CN112731048B - 电压暂降检测方法、装置、计算机设备和可读存储介质 - Google Patents
电压暂降检测方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN112731048B CN112731048B CN202011420610.9A CN202011420610A CN112731048B CN 112731048 B CN112731048 B CN 112731048B CN 202011420610 A CN202011420610 A CN 202011420610A CN 112731048 B CN112731048 B CN 112731048B
- Authority
- CN
- China
- Prior art keywords
- power supply
- matrix
- voltage sag
- distribution network
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 239000011159 matrix material Substances 0.000 claims abstract description 220
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 27
- 230000003595 spectral effect Effects 0.000 claims description 22
- 229940050561 matrix product Drugs 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 15
- 238000005315 distribution function Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
-
- 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
-
- 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
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电压暂降检测方法、装置、计算机设备和可读存储介质。该方法通过获取预设周期内配电网的供电数据;基于供电数据,确定供电矩阵;基于格里科定律,计算供电矩阵的相关因子;根据相关因子,判断配电网是否发生电压暂降。本发明提供的电压暂降检测方法对获取的供电数据直接进行数学处理,无需引入滤波器,可以避免发生延时,从而能够提高检测电压暂降的速度。
Description
技术领域
本发明涉及配电网技术领域,特别是涉及一种电压暂降检测方法、装置、计算机设备和可读存储介质。
背景技术
随着当今电力系统规模的日益扩大和新能源电力应用的日趋广泛,如何提高供电水平以及确保用电设备安全成为众多学者所关心的问题。电压暂降是影响供电质量的重要因素。电压暂降发生的原因有配电网故障、变压器空载投切等。当发生电压暂降时,需要根据引发电压暂降的干扰源、电压暂降的持续时间以及电压暂降深度等特征信息做出相应的处理,因此,电压暂降的检测技术应用而生。
传统技术中,通常先采用滤波器对采集到的电压进行滤波处理,并基于时域对滤波后的电压进行数据处理,再利用数学关系计算出电压幅值和相位,判断电压是否发生暂降。然而,这种检测电压暂降的方法速度较慢。
发明内容
基于此,有必要针对上述技术问题,提供一种电压暂降检测方法、装置、计算机设备和可读存储介质。
一方面,本申请一个实施例提供一种电压暂降检测方法,包括:
获取预设周期内配电网的供电数据,其中,供电数据包括多个检测终端检测的配电网的多个数据;
基于供电数据,确定供电矩阵;
基于格里科定律,计算供电矩阵的相关因子;
根据相关因子,判断配电网是否发生电压暂降。
在其中一个实施例中,根据相关因子,判断配电网是否发生电压暂降,包括:
若相关因子小于或等于第一预设阈值,确定配电网未发生电压暂降;
若相关因子大于第一预设阈值,确定配电网发生电压暂降。
在其中一个实施例中,还包括:
获取预设周期内的最后时刻的下一时刻的供电数据;
将下一时刻的供电数据增加至供电矩阵,并删除预设周期内最早时刻的供电数据,得到新的供电矩阵,并将新的供电矩阵作为供电矩阵,执行基于格里科定律,计算供电矩阵的相关因子的步骤。
在其中一个实施例中,还包括:
根据供电矩阵,采用Marchenko-Pastur定理,确定配电网发生电压暂降的节点。
