CN112101806A - 一种谐波责任评估方法、终端设备及存储介质 - Google Patents
一种谐波责任评估方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN112101806A CN112101806A CN202011002177.7A CN202011002177A CN112101806A CN 112101806 A CN112101806 A CN 112101806A CN 202011002177 A CN202011002177 A CN 202011002177A CN 112101806 A CN112101806 A CN 112101806A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- responsibility
- data
- order
- index
- 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.)
- Withdrawn
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000010348 incorporation Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种谐波责任评估方法、终端设备及存储介质,该方法中包括:S1:采集谐波数据;S2:根据采集的谐波数据和谐波责任指标HI,计算各阶次谐波责任指标对应的权重;S3:确定谐波责任指标标准;S4:根据采集的谐波数据计算其与各阶次谐波责任指标标准的隶属度;S5:根据权重和隶属度构建隶属度向量;S6:根据最大隶属度原则评估谐波数据的责任等级。本发明基于采集到的谐波源各次谐波责任指标,通过对各阶次谐波进行配权,减小异常数据对权重的影响;在已知HI等级划分的基础上,通过模糊综合理论对谐波源进行整体评估及等级划分。
Description
技术领域
本发明涉及谐波责任评估领域,尤其涉及一种谐波责任评估方法、终端设备及存储介质。
背景技术
电能现如今已是非常普遍的二次能源,是与我们生活中最紧密、直接的能源。电力系统是一个非常复杂的动态系统,随着科技进步,越来越多的非线性负载接入影响了电力系统的稳定性。因此,对电能质量的研究是非常有必要的。以往电能质量的研究主要侧重对电压电流的波形及频率上,但随着电力电子技术的兴起与发展,新能源发电技术应用,大量电力谐波涌进公网,使公网电压发生严重畸变,进而影响电源及各级负载。对于电力系统内部,涌入的谐波将会对发电机励磁产生负面影响,对于负载轻则使设备发热,寿命缩短,重则使设备故障甚至烧毁。除此之外,谐波还会引起继保误动,扰乱计量设备数据等;对于电力系统外部,大量谐波的存在会产生强大的电磁干扰,影响通信设备。由此谐波含量以成为评估电能质量的一大指标。目前结合实际,电力系统谐波研究已从系统单一谐波源作用转向系统多源谐波作用,电力公司与用户对于公网谐波都有一定责任。为了综合整治谐波污染,改善电力系统与用户的关系,如何准确的划分各个谐波源责任尤为重要。
大多数谐波责任研究都是从电力系统侧和用户侧的公共连接点入手,运用干预法和非干预法计算用户和系统对于公共点的谐波责任。目前随着电力系统的复杂化,实际情况下单个谐波源系统几乎不存在,对于公共连接点上的谐波污染大多数都为多个谐波源共同叠加作用的结果。因此为了科学治理谐波污染,对各个谐波源的责任划分评估是非常有必要的。对于多个谐波源责任划分的方法大多数是基于最小二乘法或其改进的数学模型。但普遍研究都只研究到谐波源各次谐波的责任,对于谐波源总体的谐波责任并未有多少评估的算法。
发明内容
为了解决上述问题,本发明提出了一种谐波责任评估方法、终端设备及存储介质。
具体方案如下:
一种谐波责任评估方法,包括以下步骤:
S1:采集谐波数据;
S2:根据采集的谐波数据和谐波责任指标HI,计算各阶次谐波责任指标对应的权重;
S3:确定谐波责任指标标准;
S4:根据采集的谐波数据计算其与各阶次谐波责任指标标准的隶属度;
S5:根据权重和隶属度构建隶属度向量;
S6:根据最大隶属度原则评估谐波数据的责任等级。
进一步的,谐波责任指标HI为:
θ=(X'X)-1X'Y
Y=[|UXh(t1)|2,|UXh(t2)|2,…|UXh(tT)|2]T
其中,β、θ、X、Y均为表示中间变量的参数,IhC为负荷C侧谐波源的谐波电流,UXh为母线X处的谐波电压,t为时间,i为时间序号,T为时间序号的总数。
进一步的,步骤S2中权重的计算方法包括以下步骤:
S21:根据采集的谐波数据和谐波责任指标HI构建数据矩阵A:
其中,amn表示采集的谐波数据中的第m组数据对应的第n阶次谐波的谐波责任指标的值;
S22:根据反映各阶次谐波的特征数据构建参考矩阵A0={a01,a02,…,a0n},将参考矩阵A0并入矩阵A内得到新的矩阵A′:
其中,a0n表示第n阶次谐波的特征数据;
S23:对矩阵A′进行无量纲化处理得到矩阵B:
其中,i∈[1,m]表示采集的谐波数据中的组数,j∈[1,n]表示谐波的阶次;
S24:根据下式计算b0j与bij的相关系数ξij:
其中,ρ为分辨系数,取值范围为(0,+∞);
S25:根据相关系数构建关联度矩阵C:
S26:根据关联度矩阵C计算各阶次谐波责任指标的关联度:
其中,Cj表示第j阶次谐波责任指标的关联度;
S27:将各阶次谐波责任指标的关联度进行归一化处理,得到各阶次谐波责任指标的权重:
其中,Wj表示第j阶次谐波责任指标的权重。
进一步的,步骤S4中隶属度通过三角形隶属度函数进行计算。
一种谐波责任评估终端设备,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案,基于采集到的谐波源各次谐波责任指标,通过对各阶次谐波进行配权,减小异常数据对权重的影响;在已知HI等级划分的基础上,通过模糊综合理论对谐波源进行整体评估及等级划分。
附图说明
图1所示为该实施例中多谐波源配网示意图。
