CN113240261A - 一种区域电能质量监测分析系统 - Google Patents
一种区域电能质量监测分析系统 Download PDFInfo
- Publication number
- CN113240261A CN113240261A CN202110495475.2A CN202110495475A CN113240261A CN 113240261 A CN113240261 A CN 113240261A CN 202110495475 A CN202110495475 A CN 202110495475A CN 113240261 A CN113240261 A CN 113240261A
- Authority
- CN
- China
- Prior art keywords
- power quality
- indexes
- weight
- time
- sampling
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000005070 sampling Methods 0.000 claims abstract description 44
- 238000013441 quality evaluation Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000013316 zoning Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 13
- 230000005284 excitation Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种区域电能质量监测分析系统,包括采样划区单元,用于按照采样周期计量电能质量指标并对该指标进行区域划分;电能质量分析单元,用于对划区后的指标进行分析并根据其动态变化特性对电能质量指标进行模糊处理,获得且输出各采样周期对应各时间段的电能质量评价值;评价值修正单元,用于对各时间段的电能质量评价值进行叠加求和得到综合评价值,修正各时间段所对应的时间因子用以确定时间权重。本发明通过选取时间序列上的时序动态三维数据对选取时间段的数据进行权重分配,能够实现多重电能质量指标对于监测分析综合结果影响度占幅的确定以及合理分配,进而得到较为客观的监测分析结果。
Description
技术领域
本发明涉及电能质量监测技术领域,具体涉及一种区域电能质量监测分析系统。
背景技术
随着社会的发展,电能质量问题越来越受到社会的关注,其原因不但与电力部门有关,有的电能质量指标(例如谐波、电压波动和闪变、三相电压不平衡度)往往是由用户干扰引起的,牵涉发电方、供电方和用电方,关系到各方的利益。因此,为了切实维护电力部门和电力用户的共同利益,保证电网的安全运行,净化电气环境,必须加强电力系统电能质量的管理,建立完善的电能质量监测与分析系统,以便对电能质量进行准确的检测、评估和分类电能质量监测技术的发展与完善关系到电网和用电的安全问题。
电能质量分析系统各指标相互影响、相互关联,有些指标相互冲突、相互干扰,因而需要确定出合理的全面的指标分析系统,才能最终客观地反映出各对象间的质量差异;由于各指标具有不同的度量单位,也就是存在统一量纲分析问题,需要在分析前对各项指标进行预处理,此外,对于区域电能质量监测分析系统来讲,不同指标间的权重以及各指标在时间序列上的时间权重的确定通常会影响分析结果,现有的电能质量监测分析系统针对电能质量多指标多属性特征往往无计可施,难以得到最终较为客观的分析结果。
发明内容
有鉴于此,本发明要解决的问题是提供一种区域电能质量监测分析系统。
为解决上述技术问题,本发明采用的技术方案是:一种区域电能质量监测分析系统,包括
采样划区单元,用于按照采样周期计量电能质量指标并对该指标进行区域划分;
电能质量分析单元,用于对划区后的指标进行分析并根据其动态变化特性对电能质量指标进行模糊处理,获得且输出各采样周期对应各时间段的电能质量评价值;
评价值修正单元,用于对各时间段的电能质量评价值进行叠加求和得到综合评价值,修正各时间段所对应的时间因子用以确定时间权重。
在本发明中,优选地,所述采样划区单元配置有若干数据采样集合,每一所述数据采样集合均对应若干所述电能质量指标。