在其中一个实施例中,根据供电矩阵,采用Marchenko-Pastur定理,确定配电网发生电压暂降的节点包括:
计算供电矩阵的协方差矩阵;
计算协方差矩阵的第一指定节点的极限谱密度函数和极限谱分布函数;
计算极限谱密度函数和极限谱分布函数的差值;
若差值大于第二预设阈值,则确定配电网在第一指定节点发生电压暂降。
在其中一个实施例中,还包括:
根据供电矩阵,采用单环定理,确定配电网发生电压暂降的节点。
在其中一个实施例中,根据供电矩阵,采用单环定理,确定配电网发生电压暂降的节点,包括:
对供电矩阵标准化处理得到标准化矩阵;
计算标准化矩阵的奇异值等价矩阵;
根据奇异值等价矩阵,确定标准矩阵积;
获取内环半径和外环半径;
计算标准矩阵积的第二指定节点的特征值,若内环半径与特征值的绝对值的差值大于或等于第三预设阈值,或者若特征值的绝对值与外环半径的差值大于或等于第三预设阈值时,确定配电网在第二指定节点发生电压暂降。
在其中一个实施例中,基于供电数据,确定供电矩阵,包括:
将供电数据,构建形成初始矩阵;
按照预设排列顺序,对初始矩阵排列,得到排列矩阵;
对排列矩阵对称化处理,得到供电矩阵。
另一方面,本申请一个实施例提供一种电压暂降检测装置,包括:
获取模块,用于获取预设周期内配电网的供电数据,其中,供电数据包括多个检测终端检测的配电网的多个数据;
确定模块,用于基于供电数据,确定供电矩阵;
计算模块,用于基于格里科定律,计算供电矩阵的相关因子;
判断模块,用于根据相关因子,判断配电网是否发生电压暂降。
本申请一个实施例还提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述实施例提供的方法的步骤。
本申请一个实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例提供的方法的步骤。
本申请提供一种电压暂降检测方法、装置、计算机设备和可读存储介质。该方法通过获取预设周期内配电网的供电数据,基于供电数据确定供电矩阵。基于格里科定律计算供电矩阵的相关因子;根据相关因子,判断配电网是否发生电压暂降。本实施例提供电压暂降检测方法对获取的供电数据直接进行数学处理,无需引入滤波器,可以避免发生延时,从而能够提高检测电压暂降的速度。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统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申请的一些实施例,对于本领域不同技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一个实施例提供的电压暂降检测方法的步骤流程示意图;
图2为本申请一个实施例提供的电压暂降检测方法的步骤流程示意图;
图3为本申请一个实施例提供的电压暂降检测方法的步骤流程示意图;
图4为本申请一个实施例提供的电压暂降检测方法的步骤流程示意图;
图5为本申请一个实施例提供的电压暂降检测方法的步骤流程示意图;
图6为本申请一个实施例提供的电压暂降检测方法的步骤流程示意图;
图7为本申请一个实施例提供的电压暂降检测装置的结构示意图;
图8为本申请一个实施例提供的计算机设备的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例的限制。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。
本申请提供的电压暂降检测方法可以适用于电力系统中高压配电网、中压配电网和低压配电网等。各种配电网用于向各个配电站和各类用电设备供给电源,当配电网发生电压暂降时,会降低配电网的供电质量,且可能对各配电站或者用户设备造成损耗。因此需要检测各配电网是否存在电压暂降现象,及时对其进行处理。
本申请提供的电压暂降检测方法可以通过计算设备实现。计算机设备包括但不限于控制芯片、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。本申请提供的电压暂降检测方法可以通过JAVA软件实现,也可以应用于其他软件。
请参见图1,本申请一个实施例提供一种电压暂降检测方法,该方法的具体步骤包括:
S100,获取预设周期内配电网的供电数据,其中,供电数据包括多个检测终端检测的配电网的多个数据。
预设周期可以是使用者根据实际情况自行选择的,例如,预设周期可以是24小时,也可以是12小时。检测终端可以是电流传感器,也可以是电压传感器。多个检测终端可以检测所属配电网分别向多个用户设备提供的电流、电压和功率等供电数据。假设,预设周期为12小时,配电网中有K个检测终端,检测终端检测的供电数据形成向量n=(I,U,P),则在预设周期内获取的供电数据总共有K*n个。本实施例对获取供电数据的检测终端的种类不作任何限制,并且检测终端可以将检测到的供电数据直接传输给计算机设备。
