CN112129989A - 一种基于自适应聚类的电压暂降分段刻画方法 - Google Patents
一种基于自适应聚类的电压暂降分段刻画方法 Download PDFInfo
- Publication number
- CN112129989A CN112129989A CN202011006735.7A CN202011006735A CN112129989A CN 112129989 A CN112129989 A CN 112129989A CN 202011006735 A CN202011006735 A CN 202011006735A CN 112129989 A CN112129989 A CN 112129989A
- Authority
- CN
- China
- Prior art keywords
- data points
- clustering
- phase
- voltage
- voltage sag
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0084—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring voltage only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R25/00—Arrangements for measuring phase angle between a voltage and a current or between voltages or currents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于自适应聚类的电压暂降分段刻画方法,该方法包括将三相电压幅值与相位映射到d‑q坐标系,采用自适应聚类方法对d‑q坐标系中的数据点进行聚类分析,对聚类结果进行评价,得到电压暂降分段刻画结果。本发明通过将三相电压映射到d‑q坐标系,采用自适应聚类方法对d‑q坐标系中的数据点进行聚类分析,根据聚类结果判断过渡段数据点,从而实现暂降波形的分段刻画,有效解决现有分段刻画方法准确性低,且受固定阈值影响的技术问题,能够充分利用电压幅值、相位、三相电压平衡等信息,提高分段刻画的准确性。
Description
技术领域
本发明涉及电压暂降分段刻画技术领域,具体涉及一种基于自适应聚类的电压暂降分段刻画方法。
背景技术
近年来,电压暂降已经成为威胁用户正常生产的最突出的电能质量扰动事件,对其进行准确的分段刻画对电压暂降分析与治理至关重要。传统方法仅根据电压幅值的变化幅度对暂降进行分段刻画,忽视了电压相位信息与三相电压平衡信息,分段准确性差。且传统方法受限于固定阈值对分段刻画方法的影响,阈值选取依赖人为经验,受人工干预严重。因此,有必要提出一种不受阈值影响的自适应的电压暂降分段刻画方法,并能充分利用电压幅值、相位、三相电压平衡等信息,提高分段刻画的准确性。
发明内容
针对现有技术中的上述不足,本发明提供了一种基于自适应聚类的电压暂降分段刻画方法。
为了达到上述发明目的,本发明采用的技术方案为:
一种基于自适应聚类的电压暂降分段刻画方法,包括以下步骤:
S1、将三相电压幅值与相位映射到d-q坐标系;
S2、采用自适应聚类方法对d-q坐标系中的数据点进行聚类分析;
S3、对聚类结果进行评价,得到电压暂降分段刻画结果。
本方案的有益效果是:本发明通过将三相电压映射到d-q坐标系,采用自适应聚类方法对d-q坐标系中的数据点进行聚类分析,根据聚类结果判断过渡段数据点,从而实现暂降波形的分段刻画,有效解决现有分段刻画方法准确性低,且受固定阈值影响的技术问题,能够充分利用电压幅值、相位、三相电压平衡等信息,提高分段刻画的准确性。
进一步地,所述步骤S1具体包括以下分步骤:
S1-1、获取电网电压暂降时的三相电压瞬时波形;
S1-2、采用以单相为参考构造虚拟三相系统的方法,基于dq变换计算单相电路的幅值和相位;
S1-3、对单相电路的幅值和相位进行三相变换,得到d轴分量和q轴分量;
S1-4、对d轴分量和q轴分量进行滤波,得到d轴直流分量和q轴直流分量。
