CN109447506A - 一种电能质量基准水平评价方法及系统 - Google Patents
一种电能质量基准水平评价方法及系统 Download PDFInfo
- Publication number
- CN109447506A CN109447506A CN201811339735.1A CN201811339735A CN109447506A CN 109447506 A CN109447506 A CN 109447506A CN 201811339735 A CN201811339735 A CN 201811339735A CN 109447506 A CN109447506 A CN 109447506A
- Authority
- CN
- China
- Prior art keywords
- power quality
- level value
- value
- data
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 80
- 238000012544 monitoring process Methods 0.000 claims abstract description 182
- 238000005070 sampling Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000015654 memory Effects 0.000 claims description 23
- 230000001052 transient effect Effects 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 6
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 108010001267 Protein Subunits Proteins 0.000 claims 1
- 230000006872 improvement Effects 0.000 abstract description 4
- 230000002776 aggregation Effects 0.000 description 12
- 238000004220 aggregation Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 10
- 230000000379 polymerizing effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种电能质量基准水平评价方法及系统，该方法包括：采用分层抽样法获取电网系统的各监测区域的采样数据；根据采样数据分别计算各预设电能质量水平指标的特征值；根据各预设电能质量水平指标的特征值，采用熵权法计算监测区域的电能质量水平值；根据各监测区域的电能质量水平值，生成电能质量基准水平值；根据电能质量基准水平值及各监测区域的电能质量水平值对各监测区域的电能质量进行评价，生成评价结果。通过实施本发明，为不同区域电能质量提供了评价标准，实现对电能质量的评价，保证了评价结果的准确性，提高了处理效率，并可直观的反映出不同区域间电能质量水平的差异，为制定精准的电能质量水平提升措施提供基础。
Description
技术领域
本发明涉及电力系统技术领域，具体涉及一种电能质量基准水平评价方法及系统。
背景技术
目前，随着我国各区域电网之间互联程度增强以及电能质量干扰源的多元化发展及电力系统非线性负荷日益增多，公用电网的电能质量问题日益突出，用电负荷日趋复杂化和多样化，越来越多的非线性、冲击性、不平衡特征的负荷相继投入电网，都会不同程度地影响到配网的电能质量。加之监控手段不完善及运行操作、外来干扰和各种故障等原因，电能质量问题日益突出。
现有的对电能质量的评估方法大多基于区域内的全部检测点的监测数据进行评估，在进行大区域范围的电能质量评估时，由于数据量较大，基于全部检测点的监测数据进行分析处理的效率较低，并且现有的评估方法缺乏统一的评价标准，无法直观反映出不同区域间电能质量水平的差异。
发明内容
本发明实施例提供了一种电能质量基准水平评价方法，以克服现有技术中的电能质量的评估方法处理效率低，无法直观反映出不同区域间电能质量差异等问题。
本发明实施例提供了一种电能质量基准水平评价方法，包括：采用分层抽样法获取电网系统的各监测区域的采样数据；根据所述采样数据分别计算各预设电能质量水平指标的特征值；根据所述各预设电能质量水平指标的特征值，采用熵权法计算所述监测区域的电能质量水平值；根据所述各监测区域的电能质量水平值，生成电能质量基准水平值；根据所述电能质量基准水平值及所述各监测区域的电能质量水平值对所述各监测区域的电能质量进行评价，生成评价结果。
可选地，所述采用分层抽样法获取电网系统的各监测区域的采样数据，包括：获取电网系统的个监测区域的监测数据；根据预设采样数据要求及所述监测数据确定分层变量信息；根据所述分层变量信息确定分层边界；采用内曼分配方法确定各分层单元的样本容量，得到原始采样数据；判断所述原始采样数据是否符合预设采样精度要求；当所述原始采样数据符合预设采样精度要求时，将所述原始采样数据确定为所述采样数据。
可选地，所述预设电能质量水平指标包括：电压指标、频率指标、谐波电压总畸变率指标、三相电压不平衡度指标及长时间闪变指标。
