CN108964282B - 电能质量监测装置的部署方法、装置和计算机可读介质 - Google Patents

电能质量监测装置的部署方法、装置和计算机可读介质 Download PDF

Info

Publication number
CN108964282B
CN108964282B CN201810989972.6A CN201810989972A CN108964282B CN 108964282 B CN108964282 B CN 108964282B CN 201810989972 A CN201810989972 A CN 201810989972A CN 108964282 B CN108964282 B CN 108964282B
Authority
CN
China
Prior art keywords
power quality
power
node
monitoring device
quality monitoring
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
CN201810989972.6A
Other languages
English (en)
Other versions
CN108964282A (zh
Inventor
梁潇
田鹏伟
丹尼尔·施尼盖斯
秦雷鸣
仲刚
李萍
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.)
Siemens Power Automation Ltd
Original Assignee
Siemens Power Automation Ltd
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 Siemens Power Automation Ltd filed Critical Siemens Power Automation Ltd
Priority to CN201810989972.6A priority Critical patent/CN108964282B/zh
Publication of CN108964282A publication Critical patent/CN108964282A/zh
Application granted granted Critical
Publication of CN108964282B publication Critical patent/CN108964282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H02J13/0006—
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

涉及电力技术领域，尤其涉及电能质量监测装置的部署方法、装置、计算机程序产品和计算机可读介质,用于在一个用电侧有效部署电能质量监测装置。在本发明实施例提供的一种方法包括：选择用电侧(30)的至少一个备选的关键节点(200)；确定每一个备选的关键节点(200)处的电能质量与其他备选的每一个关键节点(200)处以及已经部署的每一个电能质量监测装置(100)所监视得到的电能质量之间的差异程度；在差异程度最大的前若干个备选的关键节点(200)的每一处部署一个电能质量监测装置(100)。使得所有部署了电能质量监测装置所获取的电能质量的数据能够最大限度地解释用电侧整体电能质量。