上述进一步方案的有益效果是:本发明将三相电压幅值和相位映射到d-q坐标系中,由于电压幅值和相位等波形在过渡段时期均会发生明显地快速变化,因此通过投影的方式,幅值和相位的大小变化转换为在d-q坐标系中距离的变化。而距离较远的离群点,即可看作过渡段中的数据点,进而可通过检测到过渡段,实现电压暂降波形的分段刻画。由于大部分电压暂降的深度较浅,造成过渡段难以区分,因此本发明方法同时考虑幅值和相位信息,相较于传统方法仅考虑幅值信息进行分段,能有效提升准确性。
进一步地,所述步骤S1-3中d轴分量和q轴分量分别表示为:
进一步地,所述步骤S1-4中d轴和q轴直流分量分别表示为:
其中,Usag为电压暂降的幅值,θ为相位。
上述进一步方案的有益效果是:本发明通过矢量变换可将基波电压变换为直流分量,再提取直流分量即可得到基波电压幅值和相位,计算方式简单且高效。
进一步地,所述步骤S2具体包括以下分步骤:
S2-1、计算d-q坐标系上任意两个数据点之间的距离;
S2-2、依次选取一个数据点作为圆心,计算设定半径下的数据点个数;
S2-3、判断步骤S2-2计算的数据点个数是否大于设定阈值;若是,则将该数据点收入原始聚类中心集合;否则返回步骤S2-2;
S2-4、判断原始聚类中心集合中数据点个数是否大于聚类区间个数;若是,则选取原始聚类中心集合中数据点个数最多的对应数据点作为初始聚类中心;否则缩小阈值返回步骤S2-2;
S2-5、选取原始聚类中心集合中与初始聚类中心距离最大的数据点作为下一个聚类中心;
S2-6、判断得到的聚类中心个数是否大于或等于预设的聚类区间个数;若是,则输出聚类中心结果;否则返回步骤S2-5。
上述进一步方案的有益效果是:本发明采用自适应聚类的方法将电压暂降的数据点根据其幅值和相位自动划分成若干类别,不同于传统方法需要人为设置聚类数,本发明可自适应确定最佳聚类数目;在此基础上,通过逐一删除每个类别中距离聚类中心最远的数据点,直到评价指标的导数小于0,则认为得到最优聚类结果;被剔除的数据点即为过渡段中的数据点,通过识别过渡段数据点,实现电压暂降分段刻画;不同于传统方法通过主观经验设置阈值,本发明分段刻画过程不需要设置阈值,克服了人工干预的缺点。
进一步地,所述步骤S3具体包括以下分步骤:
S3-1、根据步骤S2得到的聚类结果计算各个类别中数据点的评价指标;
S3-2、针对每一类别中的所有数据点,逐一剔除距离聚类中心最远的数据点;
S3-3、计算剔除最远数据点后该类别中所有剩余数据点的评价指标;
S3-4、根据步骤S3-1和S3-3分别得到的评价指标计算过渡段检测参数;
S3-5、判断过渡段检测参数是否为正;若是,则将步骤S3-2剔除的数据点作为过渡段中的数据点,并返回步骤S3-2;否则将步骤S3-2剔除的数据点作为稳态段中的数据点,并停止剔除数据点;
S3-6、根据所有剔除的数据点构成的集合作为过渡段中的数据点,在原始电压幅值随时间变化曲线中进行标记,得到电压暂降分段刻画结果。
上述进一步方案的有益效果是:本发明基于电压暂降波形在不同分段中具有不同的特点,将分段问题看作聚类问题,通过自适应聚类方法克服传统方法在分段过程中受检测参数阈值设置影响显著的问题。
进一步地,所述评价指标的计算公式为:
其中,k为聚类区间个数,d(x,y)为数据点x和y之间的距离。
上述进一步方案的有益效果是:本发明克服了现有聚类方法需人为设置聚类数目,受人工干预严重的问题,通过聚类结果评价可根据聚类效果最优为目标实现自适应聚类数目的选择,提高聚类的准确性。
进一步地,所述过渡段检测参数的计算公式为:
σ=D(k′)-D(k)
其中,D(k)为所有数据点的评价指标,D(k′)为所有剩余数据点的评价指标。
上述进一步方案的有益效果是:在d-q坐标系上的每个数据点之间的相对距离反映了电压幅值和相位的变化,由于过渡段中的电压幅值和相位均会发生快速且明显的变化,因此若某类别中含有过渡段中的数据点,则该点距离聚类中心及其他数据点的距离更远,造成评价指标偏低,若删除该数据点则会有效增大评价指标数值,通过逐一删除数据点后对比评价指标变化,即可实现过渡段中数据点的自动辨识。
附图说明
图1为本发明基于自适应聚类的电压暂降分段刻画方法流程示意图;