图2所示为该实施例中母线X的电压投影示意图。
图3所示为本发明实施例一的流程图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一:
本发明实施例提供了一种谐波责任评估方法,用于计算基于SP投影法的多谐波源情况下某个谐波源的谐波责任指标HI,如图1所示,从母线X处分为系统侧和用户侧,用户侧带有负荷A,B,C,D,当检测母线X处的电压,其畸变情况是由负荷A,B,C,D及系统侧所共同作用的结果,可将这些当做谐波源,因此有必要准确求出每个谐波源对母线X的电压畸变贡献责任指标,根据指标来定量确定谐波源污染情况并采取相应的整治方案。
其中,ZhX,X=S、A、B、C、D为各谐波源到母线X处的谐波阻抗。
则评估谐波源负荷C在h次谐波下对母线X的量化谐波责指标HI的计算公式为:
由于电能质量监测系统采集数据间隔为秒,这种间隔不能满足量与量之间的相位精度。鉴于此特点,假设只有谐波电压和电流可用于谐波责任指标的评估。在电力系统稳态下,谐波源负荷的变化是相对缓慢的,谐波最短也能存在几秒钟。因而每1到5秒一个样本的数据分辨率是可以满足测量要求的。
假设有n个采样点,对于单个采样点i,可把公式(2)改写为:
|UXh(ti)|2=|IhC(ti)|2·|ZhC(ti)|2+|UOh(ti)|2-2|IhC(ti)|·|ZhC(ti)|·|UOh(ti)|·cos(α(t)) (4)
其中,α=90°-γ,t表示时间。
由于实际情况下负荷总是不断变化,公式中的各个量都会变化。假设UOh和ZhC在采样时间内保持稳定,α(t)在采样时间内取均值αeq,则出现误差εi,则可以将公式(2-4)改为:
|UXh(ti)|2=|IhC(ti)|2·|ZhC|2+|UOh|2-2\IhC(ti)|·|ZhC|·|UOh|·cos(αeq)+εi (5)
定义θ0、θ1、θ2为:
把公式(6)带去(5)可得:
Y=Xθ+ε (7)
其中:
Y=[|UXh(t1)|2,|UXh(t2)|2,…|UXh(tT)|2]T (8)
θ=[θ0,θ1,θ2]T (9)
对θ进行最小二乘估计算法,可以得:
θ=(X'X)-1X'Y (11)
HI计算公式可改为:
其中:
根据公式推导,只要能知道采样序列IhC和UXh就能计算出谐波源负荷C的谐波责任。
同理可以求得谐波源负荷A、B、D及系统侧对母线X的谐波责任。求出HI指标值可能为正负数,若HI指标为正数,即表示该谐波源加大了母线X的h次电压畸变;若HI指标为负数,则表示该谐波源起了一个消谐器的作用,降低了母线X的h次电压畸变。
如图3所示,下面介绍本实施例方法的具体实现步骤。
S1:采集谐波数据。
该实施例中采集的数据主要受第5、7、11、13阶次谐波的污染,因此以一天24小时为例,读取24组数据,如表1所示。
表1
S2:根据采集的谐波数据和谐波责任指标HI,计算各阶次谐波责任指标对应的权重。
步骤S2中权重的计算方法包括以下步骤:
S21:根据采集的谐波数据和谐波责任指标HI构建数据矩阵A:
其中,amn表示采集的谐波数据中的第m组数据对应的第n阶次谐波的谐波责任指标的值。m表示组数,n表示谐波的阶次。
S22:根据反映各阶次谐波的特征数据构建参考矩阵A0={a01,a02,…,a0n},将参考矩阵A0并入矩阵A内得到新的矩阵A′:
其中,a0n表示第n阶次谐波的特征数据。
S23:为了消除不同指标之间的量纲影响及异常值影响,对矩阵A′进行无量纲化处理得到矩阵B:
其中,i∈[1,m]表示采集的谐波数据中的组数,j∈[1,n]表示谐波的阶次。
S24:根据下式计算b0j与bij的相关系数ξij:
其中,ρ为分辨系数,用来削弱最大绝对值对该组数据关联度的影响,取值范围为(0,+∞)。一般ρ越小越好,当ρ<0.5463时分辨能力最好,该实施例模型中ρ取0.5。
S25:根据相关系数构建关联度矩阵C:
S26:根据关联度矩阵C计算各阶次谐波责任指标的关联度:
其中,Cj表示第j阶次谐波责任指标的关联度。
该实施例中计算的关联度数据如表2所示。
表2
S27:将各阶次谐波责任指标的关联度进行归一化处理,得到各阶次谐波责任指标的权重:
其中,Wj表示第j阶次谐波责任指标的权重。
该实施例中计算出的权重数据如表3所示。
表3
S3:确定谐波责任指标标准。
该实施例中设定谐波责任指标HI的标准如表4所示。
表4
S4:根据采集的谐波数据计算其与各阶次谐波责任指标标准的隶属度。
该实施例中隶属度通过三角形隶属度函数进行计算。该实施例中24个样本对于各等级的隶属度矩阵如表5所示。
表5
S5:根据权重和隶属度构建加权隶属度矩阵L。
bnl=Wn·rnl
其中,bnl表示第n阶次谐波对应于第l个标准的加权隶属度,Wn表示第n阶次谐波责任指标的权重,rnl表示第n阶次谐波对应于第l个标准的隶属度。列数表示标准的个数,该实施例中标准包括三个,因此列数为3,行数表示谐波的阶次。
S6:根据最大隶属度原则评估谐波数据的责任等级。
最大隶属度原则是选择加权隶属度最大值对应的标准作为该阶次谐波的标准。
实施例二:
本发明还提供一种谐波责任评估终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地,作为一个可执行方案,所述谐波责任评估终端设备可以是桌上型计算机、云端服务器等计算设备。所述谐波责任评估终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述谐波责任评估终端设备的组成结构仅仅是谐波责任评估终端设备的示例,并不构成对谐波责任评估终端设备的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述谐波责任评估终端设备还可以包括输入输出设备、网络接入设备、总线等,本发明实施例对此不做限定。