S200,基于供电数据,确定供电矩阵。
S300,基于格里科定律,计算供电矩阵的相关因子。
供电矩阵是计算机设备对供电数据经过一系列处理后得到的矩阵,本实施例对具体的处理过程不作任何限制,只要能够实现其功能即可。格里科定律,也称为Griko’s Law,具体内容为:某矩阵中的元素与其对称元素若不存在相关性,则该矩阵的相关因子等于0;若存在相关性,则该矩阵的相关因子不为零,且当相关性为正时,相关因子为正数;当相关性为负时,相关因子为负数。基于格里科定律,可以计算供电矩阵的相关因子,假设,供电矩阵X为M×N维,供电矩阵的相关因子用τ表示,则其中,xij表示供电矩阵X中i行j列的元素。
S400,根据相关因子,判断配电网是否发生电压暂降。
通过供电矩阵的相关因子,则可以判断供电矩阵是否存在相关性。若存在相关性,则供电矩阵中的供电数据产生了一定的相关性,说明配电网发生电压暂降;若不存在相关性,说明配电网处于稳定状态,未发生电压暂降。
本实施例提供的电压暂降检测方法,通过获取预设周期内配电网的供电数据,基于供电数据确定供电矩阵。基于格里科定律计算供电矩阵的相关因子;根据相关因子,判断配电网是否发生电压暂降。本实施例提供电压暂降检测方法对获取的供电数据直接进行数学处理,无需引入滤波器,可以避免发生延时,从而能够提高检测电压暂降的速度。同时,通过获取的供电数据之间的相关因子判断配电网是否发生电压暂降,使得最终的判断结果不会受到干扰,能够提高电压暂降的检测精度。并且,基于格里科定律,在供电数据出现缺失时,还可以有效的判断配电网是否发生电压暂降。
请参见图2,在一个实施例中,步骤S400包括:
S410,若相关因子小于或等于第一预设阈值,确定配电网未发生电压暂降;
S420,若相关因子大于第一预设阈值,确定配电网发生电压暂降。
第一预设阈值可以是工作人员根据实际应用情况设置的。经过计算机设备对相关因子和第一预设阈值之间的关系进行判断,在相关因子小于或者等于第一预设阈值时,说明配电网的处于稳定状态或者出缓慢变化的状态,即,配电网未发生了电压暂降的现象;在相关因子大于第一预设阈值时,说明配电网的供电数据发生了较大的变化,使得供电数据产生了一定的相关性,即,配电网发生电压暂降的现象。在本实施例中,根据相关因子与第一预设阈值之间的关系判断配电网是否发生电压暂降,可以避免由于电压小范围的变化造成误判,能够提高该电压暂降检测方法的检测精度。
请参见图3,在一个实施例中,电压暂降检测方法还包括:
S500,获取预设周期内的最后时刻的下一时刻的供电数据。
S600,将下一时刻的供电数据增加至供电矩阵,并删除预设周期内最早时刻的供电数据,得到新的供电矩阵。
S700,将新的供电矩阵作为供电矩阵,执行基于格里科定律,计算供电矩阵的相关因子的步骤。
计算机设备获取下一时刻的供电数据的具体过程可以参考上述实施例的描述,在此不再赘述。假设,预设周期为1点到12点的12个小时,每隔3个小时检测终端检测配电网的数据,即,在1点检测一次,在5点检测一次,在9点检测一次,预设周期内的最后时刻为9点,预设周期内的最后时刻的下一时刻则为13点。预设周期内最早时刻为1点。将供电矩阵中预设周期内的最早时刻的供电数据删除,在将获取的下一时刻的供电数据增加到供电矩阵中。具体的,更新前的供电矩阵中3列分别为1点、5点和9点检测到的供电数据,将1点的供电数据删除,13点的供电数据增加,形成更新后的供电矩阵中3列分别为5点、9点和13点检测到的供电数据。将新的供电矩阵作为供电矩阵,继续计算相关因子,判断配电网是否发生电压暂降。更新后的预设周期为5点到16点的12个小时,按照上述方式更新供电矩阵,可以实时的检测配电网是否发生电压暂降,从而能够提高电压暂降检测方法的实用性和可靠性。
请参见图4,在一个实施例中,电压暂降检测方法还包括:
S800,根据供电矩阵,采用Marchenko-Pastur定理,确定配电网发生电压暂降的节点。
Marchenko-Pastur定理简称为M-P定理,该定理可以描述随机矩阵的奇异值的渐进行为。通过采用Marchenko-Pastur定理,可以描述配电网的供电矩阵的奇异值的渐进行为,从而可以表示配电网发生电压暂降的节点。确定配电网发生电压暂降的节点是指确定在预设周期内是配电网中某个检测终端检测的供电数据存在电压暂降,从而可以确定在预设周期内配电网向某个用电设备的供电存在电压暂降现象。
采用Marchenko-Pastur定理,确定配电网发生电压暂降的节点的具体步骤包括:
S810,计算供电矩阵的协方差矩阵;
S820,计算协方差矩阵在第一指定节点的极限谱密度函数和极限谱分布函数。