图2为本发明实施例中过渡段数据点自适应检测结果示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
本实施例中的专业术语解释如下:
分段刻画:是指电压暂降根据其幅值变化规律而划分为事件前、过渡段、事件持续段、事件后段的过程。其中,过渡段中的电压幅值和相位变化剧烈且快速,因此整个暂降事件可以看作由两个电压快速变化的过渡段衔接了三个稳态段(事件前、中、后段)。
过渡段检测:是指根据过渡段中电压幅值和相位快速变化的特点,通过检测这些信号的突变点确定过渡段在波形中的位置,进而实现分段刻画。
如图1所示,本发明实施例提供了一种基于自适应聚类的电压暂降分段刻画方法,包括以下步骤S1至S3:
S1、将三相电压幅值与相位映射到d-q坐标系;
本实施例中,步骤S1具体包括以下分步骤:
S1-1、获取电网电压暂降时的三相电压瞬时波形;
本发明利用电网中广泛安装的电能质量监测装置采集在发生电压暂降时对应的三相电压瞬时波形,其中包含了电压幅值和相位变化的信息。
发生电压暂降时采集的三相电压瞬时值ua、ub、uc分别表示为:
其中,ω为周期函数的角频率,h为谐波次数,U为基波电压幅值,Uh为第h次谐波电压幅值,θh为初始相角,βh为第h次谐波的衰减系数,t为电压采集时间。
S1-2、采用以单相为参考构造虚拟三相系统的方法,基于dq变换计算单相电路的幅值和相位,表示为:
其中变换矩阵C表示为
变换矩阵中是与a相同电压相位的正、余弦信号。
S1-3、对单相电路的幅值和相位进行三相变换,得到d轴分量和q轴分量,分别表示为:
S1-4、对d轴分量和q轴分量进行滤波,得到d轴直流分量和q轴直流分量,分别表示为:
其中,Usag为电压暂降的幅值,θ为相位。
根据该式可以看出,d、q轴分量与基波电压的幅值与相位存在关联关系,因此可以用d、q轴分量表示电压幅值和相位信息。本发明采用dq变换的方式将三相电压幅值与相位映射到d-q坐标系,当电压幅值和相位发生变化时均会造成坐标系上的每一个点位置发生变化。
S2、采用自适应聚类方法对d-q坐标系中的数据点进行聚类分析;
本实施例中,步骤S2具体包括以下分步骤:
S2-1、计算d-q坐标系上任意两个数据点之间的距离;
本发明计算d-q坐标系上任意数据点i和数据点j之间距离的计算公式为:
其中,di和qi分别为数据点i在d-q坐标系上的坐标。
S2-2、依次选取一个数据点作为圆心,计算设定半径下的数据点个数;
S2-3、判断步骤S2-2计算的数据点个数是否大于设定阈值;若是,则将该数据点收入原始聚类中心集合;否则返回步骤S2-2;
本发明判断计算的数据点个数ni是否大于设定阈值δ;若是,则将该数据点i收入原始聚类中心集合D;否则返回步骤S2-2;其中阈值δ根据数据规模和聚类区间个数k选取,即|U|表示数据集中的数据点个数,k的初始值为2。
S2-4、判断原始聚类中心集合中数据点个数是否大于聚类区间个数;若是,则选取原始聚类中心集合中数据点个数最多的对应数据点作为初始聚类中心;否则缩小阈值返回步骤S2-2;
本发明判断原始聚类中心集合D中数据点个数是否大于聚类区间个数k;若是,则选取原始聚类中心集合D中数据点个数最多的对应数据点作为初始聚类中心cj,j=0;否则缩小阈值δ返回步骤S2-2;
S2-5、选取原始聚类中心集合中与初始聚类中心距离最大的数据点作为下一个聚类中心;
本发明选取原始聚类中心集合D中与初始聚类中心cj距离最大的数据点作为下一个聚类中心cj+1。
S2-6、判断得到的聚类中心个数是否大于或等于预设的聚类区间个数;若是,则输出聚类中心结果;否则返回步骤S2-5。
本发明判断得到的聚类中心个数是否大于或等于预设的聚类区间个数k;若是,则输出聚类中心结果;否则令j=j+1,返回步骤S2-5,直至满足设置的聚类区间个数。
S3、对聚类结果进行评价,得到电压暂降分段刻画结果。
本实施例中,步骤S3具体包括以下分步骤:
S3-1、根据步骤S2得到的聚类结果计算各个类别中数据点的评价指标;
本发明根据监测到的暂降事件,即电压随时间变化的数据序列,通过映射到d-q坐标系后根据自适应聚类算法得到k个聚类,每个聚类的标记为I1,I2,...,Ik。
