CN109116183B - 谐波模型参数辨识方法、装置、存储介质及电子设备 - Google Patents

谐波模型参数辨识方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN109116183B
CN109116183B CN201810691551.5A CN201810691551A CN109116183B CN 109116183 B CN109116183 B CN 109116183B CN 201810691551 A CN201810691551 A CN 201810691551A CN 109116183 B CN109116183 B CN 109116183B
Authority
CN
China
Prior art keywords
harmonic
admittance
measurement data
current
voltage
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
CN201810691551.5A
Other languages
English (en)
Other versions
CN109116183A (zh
Inventor
李亚琼
王同勋
周胜军
赵国亮
王翀
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.)
State Grid Corp of China SGCC
Global Energy Interconnection Research Institute
Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Global Energy Interconnection Research Institute
Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co 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 State Grid Corp of China SGCC, Global Energy Interconnection Research Institute, Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810691551.5A priority Critical patent/CN109116183B/zh
Publication of CN109116183A publication Critical patent/CN109116183A/zh
Application granted granted Critical
Publication of CN109116183B publication Critical patent/CN109116183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种谐波模型参数辨识方法、装置、存储介质及电子设备，其中该方法包括采集估计干扰源端口处的基波电压值和各次谐波电压值，采集待估计干扰源支路的基波电流值和各次谐波电流值，根据上述测量数据得到当前预定时间段的谐波导纳参数。通过本发明提供的谐波模型参数辨识方法，基于测量数据精确地描述了端口各次谐波电压与谐波源支路各次谐波电流之间的关系，较传统的谐波源参数辨识方法得到的导纳参数更能精确地反映谐波源对端口电压的影响，解决了现有技术中的谐波模型参数辨识方法，得到的导纳参数不准确的问题。

Description

谐波模型参数辨识方法、装置、存储介质及电子设备
技术领域
本发明涉及电网评估技术领域，具体涉及一种谐波模型参数辨识方法、装置、存储介质及电子设备。
背景技术
近年来，随着非线性电力电子装置在电力系统中的广泛应用，电网中的谐波污染问题日益突出，为了评估谐波源对电网谐波电压的影响，往往需要计算谐波源导纳的变化情况。
现有技术中的谐波模型参数辨识方法，通常是对所有的谐波建一个导纳阵，导致计算出的导纳参数不能准确反映谐波源对端口电压的影响，得到的谐波源参数无法准确表征谐波源对电网影响的时序变化。
发明内容
有鉴于此，本发明实施例提供了一种谐波模型参数辨识方法、装置、存储介质及电子设备，以解决现有技术中的谐波模型参数辨识方法，得到的导纳参数不准确的问题。
为此，本发明实施例提供了如下技术方案：
根据第一方面，本发明实施例提供了一种谐波模型参数辨识方法，包括采集待估计干扰源端口处的基波电压值和各次谐波电压值；采集所述待估计干扰源支路的基波电流值和各次谐波电流值；根据所述测量数据得到当前预定时间段的谐波导纳参数，其中，所述测量数据包括所述基波电压值、所述各次谐波电压值、所述基波电流值及所述各次谐波电流值。通过该步骤，基于测量数据精确地描述了端口各次谐波电压与谐波源支路各次谐波电流之间的关系，较传统的谐波源参数辨识方法得到的导纳参数更能精确地反映谐波源对端口电压的影响，解决了现有技术中的谐波模型参数辨识方法，得到的导纳参数不准确的问题。
结合第一方面，在第一方面第一实施方式中，所述根据所述测量数据得到当前预定时间段的谐波导纳参数的步骤，包括：将采集的测量数据按采集的时间顺序排序，将排序后的所述测量数据按所述预定时间段的间隔分组；根据各组所述测量数据得到各组所述测量数据对应的谐波导纳参数；根据各组所述测量数据对应的谐波导纳参数得到当前预定时间段的谐波导纳参数。
