一种电能质量干扰源工况辨识方法
技术领域
本发明涉及输电网电能质量评估领域,具体涉及一种电能质量干扰源工况辨识方法。
背景技术
当代输电网在诸多方面发生着深刻变化,随着以特高压电网为骨干网架、各级电网协调发展的坚强智能电网建设加快,输电网中产生电能质量扰动的因素不断增加,电能质量扰动亦呈现新的特征。新能源发电、分布式发电的快速增长和电能质量干扰源用户接入系统电压等级不断提高,给电网运行提出了新的挑战。
为掌握电网电能质量水平,降低电能质量扰动对输电网的影响,我国部分省市已开展了电网电能质量监测,实现了数据采集以及报表生成等基本功能,但对监测数据的利用率不高。针对目前输电网的电能质量问题,亟需深入开展电网中各类电能质量干扰源的扰动发射特性研究。
当前电能质量分析基于数学分析方法结合模式识别技术的技术框架,利用数学分析方法进行电能质量干扰源数据分析,例如,小波变换、傅立叶变换,利用模式识别技术达到电能质量干扰源工况的识别。傅立叶变换简单快速,在电压偏差、谐波含量等稳态指标的计算方面取得了很好的效果,但是由于傅立叶变换是对整个时间段的积分,时间信息得不到充分利用,没有局部化分析信号的能力,不能实现非平稳信号的有效分析,因而不能解决暂态电能质量问题的分析;小波变换作为傅立叶思想的发展和延拓,更适合处理微弱或突变信号;依赖模式识别技术,耗时长、效率低且造价高,远远不能满足目前实际工作中大规模数据集处理的需要。
发明内容
针对现有技术的不足,本发明提供一种电能质量干扰源工况辨识方法,克服了传统电能质量分析方法效率低、造价高、不适合大规模数据集的处理等缺点,在电能质量干扰源工况辨识方面实用高效,造价低,具有较好的性能。
本发明的目的是采用下述技术方案实现的:
一种电能质量干扰源工况辨识方法,其改进之处在于,包括:
(1)获取所述电能质量干扰源的电能数据;
(2)获取能够用于聚类的电能数据格式;
(3)分析获得的电能数据;
(4)用聚类分析法对获得的电能数据分类。
优选的,所述步骤(1)中,用包括在线式监测终端和便携式检测仪的电能质量检测装置获取所述电能质量干扰源的电能数据。
优选的,所述步骤(2)包括:
(2-1)根据所述电能数据的采集时间进行数据追加和合并,获取整个采集时段的全指标电能数据集;
(2-2)填补所述全指标电能数据集中有效值缺失的指标,填补内容为所述指标的最小值和最大值的均值;
(2-3)对填补后的全指标电能数据集去噪、去冗余和排序后将数据格式转换为.csv格式。
优选的,所述步骤(3)包括:
(3-1)绘制所述预处理后的电能数据的三相电流有效值、基波有功功率、基波无功功率、总相电流负序成分、总相电流零序成分的时间趋势图和概率密度图;
(3-2)分别获取所述预处理后的电能数据中三相电流有效值、基波有功功率、基波无功功率、总相电流负序成分、总相电流零序成分的统计量,所述统计量包括:极大值、极小值、均值、方差、95%概率值、99%概率值。
优选的,所述步骤(4)包括:
(4-1)以所述预处理后的电能数据中三相电流有效值为样本采用聚类分析法进行分类;
(4-2)对所述三相电流有效值对应的采集时间按其类别进行类别标记;
(4-3)对所述采集时间采集的全部电能数据按类别标记。
与最接近的现有技术相比,本发明具有的有益效果:
本发明提供的一种电能质量干扰源工况辨识方法,首先对采集到的初始数据集进行预处理,得到可用于聚类的数据格式;然后结合数据的整体分析,对三相电流有效值进行聚类,以三相电流有效值的聚类情况为依据得到每个时间点的工况类别;最后以三相电流有效值的分类为标准对其他数据指标进行分类进一步分析达到对每个时间点工况的辨识,利用聚类算法达到对电能质量干扰源工况的辨识,即克服了原有的依赖模式识别机器和技术进行工况识别的方法效率低、造价高等缺陷,而且使用聚类算法提高了效率,降低了成本,在处理大规模数据集方面具有很大的优势,十分符合实际工作的需要。
附图说明
图1是本发明提供的一种电能质量干扰源工况辨识方法流程图;
图2是本发明提供的实施例中汽车充电站五月份18号至25号八天的A相电流有效值的时间趋势图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明提供了一种电能质量干扰源工况辨识方法,如图1所示,包括:
(1)获取所述电能质量干扰源的电能数据;
(2)获取能够用于聚类的电能数据格式;
(3)分析获得的电能数据;
(4)用聚类分析法对获得的电能数据分类。
其中,一种类别对应一种工况。
具体的,用包括在线式监测终端和便携式检测仪的电能质量检测装置获取所述电能质量干扰源的电能数据。
所述步骤(2)包括:
(2-1)根据所述电能数据的采集时间进行数据追加和合并,获取整个采集时段的全指标电能数据集;
(2-2)填补所述全指标电能数据集中有效值缺失的指标,填补内容为所述指标的最小值和最大值的均值;
(2-3)对填补后的全指标电能数据集去噪、去冗余和排序后将数据格式转换为.csv格式。
所述步骤(3)包括:
(3-1)绘制所述预处理后的电能数据的三相电流有效值、基波有功功率、基波无功功率、总相电流负序成分、总相电流零序成分的时间趋势图和概率密度图;
(3-2)分别获取所述预处理后的电能数据中三相电流有效值、基波有功功率、基波无功功率、总相电流负序成分、总相电流零序成分的统计量,所述统计量包括:极大值、极小值、均值、方差、95%概率值、99%概率值。
例如,如图2所示,可以采用spss工具获取汽车充电站五月份18号至25号八天的A相电流有效值的时间趋势图及A相电流有效值的统计量,其中,A相电流有效值的统计量包括:极大值为230.770、极小值为218.900、均值为224.53222、方差为4.994、95%概率值为228.03、99%概率值为229.70。
所述步骤(4)包括:
(4-1)以所述预处理后的电能数据中三相电流有效值为样本采用聚类分析法进行分类;
其中,根据整体分析的结果选择聚类分析法进行分类的聚类算法,例如:三相电流有效值的概率密度图均有四个峰,且时间趋势图中各时段的取值区间大致相同,那么最佳聚类数为四,即分为四个工况,已知聚类数则采用k-means聚类算法对三相电流有效值进行分类,再例如:以A相电流有效值为样本进行k-means聚类,共聚为四类,可看作四种工况,各工况A相电流取值范围如下:
工况一A相电流取值范围为0-110A,共20261条记录,占比为33.25%;
工况二A相电流取值范围为110-190A,共18766条记录,占比为30.80%;
工况三A相电流取值范围为190-300A,共17954条记录,占比为29.47%;
工况四A相电流取值范围为300-410A,共3947条记录,占比为6.48%;
(4-2)对所述三相电流有效值对应的采集时间按其类别进行类别标记;
(4-3)对所述采集时间采集的全部电能数据按类别标记。
例如:汽车充电站2015年5月20日21点整采集的三相电有效值的类别为工况三,则将汽车充电站2015年5月20日21点整采集的全部电能数据的类别均标记为工况三;
其中,所述电能数据包括:三相电流有效值、基波有功功率、基波无功功率、总相电流负序成分、总相电流零序成分等。
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保护范围之内。