CN112269099A - 一种基于压缩感知理论的电压暂降状态估计方法及系统 - Google Patents

一种基于压缩感知理论的电压暂降状态估计方法及系统 Download PDF

Info

Publication number
CN112269099A
CN112269099A CN202011085277.0A CN202011085277A CN112269099A CN 112269099 A CN112269099 A CN 112269099A CN 202011085277 A CN202011085277 A CN 202011085277A CN 112269099 A CN112269099 A CN 112269099A
Authority
CN
China
Prior art keywords
monitoring
bus
fault
voltage sag
voltage
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.)
Pending
Application number
CN202011085277.0A
Other languages
English (en)
Inventor
马智远
莫文雄
栾乐
许中
饶毅
王勇
王红斌
叶石丰
张群峰
郭倩雯
周凯
唐宗顺
叶志峰
李情
杨帆
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong 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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202011085277.0A priority Critical patent/CN112269099A/zh
Publication of CN112269099A publication Critical patent/CN112269099A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • 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
    • 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
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing

Abstract

本申请为一种基于压缩感知理论的电压暂降状态估计方法及系统，利用故障状态向量的稀疏特性，基于压缩感知理论，使用监测向量对稀疏解进行重构，采用范数最小化理论对稀疏解求解，进而实现通过设置了监测装置的母线的电压暂降采集数据估计未设置监测装置的母线的电压暂降频次，便于提前评估故障治理方案的有效性；与现有的数值解法相比具有良好的可扩展性和预测性，不受元器件故障率、环境等因素影响，使用有限的故障监测数据对全网母线的电压暂降状态估计，所提供的数学模型求解较易，计算量小。

