CN108053095B - 一种电能质量扰动事件特征提取方法及系统 - Google Patents
一种电能质量扰动事件特征提取方法及系统 Download PDFInfo
- Publication number
- CN108053095B CN108053095B CN201711170083.9A CN201711170083A CN108053095B CN 108053095 B CN108053095 B CN 108053095B CN 201711170083 A CN201711170083 A CN 201711170083A CN 108053095 B CN108053095 B CN 108053095B
- Authority
- CN
- China
- Prior art keywords
- disturbance
- power quality
- index
- abnormal
- disturbance event
- 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
Links
- 238000000605 extraction Methods 0.000 title claims description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 85
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000005856 abnormality Effects 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 abstract description 5
- 150000001875 compounds Chemical class 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010225 co-occurrence analysis Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种电能质量扰动事件特征提取方法及系统,包括:基于时序采集被检测的电能质量指标监测数据;使用预先得到的电能质量指标数据的异常阈值对电能质量指标监测数据进行甄别,获得至少一个异常指标;根据所述异常指标,得到电能质量扰动事件特征。本发明提供的技术方案不依赖于电力系统业务知识定义特征库,通过挖掘频繁共现的异常指标组,提取表征特定类型扰动事件的特征,可识别多种扰动复合的复杂扰动事件。
Description
技术领域
本发明属于电力系统分析领域,具体涉及一种电能质量扰动事件特征提取方法及系统。
背景技术
随着社会经济和科学技术的发展,现代电网电能质量问题日趋突出。提升电网电能质量是保障电网和用户经济可靠运行的重要手段,它一方面可以保证电网的经济可靠运行,降低设备维护和人力费用、减少系统故障、系统损失、增强系统稳定性等。另一方面可以保障电力用户的用电品质,避免用户经济损失,适应国家电力改革的诉求。
电能质量干扰源覆盖发、输、配、用各环节,在电网各电压等级呈现出立体化分布、影响因素多样化、大容量等特点,高度互联的电网使电能质量扰动和影响范围大大增加,例如,某电网750kv主变充电多次引起直流闭锁,某换流站谐波引起居民用电异常事件等。同时,电网电能质量问题往往是多个动态随机干扰源共同作用的结果。电能质量扰动事件原因分析难度大。
发明内容
针对现有技术电能质量扰动事件原因分析难度大的不足,本发明提出了一种电能质量扰动事件特征提取方法及系统,通过对电能质量监测数据中异常指标的定位和关联分析挖掘电能质量扰动事件的特征,进而挖掘电网中可能存在的电能质量扰动事件。
一种电能质量扰动事件特征提取方法,包括:
基于时序采集被检测的电能质量指标监测数据;
使用预先得到的电能质量指标数据的异常阈值对电能质量指标监测数据进行甄别,获得至少一个异常指标;
根据所述异常指标,得到电能质量扰动事件特征。
进一步的,所述使用预先得到的电能质量指标数据的异常阈值对电能质量指标监测数据进行甄别,获得至少一个异常指标,包括:
根据所述电能质量指标监测数据,确定所述电能质量指标的统计特征值;
根据所述异常阈值和控制图判异准则对所述统计特征值进行甄别判异,若所述统计特征值符合控制图判异准则,则判断所述电能质量指标为异常数据,否则为正常数据。
进一步的,所述根据所述异常指标,得到电能质量扰动事件特征,包括:
基于单个监测点分析所述异常指标的关联关系,得到单个监测点的电能质量扰动事件特征。
进一步的,所述基于单个监测点分析所述异常指标的关联关系,得到单个监测点的电能质量扰动事件特征,包括:
统计同一监测点同时出现的异常电能质量数据的次数和类型;
将所述次数超过阈值的异常电能质量数据的集合作为一个扰动向量;
将所述扰动向量记作电能质量扰动事件特征。
进一步的,在根基于单个监测点分析所述异常指标的关联关系,得到单个监测点的电能质量扰动事件特征后,还包括:
根据各监测点的电能质量扰动事件特征,判断所述电能质量扰动事件特征是否为相关扰动源。
进一步的,所述根据各监测点的电能质量扰动事件特征,判断所述电能质量扰动事件特征是否为相关扰动源,包括:
根据各监测点相同时刻监测到相同电能质量扰动事件特征,则判断所述电能质量扰动事件特征是否为相关扰动源;
若所述各监测点的功率曲线具有一致性,且监测点的监测对象中包含扰动源,则判断所述电能质量扰动事件特征为相关扰动源;否则不是相关扰动源。
进一步的,所述方法还包括:根据是相关扰动源的电能质量扰动事件特征确定扰动事件特征库。
进一步的,所述预先得到的电能质量指标数据的异常阈值的确定方法包括:控制图法和概率分布法。
一种电能质量扰动事件特征提取系统,包括:
采集模块,用于基于时序采集被检测的电能质量指标监测数据;
异常指标模块,用于使用预先得到的电能质量指标数据的异常阈值对电能质量指标监测数据进行甄别,获得至少一个异常指标;
扰动模块,用于根根据所述异常指标,得到电能质量扰动事件特征。
进一步的,所述异常指标模块包括:
统计特征值子模块,用于根据所述电能质量指标监测数据,确定所述电能质量指标的统计特征值;
异常数据子模块,用于根据所述异常阈值和控制图判异准则对所述统计特征值进行甄别判异,若所述统计特征值符合控制图判异准则,则判断所述电能质量指标为异常数据,否则为正常数据。
进一步的,所述扰动模块包括:
单监测点子模块,用于基于单个监测点分析所述异常指标的关联关系,得到单个监测点的电能质量扰动事件特征。
进一步的,所述单监测点子模块,用于,
统计同一监测点同时出现的异常电能质量数据的次数和类型;
将所述次数超过阈值的异常电能质量数据的集合作为一个扰动向量;
将所述扰动向量记作电能质量扰动事件特征。
进一步的,还包括:扰动源模块,用于根据各监测点的电能质量扰动事件特征,判断所述电能质量扰动事件特征是否为相关扰动源。
进一步的,所述扰动源模块,具体用于,
根据各监测点相同时刻监测到相同电能质量扰动事件特征,则判断所述电能质量扰动事件特征是否为相关扰动源;
若所述各监测点的功率曲线具有一致性,且监测点的监测对象中包含扰动源,则判断所述电能质量扰动事件特征为相关扰动源;否则不是相关扰动源。
进一步的,还包括:特征库模块,用于根据是相关扰动源的电能质量扰动事件特征确定扰动事件特征库。
与最接近的现有技术比,本发明提供的技术方案具有以下有益效果:
本发明提供的技术方案不依赖于电力系统业务知识定义特征库,通过挖掘频繁共现的异常指标组,提取表征特定类型扰动事件的特征,可识别多种扰动复合的复杂扰动事件。
附图说明
图1为本发明流程图;
图2为本发明实施例中采用统计控制图方法来进行异常指标数据提取;
图3为本发明实施例中异常指标关联分析示意图;
图4为本发明实施例中出现具有某个扰动事件特征指标组的多监测点扰动事件时序数据示意图。
具体实施方式
下面结合附图对本发明做进一步详细说明。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。
实施例1、本发明提供了一种电能质量扰动事件特征提取方法,如图1所示。
基于采集的历史监测数据得到异常数据的上下阈值;
根据所述上下阈值对电能质量指标进行甄别判异,确定异常电能质量数据;
根据所述异常电能质量数据,得到电能质量扰动事件特征;
还可以根据所述电能质量扰动事件特征,确定扰动事件特征库。
实施例2、本发明提供了一种电能质量扰动事件特征提取系统,包括:
采集模块,用于基于时序采集被检测的电能质量指标监测数据;
异常指标模块,用于使用预先得到的电能质量指标数据的异常阈值对电能质量指标监测数据进行甄别,获得至少一个异常指标;
扰动模块,用于根根据所述异常指标,得到电能质量扰动事件特征。
进一步的,所述异常指标模块包括:
统计特征值子模块,用于根据所述电能质量指标监测数据,确定所述电能质量指标的统计特征值;
异常数据子模块,用于根据所述异常阈值和控制图判异准则对所述统计特征值进行甄别判异,若所述统计特征值符合控制图判异准则,则判断所述电能质量指标为异常数据,否则为正常数据。
进一步的,所述扰动模块包括:
单监测点子模块,用于基于单个监测点分析所述异常指标的关联关系,得到单个监测点的电能质量扰动事件特征。
进一步的,所述单监测点子模块,用于,
统计同一监测点同时出现的异常电能质量数据的次数和类型;
将所述次数超过阈值的异常电能质量数据的集合作为一个扰动向量;
将所述扰动向量记作电能质量扰动事件特征。
进一步的,还包括:扰动源模块,用于根据各监测点的电能质量扰动事件特征,判断所述电能质量扰动事件特征是否为相关扰动源。
进一步的,所述扰动源模块,用于,
根据各监测点相同时刻监测到相同电能质量扰动事件特征,则判断所述电能质量扰动事件特征是否为相关扰动源;
若所述各监测点的功率曲线具有一致性,且监测点的监测对象中包含扰动源,则判断所述电能质量扰动事件特征为相关扰动源;否则不是相关扰动源。
进一步的,还包括:特征库模块,用于根据是相关扰动源的电能质量扰动事件特征确定扰动事件特征库。
实施例3、采用控制图方法来进行异常指标数据提取,流程如图2所示。
异常指标提取:
首先选取足量样本指标数据进行特征量统计分析,至少30组,每组不少于40个点数据规模,计算每组数据的均值和标准差S。然后依据国标相关参数计算并绘制标准差图(S图)和均值图(/>图)的上控制限(UCL)、中心线(CL)、下控制限(LCL),将每组样本数据在S图和均值图(/>图)打点,依据国标判稳准则判定该组样本数据是否稳定,如不稳定则应剔除该组样本,并补充新样本重新训练绘制S图和/>图,直至两状态图稳定,最后,使用稳定的S图和/>图对实时指标数据进行异常数据判定,指定时间粒度后,当指标均值或方差符合国标的八条判异准则时,将指标数据判定为异常指标数据。
异常指标关联分析:
将一组同时出现异常的电能质量监测指标视为一组电能质量频繁项,采用FP-Growth算法来进行频繁项挖掘,示例如图3所示,横坐标为异常指标时序,纵坐标为用于分析的异常指标,图3中指标“5次谐波电流有效值”和指标“7次谐波电流有效值”在时刻t2,t3,t4时刻异常同时出现,因此是一组频繁共现的异常指标,记为一个扰动事件特征向量。
多监测点扰动关联分析:
首先将各个监测点的异常指标时序数据做频繁项挖掘,提取出扰动事件特征指标组;然后针对某个扰动事件特征指标组,应用关联频繁共现分析提取特征共现的相关监测点组;最后过滤掉频繁共现程度小的扰动事件特征,并结合监测点台帐信息和功率指标关系判定特征是否合理,将频繁贡献度高的扰动事件特征存入数据库。图4为出现具有某个扰动事件特征指标组的多监测点扰动事件时序数据,横坐标为时间序列,监测点2和监测点4在t2,t3,t4,t5时刻同时出现该扰动事件特征,所以监测点2和监测点4频繁共现该扰动事件特征指标组。
实施例4、采用了累计概率分布的方法得到上下阈值。
采用某网实测数据(测点编号为1001003961、1001003988、1001004037)进行算例分析,分析的指标包括“单项无功功率”、“单相基波功率因数”、“15次谐波电流”、“17次谐波电流”,表1为其指标限制和指标时序数据表。
首先,从表1算例数据中抽取异常时序数据。通过与历史指标数值累积分布得出的指标上、下控制线对比(各指标上、下限如表1中所示),当指标数据超出指标上、下限,则认为该数值异常。
然后,对提取的异常数据进行频繁项挖掘,提取频繁共现的指标组作为扰动事件特征。算例中,指标“单项无功功率”、“单相基波功率因数”、“15次谐波电流”在前4个时刻均共现异常,因此将这三个指标划定为一个扰动事件特征。对于其它指标组:1)诸如指标组“单项无功功率”、“单相基波功率因数”虽然也出现4次异常共现,但是它包含在指标组“单项无功功率”、“单相基波功率因数”、“15次谐波电流”中,所以舍弃;2)诸如指标组“15次谐波电流”、“17次谐波电流”共现次数较少(只有一次),因此舍弃。
最后,比较监测点之间扰动事件特征的频繁共现情况。如表2所示,为扰动事件特征“单项无功功率”、“单相基波功率因数”、“15次谐波电流”在测点1001003961、1001003988、1001004037上时序出现的情况。因为测点1001003961和测点1001003988在多个时刻(第1、3、4个时刻)上频繁共现,因此保留该扰动事件特征。
表1测点1001003961指标时序数据
表2扰动事件特征“单相无功功率”、“单相基波功率因数”、“15次谐波电流”出现情况
时间\测点 | 1001003961 | 1001003988 | 1001004037 |
2017/03/19 02:48:00 | √ | √ | |
2017/03/19 02:51:00 | √ | √ | |
2017/03/19 02:54:00 | √ | √ | |
2017/03/19 02:57:00 | √ | √ | |
2017/03/19 04:02:59 | √ |
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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)
1.一种电能质量扰动事件特征提取方法,其特征在于,包括:
基于时序采集被检测的电能质量指标监测数据;
使用预先得到的电能质量指标数据的异常阈值对电能质量指标监测数据进行甄别,获得至少一个异常指标;
根据所述异常指标,得到电能质量扰动事件特征;
所述使用预先得到的电能质量指标数据的异常阈值对电能质量指标监测数据进行甄别,获得至少一个异常指标,包括:
根据所述电能质量指标监测数据,确定所述电能质量指标的统计特征值;
根据所述异常阈值和控制图判异准则对所述统计特征值进行甄别判异,若所述统计特征值符合控制图判异准则,则判断所述电能质量指标为异常数据,否则为正常数据;
所述根据所述异常指标,得到电能质量扰动事件特征,包括:
基于单个监测点分析所述异常指标的关联关系,得到单个监测点的电能质量扰动事件特征;
所述基于单个监测点分析所述异常指标的关联关系,得到单个监测点的电能质量扰动事件特征,包括:
统计同一监测点同时出现的异常电能质量数据的次数和类型;
将所述次数超过阈值的异常电能质量数据的集合作为一个扰动向量;
将所述扰动向量记作电能质量扰动事件特征;
在基于单个监测点分析所述异常指标的关联关系,得到单个监测点的电能质量扰动事件特征后,还包括:
根据各监测点的电能质量扰动事件特征,判断所述电能质量扰动事件特征是否为相关扰动源;
所述根据各监测点的电能质量扰动事件特征,判断所述电能质量扰动事件特征是否为相关扰动源,包括:
根据各监测点相同时刻监测到相同电能质量扰动事件特征,判断所述电能质量扰动事件特征是否为相关扰动源;
