CN113128153B - 一种光伏电站中复合阈值触发的主动变频故障录波方法 - Google Patents
一种光伏电站中复合阈值触发的主动变频故障录波方法 Download PDFInfo
- Publication number
- CN113128153B CN113128153B CN202110425142.2A CN202110425142A CN113128153B CN 113128153 B CN113128153 B CN 113128153B CN 202110425142 A CN202110425142 A CN 202110425142A CN 113128153 B CN113128153 B CN 113128153B
- Authority
- CN
- China
- Prior art keywords
- analog quantity
- analog
- recording
- power station
- frequency conversion
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种光伏电站中复合阈值触发的主动变频故障录波方法,是通过引入灰色关联理论,对当前电站并网点电压和电流故障录波判据中所用的常见模拟量,分别进行抗误动和抗拒动关联度分析,同时考虑了在弱网条件下光伏出力随机性对并网点电压的影响,将光伏直流侧功率作为辅助触发参照因素,最后分析每个模拟量的最佳抗误动和抗拒动因子,将其计入触发判断中,实现故障录波触发的复合阈值判断,并综合单阈值和复合阈值判据判别结果,实时进行系统采样频率的主动分级调整,从而达到提升电压电流故障准录率,降低系统资源浪费的目的。
Description
技术领域
本发明涉及一种光伏电站中复合阈值触发的主动变频故障录波方法,属于电站运维监控技术领域。
背景技术
故障录波技术在电力系统发生故障及振荡时可以自动记录相关数据,在发电厂和变电站中应用广泛。当光伏电站并网后发生短路故障、系统振荡、电压崩溃等异常情况后,故障录波装置记录大量暂态数据,记录异常前后电流、电压及其导出量,如有功、无功及系统频率的全过程变化,判断故障相别、故障距离,正确分析故障成因和继保设备动作可靠性。
此外,当前分布式电源大量入网,远距离输电线路不可避免地给电网引入大量线路阻抗,在非线性负载以及线路阻抗的共同作用下,实际应用当中的电网不能够再被忽略,稍呈现出感性,呈现出“弱电网”特性,此时,并联连接点的电压不再由理想电网决定,由于电网阻抗的原因,逆变电流源中的谐波分量会流过阻抗,带给系统谐波电压,从而影响公共耦合点电压的总谐波畸变率,加重系统的谐波含量。在GB/T 33593-2017《分布式电源并网技术要求》的4.12条中明确规定:在10(6)kV~35kV电压等级电站并网点(PCC)处安装A级电能质量在线监测装置且监测数据至少保存一年。
因此,故障录波是光伏电站实时监测的重要组成部分。电站正常工作时,实时监测装置以低频采样记录电气数据,监控光伏电站运行状况;一旦出现异常,实时监测装置需要高频率采样,精确复现故障或震荡前后总过程,准确判断光伏系统异常情况,保证光伏电站可靠运行。当前工程实践中,故障录波的技术现状如下:
(1)触发判据方面:实现故障录波的第一个关键技术问题是录波触发的判据设定,即需通过一定的依据来诊断是否有故障发生,目前实际中主要依靠傅里叶算法,间接计算系统电压电流的突变量、有效值、对称分量和频率等指标,通过判断系统单个电气量是否符合提前设置的触发条件,决定是否启动故障录波,但是若电网频率存在偏移,则会影响傅里叶分析结果,使某些间接量产生误差;若冲突性或间歇性负荷频繁投切,则系统有效值会频繁地短时突变;在当前故障录波的触发判据设置中,前者可能导致录波系统误动和拒动,降低了录波数据的可靠性,后者会导致录波动作频繁间歇性启动,既浪费存储资源记录重复数据,又降低故障录波数据的分析价值。
(2)录波策略方面:实现故障录波的第二个关键技术问题是录波策略的设计,即需在系统正常运行的数据记录负担量和故障数据识别准确率的以及故障数据记录精度之间,寻找可同时兼顾的录波策略。目前实际中,根据《DL/T554-94220~500kV电力系统故障动态记录技术准则》要求,完整的故障记录中需含有故障前至少0.04s的数据记录,若保证故障的准确识别和高精度记录,则需要设置较高的基础采样频率,此举会极大增加正常运行系统的数据采集负担,导致存储资源浪费;若直接降低系统基础采集频率,则存在削弱故障识别准确性与降低故障记录数据精度的风险。
发明内容
