CN110968834B - 一种基于谐波含量分析的电网监测站点选取方法 - Google Patents

一种基于谐波含量分析的电网监测站点选取方法 Download PDF

Info

Publication number
CN110968834B
CN110968834B CN201911072583.8A CN201911072583A CN110968834B CN 110968834 B CN110968834 B CN 110968834B CN 201911072583 A CN201911072583 A CN 201911072583A CN 110968834 B CN110968834 B CN 110968834B
Authority
CN
China
Prior art keywords
matrix
node
mode
harmonic content
power grid
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
CN201911072583.8A
Other languages
English (en)
Other versions
CN110968834A (zh
Inventor
盛洁
段荣华
程光影
吴琛
李志学
黄伟
杨东
程旻
张丹
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.)
Yunnan Power Grid Co Ltd
Original Assignee
Yunnan Power Grid 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 Yunnan Power Grid Co Ltd filed Critical Yunnan Power Grid Co Ltd
Priority to CN201911072583.8A priority Critical patent/CN110968834B/zh
Publication of CN110968834A publication Critical patent/CN110968834A/zh
Application granted granted Critical
Publication of CN110968834B publication Critical patent/CN110968834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Abstract

本发明涉及一种基于谐波含量分析的电网监测站点选取方法，属于电力系统技术领域。该方法包括如下步骤：统计分析各节点模态，构建节点模态数值矩阵A；分析各模态重要性，得到模态权重矩阵C；构建各节点模态包含矩阵D；构建节点谐波含量矩阵D2；根据电网网络拓扑，构建各节点关系矩阵E；构建所有监测方案矩阵F；计算各相邻节点组合的谐波含量矩阵J；确定电网监测站点。本发明解决了在各区域电网所有关键节点中，选取最适合观测谐波及次/超同步振荡的站点问题。选取的标准是基于各站点的相邻性及各模态谐波的含量两个因素。选取的站点既包含较多的模态，又分布集中，利于震荡的溯源，在提高监测效率的同时降低了成本，易于推广应用。

