CN109508442B - 一种识别受试对象暂降敏感特征与关键判断参数的方法 - Google Patents

一种识别受试对象暂降敏感特征与关键判断参数的方法 Download PDF

Info

Publication number
CN109508442B
CN109508442B CN201811347467.8A CN201811347467A CN109508442B CN 109508442 B CN109508442 B CN 109508442B CN 201811347467 A CN201811347467 A CN 201811347467A CN 109508442 B CN109508442 B CN 109508442B
Authority
CN
China
Prior art keywords
parameter
temporary
specific characteristic
voltage dip
drop
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
CN201811347467.8A
Other languages
English (en)
Other versions
CN109508442A (zh
Inventor
肖先勇
何函洋
汪颖
郑子萱
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.)
Sichuan University
Original Assignee
Sichuan University
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 Sichuan University filed Critical Sichuan University
Priority to CN201811347467.8A priority Critical patent/CN109508442B/zh
Publication of CN109508442A publication Critical patent/CN109508442A/zh
Application granted granted Critical
Publication of CN109508442B publication Critical patent/CN109508442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Complex Calculations (AREA)

Abstract

本发明提供一种识别受试对象暂降敏感特征与关键判断参数的方法，本发明通过对典型受试对象的大量测试，通过构建参数偏离度指标对测试数据进行分析，从理论上给出关键判断参数的选择依据，同时通过暂降特征与参数之间的相关性分析，为暂降特征的选择提供导向性，以解决测试时电压暂降特征与关键参数选择的盲目性问题，由于建立了判断参数与暂降特征间的关系，便于更好的识别出一些特殊的参数暂降敏感组合，为测试时所考虑的暂降特征以及受试对象关键判断参数的选取提供充分的参考。