在本发明中,优选地,所述电能质量分析单元配置有预处理模块,所述预处理模块配置有模糊策略和专家系统,所述模糊策略用于将电能质量指标按其隶属度函数进行归类表示得到隶属度值,根据隶属度值得到综合分析矩阵,所述专家系统用于确定电压权重分配等级和时间段权重分配等级进而得出权重矩阵,将综合分析矩阵与权重矩阵采用赋权集成算法得到电能质量分析结果。
在本发明中,优选地,所述专家系统采用专家打分策略和层次分析策略求取权重矩阵。
在本发明中,优选地,所述专家打分策略具体是依据用户需求与专家意见相结合得到原始权重矩阵和平均权重,计算原始权重的偏移量然后根据偏移量确定目标权重。
在本发明中,优选地,所述层次分析策略具体是定义各电能质量指标间比例标度,得到分项指标的正反矩阵,求解最大特征值及其对应的特征向量,对特征向量进行归一化处理然后进行随机一致性检验,若满足阈值条件则结束指令;否则先修改正反矩阵再得到分项指标的正反矩阵。
在本发明中,优选地,对各时间段的电能质量评价值进行叠加求和得到综合评价值具体采用最小方差法。
在本发明中,优选地,由指标经过归一化处理后建立时序数据表,计算时序数据表的最大特征值所对应的特征向量作为权重矩阵。
在本发明中,优选地,所述电能质量指标包括电网频率、电压偏差、三相电压不平衡、公用电网谐波、公用电网间谐波、电压波动和闪变、电压暂降与短时中断。
在本发明中,优选地,所述赋权集成算法具体为将采样集合的第i个节点Si在采样周期tN处的综合评价值记为yi(tk),令权重系数ωj(j=1,2,...,m)计算max(ωTHω)。
本发明具有的优点和积极效果是:通过采样划区单元、电能质量分析单元、评价修正单元之间的相互配合,采样划区单元依照采样周期对电能质量指标进行区域划分,通过电能质量分析单元对上述指标进行模糊处理,输出相应采样时段所对应的电能质量评价值,通过评价值修正单元对电能质量评价值进行叠加求和得到综合评价值,通过选取时间序列上的时序动态三维数据对选取时间段的数据进行权重分配,能够实现多重电能质量指标对于监测分析综合结果影响度占幅的确定以及合理分配,进而得到较为客观的监测分析结果。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的一种区域电能质量监测分析系统的整体示意图;
图2是本发明的一种区域电能质量监测分析系统的结构框图;
图3是本发明的一种区域电能质量监测分析系统的层次分析策略的示意图。
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。
需要说明的是,当组件被称为“固定于”另一个组件,它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件,它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1、图2和图3所示,本发明提供一种区域电能质量监测分析系统,包括
采样划区单元,用于按照采样周期计量电能质量指标并对该指标进行区域划分;
电能质量分析单元,用于对划区后的指标进行分析并根据其动态变化特性对电能质量指标进行模糊处理,获得且输出各采样周期对应各时间段的电能质量评价值;
评价值修正单元,用于对各时间段的电能质量评价值进行叠加求和得到综合评价值,修正各时间段所对应的时间因子用以确定时间权重。电能质量指标数据在传输过程中可能受到消极影响产生数据缺失问题,在对数据进行分析处理时也会导致采集数据不全,使得后续在对数据进行分析过程可能导致分析结果与实际情况偏差较大,进而造成分析系统的可靠性大大降低。可以通过对高于惩罚控制线的值进行惩罚,这些数值意味着该值高于评价序列内数值的平均水平,对于低于激励控制线的值进行奖励,这些数值意味着低于评价序列内数值的平均水平,对于处于惩罚控制线和激励控制线之间的值不进行处理。具体按照线性状态变换的方法模拟指标值的动态变化趋势,根据指标值的最大增长率、最小增长率、平均增长率以及修正系数计算惩罚控制方程以及激励控制方程的斜率,然后通过积分方法计算指标数值在采样周期内的固有评价值,结合惩罚控制方程、激励控制方程计算指标在采样周期内的惩罚值和激励值,根据指标在采样周期内的固有评价值、惩罚值、激励值,结合惩罚激励因子,得出基于惩罚激励机制的指标信息集结值。通过修正时间因子能够突出不同时期电能质量的作用,处于不同时间因子的情况下电能会发生变化规律,时间因子小于0.5时,时间权重逐渐增大,各时间段的权重在上半年增大下半年减小,时间因子大于0.5时情况相反,过调整时间因子反映不同时间段的电能质量对最终评价结果的影响。不同的电能质量指标具有不同特性,稳定性的指标相对变化较小,反映系统处于稳定状态,多变型指标间变化较大,电能质量波动强烈反映出系统负荷接入多样性。