供电矩阵X为M×N维,其中,M=R*n,R表示检测终端的数量,n表示检测终端检测的供电数据的数量,例如,检测终端检测电压和电流2个供电数据。N是指预设周期内的N个时刻。第一指定节点可以是在预设周期内某个检测终端检测点。则供电矩阵的协方差矩阵S可以表示为:其中,XH是指X的共轭转置矩阵。根据公式det|λE-S|=0求解协方差矩阵的特征值,其中E表示单位矩阵,λ=[λ1,λ2…λM]。
S830,计算极限谱密度函数和极限谱分布函数的差值;
S840,若差值大于第二预设阈值,则确定配电网在所述第一指定节点发生电压暂降。
协方差矩阵的极限谱密度函数F(λi)可以使用公式计算,其中,i=1,2,…M,/> σ表示协方差矩阵中元素的标准差,c∈(0,1)。协方差矩阵的极限谱分布函数f(λi)可以使用公式/>其中,/>u和t为积分算子,q(u)为计算中间项。计算在i节点处极限谱密度函数和极限谱分布函数的差值,i表示第i个检测终端。若差值大于第二预设阈值,则确定配电网在i节点发生电压暂降,即,在预设周期内第i个检测终端处存在电压暂降的现象。第二预设阈值可以是工作人员根据实际情况设置的。在本实施例中,通过Marchenko-Pastur定理可以确定配电网发生电压暂降的节点,便于工作人员对电压暂降现象及时的处理,提高了电压暂降检测方法的实用性。
请参见图5,在一个实施例中,电压暂降检测方法还包括:
S900,根据供电矩阵,采用单环定理,确定配电网发生电压暂降的节点。
对于确定配电网发生电压暂降的节点的描述可以参考上述实施例中的描述,在此不再赘述。
采用单环定理,确定配电网发生电压暂降的节点的具体步骤包括:
S910,对供电矩阵标准化处理得到标准化矩阵;
S920,计算标准化矩阵的奇异值等价矩阵;
S930,根据奇异值等价矩阵,确定标准矩阵积;
对供电矩阵X标准化处理后可以得到标准化矩阵Y,Y为M×N维,标准化矩阵中的每个元素其中,yi为标准化矩阵的行向量,μ(xi)为供电矩阵行向量的均值,σ(xi)为供电矩阵行向量的标准差,μ(yi)为标准化矩阵行向量的均值,σ(yi)为标准化矩阵行向量的标准差。标准化矩阵满足μ(yi)=0,σ(yi)=1。计算标准化矩阵的奇异值等价矩阵YU,/>其中,U为满足哈尔分布的酉矩阵,YH是指Y的共轭转置矩阵。等价矩阵积/>其中,W表示得到的奇异值等价矩阵的个数。对标准矩阵积中的每一行元素经过标准化处理,即,/>其中,zi为等价矩阵积的行向量,σ(zi)为等价矩阵积行向量的标准差。最终可以得到标准矩阵积/>
S940,获取内环半径和外环半径。
S950,计算标准矩阵积的第二指定节点的特征值,若内环半径与特征值的绝对值的差值大于或等于第三预设阈值,或者若特征值的绝对值与外环半径的差值大于或等于第三预设阈值时,确定配电网在所述第二指定节点发生电压暂降。
对第二指定节点和第三预设阈值的描述可以参考上述对第一指定节点和第二预设阈值的具体描述,在此不再赘述。计算标准矩阵积的第二指定节点处的特征值,当内环半径与该节点处的特征值的绝对值的差值大于或者等于第三预设阈值时可以确定配电网在该节点处发生电压暂降;或者当该节点处的特征值的绝对值的差值大于或者等于第三预设阈值时,也可以确定配电网在该节点处发生电压暂降。在本实施例中,采用单环定定理可以确定配电网发生电压暂降的节点,便于工作人员对电压暂降现象及时的处理。同时,可以对采用Marchenko-Pastur定理确定的配电网发生电压暂降的节点进行检验,提高了电压暂降检测方法的实用性和精确性。
请参见图7,在一个实施例中,步骤S200包括:
S210,将供电数据,构建形成初始矩阵;
S220,按照预设排列顺序,对初始矩阵进行排列,得到排列矩阵;
S230,对排列矩阵对称化处理,得到供电矩阵。
供电数据是由多个检测终端在预设周期内检测的配电网的多个数据。假设,配电网中有K个检测终端,每个检测终端可以在每个时刻检测得到数据,可以形成向量n={(I1,U1,P1),(I2,U2,P2),...},其中,I代表电流,U代表电压,P代表功率。将K个检测终端在t时刻检测的多个检测数据形成初始矩阵D,初始矩阵的维度为K×n×t的三维矩阵。将初始按照预设排列顺序,对初始矩阵进行排列,得到排列矩阵F,排列矩阵为M×t的二维矩阵维,M为K×n。本实施例对预设排列顺序不作限制。对排列矩阵对称化处理,得到供电矩阵X。可以使用公式进行对称化处理。在一个具体的实施例中,假设有3和检测终端,每个检测终端在2个时刻检测配电网的电流和电压两个数据。初始矩阵可以表示为3×2×2的三维矩阵。将初始矩阵进行排序,可以得到排列矩阵,排列矩阵F为6×2的二维矩阵,可以表示为/>对排列矩阵F进行对称化处理可以得到供电矩阵X。
请参见图7,本申请一个实施例提供一种电压暂降检测装置10包括获取模块100、确定模块200、计算模块300和判断模块400。其中,