根据聚类结果计算各个类别中数据点的离散程度作为评价指标,计算公式为:
其中,k为聚类区间个数,d(x,y)为数据点x和y之间的距离。
该评价指标用两个聚类之间的数据最小距离作为分子,代表聚类之间的分离程度;用所有聚类内部距离的最大值作为分母,代表聚类内部的紧密程度。因此评价指标越大,表示聚类之间的分离程度越大,聚类内部的凝聚程度越好。S3-2、针对每一类别中的所有数据点,逐一剔除距离聚类中心最远的数据点;
由于过渡段中的数据点呈现出数量较少、分布分散、远离稳态段中大量数据点等特点,因此本发明在聚类结果的基础上,针对每一类别中的所有数据点,逐一剔除距离聚类中心最远的点。
S3-3、计算剔除最远数据点后该类别中所有剩余数据点的评价指标;
本发明在每剔除一个数据点后计算该类别中所有剩余数据点的评价指标。
S3-4、根据步骤S3-1和S3-3分别得到的评价指标计算过渡段检测参数,计算公式为:
σ=D(k′)-D(k)
其中,D(k)为所有数据点的评价指标,D(k′)为所有剩余数据点的评价指标。
S3-5、判断过渡段检测参数是否为正;若是,则将步骤S3-2剔除的数据点作为过渡段中的数据点,并返回步骤S3-2;否则将步骤S3-2剔除的数据点作为稳态段中的数据点,并停止剔除数据点;
每剔除一个数据点后计算过渡段检测参数,若该参数为正,表明剔除的数据点属于过渡段中的数据点,则继续剔除下一数据点;反之则表明该数据点属于稳态段中的数据点,则停止剔除数据点。
S3-6、根据所有剔除的数据点构成的集合作为过渡段中的数据点,在原始电压幅值随时间变化曲线中进行标记,得到电压暂降分段刻画结果。
本发明所有剔除的数据点构成的集合作为过渡段中的数据点,由于大部分数据点聚集在几个区域,通过逐一剔除数据点直至评价指标不再增加为止,可以将少数离散的数据点剔除出去,即得到过渡段中的数据点。将d-q坐标系中标记的过渡段中的数据点在原始电压幅值随时间变化曲线中进行标记,进而实现自适应的波形分段刻画,如图2所示。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种基于自适应聚类的电压暂降分段刻画方法,其特征在于,包括以下步骤:
S1、将三相电压幅值与相位映射到d-q坐标系;
S2、采用自适应聚类方法对d-q坐标系中的数据点进行聚类分析;
S3、对聚类结果进行评价,得到电压暂降分段刻画结果。
2.根据权利要求1所述的基于自适应聚类的电压暂降分段刻画方法,其特征在于,所述步骤S1具体包括以下分步骤:
S1-1、获取电网电压暂降时的三相电压瞬时波形;
S1-2、采用以单相为参考构造虚拟三相系统的方法,基于dq变换计算单相电路的幅值和相位;
S1-3、对单相电路的幅值和相位进行三相变换,得到d轴分量和q轴分量;
S1-4、对d轴分量和q轴分量进行滤波,得到d轴直流分量和q轴直流分量。
5.根据权利要求4所述的基于自适应聚类的电压暂降分段刻画方法,其特征在于,所述步骤S2具体包括以下分步骤:
S2-1、计算d-q坐标系上任意两个数据点之间的距离;
S2-2、依次选取一个数据点作为圆心,计算设定半径下的数据点个数;
S2-3、判断步骤S2-2计算的数据点个数是否大于设定阈值;若是,则将该数据点收入原始聚类中心集合;否则返回步骤S2-2;
S2-4、判断原始聚类中心集合中数据点个数是否大于聚类区间个数;若是,则选取原始聚类中心集合中数据点个数最多的对应数据点作为初始聚类中心;否则缩小阈值返回步骤S2-2;
S2-5、选取原始聚类中心集合中与初始聚类中心距离最大的数据点作为下一个聚类中心;
S2-6、判断得到的聚类中心个数是否大于或等于预设的聚类区间个数;若是,则输出聚类中心结果;否则返回步骤S2-5。
6.根据权利要求5所述的基于自适应聚类的电压暂降分段刻画方法,其特征在于,所述步骤S3具体包括以下分步骤:
S3-1、根据步骤S2得到的聚类结果计算各个类别中数据点的评价指标;
S3-2、针对每一类别中的所有数据点,逐一剔除距离聚类中心最远的数据点;
S3-3、计算剔除最远数据点后该类别中所有剩余数据点的评价指标;
S3-4、根据步骤S3-1和S3-3分别得到的评价指标计算过渡段检测参数;