Description

一种识别受试对象暂降敏感特征与关键判断参数的方法
技术领域
本发明涉及电压暂降技术领域，具体涉及一种获得电压暂降耐受能力测试中受试对象测试条件的方法。
背景技术
随着科技的不断发展，社会节奏的不断加快，高新制造业数目不断增多，基础产业自动化程度也不断提升，大量诸如可编程逻辑控制器、变频器、交流接触器、计算机等对电能质量要求较高的敏感设备涌入用户生产线中，使得整个生产线更易受到电能质量问题的影响。
电能质量包含电压质量、电流质量、谐波质量等多个方面，其所涉及的问题包括电压暂降、电压中断、谐波、频率偏差、电压波动与闪变等。其中，电压暂降(含中断)发生的频次最高，给用户带来的损失最大。据统计，对于小型汽车类自动化程度较高的加工企业，一次电压暂降导致的生产线连锁停机进而生产中断，所带来的设备、原材料以及产能损失高达百万。因而，电压暂降问题倍受工业界与学术界的研究与关注。
对设备/工业过程的电压暂降耐受能力进行测量与评估是解决其受电压暂降问题影响的基础。在了解受试对象的耐受能力后，有助于对其进行有针对性的研发与改进，对其受影响程度与经济损失进行合理的评估，进而综合考虑经济与技术因素对其采取合理的治理措施，减少用户因此导致的损失。
在对受试对象进行测试时，需要确定对受试对象状态进行判断的依据，该依据的选择将对最终结果-设备电压暂降耐受能力的评估产生较大的影响，若判断依据选择不当，比如所选取的设备/过程状态参数不够敏感，则可能导致最终评估结果偏好，然而实际性能却欠佳。测试中所考虑的暂降特征类型对测试效率以及测试结果也具有一定的影响，盲目的考虑所有暂降特征对设备进行测试将增加时间成本与测试成本，同时，由于电压暂降耐受能力测试具有一定的破坏性，受试设备在过多的测试次数后自身状态也会发生明显变化，不能准确的体现出其一般耐受水平。若测试中欠缺关键暂降特征与受试对象关键参数的选择不当，将使得后续设备/过程的改良、治理方案的设计欠缺饱和性与针对性，导致问题不能被较好解决，因暂降导致的重大经济损失风险依然较大。
基本特征测试法：现有大量的测试研究由于硬件限制以及关注程度、认识深度的原因均采用基本特征进行测试，即仅关注电压暂降幅值与持续时间两个特征对受试对象暂降耐受能力的影响，并以持续时间为横坐标、暂降幅值为纵坐标绘制出导致受试对象故障的临界状态点，由此连接绘制得到电压耐受曲线(voltage tolerance curve,VTC)作为衡量其耐受能力的重要依据。
基本测试法所考虑的暂降特征不够全面，无法较全面的衡量。
基本特征测试法存在的缺点：基本测试法所考虑的暂降特征不够全面，无法较全面的衡量一些敏感设备的暂降免疫力，比如，ACC(交流接触器)、继电器等电磁线圈类设备受暂降波形起始点特征影响较大，变频驱动器类三相设备需要考虑三相不平衡度(电压暂降相数)对其产生的影响。
此外，该方案对关键判断参数的选取较依赖于主观判断与经验，缺乏一定的理论支撑与依据，不便适用于规模较大的多参数受试对象的测试中。
典型特征测试法：本测试方法与基本测试法基本相似，但在该测试方法中，测试者依据个人经验以及知识对测试所需考虑的电压暂降特征进行了优化，针对个别类型的电压暂降敏感设备考虑了较为典型的特征，比如，在测试交流接触器时会考虑波形起始点因素的影响，对受试对象的评估结果相对基本特征测试法而言更加全面。
此方法对特殊暂降特征有所考虑，但选择的方式缺乏统一的理论依据，没有固定的方法体系。比如，对于ASD类设备而言，部分研究者认为由于其存在前置的整流环节，ASD内部控制部分供电均采用直流供电，因而相位跳变特征不会对其产生影响，但也有学者认为，带有相位跳变的电压暂降通常导致不可控整流器产生大电流，这些电流会致使这些特殊的半导体保护熔断器熔断，或损坏电力电子元件，因而在对变频器测试时需要考虑相位跳变特征的影响。
免疫时间测试法：主要针对于判断参数较多的大型工业过程的测试，通过识别工业过程中的关键参数，以此为依据来衡量测试过程中工业过程的运行状态。在该测试方法中，定义了免疫时间概念，即关键参数从电压暂降发生时刻起至其越限时的时间，以此时间来补充描述工业过程对暂降的敏感性。