Description

一种基于压缩感知理论的电压暂降状态估计方法及系统
技术领域
本发明属于电能质量评估领域，具体涉及一种基于压缩感知理论的电压暂降状态估计方法及系统。
背景技术
越来越多的敏感设备接入电力系统，电压暂降对电网引起的不良影响愈发得到重视和研究，敏感设备因电压暂降停止工作甚至损坏将使得整个生产线受到牵连，从而造成巨大的经济损失，目前评估电网各节点电压暂将的目的主要是了解电压暂降频次，提前评估用户的经济损失及治理方案的作用和有效性。现有的电压暂降状态估计方法中，常用实测统计法、随机预估法和电压暂降状态估计数值解法，其中实测统计法基于实测数据，通过历史电压暂降的频次估计电压暂降每年的发生概率，所需数据量大，监测成本较高，而价值密度低，且仅在估计长期频次时效果较好，对于确定的某一年份并不能很好地估计当年的电压暂降频次；随机预估法利用随机模型进行估计，易受元器件故障率、环境等因素影响；数值解法基于欠定线性方程组，用有限的监测数据对全网估计，数学模型较复杂，欠定方程维数高，寻优困难，计算量大。目前仍没有一种较好的电压暂降状态估计的方法。
发明内容
基于此，本发明旨在提供一种基于压缩感知理论的电压暂降状态估计方法及系统，以克服现有估计方法的缺陷。
本发明一种基于压缩感知理论的电压暂降状态估计方法，包括：
在母线上选取若干个故障测试点构建故障状态向量，对若干个故障测试点进行短路计算分别得到监测母线和非监测母线的感知矩阵；
根据监测母线所采集的数据构建监测向量；
根据监测母线的感知矩阵和监测向量利用压缩感知算法重构故障状态向量的稀疏解；
根据故障状态向量的稀疏解和非监测母线的感知矩阵估计非监测母线的剩余电压；
根据非监测母线的剩余电压统计非监测母线的电压暂降频次。
优选地，在母线上选取若干个故障测试点构建故障状态向量包括：
在电力系统各支路上等距选取若干个故障测试点，记录单次电压暂降发生时的故障状态向量X＝[x1,x2,…,xP]T，xi(i＝1,2,…P)表示故障测试点的故障状态，P表示整个电力系统设置的故障测试点的个数，xi的取值有
Figure BDA0002720178530000021
优选地，构建监测母线的感知矩阵AmP
Figure BDA0002720178530000022
Vmi(i＝1,2,…,P)其中表示故障测试点i发生故障时母线m的剩余电压，m表示安装有监测装置的母线数量，P表示电力系统中设置的故障测试点的个数。
优选地，构建非监测母线的感知矩阵AsP
Figure BDA0002720178530000023
Vsi(i＝1,2,…,P)其中表示故障测试点i发生故障时所在母线的剩余电压，s表示未安装有监测装置的母线数量，P表示电力系统中设置的故障测试点的个数。
优选地，记录监测向量为H＝[V1,V2,…,Vm]T，m表示安装有监测装置的母线数量，Vj(j＝1,2,…,m)表示发生电压暂降时对应母线监测得的剩余电压。
优选地，故障状态向量的稀疏解的表达为X*＝argmin||X||1，其约束条件有
Figure BDA0002720178530000024
argmin||X||1表示当函数||X||1为最小值时X的取值，|| ||1为1范数，|| ||2为2范数，AmP为监测母线的感知矩阵，H为监测向量。
优选地，利用l1范数-正则化最小二乘算法求解故障状态向量的稀疏解，具体计算为
Figure BDA0002720178530000031
λ其中为正则化参数，
Figure BDA0002720178530000032
|| ||∞表示无穷范数。
优选地，估计非监测母线的剩余电压的计算为S＝AsP·X*，S表示非监测母线的剩余电压估计值，AsP为非监测母线的感知矩阵，X*表示故障状态向量的稀疏解。
本发明还提供一种基于压缩感知理论的电压暂降状态估计系统，包括：
故障状态向量构建模块，用于选取故障测试点并构建故障状态向量；
感知矩阵计算模块，用于根据对故障测试点的短路计算结果计算监测母线和非监测母线的感知矩阵；
电压暂降监测模块，用于获取监测母线的监测向量；
稀疏解求解模块，用于根据所述监测母线的感知矩阵和监测向量利用压缩感知算法求解所述故障状态向量的稀疏解；
电压暂降频次估计模块，用于根据故障状态向量的稀疏解和非监测母线的感知矩阵估计非监测母线的剩余电压，根据剩余电压统计非监测母线的电压暂降频次。
优选地，感知矩阵计算模块还内置有短路计算单元，用于对每条母线上选取的故障测试点进行短路计算。
从以上技术方案可以看出，本发明具有如下有益效果：