Description

电能质量监测装置的部署方法、装置和计算机可读介质
技术领域
本发明涉及电力技术领域，尤其涉及一种电能质量监测装置的部署方法、装置和计算机可读介质。
背景技术
电力系统是由发电厂、送变电线路、供配电所和用电侧等组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。
电能质量(power quality，PQ)，作为衡量一个电力系统性能的重要指标，其对于用电侧具有一显著影响。以一个工厂为例，瞬时电压跌落(transient voltage dip)会导致生产过程中的各种问题，比如：生产设备故障、能源消耗增加、产品质量下降等。
因此，有必要在用电侧部署一定数量的电能质量监测装置，以实现对用电侧电能质量的有效监视。但通常由于费用、生产无法中断等原因，并不能在用电侧的所有电路节点处均部署电能质量监测装置。因此，如何在用电侧有效部署电能质量监测装置，成为监视用电侧电能质量时亟需解决的问题。
发明内容
有鉴于此，本发明实施例提供一种电能质量监测装置的部署方法、装置和计算机可读介质，用于在一个用电侧有效部署电能质量监测装置。
第一方面，提供一种在一个用电侧部署电能质量监测装置的方法，包括：确定一个用电侧中对电能质量有显著影响的电路节点作为关键节点；从所确定且未部署电能质量监测装置的关键节点中选择至少一个备选的关键节点；对于每一个备选的关键节点，确定在该备选的关键节点处的电能质量与其他备选的每一个关键节点处以及已经部署的每一个电能质量监测装置所监视得到的电能质量之间的差异程度；在差异程度最大的前若干个备选的关键节点的每一处部署一个电能质量监测装置。
通过确定对一个用电侧的电能质量有显著影响的关键节点，缩小了部署位置的选择范围，并且通过在关键节点处部署电能质量监测装置，即可实现对这些关键节点处的电能质量的有效监测，也能够有效实现对用电侧电能质量的监视。
并且，通过定义可能部署电能质量监测装置的位置之间电能质量的差异，从而找到最有可能与电能质量监测装置所监视的电能质量差异最大的位置，并在该确定的位置处部署电能质量监测装置，从而使得所有部署了电能质量监测装置所获取的电能质量的数据能够最大限度地解释整个用电侧的电能质量。这样，就能够通过部署有限的电能质量监测装置从而最大限度地获得用电侧整体电能质量。
该部署方案无需依赖于经验或对关键节点的深入理解，能够在预算有限或者无法中断生产的情况下系统有效地部署电能质量监测装置。
可选地，对于每一个备选的关键节点，确定在该备选的关键节点处的电能质量与其他备选的每一个关键节点处以及已经部署的每一个电能质量监测装置所监视得到的电能质量之间的差异程度时，可确定所述至少一个备选的关键节点与所述用电侧其他电路节点之间电能质量的相互影响关系；基于确定的所述相互影响关系，确定每一个备选的关键节点处的电能质量与其他备选的每一个关键节点处以及已经部署的每一个电能质量监测装置所监视得到的电能质量之间的差异程度。
可选地，在确定所述至少一个备选的关键节点与所述用电侧其他电路节点之间电能质量的相互影响关系时，可根据每一个备选的关键节点的与电能质量相关的数据的额定值、每一个已部署电能质量监测装置的电路节点所监视得到的电能质量数据，确定所述至少一个备选的关键节点与所述用电侧其他电路节点之间电能质量的相互影响关系。
由于该关系符合用电侧实际的电能质量情况，因此基于该关系所进一步确定的部署电能质量监测装置的关键节点才能最贴近用电侧实际的电能质量，部署的方案更精确。
第二方面，提供一种在一个用电侧部署电能质量监测装置的装置。该装置可用于实现第一方面所提供的方法。该装置可包括：一个关键节点确定模块，用于确定一个用电侧中对电能质量有显著影响的电路节点作为关键节点；一个备选节点选择模块，用于从所确定且未部署电能质量监测装置的关键节点中选择至少一个备选的关键节点；一个差异确定模块，用于对于每一个备选的关键节点，确定在该备选的关键节点处的电能质量与其他备选的每一个关键节点处以及已经部署的每一个电能质量监测装置所监视得到的电能质量之间的差异程度；一个部署模块，用于在差异程度最大的前若干个备选的关键节点的每一处部署一个电能质量监测装置。
通过确定对一个用电侧的电能质量有显著影响的关键节点，缩小了部署位置的选择范围，并且通过在关键节点处部署电能质量监测装置，即可实现对这些关键节点处的电能质量的有效监测，也能够有效实现对用电侧电能质量的监视。
并且，通过定义可能部署电能质量监测装置的位置之间电能质量的差异，从而找到最有可能与电能质量监测装置所监视的电能质量差异最大的位置，并在该确定的位置处部署电能质量监测装置，从而使得所有部署了电能质量监测装置所获取的电能质量的数据能够最大限度地解释整个用电侧的电能质量。这样，就能够通过部署有限的电能质量监测装置从而最大限度地获得用电侧整体电能质量。
该部署方案无需依赖于经验或对关键节点的深入理解，能够在预算有限或者无法中断生产的情况下系统有效地部署电能质量监测装置。