该测试方法充分考虑了受试对象判断参数的选择，但没有考虑其与暂降特征的联系。因而，该方法也存在着暂降特征的选择缺乏依据的缺陷，并且对于某些特殊的参数与特征组合时出现的个别敏感现象无法较好的识别。同时，该方法仅考虑了电压中断(此处指电压幅值为0)情况下暂降耐受能力的评估，仍然较难全面的反映出受试对象的电压暂降耐受能力。
发明内容
本发明的目的在于解决上述现有技术存在的缺陷，提供一种识别受试对象暂降敏感特征与关键判断参数的方法，通过对典型受试对象的大量测试，构建参数偏离度指标对测试数据进行了分析，为电压暂降特殊特征的选择提供导向性，以解决测试时电压暂降特征与关键判断参数选择的盲目性问题。
本发明采用如下技术方案：一种识别受试对象暂降敏感特征与关键判断参数的方法，包括以下步骤：
步骤1.获取测试数据
在多个暂降幅值以及一定持续时间长度下进行测试，记录各电压暂降特殊特征(相位跳变(PAJ)、波形点(POW)、不平衡度)单独变化时，可观测参数在暂降期间的稳定值；
步骤2.参数变化程度标准化
受试对象的各可观测参数均有其维持正常工作状态的阈值范围，当参数超过阈值后，受试对象便被界定为非正常运行；
参数的变化程度通过下式来进行量化：
其中，Plim为参数的极限值，Pn为参数的额定值，Pr为参数在对应电压暂降特殊特征下的最终稳定值(由步骤1所测得)，其处于Plim与Pn间，D为参数的偏离度。当参数处于正常运行状态时，D接近0，当参数越限时，D为1；
步骤3.建立电压暂降特殊特征与参数变化程度间的联系
由步骤1、2可以得到某个电压暂降特殊特征与参数偏离度D之间的一一对应关系，将这些数据绘制在以特征与D构成的二维坐标图中，可以分析得到其相关性，通过采用回归分析方法可建立对应特征与D之间的定量关系；
步骤4.筛减与优化样本空间
通过筛选高频率暂降事件下的样本来降低算法复杂度，同时剔除因偶然因素获得的异常点，使得算法结果更具有代表性与可靠性；步骤5).平均重要度指标构建
ΔVk每行所有元素的均值为该行所有对应的特殊暂降特征在暂降幅值Vk下所获得的分数GCh-Vk，即：
偏离度矩阵ΔVk，表示对应暂降幅值Vk下的偏离度矩阵。将各幅值的暂降发生的频次进行归一化后，将其作为对应电压暂降特殊特征获得的分数GCh-Vk的权重wk，对各暂降幅值下获得的分数GCh-Vk进行加权求和后的值作为该电压暂降特殊特征的平均重要程度Seq-Ch，即：
Seq-Ch＝w1·GCh-V1+w2·GCh-V2+...+wn·GCh-Vn
ΔVk每列所有元素的均值为该列所对应的可观测参数在暂降幅值Vk下所获得的分数Gp-Vk，即：
类似，对各暂降幅值下获得的分数GP-Vk进行加权求和后的值作为该可观测参数的平均重要程度Seq-P，即：
Seq-P＝w1·GP-V1+w2·GP-V2+...+wn·GP-Vn
通过各电压暂降特殊特征的平均重要程度指标Seq-Ch与各可观测参数的平均重要度指标Seq-P可以在统计层面上确定出电压暂降测试所需考虑的电压暂降特殊特征与关键判断参数；
步骤6.特殊敏感特征与参数组合
对于每个偏离度矩阵中最大值元素所对应可观测参数与电压暂降特殊特征的组合也需要被加以适当考虑，因为这些个别的极度敏感组合可能是导致受试对象故障的潜在原因。
本发明进一步的技术方案是，所述步骤1中的测试方法为：
步骤a).确定初始电压电压暂降特殊特征值：暂降幅值V＝0.9Vn，持续时间为1s(可视受试对象规模而定)，PAJ＝0°，POW＝0°，三相电压平衡，其中，Vn为额定电压幅值，PAJ为相位跳变，POW为波形点；
步骤b).确定电压暂降特殊特征测试样本区间步长：暂降幅值为0～0.9Vn，步长为0.1Vn；PAJ为-60～20°，步长为10°；POW为0～90°，步长为10°；三相电压平衡特征通过改变暂降事件所在相数来进行体现，包括对称暂降、两相暂降、单相暂降；
步骤c).确定受试对象的可观测参数，形成参数集合，该集合应尽可能的全面；
步骤d).在当前暂降幅值下选定某一电压暂降特殊特征按b中测试计划进行测试，记录每次输入的暂降参数以及各项可观测参数的值；
步骤e).完成本轮测试后更换下一电压暂降特殊特征，其余电压暂降特殊特征初始化，重复步骤d；
步骤f).完成所有电压暂降特殊特征测试后，按照步骤b设置下一暂降幅值，重复步骤d、步骤e，直至所有暂降幅值下的情况均被测试。