可选地，所述根据所述各预设电能质量水平指标的特征值，采用熵权法计算所述监测区域的电能质量水平值，包括：分别对各预设电能质量水平指标的特征值进行标准化处理，生成标准特征值；采用熵权法计算所述标准特征值的熵值，并根据所述熵值得到标准差值；根据所述标准差值计算所述特征值的权重；根据所述权重及所述特征值计算所述监测区域的电能质量水平值。
可选地，所述根据所述各监测区域的电能质量水平值，生成电能质量基准水平值，包括：获取所述各监测区域的电能质量水平值；将各所述电能质量水平值按照从好到坏进行排序；将最好的所述电能质量水平值确定为所述电能质量基准水平值。
本发明实施例还提供了一种电能质量基准水平评价系统，包括：抽样数据生成单元，用于根据预设周期内各监测区域的监测数据，采用分层抽样法获取各监测区域的采样数据；评价指标计算单元，用于根据所述采样数据分别计算各预设电能质量水平指标的特征值；电能质量水平计算单元，用于根据所述各预设电能质量水平指标的特征值，采用熵权法计算所述监测区域的电能质量水平值；电能质量基准水平值计算单元，用于根据所述各监测区域的电能质量水平值，生成电能质量基准水平值；电能质量评价单元，用于根据所述电能质量基准水平值对所述各监测区域的电能质量进行评价，生成评价结果。
可选地，所述抽样数据生成单元包括：监测数据获取子单元，用于获取预设周期内电网系统的个监测区域的监测数据；分层变量信息确定子单元，用于根据预设采样数据要求及所述监测数据确定分层变量信息；分层边界确定子单元，用于根据所述分层变量信息确定分层边界；原始采样数据生成单元，用于采用内曼分配方法确定各分层单元的样本容量，得到原始采样数据；判断子单元，用于判断所述原始采样数据是否符合预设采样精度要求；采样数据确定子单元，当所述原始采样数据符合预设采样要求时，所述采样数据确定子单元用于将所述原始采样数据确定为所述采样数据。
可选地，所述预设电能质量水平指标包括：电压指标、频率指标、谐波电压总畸变率指标、三相电压不平衡度指标及长时间闪变指标。
本发明实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述基于电能质量基准水平评价方法。
本发明实施例还提供了一种计算机设备，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指令，所述指令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的电能质量基准水平评价方法。
本发明技术方案，具有如下优点：
本发明实施例提供的电能质量基准水平评价方法，通过对不同监测区域监测数据进行分层抽样，得到用于评价电能质量的采样数据，既满足了对评估结果准确性的要求，还减少了数据处理量，提高了评价效率，然后根据采样数据通过计算电能质量水平指标的特征值进而计算各个监测区域的电能质量水平值，得到电能质量基准水平值，从而为不同区域电能质量提供了评价标准，然后根据该评价标准对各个监测区域的电能质量进行评价，进而通过量化的评价标准，可以直观的反映出不同区域间电能质量水平的差异，为制定精准的电能质量水平提升措施提供基础。
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为本发明实施例中电能质量基准水平评价方法的流程图；
图2为本发明实施例中采用分层抽样法获取预设周期内电网系统的各监测区域的采样数据的具体流程图；
图3为本发明实施例中根据各预设电能质量水平指标的特征值，采用熵权法计算监测区域的电能质量水平值的具体流程图；
图4为本发明实施例中根据各监测区域的电能质量水平值，生成电能质量基准水平值的具体流程图；
图5为本发明实施例中电能质量基准水平评价系统的结构示意图；
图6为本发明实施例中抽样数据生成单元的结构示意图；
图7为本发明实施例中电能质量基准水平评价系统的另一结构示意图；
图8为本发明实施例中计算机设备的结构示意图。
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。
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电能质量基准水平评价方法，如图1所示，该电能质量基准水平评价方法包括：
步骤S1：采用分层抽样法获取电网系统的各监测区域的采样数据。在实际应用中，电网系统包含多个监测区域，如果对每个监测区域的监测数据进行处理，则将大大增加数据处理量，因此，需要对各监测区域的监测数据进行数据采样。
步骤S2：根据采样数据分别计算各预设电能质量水平指标的特征值。具体地，在实际应用中，预设电能质量水平指标包括：电压指标、频率指标、谐波电压总畸变率指标、三相电压不平衡度指标及长时间闪变指标等。
步骤S3：根据各预设电能质量水平指标的特征值，采用熵权法计算监测区域的电能质量水平值。具体地，在实际应用中，上述的特征值包括：预设电能质量水平指标的平均值、预设电能质量水平指标的95％概率大值、预设电能质量水平指标的50％概率大值及预设电能质量水平指标的10％概率大值等。
步骤S4：根据各监测区域的电能质量水平值，生成电能质量基准水平值。具体地，在实际应用中，该电能质量基准水平值为各个监测区域中电能质量水平值的最好值。
步骤S5：根据电能质量基准水平值及各监测区域的电能质量水平值对各监测区域的电能质量进行评价，生成评价结果。在实际应用中，该评价结果为反映出各个监测区域的电能质量与电能质量水平值之间的差距。
