
第一获取单元，用于根据所述电能质量参数获得矩阵M，所述矩阵M的列元素由同一时刻采集的电能质量参数的数据构成，所述矩阵M的行元素由同一种电能质量参数在不同时刻采集的数据构成；
第一判断单元，用于根据扰动事件波形典型异常库所存储的电能质量参数判断所述第一获取单元获取的矩阵M是否为异常扰动事件波形数据，
处理模块，用于将所述异常扰动事件波形数据剔除以及利用剔除后的电能质量参数第电能质量进行分析。
本发明提供的技术方案带来的有益效果是：
通过把监测设备采集的电能质量数据转换为矩阵，使电能质量数据条理清晰，不易混淆，便于分析人员处理。由于矩阵是计算机处理大规模数据的基础，因此将监测设备采集的数据转换成矩阵M也便于计算机读取和处理。进一步地，通过舍弃判定为异常扰动事件波形数据的矩阵M，可以有效清除所采集的电能质量数据中的异常数据，大幅提高电网电能质量分析的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种电能质量数据处理方法流程图；
图2是本发明实施例二提供的一种电能质量数据处理方法流程图；
图3是本发明实施例二提供的从扰动事件波形典型异常库中提取的典型异常扰动事件波形；
图4是本发明实施例二提供的通过典型异常扰动事件波形获取的特征波形。
图5是本发明实施例三提供的一种电能质量数据处理装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本实施例提供了一种电能质量数据处理方法，参见图1，本实施例提供的方法流程具体如下：
S101，采集电能质量参数。
S102，根据所述电能质量参数获得矩阵M，所述矩阵M的列元素由同一时刻采集的电能质量参数的数据构成，所述矩阵M的行元素由同一种电能质量参数在不同时刻采集的数据构成。
按照电能质量国家标准及IEC（International Electrotechnical Commission，国际电工委员会）、IEEE（Institute of Electrical and Electronics Engineers，电气和电子工程师协会）相关标准，电网电能质量数据主要包括电压偏差、频率偏差、谐波、间谐波、电压三相不平衡度、闪变等几项电能质量参数指标，同时为了全面分析电能质量，还会在监测时将电流、功率、功率因数等参数也一并记录。
监测设备同时采集多个电能质量参数的数据，连续采集若干次，即获得多个电能质量参数的稳态序列。所述多个稳态序列中序号相同的数据是同时采集的。
数据处理人员或设备会将获得的多个电能质量参数的稳态序列组成一个矩阵M。所述矩阵M的行对应一种电能质量参数，行元素是监测设备在不同时刻采集的一种电能质量参数数据；所述矩阵M的列对应监测设备采集数据的时刻，列元素是监测设备在同一时刻采集的多种电能质量参数数据。
S103，根据扰动事件波形典型异常库所存储的电能质量参数判断所述矩阵M是否为异常扰动事件波形数据。
在本发明实施例中，通过对比所述M矩阵和预置的典型异常扰动事件波形数据判断所述矩阵M是否为扰动事件波形数据。具体地，扰动事件波形典型异常库中预先存放着各种典型异常扰动事件波形数据，采用基于S变换的方法对矩阵M和扰动事件波形典型异常库中典型异常扰动事件波形数据进行对比，得到相似度。然后判断所述相似度是否超出合理的范围，若是，则认为所述矩阵M也属于异常扰动事件波形数据并舍弃所述矩阵M。
S104，将所述异常扰动事件波形数据剔除。对于判断为异常扰动事件波形数据的矩阵M，将其舍弃。
特别地，本领域技术人员可以多次重复执行S102、S103、S104，实现剔除更多的异常扰动事件波形数据。
S105，利用剔除后的电能质量参数对电能质量进行分析。
本实施例提供了一种有效处理电能质量数据的方法。通过把监测设备采集的电能质量数据转换为矩阵，使电能质量数据条理清晰，不易混淆，便于分析人员处理。由于矩阵是计算机处理大规模数据的基础，因此将监测设备采集的数据转换成矩阵M也便于计算机读取和处理。进一步地，通过舍弃判定为异常扰动事件波形数据的矩阵M，可以有效清除所采集的电能质量数据中的异常数据，大幅提高电网电能质量分析的准确性。
实施例二
本实施例提供了一种电能质量数据处理方法，参见图2，本实施例提供的方法流程具体如下：
S201，采集电能质量参数。
S202，根据所述电能质量参数取得矩阵M，所述矩阵M的列元素由同一时刻采集的电能质量参数的数据构成，所述矩阵M的行元素由同一种电能质量参数在不同时刻采集的数据构成。
S203，剔除所述矩阵M中的异常最值数据。
最值数据是指矩阵M行元素中的最大值和最小值。正常的电能质量数据应该处在一个合理的范围内，超出合理范围的数据就属于范围异常数据。一般地，最大值、最小值超出合理范围的机率最大，因此成为初步筛选和剔除对象。
剔除矩阵M中的异常最值数据，具体包括：
获取所述矩阵M每一行对应的第一系数和第二系数；
计算所述矩阵M每一行的最大值元素、最小值元素和平均值；
