CN106990287B - 一种电力系统谐波检测器部署方法 - Google Patents

一种电力系统谐波检测器部署方法 Download PDF

Info

Publication number
CN106990287B
CN106990287B CN201710316267.5A CN201710316267A CN106990287B CN 106990287 B CN106990287 B CN 106990287B CN 201710316267 A CN201710316267 A CN 201710316267A CN 106990287 B CN106990287 B CN 106990287B
Authority
CN
China
Prior art keywords
count
formula
cost function
harmonic
calculated
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.)
Active
Application number
CN201710316267.5A
Other languages
English (en)
Other versions
CN106990287A (zh
Inventor
王荣杰
周海峰
蒋德松
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.)
Jimei University
Fishery Machinery and Instrument Research Institute of CAFS
Original Assignee
Jimei University
Fishery Machinery and Instrument Research Institute of CAFS
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 Jimei University, Fishery Machinery and Instrument Research Institute of CAFS filed Critical Jimei University
Priority to CN201710316267.5A priority Critical patent/CN106990287B/zh
Publication of CN106990287A publication Critical patent/CN106990287A/zh
Application granted granted Critical
Publication of CN106990287B publication Critical patent/CN106990287B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis

Abstract

本发明公开一种电力系统谐波检测器部署方法，包括如下三大步骤：步骤1：初始化；步骤2：优化寻优；步骤3：选出F(l)最小的θ(l)，如果θ(l)中的元素为1，则相应的母线部署谐波检测器；如果θ(l)中的元素为0，则相应的母线不部署。与现有技术相比，本发明提供的电力系统谐波检测器部署方法，方法简单，不仅可以使部署检测器的数量最少，而且还可以使可检测的冗余度最多。