进一步地,作为一个可执行方案,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述谐波责任评估终端设备的控制中心,利用各种接口和线路连接整个谐波责任评估终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述谐波责任评估终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述谐波责任评估终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (6)
1.一种谐波责任评估方法,其特征在于,包括以下步骤:
S1:采集谐波数据;
S2:根据采集的谐波数据和谐波责任指标HI,计算各阶次谐波责任指标对应的权重;
S3:确定谐波责任指标标准;
S4:根据采集的谐波数据计算其与各阶次谐波责任指标标准的隶属度;
S5:根据权重和隶属度构建隶属度向量;
S6:根据最大隶属度原则评估谐波数据的责任等级。
3.根据权利要求1所述的谐波责任评估方法,其特征在于:步骤S2中权重的计算方法包括以下步骤:
S21:根据采集的谐波数据和谐波责任指标HI构建数据矩阵A:
其中,amn表示采集的谐波数据中的第m组数据对应的第n阶次谐波的谐波责任指标的值;
S22:根据反映各阶次谐波的特征数据构建参考矩阵A0={a01,a02,…,a0n},将参考矩阵A0并入矩阵A内得到新的矩阵A′:
其中,a0n表示第n阶次谐波的特征数据;
S23:对矩阵A′进行无量纲化处理得到矩阵B:
其中,i∈[1,m]表示采集的谐波数据中的组数,j∈[1,n]表示谐波的阶次;
S24:根据下式计算b0j与bij的相关系数ξij:
其中,ρ为分辨系数,取值范围为(0,+∞);
S25:根据相关系数构建关联度矩阵C:
S26:根据关联度矩阵C计算各阶次谐波责任指标的关联度:
其中,Cj表示第j阶次谐波责任指标的关联度;
S27:将各阶次谐波责任指标的关联度进行归一化处理,得到各阶次谐波责任指标的权重:
其中,Wj表示第j阶次谐波责任指标的权重。
4.根据权利要求1所述的谐波责任评估方法,其特征在于:步骤S4中隶属度通过三角形隶属度函数进行计算。
5.一种谐波责任评估终端设备,其特征在于:包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1~4中任一所述方法的步骤。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1~4中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011002177.7A CN112101806A (zh) | 2020-09-22 | 2020-09-22 | 一种谐波责任评估方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011002177.7A CN112101806A (zh) | 2020-09-22 | 2020-09-22 | 一种谐波责任评估方法、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112101806A true CN112101806A (zh) | 2020-12-18 |
Family
ID=73754803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011002177.7A Withdrawn CN112101806A (zh) | 2020-09-22 | 2020-09-22 | 一种谐波责任评估方法、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101806A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278685A (zh) * | 2013-05-17 | 2013-09-04 | 国家电网公司 | 一种基于统计数据相关性分析的谐波责任定量划分方法 |
CN103617371A (zh) * | 2013-12-10 | 2014-03-05 | 国家电网公司 | 一种基于灰色理论的电能质量综合评估方法 |
CN105699806A (zh) * | 2016-01-26 | 2016-06-22 | 云南电网有限责任公司电力科学研究院 | 一种多源谐波责任划分方法 |
US20180313879A1 (en) * | 2015-10-06 | 2018-11-01 | Université de Poitiers | Determination of harmonic pollution on an electrical distribution network |
CN110244185A (zh) * | 2019-07-08 | 2019-09-17 | 厦门理工学院 | 一种多源谐波责任划分方法、终端设备及存储介质 |
-
2020
- 2020-09-22 CN CN202011002177.7A patent/CN112101806A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278685A (zh) * | 2013-05-17 | 2013-09-04 | 国家电网公司 | 一种基于统计数据相关性分析的谐波责任定量划分方法 |
CN103617371A (zh) * | 2013-12-10 | 2014-03-05 | 国家电网公司 | 一种基于灰色理论的电能质量综合评估方法 |
US20180313879A1 (en) * | 2015-10-06 | 2018-11-01 | Université de Poitiers | Determination of harmonic pollution on an electrical distribution network |
CN105699806A (zh) * | 2016-01-26 | 2016-06-22 | 云南电网有限责任公司电力科学研究院 | 一种多源谐波责任划分方法 |