若所述各监测点的功率曲线具有一致性,且监测点的监测对象中包含扰动源,则判断所述电能质量扰动事件特征为相关扰动源;否则不是相关扰动源。
2.如权利要求1所述的一种电能质量扰动事件特征提取方法,其特征在于,所述方法还包括:根据是相关扰动源的电能质量扰动事件特征确定扰动事件特征库。
3.如权利要求1所述的一种电能质量扰动事件特征提取方法,其特征在于,所述预先得到的电能质量指标数据的异常阈值的确定方法包括:控制图法和概率分布法。
4.一种电能质量扰动事件特征提取系统,其特征在于,包括:
采集模块,用于基于时序采集被检测的电能质量指标监测数据;
异常指标模块,用于使用预先得到的电能质量指标数据的异常阈值对电能质量指标监测数据进行甄别,获得至少一个异常指标;
扰动模块,用于根根据所述异常指标,得到电能质量扰动事件特征;
所述异常指标模块包括:
统计特征值子模块,用于根据所述电能质量指标监测数据,确定所述电能质量指标的统计特征值;
异常数据子模块,用于根据所述异常阈值和控制图判异准则对所述统计特征值进行甄别判异,若所述统计特征值符合控制图判异准则,则判断所述电能质量指标为异常数据,否则为正常数据;
所述扰动模块包括:
单监测点子模块,用于基于单个监测点分析所述异常指标的关联关系,得到单个监测点的电能质量扰动事件特征;
所述单监测点子模块,用于,
统计同一监测点同时出现的异常电能质量数据的次数和类型;
将所述次数超过阈值的异常电能质量数据的集合作为一个扰动向量;
将所述扰动向量记作电能质量扰动事件特征;
还包括:扰动源模块,用于根据各监测点的电能质量扰动事件特征,判断所述电能质量扰动事件特征是否为相关扰动源;
所述扰动源模块,具体用于,
根据各监测点相同时刻监测到相同电能质量扰动事件特征,则判断所述电能质量扰动事件特征是否为相关扰动源;
若所述各监测点的功率曲线具有一致性,且监测点的监测对象中包含扰动源,则判断所述电能质量扰动事件特征为相关扰动源;否则不是相关扰动源。
5.如权利要求4所述的一种电能质量扰动事件特征提取系统,其特征在于,还包括:特征库模块,用于根据是相关扰动源的电能质量扰动事件特征确定扰动事件特征库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711170083.9A CN108053095B (zh) | 2017-11-22 | 2017-11-22 | 一种电能质量扰动事件特征提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711170083.9A CN108053095B (zh) | 2017-11-22 | 2017-11-22 | 一种电能质量扰动事件特征提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108053095A CN108053095A (zh) | 2018-05-18 |
CN108053095B true CN108053095B (zh) | 2024-03-19 |
Family
ID=62120016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711170083.9A Active CN108053095B (zh) | 2017-11-22 | 2017-11-22 | 一种电能质量扰动事件特征提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108053095B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108802535B (zh) * | 2018-06-27 | 2020-06-26 | 全球能源互联网研究院有限公司 | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 |
CN110032490A (zh) * | 2018-12-28 | 2019-07-19 | 中国银联股份有限公司 | 用于检测系统异常的方法及其装置 |
CN110348683A (zh) * | 2019-06-06 | 2019-10-18 | 全球能源互联网研究院有限公司 | 电能质量扰动事件主成因分析方法、装置设备及存储介质 |
CN110889597A (zh) * | 2019-11-08 | 2020-03-17 | 北京宝兰德软件股份有限公司 | 业务时序指标异常检测方法及装置 |
CN112527877A (zh) * | 2020-12-15 | 2021-03-19 | 深圳供电局有限公司 | 一种电能质量异常数据的管理方法、装置及系统 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6615147B1 (en) * | 1999-08-09 | 2003-09-02 | Power Measurement Ltd. | Revenue meter with power quality features |
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 |