Description

一种电力系统谐波检测器部署方法
技术领域
本发明涉及电力系统领域，确切地说是指一种基于二元人工蜂群优化机理的电力系统谐波检测器部署方法。
背景技术
近年来，由于新能源并入大电网以及非线性负载的出现，使得电力系统与自然界的环境一样也会受到“污染”，即谐波干扰，谐波不仅会影响电力系统的正常工作，还会引起电力系统故障的产生。为了保证电力系统有效稳定运行，显而易见需要抑制谐波对电力系统的影响，目前采用的谐波抑制方法均须以谐波源为先知信息，但影响电力系统正常工作的谐波源极少是显性的，更多的谐波来源是未知的。
发明内容
针对上述缺陷，本发明解决的技术问题在于提供一种电力系统谐波检测器部署方法，方法简单，不仅可以使部署检测器的数量最少，而且还可以使可检测的冗余度最多。
为了解决以上的技术问题，本发明提供的一种电力系统谐波检测器部署方法，包括如下三大步骤：
步骤1：初始化；
步骤2：优化寻优；
步骤3：选出F(l)最小的θ(l)，如果θ(l)中的元素为1，则相应的母线部署谐波检测器；如果θ(l)中的元素为0，则相应的母线不部署；其中：
步骤1分为如下步骤完成：
步骤1.1：给定部署谐波检测器的期望冗余值R；
步骤1.2：初始化迭代次数k＝1，最大迭代次数kmax，klimit，没有得到更优的解的记录kcount(l)，蜂群的规模NS和待优化解的维数N；随机产生二元优化解θ(l,d)的初始值，l＝1,2,…,NS；d＝1,2,…,N；θ(l)＝[θ(l,1),θ(l,2),…,θ(l,N)]；
步骤1.3：判断θ(l)元素中1的个数是否超过n个，如果超过，则重新随机产生θ(l)；
步骤1.4：根据θ(l)的元素判断各条母线是否有部署谐波检测器，在此基础上再根据母线的谐波检测器能否检测到其它母线的谐波信息，构造矩阵X；然后由式(1)计算每个θ(l)的代价函数F(l)；
F(l)＝ω1J1+ω2J2 (1)
式(1)中，ω1和ω2为权值系数；J1＝ATA，J2＝(R-XA)T(R-XA)，J1越小表示部署的谐波检测器数量越少，J2越小表示部署的谐波检测器所能获得信息冗余度越接近期望冗余值R；
其中，步骤2分为如下步骤完成：
步骤2.1：工蜂寻优阶段，分为以下具体步骤：
步骤2.1.1：将l设置为1；
步骤2.1.2：如果l≤NS,将执行步骤2.1.3，否则跳至步骤2.2；
步骤2.1.3：
随机产生l相邻的序号i和j，i≠j≠l；
选出F(l)最小的θ(l)，记为θbest；
产生一个N维的零列向量，记为zero；
对θ(l)、θ(i)、θ(j)、θbest和zero两两进行随机配对；
对配对后的θ(l)、θ(i)、θ(j)、θbest和zero两两互换它们的部分元素；
由式(1)计算θ(l)、θ(i)、θ(j)、θbest和zero的代价函数，并从中选出代价函数最小的，作为θEB(l)及相应地赋值予FEB(l)；
如果FEB(l)<F(l)，则将FEB(l)赋值予F(l)，θEB(l)赋值予θ(l)；否则，kcount(l)＝kcount(l)+1；跳至步骤2.1.2；
步骤2.2：根据式(2)计算每个θ(l)相应代价函数的概率；
步骤2.3：工蜂寻优阶段，分为以下具体步骤：
步骤2.3.1：将l设置为1；
步骤2.3.2：如果l≤NS,将执行步骤2.3.3，否则跳至步骤2.4；
步骤2.3.3：如果p(l)<rand[0 1],则执行步骤2.3.4，否则跳至步骤2.4；
步骤2.3.4：
随机产生l相邻的序号i和j，i≠j≠l；
由式(3)计算θOB(l)；
θOB(l)＝θ(l)+rand[0 1][θ(i)-θ(j)] (3)
如果θOB(l)中的元素等于或大于0.5，则把它置为1；否则，置为0；
对θ(i)和θ(j)随机地互换它们的部分元素；
由式(1)计算θOB(l)、θ(i)和θ(j)的代价函数，并从中选出代价函数最小的，更新θOB(l)及其FOB(l)；
如果FOB(l)<F(l)，则将FOB(l)赋值予F(l)，θOB(l)赋值予θ(l)；否则，kcount(l)＝kcount(l)+1；跳至步骤2.3.2；
步骤2.4：侦察蜂寻优阶段，分为以下具体步骤：
步骤2.4.1：将l设置为1；
步骤2.4.2：如果l≤NS,将执行步骤2.4.3，否则跳至步骤2.5；
步骤2.4.3：如果kcount(l)≥klimit,则执行步骤2.4.4，否则跳至步骤2.5；
步骤2.4.4：
随机产生一个二元的N维列向量，记为θSB；如果θSB元素中1的个数超过n个，则重新随机产生；
由式(1)计算θSB的代价函数，记为FSB；
如果FSB<F(l)，则将FSB赋值予F(l)，θSB赋值予θ(l)，kcount(l)＝0；跳至步骤2.5；
步骤2.5：k＝k+1；
步骤2.6：如果k大于kmax，则跳至步骤3；否则，跳至步骤2.1.3。
在本发明中，A为N维的列向量，N为母线数量，本发明将A设定为二元人工蜂群待优化解θ；当A的第i元素为1时，表示第i条母线上部署有谐波检测器，如果为0时，表示它有部署谐波检测器；A元素中1的个数不能超过n个，n为可用谐波检测器的个数。X为N阶的矩阵，即X＝[xij]N×N，xij表示母线i的谐波检测器是否能检测到母线j的谐波信息，1表示可以，0表示不可以。