结合第一方面第一实施方式，在第一方面第二实施方式中，所述根据各组所述测量数据得到各组所述测量数据对应的导纳参数的步骤，包括：根据各组所述测量数据，利用最小二乘法得到所述各次谐波电流值的实部和虚部分别对应的最小二乘参数估计值；根据所述最小二乘参数估计值得到各组所述测量数据对应的谐波导纳阵的导纳参数。
结合第一方面第一实施方式，在第一方面第三实施方式中，利用递归算法，根据各组所述测量数据对应的谐波导纳参数计算当前预定时间段的谐波导纳参数。
结合第一方面第二实施方式，在第一方面第四实施方式中，所述各次谐波电流值的实部和虚部分别对应的最小二乘参数估计值是通过以下公式计算得到的：
Figure BDA0001712644560000031
Figure BDA0001712644560000032
其中，an,h表示第h次谐波电流实部ih与第n次谐波电压实部un间的线性回归系数，bn,h表示第h次谐波电流实部ih与第n次谐波电压虚部u′n间的线性回归系数，ch表示第h次谐波电流实部ih的线性回归常数系数；a′n,h表示第h次谐波电流虚部i′h与第n次谐波电压实部un间的线性回归系数，b′n,h表示第h次谐波电流虚部i′h与第n次谐波电压虚部u′n间的线性回归系数，c′h表示第h次谐波电流虚部i′h的线性回归常数系数，H表示谐波最高次数，ih表示第h次谐波电流实部，i′h表示第h次谐波电流虚部，un表示第n次谐波电压实部，u′n表示第n次谐波电压虚部，其中，an,h、bn,h、ch、a′n,h、b′n,h、c′h表示所述最小二乘参数估计值。
结合第一方面第四实施方式，在第一方面第五实施方式中，各组所述测量数据对应的谐波导纳阵的导纳参数是通过以下公式计算得到的：
yn,h＝(an,h+b′n,h)/2
y′n,h＝(a′n,h-bn,h)/2
Figure BDA0001712644560000033
Figure BDA0001712644560000034
Figure BDA0001712644560000035
Figure BDA0001712644560000036
其中，yn,h表示谐波电压实部导纳阵元素Yn,h的实部，y′n,h表示谐波电压实部导纳阵元素Yn,h的虚部，
Figure BDA0001712644560000041
表示谐波电压虚部导纳阵元素
Figure BDA0001712644560000042
的实部，
Figure BDA0001712644560000043
表示谐波电压虚部导纳阵元素
Figure BDA0001712644560000044
的虚部，
Figure BDA0001712644560000045
表示常数阵元素
Figure BDA0001712644560000046
的实部，
Figure BDA0001712644560000047
表示常数阵元素
Figure BDA0001712644560000048
的虚部；
Yn,h＝yn,h+y′n,h·j
Figure BDA0001712644560000049
Figure BDA00017126445600000410
其中，Yn,h表示谐波电压实部导纳阵的导纳参数；
Figure BDA00017126445600000411
表示谐波电压虚部导纳阵的导纳参数，
Figure BDA00017126445600000412
表示常数阵的导纳参数。
结合第一方面第三实施方式或第四实施方式或第五实施方式，在第一方面第六实施方式中，当前预定时间段的谐波导纳参数是根据以下公式计算得到的：
Figure BDA00017126445600000413
其中，
Figure BDA00017126445600000414
表示当前预定时间段的谐波导纳参数，YM表示第M组测量数据得到的谐波导纳参数，包括Ym,
Figure BDA00017126445600000415
YM-1表示第M-1组测量数据得到的谐波导纳参数，包括Ym-1，
Figure BDA00017126445600000416
ε表示平滑因子，取值范围为(0,1)。
根据第二方面，本发明实施例提供了一种谐波模型参数辨识装置，包括：第一采集模块，用于采集待估计干扰源端口处的基本电压值和各次谐波电压值；第二采集模块，用于采集所述待估计干扰源支路的基波电流值和各次谐波电压值；处理模块，用于将采集的测量数据按采集的时间顺序排序；其中，所述测量数据包括所述基波电压值、所述各次谐波电压值、所述基波电流值及所述各次谐波电流值；第二处理模块，用于根据所述测量数据得到当前预定时间段的谐波导纳参数。
结合第二方面，在第二方面第一实施方式中，所述处理模块包括：排序单元，用于将采集的测量数据按采集的时间顺序排序；分组单元，用于将排序后的所述测量数据按所述预定时间段的间隔分组；第一处理单元，用于根据各组所述测量数据得到各组所述测量数据对应的谐波导纳参数；第二处理单元，用于根据各组所述测量数据对应的谐波导纳参数得到当前预定时间段的谐波导纳参数。
根据第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面具体实施方式中的谐波模型参数辨识方法。
根据第四方面，本发明实施例提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述第一方面具体实施方式中的谐波模型参数辨识方法。
本发明实施例技术方案，具有如下优点：