本发明进一步的技术方案是，所述步骤4中筛选包括：
步骤a).基于用户遭受暂降的历史统计数据，估计暂降幅值特征的分布函数，并采用Monte Carlo法按该分布进行有限次实验，获取出现频率50％以上的暂降幅值的情况；
步骤b).在每种幅值情况下，采用步骤a中的类似方法获取其余电压暂降特殊特征的情况；
步骤c).通过回归分析建立的关系推测出各观测参数所对应的变化程度Dij，并求取各电压暂降特殊特征与参数对应Dij的期望值构成各暂降幅值下的偏离度矩阵：
其中，表示在第i个电压暂降特殊特征下，第j个参数的变化程度期望，ΔVk表示对应暂降幅值Vk下的偏离度矩阵。
本发明的有益效果：
本发明建立了可观测参数与电压暂降特殊特征间的关系，便于更好的识别出一些特殊参数暂降敏感组合，为测试电压暂降特殊特征以及参数的选取提供充分的参考。
本发明所提出的方法基于大量测试数据进行分析，获得了各暂降电压暂降特殊特征与所有观测的可观测参数之间的对应关系。通过建立在各暂降幅值下可观测参数的偏离度指标，对其受暂降影响的程度进行了直观量化，并借助回归分析法建立了电压暂降特殊特征与观测参数之间的定量关系。
通过该定量关系，由于源侧电压暂降特殊特征的情况可计算出受试设备侧暂降参数的偏离度，通过构建偏离度矩阵从加权平均的统计意义层面与个别高敏感性特殊情况考虑这两个角度较为全面的给出测试电压电压暂降特殊特征与受试对象关键参数选择的指标。
本发明全面的考虑了各电压暂降特殊特征与可观测参数，并为测试特征与关键参数合理的选择提供了系统的理论方法，解决了传统关于受试对象的暂降测试中测试特征与关键参数选择的不全面性与盲目性问题。同时，本发明在兼顾统计层面选择手段的同时，也合理的考虑到了特殊的情况，有助于某类型受试对象测试条件的优化。
附图说明
图1为本发明的技术流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面本发明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作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。
术语解释
电能质量：是电力商品化的一种体现，通俗的指为用户所供电力的品质，通常从电压、电流质量、谐波含量几个角度来刻画。高品质的电能指各项电能评价指标均处于标准所规定的额定范围以内。
电压暂降：电压暂降是一种电能质量问题，指供电电压有效值在10ms-1min内偏离额定值的0.9-0.1倍时的情况，当电压有效值过低，处于额定值的0-0.1倍时，则称之为电压中断，一般将电压中断视为电压暂降的一种特殊情况，可以通俗的理解为，在一段时间内供电电压突然降低，之后又恢复正常。
电压暂降特征：电压暂降特征通俗的指描述一次电压暂降事件的不同的维度或方面。电压暂降的基本特征包括电压暂降的幅值与持续时间。电压暂降的幅值指在发生电压暂降期间，剩余电压有效值，也常以相对于额定电压时的百分数或标幺值来表示。持续时间指从暂降开始到电压恢复时所经历的时间。电压暂降的基本特征是描述一次暂降事件的基本维度，对于不同的测试对象，仅考虑这两个基本维度是不够的，因而引入了电压电压暂降特殊特征这一概念。
电压电压暂降特殊特征包括波形起始点、波形恢复点、相位跳变、三相不对称。其中，波形起始点指电压暂降开始时刻基频电压波形的相位角，其对应于故障发生瞬间时的角度，波形起始点又简称为波形点(point on wave,POW)；波形恢复点指电压恢复时刻对应的基频电压波形的相位角；相位跳变(phase angle jump,PAJ)特征刻画的是暂降期间的基频电压朝前暂降发生前基频电压的相角；三相不对称指在三相供电系统中三相电压幅值的不均等特点，其中一相电压低于额定值称为单相暂降，两相电压低于额定值成为两相暂降，三相电压低于额定值成为对称暂降。
受试对象：指进行电压暂降耐受能力测试的设备或含有典型电压暂降敏感设备的工业过程，典型的电压暂降敏感设备包括交流接触器(AC contactor,ACC)、可调速驱动(adjustable speed drive,ASD)、可编程逻辑控制器(programmable logic controller,PLC)、个人计算机(personal computer,PC)。对受试对象进行测试，以便于更好的了解其对电压暂降的响应特征与耐受能力，为设备的改进与研发、过程遭受暂降影响的严重程度以及经济损失的评估、过程中薄弱环节的鉴别提供依据。
