CN103633648A - 一种电能质量指标中长期趋势性预测方法 - Google Patents

Abstract

本发明提供一种电能质量指标中长期趋势性预测方法，所述方法包括以下步骤：确定电能质量指标；计算电能质量指标差离值；对电能质量指标中长期趋势性进行预测。本发明提供一种基于指数平滑处理的电能质量指标中长期趋势性预测方法，用于判断中长期电能质量趋势；指标有效性突出，直观性好；电能质量指标覆盖全面，适用范围广，可移植度高；电能质量指标可分周期分级别计算。

Description

一种电能质量指标中长期趋势性预测方法

技术领域

本发明涉及一种预测方法，具体讲涉及一种电能质量指标中长期趋势性预测方法。

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。

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，需要建立科学的电能质量评价体系和准确的电能质量指标预警及预测方法来制定经济、合理的电能质量综合治理方案。

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。传统的电能质量研究领域主要集中在电能质量指标计算及阈值设置方面。

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指数平滑处理的电能质量指标中长期趋势性预测方法，用于判断中长期电能质量趋势；指标有效性突出，直观性好；电能质量指标覆盖全面，适用范围广，可移植度高；电能质量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中长期趋势性预测方法，所述方法包括以下步骤：

步骤1：确定电能质量指标；

步骤2：计算电能质量指标差离值；

步骤3：对电能质量指标中长期趋势性进行预测。

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、长时间闪变值、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。

所述步骤2中，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；所述长时间闪变值的计算周期不低于30min；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3包括以下步骤：

步骤3-1：计算电能质量指标的短期移动平均值和长期移动平均值有

$\left\{\begin{array}{c}{\mathrm{EMA}}_{c_S}=\frac{k_1+(1-\mathrm{\α})k_2+{(1-\mathrm{\α})}^2{k}_3+...+{(1-\mathrm{\α})}^{i-1}{k}_i+...+{(1-\mathrm{\α})}^{c_S-1}{k}_{c_S}}{1+(1-\mathrm{\α})+{(1-\mathrm{\α})}^2+...+{(1-\mathrm{\α})}^{i-1}+...+{(1-\mathrm{\α})}^{c_S}}\\ {\mathrm{EMA}}_{c_L}=\frac{k_1+(1-\mathrm{\α})k_2+{(1-\mathrm{\α})}^2{k}_3+...+{(1-\mathrm{\α})}^{j-1}{k}_j+...+{(1-\mathrm{\α})}^{c_L-1}{k}_{c_L}}{1+(1-\mathrm{\α})+{(1-\mathrm{\α})}^2+...+{(1-\mathrm{\α})}^{j-1}+...+{(1-\mathrm{\α})}^{c_L}}\end{array}\right.---\left(1\right)$

其中，k_i为第i个电能质量指标；α为电能质量指标的平滑系数，α=2/c_i+1；c_i为电能质量指标的监测周期数；i∈[1,c_S]，j∈[1,c_L]；c_S和c_L分别为电能质量指标短期周期数和长期周期数；

步骤3-2：计算短期移动平均值和长期移动平均值

的差值δ、该差值δ在c_M个周期内指数平滑移动平均值EMA_δ及电能质量指标差离值δ_MACD；有

$\left\{\begin{array}{c}\mathrm{\δ}={\mathrm{EMA}}_{c_S}-{\mathrm{EMA}}_{c_L}\\ {\mathrm{EMA}}_{\mathrm{\δ}}=\mathrm{EMA}(\mathrm{\δ},c_M)\\ {\mathrm{\δ}}_{\mathrm{MACD}}=2(\mathrm{\δ}-{\mathrm{EMA}}_{\mathrm{\δ}})\end{array}\right.---\left(2\right)$

其中，c_M为电能质量指标中间周期数。

所述步骤3中，通过对电能质量指标趋势性划分等级，实现对电能质量指标中长期趋势性进行预测；

电能质量指标趋势性划分为以下五个等级：

A)Ⅰ级，电能质量指标为优，差离值δ_MACD位于0轴下，|δ_MACD|_max为极值点，最优；

B)Ⅱ级，电能质量指标为良，差离值δ_MACD位于0轴下，|δ_MACD|_→0为临界点；

C)Ⅲ级，电能质量指标为中，差离值δ_MACD＝0；

D)Ⅳ级，电能质量指标为差，差离值δ_MACD位于0轴上，|δ_MACD|_→0为临界点；

E)Ⅴ级，电能质量指标不合格，差离值δ_MACD位于0轴上，|δ_MACD|_max为极值点，最差。

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，对电能质量指标监测量采用基于指数平滑处理方法，针对电能质量中长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，覆盖了主要的中长期电能质量指标，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、本发明提出的基于指数平滑移动平均量的电能质量中长期趋势性预测方法，采用了多重判据判断，预测结果可靠性高。

