CN112858782A - 电力系统多元用户交互影响下的谐波责任量化方法和系统 - Google Patents
电力系统多元用户交互影响下的谐波责任量化方法和系统 Download PDFInfo
- Publication number
- CN112858782A CN112858782A CN202110017986.3A CN202110017986A CN112858782A CN 112858782 A CN112858782 A CN 112858782A CN 202110017986 A CN202110017986 A CN 202110017986A CN 112858782 A CN112858782 A CN 112858782A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- source
- responsibility
- bus
- suspicious
- 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
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Resistance Or Impedance (AREA)
Abstract
本申请公开了一种电力系统多元用户交互影响下的谐波责任量化方法和系统,包括:获取关注母线测得的谐波电压、背景谐波电压,以及可疑谐波源对应线路上测得的各次谐波电流;筛选获取数据中背景谐波平稳的数据段;对筛选得到的数据段分段计算可疑谐波源与关注母线之间的谐波转移阻抗,然后进行分段计算结果平均处理,作为各可疑谐波源与关注母线之间的谐波转移阻抗;根据各可疑谐波源与关注母线之间的谐波转移阻抗,量化不同谐波源在关注母线上的谐波责任。本申请大大降低了各算法对谐波责任量化的计算误差。进而准确识别主导谐波源,并指导谐波治理。
Description
技术领域
本发明属于电力系统谐波责任量化技术领域,涉及一种电力系统多元用户交互影响下的谐波责任量化方法和系统。
背景技术
随着大量的电力电子器件接入电网,电力系统中的谐波源趋于复杂化与多样化加剧了谐波污染。严重的谐波污染可能导致线路与设备过热、设备异常工作、绝缘加速老化等等,有必要对谐波问题进行针对性治理。
对于电力系统中谐波畸变较严重的母线,其谐波电压畸变通常由多个谐波源共同作用产生,量化这些谐波源各自的谐波责任,追溯电力系统中的主导谐波源,对谐波治理具有指导意义。
一般而言,谐波责任量化模型分为单点模型与多点模型。其中单点模型中只含一个可疑谐波源,而将其他谐波源归于系统侧。求解起来相对简单,相关方法已比较成熟。相比之下,多谐波源责任量化模型对算法提出了更高的要求。多谐波源谐波责任量化模型可分为两类。一类是集中式模型,另一类是分散式模型。其中,对于集中式模型,所有的可疑谐波源均接在同一关注母线上,对于其中某一谐波源而言,其余谐波源均可归在系统侧,从而该模型与单个谐波源谐波责任量化模型本质上相同。而对于分散式模型而言,各可疑谐波源分布在整个电网中,与关注母线并不直接相连,模型的求解也更为困难。
在电力系统中,由于谐波源通常具有分散性,因此分散式模型更能反应电网的真实情况,相关研究也更为广泛。目前主要的求解方法包括最小二乘法、多元线性回归法、独立分量法等等。其中,最小二乘法与多元线性回归法要求计算过程中背景谐波相对稳定,否则将存在较大的计算误差。相比之下独立分量法虽具有一定的抗背景谐波波动的能力,但在背景谐波波动剧烈时,计算精度仍不理解。在实际电网中,由于系统侧包含有大量的非线性用户谐波源,背景谐波通常是存在一定波动的,从而为现有方法的计算带来挑战。
发明内容
为解决现有技术中的不足,本申请提供一种电力系统多元用户交互影响下的谐波责任量化方法和系统,基于最大综合熵筛选机制,从测得谐波电压电流数据中,筛选出背景谐波相对稳定的数据段,进而提高多谐波源责任量化的计算精度,进而为谐波治理工作的开展进行指导。
为了实现上述目标,本发明采用如下技术方案:
一种电力系统多元用户交互影响下的谐波责任量化方法,包括以下步骤:
步骤1:获取关注母线测得的谐波电压、背景谐波电压,以及可疑谐波源对应线路上测得的各次谐波电流;
步骤2:筛选步骤1所获取数据中背景谐波平稳的数据段;
步骤3:对步骤2筛选得到的数据段分段计算可疑谐波源与关注母线之间的谐波转移阻抗,然后进行分段计算结果平均处理,作为各可疑谐波源与关注母线之间的谐波转移阻抗;
步骤4:根据各可疑谐波源与关注母线之间的谐波转移阻抗,量化不同谐波源在关注母线上的谐波责任。
本发明进一步包括以下优选方案:
优选地,步骤2所述筛选步骤1所获取数据中背景谐波平稳的数据段,包括以下步骤:
步骤2.1:对步骤1所获取的数据进行预处理;
优选地,步骤2.1中,对每个信号执行式(8)和(9)的变换:
式中:mean(s)与std(s)分别表示求信号s的期望与方差;
H(s)→H(s)/H(sG) (9)
式中:sG为具有零均值与单位方差的标准高斯信号,H(s)表示信号s的熵。
优选地,步骤2.3中,综合熵计算公式为:
式中:下标“x”与“y”分别表示信号s的实部与虚部。
优选地,步骤3中,对于一个数据段,其各可疑谐波源与关注母线之间的谐波转移阻抗的计算方法为:
优选地,步骤3.1中,可疑谐波源i的单点责任量化模型为:
优选地,步骤3.2具体包括:
步骤3.2.2:通过多源复独立分量法对多源责任量化盲源分离模型进行求解,得到:
式中:上标“fast”表示各信号的快变分量;
步骤3.2.3:计算第i个可疑谐波源与关注母线X之间的谐波转移阻抗ZX,i:
式中:与分别表示关注母线X测得的谐波电压以及背景谐波电压;表示在第i个可疑谐波源与电网之间的公共连接线路上测得的谐波电流;ZX,i表示某次谐波下可疑谐波源i与关注母线X之间的谐波转移阻抗;N-1表示可疑谐波源个数。
本发明还公开了一种电力系统多元用户交互影响下的谐波责任量化方法的谐波责任量化系统,所述系统包括:
数据获取模块,用于获取关注母线测得的谐波电压、背景谐波电压,以及可疑谐波源对应线路上测得的各次谐波电流;
数据段筛选模块,用于筛选数据获取模块所获取数据中背景谐波平稳的数据段;
数据处理模块,用于对数据段筛选模块筛选得到的数据段分段计算可疑谐波源与关注母线之间的谐波转移阻抗,然后进行分段计算结果平均处理,作为各可疑谐波源与关注母线之间的谐波转移阻抗;
量化模块,用于根据各可疑谐波源与关注母线之间的谐波转移阻抗,量化不同谐波源在关注母线上的谐波责任。
本申请所达到的有益效果:
本申请根据中心极限定理,采用综合熵对背景谐波的波动剧烈程度进行量化。当背景谐波波动剧烈时,对应的综合熵较大;反之,当背景谐波稳定时,对应对综合熵指标较小。通过所提综合熵筛选机制,可选出背景谐波相对稳定的数据段,用这些数据段进行计算,大大降低了各算法对谐波责任量化的计算误差。进而准确识别主导谐波源,并指导谐波治理。
附图说明
图1为本发明方法流程图;
图2为关注母线谐波电压的构成示意图;
图3为谐波源i的单点谐波模型图;
图4为实施例中各信号的分布及其熵;
图5为实施例中混合信号x的分布及其熵;
图6为实施例中IEEE-14节点系统图;
图7为实施例中谐波电压与电流数据;
图8为实施例中计算误差分析。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
如图1所示,本发明一种电力系统多元用户交互影响下的谐波责任量化方法,包括步骤1-4:
步骤1:获取关注母线测得的谐波电压、背景谐波电压,以及可疑谐波源对应线路上测得的各次谐波电流;
步骤2:筛选步骤1所获取数据中背景谐波平稳的数据段,包括以下步骤:
在步骤3独立分量法的计算过程中,为了保持混合矩阵A的不变性,谐波阻抗应该是常数。为了确保这一点,通常将整个测量数据分成几个短段。由于在相对较短的时间内,可以认为对应谐波阻抗近似恒定,因此可分别通过每段数据,计算谐波转移阻抗,并对结果进行平均处理。此外,独立分量法的计算精度还取决于稳定的背景谐波。背景谐波的大幅波动会增加计算误差。因此,如果能够对背景谐波的波动程度进行评估,则可通过选择背景谐波相对稳定的数据段进行计算,以此来提高计算精度,而那些背景谐波波动较大的数据段将会被剔除。该思路的难点在于,背景谐波不能直接测量。为了克服这一困难,本发明提出了一种基于综合熵的筛选机制。
根据中心极限定理,由多个随机信号组合而成的信号x的分布趋于高斯分布。另外,如果信号x仅由少数信号主导,那它的高斯性将降低。例如,信号x由4个随机实信号si(i=1,2,3,4)组合而成,且它们的幅值为1。每个信号的样本量为3000。它们的分布和高斯性如图4所示,其中信号s的高斯度由式(7)所示熵来评估,熵越大,对应的高斯性越强。
式中:M是信号s的样本量,p(sm)是s的概率密度函数。
步骤2.1:由于标准高斯信号在所有等方差随机信号中具有最大的熵,为了使不同信号的熵具有可比性,对步骤1所获取的数据进行如下预处理;
对每个信号,即步骤1的关注母线侧的谐波电压、背景谐波电压、各次谐波电流,执行式(8)和(9)的变换。
式中:mean(s)与std(s)分别表示求信号s的期望与方差;
H(s)→H(s)/H(sG) (9)
式中:sG为具有零均值与单位方差的标准高斯信号,H(s)表示信号s的熵;
如图4所示,与信号si(i=1,2,3,4)相比,混合信号x更接近于高斯分布。同时,信号x的熵也是这些信号中最大的,说明熵能正确地反映信号的高斯性。在信号s4的幅值增加k倍后,信号x的分布和熵如图5所示。随着k的增加,信号x逐渐由s4主导,导致x的高斯度降低,相应的熵也随之下降。
