CN103617573A - 一种电能质量指标短期趋势性预测方法 - Google Patents

一种电能质量指标短期趋势性预测方法 Download PDF

Info

Publication number
CN103617573A
CN103617573A CN201310685163.3A CN201310685163A CN103617573A CN 103617573 A CN103617573 A CN 103617573A CN 201310685163 A CN201310685163 A CN 201310685163A CN 103617573 A CN103617573 A CN 103617573A
Authority
CN
China
Prior art keywords
quality index
power quality
short
computation period
value
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.)
Pending
Application number
CN201310685163.3A
Other languages
English (en)
Inventor
夏冰
袁蒙
燕翚
叶卫华
张爽
周建丽
黄永宁
田蓓
赵晓东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
China EPRI Science and Technology Co Ltd
Smart Grid Research Institute of SGCC
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
China EPRI Science and Technology Co Ltd
Smart Grid Research Institute of SGCC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd, China EPRI Science and Technology Co Ltd, Smart Grid Research Institute of SGCC filed Critical State Grid Corp of China SGCC
Priority to CN201310685163.3A priority Critical patent/CN103617573A/zh
Publication of CN103617573A publication Critical patent/CN103617573A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种电能质量指标短期趋势性预测方法,所述方法包括以下步骤:确定电能质量指标;计算电能质量指标乖离值;对电能质量指标短期趋势性进行预测。本发明提供的基于随机指标量的电能质量指标短期趋势性预测方法,指标灵敏性好;指标覆盖全面,适用范围广,可移植度高;指标可分周期分级别计算。