依次判断所述矩阵M每一行的最大值元素是否大于当前行平均值和对应第一系数的乘积，
若是，则删除所述最大值元素所在的列；
依次判断所述矩阵M每一行最小值元素是否小于当前行平均值和对应第二系数的乘积，
若是，则删除所述最小值元素所在的列。
其中，所述第一系数和第二系数的作用是对最值数据合理取值范围的大小进行调整，使分析人员可以根据当前电网的实际状况筛选异常最值数据；所述第一系数和第二系数的值可由本领域技术人员根据当前电网的实际状况结合经验给出，其取值范围一般在0到10之间，例如第一系数等于2，第二系数等于0.5。
所述矩阵M中的最大值、最小值通常由电网负载过大引起，若最大值和/或最小值超出合理范围，例如，若所述最大值大于当前行平均值与第一系数乘积，则说明对应时刻电网的负载超出了正常范围，该时刻采集的电能质量数据属于异常数据，不能作为电能质量问题的分析依据。本步骤通过删除超出合理范围的最大值和/或最小值所在的列，可以有效剔除因电网负载过大而产生的异常电能质量数据。
可选地，本实施例提供的处理方法还可以包括：
S204，判断所述矩阵M是否异常，若是则舍弃所述矩阵M返回S202，若否则执行下一步。
正常情况下，电能质量参数的值应该是小幅波动得，若波动程度超过合理的范围，则认为该电能质量参数数据异常。对矩阵M而言，若某一行元素的波动程度超过合理的范围，则认为所述矩阵M异常，返回S101重新获取新的矩阵M，若矩阵M全部行序列的波动程度都在合理的范围内，则执行下一步。
判断所述矩阵M是否异常，具体包括：
获取所述矩阵M每一行对应的第三系数；
计算所述矩阵M每一行的标准差和平均值；
依次判断所述矩阵M每一行的标准差是否大于当前行的平均值和对应第三系数的乘积，若是，则所述矩阵M异常。
其中，所述第三系数的作用是对判定所述矩阵M是否异常的条件进行调整，其值可由本领域技术人员根据当前电网的实际状况结合经验给出。
在统计学中，标准差与平均值的差通常用来表示抽样的离散程度，若标准差与平均值的差超出一定的范围，则可以认为抽样样本无效。对所述矩阵M而言，若所述矩阵M某一行的标准差大于当前行的平均值和对应第三系数的乘积，就可以认为本次电能质量数据的采集属于无效抽样，所述矩阵M异常，应该被舍弃。本步骤通过标准差和平均值判断所述矩阵是否异常，如果异常则舍弃所述矩阵M，可以有效删除因无效抽样产生的异常数据。
可选地，本实施例提供的处理方法还可以包括：
S205，剔除所述矩阵M中的变化率异常数据，具体包括:
计算所述矩阵M中每个元素相对于该元素所在行的相邻元素的变化率r，所述变化率
其中v(k)是目标元素，v(k-1)，v(k-2)，v(k-3)与v(k)处于同一行，v(k-1)是目标元素前第一个元素，v(k-2)是目标元素前第二个元素，v(k-3)是目标元素前第三个元素；特别地，对于行序列中的前3个元素，变化率
其中v(k+1)是目标元素后第一个元素，v(k+2)是目标元素后第二个元素，v(k+3)是目标元素后第三个元素；
获取所述矩阵M中每个元素所在行对应的第四系数；
依次判断所述矩阵M中每个元素的变化率r是否大于对应的第四系数，若是，则删除当前元素所在的列。
其中，所述第四系数的作用是设置变化率r的正常范围，若变化率r超过这个范围则认为对应的元素异常；所述第四系数的值可由本领域技术人员根据当前电网的实际状况结合经验给出。
矩阵M中元素相对于该元素所在行的相邻元素的变化率的表示该元素相对于相邻元素的变化幅度。若元素的变化率超出一定范围，就可以认为该元素对应的时刻电网发生了突变，此时采集的电能质量数据属于异常数据。通过本步骤可以有效剔除电网因突变而产生的异常数据。
特别地，变化率代表了某个点偏离正常趋势的程度，本步骤给出的变化率
是一种优选的计算方法，经过长期实践证明这种计算变化率的方法能够更有效地找出变化率异常的数据。公知的计算变化率的方法有很多，比如前一个数减去后一个。
可选地，本实施例提供的处理方法还可以包括：
S206，剔除所述矩阵M中的范围异常数据。
正常的电能质量数据应该处在一个合理的范围内，超出合理范围的数据就属于范围异常数据。
剔除所述矩阵M中的范围异常数据，具体包括:
获取所述矩阵M每一行对应电能质量参数的基准值、下限系数和上限系数；
计算所述基准值和下限系数的乘积作为对应电能质量参数取值范围的下限；
计算所述基准值和上限系数的乘积作为对应电能质量参数取值范围的上限；
依次判断所述矩阵M中的每个元素是否在对应的取值范围内，若否，则删除当前元素所在的列。
其中，所述电能质量参数的基准值是电网电能质量参数的理想值，例如我国规定的工业用电电压为380V，频率为50HZ；通常情况下电网电能质量参数的值会在一个取值范围内波动，所述下限系数和上限系数就是用来对电能质量参数的取值范围进行调整，使分析人员可以根据当前电网的实际状况筛选范围异常数据；所述下限系数和上限系数的值通常由本领域技术人员根据当前电网的实际状况结合经验给出。