获取模块100用于获取预设周期内配电网的供电数据,其中,供电数据包括多个检测终端检测的配电网的多个数据;
确定模块200用于基于供电数据,确定供电矩阵;
计算模块300用于基于格里科定律,计算供电矩阵的相关因子;
判断模块400用于根据相关因子,判断配电网是否发生电压暂降。
在一个实施例中,判断模块400还用于若相关因子小于或等于第一预设阈值,确定配电网未发生电压暂降;若相关因子大于第一预设阈值,确定配电网发生电压暂降。
在一个实施例中,电压暂降检测装置10还包括更新模块500,获取模块100还用于获取预设周期内的最后时候的下一时刻的供电数据;更新模块500还用于将下一时刻的供电数据增加至供电矩阵,并删除预设周期内最早时刻的供电数据,得到新的供电矩阵,并将新的供电矩阵作为供电矩阵,使用计算模块300基于格里科定理,计算供电矩阵的相关因子。
在一个实施例中,确定模块200还用于根据供电矩阵,采用Marchenko-Pastur定理,确定配电网发生电压暂降的节点。
在一个实施例中,确定模块200包括计算单元和判断单元,计算单元用于计算供电矩阵的协方差矩阵;计算协方差矩阵的第一指定节点的极限谱密度函数和极限谱分布函数;计算极限谱密度函数和极限谱分布函数的差值。判断单元用于若差值大于第二预设阈值,则确定配电网在第一指定节点发生电压暂降。
在一个实施例中,确定模块200还用于根据供电矩阵,采用单环定理,确定配电网发生电压暂降的节点。
在一个实施例中,计算单元还用于对供电矩阵标准化处理得到标准化矩阵;计算标准化矩阵的奇异值等价矩阵;根据奇异值等价矩阵,确定标准矩阵积;计算标准矩阵积的内环半径和外环半径,计算标准矩阵积的的第二指定节点的特征值;判断单元还用于若内环半径与特征值的绝对值的差值大于或等于第三预设阈值,或者若特征值的绝对值与外环半径的差值大于或等于第三预设阈值时,确定配电网在第二指定节点发生电压暂降。
在一个实施例中,确定模块200还用于将供电数据构建形成初始矩阵;按照预设排列顺序,对初始矩阵排列,得到排列矩阵;对排列矩阵对称化处理,得到供电矩阵。
关于上述电压暂降检测装置10的具体限定可以参见上文中对于电压暂降检测方法的限定,在此不再赘述。电压暂降检测装置10中的各个模块可以全部或部分通过软件、硬件及其组合来实现。上述各装置、各模块或者各单元可以以硬件形式内嵌于或者独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个装置或模块对应的操作。
请参见图8,在一个实施例中,提供一种计算机设备,计算机设备可以是服务器,其内部结构图可以如图8所示。计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,计算机设备的处理器用于提供计算和控制能力。计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。计算机设备的数据库用于存储获取的配电网的供电数据等。计算机设备的网络接口用于与外部的终端通过网络连接通信。计算机设备被处理器执行时以实现一种电压暂降检测方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取预设周期内配电网的供电数据,其中,供电数据包括多个检测终端检测的配电网的多个数据;
基于供电数据,确定供电矩阵;
基于格里科定律,计算供电矩阵的相关因子;
根据相关因子,判断配电网是否发生电压暂降。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若相关因子小于或等于第一预设阈值,确定配电网未发生电压暂降;若相关因子大于第一预设阈值,确定配电网发生电压暂降。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预设周期内的最后时刻的下一时刻的供电数据;将下一时刻的供电数据增加至供电矩阵,并删除预设周期内最早时刻的供电数据,得到新的供电矩阵,并将新的供电矩阵作为供电矩阵,执行所基于格里科定律,计算供电矩阵的相关因子的步骤。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据供电矩阵,采用Marchenko-Pastur定理,确定配电网发生电压暂降的节点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:计算供电矩阵的协方差矩阵;计算协方差矩阵的第一指定节点的极限谱密度函数和极限谱分布函数;计算极限谱密度函数和极限谱分布函数的差值;若差值大于第二预设阈值,则确定配电网在第一指定节点发生电压暂降。