Description

一种基于谐波含量分析的电网监测站点选取方法
技术领域
本发明属于电力系统技术领域，具体涉及一种基于谐波含量分析的电网监测站点选取方法。
背景技术
随着新能源并网规模的扩大，新型可再生能源发电(风电、光伏)系统与电网相互作用引起的次同步谐振和振荡现象越来越频繁，影响了电网和设备的安全运行，甚至造成严重的稳定性事故和设备损坏。因此，亟需对电网各节点次(超)同步谐波进行动态监测，以便进一步分析并实施阻尼控制。
然而，当前市场上的谐波监测装置价格较高，现阶段无法在电网所有关键节点布控，需要选择最有监测价值的若干节点进行布控。电网中关键节点的选取，离不开节点重要性评估。近年来，国内外对复杂网络节点重要度评估的传统方法包括介数法、基于最短路径、生成树数目的评估方法、因子分析算法和节点的删除方法等。各种方法均能从某一方面反映出各节点的重要性，但是没有能够反应节点谐波含量的。
鉴于次、超同步谐波监测需要选取谐波含量高的节点进行布控监测，本发明提出了一种基于谐波含量分析的节点选取方法，以克服现有技术的不足。
发明内容
为了克服现有技术的不足，本发明提出的一种基于谐波含量分析的电网监测站点选取方法，该方法对于检测到谐波后进行溯源分析时，选择集中相邻的节点更利于谐波的溯源；采用本发明方法实现了各区域电网所有关键节点中典型监测站点的选取。
为实现上述目的，本发明采用的技术方案如下：
一种基于谐波含量分析的电网监测站点选取方法，包括如下步骤：
第一步：统计分析各节点模态，构建节点模态数值矩阵A；
其中，A是一个m×n的矩阵，m是节点个数，n是所分析电网中所有出现的模态总数；矩阵A中元素aij表示第i个节点出现第j个模态的个数，没出现该模态则记为0；
第二步：分析各模态重要性，得到模态权重矩阵C；
其中，C是一个n×1的矩阵，矩阵C中元素cj1为模态j的重要性因数；
第三步：构建各节点模态包含矩阵D；
其中，D为一个m×n的矩阵，矩阵中元素dij代表第i个节点是否包含第j个模态，包含则计1，不包含则记为0；
第四步：构建节点谐波含量矩阵D2，D2＝D×C；
其中，D2为一个m×1的矩阵，D2中元素d2i1代表第i个节点的谐波含量；
第五步：根据电网网络拓扑，构建各节点关系矩阵E；
其中，E为一个m×m的矩阵，矩阵E中元素eix代表第i个节点是否和第x个节点相连，相连则记为1，不相连则记为0，若i＝x，则记为1；
第六步：假设要设置k个电网监测站点，待查找节点数目为y，则y＝k，构建所有监测方案矩阵F；构建方法具体如下：
从矩阵E的第一行开始，逐行查找每个元素；
查找时，第1行从第1个元素开始查找，第二行从第2个元素开始查找，以此类推；
每一行被查找的第1个元素记为1，往后依次查找，若找到y-1个值为1的元素，之后将该行查找结果作为一个监测方案记入矩阵F，记入方式为：矩阵E被查找的第1个元素所在行在查找的第1个元素前若有元素，则前面的这些元素值均记为0，被查找的第1个元素记为1，往后依次查找的y-1个值为1的元素的值记为1，其余均记为0，形成一行只有y个1的向量；
若查找时，所在行没有y个值为1的元素，则该行查找结果不记入矩阵F；
矩阵F为x×m的矩阵，其中x为所有不重复的站点组合方案个数；矩阵F中元素fsi代表第s个方案是否包含第i个节点，包含值为1，不包含值为0；
第七步：计算各相邻节点组合的谐波含量矩阵J；J＝F×D2；
其中，J为一个x×1的矩阵，矩阵J中元素Js1代表第s种方案的谐波含量；
第八步：根据矩阵J，将谐波含量从高到低的顺序将所有方案排序，从谐波含量最高的方案开始，依次验证谐波含量从高到低的各方案是否包含所有模态，若包含则该y个连续节点即为最具监测价值的节点，若不包含则验证下一个，直到找到最优方案a。
进一步，优选的是，第一步中，统计分析各节点模态的具体方法为：
选取一段时间作为一个统计周期，每个节点随机选择一个统计周期内的10个电流相量DYM文件，每个文件用快速傅里叶变换做幅频特性分析，选取幅频曲线上每个幅值超过门槛值的点对应的频率值，记做一种振荡模态；每个记录的模态信息应包括其固有频率、阻尼比和振荡振型；统计每个节点所包含的模态个数和每个模态出现的次数。