通过上述的步骤S1至步骤S5，本发明实施例提供的电能质量基准水平评价方法，通过对不同监测区域监测数据进行分层抽样，得到用于评价电能质量的采样数据，实现了对电网系统不同监测区域电能质量的评价，在保障评价结果准确性的基础上，减少了数据处理量，提高了评价效率，并为不同区域电能质量提供了评价标准，进而通过量化的评价标准，直观的反映出不同区域间电能质量水平的差异，为制定精准的电能质量水平提升措施提供基础。
以下将结合具体示例对本发明实施例提供的电能质量基准水平评价方法进行详细的介绍。
在一较佳实施例中，如图2所示，上述的步骤S1，采用分层抽样法获取预设周期内电网系统的各监测区域的采样数据，具体包括：
步骤S11：获取电网系统的多个监测区域的监测数据。具体地，在实际应用中，可以按照预设时间间隔来周期性的获取多个监测区域的监测数据，以实现对每一个时间段内各个监测区域的电能质量水平进行评价，该预设时间间隔根据实际需要设置的监测时间周期，例如：1小时或10分钟等。
步骤S12：根据预设采样数据要求及监测数据确定分层变量信息。在实际应用中，结合电能质量监测系统中各个监测区域中不同监测点的采集数据，进行分析可知最小短路容量在一定程度上能够反映电网的稳定性，即最小短路容量越大，系统越稳定，因此，在本发明实施例中采用最小短路容量作为分层变量，需要说明的是，本发明实施例中是以最小短路容量作为分层变量为例进行的说明，在实际应用中，还可以根据实际需要选择其他参数作为分层变量信息，本发明并不以此为限。
步骤S13：根据分层变量信息确定分层边界。在实际应用中，可以根据上述不同监测点的最小短路容量概率分布图，来确定各分层单元之间的边界值。
步骤S14：采用内曼分配方法确定各分层单元的样本容量，得到原始采样数据。在实际应用中，可以采用内曼分配计算样本分层比例。内曼分配是在考虑样本标准差权重的前提下，按比例将样本总量分配到各层单元中。内曼分配的计算公式如下所示：
其中，nk表示分层单元h中样本点个数，N表示样本点总数，Wh表示分层单元h的样本比重，σh表示分层单元h中样本点的标准差，H表示分层单元的个数，h＝1,...,H。
步骤S15：判断原始采样数据是否符合预设采样精度要求。具体地，在实际应用中，通过抽样精度的计算判断样本选择是否合理。分层随机抽样精度的计算公式如下所示：
其中，ρ表示抽样精度，μ表示样本平均值，Z表示标准正态变量，对应95％正态区间，Z＝1.96，Wh表示分层单元h的样本比重，Sh表示分层单元h中单元变量的标准差，nh表示分层单元h中的样本个数。
步骤S16：当原始采样数据符合预设采样精度要求时，将原始采样数据确定为采样数据。在实际应用中，当原始采样数据满足预设采样精度要求，则说明其可以真实准确地反映各个监测区域的电能质量水平，从而以此数据进行电能质量评价则可以保证评价结果的准确性。当原始采样数据不符合预设采样精度要求时，则返回步骤S12。
具体地，在一实施例中，上述的步骤S2，根据采样数据分别计算各预设电能质量水平指标的特征值，在实际应用中，电压、频率、闪变、三相不平衡、谐波电压是衡量电能质量水平的重要指标，因此该预设电能质量水平指标包括：电压指标、频率指标、谐波电压总畸变率指标、三相电压不平衡度指标及长时间闪变指标等。
在实际应用中，上述各个预设电能质量水平指标的特征值包括：预设电能质量水平指标的平均值、预设电能质量水平指标的95％概率大值、预设电能质量水平指标的50％概率大值及预设电能质量水平指标的10％概率大值。结合上述各个指标的时间聚合及空间聚合计算各预设电能质量水平指标的特征值的过程如下：
①电压指标
针对某监测点三相电压日最大值中的最大值，计算统计时间段内的时间聚合值：
其中，Udi表示第i个样本监测点的时间聚合值，Uij表示第i个样本监测点第j个电压监测数据，m表示统计时间内的样本监测点监测数据个数。(根据时间类型确定统计时间，时间类型可为月、年，如选择时间类型为月，则每月算一个数，时间类型为年，则每年算一个数)。
统计时间段内多监测点区域电压水平可通过如下统计特征值表示：
a.区域样本监测点电压指标的电压平均值：
其中，UT表示电压指标的电压平均值，Udi表示第i个样本监测点在统计时间段内的电压聚合值，n表示某区域样本监测点个数。
b.将统计时间段内的区域样本监测点电压值按由大到小次序排列,舍弃前面5％的大值，取剩余实测值中的最大值得到电压指标的95％概率大值；舍弃前面50％的大值，取剩余实测值中的最大值得到电压指标的50％概率大值；舍弃前面90％的大值，取剩余实测值中的最大值得到电压指标的10％概率大值。
②频率指标
计算单个监测点统计时间段内的频率指标的时间聚合值：
其中，fi表示第i个样本监测点的时间聚合值，m表示统计时间内样本监测点监测数据的个数，fij表示第i个样本监测点第j个频率监测数据。(根据时间类型确定统计时间，时间类型可为月、年，如选择时间类型为月，则每月算一个数，时间类型为年，则每年算一个数)。
统计时间段内多监测点区域频率水平可通过如下统计特征值表示：
a.区域样本监测点频率指标的频率平均值：
其中，fd表示频率指标的频率，fi表示第i个监测点在统计时间内的频率聚合值，n表示某区域样本监测点个数。
b.将统计时间段内的区域样本监测点频率值按由大到小次序排列,舍弃前面5％的大值，取剩余实测值中的最大值得到频率指标的95％概率大值；舍弃前面50％的大值，取剩余实测值中的最大值得到频率指标的50％概率大值；舍弃前面90％的大值，取剩余实测值中的最大值得到频率指标的10％概率大值。