关键判断参数：关键判断参数指受试对象受电压暂降影响后，可观测的变化程度较大的运行参数。一个受试对象遭受电压暂降后的状态需要通过其自身的可感知参数作为依据来判断。例如，一个工业过程的正常运行需要保证许多参数维持在一定范围内，当其中的某个或某些参数越过单侧阈值后，将会导致工业过程出现异常的运行状态，这些参数即为判断过程运行状态所使用的关键参数。
如图1所示，本发明的一种识别受试对象暂降敏感特征与关键判断参数的方法，包括以下步骤：
步骤1.获取测试数据
在多个暂降幅值以及一定持续时间长度下进行测试，记录各电压暂降特殊特征(相位跳变(PAJ)、波形点(POW)、不平衡度)单独变化时，可观测参数在暂降期间的稳定值。
具体测试方法如下：
a).确定初始电压暂降特征值：暂降幅值V＝0.9Vn，暂降持续时间与观测时间分别为1s和1min(可视受试对象规模而定)，PAJ＝0°，POW＝0°，三相电压平衡；
b).确定电压暂降特殊特征测试样本区间与步长：暂降幅值为0～0.9Vn，步长为0.1Vn；PAJ为-60～20°，步长为5°；POW为0～90°，步长为5°；三相电压平衡特征通过改变暂降事件所在相数来进行体现，包括对称暂降、两相暂降、单相暂降；
c)确定受试对象的可观测参数，形成参数集合，该集合应尽可能的全面；
d)在当前暂降幅值下选定某一电压暂降特殊特征按b中测试计划进行测试，记录每次输入的暂降参数以及各项可观测参数的值；
e)完成本轮测试后更换下一电压暂降特殊特征，其余电压暂降特殊特征初始化，重复步骤d；
f)完成所欲电压暂降特殊特征测试后，按照步骤b设置下一暂降幅值，重复步骤d、e，直至所有暂降幅值下的情况均被测试。
步骤2.参数变化程度标准化
受试对象的各可观测参数均有其维持正常工作状态的阈值范围，当参数超过阈值后，受试对象便界定为非正常运行。
参数的变化程度可通过下式来进行量化：
其中，Plim为参数的极限值，Pn为参数的额定值，Pr为参数的在对应电压暂降特殊特征下的最终稳定值(由步骤1所测得)，其处于Plim与Pn间，D为参数的偏离度。
当参数处于正常运行状态时，D接近0，当参数越限时，D为1。
步骤3.建立电压暂降特殊特征与参数变化程度间的联系
由步骤1、2可以得到某个电压暂降特殊特征与参数偏离度D之间的一一对应关系，将这些数据绘制在以特征与D构成的二维坐标图中，可以分析得到其相关性。
通过采用回归分析方法可建立对应特征与D之间的定量关系。
步骤4.筛减与优化样本空间
通过筛选高频率暂事件下的样本来降低算法复杂度，同时剔除因偶然因素获得的异常点，使得算法结果更具有代表性与可靠性。
具体内容为：
a).基于用户遭受暂降的历史统计数据，估计暂降幅值特征的分布函数，并采用MonteCarlo法按该分布进行有限次实验，获取出现频率50％以上的暂降幅值的情况；
b)在每种幅值情况下，采用步骤a中的类似方法获取其余电压暂降特殊特征的情况；
c)通过回归分析建立的关系推测出各观测参数所对应的变化程度Dij，并求取各电压暂降特殊特征与参数对应Dij的期望值构成各暂降幅值下的偏离度矩阵：
其中，表示在第i个特殊征下，第j个参数的变化程度期望，ΔV表示对应暂降幅值V下的偏离度矩阵。
步骤5.平均重要度指标构建
ΔVk每行所有元素的均值为该行所对应的特殊暂降特征在暂降幅值Vk下所获得的分数GCh-Vk，即：
将各幅值的暂降发生的频次进行归一化后，将其作为对应电压暂降特殊特征获得的分数GCh-Vk的权重wk，对各暂降幅值下获得的分数GCh-Vk进行加权求和后的值作为该电压暂降特殊特征的平均重要程度Seq-Ch，即：
Seq-Ch＝w1·GCh-V1+w2·GCh-V2+...+wn·GCh-Vn
ΔVk每列所有元素的均值为该列所对应的受试对象可观测参数在暂降幅值Vk下所获得的分数GP-Vk，即：
类似，对各暂降幅值下获得的分数GP-Vk进行加权求和后的值作为该可观测参数的平均重要程度Seq-P，即：
Seq-P＝w1·GP-V1+w2·GP-V2+...+wn·GP-Vn