准确辨识船舶电力系统中的未知谐波源，需要融合来源于谐波检测器的实测数据。合理的谐波检测器部署方法将为谐波源的准确辨识提供良好的前提条件。与现有技术相比，本发明的电力系统谐波检测器部署方法，方法简单，不仅可以使部署检测器的数量最少，而且还可以使可检测的冗余度最多。
具体实施方式
为了本领域的技术人员能够更好地理解本发明所提供的技术方案，下面结合具体实施例进行阐述。
本发明实施例提供的电力系统谐波检测器部署方法，包括如下三大步骤：
步骤1：初始化；
步骤2：优化寻优；
步骤3：选出F(l)最小的θ(l)，如果θ(l)中的元素为1，则相应的母线部署谐波检测器；如果θ(l)中的元素为0，则相应的母线不部署；其中：
步骤1分为如下步骤完成：
步骤1.1：给定部署谐波检测器的期望冗余值R；
步骤1.2：初始化迭代次数k＝1，最大迭代次数kmax，klimit，没有得到更优的解的记录kcount(l)，蜂群的规模NS和待优化解的维数N；随机产生二元优化解θ(l,d)的初始值，l＝1,2,…,NS；d＝1,2,…,N；θ(l)＝[θ(l,1),θ(l,2),…,θ(l,N)]；
步骤1.3：判断θ(l)元素中1的个数是否超过n个，如果超过，则重新随机产生θ(l)；
步骤1.4：根据θ(l)的元素判断各条母线是否有部署谐波检测器，在此基础上再根据母线的谐波检测器能否检测到其它母线的谐波信息，构造矩阵X；然后由式(1)计算每个θ(l)的代价函数F(l)；
F(l)＝ω1J1+ω2J2 (1)
式(1)中，ω1和ω2为权值系数；J1＝ATA，J2＝(R-XA)T(R-XA)，J1越小表示部署的谐波检测器数量越少，J2越小表示部署的谐波检测器所能获得信息冗余度越接近期望冗余值R；
其中，步骤2分为如下步骤完成：
步骤2.1：工蜂寻优阶段，分为以下具体步骤：
步骤2.1.1：将l设置为1；
步骤2.1.2：如果l≤NS,将执行步骤2.1.3，否则跳至步骤2.2；
步骤2.1.3：
随机产生l相邻的序号i和j，i≠j≠l；
选出F(l)最小的θ(l)，记为θbest；
产生一个N维的零列向量，记为zero；
对θ(l)、θ(i)、θ(j)、θbest和zero两两进行随机配对；
对配对后的θ(l)、θ(i)、θ(j)、θbest和zero两两互换它们的部分元素；
由式(1)计算θ(l)、θ(i)、θ(j)、θbest和zero的代价函数，并从中选出代价函数最小的，作为θEB(l)及相应地赋值予FEB(l)；
如果FEB(l)<F(l)，则将FEB(l)赋值予F(l)，θEB(l)赋值予θ(l)；否则，kcount(l)＝kcount(l)+1；跳至步骤2.1.2；
步骤2.2：根据式(2)计算每个θ(l)相应代价函数的概率；
步骤2.3：工蜂寻优阶段，分为以下具体步骤：
步骤2.3.1：将l设置为1；
步骤2.3.2：如果l≤NS,将执行步骤2.3.3，否则跳至步骤2.4；
步骤2.3.3：如果p(l)<rand[0 1],则执行步骤2.3.4，否则跳至步骤2.4；
步骤2.3.4：
随机产生l相邻的序号i和j，i≠j≠l；
由式(3)计算θOB(l)；
θOB(l)＝θ(l)+rand[0 1][θ(i)-θ(j)] (3)
如果θOB(l)中的元素等于或大于0.5，则把它置为1；否则，置为0；
对θ(i)和θ(j)随机地互换它们的部分元素；
由式(1)计算θOB(l)、θ(i)和θ(j)的代价函数，并从中选出代价函数最小的，更新θOB(l)及其FOB(l)；
如果FOB(l)<F(l)，则将FOB(l)赋值予F(l)，θOB(l)赋值予θ(l)；否则，kcount(l)＝kcount(l)+1；跳至步骤2.3.2；
步骤2.4：侦察蜂寻优阶段，分为以下具体步骤：
步骤2.4.1：将l设置为1；
步骤2.4.2：如果l≤NS,将执行步骤2.4.3，否则跳至步骤2.5；
步骤2.4.3：如果kcount(l)≥klimit,则执行步骤2.4.4，否则跳至步骤2.5；
步骤2.4.4：
随机产生一个二元的N维列向量，记为θSB；如果θSB元素中1的个数超过n个，则重新随机产生；
由式(1)计算θSB的代价函数，记为FSB；
如果FSB<F(l)，则将FSB赋值予F(l)，θSB赋值予θ(l)，kcount(l)＝0；跳至步骤2.5；
步骤2.5：k＝k+1；
步骤2.6：如果k大于kmax，则跳至步骤3；否则，跳至步骤2.1.3。
在本发明中，A为N维的列向量，N为母线数量，本发明将A设定为二元人工蜂群待优化解θ；当A的第i元素为1时，表示第i条母线上部署有谐波检测器，如果为0时，表示它有部署谐波检测器；A元素中1的个数不能超过n个，n为可用谐波检测器的个数。X为N阶的矩阵，即X＝[xij]N×N，xij表示母线i的谐波检测器是否能检测到母线j的谐波信息，1表示可以，0表示不可以。