上述分析可应用于式(5)中,以评估背景谐波电压的波动程度。由于式(5)中每个复信号的高斯度可由其实部和虚部的高斯度来反映,因此使用式(10)定义的综合熵来评估复信号的高斯度。
综合熵计算公式为:
式中:下标“x”与“y”分别表示信号s的实部与虚部。
对于一个数据段,下面讨论了两种可能的情况:
情况(1)---背景谐波波动较大:
情况(2)---背景谐波稳定:
在该情况下,通常具有较高的高斯度。但是,如果其中一个谐波电流信号在这个数据段波动很大,就会被主导。因此,与相对稳定的情况相比,的综合熵趋于且仍较小。然而,情况(2)与情况(1)仍有很大不同。一般来说,背景谐波电压是电网中其他谐波的组合。因此,与单个非线性用户产生的电流信号相比,根据中心极限定理,的高斯性通常更强。因此,通常大于
步骤3:对步骤2筛选得到的数据段分段计算可疑谐波源与关注母线之间的谐波转移阻抗,然后进行分段计算结果平均处理,作为各可疑谐波源与关注母线之间的谐波转移阻抗;
对于一个数据段,其各可疑谐波源与关注母线之间的谐波转移阻抗的计算方法为:
谐波源i的单点责任量化模型如图3所示,由图3可得,可疑谐波源i的单点责任量化模型为:
式中:上标“fast”表示各信号的快变分量;
步骤3.2.3:计算第i个可疑谐波源与关注母线X之间的谐波转移阻抗ZX,i:
步骤4:根据各可疑谐波源与关注母线之间的谐波转移阻抗,量化不同谐波源在关注母线上的谐波责任,具体的:
在h次谐波下,不同谐波源在关注母线上的谐波责任,可通过各个谐波源单独作用时,在关注母线上产生的谐波电压在测得谐波电压的投影来描述,如图2与式(1)所示。
式中:与分别表示关注母线X测得的谐波电压以及背景谐波电压;表示在第i个可疑谐波源与电网之间的公共连接线路上测得的谐波电流;ZX,i表示某次谐波下可疑谐波源i与关注母线X之间的谐波转移阻抗;N-1表示可疑谐波源个数。
由式(1)与式(2)可见,准确计算各可疑谐波源与关注母线之间的谐波转移阻抗是量化谐波责任的关键。
本发明的一种电力系统多元用户交互影响下的谐波责任量化系统,包括:
数据获取模块,用于获取关注母线测得的谐波电压、背景谐波电压,以及可疑谐波源对应线路上测得的各次谐波电流;
数据段筛选模块,用于筛选数据获取模块所获取数据中背景谐波平稳的数据段;
数据处理模块,用于对数据段筛选模块筛选得到的数据段分段计算可疑谐波源与关注母线之间的谐波转移阻抗,然后进行分段计算结果平均处理,作为各可疑谐波源与关注母线之间的谐波转移阻抗;
量化模块,用于根据各可疑谐波源与关注母线之间的谐波转移阻抗,量化不同谐波源在关注母线上的谐波责任。
以IEEE-14节点系统为例进行分析,可疑谐波源与关注母线如图6所示。关注母线处测得某次谐波电压,以及可疑谐波源对应线路上测得各次谐波电流如图7所示。
根据IEEE-14节点系统的参数,系统侧的谐波阻抗为Zu,A=0.1747+0.7313jp.u.和Zu,B=0.2708+1.0004jp.u.。并将用户侧谐波阻抗设为Zc,A=0.5+2jp.u.与Zc,B=2+11jp.u.。在整个模拟过程中,Zu,A,Zu,B,Zc,A和Zc,B都是未知的,需要求解。以上阻抗值仅作为分析计算误差的参考。
通过设置可以分析背景谐波对计算精度的影响。随着系数k的增大,背景谐波变得越来越不稳定。采用传统的独立分量法以及引入综合熵筛选机制后的独立分量法,求得结果计算误差如图8所示。可见,随着背景谐波的增加,传统独立分量法的计算误差迅速增大。相比之下,改引入综合熵筛选机制后的独立分量法计算结果精度较高,满足工程要求。从而验证了综合熵筛选机制具有较强的抗背景谐波的能力。进而根据求得的谐波阻抗,可量化各谐波源的谐波责任。
综上所示,本发明包括多谐波源独立分量法和基于最大综合熵的背景谐波稳定数据段筛选两方面的改进:
1)多谐波源独立分量法
采用盲源分离理论中的多源独立分量法,在各个谐波源信号未知的情况下,对源信号进行重构。通过中值滤波技术,提取信号的快变分量。由于各源信号的快变分量近似独立,从而为独立分量法提供了应用基础。进而,基于重构的源信号,求解各可疑谐波源与关注母线之间的谐波转移阻抗,并量化谐波责任。现有的独立分量法在背景谐波稳定情况下,具有更高的计算精度,基于所重构的各源信号,可为进一步制定最大综合熵筛选模型奠定基础。
2)最大综合熵筛选
基于中心极限定理,大量独立随机信号的线性组合更趋近于高斯分布。当背景谐波波动稳定时,公共连接点电压的波动量将由各谐波源共同作用产生,从而具有较大的高斯性。而当背景谐波波动剧烈时,公共连接点电压的波动量将由背景谐波主导,从而其性将下降。理论上,高斯性可以通过熵来度量高斯性越强,熵越大。从而通过最大综合熵筛选模型,可量化背景谐波的稳定性。通过筛选背景谐波稳定的数据段,可更准确地量化谐波责任。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (10)