本发明为克服现有电站故障录波方法存在的不足之处,提出一种光伏电站中复合阈值触发的主动变频故障录波方法,以期给出科学的故障录波触发判据以及相应的录波策略,从而能减小甚至消除故障录波系统误动和拒动,并提升录波系统资源使用效率。
本发明为达到上述发明目的,采用的技术方案如下:
本发明一种光伏电站中复合阈值触发的主动变频故障录波方法的特点包括以下步骤:
步骤1、采集故障录波中单阈值触发判据所用的模拟量集合A,所述模拟量集合A包含S+1个模拟量;
步骤2、使用灰色关联理论对模拟量集合A中的各个模拟量进行关联度分析:
步骤2.1、获取光伏电站中包含小扰动运行状态以及完全正常运行状态下的模拟量集合A中S+1个模拟量的历史数据;
步骤2.2、选取所述模拟量集合A中任一模拟量的N个历史数据记为母序列{X0(n)|n=1,2,…N},其中,X0(n)表示母序列中第n个历史数据;将所述模拟量集合A的其余S个模拟量的N个历史数据分别作为S个子序列,记为{Xs(n)|n=1,2,…N,s=1,2,…,S},其中,Xs(n)表示第s个子序列中的第n个历史数据;
步骤2.3、在模拟量集合A中,对由S个子序列的S×N个历史数据所构成的二维矩阵中的每一行子序列的N个历史数据分别与所述母序列中的N个历史数据作差并取绝对值,从而得到S×N阶判别矩阵Q;
步骤2.4、利用式(1)得到母序列中第n个历史数据X0(n)与第s个子序列中第n个历史数据Xs(n)间的数据关联度ξ(X0(n),Xs(n)),从而得到S×N阶数据关联度矩阵W={ξ(X0(n),Xs(n))|n=1,2,…N;s=1,2,…S}:
步骤2.5、利用式(2)计算第s个子序列{Xs(n)|n=1,2,…N}对于母序列{X0(n)|n=1,2,…N}的模拟量关联度r(X0,Xs):
式(2)中,Wsn表示S×N阶数据关联度矩阵W中第s行第n列的关联度;
步骤2.6、按照步骤2.2-步骤2.5的过程进行处理,使得所述模拟量集合A中的每个模拟量均作为母序列并进行关联度计算,从而得到包含小扰动运行状态以及完全正常运行状态下的模拟量集合A的S个模拟量关联度;
步骤3、获取光伏电站中电站故障状态下的模拟量集合A中S+1个模拟量的历史数据,并按照步骤2的过程进行处理,从而得到电站故障状态下的模拟量集合A的S个模拟量关联度;
步骤4、复合阈值触发判据的构建;
步骤5、根据单阈值触发判据和所述复合阈值触发判据执行故障变频录波流程。
本发明所述的主动变频故障录波方法的特点也在于,所述步骤4包括如下过程:
步骤4.1、寻找抗误动和抗拒动因子:
根据包含小扰动运行状态以及完全正常运行状态下的模拟量集合A的各个模拟量关联度,依次寻找模拟量集合A中每个模拟量关联度的最高值,并组成抗误动因子集合B;
根据电站故障状态下的模拟量集合A的S个模拟量关联度,依次寻找模拟量集合A中每个模拟量关联度的最高值,并组成抗拒动因子集合C;
步骤4.2、由单阈值模拟量推算复合阈值模拟量:
利用式(3)计算第i个复合阈值模拟量Di,从而得到复合阈值模拟序列D:
Di=Ai-niBi+miCi (3)
式(3)中,ni,mi分别第i个抗误动系数,第i个抗拒动系数;Ai、Bi、Ci分别为模拟量集合A、误动因子集合B和抗拒动因子集合C中的第i个元素,i=1,2,…S+1;
步骤3、由单阈值判据推算复合阈值判据:
利用式(4)得到单阈值判据:
ji≤Ai≤ki (4)
式(4)中,ji、ki为对模拟量集合A中第i个单阈值模拟量Ai所设定上限和下限,
利用式(5)得到复合阈值判据:
所述步骤5包括如下过程:
步骤5.1、设置两个比特位的变频特征码,记为H,其中,变频特征码H的第一个比特位的值由单阈值判据的判别结果决定,变频特征码H的第二个比特位的值由所述复合阈值判据的判别结果决定;
步骤5.2、若满足所述单阈值判据,则令H变频特征码第一个比特位的值为1,否则为0;若满足复合阈值判据,则令H变频特征码的第二个比特位数值为1,否则为0;
步骤5.3、根据变频特征码H调整光伏电站的采样频率f,录波系统流程包括:
若H=00,令采样频率f=f1,所述光伏电站持续采集模拟量集合A中S+1个模拟量的实时数据,并按照步骤5.2继续计算单阈值判据和复合阈值判据;
若H=10,令采样频率f=f2,所述光伏电站开始小扰动录波,持续采集并记录模拟量集合A中S+1个模拟量的实时数据直到达到预定录波时长T1或被动停止为止,录波结束,并令采样频率f=f1、变频特征码H=00;
若H=11或H=01,令采样频率f=f3,所述光伏电站开始故障录波,持续采集并记录模拟量集合A中S+1个模拟量的实时数据直到达到预定录波时长T2或被动停止为止,录波结束,并令采样频率f=f1、变频特征码H=00;其中,f1、f2、f3表示所设定的不同的采样频率,f1<f2<f3。