4、本发明提出的基于指数平滑移动平均量的电能质量中长期趋势性预测方法，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是电能质量指标中长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，本发明针对高载能行业具有负荷容量大、启停频繁、负荷周期性波动等特性，基于利用电能质量监测数据，提供一种电能质量指标中长期趋势性预测方法，所述方法包括以下步骤：

步骤1：确定电能质量指标；

步骤2：计算电能质量指标差离值；

步骤3：对电能质量指标中长期趋势性进行预测。

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、长时间闪变值、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。

所述步骤2中，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；所述长时间闪变值的计算周期不低于30min；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3包括以下步骤：

步骤3-1：计算电能质量指标的短期移动平均值

和长期移动平均值

有

$\left\{\begin{array}{c}{\mathrm{EMA}}_{c_S}=\frac{k_1+(1-\mathrm{\α})k_2+{(1-\mathrm{\α})}^2{k}_3+...+{(1-\mathrm{\α})}^{i-1}{k}_i+...+{(1-\mathrm{\α})}^{c_S-1}{k}_{c_S}}{1+(1-\mathrm{\α})+{(1-\mathrm{\α})}^2+...+{(1-\mathrm{\α})}^{i-1}+...+{(1-\mathrm{\α})}^{c_S}}\\ {\mathrm{EMA}}_{c_L}=\frac{k_1+(1-\mathrm{\α})k_2+{(1-\mathrm{\α})}^2{k}_3+...+{(1-\mathrm{\α})}^{j-1}{k}_j+...+{(1-\mathrm{\α})}^{c_L-1}{k}_{c_L}}{1+(1-\mathrm{\α})+{(1-\mathrm{\α})}^2+...+{(1-\mathrm{\α})}^{j-1}+...+{(1-\mathrm{\α})}^{c_L}}\end{array}\right.---\left(1\right)$

其中，k_i为第i个电能质量指标；α为电能质量指标的平滑系数，α=2/c_i+1；c_i为电能质量指标的监测周期数；i∈[1,c_S]，j∈[1,c_L]；c_S和c_L分别为电能质量指标短期周期数和长期周期数；

步骤3-2：计算短期移动平均值

和长期移动平均值

的差值δ、该差值δ在c_M个周期内指数平滑移动平均值EMA_δ及电能质量指标差离值δ_MACD；有

$\left\{\begin{array}{c}\mathrm{\δ}={\mathrm{EMA}}_{c_S}-{\mathrm{EMA}}_{c_L}\\ {\mathrm{EMA}}_{\mathrm{\δ}}=\mathrm{EMA}(\mathrm{\δ},c_M)\\ {\mathrm{\δ}}_{\mathrm{MACD}}=2(\mathrm{\δ}-{\mathrm{EMA}}_{\mathrm{\δ}})\end{array}\right.---\left(2\right)$