③谐波电压总畸变率指标
对某监测点三相总谐波失真(THD)的日95％概率大值进行比较，选出三相中的最大值，计算统计时间段内的THD的时间聚合值：
其中，THDi表示第i个样本监测点的时间聚合值，m表示统计时间内样本监测点监测数据的个数，THDij表示第i个样本监测点第j个THD监测数据。(根据时间类型确定统计时间，时间类型可为月、年，如选择时间类型为月，则每月算一个数，时间类型为年，则每年算一个数)。
统计时间段内多监测点区域THD水平可通过如下统计特征值表示：
a.区域样本监测点THD的平均值：
其中，SATHD表示样本监测点THD的平均值，s表示样本监测点序数，k表示区域内样本监测点个数，Ls表示样本监测点s供电容量MVA(取监测点对应的主变容量)，LT表示区域供电的总供电容量MVA(所选择区域的样本监测点主变容量总和)，THDs表示样本监测点s的THDi的统计值，即样本监测点s的THDi在统计时间内的聚合值。
b.将统计时间段内的区域样本监测点THD值按由大到小次序排列,舍弃前面5％的大值，取剩余实测值中的最大值得到谐波电压总畸变率指标的95％概率大值；舍弃前面50％的大值，取剩余实测值中的最大值得到谐波电压总畸变率指标的50％概率大值；舍弃前面90％的大值，取剩余实测值中的最大值得到谐波电压总畸变率指标的10％概率大值；
④三相电压不平衡度指标
针对某监测点三相不平衡度的日95％概率大值，计算统计时间段内的三相不平衡度时间聚合值：
其中，nei表示第i个样本监测点的时间聚合值，m表示统计时间内样本监测点监测数据的个数，neij表示第i个样本监测点第j个三相不平衡度监测数据。(根据时间类型确定统计时间，时间类型可为月、年，如选择时间类型为月，则每月算一个数，时间类型为年，则每年算一个数)。
统计时间段内多监测点区域电压不平衡水平可通过如下统计特征值表示：
a.区域样本监测点三相不平衡度的平均值：
其中，ned表示第i个监测点在统计时间内的三相不平衡度聚合值，n表示某区域样本监测点个数。
b.将统计时间段内的区域样本监测点三相不平衡度按由大到小次序排列,舍弃前面5％的大值，取剩余实测值中的最大值得到95％三相电压不平衡度指标的概率大值；舍弃前面50％的大值，取剩余实测值中的最大值得到三相电压不平衡度指标的50％概率大值；舍弃前面90％的大值，取剩余实测值中的最大值得到三相电压不平衡度指标的10％概率大值。
⑤长时间闪变指标
针对某监测点三相长时间闪变的日最大值，计算统计时间段内的时间聚合值：
其中，Plti表示第i个监测点统计时间内的长时间闪变聚合值，m表示统计时间内样本监测的监测数据的个数，Pij表示第i个样本监测点第j个长时间闪变日统计值。(根据时间类型确定统计时间，时间类型可为月、年，如选择时间类型为月，则每月算一个数，时间类型为年，则每年算一个数)。
统计时间段内多监测点区域长时间闪变水平可通过如下统计特征值表示：
a.区域样本监测点长时间闪变的平均值：
其中，Plt表示第i个监测点的长时间闪变的平均值，Plti表示第i个监测点统计时间内的长时间闪变聚合值，n表示某区域样本监测点个数。
b.将统计时间段内的区域样本监测点长时间闪变按由大到小次序排列,舍弃前面5％的大值，取剩余实测值中的最大值得到长时间闪变指标的95％概率大值；舍弃前面50％的大值，取剩余实测值中的最大值得到长时间闪变指标的50％概率大值；舍弃前面90％的大值，取剩余实测值中的最大值得到长时间闪变指标的10％概率大值。
在一较佳实施例中，如图3所示，上述的步骤S3，根据各预设电能质量水平指标的特征值，采用熵权法计算监测区域的电能质量水平值，熵权法是使用最为广泛的指标客观性权重确定方法，在本发明实施例中结合熵权法，对代表某一区域各指标水平的四种特征值赋予权重，从而对区域电能质量水平进行综合评价。具体过程包括：
步骤S31：分别对各预设电能质量水平指标的特征值进行标准化处理，生成标准特征值。在实际应用中，采用如下公式对某一区域的n个指标的m个指标统计特征值进行标准化处理：
其中，yij表示第j个指标的第i个指标统计特征值的标准值，fij表示第j个指标的第i个指标统计特征值，i＝1,2,...,m；j＝1,2,...,n。
步骤S32：采用熵权法计算标准特征值的熵值，并根据熵值得到标准差值。在实际应用中，按照如下公式计算该监测区域指标特征值的熵值：
其中，ei表示特征值i的熵值，k＝(lnm)-1，m表示某区域指标统计特征值的个数，yij表示第j个指标的第i个指标统计特征值的标准值，熵值的取值范围：0≤e≤1。
上述标准差值通过如下公式计算：
di＝1-ei (15)
其中，di表示特征值i的标准差值，ei表示特征值i的熵值。
步骤S33：根据标准差值计算特征值的权重。在实际应用中，根据如下公式计算某监测区域不同类型特征值的权重：
其中，wi表示特征值i的权重，di表示特征值i的标准差值，m表示特征值i的个数。
步骤S34：根据权重及特征值计算监测区域的电能质量水平值。在实际应用中，按照如下公式计算上述电能质量水平值：
其中，sj表示电能质量水平值，wi表示特征值i的权重，fij表示第j个指标的第i个指标统计特征值，m表示特征值i的个数。
在一较佳实施例中，如图4所示，上述的步骤S4，根据各监测区域的电能质量水平值，生成电能质量基准水平值，具体包括：
步骤S41：获取各监测区域的电能质量水平值。在实际应用中，通过上述的公式(13)至公式(17)计算得到各个监测区域的电能质量水平值。
