CN112505486B - 源荷储一体化并网电能质量测试系统 - Google Patents
源荷储一体化并网电能质量测试系统 Download PDFInfo
- Publication number
- CN112505486B CN112505486B CN202011412254.6A CN202011412254A CN112505486B CN 112505486 B CN112505486 B CN 112505486B CN 202011412254 A CN202011412254 A CN 202011412254A CN 112505486 B CN112505486 B CN 112505486B
- Authority
- CN
- China
- Prior art keywords
- data
- test
- matrix
- power
- new energy
- 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
- 238000012372 quality testing Methods 0.000 title abstract description 9
- 238000003860 storage Methods 0.000 title abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 164
- 230000011218 segmentation Effects 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000007704 transition Effects 0.000 claims description 53
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 17
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000005684 electric field Effects 0.000 claims description 2
- 238000011056 performance test Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 30
- 238000004891 communication Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000005070 sampling Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000012098 association analyses Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000013079 data visualisation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明公开了一种源荷储一体化并网电能质量测试系统,包括新能源场站测试数据采集模块、测试数据分析与识别模块和测试报告及测试数据分析结果输出模块;所述新能源场站测试数据采集模块包括信息导入单元、通信接口和标签单元;所述测试数据分析与识别模块包括自动分段单元和分析计算单元;所述测试报告及测试数据分析结果输出模块包括模板导入单元和报告生产单元。本发明能使繁琐杂乱的大量数据得到有效整理、呈现及利用,提高工作效率;能将新能源并网电能质量测试信息整合处理,并进行不同数据区间的自动分段,在一个系统中完整存储与呈现,多个功能模块互相关联,自动得出数据分析结果并给出测试报告。
Description
技术领域
本发明涉及电能质量测试技术领域,具体为一种源荷储一体化并网电能质量测试系统。
背景技术
近年来,随着电网规模的不断发展,接入系统的负荷类型呈现多样化、复杂性等特点,除了传统的电气化铁路牵引站、钢铁电弧炉、煤矿冶金、电力电子器件等负荷外,越来越多的风电、光伏、电动汽车充电站、储能站、直流配电等相继接入电网,这些负载或电源含有大量的电力电子器件,其运行过程会产生大量的谐波,给电网运行环境造成了潜在危害;另一方面国网公司也从技术层面制定了电能质量技术监督规范,对谐波源用户/电源接入系统提出了严格的并网要求。