准确辨识船舶电力系统中的未知谐波源，需要融合来源于谐波检测器的实测数据。合理的谐波检测器部署方法将为谐波源的准确辨识提供良好的前提条件。与现有技术相比，本发明的电力系统谐波检测器部署方法，方法简单，不仅可以使部署检测器的数量最少，而且还可以使可检测的冗余度最多。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种电力系统谐波检测器部署方法，其特征在于，包括如下三大步骤：
步骤1：初始化；
步骤2：优化寻优；
步骤3：选出F(l)最小的θ(l)，如果θ(l)中的元素为1，则相应的母线部署谐波检测器；如果θ(l)中的元素为0，则相应的母线不部署；其中：
步骤1分为如下步骤完成：
步骤1.1：给定部署谐波检测器的期望冗余值R；
步骤1.2：初始化迭代次数k＝1，最大迭代次数kmax，klimit，没有得到更优的解的记录kcount(l)，蜂群的规模NS和待优化解的维数N；随机产生二元优化解θ(l,d)的初始值，l＝1,2,…,NS；d＝1,2,…,N；θ(l)＝[θ(l,1),θ(l,2),…,θ(l,N)]；
步骤1.3：判断θ(l)元素中1的个数是否超过n个，如果超过，则重新随机产生θ(l)；
步骤1.4：根据θ(l)的元素判断各条母线是否有部署谐波检测器，在此基础上再根据母线的谐波检测器能否检测到其它母线的谐波信息，构造矩阵X；然后由式(1)计算每个θ(l)的代价函数F(l)；
F(l)＝ω1J1+ω2J2 (1)
式(1)中，ω1和ω2为权值系数；J1＝ATA，J2＝(R-XA)T(R-XA)，J1越小表示部署的谐波检测器数量越少，J2越小表示部署的谐波检测器所能获得信息冗余度越接近期望冗余值R；
其中，步骤2分为如下步骤完成：
步骤2.1：工蜂寻优阶段，分为以下具体步骤：
步骤2.1.1：将l设置为1；
步骤2.1.2：如果l≤NS,将执行步骤2.1.3，否则跳至步骤2.2；
步骤2.1.3：
随机产生l相邻的序号i和j，i≠j≠l；
选出F(l)最小的θ(l)，记为θbest；
产生一个N维的零列向量，记为zero；
对θ(l)、θ(i)、θ(j)、θbest和zero两两进行随机配对；
对配对后的θ(l)、θ(i)、θ(j)、θbest和zero两两互换它们的部分元素；
由式(1)计算θ(l)、θ(i)、θ(j)、θbest和zero的代价函数，并从中选出代价函数最小的，作为θEB(l)及相应地赋值予FEB(l)；
如果FEB(l)<F(l)，则将FEB(l)赋值予F(l)，θEB(l)赋值予θ(l)；否则，kcount(l)＝kcount(l)+1；跳至步骤2.1.2；
步骤2.2：根据式(2)计算每个θ(l)相应代价函数的概率；
步骤2.3：工蜂寻优阶段，分为以下具体步骤：
步骤2.3.1：将l设置为1；
步骤2.3.2：如果l≤NS,将执行步骤2.3.3，否则跳至步骤2.4；
步骤2.3.3：如果p(l)<rand[0 1],则执行步骤2.3.4，否则跳至步骤2.4；
步骤2.3.4：
随机产生l相邻的序号i和j，i≠j≠l；
由式(3)计算θOB(l)；
θOB(l)＝θ(l)+rand[0 1][θ(i)-θ(j)] (3)
如果θOB(l)中的元素等于或大于0.5，则把它置为1；否则，置为0；
对θ(i)和θ(j)随机地互换它们的部分元素；
由式(1)计算θOB(l)、θ(i)和θ(j)的代价函数，并从中选出代价函数最小的，更新θOB(l)及其FOB(l)；
如果FOB(l)<F(l)，则将FOB(l)赋值予F(l)，θOB(l)赋值予θ(l)；否则，kcount(l)＝kcount(l)+1；跳至步骤2.3.2；
步骤2.4：侦察蜂寻优阶段，分为以下具体步骤：
步骤2.4.1：将l设置为1；
步骤2.4.2：如果l≤NS,将执行步骤2.4.3，否则跳至步骤2.5；
步骤2.4.3：如果kcount(l)≥klimit,则执行步骤2.4.4，否则跳至步骤2.5；
步骤2.4.4：
随机产生一个二元的N维列向量，记为θSB；如果θSB元素中1的个数超过n个，则重新随机产生；
由式(1)计算θSB的代价函数，记为FSB；
如果FSB<F(l)，则将FSB赋值予F(l)，θSB赋值予θ(l)，kcount(l)＝0；跳至步骤2.5；
步骤2.5：k＝k+1；
步骤2.6：如果k大于kmax，则跳至步骤3；否则，跳至步骤2.1.3。
CN201710316267.5A 2017-05-08 2017-05-08 一种电力系统谐波检测器部署方法 Active CN106990287B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710316267.5A CN106990287B (zh) 2017-05-08 2017-05-08 一种电力系统谐波检测器部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710316267.5A CN106990287B (zh) 2017-05-08 2017-05-08 一种电力系统谐波检测器部署方法