S3-5、判断过渡段检测参数是否为正;若是,则将步骤S3-2剔除的数据点作为过渡段中的数据点,并返回步骤S3-2;否则将步骤S3-2剔除的数据点作为稳态段中的数据点,并停止剔除数据点;
S3-6、根据所有剔除的数据点构成的集合作为过渡段中的数据点,在原始电压幅值随时间变化曲线中进行标记,得到电压暂降分段刻画结果。
8.根据权利要求7所述的基于自适应聚类的电压暂降分段刻画方法,其特征在于,所述过渡段检测参数的计算公式为:
σ=D(k′)-D(k)
其中,D(k)为所有数据点的评价指标,D(k′)为所有剩余数据点的评价指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011006735.7A CN112129989B (zh) | 2020-09-23 | 2020-09-23 | 一种基于自适应聚类的电压暂降分段刻画方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011006735.7A CN112129989B (zh) | 2020-09-23 | 2020-09-23 | 一种基于自适应聚类的电压暂降分段刻画方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112129989A true CN112129989A (zh) | 2020-12-25 |
CN112129989B CN112129989B (zh) | 2021-07-27 |
Family
ID=73841423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011006735.7A Active CN112129989B (zh) | 2020-09-23 | 2020-09-23 | 一种基于自适应聚类的电压暂降分段刻画方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112129989B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117033918A (zh) * | 2023-08-01 | 2023-11-10 | 珠海精实测控技术股份有限公司 | 一种波形数据分段处理方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106646103A (zh) * | 2016-09-29 | 2017-05-10 | 福州大学 | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 |
US20170168656A1 (en) * | 2015-12-11 | 2017-06-15 | Schneider Electric USA, Inc. | Visual classification of events |
CN107423769A (zh) * | 2017-08-03 | 2017-12-01 | 四川大学 | 基于形态特征的电力负荷曲线自适应聚类方法 |
CN107462764A (zh) * | 2017-09-25 | 2017-12-12 | 南京灿能电力自动化股份有限公司 | 一种电压暂降检测与刻画的自动分段方法 |
CN111125239A (zh) * | 2019-12-27 | 2020-05-08 | 广东电网有限责任公司电力科学研究院 | 一种电压暂降凹陷域可视化展示方法及装置 |
-
2020
- 2020-09-23 CN CN202011006735.7A patent/CN112129989B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170168656A1 (en) * | 2015-12-11 | 2017-06-15 | Schneider Electric USA, Inc. | Visual classification of events |
CN106646103A (zh) * | 2016-09-29 | 2017-05-10 | 福州大学 | 一种基于多测点正序电压最优匹配的电压暂降源定位方法 |