相比于现有故障录波方法,本发明的有益效果在于:
1)本发明的复合阈值判据设计:通过引入灰色关联理论,对现有单阈值判据所用模拟量进行关联度分析,寻找抗拒动和抗误动因子,综合计入判据设计考量中,建立了故障录波触发的复合阈值判断,由此改善了单阈值触发判据的误动和拒动问题,提高了故障录波系统的准录率;
2)本发明的故障录波主动分级调整:通过设置变频特征码,综合利用现有单阈值判据和复合阈值判据判别结果,对系统采样频率进行主动分级调整,使得系统在正常运行、小扰动状态、故障状态中的采样频率依次增加,既降低了存储资源消耗,又确保了各类非正常状态下数据的精确记录;
3)本发明应用的普适性:由于不同区域电力系统,电站的容量,负荷状态等特征不同,因而其误动与拒动原因并不完全一致,本发明从各个系统、电站实际历史数据出发,分析抗拒动与抗误动因子,从原理上做到复合阈值设计的因地制宜,提高了此故障录波方法在不同地区的普适性;
附图说明
图1为本发明中复合判据构建的流程图;
图2为本发明中故障变频录波流程图;
图3a为光伏电站并网点两次短时电压跌落故障图;
图3b为传统单阈值触发判据下录波波形图;
图3c为本发明复合阈值触发判据下录波波形图。
具体实施方式
本实施例中,一种光伏电站中复合阈值触发的主动变频故障录波方法包括以下步骤:
步骤1、采集故障录波中单阈值触发判据所用的模拟量集合A,模拟量集合A包含S+1个模拟量;具体实施中,设S为7,选取8个模拟量:电压电流突变量Δu,Δi、有效值U,I、总谐波畸变率THD、三相不平衡度K、频率f和光伏直流侧功率P。
步骤2、使用灰色关联理论对模拟量集合A中的各个模拟量进行关联度分析:
步骤2.1、获取光伏电站中包含小扰动运行状态以及完全正常运行状态下的模拟量集合A中8个模拟量的历史数据,各20个;
步骤2.2、选取模拟量集合A中任一模拟量的20个历史数据记为母序列{X0(n)|n=1,2,…20},其中,X0(n)表示母序列中第n个历史数据;将模拟量集合A的其余7个模拟量的20个历史数据分别作为7个子序列,记为{Xs(n)|n=1,2,…20,s=1,2,…,7},其中,Xs(n)表示第s个子序列中的第n个历史数据;
步骤2.3、在模拟量集合A中,由7个子序列的7×20个历史数据所构成的二维矩阵中的每一行子序列的20个历史数据分别与母序列中的20个历史数据作差并取绝对值,从而得到7×20阶判别矩阵Q;
步骤2.4、利用式(1)得到母序列中第n个历史数据X0(n)与第s个子序列中第n个历史数据Xs(n)间的数据关联度ξ(X0(n),Xs(n)),从而得到7×20阶数据关联度矩阵W={ξ(X0(n),Xs(n)|n=1,2,…20;s=1,2,…7}:
步骤2.5、利用式(2)计算第7个子序列{XS(n)|n=1,2,…20}对于母序列{X0(n)|n=1,2,…20}的模拟量关联度r(X0,Xs):
式(2)中,Wsn表示7×20阶数据关联度矩阵W中第s行第n列的关联度;
步骤2.6、按照步骤2.2-步骤2.5的过程进行处理,使得模拟量集合A中的每个模拟量均作为母序列并进行关联度计算,从而得到包含小扰动运行状态以及完全正常运行状态下的模拟量集合A的8个模拟量关联度,计算结果如表1所示:
表1由非故障数据得各模拟量抗误动关联度
步骤3、获取光伏电站中电站故障状态下的模拟量集合A中8个模拟量的历史数据,并按照步骤2的过程进行处理,从而得到电站故障状态下的模拟量集合A的8个模拟量关联度;所设定的故障包括常见单相接地故障,两相短路故障,短时电压跌落和单相断路故障,计算结果如表2所示:
表2由故障数据得各模拟量抗拒动关联度
步骤4、复合阈值触发判据的构建;
步骤4.1、寻找抗误动和抗拒动因子:
根据包含小扰动运行状态以及完全正常运行状态下的模拟量集合A={Δu,Δi,U,I,THD,K,f,P}的各个模拟量关联度,依次寻找模拟量集合A中每个模拟量关联度的最高值,并组成抗误动因子集合B,B={Δi,Δu,P,THD,U,THD,U,U};
根据电站故障状态下的模拟量集合A的8个模拟量关联度,依次寻找模拟量集合A中每个模拟量关联度的最高值,并组成抗拒动因子集合C,但由于表2中THD的最高关联度物理量仍为有效值U,为避免与抗误动因子重复,取与之关联度第二高的三相不平衡度K作为抗拒动因子,再根据表2其他关联度计算结果,可得C={THD,K,I,U,K,U,THD,I};
步骤4.2、由单阈值模拟量推算复合阈值模拟量:
利用式(3)计算第i个复合阈值模拟量Di,从而得到复合阈值模拟序列D:
Di=Ai-niBi+miCi (3)
式(3)中,ni,mi分别第i个抗误动系数,第i个抗拒动系数,本实施例中,均取1;Ai、Bi、Ci分别为模拟量集合A、误动因子集合B和抗拒动因子集合C中的第i个元素,i=1,2,3,4,5,6,7,8;代入步骤1所得结果,可知D中各元素表达式为:
步骤3、由单阈值判据推算复合阈值判据:
利用式(4)得到单阈值判据:
ji≤Ai≤ki (4)
以单阈值判据中相电压突变量为例,其现有单阈值判据为式(5):
5%UN≤Δu≤∞ (5)
式(5)中,Δu为电压突变量,UN为故障录波处额定电压值。
利用式(6)得到复合阈值判据:
5%UN-n1B*+m1C*≤Δu-Δi+THD≤∞-n1B*+m1C* (6)
式(6)中,为完全正常运行状态下抗误动因子集合B和抗拒动因子集合C中第i个元素的标准额定值,这里是Δi和THD的额定值,此处均为0;即得第一个复合判据为:5%UN≤Δu-Δi+THD≤∞;其余判据类似可得,不再赘述;在实际应用中,判据中抗误动和抗拒动因子前的系数可根据需求调整为合适数值,上述复合判据的整定流程如图1所示。
步骤5、根据单阈值触发判据和复合阈值触发判据对故障录波数据进行判别,并执行故障变频录波流程,如图2所示;
步骤5.1、设置两个比特位的变频特征码,记为H,其中,变频特征码H的第一个比特位的值由单阈值判据的判别结果决定,变频特征码H的第二个比特位的值由复合阈值判据的判别结果决定;
步骤5.2、若满足单阈值判据,则令H变频特征码第一个比特位的值为1,否则为0;若满足复合阈值判据,则令H变频特征码的第二个比特位数值为1,否则为0;
步骤5.3、根据变频特征码H调整光伏电站的采样频率f,录波系统流程包括:
若H=00,令采样频率f=f1,光伏电站持续采集模拟量集合A中8个模拟量的实时数据,并按照步骤5.2继续计算单阈值判据和复合阈值判据;
若H=10,令采样频率f=f2,光伏电站开始小扰动录波,持续采集并记录模拟量集合A中8个模拟量的实时数据直到达到预定录波时长T1或被动停止为止,录波结束,并令采样频率f=f1、变频特征码H=00;
若H=11或H=01,令采样频率f=f3,光伏电站开始故障录波,持续采集并记录模拟量集合A中8个模拟量的实时数据直到达到预定录波时长T2或被动停止为止,录波结束,并令采样频率f=f1、变频特征码H=00;其中,f1、f2、f3表示所设定的不同的采样频率,f1<f2<f3。
设本实施例中系统三级采样频率预设为:f1=6kHz,f2=12kHz,f3=16kHz,在一次故障录波的启动过程中,以f1=6kHz频率持续采集并计算相关物理量,执行单阈值复合阈值判据判别:5%UN≤Δu-Δi+THD≤∞和5%UN≤Δu≤∞:
若两个判据均未满足,即H=00,则说明系统正常运行,不存在小扰动和故障,此时应以f1=6kHz频率循环采集计算相关模拟量并持续判断;
若单阈值判据满足但复合阈值判据不满足,即H=10,则说明单阈值判据可能出现了误动作,推断系统发生了非系统故障范围内的小扰动或电能质量问题,此时应进行数据简单记录,以频率f2=12kHz进行数据采集和存储,达到记录设定时限后停止并返回,再以f1=6kHz频率持续判断;
若单阈值判据不满足但复合阈值判据满足,即H=01,则说明单阈值判据可能出现了拒动作,推断系统出现了故障,此时应进行数据精确记录,以f3=16kHz频率进行数据采集和存储,达到设定记录时限后停止并返回,再以f1=6kHz频率持续判断;
若单阈值判据和复合阈值判据同时满足,即H=11,表明系统出现了故障,此时应进行数据精确记录,以f3=16kHz频率进行数据采集和存储,达到设定记录时限后停止并返回,再以f1=6kHz频率持续判断;
假设某时段内,光伏电站并网点出现两次短时电压跌落故障,均产生电压突变,第一次突变12%,第二次突变6%,如图3a中所示。对此段故障进行监测录波,由于第一次故障突变量大,持续超过一个完整周波,单阈值触发判据可以正确判断并完整录波,但是第二次突变幅值小,且持续不满一个周期,因而传统的单点的突变量计算会引起误判,单阈值触发判据产生拒动,未能正确判断并完整录波,如图3b所示;另一方面,因为复合阈值判据引入了抗拒动因子,使得应用了复合阈值触发判据的录波系统正确并记录了两次系统电压突变故障,如图3c所示。