可选地，所述差异确定模块，具体用于：确定所述至少一个备选的关键节点与所述用电侧其他电路节点之间电能质量的相互影响关系；基于确定的所述相互影响关系，确定每一个备选的关键节点处的电能质量与其他备选的每一个关键节点处以及已经部署的每一个电能质量监测装置所监视得到的电能质量之间的差异程度。
可选地，所述差异确定模块在确定所述至少一个备选的关键节点与所述用电侧其他电路节点之间电能质量的相互影响关系时，具体用于：根据每一个备选的关键节点的与电能质量相关的数据的额定值、每一个已部署电能质量监测装置的电路节点所监视得到的电能质量数据，确定所述至少一个备选的关键节点与所述用电侧其他电路节点之间电能质量的相互影响关系。
由于该关系符合用电侧实际的电能质量情况，因此基于该关系所进一步确定的部署电能质量监测装置的关键节点才能最贴近用电侧实际的电能质量，部署的方案更精确。
第三方面，提供一种在一个用电侧部署电能质量监测装置的装置，包括：至少一个存储器，用于存储计算机可读代码；至少一个处理器，用于调用所述计算机可读代码，执行如第一方面或第一方面的任一种可能的实现方式所提供的方法。
第四方面，提供一种计算机可读介质，所述计算机可读介质上存储有计算机可读指令，所述计算机可读指令在被处理器执行时，使所述处理器执行第一方面或第一方面的任一种可能的实现方式所提供的方法。
可选地，上述任一方面或任一方面的一种可能的实现方式中，所述用电侧为一个工厂，所述关键节点为生产设备。
附图说明
图1示出了一个工厂的电能质量监测装置的部署情况。
图2为本发明实施例提供的电能质量监测装置部署方法的流程图。
图3为电路节点之间电能质量的相互影响关系的示意图。
图4示出了本发明实施例所采用的算法中的消息流。
图5为本发明实施例提供的在用电侧部署电能质量监测装置的装置的一种结构示意图。
图6为本发明实施例提供的在用电侧部署电能质量监测装置的装置的另一种结构示意图。
附图标记列表：
100：电能质量监测装置 200：关键节点 300：电线
400：网络电缆 500：生产线 600：部署电能质量监测装置的装置
10：电网 20：配电站 30：用电侧(比如：工厂)
21：生产车间
Xi(1≤i＜n)，Xn：电路节点 701：第一级别 702：第二级别
703：第三级别 704：第四级别
601：关键节点确定模块 602：备选节点选择模块 603：差异确定模块
604：部署模块 605：存储器 606：处理器
607：通信端口
具体实施方式
如前所述，如何在用电侧有效部署电能质量监测装置是目前亟需解决的问题。本发明实施例中，通过对电能质量问题的大量分析，确定用电侧对电能质量有显著影响的关键节点，并根据用电侧的电路结构，确定在哪个或哪些关键节点处部署电能质量监测装置，使得所部署的电能质量监测装置能够最大限度地反映用电侧整体的电能质量。
其中，在确定用电侧对电能质量有显著影响的关键节点时，通过大量研究发现，对电能质量有显著影响的谐波污染(harmonics pollution)是由于非线性负载、分布式能源网络(distributed energy network)等引起的。以一个工厂为例，电能质量可能受到一些关键的生产设备(这些设备一般耗电量庞大，并且设备中断会导致整个生产线中断，比如封闭式浸漆机，真空加温箱，同时这些设备由于其负载的非线性，可能带来对电能的谐波污染)的影响，甚至可能导致突然断电。综合上述分析，在用电侧一些耗电较大的负载可能对用电侧的电能质量有显著影响，本发明实施例中，将确定在这些关键节点处如何合理部署电能质量监测装置。
如前所述，通常由于费用、生产无法中断等原因，并不能在用电侧的所有关键节点处均部署电能质量监测装置。本发明实施例中，确定最佳的部署位置，以使得所有部署了电能质量监测装置所获取的电能质量的数据能够最大限度地解释用电侧整体电能质量。这样，就能够通过部署有限的电能质量监测装置从而最大限度地获得用电侧整体电能质量。
其中，通过定义可能部署电能质量监测装置的位置之间电能质量的差异，从而找到最有可能与电能质量监测装置所监视的电能质量差异最大的位置，并在该确定的位置处部署电能质量监测装置，从而使得所有部署了电能质量监测装置所获取的电能质量的数据能够最大限度地解释整个用电侧的电能质量。
下面，结合附图对本发明实施例进行详细说明。
图1示出了一个工厂现有的电能质量监测装置的部署情况。如图1所示，电网(Grid)为工厂30供电，其中电网10输出的电能首先通过配电站(substation)20进行电压变换和分配，其中一部分电能输出至生产车间21，其他电能可输入至办公区域或其他用电区域。
在该工厂30中，我们将电路分为不同级别，其中包括与电网10和配电站20直接连接的第一级别701的电路；配电站20至生产车间21的第二级别702的电路；生产车间21中各条生产线的第三级别703的电路；以及生产线上各生产设备的第四级别704的电路。如前所述，本发明实施例中，要在对电能质量有显著影响的关键节点处部署电能质量监测装置100。图1所示的例子中，生产线上的生产设备可能会导致整个生产线断电，并且由于其负载的非线性，可能带来对电能的谐波污染，因此，这些生产设备是图1所示的工厂30中对电能质量有显著影响的关键节点。