在本实施例中,进一步地,所述采样划区单元配置有若干数据采样集合,每一所述数据采样集合均对应若干所述电能质量指标,便于分布式分析数据。由于指标不同,各种电能质量事件对电网及用户产生的影响程度不同,造成的经济损失不同,由此对于各电能指标的重视程度也不同,也就是说进行多指标综合评价时就存在评价指标之间权重的分配问题。针对不同电压等级,在进行电能质量综合评价时,先横向对同一电压等级下的不同评价点进行综合评价,进而从纵向覆盖所有电压等级的综合电压质量评价,也就是说需要对不同电压等级之间进行权重分配;在进行时序动态综合评价时,选取时间序列上的时序动态三维数据,当需要对选定时间段电能质量影响程度时,需要对选定时间序列上的历史数据进行权重分配。
在本实施例中,进一步地,所述电能质量分析单元配置有预处理模块,所述预处理模块配置有模糊策略和专家系统,所述模糊策略用于将电能质量指标按其隶属度函数进行归类表示得到隶属度值,根据隶属度值得到综合分析矩阵,所述专家系统用于确定电压权重分配等级和时间段权重分配等级进而得出权重矩阵,将综合分析矩阵与权重矩阵采用赋权集成算法得到电能质量分析结果。
在本实施例中,进一步地,所述专家系统采用专家打分策略和层次分析策略求取权重矩阵。层次分析是指对电能质量指标分析优化方案进行排序,具体而言是根据问题的性质和预期目标将问题分解成不同的组成因素,并按照因素之间的相互关联度和隶属关系将因素按不同层次聚集组合,进而构成一个分析结构模型,最终将系统分析归为最基层相对于最高层的重要性权值的确定过程。
在本实施例中,进一步地,所述层次分析策略具体是定义各电能质量指标间比例标度,得到分项指标评价的正反矩阵,求解最大特征值及其对应的特征向量,对特征向量进行归一化处理然后进行随机一致性检验,若满足阈值条件则结束指令;否则先修改评价正反矩阵在得到分项指标评价的正反矩阵。
在本实施例中,进一步地,对各时间段的电能质量评价值进行叠加求和得到综合评价值具体采用最小方差法。
在本实施例中,进一步地,由指标经过归一化处理后建立时序数据表,计算时序数据表的最大特征值所对应的特征向量作为权重矩阵。
在本实施例中,进一步地,所述电能质量指标包括电网频率、电压偏差、三相电压不平衡、公用电网谐波、公用电网间谐波、电压波动和闪变、电压暂降与短时中断。
在本实施例中,进一步地,所述赋权集成算法具体为将采样集合的第i个节点Si在采样周期tN处的综合评价值记为yi(tk),令权重系数ωj(j=1,2,...,m)计算max(ωTHω)。
本发明的工作原理和工作过程如下:工作时,首先记录某区域电网为i个节点,每个节点均有j个电能质量指标,采样周期具有k个时刻,由此得到时序动态三维数据表{xij(tk)},i=1,2,...,I;j=1,2,...,J;k=1,2,...,n,将采样周期划分成等间隔时间段进行数据采集,将每个采样节点采集得到的数据作为某项电能质量指标在前一采样周期内的一个采集值,对这些采集数据顺序排列然后筛除前百分之五的采集值后将余下数据中排序第一的数据作为该采样节点的采集值。然后对电能质量指标进行无量纲化处理,这样是为排除各电能质量指标量纲不同以及数值数量级别之间的较大差异所带来的影响,进而避免不合理情况的产生。具体而言是依照公式对数据进行标准化处理,其中表示第k时刻断面上所有采样节点中第j个指标的采集值的均值,表示其均方差。电能质量指标中存在极小型指标和极大型指标,因而要实现指标类型一致进而便于确定指标结构权重的数据处理,也就是说对于极大型指标,通过公式x*=x-xlimdown将其转换成极小型指标,其中xlimdown表示为上述指标的下界值;对于极小型指标,通过公式x*=xlimup-x将其转换成极大型指标,其中xlimup表示为上述指标的上界值。
由于电能质量指标的表述具有模糊性,需要通过电能质量分析单元对电能质量指标进行模糊处理,根据动态变化特征将指标分为不同等级,得出各个指标相对应的隶属度函数。包括电压偏差,频率偏差、电压波动和闪变、三相电压不平衡、谐波畸变率在内等指标属于偏差较小等级,其隶属度函数可以表示为