进一步，优选的是，一个统计周期为一周。
进一步，优选的是，门槛值为额定电流的1％。
进一步，优选的是，第二步中，分析各模态重要性，得到模态权重矩阵C的具体方法为：
采用熵权法根据各模态该统计周期内出现次数及分布的节点得到各模态的监测权重。
进一步，优选的是，将A拆分成n个m×1的数组，记做B1，B2，…Bn；之后计算每个数组的信息熵E；
其中，
Figure GDA0003814758960000031
通过信息熵计算出各模态的监测权重
Figure GDA0003814758960000032
其中，Ej代表每个模态的信息熵，bij为第j个数组B中第i个元素，pij为bij内部归一化后的结果，既谐波含量，Wj为监测权重；继而，得到模态权重矩阵C；C是一个n×1的矩阵，矩阵C中元素cj1为模态j的监测权重Wj。
进一步，优选的是，第六步中，若矩阵F为空，则令y＝k-1，然后按照第六步的构建方法，重新构建矩阵F，然后用重新构建的矩阵F继续第七步和第八步。
进一步，优选的是，第八步中，若所有方案均不包含所有模态，则放弃监测权重最低的模态继续寻找，并重新按照第八步中验证方法再一次验证各个方案，直至找到最佳方案a；以此类推。
本发明与现有技术相比，其有益效果为：
本发明提出的一种基于谐波含量分析的电网监测站点选取方法，用于从某区域电网所有节点中选出最适合做多模态向量监测的节点。多模态相量的监测可以诊断及预防次、超同步及高次谐波对电力系统的安全稳定运行带来的危害。选区最适合做观测的节点可以以最少的花费获得最有效的模态信息。
附图说明
图1为本发明方法的总流程图；
图2为应用实例的系统拓扑图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。
本发明提出的一种基于谐波含量分析的电网监测站点选取方法，实现了各区域电网所有关键节点中，典型相邻监测站点的选取。选取的标准是基于各站点的相邻性及各模态谐波的含量两个因素。它依次含有以下步骤，如图1所示：
第一步：统计分析各节点模态，构建节点模态数值矩阵A；
其中，A是一个m×n的矩阵，m是节点个数，n是所分析电网中所有出现的模态总数；矩阵A中元素aij表示第i个节点出现第j个模态的个数，没出现该模态则记为0；节点模态数值矩阵可以很好的体现出各模态出现的频次及分布的范围。
统计分析各节点模态的具体方法为：
在电网广域监测系统主站中，用离线召唤功能召唤所有节点电流相量DYM文件。每一个文件一般为一分钟的历史数据，选取一段时间作为一个统计周期，每个节点随机选择一个统计周期内的10个电流相量DYM文件，每个文件用快速傅里叶变换做幅频特性分析，选取幅频曲线上每个幅值超过门槛值的点对应的频率值，记做一种振荡模态；每个记录的模态信息应包括其固有频率、阻尼比和振荡振型；统计每个节点所包含的模态个数和每个模态出现的次数。
优选，一个统计周期为一周，门槛值为额定电流的1％。
第二步：分析各模态重要性，得到模态权重矩阵C；
其中，C是一个n×1的矩阵，矩阵C中元素cj1为模态j的重要性因数；
具体方法为：
采用熵权法根据各模态该统计周期内出现次数及分布的节点得到各模态的监测权重。分布不均匀但出现频次高的模态认为其重要性较高，因为选取的电站更不容易出现该模态。出现频次很低的模态认为其没有典型性，监测优先级低。出现频次不是很高但是分布较广的模态认为其分布的电站较被选中的概率较大，因此重要性也偏低。
具体计算方法为，
将A拆分成n个m×1的数组，记做B1，B2，…Bn；之后计算每个数组的信息熵E；
其中，
Figure GDA0003814758960000051
通过信息熵计算出各模态的监测权重
Figure GDA0003814758960000052