正常的电能质量数据应该处在一个合理的范围内，超出合理范围的数据就属于范围异常数据。通过本步骤可以有效剔除电能质量数据中的范围异常数据。
可选地，本实施例提供的处理方法还可以包括：
S207，按照不同种类电能质量参数的物理关系，对矩阵M中的数据进行校验，剔除校验不合格的异常数据，具体包括：
若所述矩阵M中第i行对应的电能质量参数P与其他t行对应的电能质量参数Q通过物理公式P＝f(Q1,Q2,...Qt)关联，例如单相视在功率Sa和单项电压Ua、单项电流Ia通过物理公式Sa=Ua*Ia关联，则：
获取所述第i行对应的第七系数，所述第七系数的值可由本领域技术人员根据当前电网的实际状况结合经验给出；
针对所述M矩阵中第i行，依次计算该行第j列元素Mi,j的校验数据
其中Qtj为所述其他t行的第j列元素；其中，t是大于0且小于n的整数；
计算Mi,j与
的差的绝对值X；
判断所述绝对值X是否大于所述第七系数，若是，则删除所述第j列。
不同种类电能质量参数之间存在物理上的关联关系，例如功率等于电压和电流的乘积。同一时刻采集的电能质量数据应该满足这种关联关系，若不满足就可以认为这一时刻采集的电能质量数据异常，应当剔除。通过本步骤，可以有效剔除这种不满足物理关联关系的异常数据。
S208，根据扰动事件波形典型异常库所存储的电能质量参数判断所述矩阵M是否为异常扰动事件波形数据。
判断所述矩阵M是否为异常扰动事件波形数据，具体包括：
从扰动事件波形典型异常库中获取特征矩阵D，所述特征矩阵D与所述矩阵M的行数和列数相同；具体地，图3示出了从扰动事件波形典型异常库中提取的典型异常扰动事件波形，对图3的波形进行采样得到典型异常扰动事件波形数据（矩阵），然后对典型异常扰动事件波形数据（矩阵）进行S变换，得到特征波形图4，对图形进行采样后得到特征矩阵D；
计算所述矩阵M与所述特征矩阵D的相似度S，所述相似度
其中Mi,j是所述矩阵M中第i行第j列的元素，Di,j是所述矩阵D中第i行第j列的元素；其中，m是所述矩阵M行的个数，n是所述矩阵M列的个数，i是大于0且小于m+1的整数，j是大于0且小于n+1的整数；
获取相似度限值，所述相似度极限值的值可由本领域技术人员根据当前电网的实际状况结合经验给出；
判断所述相似度S是否大于相似度限值，若是，则所述矩阵M是异常扰动事件波形数据。
S209，将所述异常扰动事件波形数据剔除。
进一步地，还可以将所述异常扰动事件波形数据放入扰动事件波形典型异常库。
进一步地，本领域技术人员可以多次重复执行S202至S209，实现剔除更多的异常扰动事件波形数据。
S210,利用剔除后的电能质量参数对电能质量进行分析。
本实施例中，第一系数、第二系数、第三系数、第四系数、下限系数、上限系数、基准值、第七系数和相似度极限值等对异常数据的剔除起到严格筛选的作用，本领域技术人员实施本发明时可以结合电网的实际状况对其进行修改或微调，使获得的最终数据更为准确。
实施例三
本实施例提供了一种电能质量数据处理装置300，参见图5，本实施例提供的处理装置具体包括：
采集单元301，用于采集电能质量参数；
第一获取单元302，用于根据所述采集单元采集的电能质量参数获得矩阵M，所述矩阵M的列元素由同一时刻采集的电能质量参数的数据构成，所述矩阵M的行元素由同一种电能质量参数在不同时刻采集的数据构成；
第一判断单元303，用于根据扰动事件波形典型异常库所存储的电能质量参数判断所述第一获取单元获取的矩阵M是否为异常扰动事件波形数据，
处理模块304，用于将所述异常扰动事件波形数据剔除，以及利用剔除后的电能质量参数第电能质量进行分析。
本实施例提供了一种有效处理电能质量数据的装置。通过第一获取单元获取监测设备采集的电能质量数据并将其转换为矩阵，使电能质量数据条理清晰，不易混淆，便于分析人员处理。由于矩阵是计算机处理大规模数据的基础，因此第一获取单元将监测设备采集的数据转换成矩阵M也便于计算机读取和处理。进一步地，第一判断单元通过并舍判定为扰动事件波形数据的矩阵M，可以有效清除所采集的电能质量数据中的异常数据，大幅提高电网电能质量分析的准确性。
实施例四
本实施例提供了一种电能质量数据处理装置400，本实施例提供的处理装置具体包括：
采集单元401，用于采集电能质量参数。
第一获取单元402，用于根据所述采集单元采集的电能质量参数获得矩阵M，所述矩阵M的列元素由同一时刻采集的电能质量参数的数据构成，所述矩阵M的行元素由同一种电能质量参数在不同时刻采集的数据构成。
第二获取单元403，用于获取所述第一获取单元获取的矩阵M每一行对应的第一系数和第二系数。
第一计算单元404，用于计算所述第一获取单元获取的矩阵M每一行的最大值元素、最小值元素和平均值。
第二判断单元405，用于依次判断所述第一单元获取的矩阵M每一行的最大值元素是否大于当前行平均值和对应第一系数的乘积，
若是，则删除所述最大值元素所在的列。