综上所述,本录波方法在现有单阈值触发模拟量基础上,同时考虑了在弱网条件下光伏出力随机性对并网点电压的影响,将光伏直流侧功率作为附加辅助触发参照因素,完善判据指标,并利用各录波点实际采集数据,通过灰色关联理论对完善后的故障录波判据所用模拟量,分别进行抗误动和抗拒动关联度分析,获得各个单阈值指标对应抗误动和抗拒动因子,最后据此设计故障录波复合阈值判据,并综合单阈值和复合阈值判据判别结果,实时进行系统采样频率的主动分级调整,达到了提升故障准录率,降低录波系统资源消耗和存储资源浪费的目的。
Claims (2)
1.一种光伏电站中复合阈值触发的主动变频故障录波方法,其特征包括以下步骤:
步骤1、采集故障录波中单阈值触发判据所用的模拟量集合A,所述模拟量集合A包含S+1个模拟量;
步骤2、使用灰色关联理论对模拟量集合A中的各个模拟量进行关联度分析:
步骤2.1、获取光伏电站中包含小扰动运行状态以及完全正常运行状态下的模拟量集合A中S+1个模拟量的历史数据;
步骤2.2、选取所述模拟量集合A中任一模拟量的N个历史数据记为母序列{X0(n)|n=1,2,…N},其中,X0(n)表示母序列中第n个历史数据;将所述模拟量集合A的其余S个模拟量的N个历史数据分别作为S个子序列,记为{Xs(n)|n=1,2,…N,s=1,2,…,S},其中,Xs(n)表示第s个子序列中的第n个历史数据;
步骤2.3、在模拟量集合A中,对由S个子序列的S×N个历史数据所构成的二维矩阵中的每一行子序列的N个历史数据分别与所述母序列中的N个历史数据作差并取绝对值,从而得到S×N阶判别矩阵Q;
步骤2.4、利用式(1)得到母序列中第n个历史数据X0(n)与第s个子序列中第n个历史数据Xs(n)间的数据关联度ξ(X0(n),Xs(n)),从而得到S×N阶数据关联度矩阵W={ξ(X0(n),Xs(n))|n=1,2,…N;s=1,2,…S}:
步骤2.5、利用式(2)计算第s个子序列{Xs(n)|n=1,2,…N}对于母序列{X0(n)|n=1,2,…N}的模拟量关联度r(X0,Xs):
式(2)中,Wsn表示S×N阶数据关联度矩阵W中第s行第n列的关联度;
步骤2.6、按照步骤2.2-步骤2.5的过程进行处理,使得所述模拟量集合A中的每个模拟量均作为母序列并进行关联度计算,从而得到包含小扰动运行状态以及完全正常运行状态下的模拟量集合A的S个模拟量关联度;
步骤3、获取光伏电站中电站故障状态下的模拟量集合A中S+1个模拟量的历史数据,并按照步骤2的过程进行处理,从而得到电站故障状态下的模拟量集合A的S个模拟量关联度;
步骤4、复合阈值触发判据的构建;
步骤4.1、寻找抗误动和抗拒动因子:
根据包含小扰动运行状态以及完全正常运行状态下的模拟量集合A的各个模拟量关联度,依次寻找模拟量集合A中每个模拟量关联度的最高值,并组成抗误动因子集合B;
根据电站故障状态下的模拟量集合A的S个模拟量关联度,依次寻找模拟量集合A中每个模拟量关联度的最高值,并组成抗拒动因子集合C;
步骤4.2、由单阈值模拟量推算复合阈值模拟量:
利用式(3)计算第i个复合阈值模拟量Di,从而得到复合阈值模拟序列D:
Di=Ai-niBi+miCi (3)
式(3)中,ni,mi分别第i个抗误动系数,第i个抗拒动系数;Ai、Bi、Ci分别为模拟量集合A、误动因子集合B和抗拒动因子集合C中的第i个元素,i=1,2,…S+1;
步骤3、由单阈值判据推算复合阈值判据:
利用式(4)得到单阈值判据:
ji≤Ai≤ki (4)
式(4)中,ji、ki为对模拟量集合A中第i个单阈值模拟量Ai所设定上限和下限,
利用式(5)得到复合阈值判据:
步骤5、根据单阈值触发判据和所述复合阈值触发判据执行故障变频录波流程。
2.根据权利要求1所述的主动变频故障录波方法,其特征是,所述步骤5包括如下过程:
步骤5.1、设置两个比特位的变频特征码,记为H,其中,变频特征码H的第一个比特位的值由单阈值判据的判别结果决定,变频特征码H的第二个比特位的值由所述复合阈值判据的判别结果决定;
步骤5.2、若满足所述单阈值判据,则令H变频特征码第一个比特位的值为1,否则为0;若满足复合阈值判据,则令H变频特征码的第二个比特位数值为1,否则为0;
步骤5.3、根据变频特征码H调整光伏电站的采样频率f,录波系统流程包括:
若H=00,令采样频率f=f1,所述光伏电站持续采集模拟量集合A中S+1个模拟量的实时数据,并按照步骤5.2继续计算单阈值判据和复合阈值判据;
若H=10,令采样频率f=f2,所述光伏电站开始小扰动录波,持续采集并记录模拟量集合A中S+1个模拟量的实时数据直到达到预定录波时长T1或被动停止为止,录波结束,并令采样频率f=f1、变频特征码H=00;