其中，Ej代表每个模态的信息熵，bij为第j个数组B中第i个元素，pij为bij内部归一化后的结果，既谐波含量，Wj为监测权重；继而，得到模态权重矩阵C；C是一个n×1的矩阵，矩阵C中元素cj1为模态j的监测权重Wj。
第三步：构建各节点模态包含矩阵D；
其中，D为一个m×n的矩阵，矩阵中元素dij代表第i个节点是否包含第j个模态，包含则计1，不包含则记为0；
第四步：构建节点谐波含量矩阵D2，D2＝D×C；
其中，D2为一个m×1的矩阵，D2中元素d2i1代表第i个节点的谐波含量；
第五步：根据电网网络拓扑，构建各节点关系矩阵E；
其中，E为一个m×m的矩阵，矩阵E中元素eix代表第i个节点是否和第x个节点相连，相连则记为1，不相连则记为0，若i＝x，则记为1；
第六步：假设要设置k个电网监测站点，待查找节点数目为y，则y＝k，构建所有监测方案矩阵F；构建方法具体如下：
从矩阵E的第一行开始，逐行查找每个元素；
查找时，第1行从第1个元素开始查找，第二行从第2个元素开始查找，以此类推；
每一行被查找的第1个元素记为1，往后依次查找，若找到y-1个值为1的元素，之后将该行查找结果作为一个监测方案记入矩阵F，记入方式为：矩阵E被查找的第1个元素所在行在查找的第1个元素前若有元素，则前面的这些元素值均记为0，被查找的第1个元素记为1，往后依次查找的y-1个值为1的元素的值记为1，其余均记为0，形成一行只有y个1的向量；
若查找时，所在行没有y个值为1的元素，则该行查找结果不记入矩阵F；
矩阵F为x×m的矩阵，其中x为所有不重复的站点组合方案个数；矩阵F中元素fsi代表第s个方案是否包含第i个节点，包含值为1，不包含值为0；
第七步：计算各相邻节点组合的谐波含量矩阵J；J＝F×D2；
其中，J为一个x×1的矩阵，矩阵J中元素Js1代表第s种方案的谐波含量；
第八步：根据矩阵J，将谐波含量从高到低的顺序将所有方案排序，从谐波含量最高的方案开始，依次验证谐波含量从高到低的各方案是否包含所有模态，若包含则该y个连续节点即为最具监测价值的节点，若不包含则验证下一个，直到找到最优方案a。
第六步中，若矩阵F为空，说明没有与单个节点相邻的y-1个节点。此时，令y＝k-1，然后按照第六步的构建方法，重新构建矩阵F，然后用重新构建的矩阵F继续第七步和第八步。
第八步中，若所有方案均不包含所有模态，则放弃监测权重最低的模态继续寻找，并重新按照第八步中验证方法再一次验证各个方案，直至找到最佳方案a；以此类推。
应用实例1：
本实例假设有如图2所示某电网，其包含9个节点、5个模态，需要选择两个站点部署监测仪。假定每个模态统计期内出现次数如矩阵A所示：
Figure GDA0003814758960000061
第二步：分析各模态重要性。由矩阵A得出B1-B5：
B1＝[9 1 10 12 9 3 4 8 12]
B2＝[9 9 7 0 0 1 4 0 2]
B3＝[0 0 8 1 1 2 0 9 0]
B4＝[1 0 7 0 8 0 3 9 7]
B5＝[3 6 0 6 7 0 1 1 0]
并由此计算出各模态信息熵及权重如E及M所示：
E＝{-4.501，-3.680，-2.735，-3.607，-3.465}；
W＝{0.239，0.203，0.162，0.2，0.194}；
最后得到模态权重矩阵C：
C＝[0.239 0.203 0.162 0.2 0.194]T
第三步：构建各节点模态包含矩阵D：
Figure GDA0003814758960000071
第四步：构建节点模态谐波含量矩阵
D2＝[0.782 0.636 0.804 0.595 0.998 0.604 0.836 0.595 0.642]T
第五步：根据图2所示网络拓扑图，构建各节点关系矩阵E：
Figure GDA0003814758960000072
第六步：根据矩阵E中的节点关系，统计所有观测方案，并记入F：
Figure GDA0003814758960000073
可见，F共有9行，说明共有9组站点是相邻的。
第七步：计算各方案的谐波含量，得出矩阵J：