山西新能源发展迅猛,截至2020年6月新能源装机已突破预计2500万千瓦,预计2020年底全省新能源装机容量将超过4000万千瓦。新能源场站接入电力系统后,按国家标准要求在6个月内向电力系统调度机构提供有关运行特性的测试报告,测试内容包括有功/无功控制能力测试、电能质量测试等,目前测试工作主要包括现场测试、数据分析、报告编制等环节,在测试工作中存在以下挑战:(1)测试任务繁重。随着并网的新能源场站数量增多,测试任务量也随之增多,而且受设备性能、风光资源等多方面因素影响,一个场站可能需要多次开展现场测试。(2)测试数据分析效率低。在测试数据分析中,部分测试内容需要按功率区间进行分析,手动进行功率区间划分费时费力,效率较低。
国网公司目前在设备并网后开展电能质量现场测试,但由于人员、设备以及管理等条件限制,无法全面开展相应测试任务,也就无法全面准确评估并网设备对电网的电能质量影响情况。随着未来电力用户对电网电能质量的关注度越来越高,电能质量问题会变得更加重要,而针对并网设备的电能质量测试、评估分析等工作也会越来越多,因此有必要开发自动化测试平台,提升工作质量和效率。
发明内容
针对上述问题,本发明的目的在于提供一种源荷储一体化并网电能质量测试系统,围绕新能源场站测试出发,针对不同的测试项目采用不同的数据处理方法,建立一个实现数据自动化识别、数据自动化处理的平台,提升整个测试项目的速度与效率。技术方案如下:
一种源荷储一体化并网电能质量测试系统,包括新能源场站测试数据采集模块、测试数据分析与识别模块和测试报告及测试数据分析结果输出模块;
所述新能源场站测试数据采集模块包括信息导入单元、通信接口和标签单元;
所述信息导入单元用于导入新能源场站的基础信息,以便将数据存入数据库后用于历史信息查询分析;所述通信接口用于读取不同测试设备的测试数据,并将不同格式的测试数据转化为测试系统可识别的文件;所述标签单元用于将基础信息和测试数据打上数据标签,以便数据的管理和数据的关联分析;
所述测试数据分析与识别模块包括自动分段单元和分析计算单元;
所述自动分段单元用于通过奇异值分解算法对不同数据区间的测试数据进行自动分段;所述分析计算单元用于对分好段的测试数据,基于各测试项目的国家标准进行分析计算,得出测试结果;
所述测试报告及测试数据分析结果输出模块包括模板导入单元和报告生产单元;
所述模板导入单元用于根据不同测试项目以及不同测试场站导入满足不同测试需求的测试模板;所述报告生产单元用于基于测试模板根据不同测试项目的测试结果自动生成测试报告。
进一步的,包括可视化单元,所述可视化单元用于与导入的数据进行可视化处理,绘制各测试项目所需数据的曲线图;还用于将测试数据分段结果用曲线图表征出来,以及将测试报告展示出来。
一种电能质量测试数据分析与识别方法,包括以下步骤:
步骤1:数据预处理:读取功率测试数据,记为P,P由N个采样点构成,表示为P=[p1,p2,...,pN];进行差分处理并构造其Hankel矩阵,如下式所示:
式子中,n满足1<n<N,令m=N-n,则易得X∈Rm×n;
步骤2:对矩阵X进行奇异值分解,提取其奇异值;
步骤3:构建自适应阈值进行数据自动分段:
通过仿真数据,计算过渡段幅值特征与计算出的奇异值的关系,确定最大奇异值作为过渡段阈值,
并通过漏警率PL和虚警率PX来验证算法:
其中,DW表示未被检测到的过渡段事件个数,DD表示多被检测到的过渡段事件个数,DA表示实际过渡段个数;
根据曲线拟合角度以及仿真测试,选取最大奇异值的α倍作为自适应阈值;
步骤4:数据分段修正:基于所述自适应阈值,确定输入信号长度,并以该信号长度为计算窗口,逐点计算奇异值;以奇异值最大值的β倍作为阈值向前搜索K个点,得到修正后的过渡段边界;
步骤5:对分好段的功率测试数据,基于国家标准进行分析计算,并将得出结果与对应限值进行比较,得出测试结果更进一步的,。
更进一步的,所述步骤2具体为:
对于一个实矩阵X,其中X∈Rm×n,必然会存在两个正交矩阵U和V,U和V表示为:
U和V使下式成立:
X=USVT (1-3)
此时,式(1-2)被称为矩阵X的奇异值分解,其中S满足以下条件:
其中,S为奇异值对角矩阵,O为零矩阵,并且满足λ1≥λ2≥λ3...≥λa≥0,λi,i=1,2,...,a被
称为矩阵X的奇异值,其中a=min(m,n);式子(1-2)进一步被表示为:
其中,r=rank(X),表示矩阵X的秩。
本发明的有益效果是:
本发明能使繁琐杂乱的大量数据得到有效整理、呈现及利用,提高工作效率;能将新能源并网电能质量测试信息整合处理,并进行不同数据区间的自动分段,在一个系统中完整存储与呈现,多个功能模块互相关联,自动得出数据分析结果并给出测试报告,新能源并网电能质量测试更加智能化、集成化,免去了繁复的新能源并网电能质量测试数据的处理,对于场站与电力公司都是便利、高效的。