CN102170124A (zh) * | 2011-03-21 | 2011-08-31 | 江苏省电力试验研究院有限公司 | 一种电能质量稳态指标预警方法 |
CN102650657A (zh) * | 2012-04-10 | 2012-08-29 | 中国电力科学研究院 | 基于二次差分法判断负阻尼振荡与强迫振荡的系统和方法 |
CN102880915A (zh) * | 2012-09-06 | 2013-01-16 | 中山大学 | 一种基于对热点事件进行关联挖掘的电量预测方法 |
CN103412805A (zh) * | 2013-07-31 | 2013-11-27 | 交通银行股份有限公司 | 一种it故障源诊断方法及系统 |
CN103593461A (zh) * | 2013-11-25 | 2014-02-19 | 东南大学 | 一种基于典型预警事件波形库的扰动源识别方法 |
CN103605016A (zh) * | 2013-10-30 | 2014-02-26 | 广东电网公司电力科学研究院 | 一种电能质量数据处理方法和装置 |
CN103617568A (zh) * | 2013-12-06 | 2014-03-05 | 国家电网公司 | 稳态电能质量预警机制中的异常数据判定阈值设定方法 |
CN103647276A (zh) * | 2013-12-10 | 2014-03-19 | 国家电网公司 | 一种电能质量预警系统及其方法 |
CN103729804A (zh) * | 2014-01-02 | 2014-04-16 | 东南大学 | 一种应对电能质量预警的在线决策支持方法 |
CN103824129A (zh) * | 2014-02-26 | 2014-05-28 | 国家电网公司 | 一种基于动态阈值的高铁电能质量异常状态预警方法 |
CN104050289A (zh) * | 2014-06-30 | 2014-09-17 | 中国工商银行股份有限公司 | 一种异常事件检测方法及系统 |
CN104269866A (zh) * | 2014-06-19 | 2015-01-07 | 国网宁夏电力公司 | 基于起振特性的强迫振荡扰动源识别和解列方法 |
CN104408667A (zh) * | 2014-11-20 | 2015-03-11 | 深圳供电局有限公司 | 一种电能质量综合评估的方法和系统 |
CN104635114A (zh) * | 2015-03-04 | 2015-05-20 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
CN104898618A (zh) * | 2015-05-08 | 2015-09-09 | 无锡中粮工程科技有限公司 | 粮油加工生产线能源管理系统及管理方法 |
CN105550450A (zh) * | 2015-12-17 | 2016-05-04 | 国网智能电网研究院 | 一种电能质量干扰源特征谐波建模方法 |
CN105786903A (zh) * | 2014-12-25 | 2016-07-20 | 国家电网公司 | 一种对电能质量扰动事件分类的方法 |
CN105825315A (zh) * | 2015-01-09 | 2016-08-03 | 国家电网公司 | 一种电能质量预警方法 |
WO2016138750A1 (zh) * | 2015-03-04 | 2016-09-09 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
CN106504116A (zh) * | 2016-10-31 | 2017-03-15 | 山东大学 | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 |
CN106556777A (zh) * | 2017-02-10 | 2017-04-05 | 云南电网有限责任公司电力科学研究院 | 基于电能质量在线监测的风电并网运行监测方法及系统 |
CN106707099A (zh) * | 2016-11-30 | 2017-05-24 | 国网上海市电力公司 | 基于异常用电检测模型的监测定位方法 |
CN106841857A (zh) * | 2017-01-03 | 2017-06-13 | 国网安徽省电力公司电力科学研究院 | 一种电能质量监测装置可靠性评估方法 |
CN106855597A (zh) * | 2016-12-28 | 2017-06-16 | 天津求实智源科技有限公司 | 一种非侵入式电能质量干扰源在线自适应监测系统及方法 |
CN107123987A (zh) * | 2017-05-11 | 2017-09-01 | 华东交通大学 | 基于在线训练加权svm的电能质量扰动识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI430212B (zh) * | 2010-06-08 | 2014-03-11 | Gorilla Technology Inc | 利用多特徵自動集群法之異常行為偵測系統與方法 |