本发明实施例提供了一种谐波模型参数辨识方法、装置、存储介质及电子设备，该方法包括采集估计干扰源端口处的基波电压值和各次谐波电压值，采集待估计干扰源支路的基波电流值和各次谐波电流值，根据该测量数据得到当前预定时间段的谐波导纳参数。本发明实施例的谐波模型参数辨识方法，采集待估计干扰源端口处的基波电压值和各次谐波电压值、待估计干扰源支路的基波电流值和各次谐波电流值，根据该测量数据计算得到当前预定时间段的谐波导纳参数，通过该谐波模型参数辨识方法，基于测量数据精确地描述了端口各次谐波电压与谐波源支路各次谐波电流之间的关系，较传统的谐波源参数辨识方法得到的导纳参数更能精确地反映谐波源对端口电压的影响，解决了现有技术中的谐波模型参数辨识方法，得到的导纳参数不准确的问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的谐波模型参数辨识方法的一个流程图；
图2是根据本发明实施例的谐波模型参数辨识方法的另一个流程图；
图3是根据本发明实施例的谐波模型参数辨识装置的一个结构框图；
图4是根据本发明实施例的谐波模型参数辨识装置的另一个结构框图；
图5是根据本发明实施例的谐波模型参数辨识方法的电子设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明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他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供了一种谐波模型参数辨识方法，图1是根据本发明实施例的谐波模型参数辨识方法的一个流程图，如图1所示，该谐波模型参数辨识方法包括：
步骤S101：采集待估计干扰源端口处的基波电压值和各次谐波电压值；具体地，采集电网中待估计干扰源端口处基波电压的幅值及相角测量值，谐波电压的幅值及相角测量值；
步骤S102：采集待估计干扰源支路的基波电流值和各次谐波电流值；具体地，采集电网中待估计干扰源支路的基波电流的幅值及相角测量值，各次谐波电流的幅值及相角测量值。
将可测量的谐波最高次数记为H，将测量得到的第h次谐波电流记为Ih(基波电流记为I1)，第n次端口电压谐波分量记为Un(端口基波电压记为U1)。将谐波电流与谐波电压的测量幅值与相角，如公式(1)所示计算谐波电流与谐波电压的矢量实部和虚部：
Ih＝ih+i'·j
Un＝un+u'n·j (1)
公式(1)中，Ih表示第h次谐波电流，ih表示第h次谐波电流实部，i′h表示第h次谐波电流虚部，Un表示第n次端口谐波电压，un表示第n次谐波电压实部，u′n表示第n次谐波电压虚部。
步骤S103：根据测量数据得到当前预定时间段的谐波导纳参数；其中，该测量数据包括基波电压值、各次谐波电压值、基波电流值及各次谐波电流值；根据所有采集的测量数据，计算当前预定时间段，例如是距离当前时刻最近的1小时该时间段的谐波导纳参数，通过所有测量数据得到当前预定时间段的谐波导纳参数，能够精确反映谐波源对端口电压的影响。
通过上述步骤，采集待估计干扰源端口处的基波电压值和各次谐波电压值、待估计干扰源支路的基波电流值和各次谐波电流值，根据该测量数据计算得到当前预定时间段的谐波导纳参数，通过该谐波模型参数辨识方法，基于测量数据精确地描述了端口各次谐波电压与谐波源支路各次谐波电流之间的关系，较传统的谐波源参数辨识方法得到的导纳参数更能精确地反映谐波源对端口电压的影响，解决了现有技术中的谐波模型参数辨识方法，得到的导纳参数不准确的问题。
上述步骤S103涉及到根据测量数据得到当前预定时间段的谐波导纳参数，在一个具体实施方式中，如图2所示，该步骤包括：
步骤S1031：将采集的测量数据按采集的时间顺序排序；具体地，为了使计算结果准确，需要采集大量数据，根据采集的时间顺序对数据排序。
步骤S1032：将排序后的测量数据按预定时间段的间隔分组，具体地，将按采集时间的顺序排序后的测量数据按预定时间段的间隔分组，例如将采集到的测量数据按时间先后均匀分为m组，其中第m组为最新采集的一组测量数据。分组时，每组数据的长度需大于测量谐波最高次数H，在本发明实施例中，最大谐波测量次数最小为50次，每组测量数据规模应大于最高的测量谐波次数H，除此，需综合考虑测量数据粒度(例如每1分钟一个测量数据)和系统决策间隔(如每15分钟进行干扰源状态重新评估)，每组数据的对应时长应小于系统决策间隔，在本发明实施例中取系统决策间隔时长的约数。比如从采集到当前共采集了20小时的数据，将这20小时的数据按1小时分组，分为20组数据，其中第20组为最新采集的一组测量数据。
步骤S1033：根据各组测量数据得到各组测量数据对应的谐波导纳参数，在该步骤中，具体包括：
步骤S10331：根据各组测量数据，利用最小二乘法得到各次谐波电流值的实部和虚部分别对应的最小二乘参数估计值；为反映各次谐波电流与待估计干扰源端口处各次谐波电压间的耦合关系，对每组测量数据进行参数识别。具体方法为：对其中的第h次谐波电流，建立公式(2)：
Figure BDA0001712644560000101
公式(2)中，an,h表示第h次谐波电流实部ih与第n次谐波电压实部un间的线性回归系数，bn,h表示第h次谐波电流实部ih与第n次谐波电压虚部u′n间的线性回归系数，ch表示第h次谐波电流实部ih的线性回归常数系数；a′n,h表示第h次谐波电流虚部i′h与第n次谐波电压实部un间的线性回归系数，b′n,h表示第h次谐波电流虚部i′h与第n次谐波电压虚部u′n间的线性回归系数，c′h表示第h次谐波电流虚部i′h的线性回归常数系数，H表示谐波最高次数，ih表示第h次谐波电流实部，i′h表示第h次谐波电流虚部，un表示第n次谐波电压实部，u′n表示第n次谐波电压虚部，其中，an,h、bn,h、ch、a′n,h、b′n,h、c′h表示所述最小二乘参数估计值。
利用最小二乘法，由于ih、i′h、un、u′n为测量所得的已知数，因此根据公式(2)可以求得参数an,h、bn,h、ch、a′n,h、b′n,h、c′h的估计值。