其中，在不同的生产线上有几个关键节点200，其对电能质量的要求较高，需要有较高质量的电能供应以保证关键节点200的正常运行。通常的情况是：无法在所有的关键节点200处均部署电能质量监测装置100。因此本发明实施例要解决的问题是确定在标记了“？”的若干个关键节点200中的哪一个处部署该新增的电能质量监测装置100，以达到获取工厂30整体电能质量的目的。图1中，网络电缆400用于数据传输。所有的电能质量监测装置100均连接至一个电能质量监测装置的部署装置600，以下简称“装置600”。装置600用于确定新增的电能质量监测装置100的最佳部署位置，以使得所有部署了电能质量监测装置100所获取的电能质量的数据能够最大限度地解释用电侧30整体电能质量。
图2为本发明实施例提供的电能质量监测装置部署方法的流程图。该方法可由前述的部署装置600执行。如图2所示，该方法可包括如下步骤：
S201：确定一个用电侧30中对电能质量有显著影响的电路节点作为关键节点200。
步骤S201中，可如前所述，确定一条生产线上的部分或全部生产设备作为关键节点200。也可通过实验的方式或依据经验，确定在用电侧30的哪些电路节点对电能质量的影响显著，则将这些电路节点作为关键节点200。
S202：从所确定且未部署电能质量监测装置100的关键节点200中选择至少一个备选的关键节点200。
步骤S202中，如图1所示，带“？”的关键节点200为备选的关键节点200。
S203：对于每一个备选的关键节点200，确定在该备选的关键节点200处的电能质量与其他备选的每一个关键节点200处以及已经部署的每一个电能质量监测装置100所监视得到的电能质量之间的差异程度。
S204：在差异程度最大的前若干个备选的关键节点200的每一处部署一个电能质量监测装置100。
步骤S203可包括以下两个主要过程：
过程一、确定至少一个备选的关键节点与用电侧30其他电路节点之间电能质量的相互影响关系。
过程二、基于过程一所确定的相互影响关系，确定每一个备选的关键节点处的电能质量与其他备选的每一个关键节点处以及已经部署的每一个电能质量监测装置100所监视得到的电能质量之间的差异程度。
下面对过程一和过程二分别进行详细解释。
【过程一】
过程一中，可根据每一个备选的关键节点200的与电能质量相关的数据的额定值、每一个已部署电能质量监测装置100的电路节点所监视得到的电能质量数据，确定至少一个备选的关键节点200与用电侧30其他电路节点之间电能质量的相互影响关系。
下面以图1所示的工厂为例加以详细说明。过程一可包括如下步骤：
S2031：确定工厂30的电路图。
该电路图中包括步骤S202中确定的所有备选的关键节点200。
S2032：确定用电侧30所有已部署了电能质量监测装置100的位置，包括配电站20、馈线、关键节点200处等已经部署了电能质量监测装置100的位置。
其中，步骤S2032可在步骤S2031之前或之后执行，或者与步骤S2031同时执行。
过程一的下述步骤中，利用贝叶斯网络模型来确定所有备选的关键节点200与工厂30其他电路节点之间电能质量的相互影响关系。
S2033：基于步骤S2031中确定的工厂30的电路图，确定所有可能的贝叶斯网络，其中每一个贝叶斯网络对应于步骤S202中确定的所有备选的关键节点200与工厂30其他电路节点之间电能质量的相互影响关系的一个可能的情况。
图3中以概率图模型(probabilistic graphical model)示出了最终确定的贝叶斯网络。其中，每一个节点为一个随机变量，对应于一个工厂30中的一个电路节点。该随机变量可为离散型随机变量，取值范围为该节点能监测到的电能质量相关数据的最小值到最大值(或者由额定数据进行估算)。该概率图模型中，每一条边代表两个节点之间的因果关系(causal relationship)，表示对应的电路节点之间电能质量会相互影响。不同的贝叶斯网络所包含的节点是相同的，区别在于节点之间是否有边。
S2034：基于收集到的额定数据，比如：额定电压、额定电流等与电能质量有关的数据，初始化步骤S202中确定的每一个备选的关键节点200与电能质量有关的参数。
S2035：从已部署的电能质量监测装置100处收集电能质量的数据，比如：电压、电流、有功功率、谐波电压、谐波电流等。
S2036：注入步骤S2034确定的参数以及步骤S2035中获取的数据，进行算法初始化。