步骤S42：将各电能质量水平值按照从好到坏进行排序。在实际应用中，为了更好的评价各个监测区域的电能质量，将各个监测区域的电能质量水平值进行排序以得到电能质量水平的分布情况。
步骤S43：将最好的电能质量水平值确定为电能质量基准水平值。在实际应用中，将电能质量水平最优的监测区域的电能质量水平值作为电能质量基准水平值可以直观的衡量各个监测区域与最优监测区域的电能质量水平的差异。
具体地，在一实施例中，上述的步骤S5，根据电能质量基准水平值及各监测区域的电能质量水平值对各监测区域的电能质量进行评价，生成评价结果。在实际应用中，可以通过计算各个监测区域的电能质量水平值与电能质量基准水平值的差值来评价电能质量，当计算差值越大时，则说明该监测区域的电能质量水平较差，需要采取措施提升电能质量水平，当计算差值越小时，则说明该监测区域的电能质量水平较高。
通过上述步骤S1至步骤S5，本发明实施例的电能质量基准水平评价方法，通过对不同监测区域监测数据进行分层抽样，得到用于评价电能质量的采样数据，实现了对电网系统不同监测区域电能质量的评价，在保障评价结果准确性的基础上，减少了数据处理量，提高了评价效率，并为不同区域电能质量提供了评价标准，进而通过量化的评价标准，直观的反映出不同区域间电能质量水平的差异，为制定精准的电能质量水平提升措施提供基础，并且通过考虑时间聚合和空间聚合，使得用于电能质量基准水平评价的区域聚合值能够准确的反映该区域在统计时间段内的电能质量水平。
实施例2
本发明实施例提供了一种电能质量基准水平评价系统，如图5所示，该电能质量基准水平评价系统包括：
抽样数据生成单元1，用于根据各监测区域的监测数据，采用分层抽样法获取各监测区域的采样数据。详细内容参见实施例1中步骤S1的相关描述。
评价指标计算单元2，用于根据采样数据分别计算各预设电能质量水平指标的特征值。详细内容参见实施例1中步骤S2的相关描述。
电能质量水平计算单元3，用于根据各预设电能质量水平指标的特征值，采用熵权法计算监测区域的电能质量水平值。详细内容参见实施例1中步骤S3的相关描述。
电能质量基准水平值计算单元4，用于根据各监测区域的电能质量水平值，生成电能质量基准水平值。详细内容参见实施例1中步骤S4的相关描述。
电能质量评价单元5，用于根据电能质量基准水平值对各监测区域的电能质量进行评价，生成评价结果。详细内容参见实施例1中步骤S5的相关描述。
通过上述各个组成部分的协同合作，本发明实施例的电能质量基准水平评价系统，通过对不同监测区域监测数据进行分层抽样，得到用于评价电能质量的采样数据，实现了对电网系统不同监测区域电能质量的评价，在保障评价结果准确性的基础上，减少了数据处理量，提高了评价效率，并为不同区域电能质量提供了评价标准，进而通过量化的评价标准，直观的反映出不同区域间电能质量水平的差异，为制定精准的电能质量水平提升措施提供基础。
以下将结合具体示例对本发明实施例提供的电能质量基准水平评价系统进行详细的介绍。
在一较佳实施例中，如图6所示，上述的抽样数据生成单元1具体包括：
监测数据获取子单元11，用于获取电网系统的个监测区域的监测数据。详细内容参见实施例1中步骤S11的相关描述。
分层变量信息确定子单元12，用于根据预设采样数据要求及监测数据确定分层变量信息。详细内容参见实施例1中步骤S12的相关描述。
分层边界确定子单元13，用于根据分层变量信息确定分层边界。详细内容参见实施例1中步骤S13的相关描述。
原始采样数据生成单元14，用于采用内曼分配方法确定各分层单元的样本容量，得到原始采样数据。详细内容参见实施例1中步骤S14的相关描述。
判断子单元15，用于判断原始采样数据是否符合预设采样精度要求。详细内容参见实施例1中步骤S15的相关描述。
采样数据确定子单元16，当原始采样数据符合预设采样要求时，采样数据确定子单元用于将原始采样数据确定为采样数据。详细内容参见实施例1中步骤S16的相关描述。
在实际应用中，如图7所示，上述的电能质量基准水平评价系统还包括：电能质量水平提升单元6，用于根据电能质量评价单元5的评价结果，针对不同监测区域制定相应的电能质量水平提升策略。
在实际应用中，如图7所示，上述的电能质量基准水平评价系统还包括：多个电能质量监测终端7，用于获取各个监测区域内各个监测点的监测数据。
通过上述各个组成部分的协同合作，本发明实施例的电能质量基准水平评价系统，通过对不同监测区域监测数据进行分层抽样，得到用于评价电能质量的采样数据，实现了对电网系统不同监测区域电能质量的评价，在保障评价结果准确性的基础上，减少了数据处理量，提高了评价效率，并为不同区域电能质量提供了评价标准，进而通过量化的评价标准，直观的反映出不同区域间电能质量水平的差异，为制定精准的电能质量水平提升措施提供基础，并且通过考虑时间聚合和空间聚合，使得用于电能质量基准水平评价的区域聚合值能够准确的反映该区域在统计时间段内的电能质量水平。
实施例3
本发明实施例提供一种非暂态计算机存储介质，该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实施例1中的电能质量基准水平评价方法，其中，上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；该存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
实施例4