步骤S10332：根据最小二乘参数估计值得到各组测量数据对应的谐波导纳阵的导纳参数。具体地，求得上述最小二乘参数an,h、bn,h、ch、a′n,h、b′n,h、c′h的估计值后，利用公式(3)计算得到谐波导纳阵的实部和虚部的参数估计值。
Figure BDA0001712644560000111
公式(3)中，yn,h表示谐波电压实部导纳阵元素Yn,h的实部，y′n,h表示谐波电压实部导纳阵元素Yn,h的虚部，
Figure BDA0001712644560000112
表示谐波电压虚部导纳阵元素
Figure BDA0001712644560000113
的实部，
Figure BDA0001712644560000114
表示谐波电压虚部导纳阵元素
Figure BDA0001712644560000115
的虚部，
Figure BDA0001712644560000116
表示常数阵元素
Figure BDA0001712644560000117
的实部，
Figure BDA0001712644560000118
表示常数阵元素
Figure BDA0001712644560000119
的虚部。
将利用公式(3)求得的实部和虚部参数整合，计算得到谐波导纳阵(Yn,h，
Figure BDA00017126445600001110
和
Figure BDA00017126445600001111
均是H╳H矩阵)中的各参数如公式(4)所示：
Figure BDA00017126445600001112
公式(4)中，Yn,h表示谐波电压实部导纳阵的导纳参数；
Figure BDA00017126445600001113
表示谐波电压虚部导纳阵的导纳参数，
Figure BDA00017126445600001114
表示常数阵的导纳参数。
具体地，将{Yn,h},n＝1,2,...H h＝1,2,...H记为Y，即谐波电压实部导纳阵，
Figure BDA00017126445600001115
记为
Figure BDA00017126445600001116
即谐波电压虚部导纳阵，
Figure BDA00017126445600001117
记为
Figure BDA00017126445600001118
即常数阵。则公式(4)中的导纳参数在谐波模型中的形式为：
Figure BDA00017126445600001119
公式(5)中，I为各次谐波电流组成的列向量，U为各次谐波电压实部组成的列向量，U*为各次谐波电压虚部组成的列向量。
步骤S1034：根据各组测量数据对应的谐波导纳参数得到当前预定时间段的谐波导纳参数。具体地，在本发明实施例中，利用递归算法，根据各组测量数据对应的谐波导纳参数计算当前预定时间段的谐波导纳参数：
假设第1组测量数据得到的导纳参数为Y1,
Figure BDA0001712644560000121
第m组测量数据得到的导纳参数为Ym,
Figure BDA0001712644560000122
则当前时间段的最新测量数据的最终的参数估计值，是由前一组测量数据得到的导纳参数估计值与当前组的测量数据得到的导纳参数估计值的加权和组成，每一组测量数据的最终导纳参数均由该递归算法计算。
设平滑因子ε，其取值范围为(0,1)，平滑因子ε的取值，应考虑电网运行参数变化，以及干扰源特性的波动。如对综合性干扰源负荷(相互间电能质量发射量的波动量存在相互抵消)，可视为其特性较稳定，平滑因子取较大值；如对波动性较强的负荷(如风力发电)，则平滑因子应取较小值。当电网运行参数及负荷波动较大(例如电网中电压和功率的调节变动较大)时，说明当前组测量数据受前一组测量数据的影响较小，因此ε应取较小值；当电网运行参数及负荷波动较小(例如电网中电压和功率的调动变动较小)时，所述当前组测量数据受前一组测量数据的影响较大，测量误差较大，ε应取较大值。
因此，当前组(即当前预定时间段)的最终谐波导纳参数估计值
Figure BDA0001712644560000123
为：
Figure BDA0001712644560000131
公式(6)中，
Figure BDA0001712644560000132
表示当前预定时间段(即第m组)的最终的谐波导纳参数，YM表示第M组(也即第m组，这里的M与m的含义相同，都表示第m组测量数据)测量数据得到的最终的谐波导纳参数，包括Ym,
Figure BDA0001712644560000133
YM-1表示第M-1组测量数据得到的最终的谐波导纳参数，包括Ym-1，
Figure BDA0001712644560000134
ε表示平滑因子，取值范围为(0,1)。其中，
Figure BDA0001712644560000135
也包括三个参数：
Figure BDA0001712644560000136
Figure BDA0001712644560000137
每个参数需要通过上述公式(6)一一计算。
利用该递归参数估计方法，可模拟谐波源导纳的变化情况，得到的导纳参数可精确地反映谐波源对电网谐波电压的影响过程。在本发明实施例中，通过上述算法步骤得到当前预定时间段的谐波导纳参数，但是本领域技术人员也可采用其他具体实施方式得到，本发明实施例不以此为限。
综上所述，本发明实施例的谐波模型参数辨识方法，基于干扰源支路及端口处的电能质量测量数据，基于最小二乘估计得到的谐波导纳参数可反映端口各次谐波电压与支路各次谐波电流间耦合关系，并考虑了电网运行参数、非线性负荷功率、分布式电源出力的变化，该谐波模型参数辨识方法一方面基于测量数据精确地描述了端口各次谐波电压与谐波源支路各次谐波电流之间的关系，较传统的谐波源参数辨识方法更能精确地反映谐波源对端口电压的影响；另一方面，基于递归的导纳参数计算方法，表征了谐波源对电网影响的时序变化，可得到更贴合实际的谐波源参数，从而更好地指导电网评估和规划。