该步骤中，对于贝叶斯网络中的每个一节点，通过注入的数据确定该节点的先验概率分布。先验概率分布用于表示一个节点所对应的电路节点实际的PQ数据与额定数据之间的偏离程度。比如：对于已部署了电能质量监测装置100的电路节点，可通过数据拟合的方式(比如直方图或者核密度估计(kernel density estimation，KDE)获得先验概率分布；对于备选的关键节点200，可假设该先验概率分布为正态分布，并使用额定数据确定该正态分布的均值；对于图3中的每一个Xn节点，初始化为均匀分布。均匀分布的上下边界分别由上一级别的父节点的额定数据的最大值和最小值而定。
S2037：确定每一个贝叶斯网络的狄利克雷打分值(Dirichlet score)，找到最大的狄利克雷函数值所对应的贝叶斯网络，该贝叶斯网络即可表示所有备选的关键节点200与工厂30其他电路节点之间电能质量的相互影响关系。其中，狄利克雷函数值用于表示不同的贝叶斯网络与注入的数据的匹配程度，值越大，匹配程度越高。因此，步骤S2037中找到的是与用电侧30实际的电能质量最匹配的电路节点之间的相互影响关系。
【过程二】
过程二中，以过程一中确定的所有备选的关键节点200与工厂30其他电路节点之间电能质量的相互影响关系为基础，进一步确定在此关系中，每一个备选的关键节点200处的电能质量与其他备选的关键节点200处以及已经部署电能质量监测装置100所监视得到的电能质量之间的差异程度。目的是在差异程度最大的若干个备选的关键节点200处部署电能质量监测装置100，以使得在增加了电能质量监测装置100后，所有电能质量监测装置100所监视得到的电能质量能够最大程度地体现整个用电侧30的电能质量。
仍以图1所示的工厂为例，过程二可包括如下步骤：
S2038：注入步骤S2034确定的参数以及步骤S2035中获取的数据，进行算法初始化。
S2039：对于每一个备选的关键设备200，确定该备选的关键设备200与确定的贝叶斯网络的其他电路节点的电能质量之间差异的概率分布。
S2040：对步骤S2039中得到的所有的概率分布进行排序，得到电能质量差异程度最大的若干个备选的关键节点200。
S2041：在步骤S2040中得到的电能质量差异程度最大的若干个备选的关键节点200中的每一处部署一个电能质量监测装置100。
下面，对于上述过程一和过程二中涉及的算法实现加以说明。
过程一中可使用基于分数的算法。
上述步骤S2033中，确定了所有可能的贝叶斯网络。其中，参考图3，不同的贝叶斯网络所包含的节点是相同的，区别在于节点之间是否有边。那么不同的节点之间是否有边确定了不同的图Gj，所有的图Gj组成了图的集合G。
算法的目的是在集合G中找到一个G’，该G’最符合给定的数据D，D即为步骤S2034和步骤S2035中收集的数据。若定义贝叶斯狄利克雷打分值为：
Score(G:D)＝Pr(G|D)
即在给定数据D的情况下G联合概率密度，那么：
Score(G’:D)＝max{Score(G:D),G in G}
过程一中，若考虑图3中所有节点中两两之间是否有边的所有的可能性，则算法复杂度较高。可选地，可结合工厂30的实际场景，限制Gj，对于701～704中的每一个，仅由于同一个级别中，出现#n个边，并默认已安装了电能质量监测装置100的电路节点与其电路相连的备选的关键节点200之间存在边，其中，#n代表需要新部署的电能质量监测装置100的数量。
过程二中，可使用置信度传播推断(belief propagation inference)算法定义每一个备选的关键设备200与确定的贝叶斯网络的其他电路节点的电能质量之间差异的概率分布，即：
Prob_diff(Xi)＝1-Ma(Xi)/Mb(Xi)
参考图3，左侧是贝叶斯网络，右侧是贝叶斯网络对应的因子图。其中，带箭头的粗线表示消息传递的方向，Ma(Xi)是其他节点流入节点Xi的消息，Mb(Xi)是从节点Xi流出的消息。在将确定好的贝叶斯网络转换为其对应的因子图时，将所有随机变量Xi(节点)列于一侧，另一侧用方块节点fj表示因子，j为正整数，并将贝叶斯网络中有边的两个或多个随机变量连接到同一个因子，使得此因子为与其相连的随机变量的函数。需要说明的是，有初始化数据信息的随机变量需要额外连接到其单独对应的因子，表示相应的初始化数据信息(比如图中的X2,X10)。
于是从其他节点流入节点Xi的消息Ma(Xi)即为所有与此节点相连的因子在边缘化掉所有其他与其相连的节点后的和。例如，流入节点X10的消息可采用下述公式得到：
Ma(X10)＝Ma_3(X10)\X10+Ma_5(X10)\X10＝f3*Mb_3(X5)
从节点Xi流出的消息Mb(Xi)即为所有其他与其相连的因子(即除了初始化数据信息的因子)的乘积。例如，从节点X10流出的消息可采用下述公式得到：
Mb(X10)＝Mb_3(X10)
如图5所示，本发明实施例提供一种在用电侧部署电能质量监测装置的装置600，该装置600可包括：
一个关键节点确定模块601，用于确定一个用电侧30中对电能质量有显著影响的电路节点作为关键节点200；
一个备选节点选择模块602，用于从所确定且未部署电能质量监测装置100的关键节点200中选择至少一个备选的关键节点200；