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据供电矩阵,采用单环定理,确定配电网发生电压暂降的节点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对供电矩阵标准化处理得到标准化矩阵;计算标准化矩阵的奇异值等价矩阵;根据奇异值等价矩阵,确定标准矩阵积;获取内环半径和外环半径;计算标准矩阵积的第二指定节点的特征值,若内环半径与特征值的绝对值的差值大于或等于第三预设阈值,或者若特征值的绝对值与外环半径的差值大于或等于第三预设阈值时,确定配电网在第二指定节点发生电压暂降。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将供电数据构建形成初始矩阵;按照预设排列顺序,对初始矩阵排列,得到排列矩阵;对排列矩阵对称化处理,得到供电矩阵。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取预设周期内配电网的供电数据,其中,供电数据包括多个检测终端检测的配电网的多个数据;
基于供电数据,确定供电矩阵;
基于格里科定律,计算供电矩阵的相关因子;
根据相关因子,判断配电网是否发生电压暂降。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若相关因子小于或等于第一预设阈值,确定配电网未发生电压暂降;若相关因子大于第一预设阈值,确定配电网发生电压暂降。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取预设周期内的最后时刻的下一时刻的供电数据;将下一时刻的供电数据增加至供电矩阵,并删除预设周期内最早时刻的供电数据,得到新的供电矩阵,并将新的供电矩阵作为供电矩阵,执行所基于格里科定律,计算供电矩阵的相关因子的步骤。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据供电矩阵,采用Marchenko-Pastur定理,确定配电网发生电压暂降的节点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:计算供电矩阵的协方差矩阵;计算协方差矩阵的第一指定节点的极限谱密度函数和极限谱分布函数;计算极限谱密度函数和极限谱分布函数的差值;若差值大于第二预设阈值,则确定配电网在第一指定节点发生电压暂降。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据供电矩阵,采用单环定理,确定配电网发生电压暂降的节点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对供电矩阵标准化处理得到标准化矩阵;计算标准化矩阵的奇异值等价矩阵;根据奇异值等价矩阵,确定标准矩阵积;获取内环半径和外环半径;计算标准矩阵积的第二指定节点的特征值,若内环半径与特征值的绝对值的差值大于或等于第三预设阈值,或者若特征值的绝对值与外环半径的差值大于或等于第三预设阈值时,确定配电网在第二指定节点发生电压暂降。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将供电数据构建形成初始矩阵;按照预设排列顺序,对初始矩阵排列,得到排列矩阵;对排列矩阵对称化处理,得到供电矩阵。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电压暂降检测方法,其特征在于,包括:
获取预设周期内配电网的供电数据,其中,所述供电数据包括多个检测终端检测的所述配电网的多个数据;
基于所述供电数据,确定供电矩阵;
基于格里科定律,计算所述供电矩阵的相关因子;
根据所述相关因子,判断所述配电网是否发生电压暂降;
其中,所述基于所述供电数据,确定供电矩阵,包括:
将所述供电数据构建形成初始矩阵;
按照预设排列顺序,对所述初始矩阵排列,得到排列矩阵;
对所述排列矩阵对称化处理,得到所述供电矩阵;
其中,所述基于格里科定律,计算所述供电矩阵的相关因子,包括:
2.根据权利要求1所述的电压暂降检测方法,其特征在于,所述根据所述相关因子,判断配电网是否发生电压暂降,包括:
若所述相关因子小于或等于第一预设阈值,确定所述配电网未发生电压暂降;
若所述相关因子大于所述第一预设阈值,确定所述配电网发生电压暂降。
3.根据权利要求1所述的电压暂降检测方法,其特征在于,还包括:
获取所述预设周期内的最后时刻的下一时刻的供电数据;
将所述下一时刻的供电数据增加至所述供电矩阵,并删除所述预设周期内最早时刻的供电数据,得到新的供电矩阵,并将所述新的供电矩阵作为所述供电矩阵,执行所述基于格里科定律,计算所述供电矩阵的相关因子的步骤。