实施例2
本发明实施例提供了一种谐波模型参数辨识装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本发明实施例提供一种谐波模型参数辨识装置，如图3所示，该装置包括第一采集模块31、第二采集模块32及处理模块33，其中，第一采集模块31用于采集待估计干扰源端口处的基本电压值和各次谐波电压值；第二采集模块32用于采集所述待估计干扰源支路的基波电流值和各次谐波电压值；处理模块33用于根据测量数据得到当前预定时间段的谐波导纳参数，其中，测量数据包括基波电压值、各次谐波电压值、基波电流值及各次谐波电流值。通过本发明实施例的谐波模型参数辨识装置，第一采集模块31和第二采集模块32采集待估计干扰源端口处的基本电压值和各次谐波电压值，待估计干扰源支路的基波电流值和各次谐波电压值，处理模块33得到的谐波导纳参数能够基于测量数据精确地描述了端口各次谐波电压与谐波源支路各次谐波电流之间的关系，较传统的谐波源参数辨识方法得到的导纳参数更能精确地反映谐波源对端口电压的影响，解决了现有技术中的谐波模型参数辨识方法，得到的导纳参数不准确的问题。
在一个具体实施方式中，如图4所示，第二处理模块34包括排序单元341，用于将采集的测量数据按采集的时间顺序排序；分组单元342，用于将排序后的测量数据按预定时间段的间隔分组；第一处理单元343，用于根据各组测量数据得到各组测量数据对应的谐波导纳参数；第二处理单元344，用于根据各组测量数据对应的谐波导纳参数得到当前预定时间段的谐波导纳参数。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
实施例3
本发明实施例还提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的谐波模型参数辨识方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
图5是根据本发明实施例的谐波模型参数辨识方法的电子设备的硬件结构示意图，如图5所示，该设备包括一个或多个处理器51以及存储器52，图5中以一个处理器51为例。
执行谐波模型参数辨识方法的设备还可以包括：输入装置53和输出装置54。
处理器51、存储器52、输入装置53和输出装置54可以通过总线或者其他方式连接，图5中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit，CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的谐波模型参数辨识方法对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的谐波模型参数辨识方法。
存储器52可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储谐波模型参数辨识装置的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至谐波模型参数辨识的处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置53可接收输入的数字或字符信息，以及产生与谐波模型参数辨识的处理装置的用户设置以及功能控制有关的键信号输入。输出装置54可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器52中，当被所述一个或者多个处理器51执行时，执行如图1所示的方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果以及未在本发明实施例中详尽描述的技术细节，具体可参见如图1至图4所示的实施例中的相关描述。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种谐波模型参数辨识方法，其特征在于，包括：
采集待估计干扰源端口处的基波电压值和各次谐波电压值；
采集所述待估计干扰源支路的基波电流值和各次谐波电流值；
根据测量数据得到当前预定时间段的谐波导纳参数；其中，所述测量数据包括所述基波电压值、所述各次谐波电压值、所述基波电流值及所述各次谐波电流值；
所述根据测量数据得到当前预定时间段的谐波导纳参数的步骤，包括：
将采集的所述测量数据按采集的时间顺序排序；
将排序后的所述测量数据按所述预定时间段的间隔分组；
根据各组所述测量数据得到各组所述测量数据对应的谐波导纳参数；
根据各组所述测量数据对应的谐波导纳参数得到当前预定时间段的谐波导纳参数；
当前预定时间段的谐波导纳参数是根据以下公式计算得到的：
Figure FDA0002533190270000021
其中，
Figure FDA0002533190270000022
表示当前预定时间段的谐波导纳参数，YM表示第M组测量数据得到的最终的谐波导纳参数，包括Ym,
Figure FDA0002533190270000023
其中
Figure FDA0002533190270000024
表示谐波电压虚部导纳阵的导纳参数，
Figure FDA0002533190270000025
表示常数阵的导纳参数；YM-1表示第M-1组测量数据得到的最终的谐波导纳参数，包括Ym-1,
Figure FDA0002533190270000026
其中
Figure FDA0002533190270000027
表示谐波电压虚部导纳阵的导纳参数，
Figure FDA0002533190270000028