一个差异确定模块603，用于对于每一个备选的关键节点200，确定在该备选的关键节点200处的电能质量与其他备选的每一个关键节点200处以及已经部署的每一个电能质量监测装置100所监视得到的电能质量之间的差异程度；
一个部署模块604，用于在差异程度最大的前若干个备选的关键节点200的每一处部署一个电能质量监测装置100。
其中，可选地，该用电侧30为一个工厂，关键节点200为生产设备。
可选地，该差异确定模块603，具体用于：
确定至少一个备选的关键节点200与用电侧30其他电路节点之间电能质量的相互影响关系；
基于确定的相互影响关系，确定每一个备选的关键节点200处的电能质量与其他备选的每一个关键节点200处以及已经部署的每一个电能质量监测装置100所监视得到的电能质量之间的差异程度。
可选地，差异确定模块603在确定至少一个备选的关键节点200与用电侧30其他电路节点之间电能质量的相互影响关系时，具体用于：根据每一个备选的关键节点200的与电能质量相关的数据的额定值、每一个已部署电能质量监测装置100的电路节点所监视得到的电能质量数据，确定至少一个备选的关键节点200与用电侧30其他电路节点之间电能质量的相互影响关系。
该装置中包括的各模块的其他可选实现方式可参考图2所示的部署方法，这里不再赘述。
如图6所示，本发明实施例提供的装置600在硬件实现上可包括：
至少一个存储器605，用于存储计算机可读代码；
至少一个处理器606，用于调用计算机可读代码，执行图2所示的部署方法。
其中至少一个存储器605和至少一个处理器606之前可通过总线连接，此外，访问控制设备50还可提供至少一个通信端口607，用于收集前述的额定数据、电能质量的数据等。
通信端口607和存储器605以及处理器606之间也可通过总线通信。
其中，装置600中包括的各模块：关键节点确定模块601、备选节点选择模块602、差异确定模块603和部署模块604等可视为图6所示的至少一个存储器605中存储的计算机可读代码中的程序模块，由至少一个处理器606调用以执行本发明实施例提供的部署方法。
此外，上述各模块也可视为由硬件和软件组合而实现的各个功能模块，装置600在执行部署方法时涉及的各种功能。上述各模块还也可视为由硬件实现的各个功能模块，用于实现装置600在执行访问控制方法时涉及的各种功能，比如预先将访问控制方法中涉及的各流程的控制逻辑烧制到诸如现场可编程门阵列(Field-Programmable Gate Array，FPGA)芯片或复杂可编程逻辑器件(Complex Programmable Logic Device，CPLD)中，而由这些芯片或器件执行上述各模块的功能，具体实现方式可依工程实践而定。
此外，本发明实施例还提供一种计算机可读介质，该计算机可读介质上存储有计算机可读指令，计算机可读指令在被处理器执行时，使处理器执行图2所示的部署方法。计算机可读介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选地，可以由通信网络从服务器计算机上或云上下载计算机可读指令。
需要说明的是，上述各流程和各系统结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构，也可以是逻辑结构，即，有些模块可能由同一物理实体实现，或者，有些模块可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。
综上，本发明实施例提供一种电能质量监测装置的部署方法、装置、计算机程序产品和计算机可读介质，用于在一个用电侧有效部署电能质量监测装置。
通过确定对一个用电侧的电能质量有显著影响的关键节点，缩小了部署位置的选择范围，并且通过在关键节点处部署电能质量监测装置，可有效实现对用电侧电能质量的监视。
确定备选的关键节点与用电侧的其他电路节点之间电能质量的相互影响关系。由于该关系符合用电侧实际的电能质量情况，因此基于该关系所进一步确定的部署电能质量监测装置的关键节点才能最贴近用电侧实际的电能质量，部署的方案更精确。
通过定义可能部署电能质量监测装置的位置之间电能质量的差异，从而找到最有可能与电能质量监测装置所监视的电能质量差异最大的位置，并在该确定的位置处部署电能质量监测装置，从而使得所有部署了电能质量监测装置所获取的电能质量的数据能够最大限度地解释整个用电侧的电能质量。
其中，在上述过程一中，概率模型的使用解决了用电侧实际用电情况的不确定性可能导致的算法结果不准确的问题，使得能够准确度量用电侧电路节点之间的电能质量的相互影响关系，进而得到的贝叶斯网络可用于估计备选的关键节点的电能质量。
仅在确定的关键节点处部署电能质量监测装置，而无需在所有电路节点处均部署电能质量监测装置，但却能够获得用电侧整体的电能质量。该部署方案无需依赖于经验或对关键节点的深入理解，能够在预算有限或者无法中断生产的情况下系统有效地部署电能质量监测装置。