J＝[1.377 1.231 1.446 1.593 1.199 1.834 1.246 1.531 1.237]T
第八步：找出J中最大值，即1.834对应的一组站点，发现是节点5和7，检查发现节点5和7包含了所有模态，因此选择在节点5和7部署监测仪是最佳方案。
应用实例2：
本实例假设有如附图2所示某电网，其包含9个节点、5个模态，需要选择三个站点部署监测仪。假定每个模态统计期内出现次数如矩阵A所示：
Figure GDA0003814758960000081
第二步：分析各模态重要性。由矩阵A得出B1-B5：
B1＝[3 0 1 4 0 1 0 0 0]
B2＝[0 0 0 0 0 0 1 0 0]
B3＝[1 2 3 3 0 1 3 1 0]
B4＝[0 1 1 0 1 0 0 3 0]
B5＝[2 3 0 0 0 0 0 0 0]
并由此计算出各模态信息熵及权重如E及W所示：
E＝{-2.66911，0，-1.83649，-1.24246，-0.67302}；
W＝{0.23058，0.06284，0.31641，0.23439，0.15577}；
最后得到模态权重矩阵C：
C＝[0.23058 0.06284 0.31641 0.23439 0.15577]T
第三步：构建各节点模态包含矩阵D：
Figure GDA0003814758960000082
第四步：构建节点模态谐波含量矩阵
D2＝[0.68358 0.44919 0.84422 0.70276 0.9999 0.60983 0.68358 0.937150.52781]T
第五步：根据图2所示网络拓扑图，构建各节点关系矩阵E：
Figure GDA0003814758960000091
第六步：根据矩阵E中的节点关系，统计所有观测方案，并记入F：
Figure GDA0003814758960000092
可见，F共有11行，说明共有11组站点是相邻的。
第七步：计算各方案的谐波含量，得出矩阵J：
J＝[2.38624 1.99617 2.13267 2.06992 1.98186 2.30918 2.3862 1.84042.62063 2.07479 2.14854]T
第八步：找出J中最大值，即2.62063对应的一组站点，发现是节点5、7，8检查发现节点5、7、8不包含模态1和5，则继续验证，最后发现所有组合均未包含所有模态，则放弃观测权重最低的模态，既模态2。继续在J中寻找，发现谐波含量第二高的是方案1，既1、4、5节点，验证发现节点1、4、5包含了除节模态2以外的所有模态。因此选择在节点1、4和5部署监测仪是最佳方案。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种基于谐波含量分析的电网监测站点选取方法，其特征在于，包括如下步骤：
第一步：统计分析各节点模态，构建节点模态数值矩阵A；
其中，A是一个m×n的矩阵，m是节点个数，n是所分析电网中所有出现的模态总数；矩阵A中元素aij表示第i个节点出现第j个模态的个数，没出现该模态则记为0；
第二步：分析各模态重要性，得到模态权重矩阵C；
其中，C是一个n×1的矩阵，矩阵C中元素cj1为模态j的重要性因数；
第三步：构建各节点模态包含矩阵D；
其中，D为一个m×n的矩阵，矩阵中元素dij代表第i个节点是否包含第j个模态，包含则计1，不包含则记为0；
第四步：构建节点谐波含量矩阵D2，D2＝D×C；
其中，D2为一个m×1的矩阵，D2中元素d2i1代表第i个节点的谐波含量；
第五步：根据电网网络拓扑，构建各节点关系矩阵E；
其中，E为一个m×m的矩阵，矩阵E中元素eix代表第i个节点是否和第x个节点相连，相连则记为1，不相连则记为0，若i＝x，则记为1；
第六步：设置k个电网监测站点，待查找节点数目为y，则y＝k，构建所有监测方案矩阵F；构建方法具体如下：
从矩阵E的第一行开始，逐行查找每个元素；
查找时，第1行从第1个元素开始查找，第二行从第2个元素开始查找，以此类推；