若H=11或H=01,令采样频率f=f3,所述光伏电站开始故障录波,持续采集并记录模拟量集合A中S+1个模拟量的实时数据直到达到预定录波时长T2或被动停止为止,录波结束,并令采样频率f=f1、变频特征码H=00;其中,f1、f2、f3表示所设定的不同的采样频率,f1<f2<f3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110425142.2A CN113128153B (zh) | 2021-04-20 | 2021-04-20 | 一种光伏电站中复合阈值触发的主动变频故障录波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110425142.2A CN113128153B (zh) | 2021-04-20 | 2021-04-20 | 一种光伏电站中复合阈值触发的主动变频故障录波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128153A CN113128153A (zh) | 2021-07-16 |
CN113128153B true CN113128153B (zh) | 2022-08-30 |
Family
ID=76778012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110425142.2A Active CN113128153B (zh) | 2021-04-20 | 2021-04-20 | 一种光伏电站中复合阈值触发的主动变频故障录波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128153B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741378B (zh) * | 2021-11-04 | 2022-03-15 | 西安热工研究院有限公司 | 分散控制系统后台异常点高频采集的故障分析方法及系统 |
CN115166585B (zh) * | 2022-09-08 | 2022-11-29 | 石家庄科林电气股份有限公司 | 接地故障检测防误判方法、装置及电子设备 |
CN118074318A (zh) * | 2024-01-10 | 2024-05-24 | 河北新烨工程技术有限公司 | 光伏后台云管理系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044554A (zh) * | 2015-06-30 | 2015-11-11 | 安徽博诺思信息科技有限公司 | 一种电网故障检测诊断方法 |
CN106570780A (zh) * | 2016-11-02 | 2017-04-19 | 金哲 | 基于灰色关联理论的输电线路舞动预警方法 |
CN107133721A (zh) * | 2017-04-17 | 2017-09-05 | 国网江苏省电力公司 | 基于灰色理论的配电网量测不良数据关联因素分析方法 |
CN107271804A (zh) * | 2016-04-06 | 2017-10-20 | 西门子电力自动化有限公司 | 电力系统的故障录波方法和装置 |
WO2018028005A1 (zh) * | 2016-08-11 | 2018-02-15 | 苏州瑞得恩自动化设备科技有限公司 | 一种大型光伏电站中电池面板的故障检测算法 |
CN107748286A (zh) * | 2017-09-01 | 2018-03-02 | 许昌许继软件技术有限公司 | 一种变电站浪涌干扰信号的识别方法及装置 |
CN108429245A (zh) * | 2018-03-23 | 2018-08-21 | 上海电力学院 | 基于序电流灰色关联与多信息融合的广域后备保护方法 |
CN110417351A (zh) * | 2019-08-01 | 2019-11-05 | 上海理工大学 | 光伏系统直流侧电弧故障检测系统及检测方法 |
CN110441657A (zh) * | 2019-08-22 | 2019-11-12 | 深圳华工能源技术有限公司 | 配用电系统故障录波方法、装置及存储介质 |
WO2021051656A1 (zh) * | 2019-09-20 | 2021-03-25 | 中国电力科学研究院有限公司 | 宽频测量数据的处理方法、装置、电子设备及介质 |
-
2021