4.根据权利要求1所述的电压暂降检测方法,其特征在于,还包括:
根据所述供电矩阵,采用Marchenko-Pastur定理,确定所述配电网发生电压暂降的节点。
5.根据权利要求4所述的电压暂降检测方法,其特征在于,所述根据所述供电矩阵,采用Marchenko-Pastur定理,确定所述配电网发生电压暂降的节点包括:
计算所述供电矩阵的协方差矩阵;
计算所述协方差矩阵的第一指定节点的极限谱密度函数和极限谱分布函数;
计算所述极限谱密度函数和所述极限谱分布函数的差值;
若所述差值大于第二预设阈值,则确定所述配电网在所述第一指定节点发生电压暂降。
6.根据权利要求1至5中任一项所述的电压暂降检测方法,其特征在于,还包括:
根据所述供电矩阵,采用单环定理,确定所述配电网发生电压暂降的节点。
7.根据权利要求6所述的电压暂降检测方法,其特征在于,所述根据所述供电矩阵,采用单环定理,确定所述配电网发生电压暂降的节点,包括:
对所述供电矩阵标准化处理得到标准化矩阵;
计算所述标准化矩阵的奇异值等价矩阵;
根据所述奇异值等价矩阵,确定标准矩阵积;
获取内环半径和外环半径;
计算所述标准矩阵积的第二指定节点的特征值,若所述内环半径与所述特征值的绝对值的差值大于或等于第三预设阈值时,或者若所述特征值的绝对值与所述外环半径的差值大于或等于所述第三预设阈值时,确定所述配电网在所述第二指定节点发生电压暂降。
8.一种电压暂降检测装置,其特征在于,包括:
获取模块,用于获取预设周期内配电网的供电数据,其中,所述供电数据包括多个检测终端检测的所述配电网的多个数据;
确定模块,用于基于所述供电数据,确定供电矩阵;
计算模块,用于基于格里科定律,计算所述供电矩阵的相关因子;
判断模块,用于根据所述相关因子,判断所述配电网是否发生电压暂降;
其中,所述确定模块具体用于将所述供电数据构建形成初始矩阵;按照预设排列顺序,对所述初始矩阵排列,得到排列矩阵;对所述排列矩阵对称化处理,得到所述供电矩阵;
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011420610.9A CN112731048B (zh) | 2020-12-08 | 2020-12-08 | 电压暂降检测方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011420610.9A CN112731048B (zh) | 2020-12-08 | 2020-12-08 | 电压暂降检测方法、装置、计算机设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112731048A CN112731048A (zh) | 2021-04-30 |
CN112731048B true CN112731048B (zh) | 2023-07-07 |
Family
ID=75598300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011420610.9A Active CN112731048B (zh) | 2020-12-08 | 2020-12-08 | 电压暂降检测方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112731048B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9634490B2 (en) * | 2011-02-08 | 2017-04-25 | General Electric Company | Dynamic voltage restoration system and method |
CN104300532A (zh) * | 2014-09-30 | 2015-01-21 | 国网山西省电力公司电力科学研究院 | 一种基于矩阵因子的电压暂降评估流程 |
CN108267722A (zh) * | 2018-01-23 | 2018-07-10 | 航天建筑设计研究院有限公司 | 地质雷达回波信号物性解构与探测目标数字重构智能化识取方法 |
US11211800B2 (en) * | 2018-06-08 | 2021-12-28 | The Regents Of The University Of California | Method and system for locating the source of events in power distribution systems using distribution-level PMU data |