Description

一种电能质量指标短期趋势性预测方法
技术领域
本发明涉及一种预测方法,具体涉及一种基于随机指标量的针对高载能行业电能质量指标短期趋势性预测方法。
背景技术
电能质量包含了电压质量、电流质量、供电质量、用电质量四个方面,反应了供电企业向用户供给的电力是否合格。电压质量是指实际电压与理想电压间的偏差,包括幅值、波形、相位等;电流质量是指对用户取用电流提出的恒定频率、波形正弦、相位同步等要求,以保证系统以高功率因数运行;.用电质量是指电流质量和对用电方的责任和义务的要求。电能质量考察的主要指标有频率偏差、电压偏差、电压波动与闪变、三相不平衡、瞬时或暂态过电压、谐波、电压暂降、中断、暂升等。
电力系统是一个非线性动力系统,电能质量指标同时受非线性及不平衡负载与电能质量治理装置的影响,处于波动与平衡之间。高载能行业是指能源成本在产品产值中所占比重较高的行业,如钢铁冶金、石油化工、水泥建材等行业。典型高载能负荷如大容量变流设备、电弧炉、铁合金炉、电石炉等非线性负载,是公用电网主要的电能质量干扰源。随着国民经济工业化程度迅速提高,高载能负荷在全网负荷所占比例越来越高,对公用电网电能质量的干扰越来越大,同时,电力用户对电网电能质量的要求也越来越高。因此,需要电能质量的科学评价体系和准确的电能质量指标计算方法来制定经济、合理的电能质量综合治理方案。
发明内容
为了克服上述现有技术的不足,本发明提供一种基于随机指标量的电能质量指标短期趋势性预测方法,指标灵敏性好;指标覆盖全面,适用范围广,可移植度高;指标可分周期分级别计算。
为了实现上述发明目的,本发明采取如下技术方案:
本发明提供一种电能质量指标短期趋势性预测方法,所述方法包括以下步骤:
步骤1:确定电能质量指标;
步骤2:计算电能质量指标乖离值;
步骤3:对电能质量指标短期趋势性进行预测。
所述步骤1中的电能质量指标包括供电电压偏差、频率偏差、电压波动、短时间闪变值、电压总谐波畸变率、电流总谐波畸变率、各次谐波电压含有率、各次谐波电流含有率和三相电压不平衡度。
所述供电电压偏差的计算周期不低于0.2s;所述频率偏差的计算周期不低于1s;所述电压波动、短时间闪变值和三相电压不平衡度的计算周期均不低于1min;所述电压总谐波畸变率、电流总谐波畸变率、各次谐波电压含有率和各次谐波电流含有率的计算周期均不低于3s。
所述步骤2包括以下步骤:
步骤2-1:计算所述电能质量指标在任计算周期内的原始随机值RSVn0;有
RSV n 0 = 100 C t - L n H n - L n - - - ( 1 )
其中,Ct为电能质量指标在计算周期内的算术平均值,Ln为电能质量指标在计算周期内的最小值,Hn为电能质量指标在计算周期内的最大值;
步骤2-2:计算原始随机值RSVn0在计算周期内经过平滑处理的移动平均值Vk;有
V k = S 1 V k i 0 + S 2 RSV n 0 - - - ( 2 )
其中,S1和S2为计算平滑因子,
Figure BDA0000437322680000023
为原始随机值RSVn0在首个计算周期内经过平滑处理的移动平均值;
步骤2-3:计算移动平均值Vk在计算周期内经过平滑处理的移动平均值Vd;有
V d = S 1 V d i 0 + S 2 V k i 0 - - - ( 3 )
其中,
Figure BDA0000437322680000025
为移动平均值Vk在首个计算周期内经过平滑处理的移动平均值;
步骤2-4:计算电能质量指标乖离值Vj;有
Vj=3Vd-2Vk  (4)。
所述步骤3中,通过对电能质量指标短期趋势性划分等级,实现对电能质量指标短期趋势性预测;
电能质量指标短期趋势性划分为以下四个等级:
A)Ⅰ级:电能质量指标乖离值Vj∈(0,20),电能质量为高安全区;
B)Ⅱ级:电能质量指标乖离值Vj∈(20,50),电能质量为安全区;
C)Ⅲ级:电能质量指标乖离值Vj∈(50,80),电能质量为危险区;
D)Ⅳ级:电能质量指标乖离值Vj∈(80,100),电能质量为高危险区。
与现有技术相比,本发明的有益效果在于:
1、本发明提出的电能指标计算方法,采用了对原始随机量的平滑处理方法,针对电能质量指标的短期趋势性预测结果具有较高灵敏度,可在较短时间内跟随系统指标变化,指标跟随性好。
2、本发明提出的电能指标计算方法,适应范围广,覆盖了主要的短期电能质量指标,包含了供电电压偏差、电压波动和闪变、三相电压不平衡、公用电网谐波、公用电网间谐波等指标。
3、本发明提出的基于随机指标量的电能质量短期趋势性预测方法,采用了多重判据判断,预测结果可靠性高。
4、本发明提出的基于随机指标量的电能质量短期趋势性预测方法,能够根据监测周期级别的不同对不同级别的电能质量趋势性变化进行独立性预测,可靠性高。附图说明
图1是基于随机指标量的电能质量指标短期趋势性预测方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1,本发明提供了一种基于随机指标量的电能质量指标短期趋势性预测方法,随机指标量法是根据统计学的原理,通过计算某电能质量指标在一个特定的周期内出现过的最高值、最低值及最后一个计算周期的算术平均值及这三者之间的比例关系,来计算最后一个计算周期的原始随机值RSVn0,然后根据平滑移动平均线的方法来求解Vk、Vd与Vj,对电能质量短期趋势做出预警判断。
本发明提供的电能质量指标短期趋势性预测方法包括以下步骤:
步骤1:确定电能质量指标;
步骤2:计算电能质量指标乖离值;
步骤3:对电能质量指标短期趋势性进行预测。
所述步骤1中的电能质量指标包括供电电压偏差、频率偏差、电压波动、短时间闪变值、电压总谐波畸变率、电流总谐波畸变率、各次谐波电压含有率、各次谐波电流含有率和三相电压不平衡度。