1.一种电力系统多元用户交互影响下的谐波责任量化方法,其特征在于:
所述方法包括以下步骤:
步骤1:获取关注母线测得的谐波电压、背景谐波电压,以及可疑谐波源对应线路上测得的各次谐波电流;
步骤2:筛选步骤1所获取数据中背景谐波平稳的数据段;
步骤3:对步骤2筛选得到的数据段分段计算可疑谐波源与关注母线之间的谐波转移阻抗,然后进行分段计算结果平均处理,作为各可疑谐波源与关注母线之间的谐波转移阻抗;
步骤4:根据各可疑谐波源与关注母线之间的谐波转移阻抗,量化不同谐波源在关注母线上的谐波责任。
10.根据权利要求1-9任一项所述的一种电力系统多元用户交互影响下的谐波责任量化方法的谐波责任量化系统,其特征在于:
所述系统包括:
数据获取模块,用于获取关注母线测得的谐波电压、背景谐波电压,以及可疑谐波源对应线路上测得的各次谐波电流;
数据段筛选模块,用于筛选数据获取模块所获取数据中背景谐波平稳的数据段;
数据处理模块,用于对数据段筛选模块筛选得到的数据段分段计算可疑谐波源与关注母线之间的谐波转移阻抗,然后进行分段计算结果平均处理,作为各可疑谐波源与关注母线之间的谐波转移阻抗;
量化模块,用于根据各可疑谐波源与关注母线之间的谐波转移阻抗,量化不同谐波源在关注母线上的谐波责任。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110017986.3A CN112858782B (zh) | 2021-01-07 | 2021-01-07 | 电力系统多元用户交互影响下的谐波责任量化方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110017986.3A CN112858782B (zh) | 2021-01-07 | 2021-01-07 | 电力系统多元用户交互影响下的谐波责任量化方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112858782A true CN112858782A (zh) | 2021-05-28 |
CN112858782B CN112858782B (zh) | 2022-04-26 |
Family
ID=76004807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110017986.3A Active CN112858782B (zh) | 2021-01-07 | 2021-01-07 | 电力系统多元用户交互影响下的谐波责任量化方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112858782B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114325107A (zh) * | 2021-12-10 | 2022-04-12 | 国网西藏电力有限公司电力科学研究院 | 一种谐波阻抗计算结果准确性判断方法 |
CN114660362A (zh) * | 2022-05-19 | 2022-06-24 | 四川大学 | 基于互信息数据优选的系统侧谐波阻抗估计方法及装置 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003009430A (ja) * | 2001-06-19 | 2003-01-10 | Central Res Inst Of Electric Power Ind | 遠隔電気機器監視方法及び装置並びにそれを利用した消費電力推定方法及び装置 |
CN102323494A (zh) * | 2011-05-24 | 2012-01-18 | 山东电力研究院 | 一种多谐波源辨识方法 |
CN103743949A (zh) * | 2014-01-06 | 2014-04-23 | 国家电网公司 | 一种基于单通道FastICA的谐波与间谐波的检测方法 |
CN104502704A (zh) * | 2015-01-20 | 2015-04-08 | 西南交通大学 | 一种适用于背景谐波电压变化的谐波责任计算方法 |
CN105548809A (zh) * | 2015-12-18 | 2016-05-04 | 南瑞(武汉)电气设备与工程能效测评中心 | 一种电力系统谐波责任的确定方法 |