本发明一种基于压缩感知理论的电压暂降状态估计方法及系统，利用故障状态向量的稀疏特性，基于压缩感知理论，使用监测向量对稀疏解进行重构，采用范数最小化理论对稀疏解求解，进而实现通过设置了监测装置的母线上电压暂降的采集数据估计未设置监测装置的母线的电压暂降频次，便于提前评估故障治理方案的有效性；与现有的数值解法相比具有良好的可扩展性和预测性，不受元器件故障率、环境等因素影响，使用有限的故障监测数据对全网母线的电压暂降状态估计，所提供的数学模型求解较易，计算量小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1本发明提供的电压暂降状态估计方法实施流程图
图2本发明提供的电压暂降状态估计系统结构框图
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，本实施例提供一种基于压缩感知理论的电压暂降状态估计方法，利用设置有监测装置的母线的故障监测数据估计全网其余母线的电压暂降频次，以达到提前评估故障损失和治理方案有效性的目的。
该方法包括：
S1.在电力系统各支路上选取若干个故障测试点构建故障状态向量
本实施例以a m为间隔等距选取故障测试点，一般取a＝100m，则每条线路上故障点的个数P为
Figure BDA0002720178530000041
其中Ly表示线路y的长度，n表示电力系统中线路总数；
记录单次电压暂降发生时的故障状态向量X＝[x1,x2,…,xP]T，xi(i＝1,2,…P)表示故障测试点的故障状态，P表示整个电力系统设置的故障测试点的个数，xi的取值有
Figure BDA0002720178530000042
S2.对若干个故障测试点进行短路计算分别得到监测母线和非监测母线的感知矩阵
监测母线的感知矩阵AmP为
Figure BDA0002720178530000051
Vmi(i＝1,2,…,P)其中表示故障测试点i发生故障时母线m的剩余电压，m表示安装有监测装置的母线数量，P表示电力系统中设置的故障测试点的个数。
非监测母线的感知矩阵AsP为
Figure BDA0002720178530000052
Vsi(i＝1,2,…,P)其中表示故障测试点i发生故障时所在母线的剩余电压，s表示未安装有监测装置的母线数量，P表示电力系统中设置的故障测试点的个数。
S3.获取监测母线的监测向量H
监测母线的监测向量为H＝[V1,V2,…,Vm]T，m表示安装有监测装置的母线数量，Vj(j＝1,2,…,m)表示发生电压暂降时对应母线监测得的剩余电压。
S4.根据监测母线的感知矩阵AmP和监测向量H利用压缩感知算法重构故障状态向量X的稀疏解
根据X的稀疏特性，利用压缩感知理论寻找其稀疏解，把感知基追踪标准问题表达为X*＝argmin||X||1，其约束条件有
Figure BDA0002720178530000053
argmin||X||1表示当函数||X||1为最小值时X的取值，|| ||1为1范数，|| ||2为2范数，AmP为监测母线的感知矩阵，H为监测向量。
S5.利用l1范数-正则化最小二乘算法求解故障状态向量X的稀疏解，具体计算为
Figure BDA0002720178530000054
λ其中为正则化参数，
Figure BDA0002720178530000055
|| ||∞表示无穷范数。
S6.根据故障状态向量X的稀疏解和非监测母线的感知矩阵AsP估计非监测母线的剩余电压：
S＝AsP·X*，S表示非监测母线的剩余电压估计值，AsP为非监测母线的感知矩阵，X*表示故障状态向量的稀疏解。
S7.对于监测装置所监测得的每一次电压暂降，重复步骤S1-S6求解非监测母线的剩余电压，根据非监测母线的剩余电压统计其电压暂降频次，完成电压暂降状态估计。
参阅图2，进一步的实施例中还提供一种基于压缩感知理论的电压暂降状态估计系统，包括：
故障状态向量构建模块，用于根据故障情况构建对应于每条母线上若干个故障测试点的故障状态向量；
感知矩阵计算模块，用于根据对故障测试点的短路计算结果计算监测母线和非监测母线的感知矩阵；
电压暂降监测模块，用于获取监测母线对母线的监测向量；
稀疏解求解模块，用于根据所述监测母线的感知矩阵和监测向量利用压缩感知算法求解所述故障状态向量的稀疏解；
电压暂降频次估计模块，用于根据故障状态向量的稀疏解和非监测母线的感知矩阵估计非监测母线的剩余电压，根据剩余电压统计非监测母线的电压暂降频次。
进一步的实施例中，感知矩阵计算模块还内置有短路计算单元，用于对每条母线上选取的故障测试点进行短路计算。
以上各模块可以是由软件代码实现，此时上述的各模块可存储于设置于例如控制电脑等控制端的存储器中。以上各模块同样可以由硬件例如集成电路芯片实现。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (10)