每一行被查找的第1个元素记为1，往后依次查找，若找到y-1个值为1的元素，之后将该行查找结果作为一个监测方案记入矩阵F，记入方式为：矩阵E被查找的第1个元素所在行在查找的第1个元素前若有元素，则前面的这些元素值均记为0，被查找的第1个元素记为1，往后依次查找的y-1个值为1的元素的值记为1，其余均记为0，形成一行只有y个1的向量；
若查找时，所在行没有y个值为1的元素，则该行查找结果不记入矩阵F；
矩阵F为x×m的矩阵，其中x为所有不重复的站点组合方案个数；矩阵F中元素fsi代表第s个方案是否包含第i个节点，包含值为1，不包含值为0；
第七步：计算各相邻节点组合的谐波含量矩阵J；J＝F×D2；
其中，J为一个x×1的矩阵，矩阵J中元素Js1代表第s种方案的谐波含量；
第八步：根据矩阵J，将谐波含量从高到低的顺序将所有方案排序，从谐波含量最高的方案开始，依次验证谐波含量从高到低的各方案是否包含所有模态，若包含则该y个连续节点即为最具监测价值的节点，若不包含则验证下一个，直到找到最优方案a。
2.根据权利要求1所述的基于谐波含量分析的电网监测站点选取方法，其特征在于，第一步中，统计分析各节点模态的具体方法为：
选取一段时间作为一个统计周期，每个节点随机选择一个统计周期内的10个电流相量DYM文件，每个文件用快速傅里叶变换做幅频特性分析，选取幅频曲线上每个幅值超过门槛值的点对应的频率值，记做一种振荡模态；每个记录的模态信息应包括其固有频率、阻尼比和振荡振型；统计每个节点所包含的模态个数和每个模态出现的次数。
3.根据权利要求2所述的基于谐波含量分析的电网监测站点选取方法，其特征在于，一个统计周期为一周。
4.根据权利要求2所述的基于谐波含量分析的电网监测站点选取方法，其特征在于，门槛值为额定电流的1％。
5.根据权利要求1所述的基于谐波含量分析的电网监测站点选取方法，其特征在于，第二步中，分析各模态重要性，得到模态权重矩阵C的具体方法为：
采用熵权法根据各模态统计周期内出现次数及分布的节点得到各模态的监测权重。
6.根据权利要求5所述的基于谐波含量分析的电网监测站点选取方法，其特征在于，将A拆分成n个m×1的数组，记做B1，B2，…Bn；之后计算每个数组的信息熵E；
其中，
Figure FDA0003814758950000021
通过信息熵计算出各模态的监测权重
Figure FDA0003814758950000022
其中，Ej代表每个模态的信息熵，bij为第j个数组B中第i个元素，pij为bij内部归一化后的结果，既谐波含量，Wj为监测权重；继而，得到模态权重矩阵C；C是一个n×1的矩阵，矩阵C中元素cj1为模态j的监测权重Wj。
7.根据权利要求1所述的基于谐波含量分析的电网监测站点选取方法，其特征在于，第六步中，若矩阵F为空，则令y＝k-1，然后按照第六步的构建方法，重新构建矩阵F，然后用重新构建的矩阵F继续第七步和第八步。
8.根据权利要求1所述的基于谐波含量分析的电网监测站点选取方法，其特征在于，第八步中，若所有方案均不包含所有模态，则放弃监测权重最低的模态继续寻找，并重新按照第八步中验证方法再一次验证各个方案，直至找到最佳方案a；以此类推。
CN201911072583.8A 2019-11-05 2019-11-05 一种基于谐波含量分析的电网监测站点选取方法 Active CN110968834B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911072583.8A CN110968834B (zh) 2019-11-05 2019-11-05 一种基于谐波含量分析的电网监测站点选取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911072583.8A CN110968834B (zh) 2019-11-05 2019-11-05 一种基于谐波含量分析的电网监测站点选取方法