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 |
CN105911334A (zh) * | 2016-04-19 | 2016-08-31 | 国网上海市电力公司 | 一种谐波阻抗未知条件下的谐波电流估计方法 |
CN106208041A (zh) * | 2016-07-18 | 2016-12-07 | 西南交通大学 | 一种基于分段常数独立分量分析的配电网谐波电流估计方法 |
CN108170885A (zh) * | 2017-11-28 | 2018-06-15 | 国网甘肃省电力公司庆阳供电公司 | 一种配电网中多谐波源识别方法 |
CN108535547A (zh) * | 2018-04-19 | 2018-09-14 | 西南交通大学 | 一种谐波阻抗估算的自适应独立分量分析方法 |
CN108845194A (zh) * | 2018-03-30 | 2018-11-20 | 东南大学 | 基于幅值波动量峰度检测原理的谐波责任量化方法 |
CN109283389A (zh) * | 2018-09-27 | 2019-01-29 | 中国电力科学研究院有限公司 | 一种风电场谐波发射水平评估方法与系统 |
CN109709395A (zh) * | 2017-10-26 | 2019-05-03 | 华北电力大学(保定) | 基于双重筛选三点法的背景谐波源等效方法 |
CN109839538A (zh) * | 2019-03-29 | 2019-06-04 | 云南电网有限责任公司电力科学研究院 | 一种基于相关性分析的谐波源辨识方法和系统 |
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 |
CN110309545A (zh) * | 2019-06-04 | 2019-10-08 | 上海电力学院 | 基于改进粒子群算法获取系统谐波阻抗的谐波补偿方法 |
CN110441601A (zh) * | 2019-10-10 | 2019-11-12 | 四川大学 | 基于独立分量分析的多谐波源责任量化方法 |
CN110618314A (zh) * | 2018-08-07 | 2019-12-27 | 山东大学 | 一种配电系统抗短路故障干扰的谐波责任划分方法 |
CN110850167A (zh) * | 2019-12-27 | 2020-02-28 | 福州大学 | 一种多谐波源责任划分方法 |
CN111175608A (zh) * | 2020-01-19 | 2020-05-19 | 上海电力大学 | 基于加速独立分量分析的配电网谐波责任定量划分方法 |
CN111693773A (zh) * | 2020-04-29 | 2020-09-22 | 国网江苏省电力有限公司电力科学研究院 | 一种基于互近似熵数据筛选的谐波源责任划分方法 |
CN111898499A (zh) * | 2020-07-17 | 2020-11-06 | 东南大学 | 基于互近似熵与聚类的多谐波源谐波责任划分方法 |
-
2021
- 2021-01-07 CN CN202110017986.3A patent/CN112858782B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003009430A (ja) * | 2001-06-19 | 2003-01-10 | Central Res Inst Of Electric Power Ind | 遠隔電気機器監視方法及び装置並びにそれを利用した消費電力推定方法及び装置 |
CN102323494A (zh) * | 2011-05-24 | 2012-01-18 | 山东电力研究院 | 一种多谐波源辨识方法 |
CN103743949A (zh) * | 2014-01-06 | 2014-04-23 | 国家电网公司 | 一种基于单通道FastICA的谐波与间谐波的检测方法 |
CN104502704A (zh) * | 2015-01-20 | 2015-04-08 | 西南交通大学 | 一种适用于背景谐波电压变化的谐波责任计算方法 |
CN105548809A (zh) * | 2015-12-18 | 2016-05-04 | 南瑞(武汉)电气设备与工程能效测评中心 | 一种电力系统谐波责任的确定方法 |
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 |
CN105911334A (zh) * | 2016-04-19 | 2016-08-31 | 国网上海市电力公司 | 一种谐波阻抗未知条件下的谐波电流估计方法 |