US9823311B2 (en) * | 2014-07-31 | 2017-11-21 | Schneider Electric USA, Inc. | System to identify potential electrical network faults combining vibration and power quality analysis |
US10726341B2 (en) * | 2016-03-21 | 2020-07-28 | Schneider Electric USA, Inc. | Method for inferring downtime from power quality data |
-
2017
- 2017-11-22 CN CN201711170083.9A patent/CN108053095B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6615147B1 (en) * | 1999-08-09 | 2003-09-02 | Power Measurement Ltd. | Revenue meter with power quality features |
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 |
CN102170124A (zh) * | 2011-03-21 | 2011-08-31 | 江苏省电力试验研究院有限公司 | 一种电能质量稳态指标预警方法 |
CN102650657A (zh) * | 2012-04-10 | 2012-08-29 | 中国电力科学研究院 | 基于二次差分法判断负阻尼振荡与强迫振荡的系统和方法 |
CN102880915A (zh) * | 2012-09-06 | 2013-01-16 | 中山大学 | 一种基于对热点事件进行关联挖掘的电量预测方法 |
CN103412805A (zh) * | 2013-07-31 | 2013-11-27 | 交通银行股份有限公司 | 一种it故障源诊断方法及系统 |
CN103605016A (zh) * | 2013-10-30 | 2014-02-26 | 广东电网公司电力科学研究院 | 一种电能质量数据处理方法和装置 |
CN103593461A (zh) * | 2013-11-25 | 2014-02-19 | 东南大学 | 一种基于典型预警事件波形库的扰动源识别方法 |
CN103617568A (zh) * | 2013-12-06 | 2014-03-05 | 国家电网公司 | 稳态电能质量预警机制中的异常数据判定阈值设定方法 |
CN103647276A (zh) * | 2013-12-10 | 2014-03-19 | 国家电网公司 | 一种电能质量预警系统及其方法 |
CN103729804A (zh) * | 2014-01-02 | 2014-04-16 | 东南大学 | 一种应对电能质量预警的在线决策支持方法 |
CN103824129A (zh) * | 2014-02-26 | 2014-05-28 | 国家电网公司 | 一种基于动态阈值的高铁电能质量异常状态预警方法 |
CN104269866A (zh) * | 2014-06-19 | 2015-01-07 | 国网宁夏电力公司 | 基于起振特性的强迫振荡扰动源识别和解列方法 |
CN104050289A (zh) * | 2014-06-30 | 2014-09-17 | 中国工商银行股份有限公司 | 一种异常事件检测方法及系统 |
CN104408667A (zh) * | 2014-11-20 | 2015-03-11 | 深圳供电局有限公司 | 一种电能质量综合评估的方法和系统 |
CN105786903A (zh) * | 2014-12-25 | 2016-07-20 | 国家电网公司 | 一种对电能质量扰动事件分类的方法 |
CN105825315A (zh) * | 2015-01-09 | 2016-08-03 | 国家电网公司 | 一种电能质量预警方法 |
WO2016138750A1 (zh) * | 2015-03-04 | 2016-09-09 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
CN104635114A (zh) * | 2015-03-04 | 2015-05-20 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
CN104898618A (zh) * | 2015-05-08 | 2015-09-09 | 无锡中粮工程科技有限公司 | 粮油加工生产线能源管理系统及管理方法 |
CN105550450A (zh) * | 2015-12-17 | 2016-05-04 | 国网智能电网研究院 | 一种电能质量干扰源特征谐波建模方法 |
CN106504116A (zh) * | 2016-10-31 | 2017-03-15 | 山东大学 | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 |