附图说明
图1为本发明源荷储一体化并网电能质量测试系统总结构框图。
图2为本发明新能源场站测试数据采集模块框图。
图3为数据自动分段流程图。
图4为过渡段幅值与最大奇异值关系。
图5为数据的自动分段结果。
图6为图5(b)的局部放大示意图。
图7为实测数据示意图。
图8为实测数据分段结果;(a)风电场电压控制能力数据分段结果;(b)光伏电站功率控制能力数据分段结果。
图9为测试数据分析与识别模块结构和流程框图。
图10为测试报告及测试数据分析结果输出模块结构和流程框图。
具体实施方式
为进一步阐述本发明的研发思路、技术路线及研究成果,结合附图和实际案例,对本发明进行详尽说明。应当理解,此处所述实施例仅用于解释和说明本发明,但并不限于本发明。
本发明基于源荷储一体化并网电能质量测试系统,其总系统框图如图1所示,包括新能源场站测试数据采集模块、测试数据分析与识别模块和测试报告及测试数据分析结果输出模块3个主要功能模块,具体如下:
(一)新能源场站测试数据采集模块
新能源场站测试数据采集模块包括信息导入单元、通信接口和标签单元。所述信息导入单元用于导入新能源场站的基础信息,以便将数据存入数据库后用于历史信息查询分析;所述通信接口用于读取不同测试设备的测试数据,并将不同格式的测试数据转化为测试系统可识别的文件;所述标签单元用于将基础信息和测试数据打上数据标签,以便数据的管理和数据的关联分析。
系统第一个功能模块是用于采集场站基本信息数据,包括场站类型、装机容量、场站名称、所做测试项目、变电站名称、变电站地理位置、场站接线等相关数据。该类数据支持整体性(例如EXCEL表格)导入,并存储于系统中,以便随时调用分析。
a.来自不同测试设备的数据有着不同的数据格式,系统需对不同格式的数据读取并转换为可直接读取的数据格式,开发通信接口读取致远、fluke1760、电力士PX5等设备数据,可将上述数据转化为测试系统可识别的文件(excel或者TXT)。此外,系统软件可对数据打上数据标签,将数据分类存入到测试系统中,便于数据的管理,同时便于数据的关联分析。
b.可以基于所导入的数据,自动生成测试数据的相关曲线散点图、统计图,例如风电场有功功率控制能力测试项目曲线、SVG响应时间测试曲线、风电场/光伏电站背景电能质量曲线。如此一来,则实现数据可视化,将原本巨大单一的数据,集中直观地展现在图线里,使用户更清晰了解自己的测试数据相关情况,为下一步数据分析提供基础。
新能源场站测试数据采集模块框图如图2所示。
(二)测试数据分析与识别模块
测试数据分析与识别模块包括自动分段单元和分析计算单元;所述自动分段单元用于通过奇异值分解算法对不同数据区间的测试数据进行自动分段;所述分析计算单元用于对分好段的测试数据,基于各测试项目的国家标准进行分析计算,得出测试结果。
具体的,在得到测试数据后,首先进行不同数据区间的自动分段,提取所需的某个区间的数据,其主要方法可采用奇异值分解等数学方法;分段好的数据进行数据分析,在分析过程中进行相关计算方法的实现,得出测试结果,其主要方法为国家标准相关算法。同样,该模块可以设计数据可视化窗口,使测试数据分段结果用曲线图等表征出来,有助于操作人员直观得知分段效果,也利于电力公司对得知计算结果是否符合国家标准。
(1)基于奇异值分解的数据区间自动分段
对于所取得的测试数据,功率区间表现为“台阶”形状,例如控制风电场在80%功率区间维持若干时间,随即跳至70%功率区间继续维持若干时间,以此类推。算法的目的是为了将不同的“台阶”数据分隔开来,将80%功率区间跳至70%功率区间的数据段称为过渡段,过渡段的开始结束时间呈现为快速变化。基于此,不同功率区间数据的自动分段问题也可以被认为是一个检测数据边界的问题。而功率数据与其他测试数据有着时间以及采样点上的对应关系,所以找到了各功率区间数据的边界,按照时间上的对应关系就能对数据进行分段。奇异值分解对于数据变化快速的点有良好的检测性能,所以可以采用奇异值分解来进行数据区间的自动分段。
数据自动分段算法的步骤如图3所示,具体描述为:
步骤1:数据预处理。读取功率测试数据,记为P,P由N个采样点构成,可以表示为P=[p1,p2,...,pN]。进行差分处理并构造其Hankel矩阵,如下式(1-1)所示:
式子中,n满足1<n<N,可以令m=N-n,则易得X∈Rm×n。
本实施例选用功率测试数据,首先测试中运用最多的就是功率数据,因为一般是在不同功率区段看其他测试数据的变化,功率数据和其他数据有时间上的对应关系,分出了功率数据,其他数据的分段也就明了了。另外,在电压控制能力测试中,需要对电压数据进行分段,方法也是一样。