所述供电电压偏差的计算周期不低于0.2s;所述频率偏差的计算周期不低于1s;所述电压波动、短时间闪变值和三相电压不平衡度的计算周期均不低于1min;所述电压总谐波畸变率、电流总谐波畸变率、各次谐波电压含有率和各次谐波电流含有率的计算周期均不低于3s。
所述步骤2包括以下步骤:
步骤2-1:计算所述电能质量指标在任计算周期内的原始随机值RSVn0;有
RSV n 0 = 100 C t - L n H n - L n - - - ( 1 )
其中,Ct为电能质量指标在计算周期内的算术平均值,Ln为电能质量指标在计算周期内的最小值,Hn为电能质量指标在计算周期内的最大值;
步骤2-2:计算原始随机值RSVn0在计算周期内经过平滑处理的移动平均值Vk;有
V k = S 1 V k i 0 + S 2 RSV n 0 - - - ( 2 )
其中,S1和S2为计算平滑因子,
Figure BDA0000437322680000043
为原始随机值RSVn0在首个计算周期内经过平滑处理的移动平均值;
步骤2-3:计算移动平均值Vk在计算周期内经过平滑处理的移动平均值Vd;有
V d = S 1 V d i 0 + S 2 V k i 0 - - - ( 3 )
其中,
Figure BDA0000437322680000045
为移动平均值Vk在首个计算周期内经过平滑处理的移动平均值;
步骤2-4:计算电能质量指标乖离值Vj;有
Vj=3Vd-2Vk  (4)。
所述步骤3中,通过对电能质量指标短期趋势性划分等级,实现对电能质量指标短期趋势性预测;
电能质量指标短期趋势性划分为以下四个等级:
E)Ⅰ级:电能质量指标乖离值Vj∈(0,20),电能质量为高安全区;
F)Ⅱ级:电能质量指标乖离值Vj∈(20,50),电能质量为安全区;
G)Ⅲ级:电能质量指标乖离值Vj∈(50,80),电能质量为危险区;
H)Ⅳ级:电能质量指标乖离值Vj∈(80,100),电能质量为高危险区。
当Vj指标曲线向上穿过Vk指标曲线后,则电能质量指标存在变坏的可能;当Vj指标曲线继续向上穿过Vd指标曲线后,则电能质量指标短期变坏的趋势确定,需尽快做出应对措施。
当Vj指标曲线向下运行穿过Vd指标曲线后,则电能质量指标存在变好的可能,Vd指标曲线向下运行且Vk指标曲线也向下运行时,该电能质量指标短期变好的趋势确定。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种电能质量指标短期趋势性预测方法,其特征在于:所述方法包括以下步骤:
步骤1:确定电能质量指标;
步骤2:计算电能质量指标乖离值;
步骤3:对电能质量指标短期趋势性进行预测。
2.根据权利要求1所述的电能质量指标短期趋势性预测方法,其特征在于:所述步骤1中的电能质量指标包括供电电压偏差、频率偏差、电压波动、短时间闪变值、电压总谐波畸变率、电流总谐波畸变率、各次谐波电压含有率、各次谐波电流含有率和三相电压不平衡度。
3.根据权利要求2所述的电能质量指标短期趋势性预测方法,其特征在于:所述供电电压偏差的计算周期不低于0.2s;所述频率偏差的计算周期不低于1s;所述电压波动、短时间闪变值和三相电压不平衡度的计算周期均不低于1min;所述电压总谐波畸变率、电流总谐波畸变率、各次谐波电压含有率和各次谐波电流含有率的计算周期均不低于3s。
4.根据权利要求1所述的电能质量指标短期趋势性预测方法,其特征在于:所述步骤2包括以下步骤:
步骤2-1:计算所述电能质量指标在任计算周期内的原始随机值RSVn0;有
RSV n 0 = 100 C t - L n H n - L n - - - ( 1 )
其中,Ct为电能质量指标在计算周期内的算术平均值,Ln为电能质量指标在计算周期内的最小值,Hn为电能质量指标在计算周期内的最大值;
步骤2-2:计算原始随机值RSVn0在计算周期内经过平滑处理的移动平均值Vk;有
V k = S 1 V k i 0 + S 2 RSV n 0 - - - ( 2 )
其中,S1和S2为计算平滑因子,
Figure FDA0000437322670000013
为原始随机值RSVn0在首个计算周期内经过平滑处理的移动平均值;
步骤2-3:计算移动平均值Vk在计算周期内经过平滑处理的移动平均值Vd;有
V d = S 1 V d i 0 + S 2 V k i 0 - - - ( 3 )
其中,
Figure FDA0000437322670000015
为移动平均值Vk在首个计算周期内经过平滑处理的移动平均值;
步骤2-4:计算电能质量指标乖离值Vj;有
Vj=3Vd-2Vk   (4)。
5.根据权利要求4所述的电能质量指标短期趋势性预测方法,其特征在于:所述步骤3中,通过对电能质量指标短期趋势性划分等级,实现对电能质量指标短期趋势性预测;
电能质量指标短期趋势性划分为以下四个等级:
A)Ⅰ级:电能质量指标乖离值Vj∈(0,20),电能质量为高安全区;
B)Ⅱ级:电能质量指标乖离值Vj∈(20,50),电能质量为安全区;
C)Ⅲ级:电能质量指标乖离值Vj∈(50,80),电能质量为危险区;
D)Ⅳ级:电能质量指标乖离值Vj∈(80,100),电能质量为高危险区。
CN201310685163.3A 2013-12-13 2013-12-13 一种电能质量指标短期趋势性预测方法 Pending CN103617573A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310685163.3A CN103617573A (zh) 2013-12-13 2013-12-13 一种电能质量指标短期趋势性预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310685163.3A CN103617573A (zh) 2013-12-13 2013-12-13 一种电能质量指标短期趋势性预测方法