CN106707099A (zh) * | 2016-11-30 | 2017-05-24 | 国网上海市电力公司 | 基于异常用电检测模型的监测定位方法 |
CN106855597A (zh) * | 2016-12-28 | 2017-06-16 | 天津求实智源科技有限公司 | 一种非侵入式电能质量干扰源在线自适应监测系统及方法 |
CN106841857A (zh) * | 2017-01-03 | 2017-06-13 | 国网安徽省电力公司电力科学研究院 | 一种电能质量监测装置可靠性评估方法 |
CN106556777A (zh) * | 2017-02-10 | 2017-04-05 | 云南电网有限责任公司电力科学研究院 | 基于电能质量在线监测的风电并网运行监测方法及系统 |
CN107123987A (zh) * | 2017-05-11 | 2017-09-01 | 华东交通大学 | 基于在线训练加权svm的电能质量扰动识别方法 |
Non-Patent Citations (4)
Title |
---|
EMD-Based Feature Extraction for Power Quality Disturbance Classification Using Moments;Misael Lopez-Ramirez et al.;Energies;第9卷(第565期);全文 * |
基于控制图的GPS异常监测数据检验方法研究;伊廷华;郭庆;李宏男;;工程力学(08);全文 * |
董海艳 ; 贾清泉 ; 崔志强 ; 于浩 ; 石磊磊 ; .复杂电能质量扰动事件源定位方法.电工技术学报.2016,第31卷(第23期),全文. * |
面向智能电网的新一代电能质量管理平台;王芳;顾伟;袁晓冬;周赣;吴志;林德清;;电力自动化设备(07);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108053095A (zh) | 2018-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053095B (zh) | 一种电能质量扰动事件特征提取方法及系统 | |
CN107679089B (zh) | 一种用于电力传感数据的清洗方法、装置和系统 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN106709651B (zh) | 一种基于风险理论的电力系统安全性评估系统 | |
CN110995153A (zh) | 一种光伏电站的异常数据检测方法、装置及电子设备 | |
CN111103565A (zh) | 一种基于智能电能表计量误差分析的数据变换方法及系统 | |
WO2018080523A1 (en) | Data cost effective fast similarity search with priority access | |
CN116304766A (zh) | 基于多传感器的开关柜状态快速评估方法 | |
WO2017196374A1 (en) | Similarity detection of abnormal waveforms using pmu measurement | |
CN112785108A (zh) | 一种基于调控云的电网运行数据关联分析方法及系统 | |
CN111900724B (zh) | 一种电力系统暂态稳定紧急控制在线决策方法、装置及存储介质 | |
CN109613324B (zh) | 一种谐波放大的检测方法及装置 | |
CN116382224B (zh) | 一种基于数据分析的包装设备监测方法及系统 | |
CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
CN111046319A (zh) | 一种电力大用户用电异常分析方法及系统 | |
CN110555619A (zh) | 一种基于智能配电网的供电能力评估方法 | |
CN110413622B (zh) | 一种基于电力大数据平台的数据处理方法 | |
CN113255096A (zh) | 基于向前逐步回归的高损线路异常台区定位方法及系统 | |
CN106682817B (zh) | 一种采集异常紧急程度的判定方法 | |
CN104361259A (zh) | 一种变压器越限运行特征分析方法 | |
CN109901003A (zh) | 一种逆变器功率故障检测方法及系统 | |
CN111191946A (zh) | 故障线路识别方法及装置、电子设备 | |
CN108802565B (zh) | 一种基于机器学习的中压配电网断线不接地故障检测方法 | |
CN115879799A (zh) | 一种变电站电能质量分析方法 | |
CN116028873A (zh) | 一种基于支持向量机的多类服务器故障预测方法 |
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 |