其中，c_M为电能质量指标中间周期数。

利用电能质量指标的指数平滑移动平均量来判断高载能行业中长期电能质量趋势的预测原理

1）计算电能质量指标量的短期移动平均值

和长期移动平均值

由于EMA的加权平均的特性，每个周期的权重系数以指数等比形式缩小，越靠近当前周期的，其权重越大，越能反应当前周期电能质量指标的波动情况。

2）由于指数式递减加权的移动平均值EMA相对平均数更加平滑稳定，短期移动平均值

和长期移动平均值

不容易形成交叉，且周期等级越高越不容易形成交叉。因此，该种算法在预测及判断电能质量指标的中长期趋势上是有效的。

3）观察电能质量指标量的短期移动平均数值和长期移动平均数值两者之间的差离值δ_MACD，当处于电能质量指标趋势向坏时，短期移动平均值

在长期移动平均值

之上，即差离值δ_MACD>0，且δ随着电能质量指标的愈加恶化而愈大；当当处于电能质量指标趋势向好时，短期移动平均值在长期移动平均值

之下，即差离值δ_MACD<0，且δ_MACD随着电能质量指标的愈加变好而愈大。

4）短期移动平均值

和长期移动平均值

在0轴下形成交叉，且|δ_MACD|→0，则趋势性电能质量指标变坏；短期移动平均值

和长期移动平均值

在0轴上形成交叉，且|δ_MACD|→0，则趋势性电能质量指标变好；

通过对电能质量指标趋势性划分等级，实现对电能质量指标中长期趋势性进行预测；

电能质量指标趋势性划分为以下五个等级：

A)Ⅰ级，电能质量指标为优，差离值δ_MACD位于0轴下，|δ_MACD|_max为极值点，最优；

B)Ⅱ级，电能质量指标为良，差离值δ_MACD位于0轴下，|δ_MACD|→0为临界点；

C)Ⅲ级，电能质量指标为中，差离值δ_MACD＝0；

D)Ⅳ级，电能质量指标为差，差离值δ_MACD位于0轴上，|δ_MACD|→0为临界点；

E)Ⅴ级，电能质量指标不合格，差离值δ_MACD位于0轴上，|δ_MACD|_max为极值点，最差。

当电能质量指标的计算周期在周波级时，指标存在失效的可能性；反之，指标的计算周期越大，指标的可靠性越高。

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中长期趋势性预测方法，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：计算电能质量指标差离值；

步骤3：对电能质量指标中长期趋势性进行预测。

2.根据权利要求1所述的电能质量指标中长期趋势性预测方法，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、长时间闪变值、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1所述的电能质量指标中长期趋势性预测方法，其特征在于：所述步骤2中，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；所述长时间闪变值的计算周期不低于30min；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2所述的电能质量指标中长期趋势性预测方法，其特征在于：所述步骤3包括以下步骤：

步骤3-1：计算电能质量指标的短期移动平均值

和长期移动平均值

有

$\left\{\begin{array}{c}{\mathrm{EMA}}_{c_S}=\frac{k_1+(1-\mathrm{\&alpha;})k_2+{(1-\mathrm{\&alpha;})}^2{k}_3+...+{(1-\mathrm{\&alpha;})}^{i-1}{k}_i+...+{(1-\mathrm{\&alpha;})}^{c_S-1}{k}_{c_S}}{1+(1-\mathrm{\&alpha;})+{(1-\mathrm{\&alpha;})}^2+...+{(1-\mathrm{\&alpha;})}^{i-1}+...+{(1-\mathrm{\&alpha;})}^{c_S}}\\ {\mathrm{EMA}}_{c_L}=\frac{k_1+(1-\mathrm{\&alpha;})k_2+{(1-\mathrm{\&alpha;})}^2{k}_3+...+{(1-\mathrm{\&alpha;})}^{j-1}{k}_j+...+{(1-\mathrm{\&alpha;})}^{c_L-1}{k}_{c_L}}{1+(1-\mathrm{\&alpha;})+{(1-\mathrm{\&alpha;})}^2+...+{(1-\mathrm{\&alpha;})}^{j-1}+...+{(1-\mathrm{\&alpha;})}^{c_L}}\end{array}\right.---\left(1\right)$

其中，α为电能质量指标的平滑系数，α=2/ci+1；c_i为电能质量指标的监测周期数；i∈[1,c_S]，j∈[1,c_L]；c_S和c_L分别为电能质量指标短期周期数和长期周期数；

步骤3-2：计算短期移动平均值

和长期移动平均值的差值δ、该差值δ在c_M个周期内指数平滑移动平均值EMA_δ及电能质量指标差离值δ_MACD；有

$\left\{\begin{array}{c}\mathrm{\&delta;}={\mathrm{EMA}}_{c_S}-{\mathrm{EMA}}_{c_L}\\ {\mathrm{EMA}}_{\mathrm{\&delta;}}=\mathrm{EMA}(\mathrm{\&delta;},c_M)\\ {\mathrm{\&delta;}}_{\mathrm{MACD}}=2(\mathrm{\&delta;}-{\mathrm{EMA}}_{\mathrm{\&delta;}})\end{array}\right.---\left(2\right)$

其中，c_M为电能质量指标中间周期数。

5.根据权利要求4所述的电能质量指标中长期趋势性预测方法，其特征在于：所述步骤3中，通过对电能质量指标趋势性划分等级，实现对电能质量指标中长期趋势性进行预测；

电能质量指标趋势性划分为以下五个等级：

A)Ⅰ级，电能质量指标为优，差离值δ_MACD位于0轴下，|δ_MACD|_max为极值点，最优；

B)Ⅱ级，电能质量指标为良，差离值δ_MACD位于0轴下，|δ_MACD|_→0为临界点；

C)Ⅲ级，电能质量指标为中，差离值δ_MACD＝0；

D)Ⅳ级，电能质量指标为差，差离值δ_MACD位于0轴上，|δ_MACD|_→0为临界点；

E)Ⅴ级，电能质量指标不合格，差离值δ_MACD位于0轴上，|δ_MACD|_max为极值点，最差。

Images