CN106208041A (zh) * | 2016-07-18 | 2016-12-07 | 西南交通大学 | 一种基于分段常数独立分量分析的配电网谐波电流估计方法 |
CN109709395A (zh) * | 2017-10-26 | 2019-05-03 | 华北电力大学(保定) | 基于双重筛选三点法的背景谐波源等效方法 |
CN108170885A (zh) * | 2017-11-28 | 2018-06-15 | 国网甘肃省电力公司庆阳供电公司 | 一种配电网中多谐波源识别方法 |
CN108845194A (zh) * | 2018-03-30 | 2018-11-20 | 东南大学 | 基于幅值波动量峰度检测原理的谐波责任量化方法 |
CN108535547A (zh) * | 2018-04-19 | 2018-09-14 | 西南交通大学 | 一种谐波阻抗估算的自适应独立分量分析方法 |
CN110618314A (zh) * | 2018-08-07 | 2019-12-27 | 山东大学 | 一种配电系统抗短路故障干扰的谐波责任划分方法 |
CN109283389A (zh) * | 2018-09-27 | 2019-01-29 | 中国电力科学研究院有限公司 | 一种风电场谐波发射水平评估方法与系统 |
CN109839538A (zh) * | 2019-03-29 | 2019-06-04 | 云南电网有限责任公司电力科学研究院 | 一种基于相关性分析的谐波源辨识方法和系统 |
CN110309545A (zh) * | 2019-06-04 | 2019-10-08 | 上海电力学院 | 基于改进粒子群算法获取系统谐波阻抗的谐波补偿方法 |
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 |
CN110441601A (zh) * | 2019-10-10 | 2019-11-12 | 四川大学 | 基于独立分量分析的多谐波源责任量化方法 |
CN110850167A (zh) * | 2019-12-27 | 2020-02-28 | 福州大学 | 一种多谐波源责任划分方法 |
CN111175608A (zh) * | 2020-01-19 | 2020-05-19 | 上海电力大学 | 基于加速独立分量分析的配电网谐波责任定量划分方法 |
CN111693773A (zh) * | 2020-04-29 | 2020-09-22 | 国网江苏省电力有限公司电力科学研究院 | 一种基于互近似熵数据筛选的谐波源责任划分方法 |
CN111898499A (zh) * | 2020-07-17 | 2020-11-06 | 东南大学 | 基于互近似熵与聚类的多谐波源谐波责任划分方法 |
Non-Patent Citations (5)
Title |
---|
WANG YAQI: "The harmonic probability distribution of power grid with multi-harmonic sources", 《2016 IEEE 11TH CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS (ICIEA)》 * |
ZHAO, JS: "Evaluation of Harmonic Contributions for Multi Harmonic Sources System Based on Mixed Entropy Screening and an Improved Independent Component Analysis Method", 《ENTROPY 》 * |
李庆: "基于参数自适应FastICA的风电场谐波发射水平评估", 《水电能源科学》 * |
林顺富: "基于改进FastICA及偏最小二乘法的系统谐波阻抗估计", 《电网技术》 * |
韩斐: "基于复值独立分量分析的配电网谐波状态估计", 《电网技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114325107A (zh) * | 2021-12-10 | 2022-04-12 | 国网西藏电力有限公司电力科学研究院 | 一种谐波阻抗计算结果准确性判断方法 |
CN114660362A (zh) * | 2022-05-19 | 2022-06-24 | 四川大学 | 基于互信息数据优选的系统侧谐波阻抗估计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112858782B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112858782B (zh) | 电力系统多元用户交互影响下的谐波责任量化方法和系统 | |