其中ΔX表示为各偏差指标的偏差值,X1、X2表示为偏差指标的限值,且均大于零由实际情况确定,ΔT表示为电能质量问题出现并持续的时间,ΔTs表示为电能质量问题出现并持续的时间限值,k>0,以发生次数或者时间比例作为指标值的指标,采用μ(x)=1-x公式表示隶属度,其中x表示为采集期间供电中断时间和总供电时间比例。通过将各指标模糊化得到隶属度值后形成模糊综合评价矩阵,再将模糊综合评价矩阵与权重均值采用。如图3所示,建立层次结构模型,层次结构模型包括目标层、规则层和方案层高,目标层表示决策目标以及待解决问题,规则层表示考虑的因素规则,方案层表示进行问题决策时的对策方案,根据已经构建的层次结构模型,通过定义各电能质量指标间比例标度表示出各指标的相对重要程度,进而得出各分项指标评价的正反矩阵,其中aij表示指标i和指标j间相互重要程度。层次单排序根据正反矩阵计算上一层次与本层次相关联元素重要性次序的权值,该层次单排序问题可以转化成计算特征矩阵特征值与特征向量的问题,由于层次排序具有主观因素,在进行重要性比对时可能会出现判断失误情况,因而先对特征向量进行归一化处理之后再对正反矩阵进行一致性验证,获取得到正反矩阵的一致性指标后将其与正反矩阵的平均随机指标进行比较,若满足相应阈值条件,则表示判断结果合理,结束指令,否则返回到获取分项指标评价的正反矩阵,计算某一层次全部元素相对于最高层的相对重要权值,从最高层向最底层逐次进行,实现对层次总排序结果进行随机一致性验证。
根据实际需求在电网中选取并布置相应的采样节点,不同电网具有不同的采样节点数目,根据采样周期将采集到的电能质量数据经由CAN总线通信上传至云端,便于实现电能质量指标的节点分布式监测分析。
确定权重向量的是体现不同被评价对象之间的差异,也就是求指标向量的线性函数使此函数对n个被评价对象取值的分散程度或方差尽量大一点。将问题转换为确定指标权重,将各指标映射为概率为p(Ii)(i=1,2,...,m),得到在指标Ii的先验概率评估点根据后验概率得出指标权值向量,根据贝叶斯公式得到后验概率,得出W’=(w’1,w’2,...,w’m),对评估点而言,后验概率强化了对其有利的指标,弱化了对其不利的指标。设指标用于最终评价的综合权值向量W=(w1,w2,...,wm),评估点在权值向量W’得到期望与权值向量W下获得期望结果的差值尽量小,由此建立最小二乘优化模型令对于有N+1个变量和N+1方程构成的方程组,矩阵表示为也就是其中求得权重向量W作为最终综合评价值。通过修正时间因子能够突出不同时期电能质量的作用,处于不同时间因子的情况下电能会发生变化规律,时间因子小于0.5时,时间权重逐渐增大,各时间段的权重在上半年增大下半年减小,时间因子大于0.5时情况相反,过调整时间因子反映不同时间段的电能质量对最终评价结果的影响。不同的电能质量指标具有不同特性,稳定性的指标相对变化较小,反映系统处于稳定状态,多变型指标间变化较大,电能质量波动强烈反映出系统负荷接入多样性。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与改进等,均应仍归属于本专利涵盖范围之内。
Claims (10)
1.一种区域电能质量监测分析系统,其特征在于,包括
采样划区单元,用于按照采样周期计量电能质量指标并对该指标进行区域划分;
电能质量分析单元,用于对划区后的指标进行分析并根据其动态变化特性对电能质量指标进行模糊处理,获得且输出各采样周期对应各时间段的电能质量评价值;
评价值修正单元,用于对各时间段的电能质量评价值进行叠加求和得到综合评价值,修正各时间段所对应的时间因子用以确定时间权重。
2.根据权利要求1所述的一种区域电能质量监测分析系统,其特征在于,所述采样划区单元配置有若干数据采样集合,每一所述数据采样集合均对应若干所述电能质量指标。
3.根据权利要求1所述的一种区域电能质量监测分析系统,其特征在于,所述电能质量分析单元配置有预处理模块,所述预处理模块配置有模糊策略和专家系统,所述模糊策略用于将电能质量指标按其隶属度函数进行归类表示得到隶属度值,根据隶属度值得到综合分析矩阵,所述专家系统用于确定电压权重分配等级和时间段权重分配等级进而得出权重矩阵,将综合分析矩阵与权重矩阵采用赋权集成算法得到电能质量分析结果。
4.根据权利要求3所述的一种区域电能质量监测分析系统,其特征在于,所述专家系统采用专家打分策略和层次分析策略求取权重矩阵。
5.根据权利要求4所述的一种区域电能质量监测分析系统,其特征在于,所述专家打分策略具体是依据用户需求与专家意见相结合得到原始权重矩阵和平均权重,计算原始权重的偏移量然后根据偏移量确定目标权重。