- 2021-04-20 CN CN202110425142.2A patent/CN113128153B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044554A (zh) * | 2015-06-30 | 2015-11-11 | 安徽博诺思信息科技有限公司 | 一种电网故障检测诊断方法 |
CN107271804A (zh) * | 2016-04-06 | 2017-10-20 | 西门子电力自动化有限公司 | 电力系统的故障录波方法和装置 |
WO2018028005A1 (zh) * | 2016-08-11 | 2018-02-15 | 苏州瑞得恩自动化设备科技有限公司 | 一种大型光伏电站中电池面板的故障检测算法 |
CN106570780A (zh) * | 2016-11-02 | 2017-04-19 | 金哲 | 基于灰色关联理论的输电线路舞动预警方法 |
CN107133721A (zh) * | 2017-04-17 | 2017-09-05 | 国网江苏省电力公司 | 基于灰色理论的配电网量测不良数据关联因素分析方法 |
CN107748286A (zh) * | 2017-09-01 | 2018-03-02 | 许昌许继软件技术有限公司 | 一种变电站浪涌干扰信号的识别方法及装置 |
CN108429245A (zh) * | 2018-03-23 | 2018-08-21 | 上海电力学院 | 基于序电流灰色关联与多信息融合的广域后备保护方法 |
CN110417351A (zh) * | 2019-08-01 | 2019-11-05 | 上海理工大学 | 光伏系统直流侧电弧故障检测系统及检测方法 |
CN110441657A (zh) * | 2019-08-22 | 2019-11-12 | 深圳华工能源技术有限公司 | 配用电系统故障录波方法、装置及存储介质 |
WO2021051656A1 (zh) * | 2019-09-20 | 2021-03-25 | 中国电力科学研究院有限公司 | 宽频测量数据的处理方法、装置、电子设备及介质 |
Non-Patent Citations (2)
Title |
---|
Intelligent photovoltaic monitoring based on solar irradiance big data and wireless sensor networks;Tao Hua,Minghui Zheng,Jianjun Tan,Li Zhu,Wang Miao;《AD HOC NETWORKS》;20151102;第35卷;第127-136页 * |
利用时空电气量基于灰色关联度的电网故障诊断;韩迎春等;《电网技术》;20170205(第02期);第252-259页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113128153A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113128153B (zh) | 一种光伏电站中复合阈值触发的主动变频故障录波方法 | |
CN101425686A (zh) | 电力系统在线安全稳定评估预想故障集自适应筛选方法 | |
Wang et al. | A DC voltage monitoring and control method for three-phase grid-connected wind turbine inverters | |
Zhou et al. | Reactive power impacts on LCL filter capacitor lifetime in grid-connected inverter | |
Shen et al. | Finite control set model predictive control for complex energy system with large‐scale wind power | |
CN115986797A (zh) | 一种基于多点同步测试的新能源场站电化学储能系统并网性能检测方法、装置和系统 | |
Chao et al. | Fault ride-through behaviors correction-based single-unit equivalent method for large photovoltaic power plants | |