表示常数阵的导纳参数；ε表示平滑因子，取值范围为(0,1)。
2.根据权利要求1所述的谐波模型参数辨识方法，其特征在于，所述根据各组所述测量数据得到各组所述测量数据对应的导纳参数的步骤，包括：
根据各组所述测量数据，利用最小二乘法得到所述各次谐波电流值的实部和虚部分别对应的最小二乘参数估计值；
根据所述最小二乘参数估计值得到各组所述测量数据对应的谐波导纳阵的导纳参数。
3.根据权利要求1所述的谐波模型参数辨识方法，其特征在于，利用递归算法，根据各组所述测量数据对应的谐波导纳参数计算当前预定时间段的谐波导纳参数。
4.根据权利要求2所述的谐波模型参数辨识方法，其特征在于，所述各次谐波电流值的实部和虚部分别对应的最小二乘参数估计值是通过以下公式计算得到的：
Figure FDA0002533190270000031
Figure FDA0002533190270000032
其中，an,h表示第h次谐波电流实部ih与第n次谐波电压实部un间的线性回归系数，bn,h表示第h次谐波电流实部ih与第n次谐波电压虚部u′n间的线性回归系数，ch表示第h次谐波电流实部ih的线性回归常数系数；a′n,h表示第h次谐波电流虚部i′h与第n次谐波电压实部un间的线性回归系数，b′n,h表示第h次谐波电流虚部i′h与第n次谐波电压虚部u′n间的线性回归系数，c′h表示第h次谐波电流虚部i′h的线性回归常数系数，H表示谐波最高次数，ih表示第h次谐波电流实部，i′h表示第h次谐波电流虚部，un表示第n次谐波电压实部，u′n表示第n次谐波电压虚部，其中，an,h、bn,h、ch、a′n,h、b′n,h、c′h表示所述最小二乘参数估计值。
5.根据权利要求4所述的谐波模型参数辨识方法，其特征在于，各组所述测量数据对应的谐波导纳阵的导纳参数是通过以下公式计算得到的：
yn,h＝(an,h+b′n,h)/2
y′n,h＝(a′n,h-bn,h)/2
Figure FDA0002533190270000041
Figure FDA0002533190270000042
Figure FDA0002533190270000043
Figure FDA0002533190270000044
其中，yn,h表示谐波电压实部导纳阵元素Yn,h的实部，y′n,h表示谐波电压实部导纳阵元素Yn,h的虚部，
Figure FDA0002533190270000045
表示谐波电压虚部导纳阵元素
Figure FDA0002533190270000046
的实部，
Figure FDA0002533190270000047
表示谐波电压虚部导纳阵元素
Figure FDA0002533190270000048
的虚部，
Figure FDA0002533190270000049
表示常数阵元素
Figure FDA00025331902700000410
的实部，
Figure FDA00025331902700000411
表示常数阵元素
Figure FDA00025331902700000412
的虚部；
Yn,h＝yn,h+y′n,h·j
Figure FDA00025331902700000413
Figure FDA00025331902700000414
其中，Yn,h表示谐波电压实部导纳阵的导纳参数；
Figure FDA00025331902700000415
表示谐波电压虚部导纳阵的导纳参数，
Figure FDA00025331902700000416
表示常数阵的导纳参数。
6.一种谐波模型参数辨识装置，其特征在于，包括：
第一采集模块，用于采集待估计干扰源端口处的基波电压值和各次谐波电压值；
第二采集模块，用于采集所述待估计干扰源支路的基波电流值和各次谐波电压值；
处理模块，用于根据测量数据得到当前预定时间段的谐波导纳参数，其中，所述测量数据包括所述基波电压值、所述各次谐波电压值、所述基波电流值及所述各次谐波电流值；
所述处理模块包括：
排序单元，用于将采集的测量数据按采集的时间顺序排序；
分组单元，用于将排序后的所述测量数据按所述预定时间段的间隔分组；
第一处理单元，用于根据各组所述测量数据得到各组所述测量数据对应的谐波导纳参数；
第二处理单元，用于根据各组所述测量数据对应的谐波导纳参数得到当前预定时间段的谐波导纳参数；
当前预定时间段的谐波导纳参数是根据以下公式计算得到的：
Figure FDA0002533190270000051
其中，
Figure FDA0002533190270000052
表示当前预定时间段的谐波导纳参数，YM表示第M组测量数据得到的最终的谐波导纳参数，包括Ym,
Figure FDA0002533190270000053
其中
Figure FDA0002533190270000054
表示谐波电压虚部导纳阵的导纳参数，
Figure FDA0002533190270000055
表示常数阵的导纳参数；YM-1表示第M-1组测量数据得到的最终的谐波导纳参数，包括Ym-1,
Figure FDA0002533190270000061
其中
Figure FDA0002533190270000062
表示谐波电压虚部导纳阵的导纳参数，
Figure FDA0002533190270000063
表示常数阵的导纳参数；ε表示平滑因子，取值范围为(0,1)。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的谐波模型参数辨识方法。
8.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-5任一项所述的谐波模型参数辨识方法。