6.根据权利要求4所述的一种区域电能质量监测分析系统,其特征在于,所述层次分析策略具体是定义各电能质量指标间比例标度,得到分项指标评价的正反矩阵,求解最大特征值及其对应的特征向量,对特征向量进行归一化处理然后进行随机一致性检验,若通过验证则结束指令;否则先修改评价正反矩阵在得到分项指标评价的正反矩阵。
7.根据权利要求1所述的一种区域电能质量监测分析系统,其特征在于,对各时间段的电能质量评价值进行叠加求和得到综合评价值具体采用最小方差法。
8.根据权利要求1所述的一种区域电能质量监测分析系统,其特征在于,由指标经过归一化处理后建立时序数据表,计算时序数据表的最大特征值所对应的特征向量作为权重矩阵。
9.根据权利要求1所述的一种区域电能质量监测分析系统,其特征在于,所述电能质量指标包括电网频率、电压偏差、三相电压不平衡、公用电网谐波、公用电网间谐波、电压波动和闪变、电压暂降与短时中断。
10.根据权利要求3所述的一种区域电能质量监测分析系统,其特征在于,所述赋权集成算法具体为将采样集合的第i个节点Si在采样周期tN处的综合评价值记为yi(tk),令权重系数ωj(j=1,2,...,m)计算max(ωTHω)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110495475.2A CN113240261A (zh) | 2021-05-07 | 2021-05-07 | 一种区域电能质量监测分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110495475.2A CN113240261A (zh) | 2021-05-07 | 2021-05-07 | 一种区域电能质量监测分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113240261A true CN113240261A (zh) | 2021-08-10 |
Family
ID=77132391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110495475.2A Pending CN113240261A (zh) | 2021-05-07 | 2021-05-07 | 一种区域电能质量监测分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240261A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115130790A (zh) * | 2022-08-30 | 2022-09-30 | 南通森淼船舶技术有限公司 | 一种船舶电能质量检测方法及装置 |
CN116381302A (zh) * | 2023-04-14 | 2023-07-04 | 杭州中凯通信设备有限公司 | 一种嵌入式防水电能计量箱 |
CN116995734A (zh) * | 2023-09-27 | 2023-11-03 | 合肥工业大学 | 一种面向新型电网的分布式能源电能质量监测控制评价系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605016A (zh) * | 2013-10-30 | 2014-02-26 | 广东电网公司电力科学研究院 | 一种电能质量数据处理方法和装置 |
US9453869B1 (en) * | 2012-08-08 | 2016-09-27 | Perry Parkin | Fault prediction system for electrical distribution systems and monitored loads |
CN107392466A (zh) * | 2017-07-21 | 2017-11-24 | 浙江群力电气有限公司 | 一种电网电能质量动态综合评价方法及装置 |
CN110991780A (zh) * | 2019-01-23 | 2020-04-10 | 国网浙江省电力有限公司 | 一种基于有序加权平均算子的电能质量评价方法 |
CN112101719A (zh) * | 2020-08-10 | 2020-12-18 | 国网浙江省电力有限公司杭州供电公司 | 基于组合赋权法的电能质量指标权重确定方法 |
-
2021