Claims (10)

1.在一个用电侧(30)部署电能质量监测装置(100)的方法，其特征在于，包括：
确定一个用电侧(30)中对电能质量有显著影响的电路节点作为关键节点(200)；
从所确定且未部署电能质量监测装置(100)的关键节点(200)中选择至少一个备选的关键节点(200)；
对于每一个备选的关键节点(200)，确定在该备选的关键节点(200)处的电能质量与其他备选的每一个关键节点(200)处以及已经部署的每一个电能质量监测装置(100)所监视得到的电能质量之间的差异程度；
在差异程度最大的前若干个备选的关键节点(200)的每一处部署一个电能质量监测装置(100)。
2.如权利要求1所述的方法，其特征在于，对于每一个备选的关键节点(200)，确定在该备选的关键节点(200)处的电能质量与其他备选的每一个关键节点(200)处以及已经部署的每一个电能质量监测装置(100)所监视得到的电能质量之间的差异程度，包括：
确定所述至少一个备选的关键节点(200)与所述用电侧(30)其他电路节点之间电能质量的相互影响关系；
基于确定的所述相互影响关系，确定每一个备选的关键节点(200)处的电能质量与其他备选的每一个关键节点(200)处以及已经部署的每一个电能质量监测装置(100)所监视得到的电能质量之间的差异程度。
3.如权利要求2所述的方法，其特征在于，确定所述至少一个备选的关键节点(200)与所述用电侧(30)其他电路节点之间电能质量的相互影响关系，包括：
根据每一个备选的关键节点(200)的与电能质量相关的数据的额定值、每一个已部署电能质量监测装置(100)的电路节点所监视得到的电能质量数据，确定所述至少一个备选的关键节点(200)与所述用电侧(30)其他电路节点之间电能质量的相互影响关系。
4.如权利要求1～3任一项所述的方法，其特征在于，所述用电侧(30)为一个工厂，所述关键节点(200)为生产设备。
5.在一个用电侧(30)部署电能质量监测装置(100)的装置(600)，其特征在于，包括：
一个关键节点确定模块(601)，用于确定一个用电侧(30)中对电能质量有显著影响的电路节点作为关键节点(200)；
一个备选节点选择模块(602)，用于从所确定且未部署电能质量监测装置(100)的关键节点(200)中选择至少一个备选的关键节点(200)；
一个差异确定模块(603)，用于对于每一个备选的关键节点(200)，确定在该备选的关键节点(200)处的电能质量与其他备选的每一个关键节点(200)处以及已经部署的每一个电能质量监测装置(100)所监视得到的电能质量之间的差异程度；
一个部署模块(604)，用于在差异程度最大的前若干个备选的关键节点(200)的每一处部署一个电能质量监测装置(100)。
6.如权利要求5所述的装置(600)，其特征在于，所述差异确定模块(603)，具体用于：
确定所述至少一个备选的关键节点(200)与所述用电侧(30)其他电路节点之间电能质量的相互影响关系；
基于确定的所述相互影响关系，确定每一个备选的关键节点(200)处的电能质量与其他备选的每一个关键节点(200)处以及已经部署的每一个电能质量监测装置(100)所监视得到的电能质量之间的差异程度。
7.如权利要求6所述的装置(600)，其特征在于，所述差异确定模块(603)在确定所述至少一个备选的关键节点(200)与所述用电侧(30)其他电路节点之间电能质量的相互影响关系时，具体用于：
根据每一个备选的关键节点(200)的与电能质量相关的数据的额定值、每一个已部署电能质量监测装置(100)的电路节点所监视得到的电能质量数据，确定所述至少一个备选的关键节点(200)与所述用电侧(30)其他电路节点之间电能质量的相互影响关系。
8.如权利要求5～7任一项所述的装置(600)，其特征在于，所述用电侧(30)为一个工厂，所述关键节点(200)为生产设备。
9.在一个用电侧(30)部署电能质量监测装置(100)的装置(600)，其特征在于，包括：
至少一个存储器(605)，用于存储计算机可读代码；
至少一个处理器(606)，用于调用所述计算机可读代码，执行如权利要求1～4任一项所述的方法。
10.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机可读指令，所述计算机可读指令在被处理器执行时，使所述处理器执行权利要求1～4中任一项所述的方法。
CN201810989972.6A 2018-08-28 2018-08-28 电能质量监测装置的部署方法、装置和计算机可读介质 Active CN108964282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810989972.6A CN108964282B (zh) 2018-08-28 2018-08-28 电能质量监测装置的部署方法、装置和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810989972.6A CN108964282B (zh) 2018-08-28 2018-08-28 电能质量监测装置的部署方法、装置和计算机可读介质