步骤2:奇异值分解。对矩阵X进行奇异值分解得到式(1-3)的结果,提取其奇异值λi。当数据处于突变位置时,其奇异值表现为剧烈突变,所以,SVD可以计算出数据突变点的边界。
奇异值分解的基本概念为:对于一个任意的实矩阵X,其中X∈Rm×n,必然会存在两个正交矩阵U和V,U和V可表示为:
U和V使下式成立:
X=USVT (1-3)
此时,式(1-3)被称为矩阵X的奇异值分解,其中S满足以下条件:
S称为奇异值对角矩阵,其中式(1-3)中O为零矩阵,并且满足λ1≥λ2≥λ3...≥λa≥0,λi(i=1,2,...,a)被称为矩阵X的奇异值,其中a=min(m,n)。式子(2-2)可进一步被表示为:
式(1-5)中的r=rank(X)。
步骤3:构建自适应阈值进行数据自动分段。基于步骤2计算出奇异值,由于各电站在容量上表现出高度的不确定性,若采用固定的阈值,会造成该阈值无法适用于所有数据分段流程。为克服固定阈值造成分段准确度较低的缺陷,自适应阈值是有效的解决办法。
本发明中数据分段问题可等价为过渡段边界计算问题,其过渡段边界计算方法如自动分段流程所述,其中阈值的设置尤为重要。如果阈值设置得过低,则会将数据的干扰段也计算进去;如果阈值设置得过高,则会漏掉过渡段。为了检测算法的准确性,引入“漏警率”和“虚警率”来验证算法,如下式(1-6).
其中,PL表示漏警率,PX表示漏警率,DW表示未被检测到的过渡段事件个数,DD表示多被检测到的过渡段事件个数,DA表示实际过渡段个数。
其中,漏警率和虚警率是衡量分段准确率的,漏警率和虚警率越低,说明准确率越高。如共进行1000次测试,某次数据本来有6段,却只分出了5段,这就是漏警,漏警次数加1;某次数据本来有6段,却分出了7段,这就是虚警,虚警次数加1。再用漏警数量除以总共的测试次数,就是漏警率,虚警同样。
由于不同测试项目的测试数据不同,其过渡段的幅值在数值上具有极大的不确定性,所以固定阈值会造成某些项目的测试数据无法准确进行数据分段,分段结果的漏警率和虚警率都会偏高。为了解决固定阈值造成数据分段准确度低的问题,本发明提出自适应阈值的方法。而确定自适应阈值的前提是找到过渡段幅值特征与计算出的奇异值的关系。
本实施例基于30组仿真数据,计算过渡段幅值与最大奇异值的关系,如下图4所示。从图中可以看出,过渡段幅值和最大奇异值是线性关系,因此可以以最大奇异值作为阈值,根据曲线拟合角度以及仿真测试,选取最大奇异值的0.65倍作为自适应阈值。
步骤4:数据分段修正:基于所述自适应阈值,确定输入信号长度,并以该信号长度为计算窗口逐点计算奇异值;以奇异值最大值的β倍作为阈值向前搜索K个点,得到修正后的过渡段边界。
本发明以多个采样点为计算窗口逐点计算该段数据的SVD值,因此,由SVD计算得到的过渡段结束时刻存在一定延时,故需要对其进行修正。
对数据逐点构造其Hankel矩阵后进行奇异值分解,可得到奇异值随时间变化的曲线。基于步骤3所提的自适应阈值,如果奇异值大于自适应阈值到奇异值小于自适应阈值这一段数据可以认为是过渡段。而奇异值分解的输入信号长度与过渡段边界计算结果相关,如果输入信号长度过长,则无法准确计算出过渡段边界,如果输入信号长度太短,则会大大增加计算时间。基于仿真数据和实测数据验证,本实施例采取输入信号长度为9,在这个取值下算法具有最佳表现。
本实施例以9为计算窗口逐点计算奇异值,因此计算到的过渡段边界具有一定的时间延时,需要对其进行修正。本实施例以奇异值最大值的10%作为阈值向前搜索100个点,得到修正后的过渡段边界。针对图3所示数据,应用本发明方法分段结果如图5。
对某一个过渡段进行放大,得到如下图6:
由图5、图6可得,过渡段修正能准确将数据进行分段,准确计算过渡段边界。
(2)算例验证
1)仿真数据验证
本实施例基于MATLAB平台,生成1000条仿真数据,验证算法对过渡段的计算性能,以漏警率和虚警率来进行量化。数据生成规则如下:
数据一共有三种关键参数,即过渡段数量、过渡段幅值、以及稳定段的采样点数。本实施例针对这三种关键参数,每种参数生成10条数据,三种参数组合一共1000条仿真数据。
过渡段数量从3到30,以3为步长增加;过渡段幅值以1到10,以1为步长增加;稳定段的采样点数以100到1000,以100为步长增加。
每一条数据加上噪声,噪声为随机生成,范围为0到过渡段幅值的0.1~0.5倍。
得到的仿真数据以上述数据分段方法进行过渡段数量以及过渡段边界的检测,检测到的过渡段边界与真实的过渡段边界相差稳定段采样点数的5%即记为错误,以字母G表示过渡段幅值,得到仿真结果如下表1-1所示。