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 |
CN109599874B (zh) * | 2018-10-29 | 2022-07-12 | 国网江苏省电力有限公司 | 基于电压暂降事件关联分析的治理设备选择方法 |
CN110021072B (zh) * | 2019-04-03 | 2020-08-07 | 武汉大学 | 面向全息测绘的多平台点云智能处理方法 |
CN111220842A (zh) * | 2020-01-16 | 2020-06-02 | 华南理工大学 | 电压暂降扰动事件发现与定位方法、装置、设备及介质 |
-
2020
- 2020-12-08 CN CN202011420610.9A patent/CN112731048B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112731048A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200372243A1 (en) | Image processing method and apparatus, facial recognition method and apparatus, and computer device | |
CN109063921B (zh) | 客户风险预警的优化处理方法、装置、计算机设备和介质 | |
CN110990645B (zh) | 用电监测方法、装置、计算机设备和存储介质 | |
CN111898247B (zh) | 滑坡位移预测方法、设备及存储介质 | |
CN109714201B (zh) | 网络系统可靠性评估方法、装置、计算机设备和存储介质 | |
CN116126947B (zh) | 应用于企业管理系统的大数据分析方法及系统 | |
CN116629435A (zh) | 风险预测方法、装置、计算机设备和存储介质 | |
CN112731048B (zh) | 电压暂降检测方法、装置、计算机设备和可读存储介质 | |
Feng et al. | Abnormal spatio‐temporal source estimation for a linear unstable parabolic distributed parameter system: An adaptive PDE observer perspective | |
CN110443451B (zh) | 事件定级方法、装置、计算机设备和存储介质 | |
Cai | Multi‐variate time‐series simulation | |
CN114966203A (zh) | 电力系统谐波振荡的检测方法、装置和计算机设备 | |
CN114648075A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN112487486A (zh) | 基于区块链的数据获取方法、装置以及计算机设备 | |
CN111611397A (zh) | 信息匹配方法、装置、计算机设备和存储介质 | |
CN111738848B (zh) | 特征数据的生成方法、装置、计算机设备和存储介质 | |
CN117937477B (zh) | 发电机组无功功率边界值预测方法、装置和计算机设备 | |
Nedényi | An online change detection test for parametric discrete-time stochastic processes | |
Bolz et al. | Data-Driven Graph Convolutional Neural Networks for Power System Contingency Analysis | |
CN110119636B (zh) | 一种数字电路、数据存储方法及装置 | |
CN110190606B (zh) | 受损环境下微电网系统韧性评价方法和系统 | |
CN115469136A (zh) | 一种基于电场传感器阵列的非侵入式三相电压测量方法 | |
CN114529152A (zh) | 计算机视觉模型成熟度评估方法、装置、设备及存储介质 | |
CN114691933A (zh) | 串并事件确定方法、装置、计算机设备和存储介质 | |
CN115963405A (zh) | 电池充电时间预测模型的训练方法、装置和计算机设备 |
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 |