本发明实施例提供一种计算机设备，其结构示意图如图8所示，该计算机设备包括：一个或多个处理器410以及存储器420，图8中以一个处理器410为例。
上述的计算机设备还可以包括：输入装置430和输出装置440。
处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图8中以通过总线连接为例。
处理器410可以为中央处理器(Central Processing Unit，CPU)。处理器410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420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电能质量基准水平评价方法对应的程序指令/模块，处理器410通过运行存储在存储器420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的电能质量基准水平评价方法。
存储器420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；存储数据区可存储根据电能质量基准水平评价方法的处理装置的使用所创建的数据等。此外，存储器420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420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至电能质量基准水平评价装置。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430可接收输入的数字或字符信息，以及产生与电能质量基准水平评价操作的处理装置有关的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
一个或者多个模块存储在存储器420中，当被一个或者多个处理器410执行时，执行如图1-图4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。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-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 (10)
1.一种电能质量基准水平评价方法，其特征在于，包括：
采用分层抽样法获取电网系统的各监测区域的采样数据；
根据所述采样数据分别计算各预设电能质量水平指标的特征值；
根据所述各预设电能质量水平指标的特征值，采用熵权法计算所述监测区域的电能质量水平值；
根据所述各监测区域的电能质量水平值，生成电能质量基准水平值；
根据所述电能质量基准水平值及所述各监测区域的电能质量水平值对所述各监测区域的电能质量进行评价，生成评价结果。
2.根据权利要求1所述的电能质量基准水平评价方法，其特征在于，所述采用分层抽样法获取电网系统的各监测区域的采样数据，包括：
获取电网系统的各监测区域的监测数据；
根据预设采样数据要求及所述监测数据确定分层变量信息；
根据所述分层变量信息确定分层边界；
采用内曼分配方法确定各分层单元的样本容量，得到原始采样数据；
判断所述原始采样数据是否符合预设采样精度要求；
当所述原始采样数据符合预设采样精度要求时，将所述原始采样数据确定为所述采样数据。
3.根据权利要求1所述的电能质量基准水平评价方法，其特征在于，所述预设电能质量水平指标包括：电压指标、频率指标、谐波电压总畸变率指标、三相电压不平衡度指标及长时间闪变指标。
4.根据权利要求1所述的电能质量基准水平评价方法，其特征在于，所述根据所述各预设电能质量水平指标的特征值，采用熵权法计算所述监测区域的电能质量水平值，包括：
分别对各预设电能质量水平指标的特征值进行标准化处理，生成标准特征值；
采用熵权法计算所述标准特征值的熵值，并根据所述熵值得到标准差值；
根据所述标准差值计算所述特征值的权重；
根据所述权重及所述特征值计算所述监测区域的电能质量水平值。
5.根据权利要求1所述的电能质量基准水平评价方法，其特征在于，所述根据所述各监测区域的电能质量水平值，生成电能质量基准水平值，包括：
获取所述各监测区域的电能质量水平值；
将各所述电能质量水平值按照从好到坏进行排序；
将最好的所述电能质量水平值确定为所述电能质量基准水平值。
6.一种电能质量基准水平评价系统，其特征在于，包括：
抽样数据生成单元，用于根据预设周期内各监测区域的监测数据，采用分层抽样法获取各监测区域的采样数据；
评价指标计算单元，用于根据所述采样数据分别计算各预设电能质量水平指标的特征值；
电能质量水平计算单元，用于根据所述各预设电能质量水平指标的特征值，采用熵权法计算所述监测区域的电能质量水平值；
电能质量基准水平值计算单元，用于根据所述各监测区域的电能质量水平值，生成电能质量基准水平值；
电能质量评价单元，用于根据所述电能质量基准水平值对所述各监测区域的电能质量进行评价，生成评价结果。
7.根据权利要求6所述的电能质量基准水平评价系统，其特征在于，所述抽样数据生成单元包括：
监测数据获取子单元，用于获取预设周期内电网系统的个监测区域的监测数据；
分层变量信息确定子单元，用于根据预设采样数据要求及所述监测数据确定分层变量信息；
分层边界确定子单元，用于根据所述分层变量信息确定分层边界；
原始采样数据生成单元，用于采用内曼分配方法确定各分层单元的样本容量，得到原始采样数据；