表1-1仿真数据验证结果
噪声大小 | 过渡段边界准确率 | 过渡段数量准确率 | 虚警率 | 漏警率 |
0.1G | 99.8% | 100% | 0% | 0% |
0.2G | 99.7% | 100% | 0% | 0% |
0.25G | 94.3% | 95.1% | 3.8% | 1.1% |
从仿真数据可以看出,本发明提出的数据分段的分段准确率较高,在加入0.1倍和0.2倍过渡段幅值的噪声情况下均能准确进行数据分段,在0.25倍过渡段幅值噪声的加入下,分段准确率稍低,并出现了虚警和漏警的情况,但0.25倍过渡段幅值的噪声在实际工业中,已经远远超出了标准。综上所述,本发明所提方法能很好地识别过渡段,对数据进行分段。
2)实测数据验证
选取测试机构实际测试的2条数据进行仿真验证,其中图8(a)是某风电场电压控制能力测试数据,图8(b)是某光伏电站功率控制能力测试数据,实测数据如图7所示。
对实测数据运用本发明所提方法进行数据分段,分段结果如图8。
从实测数据分析结果来看,本发明所提方法能够准确计算过渡段边界,从而对数据进行分段,且精度较高。
(3)数据分析计算
数据分析计算则是基于各测试项目的国家标准进行计算,例如风电场接入变电站后谐波影响评估,需要计算谐波值和谐波限值。谐波限值可基于国家标准的谐波限值表格,考虑变电站电压等级、电站最小短路容量、协议容量、供电设备容量对谐波限值进行折算;谐波值计算基于测试数据,考虑电场容量、母线电压等级,依据国家标准计算方式进行计算,得出结果与谐波限值进行比较,得出测试是否合格。
测试数据分析与识别模块框图如图9所示。
(三)测试报告及测试数据分析结果输出模块
所述测试报告及测试数据分析结果输出模块包括模板导入单元和报告生产单元;所述模板导入单元用于根据不同测试项目以及不同测试场站导入满足不同测试需求的测试模板;所述报告生产单元用于基于测试模板根据不同测试项目的测试结果自动生成测试报告。
基于前两个功能模块,可以得到测试数据分析结果,和标准进行比较也可得到该测试是否合格;本模块的功能为基于计算结果与导入的测试报告模板,填入处理完成的测试数据与测试结果,生成最后测试报告。
(1)测试报告模板
电网公司依据用户需求类型与基础信息,可进行测试报告的模板导入,对于不同测试项目以及不同测试场站采用不同的测试报告。测试报告模板可以进行修改,以满足不同的测试需求。
(2)生成测试报告
针对不同项目的测试结果,生成测试报告,实现测试数据从导入到生成报告的自动化,提高测试效率,使得整个测试往智能化和集成化方向发展。
测试报告及测试数据分析结果输出模块框图如图10所示。
Claims (2)
1.一种电能质量测试数据分析与识别方法,其特征在于,包括以下步骤:
步骤1:数据预处理:读取功率测试数据,记为P,P由N个采样点构成,表示为P=[p1,p2,...,pN];进行差分处理并构造其Hankel矩阵,如下式所示:
式子中,n满足1<n<N,令m=N-n,则易得X∈Rm×n;
步骤2:对矩阵X进行奇异值分解,提取其奇异值;
步骤3:构建自适应阈值进行数据自动分段:
通过仿真数据,计算过渡段幅值特征与计算出的奇异值的关系,确定最大奇异值作为过渡段阈值,
并通过漏警率PL和虚警率PX来验证算法:
其中,DW表示未被检测到的过渡段事件个数,DD表示多被检测到的过渡段事件个数,DA表示实际过渡段个数;
根据曲线拟合角度以及仿真测试,选取最大奇异值的α倍作为自适应阈值;
步骤4:数据分段修正:基于所述自适应阈值,确定输入信号长度,并以该信号长度为计算窗口逐点计算奇异值;以奇异值最大值的β倍作为阈值向前搜索K个点,得到修正后的过渡段边界;
步骤5:对分好段的功率测试数据,进行分析计算,具体为进行SVG性能测试分析、电站功率调节能力分析、电站电能质量分析和电场接入评估分析,并将得出结果与对应限值进行比较,得出测试结果。
2.根据权利要求1所述的电能质量测试数据分析与识别方法,其特征在于,所述步骤2具体为:
对于一个实矩阵X,其中X∈Rm×n,必然会存在两个正交矩阵U和V,U和V表示为:
U和V使下式成立:
X=USVT(1-3)
此时,式(1-2)被称为矩阵X的奇异值分解,其中S满足以下条件:
其中,S为奇异值对角矩阵,O为零矩阵,并且满足λ1≥λ2≥λ3...≥λa≥0,λi,i=1,2,...,a被称为矩阵X的奇异值,其中a=min(m,n);式子(1-2)进一步被表示为:
其中,r=rank(X),表示矩阵X的秩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011412254.6A CN112505486B (zh) | 2020-12-03 | 2020-12-03 | 源荷储一体化并网电能质量测试系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011412254.6A CN112505486B (zh) | 2020-12-03 | 2020-12-03 | 源荷储一体化并网电能质量测试系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112505486A CN112505486A (zh) | 2021-03-16 |
CN112505486B true CN112505486B (zh) | 2024-02-20 |
Family
ID=74970540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011412254.6A Active CN112505486B (zh) | 2020-12-03 | 2020-12-03 | 源荷储一体化并网电能质量测试系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112505486B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113984392B (zh) * | 2021-10-29 | 2022-07-22 | 深圳技术大学 | 一种电驱动总成系统振动品质在线测试评估方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246936A (zh) * | 2013-04-24 | 2013-08-14 | 广东电网公司中山供电局 | 电网架空输电线路台风风险预警的系统及方法 |
WO2016045508A1 (zh) * | 2014-09-23 | 2016-03-31 | 国电南瑞科技股份有限公司 | 新能源电站集中区域智能管控装置及方法 |
WO2016138750A1 (zh) * | 2015-03-04 | 2016-09-09 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
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 |
CN108344895A (zh) * | 2018-02-22 | 2018-07-31 | 国网辽宁省电力有限公司电力科学研究院 | 信号检测方法及装置 |
CN108345538A (zh) * | 2018-01-30 | 2018-07-31 | 北京智行鸿远汽车有限公司 | 基于LabVIEW的测试报告自动生成系统及方法 |
CN108490284A (zh) * | 2018-02-12 | 2018-09-04 | 国网山东省电力公司电力科学研究院 | 面向多应用场景的新能源数据采集装置、系统及方法 |
CN110108955A (zh) * | 2019-04-23 | 2019-08-09 | 国网山西省电力公司电力科学研究院 | 一种新能源并网性能自动测试分析平台及检测方法 |
CN110309603A (zh) * | 2019-07-05 | 2019-10-08 | 华北电力大学(保定) | 一种基于风速特性的短期风速预测方法及系统 |
-
2020
- 2020-12-03 CN CN202011412254.6A patent/CN112505486B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246936A (zh) * | 2013-04-24 | 2013-08-14 | 广东电网公司中山供电局 | 电网架空输电线路台风风险预警的系统及方法 |
WO2016045508A1 (zh) * | 2014-09-23 | 2016-03-31 | 国电南瑞科技股份有限公司 | 新能源电站集中区域智能管控装置及方法 |
WO2016138750A1 (zh) * | 2015-03-04 | 2016-09-09 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
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 |