Publications (1)

Publication Number Publication Date
CN103617573A true CN103617573A (zh) 2014-03-05

Family

ID=50168277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310685163.3A Pending CN103617573A (zh) 2013-12-13 2013-12-13 一种电能质量指标短期趋势性预测方法

Country Status (1)

Country Link
CN (1) CN103617573A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572512A (zh) * 2016-02-01 2016-05-11 上海海事大学 港口电网电能质量监测系统的指标分级显示方法
CN110942197A (zh) * 2019-11-27 2020-03-31 赵永生 一种智能型供电可靠性指标分级预测方法
CN111027830A (zh) * 2019-11-27 2020-04-17 赵永生 一种基于机器学习的供电可靠性指标分级预测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235981A (zh) * 2013-04-10 2013-08-07 东南大学 一种风电电能质量趋势预测方法
CN103414189A (zh) * 2013-08-30 2013-11-27 华北电力大学 基于多种预测算法的电能质量稳态指标预警方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235981A (zh) * 2013-04-10 2013-08-07 东南大学 一种风电电能质量趋势预测方法
CN103414189A (zh) * 2013-08-30 2013-11-27 华北电力大学 基于多种预测算法的电能质量稳态指标预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘可等: "青海电网数字化在线监测平台短期电能质量预测功能应用与分析", 《科技信息》 *
王明涛: "《证券投资分析》", 30 June 2004, 上海财经大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572512A (zh) * 2016-02-01 2016-05-11 上海海事大学 港口电网电能质量监测系统的指标分级显示方法
CN105572512B (zh) * 2016-02-01 2018-03-30 上海海事大学 港口电网电能质量监测系统的指标分级显示方法
CN110942197A (zh) * 2019-11-27 2020-03-31 赵永生 一种智能型供电可靠性指标分级预测方法
CN111027830A (zh) * 2019-11-27 2020-04-17 赵永生 一种基于机器学习的供电可靠性指标分级预测方法

Similar Documents

Publication Publication Date Title
Brka et al. Predictive power management strategies for stand-alone hydrogen systems: Operational impact
JP6075116B2 (ja) 需給制御装置
CN103617573A (zh) 一种电能质量指标短期趋势性预测方法
US10599175B1 (en) Time synchronized frequency and voltage regulation of electric power balancing areas
CN103390253A (zh) 一种电网节能降损增量能效测评方法
CN104333012A (zh) 一种多馈入柔性直流输电无功功率控制方法及装置
CN107528344A (zh) 一种光储一体化发电装置并网运行控制方法及系统
Kus et al. Harmonic currents generated by the voltage-source active rectifier
Hong et al. A heuristic and algorithmic approach to VAR planning
Samet et al. A comparison between SVC and STATCOM in flicker mitigation of electric arc furnace using practical recorded data
CN103997241A (zh) 一种基于h桥模块的多电平变换器电容电压均压方法
CN103633648B (zh) 一种电能质量指标中长期趋势性预测方法
Sasidharan et al. A resilient DC community grid with real time ancillary services management
Khoshkhoo et al. An efficient power control scheme for electric arc furnaces using online estimation of flexible cable inductance
JP5476848B2 (ja) 太陽光発電量予測方法および実負荷予測方法、並びに配電系統制御システム
Zhao et al. Two-stage day-ahead and intra-day scheduling considering electric arc furnace control and wind power modal decomposition
CN104022510B (zh) 快速准确检测指令信号的电能质量调节方法
US20130173190A1 (en) Methods and systems for estimating charge capacity of an electrical energy-storage device
Lozynskyy et al. Computer modelling of electric arc furnace electrode position control system
Plieva et al. Development of an electrical energy device for technological machines
Skamyin et al. Determination of the grid impedance in power consumption modes with harmonics
JP6474017B2 (ja) 電力系統における周波数制御方法及び周波数制御システム
Yu et al. An on-line generation dispatching algorithm to improve small signal stability
RU2512886C1 (ru) Устройство компенсации высших гармоник и коррекции коэффициента мощности сети
Liu et al. Improved continuation power flow method for AC/DC power system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Applicant after: State Grid Corporation of China

Applicant after: Electric Power Research Institute, State Grid Ningxia Electric Power Company

Applicant after: State Grid Smart Grid Institute

Applicant after: China Electric Prime Technology Co., Ltd.

Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Applicant before: State Grid Corporation of China

Applicant before: State Grid Smart Grid Institute

Applicant before: China Electric Prime Technology Co., Ltd.

Applicant before: Electric Power Research Institute, State Grid Ningxia Electric Power Company

RJ01 Rejection of invention patent application after publication

Application publication date: 20140305

RJ01 Rejection of invention patent application after publication