Publications (2)

Publication Number Publication Date
CN108964282A CN108964282A (zh) 2018-12-07
CN108964282B true CN108964282B (zh) 2020-09-29

Family

ID=64474590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810989972.6A Active CN108964282B (zh) 2018-08-28 2018-08-28 电能质量监测装置的部署方法、装置和计算机可读介质

Country Status (1)

Country Link
CN (1) CN108964282B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022056926A1 (zh) * 2020-09-21 2022-03-24 西门子股份公司 一种电能质量监测设备的部署方法和装置
CN117436532B (zh) * 2023-12-21 2024-03-22 中用科技有限公司 一种洁净室气态分子污染物根因分析方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105092999B (zh) * 2014-05-19 2017-12-12 罗克韦尔自动化技术公司 利用多个指示的电力质量事件定位
CN105977968B (zh) * 2016-06-06 2018-05-08 浙江工业大学 一种环状多源配电网的电能质量监测器优化配置方法

Also Published As

Publication number Publication date
CN108964282A (zh) 2018-12-07

Similar Documents

Publication Publication Date Title
Poudel et al. Critical load restoration using distributed energy resources for resilient power distribution system
Wang et al. Markov decision process-based resilience enhancement for distribution systems: An approximate dynamic programming approach
Oliveira et al. Power system security assessment for multiple contingencies using multiway decision tree
Abdel‐Akher Voltage stability analysis of unbalanced distribution systems using backward/forward sweep load‐flow analysis method with secant predictor
Gangwar et al. Network reconfiguration for the DG‐integrated unbalanced distribution system
Hemmatpour et al. Simple and efficient method for steady‐state voltage stability analysis of islanded microgrids with considering wind turbine generation and frequency deviation
CN115842342B (zh) 一种分布式配电网的拓扑识别方法及装置
CN108964282B (zh) 电能质量监测装置的部署方法、装置和计算机可读介质
Riahinia et al. Load service restoration in active distribution network based on stochastic approach
Pérez‐Rúa et al. Reliability‐based topology optimization for offshore wind farm collection system
Popovic et al. A risk management procedure for island partitioning of automated radial distribution networks with distributed generators
EP3861615A1 (en) Distribution grid admittance estimation with limited nonsynchronized measurements
Maffei et al. A cyber-physical systems approach for implementing the receding horizon optimal power flow in smart grids
Chopade et al. Structural and functional vulnerability analysis for survivability of Smart Grid and SCADA network under severe emergencies and WMD attacks
CN106022590B (zh) 有源配电网的电压质量评估方法和装置
Mohammadi et al. Synthetic benchmarks for power systems
Chen et al. Distributed event-triggered control for frequency restoration in islanded microgrids with reduced trigger condition checking
Bajwa et al. Resilience‐oriented service restoration modelling interdependent critical loads in distribution systems with integrated distributed generators
WO2020041903A1 (en) Nano/micro-grid power distribution system
Daniar et al. Optimal controlled islanding considering frequency‐arresting and frequency‐stabilising constraints: A graph theory‐assisted approach
Anthony Reliability analysis of distribution network
Prostejovsky et al. Reduction of topological connectivity information in electric power grids
Deshmukh et al. Stochastic state estimation for smart grids in the presence of intermittent measurements
Zhao et al. A new multi-objective microgrid restoration via semidefinite programming
Cruz et al. Planning metering for power distribution systems monitoring with topological reconfiguration

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