第三判断单元406，用于依次判断所述第一单元获取的矩阵M每一行最小值元素是否小于当前行平均值和对应第二系数的乘积，
若是，则删除所述最小值元素所在的列。
可选地，本实施例提供的处理装置还可以包括：
第三获取单元407，用于进一步获取所述矩阵M每一行对应的第三系数；
第二计算单元408，用于进一步计算所述矩阵M每一行的标准差和平均值；
第四判断单元409，用于依次判断所述矩阵M每一行的标准差是否大于所述第二计算单元计算的当前行的平均值和所述第三获取单元获取的对应第三系数的乘积，若大于，则舍弃所述矩阵M并通过第一获取单元重新获取矩阵M。
可选地，本实施例提供的处理装置还可以包括：
第三计算单元410，用于进一步计算所述矩阵M中每个元素相对于该元素所在行的相邻元素的变化率；
第四获取单元411，用于进一步获取所述矩阵M中每个元素所在行对应的第四系数；
第五判断单元412，用于依次判断所述第三计算单元计算的矩阵M中每个元素的变化率是否大于所述第四获取单元获取的对应第四系数，若是，则删除当前元素所在的列。
可选地，本实施例提供的处理装置还可以包括：
第五获取单元413，用于进一步获取所述矩阵M每一行对应电能质量参数的取值范围；具体地，所述第五获取单元用于：
获取所述矩阵M每一行对应电能质量参数的基准值、下限系数和上限系数；
计算所述获取的基准值和下限系数的乘积作为对应电能质量参数取值范围的下限；
计算所述获取的基准值和上限系数的乘积作为对应电能质量参数取值范围的上限。
第六判断单元415，用于依次判断所述矩阵M中的每个元素是否在所述第五获取单元获取的对应取值范围内，若否，则删除当前元素所在的列。
可选地，本实施例提供的处理装置还包括：
第六获取单元416，用于判断，若所述第一获取单元获取的矩阵M中第i行对应的电能质量参数P与其他t行对应的电能质量参数Q通过公式F关联，即P＝f(Q1,Q2,...Qt)，则获取所述第i行对应的第七系数；
第四计算单元417，用于针对所述矩阵M中第i行，依次计算该行第j列元素Mi,j的校验数据
第五计算单元418，用于计算矩阵M的元素Mi,j与所述第四计算单元计算的对应
的差的绝对值X；
第七判断单元419，用于判断所述第五计算单元计算的绝对值X是否大于所述第六获取单元获取的第七系数，若是，则删除所述第j列。
第一判断单元420，用于根据扰动事件波形典型异常库所存储的电能质量参数判断所述第一获取单元获取的矩阵M是否为异常扰动事件波形数据；具体地，所述第一判断单元用于：
从扰动事件波形典型异常库中获取特征矩阵D，所述特征矩阵D与所述矩阵M的行数和列数相同；
计算所述矩阵M与所述特征矩阵D的相似度S，所述相似度
其中Mi,j是所述矩阵M中第i行第j列的元素，Di,j是所述矩阵D中第i行第j列的元素；
获取相似度限值；
判断所述计算的相似度S是否大于所述获取的相似度限值，若是，则所述矩阵M是异常扰动事件波形数据。
可选地，所述第一判断单元还用于：将判断为扰动时间波形数据的矩阵M放入扰动事件波形典型异常库。
处理模块421，用于将所述异常扰动事件波形数据剔除，以及利用剔除后的电能质量参数第电能质量进行分析。
需要说明的是：上述实施例提供的电能质量数据处理装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的电能数据处理装置与电能数据处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
本发明实施例中的全部或部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种电能质量数据处理方法，其特征在于，所述方法包括：
采集电能质量参数，
根据所述电能质量参数获得矩阵M，所述矩阵M的列元素由同一时刻采集的电能质量参数的数据构成，所述矩阵M的行元素由同一种电能质量参数在不同时刻采集的数据构成；根据扰动事件波形典型异常库所存储的电能质量参数判断所述矩阵M是否为异常扰动事件波形数据，
将所述异常扰动事件波形数据剔除；
利用剔除后的电能质量参数对电能质量进行分析。
2.如权利要求1所述的方法，其特征在于，所述判断所述矩阵M是否为异常扰动事件波形数据，具体包括：
从扰动事件波形典型异常库中获取特征矩阵D，所述特征矩阵D与所述矩阵M的行数和列数相同；
计算所述矩阵M与所述特征矩阵D的相似度S，所述相似度
其中Mi,j是所述矩阵M中第i行第j列的元素，Di,j是所述矩阵D中第i行第j列的元素；其中，m是所述矩阵M行的个数，n是所述矩阵M列的个数，i是大于0且小于m+1的整数，j是大于0且小于n+1的整数；
获取相似度限值；
判断所述相似度S是否大于相似度限值，若是，则所述矩阵M是异常扰动事件波形数据。
3.如权利要求2所述的方法，其特征在于，所述判断所述相似度S是否大于相似度限值，若是，则所述矩阵M是异常扰动事件波形数据之后，还包括：