1.一种基于压缩感知理论的电压暂降状态估计方法，其特征在于，包括：
选取若干个故障测试点构建故障状态向量，对所述若干个故障测试点进行短路计算分别得到监测母线和非监测母线的感知矩阵；
根据监测母线所采集的数据构建监测向量；
根据所述监测母线的感知矩阵和监测向量利用压缩感知算法重构所述故障状态向量的稀疏解；
根据所述稀疏解和非监测母线的感知矩阵估计非监测母线的剩余电压；
根据所述剩余电压统计非监测母线的电压暂降频次。
2.根据权利要求1所述的基于压缩感知理论的电压暂降状态估计方法，其特征在于，所述选取若干个故障测试点构建故障状态向量包括：
在电力系统各支路上等距选取若干个故障测试点，记录单次电压暂降发生时的故障状态向量X＝[x1,x2,…,xP]T，xi(i＝1,2,…P)表示故障测试点的故障状态，P表示整个电力系统设置的故障测试点的个数，xi的取值有
Figure FDA0002720178520000011
3.根据权利要求1所述的基于压缩感知理论的电压暂降状态估计方法，其特征在于，所述监测母线的感知矩阵AmP的构建为
Figure FDA0002720178520000012
Vmi(i＝1,2,…,P)其中表示故障测试点i发生故障时母线m的剩余电压，m表示安装有监测装置的母线数量，P表示电力系统中设置的故障测试点的个数。
4.根据权利要求1所述的基于压缩感知理论的电压暂降状态估计方法，其特征在于，所述非监测母线的感知矩阵AsP的构建为
Figure FDA0002720178520000013
Vsi(i＝1,2,…,P)其中表示故障测试点i发生故障时所在母线的剩余电压，s表示未安装有监测装置的母线数量，P表示电力系统中设置的故障测试点的个数。
5.根据权利要求1所述的基于压缩感知理论的电压暂降状态估计方法，其特征在于，所述监测向量为H＝[V1,V2,…,Vm]T，m表示安装有监测装置的母线数量，Vj(j＝1，2,…,m)表示发生电压暂降时对应母线监测得的剩余电压。
6.根据权利要求1所述的基于压缩感知理论的电压暂降状态估计方法，其特征在于，所述故障状态向量的稀疏解的表达为X*＝argmin||X||1，其约束条件有
Figure FDA0002720178520000023
argmin||X||1表示当函数||X||1为最小值时X的取值，||||1为1范数，||||2为2范数，AmP为监测母线的感知矩阵，H为监测向量。
7.根据权利要求6所述的基于压缩感知理论的电压暂降状态估计方法，其特征在于，所述故障状态向量的稀疏解利用l1范数-正则化最小二乘算法求解，具体计算为
Figure FDA0002720178520000021
λ其中为正则化参数，
Figure FDA0002720178520000022
||||∞表示无穷范数。
8.根据权利要求1所述的基于压缩感知理论的电压暂降状态估计方法，其特征在于，所述估计非监测母线的剩余电压包括：
S＝AsP·X*，S表示非监测母线的剩余电压估计值，AsP为非监测母线的感知矩阵，X*表示故障状态向量的稀疏解。
9.一种基于压缩感知理论的电压暂降状态估计系统，其特征在于，包括：
故障状态向量构建模块，用于选取故障测试点并构建故障状态向量；
感知矩阵计算模块，用于根据对所述故障测试点的短路计算结果计算监测母线和非监测母线的感知矩阵；
电压暂降监测模块，用于获取监测母线的监测向量；
稀疏解求解模块，用于根据所述监测母线的感知矩阵和监测向量利用压缩感知算法求解所述故障状态向量的稀疏解；
电压暂降频次估计模块，用于根据所述稀疏解和非监测母线的感知矩阵估计非监测母线的剩余电压，根据所述剩余电压统计非监测母线的电压暂降频次。
10.根据权利要求9所述的基于压缩感知理论的电压暂降状态估计系统，其特征在于，所述感知矩阵计算模块还内置有短路计算单元，用于对所述故障测试点进行短路计算。
CN202011085277.0A 2020-10-12 2020-10-12 一种基于压缩感知理论的电压暂降状态估计方法及系统 Pending CN112269099A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011085277.0A CN112269099A (zh) 2020-10-12 2020-10-12 一种基于压缩感知理论的电压暂降状态估计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011085277.0A CN112269099A (zh) 2020-10-12 2020-10-12 一种基于压缩感知理论的电压暂降状态估计方法及系统