CN107423769A (zh) * | 2017-08-03 | 2017-12-01 | 四川大学 | 基于形态特征的电力负荷曲线自适应聚类方法 |
CN107462764A (zh) * | 2017-09-25 | 2017-12-12 | 南京灿能电力自动化股份有限公司 | 一种电压暂降检测与刻画的自动分段方法 |
CN111125239A (zh) * | 2019-12-27 | 2020-05-08 | 广东电网有限责任公司电力科学研究院 | 一种电压暂降凹陷域可视化展示方法及装置 |
Non-Patent Citations (1)
Title |
---|
胡文曦: ""电压暂降波形数据分析法及其在监测系统中的应用"", 《电网技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117033918A (zh) * | 2023-08-01 | 2023-11-10 | 珠海精实测控技术股份有限公司 | 一种波形数据分段处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112129989B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512799B (zh) | 一种基于海量在线历史数据的电力系统暂态稳定评估方法 | |
CN111046327B (zh) | 适用于低频振荡与次同步振荡辨识的Prony分析方法 | |
CN108562821B (zh) | 一种基于Softmax确定配电网单相接地故障选线的方法及系统 | |
CN109307795B (zh) | 波形点检测方法及装置 | |
CN104331532A (zh) | 基于粗糙集-云模型的电力变压器状态评价的方法 | |
CN112129989B (zh) | 一种基于自适应聚类的电压暂降分段刻画方法 | |
CN111191671A (zh) | 一种用电器波形检测方法、系统、电子设备及存储介质 | |
CN117150244B (zh) | 基于电参数分析的智能配电柜状态监测方法及系统 | |
CN113269805B (zh) | 降水事件引导的遥感降水反演训练样本自适应选取方法 | |
CN108896805B (zh) | 斩波信号检定方法、系统及电能检测装置 | |
CN112632862B (zh) | 风场稳定性的确定方法、装置、电子设备及存储介质 | |
CN110045250B (zh) | 一种电力电缆的绝缘状态判断方法及系统 | |
CN109586249B (zh) | 变压器励磁涌流判别方法和装置 | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN111175608A (zh) | 基于加速独立分量分析的配电网谐波责任定量划分方法 | |
CN108171425B (zh) | 电能质量分区方法、装置及存储介质 | |
CN104808055B (zh) | 一种电信号频率的数字化测量方法 | |
CN110751141A (zh) | 一种表计读数识别方法、装置、终端设备及存储介质 | |
CN111368837A (zh) | 一种图像质量评价方法、装置、电子设备及存储介质 | |
CN108037350A (zh) | 一种电压波形的参数辨识方法、系统 | |
CN114755010A (zh) | 一种旋转机械振动故障诊断方法及其系统 | |
CN113808015A (zh) | 输电线路区域气象参数的空间插值方法、装置及设备 | |
CN114184838A (zh) | 基于sn互卷积窗的电力系统谐波检测方法、系统及介质 | |
CN110555826A (zh) | 一种基于局部离群因子的三维点云特征提取方法 | |
CN115290996A (zh) | 基于AlexNet模型的负荷投切事件检测方法 |
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 |