将所述矩阵M放入扰动事件波形典型异常库。
4.如权利要求1所述的方法，其特征在于，所述步骤A和步骤B之间还包括：
获取所述矩阵M每一行对应的第一系数和第二系数；
计算所述矩阵M每一行的最大值元素、最小值元素和平均值；
依次判断所述矩阵M每一行的最大值元素是否大于当前行平均值和对应第一系数的乘积，
若是，则删除所述最大值元素所在的列；
依次判断所述矩阵M每一行最小值元素是否小于当前行平均值和对应第二系数的乘积，
若是，则删除所述最小值元素所在的列。
5.如权利要求1所述的方法，其特征在于，所述步骤A和步骤B之间还包括：
若所述矩阵M中第i行对应的电能质量参数P与其他t行对应的电能质量参数Q通过公式F关联，即P＝f(Q1,Q2,...Qt)，则：
获取所述第i行对应的第七系数；
针对所述M矩阵中第i行，依次计算该行第j列元素Mi，j的校验数据
计算Mi,j与
的差的绝对值X；
判断所述绝对值X是否大于所述第七系数，若是，则删除所述第j列。
6.一种电能质量数据处理装置，其特征在于，所述装置包括：
采集单元，用于采集电能质量参数；
第一获取单元，用于根据所述电能质量参数获得矩阵M，所述矩阵M的列元素由同一时刻采集的电能质量参数的数据构成，所述矩阵M的行元素由同一种电能质量参数在不同时刻采集的数据构成；
第一判断单元，用于根据扰动事件波形典型异常库所存储的电能质量参数判断所述第一获取单元获取的矩阵M是否为异常扰动事件波形数据，
处理模块，用于将所述异常扰动事件波形数据剔除，以及利用剔除后的电能质量参数第电能质量进行分析。
7.如权利要求6所述的装置，其特征在于，所述第一判断单元，具体还用于：
从扰动事件波形典型异常库中获取特征矩阵D，所述特征矩阵D与所述矩阵M的行数和列数相同；
计算所述第一获取单元获取的矩阵M与所述特征矩阵D的相似度S，所述相似度其中Mi,j是所述矩阵M中第i行第j列的元素，Di,j是所述矩阵D中第i行第j列的元素；其中，m是所述矩阵M行的个数，n是所述矩阵M列的个数，i是大于0且小于m+1的整数，j是大于0且小于n+1的整数；
获取相似度限值；
判断所述计算的相似度S是否大于所述获取的相似度限值，若是，则所述矩阵M是异常扰动事件波形数据。
8.如权利要求7所述的装置，其特征在于，所述第一判断单元还用于：
将判断为扰动时间波形数据的矩阵M放入扰动事件波形典型异常库。
9.如权利要求6所述的装置，其特征在于，所述装置还包括：
第二获取单元，用于获取所述第一获取单元获取的矩阵M每一行对应的第一系数和第二系数；
第一计算单元，用于计算所述第一获取单元获取的矩阵M每一行的最大值元素、最小值元素和平均值；
第二判断单元，用于依次判断所述第一单元获取的矩阵M每一行的最大值元素是否大于当前行平均值和对应第一系数的乘积，
若是，则删除所述最大值元素所在的列；
第三判断单元，用于依次判断所述第一单元获取的矩阵M每一行最小值元素是否小于当前行平均值和对应第二系数的乘积，
若是，则删除所述最小值元素所在的列。
10.如权利要求6所述的装置，其特征在于，所述装置还包括：
第三获取单元，用于获取所述第一获取单元获取的矩阵M每一行对应的第三系数；
第二计算单元，用于计算所述第一获取单元获取的矩阵M每一行的标准差和平均值；
第四判断单元，用于依次判断所述第一获取单元获取的矩阵M每一行的标准差是否大于所述第二计算单元计算的当前行的平均值和所述第三获取单元获取的对应第三系数的乘积，若大于，则舍弃所述矩阵M并通过第一获取单元重新获取矩阵M。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310530458.3A CN103605016B (zh) | 2013-10-30 | 2013-10-30 | 一种电能质量数据处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310530458.3A CN103605016B (zh) | 2013-10-30 | 2013-10-30 | 一种电能质量数据处理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103605016A true CN103605016A (zh) | 2014-02-26 |
| CN103605016B CN103605016B (zh) | 2016-09-14 |
Family
ID=50123256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310530458.3A Active CN103605016B (zh) | 2013-10-30 | 2013-10-30 | 一种电能质量数据处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103605016B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104280668A (zh) * | 2014-11-05 | 2015-01-14 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法和系统 |