CN108345538A (zh) * | 2018-01-30 | 2018-07-31 | 北京智行鸿远汽车有限公司 | 基于LabVIEW的测试报告自动生成系统及方法 |
CN108490284A (zh) * | 2018-02-12 | 2018-09-04 | 国网山东省电力公司电力科学研究院 | 面向多应用场景的新能源数据采集装置、系统及方法 |
CN108344895A (zh) * | 2018-02-22 | 2018-07-31 | 国网辽宁省电力有限公司电力科学研究院 | 信号检测方法及装置 |
CN110108955A (zh) * | 2019-04-23 | 2019-08-09 | 国网山西省电力公司电力科学研究院 | 一种新能源并网性能自动测试分析平台及检测方法 |
CN110309603A (zh) * | 2019-07-05 | 2019-10-08 | 华北电力大学(保定) | 一种基于风速特性的短期风速预测方法及系统 |
Non-Patent Citations (2)
Title |
---|
大规模集中并网风电场电能质量测试及标准研究;梁琛;王欢;;电工电气(06);全文 * |
采用奇异值梯度信息的暂态电能质量扰动自适应检测方法;杨晓梅;郭朝云;樊博;罗月婉;肖先勇;;电力自动化设备(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112505486A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110336534B (zh) | 一种基于光伏阵列电气参数时间序列特征提取的故障诊断方法 | |
CN112199367B (zh) | 一种长时间尺度功率平衡校验和大数据分析方法及系统 | |
CN113011481B (zh) | 一种基于决策树算法的电能表功能异常评估方法及系统 | |
CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN103631681A (zh) | 一种在线修复风电场异常数据的方法 | |
CN115170000A (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
CN111523595A (zh) | 一种基于离群点检测算法的电缆缺陷研判方法 | |
CN112505486B (zh) | 源荷储一体化并网电能质量测试系统 | |
CN113111955A (zh) | 一种线损异常数据专家系统及检测方法 | |
CN114140024A (zh) | 一种基于用电模型的发电厂损耗分析系统 | |
CN115859099A (zh) | 样本生成方法、装置、电子设备和存储介质 | |
CN110968703A (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN113866552B (zh) | 一种基于机器学习的中压配网用户用电异常诊断方法 | |
CN117353315B (zh) | 基于光伏、风力发电电压暂态波动控制发电电压的装置 | |
CN113112188B (zh) | 一种基于预筛选动态集成的电力调度监控数据异常检测方法 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN115587635A (zh) | 一种基于中性点偏移判断的台区线损分析方法、系统 | |
CN113255850B (zh) | 配用电节能节费潜力评估方法 | |
CN114758257A (zh) | 基于cart算法的输电线路劣化绝缘子的识别方法 | |
CN116365500A (zh) | 基于特殊地域集合预报的风电场发电功率预测方法 | |
CN111027816B (zh) | 一种基于数据包络分析的光伏发电效率计算方法 | |
CN116136580A (zh) | 一种基于感知设备的线损分级检测方法及装置 | |
Liu et al. | Identification method of abnormal data of electric energy measurement based on BP neural network algorithm | |
CN116910681B (zh) | 一种基于物联网的电力数据分析方法及系统 |
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 |