Publications (2)

Publication Number Publication Date
CN106990287A CN106990287A (zh) 2017-07-28
CN106990287B true CN106990287B (zh) 2019-07-19

Family

ID=59418115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710316267.5A Active CN106990287B (zh) 2017-05-08 2017-05-08 一种电力系统谐波检测器部署方法

Country Status (1)

Country Link
CN (1) CN106990287B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103904653A (zh) * 2014-04-23 2014-07-02 济南大学 电网谐波状态估计中的可观性分析方法
CN104011792A (zh) * 2011-08-19 2014-08-27 亚历山大·日尔科夫 多结构的、多级信息形式化和结构化方法和相关联的装置
CN104135007A (zh) * 2014-08-26 2014-11-05 武汉科力源电气工程技术有限公司 无输出滤波器的有源电力滤波器的控制及投入与切除方法
CN104218584A (zh) * 2014-09-16 2014-12-17 东南大学 一种有源谐波治理装置多机并联容量最优分配方法
CN105229969A (zh) * 2013-02-19 2016-01-06 艾斯通林克国际有限责任公司 关于电气配电电网的信息收集网络的性能分析和优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104011792A (zh) * 2011-08-19 2014-08-27 亚历山大·日尔科夫 多结构的、多级信息形式化和结构化方法和相关联的装置
CN105229969A (zh) * 2013-02-19 2016-01-06 艾斯通林克国际有限责任公司 关于电气配电电网的信息收集网络的性能分析和优化方法
CN103904653A (zh) * 2014-04-23 2014-07-02 济南大学 电网谐波状态估计中的可观性分析方法
CN104135007A (zh) * 2014-08-26 2014-11-05 武汉科力源电气工程技术有限公司 无输出滤波器的有源电力滤波器的控制及投入与切除方法
CN104218584A (zh) * 2014-09-16 2014-12-17 东南大学 一种有源谐波治理装置多机并联容量最优分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一类基于群智能优化算法的谐波估计方法;尹川 等;《控制工程》;20170228;第24卷(第2期);全文
基于改进人工蜂群与最小二乘的谐波检测混合算法;段玉波 等;《自动化技术与应用》;20160731;第35卷(第7期);全文

Also Published As

Publication number Publication date
CN106990287A (zh) 2017-07-28

Similar Documents

Publication Publication Date Title
US11894805B2 (en) Device for reducing the open circuit voltage of a solar system
Guo et al. Multi‐objective stochastic optimal planning method for stand‐alone microgrid system
JP7232228B2 (ja) ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための方法及びシステム
Zhang et al. Two‐stage power network reconfiguration strategy considering node importance and restored generation capacity
Manohar et al. Reliable protection scheme for PV integrated microgrid using an ensemble classifier approach with real‐time validation
JP6334312B2 (ja) 太陽光発電システム監視制御装置、監視制御プログラム及び太陽光発電システム
US20170300021A1 (en) Frequency control method for micro-grid and control device
Chen et al. Adaptive fault localization in photovoltaic systems
Singh et al. Voltage–current–time inverse‐based protection coordination of photovoltaic power systems
Manohar et al. Microgrid protection against high impedance faults with robustness to harmonic intrusion and weather intermittency
JP6967364B2 (ja) 電力系統安定化装置および電力系統安定化方法
Çelik et al. Influence of energy storage device on load frequency control of an interconnected dual-area thermal and solar photovoltaic power system
Ali et al. Analysis on inverter selection for domestic rooftop solar photovoltaic system deployment
CN106990287B (zh) 一种电力系统谐波检测器部署方法
Zhang et al. Robust classification model for PMU‐based on‐line power system DSA with missing data
JP2020500292A (ja) バッテリーセル電圧データ処理装置および方法
JP6937227B2 (ja) 発電量予測装置、発電量予測システム、発電量予測方法及び発電量予測プログラム
Chatterjee et al. Bagged tree based anti-islanding scheme for multi-DG microgrids
CN111030592B (zh) 光伏组串丢失告警方法和装置
Ebrahimzadeh et al. Dynamic resonance sensitivity analysis in wind farms
KR20230089082A (ko) 태양광 발전 시스템 고장 진단 장치 및 방법
Fan et al. Distributed equalisation strategy for multi‐battery energy storage systems
US9847656B2 (en) Energy storage system and method for driving the same
Hernández et al. Energy management electronic device for islanded microgrids based on renewable energy sources and battery-based energy storage
Yongqiang et al. Comparison of centralised and distributed energy storage configuration for AC/DC hybrid microgrid

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant