CN110472195B - 一种基于区间监测数据的用户谐波危害预警评估方法 - Google Patents
一种基于区间监测数据的用户谐波危害预警评估方法 Download PDFInfo
- Publication number
- CN110472195B CN110472195B CN201910754700.2A CN201910754700A CN110472195B CN 110472195 B CN110472195 B CN 110472195B CN 201910754700 A CN201910754700 A CN 201910754700A CN 110472195 B CN110472195 B CN 110472195B
- Authority
- CN
- China
- Prior art keywords
- harmonic
- interval
- harmonic current
- user
- value
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000006378 damage Effects 0.000 claims abstract description 33
- 238000012806 monitoring device Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000002347 injection Methods 0.000 abstract description 10
- 239000007924 injection Substances 0.000 abstract description 10
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 16
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- 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
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种基于区间监测数据的用户谐波危害预警评估方法,在未来的用户参数和电网运行方式变化后通过预测用户注入的谐波电流,从而评估用户的谐波危害,以实现用户的谐波危害预警。本发明根据谐波监测装置测量得到用户的区间谐波电流统计值,从而构建用户的区间自回归模型,并预测用户未来注入系统的区间谐波电流上下限,根据预测的区间谐波电流评估用户的谐波危害,以实现用户的谐波危害预警。因此,本发明能预测用户的谐波电流并预判用户未来的谐波危害,克服目前电网只针对当前电网的运行情况无视未来用户参数和系统运行方式的变化去评价用户的谐波污染的局限性,具有较强的工程实用性和推广应用价值。
Description
技术领域
本发明涉及谐波监测技术领域,更具体地说,涉及一种基于区间监测数据的用户谐波危害预警评估方法。
背景技术
近年来,谐波用户的并网给电网带来了严重的谐波污染,极大地影响了电网和用户的安全、经济运行。为了实现谐波监测,现有技术提供了谐波监测算法及装置,且基本实现了自动化,并有大量的网络化监测系统已经得到了工程应用。
常见的谐波监测主要为电网公司提供监管服务,为用户能否接入提供定性判断依据。然而,电力公司仅能通过对超标用户的管制来维护电网的运行,而无法从工业用户的用电需求出发,指导用户合理安排运行方式,以避免因谐波污染停电而造成较大的经济损失。
同时,电网公司监管部门主要采取相关检测手段监测用户注入系统的谐波电流数值,并根据系统供电容量、短路容量水平、用户用电容量等参数计算其许可限值。当用户注入系统的谐波电流低于限值要求时,方可允许用户接入运行。然而,用户的谐波污染大小与用户参数、电网运行方式密切相关,电网的谐波监测数据只能反映当前电网运行方式和用户参数作用下用户注入的谐波电流。由于用户注入的谐波电流因系统运行方式改变而改变,而谐波监测数据只能反映用户当前的谐波危害,却无法预测用户未来的谐波危害。因此,根据当前的谐波监测数据来评估用户的谐波污染具有一定的片面性,现有技术的谐波监管方式具有鲜明的定性评判、事后评价特征,无法为电网的优质运行提供决策依据。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于区间监测数据的用户谐波危害预警评估方法,在未来的用户参数和电网运行方式变化后,通过预测用户注入的谐波电流,从而评估用户的谐波危害,以实现用户的谐波危害预警。
本发明的技术方案如下:
一种基于区间监测数据的用户谐波危害预警评估方法,步骤包括:
1)基于谐波监测装置测得用户注入的区间谐波电流的时序统计值;
2)根据区间谐波电流的时序统计值,搭建区间自回归模型;
3)计算用户区间自回归模型的回归系数;
4)基于回归系数计算用户未来注入的区间谐波电流的最小值与最大值;
5)根据步骤4)得到的预测得到的最小值与最大值,评估用户未来注入的区间谐波电流的谐波危害等级。
作为优选,步骤1)中,谐波监测装置在监测时段内记录所有次谐波电流值的最大值和最小值,取最大值和最小值构成一个区间,用于表征当前监测时段,用户注入的谐波电流的范围,取多个时段构成区间谐波电流的时序统计值,具体为:
其中,0≤γt≤1,则γt对应区间谐波电流统计值内的一个特定值;
根据区间谐波电流时序统计值,构建该监测时段区间t次谐波电流上下限的自回归模型为:
则最小值的自回归方程可以表示为:
故可以表示为矩阵形式即:
Ymin=Xminβmin+εmin;
利用最小乘法辨识最小值的回归系数为:
βmin=((Xmin)TXmin)-1(Xmin)TYmin;
则最大值的自回归方程可以表示为:
故可以表示为矩阵形式即:
Ymax=Xmaxβmax+εmax;
利用最小乘法辨识最大值的回归系数为:
βmax=((Xmax)TXmax)-1(Xmax)TYmax;
作为优选,步骤4)中,根据最小值与最大值的回归系数,预测t+1时段用户注入的区间k次谐波电流的最小值与最大值,具体为:
作为优选,步骤5)中,预测下一年的区间谐波电流,从而进行年谐波危害预警评估,具体为:
将预警时长设置为一年,取该年所有次谐波电流值的最大值和最小值,构成年区间谐波电流值;获取多年的历史年区间谐波电流值,预测下一年的区间谐波电流值,取年区间所有次谐波电流值的最大值与计算得到的谐波电流限值进行比较,判断并计算所有维谐波电流超标的维度,结合谐波危害等级,以判断下一年的谐波电流危害,实现年谐波危害预警。
作为优选,步骤5)中,预测下一月的区间谐波电流,从而进行月谐波危害预警评估,具体为:
将预警时长设置为一月,取该月所有次谐波电流值的最大值和最小值,构成月区间谐波电流值;获取多月的历史月区间谐波电流值,预测下一月的区间谐波电流值,取月区间所有次谐波电流值的最大值与计算得到的谐波电流限值进行比较,判断并计算所有维谐波电流超标的维度,结合谐波危害等级,以判断下一月的谐波电流危害,实现月谐波危害预警。
作为优选,步骤5)中,预测下一日的区间谐波电流,从而进行日谐波危害预警评估,具体为:
将预警时长设置为一日,取该日所有次谐波电流值的最大值和最小值,构成日区间谐波电流值;获取多日的历史日区间谐波电流值,预测下一日的区间谐波电流值,取日区间所有次谐波电流值的最大值与计算得到的谐波电流限值进行比较,判断并计算所有维谐波电流超标的维度,结合谐波危害等级,以判断下一日的谐波电流危害,实现日谐波危害预警。
作为优选,谐波危害等级如下表所示:
超标的维度 | 0 | 1-2 | 2-5 | 5-10 | 10以上 |
谐波危害等级 | 无危害 | 轻微危害 | 轻度危害 | 中度危害 | 重度危害 |
本发明的有益效果如下:
本发明所述的基于区间监测数据的用户谐波危害预警评估方法,填补了基于区间的谐波监测数据来预测用户注入系统的区间谐波电流的技术空白,在未来的用户参数和电网运行方式变化后通过预测用户注入的谐波电流,从而评估用户的谐波危害,以实现用户的谐波危害预警。
本发明根据谐波监测装置测量得到用户的区间谐波电流统计值,从而构建用户的区间自回归模型,并预测用户未来注入系统的区间谐波电流上下限,根据预测的区间谐波电流评估用户的谐波危害,以实现用户的谐波危害预警。因此,本发明能预测用户的谐波电流并预判用户未来的谐波危害,克服目前电网只针对当前电网的运行情况无视未来用户参数和系统运行方式的变化去评价用户的谐波污染的局限性,具有较强的工程实用性和推广应用价值。
附图说明
图1是本发明的流程示意图;
图2是监测装置的设置示意图。
具体实施方式
以下结合附图及实施例对本发明进行进一步的详细说明。
本发明所述的基于区间监测数据的用户谐波危害预警评估方法,如图1所示,步骤包括:
1)基于谐波监测装置测得用户注入的区间谐波电流的时序统计值;
2)根据区间谐波电流的时序统计值,搭建区间自回归模型;
3)计算用户区间自回归模型的回归系数;
4)基于回归系数计算用户未来注入的区间谐波电流的最小值与最大值;
5)根据步骤4)得到的预测得到的最小值与最大值,评估用户未来注入的区间谐波电流的谐波危害等级。
本发明主要包括用户区间谐波电流预测、用户谐波危害预警评估两个部分。目前,针对用户谐波危害预警存在几个技术问题:
1)由于用户在一段监测时段内注入的谐波电流具有一定的波动性,谐波监测装置记录着海量的监测数据,为了直观地描述该监测时段内用户注入的谐波电流大小,谐波监测装置一般以3min或10min为一监测时段,并生成该监测时段所对应的谐波电流的最大、最小、平均和95%最大值的统计值,一般取该监测时段的最大和最小值以构成一个区间谐波电流来表征用户注入系统的谐波电流的水平。因此,如何基于历史的区间谐波电流统计值去预测用户未来注入系统的区间谐波电流值是一个关键的技术难题。
2)用户注入系统的谐波电流是多维的,并且预测的谐波电流是一个区间量,如何基于多维的区间量来评估用户未来的谐波污染,从而实现用户谐波危害预警也是一个急需解决的问题。
其中,用户区间谐波电流预测通过步骤1)至步骤4)进行实现。
步骤1)中,基于电网已有的谐波监测装置测得用户注入系统的区间谐波电流的时序统计值,其中谐波监测装置的安装位置如图2所示,谐波监测装置记录用户注入系统的谐波电流值,并生成区间谐波电流的统计值。
具体地,谐波监测装置在监测时段内记录所有次谐波电流值的最大值和最小值,取最大值和最小值构成一个区间,用于表征当前监测时段,用户注入的谐波电流的范围,取多个时段构成区间谐波电流的时序统计值,具体为:
本实施例中,谐波监测装置以3min或10min记录2-25次的谐波电流的最大、最小、平均、95%最大值,取最大和最小值构成一个区间用以表征该时段用户注入谐波电流的范围,取多个时段构成区间谐波电流的时序统计值为:
其中,表示2次谐波在第一个监测时段内谐波电流的最小值,表示2次谐波在第一个监测时段内谐波电流的最大值,表示2次谐波在第n个监测时段内谐波电流的最小值,表示2次谐波在第n个监测时段内谐波电流的最大值;表示3次谐波在第一个监测时段内谐波电流的最小值,表示3次谐波在第一个监测时段内谐波电流的最大值,表示3次谐波在第n个监测时段内谐波电流的最小值,表示3次谐波在第n个监测时段内谐波电流的最大值。其余数据含义依据此规律类推。
其中,0≤γt≤1,则γt对应区间谐波电流统计值内的一个特定值;
根据区间谐波电流时序统计值,构建该监测时段区间t次谐波电流上下限的自回归模型为:
步骤3)中,计算最小值的回归系数,具体为:
则最小值的自回归方程表示为:
表示为矩阵形式为:
Ymin=Xminβmin+εmin;
利用最小乘法辨识最小值的回归系数为:
βmin=((Xmin)TXmin)-1(Xmin)TYmin;
计算最大值的回归系数,具体为:
ωi max=βi maxγt-i;
则最大值的自回归方程表示为:
表示为矩阵形式为:
Ymax=Xmaxβmax+εmax;
利用最小乘法辨识最大值的回归系数为:
βmax=((Xmax)TXmax)-1(Xmax)TYmax;
步骤4)中,根据最小值与最大值的回归系数,预测t+1时段用户注入的区间k次谐波电流的最小值与最大值,具体为:
同理,本实施例中,依次计算第t+1时段用户注入系统的区间3至25次的谐波电流值。
用户谐波危害预警评估的部分中,为了准确地对用户未来的谐波危害进行预警评估,本发明结合预测的下一时段的区间所有次谐波电流值(本实施例中,为2至25次谐波电流值)进行预警评估。本实施例中,根据不同时间长度分别预测下一年、月、日的区间谐波电流从而对用户进行年谐波危害预警评估、月谐波危害预警评估、日谐波危害预警评估。
本实施例中,步骤5)中,预测下一年的区间谐波电流,从而进行年谐波危害预警评估,具体为:
将预警时长设置为一年,取该年2至25次谐波电流值的最大值和最小值,构成年区间谐波电流值;获取多年的历史年区间谐波电流值,预测下一年的区间谐波电流值,取年区间2至25次谐波电流值的最大值与计算得到的谐波电流限值进行比较,判断并计算所有维谐波电流(本实施例中,为2至25维谐波电流)超标的维度,结合谐波危害等级,以判断下一年的谐波电流危害,实现年谐波危害预警。
谐波危害等级如下表所示:
超标的维度 | 0 | 1-2 | 2-5 | 5-10 | 10以上 |
谐波危害等级 | 无危害 | 轻微危害 | 轻度危害 | 中度危害 | 重度危害 |
同理,预测下一月的区间谐波电流,从而进行月谐波危害预警评估,具体为:
将预警时长设置为一月,取该月2至25次谐波电流值的最大值和最小值,构成月区间谐波电流值;获取多月的历史月区间谐波电流值,预测下一月的区间谐波电流值,取月区间2至25次谐波电流值的最大值与计算得到的谐波电流限值进行比较,判断并计算2至25维谐波电流超标的维度,结合谐波危害等级,以判断下一月的谐波电流危害,实现月谐波危害预警。
同理,预测下一日的区间谐波电流,从而进行日谐波危害预警评估,具体为:
将预警时长设置为一日,取该日2至25次谐波电流值的最大值和最小值,构成日区间谐波电流值;获取多日的历史日区间谐波电流值,预测下一日的区间谐波电流值,取日区间2至25次谐波电流值的最大值与计算得到的谐波电流限值进行比较,判断并计算2至25维谐波电流超标的维度,结合谐波危害等级,以判断下一日的谐波电流危害,实现日谐波危害预警。
上述实施例仅是用来说明本发明,而并非用作对本发明的限定。只要是依据本发明的技术实质,对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。
Claims (5)
1.一种基于区间监测数据的用户谐波危害预警评估方法,其特征在于,步骤包括:
1)基于谐波监测装置测得用户注入的区间谐波电流的时序统计值;
2)根据区间谐波电流的时序统计值,搭建区间自回归模型;
3)计算用户区间自回归模型的回归系数;
4)基于回归系数计算用户未来注入的区间谐波电流的最小值与最大值;
5)根据步骤4)得到的预测得到的最小值与最大值,评估用户未来注入的区间谐波电流的谐波危害等级;
步骤1)中,谐波监测装置在监测时段内记录所有次谐波电流值的最大值和最小值,取最大值和最小值构成一个区间,用于表征当前监测时段,用户注入的谐波电流的范围,取多个时段构成区间谐波电流的时序统计值,具体为:
其中,0≤γt≤1,则γt对应区间谐波电流统计值内的一个特定值;
根据区间谐波电流时序统计值,构建监测时段区间t次谐波电流上下限的自回归模型为:
步骤3)中,计算最小值的回归系数,具体为:
则最小值的自回归方程表示为:
表示为矩阵形式为:
Ymin=Xminβmin+εmin;
利用最小乘法辨识最小值的回归系数为:
βmin=((Xmin)TXmin)-1(Xmin)TYmin;
步骤3)中,计算最大值的回归系数,具体为:
则最大值的自回归方程表示为:
表示为矩阵形式为:
Ymax=Xmaxβmax+εmax;
利用最小乘法辨识最大值的回归系数为:
βmax=((Xmax)TXmax)-1(Xmax)TYmax;
步骤4)中,根据最小值与最大值的回归系数,预测t+1时段用户注入的区间k次谐波电流的最小值与最大值,具体为:
2.根据权利要求1所述的基于区间监测数据的用户谐波危害预警评估方法,其特征在于,步骤5)中,预测下一年的区间谐波电流,从而进行年谐波危害预警评估,具体为:
将预警时长设置为一年,取该年所有次谐波电流值的最大值和最小值,构成年区间谐波电流值;获取多年的历史年区间谐波电流值,预测下一年的区间谐波电流值,取年区间所有次谐波电流值的最大值与计算得到的谐波电流限值进行比较,判断并计算所有维谐波电流超标的维度,结合谐波危害等级,以判断下一年的谐波电流危害,实现年谐波危害预警。
3.根据权利要求2所述的基于区间监测数据的用户谐波危害预警评估方法,其特征在于,步骤5)中,预测下一月的区间谐波电流,从而进行月谐波危害预警评估,具体为:
将预警时长设置为一月,取该月所有次谐波电流值的最大值和最小值,构成月区间谐波电流值;获取多月的历史月区间谐波电流值,预测下一月的区间谐波电流值,取月区间所有次谐波电流值的最大值与计算得到的谐波电流限值进行比较,判断并计算所有维谐波电流超标的维度,结合谐波危害等级,以判断下一月的谐波电流危害,实现月谐波危害预警。
4.根据权利要求2所述的基于区间监测数据的用户谐波危害预警评估方法,其特征在于,步骤5)中,预测下一日的区间谐波电流,从而进行日谐波危害预警评估,具体为:
将预警时长设置为一日,取该日所有次谐波电流值的最大值和最小值,构成日区间谐波电流值;获取多日的历史日区间谐波电流值,预测下一日的区间谐波电流值,取日区间所有次谐波电流值的最大值与计算得到的谐波电流限值进行比较,判断并计算所有维谐波电流超标的维度,结合谐波危害等级,以判断下一日的谐波电流危害,实现日谐波危害预警。
5.根据权利要求2或3或4所述的基于区间监测数据的用户谐波危害预警评估方法,其特征在于,谐波危害等级如下所示:
超标的维度为“0”,表明谐波危害等级为“无危害”;
超标的维度为“1-2”,表明谐波危害等级为“轻微危害”;
超标的维度为“2-5”,表明谐波危害等级为“轻度危害”;
超标的维度为“5-10”,表明谐波危害等级为“中度危害”;
超标的维度为“10以上”,表明谐波危害等级为“重度危害”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910754700.2A CN110472195B (zh) | 2019-08-15 | 2019-08-15 | 一种基于区间监测数据的用户谐波危害预警评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910754700.2A CN110472195B (zh) | 2019-08-15 | 2019-08-15 | 一种基于区间监测数据的用户谐波危害预警评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110472195A CN110472195A (zh) | 2019-11-19 |
CN110472195B true CN110472195B (zh) | 2023-04-18 |
Family
ID=68511888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910754700.2A Active CN110472195B (zh) | 2019-08-15 | 2019-08-15 | 一种基于区间监测数据的用户谐波危害预警评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472195B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930035A (zh) * | 2019-11-27 | 2020-03-27 | 国网福建省电力有限公司莆田供电公司 | 一种基于区间统计值的谐波危害评估方法 |
CN112531710B (zh) * | 2020-11-18 | 2022-10-04 | 福州大学 | 一种谐波源接入预测评估的方法 |
CN112748276B (zh) * | 2020-12-28 | 2023-01-10 | 国网冀北电力有限公司秦皇岛供电公司 | 一种谐波发射水平的预估方法以及装置 |
CN113918870A (zh) * | 2021-09-30 | 2022-01-11 | 福州大学 | 基于线性动态聚类的多谐波源谐波责任估计方法及系统 |
CN114720764B (zh) * | 2022-02-23 | 2023-02-07 | 江苏森维电子有限公司 | 一种基于电表实时监测数据的谐波分析方法及系统 |
CN115128345B (zh) * | 2022-07-01 | 2023-04-28 | 费莱(浙江)科技有限公司 | 一种基于谐波监测的电网安全预警方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102323469A (zh) * | 2011-07-27 | 2012-01-18 | 四川大学 | 谐波负荷状态监测系统 |
CN105790261A (zh) * | 2016-03-29 | 2016-07-20 | 全球能源互联网研究院 | 一种随机谐波潮流计算方法 |
CN106485089A (zh) * | 2016-10-21 | 2017-03-08 | 福州大学 | 谐波用户典型工况的区间参数获取方法 |
CN107220907A (zh) * | 2017-06-10 | 2017-09-29 | 福州大学 | 一种采用秩和比综合评价的谐波污染用户分级方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150088719A1 (en) * | 2013-09-26 | 2015-03-26 | University Of Windsor | Method for Predicting Financial Market Variability |
-
2019
- 2019-08-15 CN CN201910754700.2A patent/CN110472195B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102323469A (zh) * | 2011-07-27 | 2012-01-18 | 四川大学 | 谐波负荷状态监测系统 |
CN105790261A (zh) * | 2016-03-29 | 2016-07-20 | 全球能源互联网研究院 | 一种随机谐波潮流计算方法 |
CN106485089A (zh) * | 2016-10-21 | 2017-03-08 | 福州大学 | 谐波用户典型工况的区间参数获取方法 |
CN107220907A (zh) * | 2017-06-10 | 2017-09-29 | 福州大学 | 一种采用秩和比综合评价的谐波污染用户分级方法 |
Non-Patent Citations (1)
Title |
---|
基于电力线载波通信的区间监测系统的研究;王清;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20170715(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110472195A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472195B (zh) | 一种基于区间监测数据的用户谐波危害预警评估方法 | |
CN106908674B (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
CN108700851B (zh) | 用于预测能量消耗的系统、方法和基于云的平台 | |
CN109103874B (zh) | 考虑负荷特性与分布式电源接入的配电网可靠性评估方法 | |
Yang | A condition-based failure-prediction and processing-scheme for preventive maintenance | |
US11055450B2 (en) | Industrial asset health model update | |
CN111985701B (zh) | 一种基于供电企业大数据模型库的用电预测方法 | |
CN105894133A (zh) | 一种风电机组部件维修及备品备件需求预测方法 | |
CN108390380B (zh) | 一种变压器状态参量趋势预测方法及系统 | |
CN102867221A (zh) | 一种中长期电量预测动态横向修正方法 | |
CN113687176B (zh) | 一种基于深度神经网络的用电异常检测方法、系统 | |
Melchor-Hernández et al. | A model for optimizing maintenance policy for power equipment | |
CN106600114A (zh) | 一种采集运维系统多维度质量评价方法 | |
CN114076841B (zh) | 基于用电信息数据的窃电行为识别方法及系统 | |
CN113050018A (zh) | 基于数据驱动评估结果变化趋势的电压互感器状态评估方法及系统 | |
CN108596514A (zh) | 基于模糊遗传算法的电力设备混合威布尔可靠性建模方法 | |
CN112255560A (zh) | 一种电池电芯健康度预测方法 | |
CN116227637A (zh) | 一种面向有源配电网的精细化负荷预测方法和系统 | |
Doyen | On the Brown–Proschan model when repair effects are unknown | |
CN108376293A (zh) | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 | |
CN112734141B (zh) | 一种多元化负荷区间预测方法及装置 | |
CN107368979A (zh) | 一种天气敏感型区域配电网扰动事件预测方法及装置 | |
CN110930035A (zh) | 一种基于区间统计值的谐波危害评估方法 | |
CN116307886A (zh) | 一种企业生产状态的实时监测方法及装置 | |
CN108923413A (zh) | 基于支持向量机的电压质量预测方法 |
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 |