| CN107576888A (zh) * | 2015-03-04 | 2018-01-12 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源的定位系统的定位方法 |
| CN108053095A (zh) * | 2017-11-22 | 2018-05-18 | 全球能源互联网研究院有限公司 | 一种电能质量扰动事件特征提取方法及系统 |
| CN109521305A (zh) * | 2018-12-29 | 2019-03-26 | 广东电网有限责任公司 | 一种电能质量扰动事件可视化方法及装置 |
| CN109636163A (zh) * | 2018-12-03 | 2019-04-16 | 国网北京市电力公司 | 用电异常的确定方法及装置 |
| CN110097238A (zh) * | 2018-01-29 | 2019-08-06 | 全球能源互联网研究院有限公司 | 一种电能质量扰动事件展示方法及系统 |
| CN112485589A (zh) * | 2020-11-17 | 2021-03-12 | 国网安徽省电力有限公司电力科学研究院 | 基于分布式实时数据仓库的台区停电及故障实时感知方法 |
| CN113177597A (zh) * | 2021-04-30 | 2021-07-27 | 平安国际融资租赁有限公司 | 模型训练数据确定方法、检测模型训练方法、装置及设备 |
| CN113240261A (zh) * | 2021-05-07 | 2021-08-10 | 杭州巨奥能源科技有限公司 | 一种区域电能质量监测分析系统 |
| CN116184100A (zh) * | 2023-04-27 | 2023-05-30 | 广东电网有限责任公司 | 一种电网电能质量的校准方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4428068A (en) * | 1980-11-13 | 1984-01-24 | Fujitsu Limited | IC with built-in electrical quality control flag |
| CN101267116A (zh) * | 2008-03-20 | 2008-09-17 | 浙江工业大学 | 一种配电网电能质量扰动源自动定位方法 |
| 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 |
| CN101738551A (zh) * | 2009-12-15 | 2010-06-16 | 西南交通大学 | 基于联网的暂态电能质量扰动智能分析方法 |
| JP2011027435A (ja) * | 2009-07-21 | 2011-02-10 | Yokogawa Electric Corp | 電池試験装置 |
| CN102445620A (zh) * | 2011-11-21 | 2012-05-09 | 东北大学 | 一种暂态电能质量检测装置和方法 |
| CN102608441A (zh) * | 2011-01-25 | 2012-07-25 | 华北电力科学研究院有限责任公司 | 基于s变换的sdpqd信号识别方法、设备及系统 |
-
2013
- 2013-10-30 CN CN201310530458.3A patent/CN103605016B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4428068A (en) * | 1980-11-13 | 1984-01-24 | Fujitsu Limited | IC with built-in electrical quality control flag |
| CN101267116A (zh) * | 2008-03-20 | 2008-09-17 | 浙江工业大学 | 一种配电网电能质量扰动源自动定位方法 |
| 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 |
| JP2011027435A (ja) * | 2009-07-21 | 2011-02-10 | Yokogawa Electric Corp | 電池試験装置 |