CN201810691551.5A 2018-06-28 2018-06-28 谐波模型参数辨识方法、装置、存储介质及电子设备 Active CN109116183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810691551.5A CN109116183B (zh) 2018-06-28 2018-06-28 谐波模型参数辨识方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810691551.5A CN109116183B (zh) 2018-06-28 2018-06-28 谐波模型参数辨识方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN109116183A CN109116183A (zh) 2019-01-01
CN109116183B true CN109116183B (zh) 2020-07-31

Family

ID=64822919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810691551.5A Active CN109116183B (zh) 2018-06-28 2018-06-28 谐波模型参数辨识方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN109116183B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109446643B (zh) * 2018-10-26 2020-10-30 山东大学 一种基于实测数据建立家用电器负荷谐波模型的方法
CN111413543A (zh) * 2020-03-25 2020-07-14 国网河南省电力公司电力科学研究院 一种低压配电线路谐波电阻参数辨识的实验装置和方法
CN112798881A (zh) * 2020-07-20 2021-05-14 左仪 一种压电超声换能器参数测量装置和方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003250226A (ja) * 2002-02-25 2003-09-05 Nissin Electric Co Ltd 分散電源の単独運転検出方法
CN101726663A (zh) * 2008-10-30 2010-06-09 华北电力科学研究院有限责任公司 一种监测用户侧谐波污染的方法及系统
CN102478601A (zh) * 2010-11-23 2012-05-30 上海市电力公司 一种用于电能质量中64个采样点的谐波计算方法
CN102592003A (zh) * 2011-12-15 2012-07-18 天津大学 一种用于机电与电磁暂态混合仿真的数据交换方法
CN103412242A (zh) * 2013-08-01 2013-11-27 西南交通大学 一种基于快速独立分量分析和互信息的谐波源定位方法
CN103544378A (zh) * 2013-09-28 2014-01-29 南方电网科学研究院有限责任公司 一种直流输电用交流系统谐波阻抗计算方法
CN103778341A (zh) * 2014-01-27 2014-05-07 福州大学 一种谐波污染用户的概率潮流评估方法
CN105529727A (zh) * 2016-02-22 2016-04-27 哈尔滨工业大学 一种应用于含并网逆变器并联谐振现象的节点导纳矩阵特征值分析法
CN106655195A (zh) * 2017-01-03 2017-05-10 国网安徽省电力公司电力科学研究院 一种主动式配电网高频谐波潮流的计算方法
CN106684863A (zh) * 2016-12-29 2017-05-17 华中科技大学 一种配电网节点导纳矩阵的辨识方法
CN106786731A (zh) * 2016-11-29 2017-05-31 国网冀北电力有限公司承德供电公司 一种大型光伏电站集电系统中谐波传递网络的建模方法
CN107069733A (zh) * 2017-04-27 2017-08-18 国家电网公司 能源互联网的谐波潮流计算的方法
CN107064744A (zh) * 2017-04-14 2017-08-18 国网上海市电力公司 一种谐波源定位方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003250226A (ja) * 2002-02-25 2003-09-05 Nissin Electric Co Ltd 分散電源の単独運転検出方法
CN101726663A (zh) * 2008-10-30 2010-06-09 华北电力科学研究院有限责任公司 一种监测用户侧谐波污染的方法及系统
CN102478601A (zh) * 2010-11-23 2012-05-30 上海市电力公司 一种用于电能质量中64个采样点的谐波计算方法
CN102592003A (zh) * 2011-12-15 2012-07-18 天津大学 一种用于机电与电磁暂态混合仿真的数据交换方法
CN103412242A (zh) * 2013-08-01 2013-11-27 西南交通大学 一种基于快速独立分量分析和互信息的谐波源定位方法
CN103544378A (zh) * 2013-09-28 2014-01-29 南方电网科学研究院有限责任公司 一种直流输电用交流系统谐波阻抗计算方法