Jiang et al. | Impedance characteristics of DFIGs considering the impacts of DFIG numbers and locations and its application on SSR analysis | |
WO2024104037A1 (zh) | 基于数学形态学和模式识别的直流电弧检测方法 | |
CN103630785A (zh) | 光伏逆变器复合粒子过程在线剩余寿命评估方法 | |
Kumar et al. | Voltage and current actuated hybrid protection scheme for utility grid with high penetration levels of renewable energy | |
CN110518616A (zh) | 基于一阶电路响应的交直流系统换相电压预测方法 | |
CN112257997B (zh) | 一种基于神经网络的pcs转化率计算方法及系统 | |
Qiu et al. | Capacitor Condition Monitoring for Cascaded H-Bridge Based on Recursive Least Squares Method | |
CN113917249B (zh) | 一种风电机组高低电压故障穿越监测方法及系统 | |
Zhuangzhuang et al. | Phasor Measurement Unit Measurement Data Processing Method Applied to a Two-Stage Identification Algorithm for Load Model Parameters | |
Fan et al. | Health Assessment of Two-stage Inverter Based on Multiple Evaluation Indexes Feature Optimization Model and Mahalanobis Distance | |
Li et al. | Model predictive control for wind farm integration through VSC-HVDC | |
Feng et al. | Study on online recognition method of renewable energy cascading tripping evaluation based on machine learning | |
Zhang et al. | Deep Reinforcement Learning-Enabled Adaptive Forecasting-Aided State Estimation in Distribution Systems with Multi-Source Multi-Rate Data | |
Zhang et al. | Evaluation method for transient reactive power voltage regulation capability of photovoltaic power stations considering power grid status | |
Lu et al. | An Novel Online Monitoring Scheme of dc-link Capacitors in Multistring Photovoltaic dc/dc Converters Without Capacitor Voltage and Current | |
Ren et al. | Quantitative Intelligent Evaluation of Transient Power Angle Stability based on Cluster Grouping | |
Fan et al. | Research about the harmonic/inter-harmonic characteristic of grid connected with wind plant based on wide-frequency measurement data | |
Sepehr et al. | Enhancing Transient Stability of Power Synchronization Control via Deep Learning |
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 |