Sun et al. | Probabilistic optimal power flow with correlated wind power uncertainty via Markov chain quasi-Monte-Carlo sampling | |
CN101477172B (zh) | 一种基于神经网络的模拟电路故障诊断方法 | |
CN110705762B (zh) | 基于矩阵填充的泛在电力物联网感知数据缺失修复方法 | |
CN107436963B (zh) | 一种基于Copula函数多元退化的O型橡胶密封圈寿命预测方法 | |
Billings et al. | Sparse model identification using a forward orthogonal regression algorithm aided by mutual information | |
CN109033513B (zh) | 电力变压器故障诊断方法与电力变压器故障诊断装置 | |
CN106199267B (zh) | 一种电力设备故障特征分析方法 | |
CN111426905B (zh) | 一种配电网同母线变关系异常诊断方法、装置及系统 | |
Yang et al. | Fault diagnosis of analog filter circuit based on genetic algorithm | |
CN106443380B (zh) | 一种配电电缆局部放电信号识别方法及装置 | |
CN116401532B (zh) | 一种电力系统受扰后频率失稳识别方法及系统 | |
CN113554229A (zh) | 三相电压不平衡异常检测方法及装置 | |
Hamar et al. | State-of-health estimation using a neural network trained on vehicle data | |
CN117748507A (zh) | 基于高斯回归模型的配网谐波接入不确定性评估方法 | |
CN110244690B (zh) | 一种多变量工业过程故障辨识方法及系统 | |
Bhaduri et al. | Multiplicity fluctuation and phase transition in high-energy collision—A chaos-based study with complex network perspective | |
Zhu et al. | Injection amplitude guidance for impedance measurement in power systems | |
Yau et al. | Signal clustering of power disturbance by using chaos synchronization | |
CN106778692A (zh) | 一种基于s变换的电缆局部放电信号识别方法及装置 | |
Bhaduri et al. | Pion Fluctuation in High Energy Collisions-A Chaos-based Quantitative Estimation with Visibility Graph Technique | |
Qing et al. | Microwave imaging of a perfectly conducting cylinder using a real-coded genetic algorithm | |
Asgharzadeh et al. | Comparisons of methods of estimation for the half-logistic distribution | |
Kreidl | Bayesian nonparametric inference in state-space models with an application to extended target tracking | |
Higham et al. | Hybrid simulation of autoregulation within transcription and translation |
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 |