Publications (2)

Publication Number Publication Date
CN110968834A CN110968834A (zh) 2020-04-07
CN110968834B true CN110968834B (zh) 2023-01-31

Family

ID=70030176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911072583.8A Active CN110968834B (zh) 2019-11-05 2019-11-05 一种基于谐波含量分析的电网监测站点选取方法

Country Status (1)

Country Link
CN (1) CN110968834B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112462132B (zh) * 2020-10-30 2021-09-07 湖北世纪森源电力工程有限公司 一种谐波电流溯源方法及远距离输电电力运维监控平台

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104280612A (zh) * 2014-10-28 2015-01-14 清华大学 一种基于单频电流传输特性的分布式谐波源辨识方法
CN109494743A (zh) * 2018-11-21 2019-03-19 上海交通大学 基于矩阵重构的电力系统电网谐波状态的估计方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3311489B2 (ja) * 1994-04-18 2002-08-05 古河電気工業株式会社 高調波検出方式
US6662124B2 (en) * 2002-04-17 2003-12-09 Schweitzer Engineering Laboratories, Inc. Protective relay with synchronized phasor measurement capability for use in electric power systems
CN104155519B (zh) * 2014-08-19 2017-01-11 国家电网公司 谐波序列关系分析与电力计算相结合的谐波源定位方法
CN108268999B (zh) * 2017-12-12 2021-05-25 国网河南省电力公司电力科学研究院 用于电力网络节点谐波特性分析的多主元模态分析法
CN108614187B (zh) * 2018-04-10 2019-10-29 清华大学 基于多模态同步相量的电力系统振荡溯源方法及系统
CN108448581B (zh) * 2018-04-23 2021-04-13 天津大学 一种并联电流源逆变器并网电流特定谐波控制的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104280612A (zh) * 2014-10-28 2015-01-14 清华大学 一种基于单频电流传输特性的分布式谐波源辨识方法
CN109494743A (zh) * 2018-11-21 2019-03-19 上海交通大学 基于矩阵重构的电力系统电网谐波状态的估计方法

Also Published As

Publication number Publication date
CN110968834A (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
US8428783B2 (en) Method and system for distributed energy generator message aggregation
CN109002933B (zh) 基于ReliefF和t-SNE的配电线路线变关系模型优化方法
CN111754026B (zh) 光伏电站群功率预测方法、装置、计算机设备及存储介质
CN108336741B (zh) 一种全过程电压稳定性分析的故障筛选方法及系统
CN108510147B (zh) 一种基于残差波动模型的电能质量综合评价方法
CN109657913B (zh) 一种考虑分布式电源的输配电网联合风险评估方法
CN108847679B (zh) 风力发电机组及用于其的次同步振荡识别方法、装置及系统
Du et al. Impact of wind power scenario reduction techniques on stochastic unit commitment
JP2010287031A (ja) 設備計画作成装置及び設備計画作成方法
CN110968834B (zh) 一种基于谐波含量分析的电网监测站点选取方法
CN111967620A (zh) 一种光伏组件诊断方法、装置、设备及可读存储介质
CN114662809A (zh) 一种综合能源园区内供电电源的电能质量评价方法和系统
CN108802565B (zh) 一种基于机器学习的中压配电网断线不接地故障检测方法
CN116502894A (zh) 光伏台区停电风险评估方法、装置、电子设备及存储介质
CN111178679A (zh) 一种基于聚类算法和网络搜索的相位识别方法
CN106874525B (zh) 一种风电机组设备故障筛查、统计的方法与装置
CN110032586A (zh) 储能电芯数据的存储方法、查询方法及采集存储系统
CN116127447A (zh) 虚拟电厂虚假数据注入攻击检测方法、装置、终端及介质
CN112347655B (zh) 一种基于机组运行性能评估的风电场理论功率计算方法
CN115345370A (zh) 一种基于Vine Copula模型的风电机组运行联动性分析方法
CN110298603B (zh) 分布式光伏系统容量估计方法
Rüeger et al. Lyapunov exponent for evaluation and ranking of the severity of grid events on extra-large power systems
CN108616126B (zh) 计及输电网供电能力概率等值模型的配网可靠性计算方法
CN108846553B (zh) 基于典型网架结构的输配电网协调性评估系统及方法
Singh et al. Impact of wind turbine generator for on the reliability and economics of a remote WTG system

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
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: No. 73, Tuodong Road, Kunming, Yunnan 650228

Patentee after: YUNNAN POWER GRID Co.,Ltd.

Address before: 650228 room 1606-14, annex building of Yijingyuan resort training center, Dianchi Lake Resort, Kunming, Yunnan Province

Patentee before: YUNNAN POWER GRID Co.,Ltd.