Publications (1)

Publication Number Publication Date
CN112269099A true CN112269099A (zh) 2021-01-26

Family

ID=74338467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011085277.0A Pending CN112269099A (zh) 2020-10-12 2020-10-12 一种基于压缩感知理论的电压暂降状态估计方法及系统

Country Status (1)

Country Link
CN (1) CN112269099A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104601176A (zh) * 2014-11-28 2015-05-06 江苏大学 基于正则化自适应匹配追踪的电力系统数据重构方法
WO2016197484A1 (zh) * 2015-06-09 2016-12-15 国网四川省电力公司经济技术研究院 电压暂降监测节点的优化配置方法
CN106303313A (zh) * 2016-08-12 2017-01-04 中国科学院上海高等研究院 压缩感知cmos图像传感器的量化求和电路
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
CN106841915A (zh) * 2017-01-15 2017-06-13 东北电力大学 一种基于压缩感知的输电线路故障定位方法
CN108983046A (zh) * 2018-08-16 2018-12-11 国网山东省电力公司泰安供电公司 一种基于奇异值分解法的电压暂降状态估计方法及系统
CN110045226A (zh) * 2019-03-18 2019-07-23 昆明理工大学 一种基于压缩感知的配电网故障定位方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104601176A (zh) * 2014-11-28 2015-05-06 江苏大学 基于正则化自适应匹配追踪的电力系统数据重构方法
WO2016197484A1 (zh) * 2015-06-09 2016-12-15 国网四川省电力公司经济技术研究院 电压暂降监测节点的优化配置方法
CN106303313A (zh) * 2016-08-12 2017-01-04 中国科学院上海高等研究院 压缩感知cmos图像传感器的量化求和电路
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
CN106841915A (zh) * 2017-01-15 2017-06-13 东北电力大学 一种基于压缩感知的输电线路故障定位方法
CN108983046A (zh) * 2018-08-16 2018-12-11 国网山东省电力公司泰安供电公司 一种基于奇异值分解法的电压暂降状态估计方法及系统
CN110045226A (zh) * 2019-03-18 2019-07-23 昆明理工大学 一种基于压缩感知的配电网故障定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JAIRO BLANCO-SOLANO: "《Voltage Sag State Estimation using Compressive Sensing in Power System》", 《2019 IEEE MILAN POWERTECH》 *

Similar Documents

Publication Publication Date Title
de Souza et al. Data compression in smart distribution systems via singular value decomposition
CN106548021B (zh) 一种基于高维随机矩阵的电子式互感器误差状态评估方法
CN105098763A (zh) 一种基于wams和ems的暂态电压稳定在线评估方法
CN112098915A (zh) 双母线分段接线下多台电压互感器继发性误差的评估方法
CN110571925B (zh) 一种利用配电网监测终端数据分析电能质量的方法
CN109002586B (zh) 一种避雷器温度计算方法和系统
WO2021176318A1 (en) Topology identification and state estimation of power grids
CN104300532A (zh) 一种基于矩阵因子的电压暂降评估流程
da Silva et al. Probabilistic methodologies for determining the optimal number of substation spare transformers
CN116105885B (zh) 一种核电用电气设备状态监测方法及系统
CN115128513A (zh) 一种基于热量的电容器异常检测方法及相关装置
CN109613324A (zh) 一种谐波放大的检测方法及装置
CN116505653A (zh) 输电线路监测系统、方法、装置、计算机设备和存储介质
US11657148B2 (en) Event analysis in an electric power system
WO2014185921A1 (en) Systems and methods for meter placement in power grid networks
CN112269099A (zh) 一种基于压缩感知理论的电压暂降状态估计方法及系统
CN112731150B (zh) 电压暂降状态估计方法、装置、计算机设备和存储介质
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
CN113311220B (zh) 电压暂降的诊断方法、系统、介质及电子设备
CN115085368A (zh) 变压器健康状态监测方法、装置、计算机设备和存储介质
Rice et al. The measurement outage table and state estimation
Wang et al. Free Probability Theory Based Event Detection for Power Grids using IoT-Enabled Measurements
CN107292486B (zh) 电网资产保险支出测算模型
CN112485720A (zh) 一种电缆绝缘缺陷检测方法及装置
KR101569586B1 (ko) 계통 해석 데이터의 처리를 위한 장치 및 방법

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210126