通过各电压暂降特殊特征的平均重要程度指标Seq-Ch与各可观测参数的平均重要度指标Seq-P可以在统计层面上确定出电压暂降测试所需考虑的电压暂降特殊特征与关键判断参数。
步骤6.特殊敏感特征与参数组合
对于每个偏离度矩阵中最大值元素所对应可观测参数与电压暂降特殊特征的组合也需要被加以适当考虑，因为这些个别的极度敏感组合可能是导致受试对象故障的潜在原因。
Monte Carlo法：《理解电能质量问题：电压暂降与短时中断》，MathH.J.Bollen著，肖先勇等译，中国电力出版社，76-83页。
仿真示例
以广州某食品厂为例对本方法进行说明。为了确保所加工食品的口感、质量、温度、湿度、正压差等方面符合要求，若其中某项指标越限，均会触发安全告警系统，导致生产中断，并进行事故排查与处理。
厂房温度(T)需控制在15℃以下(额定值12℃)，相对湿度(H)不得高于40％(额定值30％)，空气正压差(Δp)不低于10pa(额定值15pa)，以确保空气由洁净度要求较高的区域向较低区域流动，维持加工区域无菌化。温度控制依赖于厂房空调，湿度控制依赖于冷凝式除湿机，压差控制依赖于循环风机系统。其中，空调变频器、除湿机制冷压缩机驱动器、循环风机驱动器均属于ASD类暂降敏感设备，且在各ASD的供电端装有ACC。因而，在一次暂降影响下，导致食品加工环节停运的因素具有多种可能性，需要进一步对不同暂降情况下的关键参数进行辨识。
基于调研信息构建关键环节的仿真模型，按照步骤1中内容进行仿真测试获得相关数据，以暂降幅值为0时POW特征变化时为例进行说明(实验中，假定ACC所在相必然故障)：
表1原始数据表
依据步骤2所述内容对参数偏离程度进行标准化：
表2标准化偏离程度D
采用回归分析法获得暂降幅值为0时POW与各参数间的定量关系：
表3回归分析
按照上述步骤可获得各暂降幅值下，各电压暂降特殊特征与暂降幅值间的关系式。
依据步骤4，基于厂方提供的暂降监测数据，可获得高频暂降幅值与各电压暂降特殊特征的高频数值，通过构建的关系式，可以求得对应幅值与电压暂降特殊特征值下的偏离度D。以0.6Vn为例，将各参数下同一特征所有值所对应的D取均值，获取该幅值下的偏离度关系表，如下：
表3偏离度对应关系表
对应列写为偏离度矩阵Δ0.6：
根据步骤5可得各电压暂降特殊特征与可观测参数所获得的分数，如下表所示(所关注的高于50％的暂降幅值为0.5Vn、0.6Vn、0.7Vn)：
表4特征与可观测参数分数
幅值为0.5Vn、0.6Vn、0.7Vn暂降各自比重为0.23、0.41、0.36，依据步骤5可得各电压暂降特殊特征与可观测参数的平均重要程度：
表5平均重要程度
在本实验中，各暂降幅值下如表3所示的偏离度矩阵中最大元素所对应的电压暂降特殊特征与参数均对应为POW和Δp。由表5可知，从平均重要程度所选择出的最佳电压暂降特殊特征与参数也为POW和Δp。因而，对于与该厂房所类似的无菌车间环节，需要着重考虑POW特征的影响。同时，暂降不平衡度也应适当加以考虑。另外，从上述结论中也可看出，空气正压差是这类无菌厂房的关键参数。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种识别受试对象暂降敏感特征与关键判断参数的方法，其特征在于，具体包括以下步骤：
步骤1.获取测试数据
在多个暂降幅值以及一定持续时间长度下进行测试，记录各电压暂降特殊特征单独变化时，可观测参数在暂降期间的稳定值；
步骤2.参数变化程度标准化
受试对象的各可观测参数均有其维持正常工作状态的阈值范围，当参数超过阈值后，受试对象便被界定为非正常运行；
参数的变化程度通过下式来进行量化：
其中，Plim为参数的极限值，Pn为参数的额定值，Pr为参数在对应电压暂降特殊特征的最终稳定值，其处于Plim与Pn间，D为参数的偏离度，当参数处于正常运行状态时，D接近0，当参数越限时，D为1；
步骤3.建立电压暂降特殊特征与参数变化程度间的联系
由步骤1、2得到某个电压暂降特殊特征与参数偏离度D之间的一一对应关系，将这些数据绘制在以特征与D构成的二维坐标图中，分析得到其相关性，通过采用回归分析方法可建立对应特征与D之间的定量关系；
步骤4.筛减与优化样本空间
通过筛选高频率暂降事件下的样本来降低算法复杂度，同时剔除因偶然因素获得的异常点，使得算法结果更具有代表性与可靠性；
步骤5.平均重要度指标构建
ΔVk每行所有元素的均值为该行所有对应的特殊暂降特征在暂降幅值Vk下所获得的分数GCh-Vk，即：
偏离度矩阵ΔVk，表示对应暂降幅值Vk下的偏离度矩阵，将各幅值的暂降发生的频次进行归一化后，将其作为对应电压暂降特殊特征获得的分数GCh-Vk的权重wk，对各暂降幅值下获得的分数GCh-Vk进行加权求和后的值作为该电压暂降特殊特征的平均重要程度Seq-Ch，即：
Seq-Ch＝w1·GCh-V1+w2·GCh-V2+...+wn·GCh-Vn
ΔVk每列所有元素的均值为该列所对应的可观测参数在暂降幅值Vk下所获得的分数Gp-Vk，即：
对各暂降幅值下获得的分数GP-Vk进行加权求和后的值作为该可观测参数的平均重要程度Seq-P，即：
Seq-P＝w1·GP-V1+w2·GP-V2+...+wn·GP-Vn
通过各电压暂降特殊特征的平均重要程度指标Seq-Ch与各可观测参数的平均重要度指标Seq-P可以在统计层面上确定出电压暂降测试所需考虑的电压暂降特殊特征与关键判断参数；
步骤6.特殊敏感特征与参数组合
因为个别的极度敏感组合可能是导致受试对象故障的潜在原因,对于每个偏离度矩阵中最大值元素所对应可观测参数与电压暂降特殊特征的组合也需要加以考虑。
2.根据权利要求1所述的一种识别受试对象暂降敏感特征与关键判断参数的方法：其特征在于，所述步骤1中的电压暂降特殊特征包括相位跳变、波形点、不平衡度。
3.根据权利要求1所述的一种识别受试对象暂降敏感特征与关键判断参数的方法：其特征在于，所述步骤1中的测试方法为：
步骤a).确定初始电压暂降特征值：暂降幅值V＝0.9Vn，持续时间为1s，三相电压平衡，其中Vn为额定电压幅值，PAJ为相位跳变，POW为波形点,PAJ＝0°，POW＝0°；
步骤b).确定电压暂降特殊特征测试样本区间步长：暂降幅值为0～0.9Vn，步长为0.1Vn；PAJ为-60～20°，步长为5°；POW为0～90°，步长为5°；三相电压平衡特征通过改变暂降事件所在相数来进行体现，包括对称暂降、两相暂降、单相暂降；
步骤c).确定受试对象的可观测参数，形成参数集合，该集合应包含受试对象的可观测参数；
步骤d).在当前暂降幅值下选定某一电压暂降特殊特征按b中测试计划进行测试，记录每次输入的暂降参数以及各项可观测参数的值；
步骤e).完成本轮测试后更换下一电压暂降特殊特征，其余电压暂降特殊特征初始化，重复步骤d；
步骤f).完成所有电压暂降特殊特征测试后，按照步骤b设置下一暂降幅值，重复步骤d、步骤e，直至所有暂降幅值下的情况均被测试。
4.根据权利要求1所述的一种识别受试对象暂降敏感特征与关键判断参数的方法：其特征在于，所述步骤4中筛选包括
步骤a).基于用户遭受暂降的历史统计数据，估计暂降幅值特征的分布函数，并采用Monte Carlo法按该分布进行有限次实验，获取出现频率50％以上的暂降幅值的情况；
步骤b).在每种幅值情况下，采用步骤a中的方法获取其余电压暂降特殊特征的情况；
步骤c).通过回归分析建立的关系推测出各观测参数所对应的变化程度Dij，并求取各电压暂降特殊特征与参数对应Dij的期望值构成各暂降幅值下的偏离度矩阵：
其中，表示在第i个电压暂降特殊特征下，第j个参数的变化程度期望，ΔVk表示对应暂降幅值Vk下的偏离度矩阵。
CN201811347467.8A 2018-11-13 2018-11-13 一种识别受试对象暂降敏感特征与关键判断参数的方法 Active CN109508442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811347467.8A CN109508442B (zh) 2018-11-13 2018-11-13 一种识别受试对象暂降敏感特征与关键判断参数的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811347467.8A CN109508442B (zh) 2018-11-13 2018-11-13 一种识别受试对象暂降敏感特征与关键判断参数的方法

Publications (2)

Publication Number Publication Date
CN109508442A CN109508442A (zh) 2019-03-22
CN109508442B true CN109508442B (zh) 2019-11-29

Family

ID=65748325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811347467.8A Active CN109508442B (zh) 2018-11-13 2018-11-13 一种识别受试对象暂降敏感特征与关键判断参数的方法

Country Status (1)

Country Link
CN (1) CN109508442B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111077420A (zh) * 2019-12-27 2020-04-28 广东电网有限责任公司电力科学研究院 一种敏感设备电压暂降耐受能力自动测试系统及方法
CN113609681B (zh) * 2021-08-06 2022-02-08 四川大学 基于电能质量实测数据修正的电压暂降幅值评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103487682A (zh) * 2013-09-13 2014-01-01 深圳供电局有限公司 一种电压暂降扰动下敏感客户电能体验质量的预警方法

Also Published As

Publication number Publication date
CN109508442A (zh) 2019-03-22

Similar Documents

Publication Publication Date Title
CN107544477B (zh) 基于核主元分析的非线性工业过程故障检测方法
CN105467971B (zh) 一种电力二次设备监测系统及方法
CN109508442B (zh) 一种识别受试对象暂降敏感特征与关键判断参数的方法
CN107680368A (zh) 一种基于采集数据的计量装置在线监测与智能诊断方法
CN111537939A (zh) 一种基于多指标融合的电压互感器状态评估方法及装置
CN104076224B (zh) 一种用电信息采集设备可靠性验证的试验方法
CN109492783B (zh) 一种基于gbdt的电力计量设备故障风险预测方法
CN111126759B (zh) 一种基于异常事件故障关联度的电能表状态评估方法
CN113033598A (zh) 一种基于曲线相似度和集成学习算法的窃电识别方法
CN103750552A (zh) 一种智能取样方法及其在香烟质量控制的应用
CN108919003A (zh) 一种敏感设备电压暂降耐受特性测试与数据处理方法
CN109298374A (zh) 一种电能表状态在线评价方法及系统
CN109711686A (zh) 基于多目标决策层次分析法的电压暂降严重度评估方法
CN107505519A (zh) 一种分布式电源接入电网电能质量分析方法及装置
CN106324547B (zh) 用于计量装置的运行状态预测方法
CN116205637A (zh) 基于物联网与工业大数据的智能工厂管理系统
CN105093166A (zh) 一种电子式电能表的现场检验方法
CN111077420A (zh) 一种敏感设备电压暂降耐受能力自动测试系统及方法
Abidullah et al. Real-time power quality disturbances detection and classification system
CN110907725B (zh) 基于故障行为的电子产品加速寿命试验方法
CN105184413B (zh) 一种考虑制造质量偏差损失的产品最优老炼测试时间估算方法
CN112684311B (zh) 用于变压器油纸绝缘局部放电类型识别的特征量提取方法
Ganguly et al. Computer-aided design of X and R charts using teaching-learning-based optimisation algorithm
Qiang et al. A Prediction Framework for State of Health of Lithium-Ion Batteries Based on Improved Support Vector Regression
CN105930870A (zh) 一种工程安全监测数据离群值检测方法

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