CN103778341A (zh) * 2014-01-27 2014-05-07 福州大学 一种谐波污染用户的概率潮流评估方法
CN105529727A (zh) * 2016-02-22 2016-04-27 哈尔滨工业大学 一种应用于含并网逆变器并联谐振现象的节点导纳矩阵特征值分析法
CN106786731A (zh) * 2016-11-29 2017-05-31 国网冀北电力有限公司承德供电公司 一种大型光伏电站集电系统中谐波传递网络的建模方法
CN106684863A (zh) * 2016-12-29 2017-05-17 华中科技大学 一种配电网节点导纳矩阵的辨识方法
CN106655195A (zh) * 2017-01-03 2017-05-10 国网安徽省电力公司电力科学研究院 一种主动式配电网高频谐波潮流的计算方法
CN107064744A (zh) * 2017-04-14 2017-08-18 国网上海市电力公司 一种谐波源定位方法
CN107069733A (zh) * 2017-04-27 2017-08-18 国家电网公司 能源互联网的谐波潮流计算的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Coupled harmonic admittance identification based on measurement;Yaqiong Li;《2018 8th International Conference on Power and Energy Systems》;20181222;全文 *
Power quality data analysis based on a state-wide monitoring system in China;Yaqiong Li;《2018 international conference on power system technology》;20181108;全文 *
含不控整流的交–直–交变换器频域谐波分析模型;孙媛媛;《中国电机工程学报》;20151105;第35卷(第21期);第5483-5491页 *

Also Published As

Publication number Publication date
CN109116183A (zh) 2019-01-01

Similar Documents

Publication Publication Date Title
US9977847B2 (en) Efficient forecasting for hierarchical energy systems
CN109342989B (zh) 一种电能表的误差分析方法及装置
CN109116183B (zh) 谐波模型参数辨识方法、装置、存储介质及电子设备
Kang et al. Optimal placement of mobile sensors for data assimilations
Cheng et al. Enhanced state estimation and bad data identification in active power distribution networks using photovoltaic power forecasting
CN110618316B (zh) 一种谐波源辨识方法、装置、终端设备和存储介质
JP2009225550A (ja) 電力の需要予測処理方法及び装置、並びに発電予測処理方法
JP6086875B2 (ja) 発電量予測装置および発電量予測方法
CN116503206B (zh) 一种入库径流重构方法、计算机设备及介质
CN116707331B (zh) 基于模型预测的逆变器输出电压高精度调节方法及系统
CN111797569A (zh) 一种桥梁状态的评估方法、装置、设备和存储介质
CN111737249A (zh) 基于Lasso算法的异常数据检测方法及装置
CN115508770A (zh) 一种基于kl-nb算法的电能表运行状态在线评估方法
CN115796338A (zh) 光伏发电功率预测模型构建及光伏发电功率预测方法
CN111126492A (zh) 光伏电网的故障类型的确定方法及装置
CN110850296A (zh) 一种评估电池健康度的方法和装置
CN109829000B (zh) 一种河川年径流量数据的一致性处理方法及装置
Wilson et al. Use of meteorological data for improved estimation of risk in capacity adequacy studies
CN114282657A (zh) 一种市场数据长期预测模型训练方法、装置、设备及存储介质
CN114971736A (zh) 电力计量物资需求预测方法、装置、电子设备和存储介质
CN114971062A (zh) 一种光伏功率预测方法和装置
CN108038279B (zh) 电网不对称故障下风机机电暂态恢复过程评价方法和装置
Pinson et al. Probabilistic forecasting of wind power at the minute time-scale with markov-switching autoregressive models
CN112381436A (zh) 逐时电负荷生成方法、装置、电子设备及存储介质
CN111090554A (zh) 服务器性能测试时间的预测方法、装置、设备及存储介质

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