CN110048409B - 一种基于负荷启动暂态特性的电力负荷结构识别方法 - Google Patents
一种基于负荷启动暂态特性的电力负荷结构识别方法 Download PDFInfo
- Publication number
- CN110048409B CN110048409B CN201910316792.6A CN201910316792A CN110048409B CN 110048409 B CN110048409 B CN 110048409B CN 201910316792 A CN201910316792 A CN 201910316792A CN 110048409 B CN110048409 B CN 110048409B
- Authority
- CN
- China
- Prior art keywords
- load
- starting
- current
- transient
- steady
- 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.)
- Expired - Fee Related
Links
- 230000001052 transient effect Effects 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000009471 action Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000013139 quantization Methods 0.000 claims abstract description 9
- 238000010845 search algorithm Methods 0.000 claims abstract description 8
- 230000003068 static effect Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 4
- 230000005284 excitation Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 abstract description 5
- 238000004220 aggregation Methods 0.000 abstract description 5
- 230000006698 induction Effects 0.000 description 12
- 238000012360 testing method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明公开了一种基于负荷启动暂态特性的电力负荷结构识别方法,属于电力负荷识别技术领域。该电力负荷结构识别方法对处于低电压等级的小型负荷群,通过智能电表捕捉该小型负荷群内的负荷在一个时间周期内发生过的所有启动动作的电压、电流数据,从数据中提取出负荷的启动暂态量化特征,提取出的负荷启动暂态量化特征可用于与负荷元模型样本库进行匹配,通过全局搜索算法匹配出最为相似的样本,进而辨识出发生启动动作的负荷模型及参数。该电力负荷结构识别方法获得了最低电压等级的用户侧的负荷模型及结构以后,将考虑配网的影响继续向上聚合至220kV及以上电压等级,使得聚合模型可以满足暂态稳定计算、运行方式计算和调度部门的需求。
Description
技术领域
本发明涉及电力负荷识别技术领域,尤其是涉及一种基于负荷启动暂态特性的电力负荷结构识别方法。
背景技术
电力系统负荷的组成成分非常复杂,既有如电阻等静态的负荷成分,又有如感应电动机驱动的动态的负荷成分,而且种类繁多,数量庞大,其详细的运动方程难以列写。长期以来,以感应电动机等效动态负荷和以恒定阻抗或其他静态模型等效静态负荷,并将两者按照一定比例并联起来组成的综合负荷模型,在电力系统分析、计算和控制等研究中得到了广泛的应用。针对不同的负荷类型,一些文献给出了动态负荷和静态负荷的典型统计参数,而反映二者比例关系的动静负荷比例却是一个待确定的量,而且不同地区、不同时间的动静负荷比例是不同的。动静负荷比例作为综合负荷模型中的一个关键参数,不同的取值会导致计算结果出现差异,严重时甚至会影响暂稳分析的结果。因此从电力系统工程应用的角度出发,能够准确辨识出动静负荷比例有非常重要的现实意义。
四川大学高云等人采用基于暂态特征贴近度匹配的方法识别一个家庭用户中电器的具体种类,但事先必须做大量统计工作以建立所有用电设备暂态特征数据库,且该方法只能识别出单独启动的电器,若两种或两种以上电器同时开启,则无法识别。天津大学牛卢璐提出了基于互相关函数的非侵入式负荷辨识算法,该算法通过同步dq变换的方法提取负荷投切过程中的暂态特征信息,进而与负荷模型库中的典型负荷特征做比对,基于互相关函数来判别负荷种类。但该方法同样需要分别量测待辨识负荷群中所有负荷投入时的暂态特征来建立负荷模板库,因此该方法的外推特性及适应性较差。
天津大学黎鹏等人利用用电设备正常工作时的稳态电流(包含基波和谐波)具有一定统计规律性的特点,将n类主要用电设备的总电流近似用这n类用电设备电流的线性叠加来估计。通过负荷电流分解求取一组合理的权重系数,使负荷估计电流与负荷真实电流最为接近,从而确定电力负荷中不同类型用电设备的功率消耗比例;天津大学王成山等人在基于PMU量测的电力系统主导动态参数在线辨识方法的基础上,针对恒阻抗和感应电动机并联组成的综合负荷模型,采用Volterra级数模型和模式识别方法研究了动静负荷比例的在线快速辨识方法,并通过离线仿真给出感应电动机模型几个重要参数在典型值周围的合理变化范围。但是仅利用稳态特征信息的辨识方法有一定的局限性,无法有效分辨出稳态特征接近而暂态特征相差较大的负荷。
发明内容
有鉴于此,本发明的目的是针对现有技术的不足,提供一种基于启动暂态特性及稳态特性的电力负荷结构识别方法,适用于用户侧某一小型负荷群的负荷结构辨识,解决了上述存在的技术问题。
为达到上述目的,本发明采用以下技术方案:
一种基于非侵入电力负荷结构识别方法,包括以下步骤:
步骤1:对处于220V或380V电压等级的小型负荷群,通过智能电表捕捉该小型负荷群内的负荷在一个时间周期内发生过的所有启动动作的数据,从数据中提取出负荷的启动量化特征;
步骤2:采用暂态和稳态电流相结合的手段,将上述的负荷启动量化特征与负荷元模型样本库进行匹配,通过全局搜索算法匹配出最为相似的样本,辨识出发生启动动作的负荷模型及参数;
步骤3:上述的一个时间周期结束后,该一个时间周期内的所有有过启动动作的负荷结构将被辨识出来,进而辨识出该负荷群的动静负荷比。
进一步的,所述步骤1中的负荷的启动量化特征包括瞬时电流暂态与稳态过程的幅值、相位和瞬时电压的相位。
进一步的,所述步骤1中智能电表捕捉数据的过程包括以下步骤:
S1:智能电表通过装置内部的计量芯片将负荷启动全过程的瞬时电压、瞬时电流信号传输至装置内部的中央微处理单元;
S2:所述中央微处理单元通过普罗尼算法从捕获得到的数据中提取出量化特征。
进一步的,所述步骤2中的负荷元样本库的建立包括以下步骤:
A:选取电动机的主导参数;
B:对上述的主导参数进行分析,提取动负荷的暂态及稳态特征,建立动负荷的样本库;
C:对于负荷样本库中的所有样本,将录波所得的启动电流根据其稳态部分的幅值进行标幺化处理,令稳态电流的幅值为1,进而对标幺化处理后的电流提取量化特征。
进一步的,所述步骤A中的主导参数包括励磁电抗Xm、转子漏抗Xr、定子漏抗Xs、转子电阻Rr和惯性时间常数H2,其中:Xm、Xr、Xs的共同影响通过暂态电抗X’=Xs+Xm/Xr表示,Rr和H2作为独立参数其影响要分别考虑。
进一步的,所述步骤2中的全局搜索算法的计算公式为:
式中:im1、im2、iZ均为负荷样本库中的样本,i1、i2为量测得到的数据,k1、k2分别为动负荷和静负荷电流的比例系数。
进一步的,动负荷:Mx=α1k1aM1+α2k1bM2+α3k1cM3+...
静负荷:Zx=α1k2aZ1+α2k2bZ2+α3k2cZ3+...
式中:a、b、c为每个启动事件的标幺基值,M1、M2和M3为启动事件与动负荷模型样本的匹配值,Z1、Z2和Z3为启动事件与静负荷模型样本的匹配值,k1、k2分别为动负荷和静负荷电流的比例系数。
本发明的有益效果是:
1、本发明提供了一种基于负荷启动暂态特性的电力负荷结构识别方法,针对低电压等级用户侧的小型负荷群,通过安装在该用户电力入口处的智能电表,可以捕捉到此负荷群内的负荷在一个时间周期内发生过的所有启动动作,将未知负荷与负荷样本库中的样本进行比对。在一个统计周期内,即可得出该周期中有过启动动作的负荷结构,进而辨识出该负荷群的动静负荷比,避免因对所有用户都进行详细的调查而消耗大量的人力物力,同时又能准确建立用户侧的综合负荷模型。
2、本发明的负荷元样本库的建立选取了影响电动机启动特性的主导参数,并根据主导参数在其值域内分档的方式划分负荷样本,形成完整的负荷样本库,将未知负荷与负荷样本库中的样本进行比对,可统计出该周期内启动过的所有动负荷及静负荷的构成情况,在获得了最低电压等级的用户侧的负荷模型及结构以后,将考虑配网的影响继续向上聚合至220kV及以上电压等级,使得聚合模型可以满足暂态稳定计算、运行方式计算和调度部门的要求,能够为调度运行、暂态电压稳定计算和运行方式计算提供可靠的保障。
附图说明
图1为本发明的电力负荷结构识别方法的应用示意图;
图2为本发明的异步电动机的T型等效电路;
图3为本发明的异步电动机的T型等效电路的简化电路;
图4为本发明的电动机启动后滑差的倒数变化曲线;
图5为本发明的电动机启动后电流变化曲线。
具体实施方式
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的附图,对本发明实施例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的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
实施例
如图1所示,一种基于非侵入电力负荷结构识别方法,包括以下步骤:
步骤1:对处于220V或380V电压等级的小型负荷群,通过智能电表捕捉该小型负荷群内的负荷在一个时间周期内发生过的所有启动动作的数据,从数据中提取出负荷的启动量化特征;
其中:所述的负荷的启动量化特征包括瞬时电流暂态与稳态过程的幅值、相位和瞬时电压的相位。
由于智能电表装置本身内部包括计量芯片和中央微处理单元,智能电表捕捉数据的过程包括以下步骤:
S1:智能电表通过计量芯片将负荷启动全过程的瞬时电压、瞬时电流信号传输至装置内部的中央微处理单元;
S2:所述中央微处理单元通过普罗尼算法从捕获得到的数据中提取出负荷启动量化特征。
步骤2:采用暂态和稳态电流相结合的手段,将上述的负荷启动量化特征与负荷元模型样本库进行匹配,通过全局搜索算法匹配出最为相似的样本,辨识出发生启动动作的负荷模型及参数;
其中:所述步骤2中的负荷元样本库的建立包括以下步骤:
A:选取电动机的主导参数;电动机的主导参数包括励磁电抗Xm、转子漏抗Xr、定子漏抗Xs、转子电阻Rr和惯性时间常数H2,其中:Xm、Xr、Xs的共同影响通过暂态电抗X’=Xs+Xm/Xr表示,Rr和H2作为独立参数其影响要分别考虑。由暂态电抗的表达式容易得知X’是关于另外三个参数的单调递增函数,所以取(Xsmin,Xmmin,Xrmin)可得到X’min,取(Xsmax,Xmmax,Xrmax)可得到X’max,由此得到X’的取值区间[X’min,X’max]就包含了其所有典型值。(Xsmin,Xmmin,Xrmin)和(Xsmax,Xmmax,Xrmax)的取值均由IEEE推荐的典型感应电动机参数确定,具体的参数见表1
表1 IEEE推荐的典型感应电动机参数
其中:Type1:小感应电动机;Type2:大感应电动机;Type3:水泵;Type4:电厂辅助设备;Type5:居民负荷感应电动机的加权聚合;Type6:居民负荷和工业负荷的加权聚合;Type7:空调负荷。
根据X’的取值区间将其样本分为九等,并由每一个X’的取值反向计算出一组(Xs,Xm,Xr)的取值,且确保这三个参数的取值始终不超出各自的取值范围。X’及对应的Xm、Xr、Xs取值如表2所示
表2 X’取值及对应的Xm、Xr、Xs取值
对于Rr,在仿真测试中当其取值为0.009时(对应Type2:大感应电动机;Type3:水泵;Type4:电厂辅助设备),电动机出现反转,并且Type2、3、4的对应分类属用户侧不常见的电动机类型,因此Rr的取值范围选为[0.18,0.71],样本分为六等分。
对于H2,由测试结果可知其仅仅影响到暂态过程持续时间的长短,即H2取值的改变不会影响暂态电流的幅值和相位,即不影响负荷消耗的功率大小,因此也不影响动静负荷比。
B:对上述的主导参数进行分析,提取动负荷的暂态及稳态特征,建立动负荷的样本库;依照上述分析,提取动负荷的暂态及稳态特征,并将动负荷样本库设置如表3所示,
表3动负荷样本分档
典型的用户侧感应电动机启动暂态时间基本都在8s内,因此仿真测试中认为暂态时间超过8s的样本可排除,表格中“null”即代表被排除的样本。样本库中样本数共计40个。
C:对于负荷样本库中的所有样本,将录波所得的启动电流根据其稳态部分的幅值进行标幺化处理,令稳态电流的幅值为1,进而对标幺化处理后的电流提取量化特征。其中:量化特征包括暂态电流的幅值和暂态部分的功率因数角,稳态电流的幅值和稳态部分的功率因数角。
所述负荷结构识别基本原理如下:在异步电动机启动的全过程中,暂态部分和稳态部分的功率因数角明显不同,而静负荷的功率因数角自始至终保持一致。
如图2所示,异步电动机的T型等效电路,由电路图可见模拟等效电阻的值与滑差s关系密切。
如图3所示,在转子回路,总电阻为:而励磁回路中的Rm远小于Xm,因此往往将Rm忽略。当电动机从启动暂态逐渐过渡到稳态的过程中,滑差从1(pu)逐渐下降到接近0(pu),这也是模拟电阻逐渐增大的过程。模拟电阻的增大导致等效电路中总的电阻成分增加,因此可以减小电压电流之间的相位差,这也是暂态和稳态部分功率因数角必定存在差异的原因。
如图4、图5所示,其中:图4和图5的横坐标均为时间,图4的纵坐标是电动机滑差的倒数,图5的纵坐标为电动机电流,滑差的倒数1/s在电动机启动暂态过程的前段大部分时间内为一个较为稳定的值,在暂态向稳态过渡的过程中迅速增大。因此,在暂态过程的前面大部分时间内,电压电流的相位差基本上也是一个较为固定的值。通过普罗尼算法,选取暂态过程的平稳段(0.12s~0.24s)即可得到暂态过程的功率因数角和幅值。
平稳段选在0.12s~0.24s之间,是因为电动机在0.1s启动,刚启动的过程有较大的直流分量,普罗尼算法在拟合曲线正弦表达式时受直流分量的影响也较大。一个周波(0.02s)之后直流分量基本将为0,此时拟合出的正弦量幅值和相位都更加精确。有些样本中启动电流暂态时间较短,因此用于拟合的周波数也不宜太多。经多次测试,选取第2~7个周波(0.12s~0.24s)进行拟合效果最好。
对于某一Z+M型参数未知的综合负荷,由量测所得瞬时电流提取出其暂态电流平稳段的幅值、功率因数角,得到i1=I1cos(ωt+θ1),稳态部分i2=cos(ωt+θ2)。通过全局搜索算法得出计算公式为:
其中,im1、im2、iZ均为负荷样本库中的样本,i1、i2为量测得到的数据,目标就是求解一组最优的k1、k2,k1、k2其值分别为动负荷和静负荷电流的比例系数。
步骤3:上述的一个时间周期结束后,该一个时间周期内的所有有过启动动作的负荷结构将被辨识出来,进而辨识出该负荷群的动静负荷比。对该负荷群中各个启动时间做具体分析。
启动事件A:提取出该启动事件中电压及电流的量化特征,通过对负荷元模型样本库进行全域搜索,将暂态和稳态特征以及所有负荷元样本信息代入上述的全局搜索算法公式中求解,匹配得到其模型和参数,以及动静负荷比。假设其动负荷部分与动负荷模型样本1匹配,记为M1,稳态电流标幺基值为a。
启动事件B:假设其与样本2匹配,记为M2,标幺基值为b。
启动事件C:假设其与样本3匹配,记为M3,标幺基值为c。
更多启动事件以此类推。则这一个周期内的动负荷和静负荷可以分别表示为:
动负荷:Mx=α1k1aM1+α2k1bM2+α3k1cM3+...
静负荷:Zx=α1k2aZ1+α2k2bZ2+α3k2cZ3+...
其中:
在该周期内,每当识别到一次新的启动事件时,首先需要先判断它是否与已提取过特征的事件相同或相似,例如启动事件D,若检测到其特征与事件B相同,则归入B。一个周期结束后,即可统计出该周期内启动过的所有动负荷及静负荷的构成情况。在获得了最低电压等级的用户侧的负荷模型及结构以后,将考虑配网的影响继续向上聚合至220kV及以上等级,使得聚合模型可以满足暂态稳定计算、运行方式计算和调度部门的需求。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于负荷启动暂态特性的电力负荷结构识别方法,其特征在于:包括以下步骤:
步骤1:对处于220V或380V电压等级的小型负荷群,通过智能电表捕捉该小型负荷群内的负荷在一个时间周期内发生过的所有启动动作的数据,从数据中提取出负荷的启动暂态量化特征;
步骤2:采用暂态和稳态电流相结合的手段,将上述的负荷启动量化特征与负荷元模型样本库进行匹配,通过穷举搜索算法匹配出最为相似的样本,辨识出发生启动动作的负荷模型及参数,该穷举搜索算法的计算公式为:
式中:im1、im2、iZ均为负荷样本库中的样本,其中im1表示电动机启动电流的暂态部分,im2表示电动机启动电流的稳态部分,iz表示静负荷样本的正弦稳态电流,对于某一静负荷+电动机负荷型参数未知的综合负荷,i1、i2为量测得到的数据,由量测所得瞬时电流提取出其暂态电流表示为i1,稳态电流表示为i2,k1、k2分别为动负荷和静负荷电流的比例系数;
步骤3:上述的一个时间周期结束后,该一个时间周期内的所有有过启动动作的负荷结构将被辨识出来,进而辨识出该负荷群的动静负荷比;
所述步骤3中的一个时间周期内动负荷和静负荷分别表示为:
动负荷:Mx=α1k1aM1+α2k1bM2+α3k1cM3+...
静负荷:Zx=α1k2aZ1+α2k2bZ2+α3k2cZ3+...
式中:a、b、c为每个启动事件的标幺基值,M1、M2和M3为启动事件与动负荷模型样本的匹配值,Z1、Z2和Z3为启动事件与静负荷模型样本的匹配值,k1、k2分别为动负荷和静负荷电流的比例系数,k1a、k1b、k1c分别代表了动负荷a、b、c的电流比例系数,k2a、k2b、k2c分别代表了静负荷a、b、c的电流比例系数。
2.根据权利要求1所述的一种基于负荷启动暂态特性的电力负荷结构识别方法,其特征在于:所述步骤1中的负荷的启动量化特征包括瞬时电流暂态与稳态过程的幅值、相位和瞬时电压的相位。
3.根据权利要求1所述的一种基于负荷启动暂态特性的电力负荷结构识别方法,其特征在于:所述步骤1中智能电表捕捉数据的过程包括以下步骤:
S1:智能电表通过内部的计量芯片将负荷启动全过程的瞬时电压、瞬时电流信号传输至内部的中央微处理单元;
S2:所述中央微处理单元通过普罗尼算法从捕获得到的数据中提取出负荷的启动量化特征。
4.根据权利要求1所述的一种基于负荷启动暂态特性的电力负荷结构识别方法,其特征在于:所述步骤2中的负荷元样本库的建立包括以下步骤:
A:选取电动机的主导参数;
B:对上述的主导参数进行分析,提取动负荷的暂态及稳态特征,建立动负荷的样本库;
C:对于负荷样本库中的所有样本,将录波所得的启动电流根据其稳态部分的幅值进行标幺化处理,令稳态电流的幅值为1,进而对标幺化处理后的电流提取量化特征。
5.根据权利要求4所述的一种基于负荷启动暂态特性的电力负荷结构识别方法,其特征在于:所述步骤A中的主导参数包括励磁电抗Xm、转子漏抗Xr、定子漏抗Xs、转子电阻Rr和惯性时间常数H2,其中:Xm、Xr、Xs的共同影响通过暂态电抗X’=Xs+Xm/Xr表示,Rr和H2作为独立参数其影响要分别考虑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910316792.6A CN110048409B (zh) | 2019-04-19 | 2019-04-19 | 一种基于负荷启动暂态特性的电力负荷结构识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910316792.6A CN110048409B (zh) | 2019-04-19 | 2019-04-19 | 一种基于负荷启动暂态特性的电力负荷结构识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110048409A CN110048409A (zh) | 2019-07-23 |
CN110048409B true CN110048409B (zh) | 2021-01-29 |
Family
ID=67277977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910316792.6A Expired - Fee Related CN110048409B (zh) | 2019-04-19 | 2019-04-19 | 一种基于负荷启动暂态特性的电力负荷结构识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110048409B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110571806B (zh) * | 2019-09-25 | 2023-05-12 | 北方民族大学 | 一种用于配电网负荷类别的特征提取与辨识方法 |
CN110579732A (zh) * | 2019-10-18 | 2019-12-17 | 华立科技股份有限公司 | 一种测试负荷识别功能的系统 |
CN112560889A (zh) * | 2020-11-06 | 2021-03-26 | 云南电网有限责任公司电力科学研究院 | 一种电力负荷识别方法 |
CN112649644B (zh) * | 2020-12-22 | 2021-06-29 | 常州常工电子科技股份有限公司 | 一种学生公寓用电安全负载学习方法 |
CN112701684B (zh) * | 2020-12-24 | 2021-09-28 | 国网湖南省电力有限公司 | 变电站等效马达负荷比例确定方法及短路电流计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105186693A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 一种非侵入式用电负荷辨识系统及方法 |
CN106226572A (zh) * | 2016-07-13 | 2016-12-14 | 国家电网公司 | 基于暂态特征聚类的家用负荷识别方法 |
CN106603676A (zh) * | 2016-12-20 | 2017-04-26 | 武汉大学 | 一种非侵入式负荷监测服务主站系统 |
CN108306284A (zh) * | 2018-01-05 | 2018-07-20 | 东南大学 | 一种基于局部智能量测的在线负荷建模方法 |
US10114050B2 (en) * | 2011-08-26 | 2018-10-30 | Sensus Usa Inc. | Utility consumption identification |
-
2019
- 2019-04-19 CN CN201910316792.6A patent/CN110048409B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10114050B2 (en) * | 2011-08-26 | 2018-10-30 | Sensus Usa Inc. | Utility consumption identification |
CN105186693A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 一种非侵入式用电负荷辨识系统及方法 |
CN106226572A (zh) * | 2016-07-13 | 2016-12-14 | 国家电网公司 | 基于暂态特征聚类的家用负荷识别方法 |
CN106603676A (zh) * | 2016-12-20 | 2017-04-26 | 武汉大学 | 一种非侵入式负荷监测服务主站系统 |
CN108306284A (zh) * | 2018-01-05 | 2018-07-20 | 东南大学 | 一种基于局部智能量测的在线负荷建模方法 |
Non-Patent Citations (3)
Title |
---|
Standard load models for power flow and dynamic performance simulation;Aashish Kumar Jain;《IEEE Trans on Power Systems》;19950831;全文 * |
综合负荷模型动静负荷比例的在线辨识;王成山等;《电力系统及其自动化学报》;20080630;第2-3页;表1-3 * |
综合负荷模型参数的简化辨识策略;马进;《电网技术》;20060531;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110048409A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110048409B (zh) | 一种基于负荷启动暂态特性的电力负荷结构识别方法 | |
CN107025365B (zh) | 一种用于用户侧的非侵入负荷辨识方法 | |
CN106936129B (zh) | 基于多特征融合的电力负荷辨识方法及系统 | |
Ahmadi et al. | Load decomposition at smart meters level using eigenloads approach | |
CN102510263B (zh) | 基于抛载试验和数值差分的同步发电机实用参数辨识方法 | |
CN107359612B (zh) | 一种电能质量对配电网能耗影响的综合评估方法 | |
CN106452258B (zh) | 一种三相感应电机参数检测方法及装置 | |
CN108306284A (zh) | 一种基于局部智能量测的在线负荷建模方法 | |
CN107656203B (zh) | 一种永磁同步发电机的失磁故障检测方法 | |
CN108074198B (zh) | 一种电力系统pmu不良数据识别方法 | |
CN110571806B (zh) | 一种用于配电网负荷类别的特征提取与辨识方法 | |
CN111551783A (zh) | 一种非侵入式的家用电吹风辨识方法 | |
Zhou et al. | Neural network pattern recognition based non-intrusive load monitoring for a residential energy management system | |
Zhang et al. | Kalman filter based approach for ZIP load modeling for aggregate loads | |
CN115561634A (zh) | 一种永磁同步电机综合电参数的测量装置及测量方法 | |
CN109039208A (zh) | 一种开关磁阻电机增量电感特性在线检测方法 | |
Huang et al. | Calculation and analysis of harmonic leakage reactance of asynchronous motors under overload condition | |
Wang et al. | Study on Daily Line Loss Calculation Based on Operation Data and Resistance Characteristics of Low Voltage Distribution Transformer Area | |
Lu et al. | A residential load identification algorithm based on periodogram for non-intrusive load monitoring | |
Du et al. | Two-Step Non-Intrusive Load Monitoring Based on High-Frequency Current Data | |
CN117590989B (zh) | 基于神经网络的电机转速在线估算装置及方法 | |
Meimei et al. | The Use of Non-intrusive Load Identification Technology Based on Smart Electricity Meters | |
CN110427659B (zh) | 一种基于聚类分析的三相异步电动机有功功率确定方法 | |
CN110398687B (zh) | 一种三相异步电动机工频运行电参数的确定方法 | |
Srited et al. | Induction Motor Efficiency Estimation Using Particle Swarm Optimization with Multiple Operating Conditions |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210129 |
|
CF01 | Termination of patent right due to non-payment of annual fee |