CN110244185A (zh) * | 2019-07-08 | 2019-09-17 | 厦门理工学院 | 一种多源谐波责任划分方法、终端设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
孙媛媛 等: "基于实测数据的集中式多谐波源责任评估", 《中国电机工程学报》 * |
王瑜: "配电网多谐波源责任定量划分方法研究", 《工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | An SOC estimation approach based on adaptive sliding mode observer and fractional order equivalent circuit model for lithium-ion batteries | |
Jain et al. | Fast harmonic estimation of stationary and time-varying signals using EA-AWNN | |
Moreira et al. | Intelligent expert system for power quality improvement under distorted and unbalanced conditions in three-phase AC microgrids | |
Zajkowski | The method of solution of equations with coefficients that contain measurement errors, using artificial neural network | |
CN108268999B (zh) | 用于电力网络节点谐波特性分析的多主元模态分析法 | |
CN110244185A (zh) | 一种多源谐波责任划分方法、终端设备及存储介质 | |
Kececioglu et al. | Advanced configuration of hybrid passive filter for reactive power and harmonic compensation | |
Novanda et al. | Unscented Kalman Filter for frequency and amplitude estimation | |
CN111146804A (zh) | 风电-柔性直流输电系统振荡稳定性判别方法和装置 | |
Martinez et al. | Techniques to locate the origin of power quality disturbances in a power system: a review | |
Samanta et al. | An optimal extreme learning-based classification method for power quality events using fractional Fourier transform | |
CN112101806A (zh) | 一种谐波责任评估方法、终端设备及存储介质 | |
CN112014785B (zh) | 基于弹性网络的空心线圈电流互感器误差补偿方法 | |
CN116578855A (zh) | 一种交流微电网的电能计量方法、系统、设备和介质 | |
Pereira et al. | Blind source separation methods applied to evaluate harmonic contribution | |
US7050999B1 (en) | System for computing probability distribution of loan losses | |
CN114331006A (zh) | 电网电能质量评价方法、装置、计算机设备和存储介质 | |
Lee et al. | A reduced multivariate-polynomial model for estimation of electric load composition | |
Biletskiy et al. | An FPGA-based power quality monitoring and event identifier | |
Zhang et al. | A methodology for equivalent modeling of distribution system based on nonlinear model reduction | |
Maharana et al. | Sensitivity Based Network Contingency Ranking Using Newton Raphson Power Flow Method | |
CN109672180B (zh) | 基于最小二乘法的局域电网谐波综合治理方法 | |
Yutthagowith et al. | Fast and effective technique in evaluation of lightning impulse voltage parameters | |
Sahin et al. | Optimized fractional order control of a cascaded synchronous buck–boost converter for a wave-uc hybrid energy system | |
Annakkage et al. | Ensuring power system security against contingencies |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201218 |
|
WW01 | Invention patent application withdrawn after publication |