CN110389268A - 一种电力系统的在线监测系统 - Google Patents

一种电力系统的在线监测系统 Download PDF

Info

Publication number
CN110389268A
CN110389268A CN201910653634.XA CN201910653634A CN110389268A CN 110389268 A CN110389268 A CN 110389268A CN 201910653634 A CN201910653634 A CN 201910653634A CN 110389268 A CN110389268 A CN 110389268A
Authority
CN
China
Prior art keywords
matrix
power system
real
data
fault
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
Application number
CN201910653634.XA
Other languages
English (en)
Other versions
CN110389268B (zh
Inventor
黄伟鹏
廖兴旺
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.)
Fujian Ruisite Technology Co Ltd
Original Assignee
Fujian Ruisite Technology 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 Fujian Ruisite Technology Co Ltd filed Critical Fujian Ruisite Technology Co Ltd
Priority to CN201910653634.XA priority Critical patent/CN110389268B/zh
Publication of CN110389268A publication Critical patent/CN110389268A/zh
Application granted granted Critical
Publication of CN110389268B publication Critical patent/CN110389268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电力系统的在线监测系统，涉及电力系统，包括：数据采集模块、辨识矩阵确定模块、递推初始化模块、递推求解模块、增益阻抗拆分模块、故障数量确定模块、故障分级模块；本发明首先，通过抽样获得各个发动机节点上的电源电压相量、负荷节点上的负荷电压以及电流相量；然后，求解所述辨识参数矩阵的当前估计值，确定电力系统的故障项并估计电力系统的运行状态，输出报警提醒。在本发明中，对前项数据进行剔除，使得计算处理量变少，将距离当前时刻的较远的数据进行剔除，有效提高系统精度。

Description

一种电力系统的在线监测系统
技术领域
本发明涉及电力系统领域，特别是涉及一种电力系统的在线监测系统。
背景技术
电力系统是由发电厂、送变电线路、供配电所和用电等环节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。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能。
电力系统的主体结构有电源(水电站、火电厂、核电站等发电厂)，变电所(升压变电所、负荷中心变电所等)，输电、配电线路和负荷中心。各电源点还互相联接以实现不同地区之间的电能交换和调节，从而提高供电的安全性和经济性。输电线路与变电所构成的网络通常称电力网络。电力系统的信息与控制系统由各种检测设备、通信设备、安全保护装置、自动控制装置以及监控自动化、调度自动化系统组成。电力系统的结构应保证在先进的技术装备和高经济效益的基础上，实现电能生产与消费的合理协调。
典型的电力系统模型包括多个发动机节点、多个负荷节点以及电力网络。
在现有技术中，随着电力系统辨识的进行，处理数据量越来越大，极大地增大了处理数据的所需要的计算机处理能力，使得数据处理速度变慢或处理数据成本提高。此外，在现有技术中，采用遗忘因子进行加权进行最小二乘法的递推，一方面并不能将旧数据完全清除，另一方面在一些现有技术中，旧数据与新数据的总加权值大于1使得求解值发生偏移。
发明内容
有鉴于现有技术的上述的一部分缺陷，本发明所要解决的技术问题是提供一种电力系统的在线监测系统，旨在优化电力系统网络的参数估计求解，仅保留最近的数据并进行参数辨识，提高系统参数估计的求解速度，以便监控电力系统网络。
为实现上述目的，本发明提供了一种电力系统的在线监测方法，所述方法包括：
步骤S1、电力系统网络节点上的同步相量测量装置连续抽样获得各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In；所述电源电压相量En＝[E(1,n),E(2,n),...,E(i,n)]T，所述负荷节点上的负荷电压Vn＝[V(1,n),V(2,n),...,V(j,n)]T，所述负荷节点上的电流相量In＝[I(1,n),I(2,n),...,I(j,n)]T；所述i为所述发电机节点的节点数，所述j为负荷节点的节点数，n为抽样数据的序号；所述电力系统的模型满足：V＝KE-ZI，所述K为所述电力系统的电压增益矩阵，所述Z为所述电力系统的电压阻抗矩阵，所述电压增益矩阵K为j×i矩阵，所述电压阻抗矩阵Z为j×j矩阵；所述n≥p，所述p为预设正整数；
步骤S2、将所述电力系统的模型变换为：确定辨识参数矩阵为η(n)＝(K-Z)；
步骤S3、当n＝p时，根据求解第p次抽样时的辨识参数矩阵η(n)的估计值所述其中，所述V n＝[Vn-p+1 Vn-p+2 ... Vn]，所述
步骤S4、当n>p时，根据第一公式以及求解增加第n+1次抽样数据后的η(n,add n+1)的估计值根据第二公式以及所述求解去除第n+1-p次抽样数据后辨识参数矩阵η(N+1)的估计值
其中，所述第一公式为：所述K(N)＝[I+(Hn+1)TP(N)Hn+1]-1(Hn+1)TP(N)，P(N+1)＝P(N)[I-Hn+1K(N)]，P(N)＝[H n(H n)T]-1，I为单位矩阵；其中，当n>p时，N＝n；
所述第二公式为：所述S(N)＝[I+(Hn-p+1)TT(N)Hn-p+1]-1(Hn-p+1)TT(N)；T(N+1)＝T(N)[I-Hn-p+1K(N)]；所述T(N)＝[H n+1(H n+1)T]-1；I为单位矩阵；
步骤S5、获取所述辨识参数矩阵η(n)＝(K-Z)的当前估计值从所述中拆分出实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn，将所述实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn发送至监测平台终端；
步骤S6、检测所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中的矩阵内各单元数据是否超出预设范围，响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中至少一项矩阵内各单元数据超出预设范围，统计所述矩阵内各单元数据超出预设范围的故障数量；
步骤S7、根据所述故障数量对所述电力系统的运行状态进行分级，并输出报警。
在一具体实施方式中，所述步骤S7还包括：
若所述故障数量sumerr＝0，则所述电力系统的运行状态为正常；
若所述故障数量1≤sumerr<a，则所述电力系统的运行状态为轻度故障；
若所述故障数量a≤sumerr<b，则所述电力系统的运行状态为中度故障；
若所述故障数量sumerr≥b，则所述电力系统的运行状态为高度故障；
所述1<a<b≤c，所述c为所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn矩阵内各单元数据的总项数。
在一具体实施方式中，所述方法包括：
获取统计所述电压增益矩阵K以及所述电压阻抗矩阵Z的矩阵内各单元数据的历史平均值，响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn内各单元数据大于或小于所述历史平均值的50％所对应的单元为故障项。
在一具体实施方式中，所述步骤S7还包括：
实时对所述电力系统的所述运行状态进行记录存储。
在本发明的第二方面提供一种电力系统的在线监测系统，所述系统包括：
数据采集模块，用于控制电力系统网络节点上的同步相量测量装置连续抽样获得各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In；所述电源电压相量En＝[E(1,n),E(2,n),...,E(i,n)]T，所述负荷节点上的负荷电压Vn＝[V(1,n),V(2,n),...,V(j,n)]T，所述负荷节点上的电流相量In＝[I(1,n),I(2,n),...,I(j,n)]T；所述i为所述发电机节点的节点数，所述j为负荷节点的节点数，n为抽样数据的序号；所述电力系统的模型满足：V＝KE-ZI，所述K为所述电力系统的电压增益矩阵，所述Z为所述电力系统的电压阻抗矩阵，所述电压增益矩阵K为j×i矩阵，所述电压阻抗矩阵Z为j×j矩阵；所述n≥p，所述p为预设正整数；
辨识矩阵确定模块，用于将所述电力系统的模型变换为：确定辨识参数矩阵为η(n)＝(K -Z)；
递推初始化模块，递推初始求解模块用于响应于n＝p，根据求解第p次抽样时的辨识参数矩阵η(n)的估计值所述其中，所述V n＝[Vn-p+1 Vn-p+2... Vn]，所述
递推求解模块，用于响应于n>p，根据第一公式以及求解增加第n+1次抽样数据后的η(n,add n+1)的估计值根据第二公式以及所述求解去除第n+1-p次抽样数据后辨识参数矩阵η(N+1)的估计值
其中，所述第一公式为：所述K(N)＝[I+(Hn+1)TP(N)Hn+1]-1(Hn+1)TP(N)，P(N+1)＝P(N)[I-Hn+1K(N)]，P(N)＝[H n(H n)T]-1，I为单位矩阵；其中，当n>p时，N＝n；
所述第二公式为：所述S(N)＝[I+(Hn-p+1)TT(N)Hn-p+1]-1(Hn-p+1)TT(N)；T(N+1)＝T(N)[I-Hn-p+1K(N)]；所述T(N)＝[H n+1(H n+1)T]-1；I为单位矩阵；
增益阻抗拆分模块，用于获取所述辨识参数矩阵η(n)＝(K -Z)的当前估计值从所述中拆分出实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn，将所述实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn发送至监测平台终端；
故障数量确定模块，用于检测所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中的矩阵内各单元数据是否超出预设范围，响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中至少一项矩阵内各单元数据超出预设范围，统计所述矩阵内各单元数据超出预设范围的故障数量；
故障分级模块，用于根据所述故障数量对所述电力系统的运行状态进行分级，并输出报警。
在一具体实施方式中，所述故障分级模块还包括：故障分级单元；所述故障分级单元被配置为：
若所述故障数量sumerr＝0，则所述电力系统的运行状态为正常；
若所述故障数量1≤sumerr<a，则所述电力系统的运行状态为轻度故障；
若所述故障数量a≤sumerr<b，则所述电力系统的运行状态为中度故障；
若所述故障数量sumerr≥b，则所述电力系统的运行状态为高度故障；
所述1<a<b≤c，所述c为所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn矩阵内各单元数据的总项数。
在一具体实施方式中，所述故障数量确定模块，还包括：
正常项数据确定单元，用于获取统计所述电压增益矩阵K以及所述电压阻抗矩阵Z的矩阵内各单元数据的历史平均值；
故障项确定单元，用于响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn内各单元数据大于或小于所述历史平均值的50％所对应的单元为故障项。
在一具体实施方式中，所述故障分级模块，还包括：
存储单元，用于实时对所述电力系统的所述运行状态进行记录存储。
本发明的有益效果是：在本发明中，通过限定电力系统的数据项数，保持数据上限为p项，即在实际运算中，可以采用先增加第n+1次抽样数据[Vn+1]，然后删除当前序列的首项数据，维持数据序列长度。一方面，本发明对前项数据进行剔除，使得计算处理量变少，同时，由于电力系统是一个渐变系统，距离当前时间节点越远的数据准确性越低，将距离当前时刻的较远的数据进行剔除，有效提高系统精度。此外，通过第一公式、第二公式两步求解，所获得的参数估计精度越较高，增强参数估计准确度。在本发明中，通过辨识估计出来的实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn数据，判断电压增益矩阵电压阻抗矩阵的故障数，根据故障数量对电力系统故障的分级，有效辨识系统的运行状态。
附图说明
图1是本发明一具体实施方式的一种电力系统的在线监测方法的流程示意图；
图2是本发明一具体实施方式的多源、多负载电力系统模型；
图3是本发明一具体实施方式的一种电力系统的在线监测系统的系统框图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
电力系统是一个复杂的时变系统，如图2所示的多源、多负载的电力系统，发电机总数为i，负载总数为j，引入电压增益矩阵K和电网阻抗矩阵Z表示电力系统传输网络特征，基于基尔霍夫电压、电流定律，可得到基于全网的电力网络模型：
V＝KE-ZI(1)；
电力系统网络节点上的同步相量测量装置(PMU)连续抽样获得各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In；所述电源电压相量En＝[E(1,n),E(2,n),...,E(i,n)]T，所述负荷节点上的负荷电压Vn＝[V(1,n),V(2,n),...,V(j,n)]T，所述负荷节点上的电流相量In＝[I(1,n),I(2,n),...,I(j,n)]T；所述i为所述发电机节点的节点数，所述j为负荷节点的节点数，n为抽样数据的序号；
将上述n次抽样数据联立可得综合电网模型：
即：
记
根据最小二乘法，对于V n＝[Kj×i -Zj×j]H n而言，当(H n)(H n)T非奇异时，求得极小值：
而对于电力系统模型而言，当H n、V n增加第n+1次抽样数据[Vn+1]时，分别变换为：
V n_add_n+1＝[Vn-p+1 Vn-p+2 ... Vn Vn+1] (7)
令可得：
H n_add_n+1＝[H n Hn+1] (8)
V n_add_n+1＝[V n Vn+1] (9)；
则η(n,add n+1)的估计值满足：
根据矩阵求逆公式，化简可得：
同理，将上述H n_add_n+1、V n_add_n+1删除首项，获得H n+1、V n+1；其中，
V n_add_n+1＝[Vn-p+1 Vn-p+2 ... Vn Vn+1] (13)
V n+1＝[Vn-p+2 Vn-p+3 ... Vn+1] (15)
即：
H n_add_n+1＝[Hn-p+1 H n+1] (16)
V n_add_n+1＝[Vn-p+1 V n+1] (17)
则η(n,add n+1)的估计值满足：
根据矩阵求逆公式，化简可得：
在本发明中，通过限定电力系统的数据项数，保持数据上限为p项，即在实际运算中，可以采用先增加第n+1次抽样数据[Vn+1]，然后删除当前序列的首项数据，维持数据序列长度。
一方面，对前项数据进行剔除，使得计算处理量变少，同时，由于电力系统是一个渐变系统，距离当前时间节点越远的数据准确性越低，将距离当前时刻的较远的数据进行剔除，有效提高系统精度。此外，通过第一公式、第二公式两步求解，所获得的参数估计精度越较高，增强参数估计准确度。
具体而言，如图1所示，在本发明第一实例中，提供一种电力系统的在线监测方法，所述方法包括：
步骤S1、电力系统网络节点上的同步相量测量装置连续抽样获得各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In；所述电源电压相量En＝[E(1,n),E(2,n),...,E(i,n)]T，所述负荷节点上的负荷电压Vn＝[V(1,n),V(2,n),...,V(j,n)]T，所述负荷节点上的电流相量In＝[I(1,n),I(2,n),...,I(j,n)]T；所述i为所述发电机节点的节点数，所述j为负荷节点的节点数，n为抽样数据的序号；所述电力系统的模型满足：V＝KE-ZI，所述K为所述电力系统的电压增益矩阵，所述Z为所述电力系统的电压阻抗矩阵，所述电压增益矩阵K为j×i矩阵，所述电压阻抗矩阵Z为j×j矩阵；所述n≥p，所述p为预设正整数；
步骤S2、将所述电力系统的模型变换为：确定辨识参数矩阵为η(n)＝(K-Z)；
步骤S3、当n＝p时，根据求解第p次抽样时的辨识参数矩阵η(n)的估计值所述其中，所述V n＝[Vn-p+1 Vn-p+2 ... Vn]，所述
步骤S4、当n>p时，根据第一公式以及求解增加第n+1次抽样数据后的η(n,add n+1)的估计值根据第二公式以及所述求解去除第n+1-p次抽样数据后辨识参数矩阵η(N+1)的估计值
其中，所述第一公式为：所述K(N)＝[I+(Hn+1)TP(N)Hn+1]-1(Hn+1)TP(N)，P(N+1)＝P(N)[I-Hn+1K(N)]，P(N)＝[H n(H n)T]-1，I为单位矩阵；其中，当n>p时，N＝n；
所述第二公式为：所述S(N)＝[I+(Hn-p+1)TT(N)Hn-p+1]-1(Hn-p+1)TT(N)；T(N+1)＝T(N)[I-Hn-p+1K(N)]；所述T(N)＝[H n+1(H n+1)T]-1；I为单位矩阵；
步骤S5、获取所述辨识参数矩阵η(n)＝(K -Z)的当前估计值从所述中拆分出实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn，将所述实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn发送至监测平台终端；
步骤S6、检测所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中的矩阵内各单元数据是否超出预设范围，响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中至少一项矩阵内各单元数据超出预设范围，统计所述矩阵内各单元数据超出预设范围的故障数量；
步骤S7、根据所述故障数量对所述电力系统的运行状态进行分级，并输出报警。
在本实施例中，所述步骤S7还包括：
若所述故障数量sumerr＝0，则所述电力系统的运行状态为正常；
若所述故障数量1≤sumerr<a，则所述电力系统的运行状态为轻度故障；
若所述故障数量a≤sumerr<b，则所述电力系统的运行状态为中度故障；
若所述故障数量sumerr≥b，则所述电力系统的运行状态为高度故障；
所述1<a<b≤c，所述c为所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn矩阵内各单元数据的总项数。
在本实施例中，所述方法包括：
获取统计所述电压增益矩阵K以及所述电压阻抗矩阵Z的矩阵内各单元数据的历史平均值，响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn内各单元数据大于或小于所述历史平均值的50％所对应的单元为故障项。
在本实施例中，所述步骤S7还包括：
实时对所述电力系统的所述运行状态进行记录存储。
如图3所示，在本发明第二实例中，提供一种电力系统的在线监测系统100，所述系统包括：
数据采集模块101，用于控制电力系统网络节点上的同步相量测量装置连续抽样获得各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In；所述电源电压相量En＝[E(1,n),E(2,n),...,E(i,n)]T，所述负荷节点上的负荷电压Vn＝[V(1,n),V(2,n),...,V(j,n)]T，所述负荷节点上的电流相量In＝[I(1,n),I(2,n),...,I(j,n)]T；所述i为所述发电机节点的节点数，所述j为负荷节点的节点数，n为抽样数据的序号；所述电力系统的模型满足：V＝KE-ZI，所述K为所述电力系统的电压增益矩阵，所述Z为所述电力系统的电压阻抗矩阵，所述电压增益矩阵K为j×i矩阵，所述电压阻抗矩阵Z为j×j矩阵；所述n≥p，所述p为预设正整数；
辨识矩阵确定模块102，用于将所述电力系统的模型变换为：确定辨识参数矩阵为η(n)＝(K -Z)；
递推初始化模块103，递推初始求解模块用于响应于n＝p，根据求解第p次抽样时的辨识参数矩阵η(n)的估计值所述其中，所述V n＝[Vn-p+1 Vn-p+2... Vn]，所述
递推求解模块104，用于响应于n>p，根据第一公式以及求解增加第n+1次抽样数据后的η(n,add n+1)的估计值根据第二公式以及所述求解去除第n+1-p次抽样数据后辨识参数矩阵η(N+1)的估计值
其中，所述第一公式为：所述K(N)＝[I+(Hn+1)TP(N)Hn+1]-1(Hn+1)TP(N)，P(N+1)＝P(N)[I-Hn+1K(N)]，P(N)＝[H n(H n)T]-1，I为单位矩阵；其中，当n>p时，N＝n；
所述第二公式为：所述S(N)＝[I+(Hn-p+1)TT(N)Hn-p+1]-1(Hn-p+1)TT(N)；T(N+1)＝T(N)[I-Hn-p+1K(N)]；所述T(N)＝[H n+1(H n+1)T]-1；I为单位矩阵；
增益阻抗拆分模块105，用于获取所述辨识参数矩阵η(n)＝(K-Z)的当前估计值从所述中拆分出实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn，将所述实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn发送至监测平台终端；
故障数量确定模块106，用于检测所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中的矩阵内各单元数据是否超出预设范围，响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中至少一项矩阵内各单元数据超出预设范围，统计所述矩阵内各单元数据超出预设范围的故障数量；
故障分级模块107，用于根据所述故障数量对所述电力系统的运行状态进行分级，并输出报警。
在本实施例中，所述故障分级模块107还包括：故障分级单元；所述故障分级单元被配置为：
若所述故障数量sumerr＝0，则所述电力系统的运行状态为正常；
若所述故障数量1≤sumerr<a，则所述电力系统的运行状态为轻度故障；
若所述故障数量a≤sumerr<b，则所述电力系统的运行状态为中度故障；
若所述故障数量sumerr≥b，则所述电力系统的运行状态为高度故障；
所述1<a<b≤c，所述c为所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn矩阵内各单元数据的总项数。
在本实施例中，所述故障数量确定模块106，还包括：
正常项数据确定单元，用于获取统计所述电压增益矩阵K以及所述电压阻抗矩阵Z的矩阵内各单元数据的历史平均值；
故障项确定单元，用于响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn内各单元数据大于或小于所述历史平均值的50％所对应的单元为故障项。
在本实施例中，所述故障分级模块107，还包括：
存储单元，用于实时对所述电力系统的所述运行状态进行记录存储。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (4)

1.一种电力系统的在线监测系统，其特征在于，所述系统包括：
数据采集模块，用于控制电力系统网络节点上的同步相量测量装置连续抽样获得各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In；所述电源电压相量En＝[E(1,n),E(2,n),...,E(i,n)]T，所述负荷节点上的负荷电压Vn＝[V(1,n),V(2,n),...,V(j,n)]T，所述负荷节点上的电流相量In＝[I(1,n),I(2,n),...,I(j,n)]T；所述i为所述发电机节点的节点数，所述j为负荷节点的节点数，n为抽样数据的序号；所述电力系统的模型满足：V＝KE-ZI，所述K为所述电力系统的电压增益矩阵，所述Z为所述电力系统的电压阻抗矩阵，所述电压增益矩阵K为j×i矩阵，所述电压阻抗矩阵Z为j×j矩阵；所述n≥p，所述p为预设正整数；
辨识矩阵确定模块，用于将所述电力系统的模型变换为：确定辨识参数矩阵为η(n)＝(K -Z)；
递推初始化模块，递推初始求解模块用于响应于n＝p，根据求解第p次抽样时的辨识参数矩阵η(n)的估计值所述其中，所述V n＝[Vn-p+1 Vn-p+2 ...Vn]，所述
递推求解模块，用于响应于n>p，根据第一公式以及求解增加第n+1次抽样数据后的η(n,addn+1)的估计值根据第二公式以及所述求解去除第n+1-p次抽样数据后辨识参数矩阵η(N+1)的估计值
其中，所述第一公式为：所述K(N)＝[I+(Hn+1)TP(N)Hn+1]-1(Hn+1)TP(N)，P(N+1)＝P(N)[I-Hn+1K(N)]，P(N)＝[H n(H n)T]-1，I为单位矩阵；其中，当n>p时，N＝n；
所述第二公式为：所述S(N)＝[I+(Hn-p+1)TT(N)Hn-p+1]-1(Hn-p+1)TT(N)；T(N+1)＝T(N)[I-Hn-p+1K(N)]；所述T(N)＝[H n+1(H n+1)T]-1；I为单位矩阵；
增益阻抗拆分模块，用于获取所述辨识参数矩阵η(n)＝(K -Z)的当前估计值从所述中拆分出实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn，将所述实时电压增益矩阵Kn以及实时电压阻抗矩阵Zn发送至监测平台终端；
故障数量确定模块，用于检测所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中的矩阵内各单元数据是否超出预设范围，响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn中至少一项矩阵内各单元数据超出预设范围，统计所述矩阵内各单元数据超出预设范围的故障数量；
故障分级模块，用于根据所述故障数量对所述电力系统的运行状态进行分级，并输出报警。
2.如权利要求1所述的一种电力系统的在线监测系统，其特征在于，所述故障分级模块还包括：故障分级单元；所述故障分级单元被配置为：
若所述故障数量sumerr＝0，则所述电力系统的运行状态为正常；
若所述故障数量1≤sumerr<a，则所述电力系统的运行状态为轻度故障；
若所述故障数量a≤sumerr<b，则所述电力系统的运行状态为中度故障；
若所述故障数量sumerr≥b，则所述电力系统的运行状态为高度故障；
所述1<a<b≤c，所述c为所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn矩阵内各单元数据的总项数。
3.如权利要求1所述的一种电力系统的在线监测系统，其特征在于，所述故障数量确定模块，还包括：
正常项数据确定单元，用于获取统计所述电压增益矩阵K以及所述电压阻抗矩阵Z的矩阵内各单元数据的历史平均值；
故障项确定单元，用于响应于所述实时电压增益矩阵Kn以及所述实时电压阻抗矩阵Zn内各单元数据大于或小于所述历史平均值的50％所对应的单元为故障项。
4.如权利要求1所述的一种电力系统的在线监测方法，其特征在于，所述故障分级模块，还包括：
存储单元，用于实时对所述电力系统的所述运行状态进行记录存储。
CN201910653634.XA 2019-07-19 2019-07-19 一种电力系统的在线监测系统 Active CN110389268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910653634.XA CN110389268B (zh) 2019-07-19 2019-07-19 一种电力系统的在线监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910653634.XA CN110389268B (zh) 2019-07-19 2019-07-19 一种电力系统的在线监测系统

Publications (2)

Publication Number Publication Date
CN110389268A true CN110389268A (zh) 2019-10-29
CN110389268B CN110389268B (zh) 2021-08-13

Family

ID=68286804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910653634.XA Active CN110389268B (zh) 2019-07-19 2019-07-19 一种电力系统的在线监测系统

Country Status (1)

Country Link
CN (1) CN110389268B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112147443A (zh) * 2020-09-24 2020-12-29 国网江苏省电力有限公司徐州供电分公司 电压异常类型判别方法、装置、电子设备及存储介质
CN116207865A (zh) * 2023-05-05 2023-06-02 上海华建电力设备股份有限公司 一体化变电站在线监测系统及方法
CN117554681A (zh) * 2024-01-08 2024-02-13 银河航天(西安)科技有限公司 一种应用于卫星的电力监测方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6301516B1 (en) * 1999-03-25 2001-10-09 General Electric Company Method for identifying critical to quality dependencies
CN103258103A (zh) * 2013-05-29 2013-08-21 国家电网公司 基于偏最小二乘回归的戴维南等值参数辨识方法
CN103605856A (zh) * 2013-11-28 2014-02-26 东北石油大学 基于分数阶线路模型的输电线路参数估计方法
CN103258093B (zh) * 2013-05-10 2016-03-02 无锡科技职业学院 一种基于辨识的双率系统的参数辨识方法
CN106353564A (zh) * 2016-09-30 2017-01-25 广东电网有限责任公司电力调度控制中心 计及v/x接线牵引变压器的电力系统短路电流获取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6301516B1 (en) * 1999-03-25 2001-10-09 General Electric Company Method for identifying critical to quality dependencies
CN103258093B (zh) * 2013-05-10 2016-03-02 无锡科技职业学院 一种基于辨识的双率系统的参数辨识方法
CN103258103A (zh) * 2013-05-29 2013-08-21 国家电网公司 基于偏最小二乘回归的戴维南等值参数辨识方法
CN103605856A (zh) * 2013-11-28 2014-02-26 东北石油大学 基于分数阶线路模型的输电线路参数估计方法
CN106353564A (zh) * 2016-09-30 2017-01-25 广东电网有限责任公司电力调度控制中心 计及v/x接线牵引变压器的电力系统短路电流获取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨静: "电力系统传输网络与负荷模型辨识及其在电压稳定分析中的应用", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112147443A (zh) * 2020-09-24 2020-12-29 国网江苏省电力有限公司徐州供电分公司 电压异常类型判别方法、装置、电子设备及存储介质
CN116207865A (zh) * 2023-05-05 2023-06-02 上海华建电力设备股份有限公司 一体化变电站在线监测系统及方法
CN116207865B (zh) * 2023-05-05 2023-07-21 上海华建电力设备股份有限公司 一体化变电站在线监测系统及方法
CN117554681A (zh) * 2024-01-08 2024-02-13 银河航天(西安)科技有限公司 一种应用于卫星的电力监测方法、装置及存储介质
CN117554681B (zh) * 2024-01-08 2024-03-22 银河航天(西安)科技有限公司 一种应用于卫星的电力监测方法、装置及存储介质

Also Published As

Publication number Publication date
CN110389268B (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN110389268B (zh) 一种电力系统的在线监测系统
Jia et al. Defect prediction of relay protection systems based on LSSVM-BNDT
CN109993665B (zh) 电力系统在线安全稳定评估方法、装置及系统
Zhu et al. Integrated data-driven power system transient stability monitoring and enhancement
Jacob et al. Fault diagnostics in shipboard power systems using graph neural networks
CN116169675B (zh) 考虑运行方式变化的电力系统动态稳定性在线评估方法
CN109428327B (zh) 基于响应的电网关键支路与主导稳定模式识别方法及系统
CN111654392A (zh) 基于互信息的低压配电网拓扑识别方法及系统
Wang et al. Data-driven transient stability assessment using sparse PMU sampling and online self-check function
CN117349614A (zh) 基于自注意力机制和时空图卷积网络的频率稳定预测方法
CN116131313A (zh) 特征量与暂态功角稳定性关联关系的可解释性分析方法
Narasimhulu et al. Detection and classification of high impedance fault in power distribution system using hybrid technique
Liu et al. A machine learning-based fault identification method for microgrids with distributed generations
CN110380379B (zh) 一种电力系统故障监测与报警系统
CN110401190B (zh) 一种电力系统频率实时检测与辨识系统
CN110414816B (zh) 一种基于最小二乘电力系统状态估计方法
CN115374957B (zh) 一种径流式小水电多尺度缺失量测数据重建方法
Liu et al. A PV fault diagnosis framework based on asynchronous federated learning
Ye et al. PMU error analyses and effects on linear state estimation based on SVM
Esmaili et al. Online state estimation of power system despite faulty measurement data using the composition of ANFIS with Grasshopper Algorithm
Chen et al. Research on energy big data cleaning based on multi-source data analysis
Zhou et al. Power Grid transient stability prediction method based on improved CNN under big data background
Wang et al. Data Pre-Processing Method for Distribution Networks Based on the CNN-LSTM Considering the Spatial Properties
Huang et al. Research on Microgrid Line Protection Based on Dilated Convolutional Networks
Zhou Anomaly Detection in Smart Distribution Grids with Deep Neural Network

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