| CN101738551A (zh) * | 2009-12-15 | 2010-06-16 | 西南交通大学 | 基于联网的暂态电能质量扰动智能分析方法 |
| CN102608441A (zh) * | 2011-01-25 | 2012-07-25 | 华北电力科学研究院有限责任公司 | 基于s变换的sdpqd信号识别方法、设备及系统 |
| CN102445620A (zh) * | 2011-11-21 | 2012-05-09 | 东北大学 | 一种暂态电能质量检测装置和方法 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104280668B (zh) * | 2014-11-05 | 2016-05-11 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法和系统 |
| CN104280668A (zh) * | 2014-11-05 | 2015-01-14 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法和系统 |
| CN107576887B (zh) * | 2015-03-04 | 2020-01-10 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源的定位系统的自动定位方法 |
| CN107576888A (zh) * | 2015-03-04 | 2018-01-12 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源的定位系统的定位方法 |
| CN107576887A (zh) * | 2015-03-04 | 2018-01-12 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源的定位系统的自动定位方法 |
| CN107576888B (zh) * | 2015-03-04 | 2020-01-14 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源的定位系统的定位方法 |
| CN108053095A (zh) * | 2017-11-22 | 2018-05-18 | 全球能源互联网研究院有限公司 | 一种电能质量扰动事件特征提取方法及系统 |
| CN108053095B (zh) * | 2017-11-22 | 2024-03-19 | 全球能源互联网研究院有限公司 | 一种电能质量扰动事件特征提取方法及系统 |
| CN110097238A (zh) * | 2018-01-29 | 2019-08-06 | 全球能源互联网研究院有限公司 | 一种电能质量扰动事件展示方法及系统 |
| CN109636163A (zh) * | 2018-12-03 | 2019-04-16 | 国网北京市电力公司 | 用电异常的确定方法及装置 |
| CN109521305A (zh) * | 2018-12-29 | 2019-03-26 | 广东电网有限责任公司 | 一种电能质量扰动事件可视化方法及装置 |
| CN112485589A (zh) * | 2020-11-17 | 2021-03-12 | 国网安徽省电力有限公司电力科学研究院 | 基于分布式实时数据仓库的台区停电及故障实时感知方法 |
| CN112485589B (zh) * | 2020-11-17 | 2021-11-12 | 国网安徽省电力有限公司电力科学研究院 | 基于分布式实时数据仓库的台区停电及故障实时感知方法 |
| CN113177597A (zh) * | 2021-04-30 | 2021-07-27 | 平安国际融资租赁有限公司 | 模型训练数据确定方法、检测模型训练方法、装置及设备 |
| CN113240261A (zh) * | 2021-05-07 | 2021-08-10 | 杭州巨奥能源科技有限公司 | 一种区域电能质量监测分析系统 |
| CN116184100A (zh) * | 2023-04-27 | 2023-05-30 | 广东电网有限责任公司 | 一种电网电能质量的校准方法及装置 |
| CN116184100B (zh) * | 2023-04-27 | 2023-07-21 | 广东电网有限责任公司 | 一种电网电能质量的校准方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103605016B (zh) | 2016-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103605016A (zh) | 一种电能质量数据处理方法和装置 | |