判断子单元，用于判断所述原始采样数据是否符合预设采样精度要求；
采样数据确定子单元，当所述原始采样数据符合预设采样要求时，所述采样数据确定子单元用于将所述原始采样数据确定为所述采样数据。
8.根据权利要求6所述的电能质量基准水平评价系统，其特征在于，所述预设电能质量水平指标包括：电压指标、频率指标、谐波电压总畸变率指标、三相电压不平衡度指标及长时间闪变指标。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令被处理器执行时实现如权利要求1-5任一项所述的电能质量基准水平评价方法。
10.一种计算机设备，其特征在于，包括：至少一个处理器(410)；以及与所述至少一个处理器(410)通信连接的存储器(420)其中，
所述存储器(420)存储有可被所述至少一个处理器(410)执行的指令，所述指令被所述至少一个处理器(410)执行，以使所述至少一个处理器(410)执行如权利要求1-5任一项所述的电能质量基准水平评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811339735.1A CN109447506B (zh) | 2018-11-12 | 2018-11-12 | 一种电能质量基准水平评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811339735.1A CN109447506B (zh) | 2018-11-12 | 2018-11-12 | 一种电能质量基准水平评价方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109447506A true CN109447506A (zh) | 2019-03-08 |
| CN109447506B CN109447506B (zh) | 2022-02-22 |
Family
ID=65552731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811339735.1A Active CN109447506B (zh) | 2018-11-12 | 2018-11-12 | 一种电能质量基准水平评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447506B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111598457A (zh) * | 2020-05-18 | 2020-08-28 | 全球能源互联网研究院有限公司 | 一种电力无线网络质量的确定方法及装置 |
| CN111932139A (zh) * | 2020-08-19 | 2020-11-13 | 国网山西省电力公司电力科学研究院 | 多系统电能质量综合水平排序评价方法 |
| CN112180150A (zh) * | 2020-09-29 | 2021-01-05 | 山东云海国创云计算装备产业创新中心有限公司 | 一种服务器的多点电压检测方法、系统及相关组件 |
| CN116154972A (zh) * | 2023-04-21 | 2023-05-23 | 新风光电子科技股份有限公司 | 一种分布式电网电能质量监测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542347A (zh) * | 2011-12-28 | 2012-07-04 | 东南大学 | 一种电能质量综合评估的方法 |
| CN103020461A (zh) * | 2012-12-20 | 2013-04-03 | 广东电网公司电力科学研究院 | 电能质量模糊评价方法及装置 |
| CN103116064A (zh) * | 2013-02-06 | 2013-05-22 | 湖南大学 | 一种基于能量算子和频谱校正的电压波动与闪变检测方法及装置 |
| CN104143052A (zh) * | 2014-08-13 | 2014-11-12 | 天津大学 | 并网光伏发电系统稳态电能质量评估方法 |
| CN107515839A (zh) * | 2017-07-12 | 2017-12-26 | 国网上海市电力公司 | 经改进赋权算法处理的电能质量模糊评估法 |
-
2018
- 2018-11-12 CN CN201811339735.1A patent/CN109447506B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542347A (zh) * | 2011-12-28 | 2012-07-04 | 东南大学 | 一种电能质量综合评估的方法 |
| CN103020461A (zh) * | 2012-12-20 | 2013-04-03 | 广东电网公司电力科学研究院 | 电能质量模糊评价方法及装置 |
| CN103116064A (zh) * | 2013-02-06 | 2013-05-22 | 湖南大学 | 一种基于能量算子和频谱校正的电压波动与闪变检测方法及装置 |
| CN104143052A (zh) * | 2014-08-13 | 2014-11-12 | 天津大学 | 并网光伏发电系统稳态电能质量评估方法 |