| CN105429304B (zh) | 对电网的谐波源进行监测的方法 | |
| CN102170124B (zh) | 一种电能质量稳态指标预警方法 | |
| CN105137231B (zh) | 一种电能质量监测方法和系统 | |
| CN102539976B (zh) | 电力多功能录波分析仪 | |
| CN103744396B (zh) | 一种应用于svg、apf协调控制的装置 | |
| CN103995193B (zh) | 数字化变电站全站电能质量在线监测装置 | |
| CN201218822Y (zh) | 电能质量在线监测装置 | |
| CN105048483A (zh) | 含光伏配电网的储能容量配置方法与系统 | |
| CN104764952B (zh) | 一种10kV电压等级的STATCOM检测平台及检测方法 | |
| CN102467556B (zh) | 一种电能质量智能信息系统及方法 | |
| CN102798758B (zh) | 并联电容器组串联电抗率的测量方法和系统 | |
| CN113075474A (zh) | 一种电能测量系统及方法 | |
| WO2024104037A1 (zh) | 基于数学形态学和模式识别的直流电弧检测方法 | |
| KR102056856B1 (ko) | Pmu데이터 및 comtrade형식 데이터를 활용한 계통사고 감시 및 분석방법 | |
| CN102467567A (zh) | 一种用于电能质量的数据采集与计算系统 | |
| CN106291170A (zh) | 面向大容量冲击负荷的tcr型svc动态响应性能试验方法 | |
| CN105006837B (zh) | 基于非线性动力学特性的光伏微网灾变预测方法及装置 | |
| CN111638401A (zh) | 一种电容器在线监测系统及方法 | |
| Li et al. | Research on new characteristics of power quality in distribution network | |
| CN113990057B (zh) | 一种宽频振荡厂站端预警方法、系统、存储介质及服务器 | |
| CN102467614A (zh) | 一种用于电能质量的数据采集与计算方法 | |
| CN110661261B (zh) | 一种用于低频振荡在线分析的pmu数据处理方法及装置 | |
| CN107994586A (zh) | 一种高、低压电网电压动态响应解耦方法 | |
| JP2023545098A (ja) | 高分解能電気測定データ処理 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Co-patentee after: Nanjing Nari-Relays Engineering Technology Co., Ltd. Patentee after: ELECTRIC POWER RESEARCH INSTITUTE, GUANGDONG POWER GRID CO., LTD. Address before: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Co-patentee before: Nanjing Nari-Relays Engineering Technology Co., Ltd. Patentee before: Electrical Power Research Institute of Guangdong Power Grid Corporation |
|
| CP01 | Change in the name or title of a patent holder | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200305 Address after: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Patentee after: Electric Power Research Institute of Guangdong Power Grid Co.,Ltd. Address before: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Co-patentee before: NR ENGINEERING Co.,Ltd. Patentee before: Electric Power Research Institute of Guangdong Power Grid Co.,Ltd. |
|
| TR01 | Transfer of patent right |