| CN107515839A (zh) * | 2017-07-12 | 2017-12-26 | 国网上海市电力公司 | 经改进赋权算法处理的电能质量模糊评估法 |
Non-Patent Citations (1)
| Title |
|---|
| 费思源: "大数据技术在配电网中的应用综述", 《中国电机工程学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111598457A (zh) * | 2020-05-18 | 2020-08-28 | 全球能源互联网研究院有限公司 | 一种电力无线网络质量的确定方法及装置 |
| CN111598457B (zh) * | 2020-05-18 | 2023-06-30 | 全球能源互联网研究院有限公司 | 一种电力无线网络质量的确定方法及装置 |
| CN111932139A (zh) * | 2020-08-19 | 2020-11-13 | 国网山西省电力公司电力科学研究院 | 多系统电能质量综合水平排序评价方法 |
| CN112180150A (zh) * | 2020-09-29 | 2021-01-05 | 山东云海国创云计算装备产业创新中心有限公司 | 一种服务器的多点电压检测方法、系统及相关组件 |
| CN112180150B (zh) * | 2020-09-29 | 2023-04-07 | 山东云海国创云计算装备产业创新中心有限公司 | 一种服务器的多点电压检测方法、系统及相关组件 |
| CN116154972A (zh) * | 2023-04-21 | 2023-05-23 | 新风光电子科技股份有限公司 | 一种分布式电网电能质量监测方法及系统 |
| CN116154972B (zh) * | 2023-04-21 | 2023-07-11 | 新风光电子科技股份有限公司 | 一种分布式电网电能质量监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109447506B (zh) | 2022-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447506A (zh) | 一种电能质量基准水平评价方法及系统 | |
| US20160117326A1 (en) | Correlating consumption and voltage data to identify line loss in an electric grid | |
| CN110196404B (zh) | 一种充电桩的计量芯片校准方法、装置及终端设备 | |
| CN109342989A (zh) | 一种电能表的误差分析方法及装置 | |
| CN109425846A (zh) | 管理测量传感器的传递函数的确定 | |
| CN111142032B (zh) | 电池电量的确定方法、装置、设备和存储介质 | |
| CN104931775A (zh) | 一种具有电能质量分析功能的网络多功能三相电能表 | |
| CN109425801A (zh) | 管理测量传感器的传递函数的确定 | |
| CN109655664A (zh) | 一种基于负荷特征模型库的窃电智能诊断方法和设备 | |
| CN109270316A (zh) | 一种电力用户用电量异常识别方法、装置及终端设备 | |
| CN112684400A (zh) | 小电量台区的电能表运行误差数据监测方法及系统 | |
| CN206470388U (zh) | 在动态负荷下的计量性能的评估装置 | |
| CN109213965B (zh) | 一种系统容量预测方法、计算机可读存储介质及终端设备 | |
| CN109116183A (zh) | 谐波模型参数辨识方法、装置、存储介质及电子设备 | |
| CN115794570A (zh) | 压力测试方法、装置、设备及计算机可读存储介质 | |
| CN103293424A (zh) | 一种数据中心能源使用效率pue的测定方法 | |
| CN106451434B (zh) | 一种基于神经网络算法的配电网电压确定方法及装置 | |
| CN105303194A (zh) | 一种电网指标体系建立方法、装置以及计算设备 | |
| RU2607674C2 (ru) | Способ определения энергопотребления в электрической установке и электрическая установка переменного тока | |
| CN108599147B (zh) | 基于正态指数平滑法与核密度估计的组合区间预测方法 | |
| CN115656834A (zh) | 一种电池容量预测方法、装置及电子设备 | |
| CN112926794A (zh) | 银行贷款信息预测方法及装置 | |
| WO2011148215A1 (en) | Method and apparatus for estimating remaining operating time | |
| CN105976210A (zh) | 电力营销用服务系统 | |
| CN112070354A (zh) | 电网设备运行效率评估方法 |
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 |