- 2021-05-07 CN CN202110495475.2A patent/CN113240261A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9453869B1 (en) * | 2012-08-08 | 2016-09-27 | Perry Parkin | Fault prediction system for electrical distribution systems and monitored loads |
CN103605016A (zh) * | 2013-10-30 | 2014-02-26 | 广东电网公司电力科学研究院 | 一种电能质量数据处理方法和装置 |
CN107392466A (zh) * | 2017-07-21 | 2017-11-24 | 浙江群力电气有限公司 | 一种电网电能质量动态综合评价方法及装置 |
CN110991780A (zh) * | 2019-01-23 | 2020-04-10 | 国网浙江省电力有限公司 | 一种基于有序加权平均算子的电能质量评价方法 |
CN112101719A (zh) * | 2020-08-10 | 2020-12-18 | 国网浙江省电力有限公司杭州供电公司 | 基于组合赋权法的电能质量指标权重确定方法 |
Non-Patent Citations (3)
Title |
---|
章曙光等: "电力负荷预测的CBR中权重向量的选取模型", 《计算机技术与发展》 * |
翟兴丽等: "基于模糊层次分析法的电能质量综合评估与灵敏度分析", 《华北电力大学学报(自然科学版)》 * |
赵霞等: "基于可变权重的电能质量模糊综合评价", 《电网技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115130790A (zh) * | 2022-08-30 | 2022-09-30 | 南通森淼船舶技术有限公司 | 一种船舶电能质量检测方法及装置 |
CN116381302A (zh) * | 2023-04-14 | 2023-07-04 | 杭州中凯通信设备有限公司 | 一种嵌入式防水电能计量箱 |
CN116381302B (zh) * | 2023-04-14 | 2023-11-07 | 杭州中凯通信设备有限公司 | 一种嵌入式防水电能计量箱 |
CN116995734A (zh) * | 2023-09-27 | 2023-11-03 | 合肥工业大学 | 一种面向新型电网的分布式能源电能质量监测控制评价系统 |
CN116995734B (zh) * | 2023-09-27 | 2023-12-12 | 合肥工业大学 | 面向电网的分布式能源电能质量监测控制评价系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107563680B (zh) | 一种基于ahp和熵权法的配电网可靠性评估方法 | |
CN113240261A (zh) | 一种区域电能质量监测分析系统 | |
CN109546659B (zh) | 基于随机矩阵和智能场景匹配的配电网无功优化方法 | |
CN109359837A (zh) | 一种主动配电网技术经济效益评估与投资决策方法 | |
CN110288208B (zh) | 一种辐射型配电网可靠性与经济性的综合评估方法 | |
CN106779277B (zh) | 一种配电网网损的分类评估方法及装置 | |
CN110795692A (zh) | 一种主动配电网运行状态评估方法 | |
CN106505593A (zh) | 一种基于大数据的配变三相不平衡分析与负荷调整的方法 | |
CN113269371A (zh) | 一种智能配电网供电综合性能评估方法及系统 | |
CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
CN112990627A (zh) | 电能质量评估方法 | |
CN113595071A (zh) | 台区用户辨识与电压影响评估方法 | |
CN114037209A (zh) | 分布式光伏接入直流配电系统综合效益分析方法及装置 | |
CN116244875B (zh) | 一种虚拟电厂集群划分方法和装置 | |
CN109586309B (zh) | 基于大数据自由熵理论和场景匹配的配电网无功优化方法 | |
CN106655266B (zh) | 一种接入新能源的地区电网可灵活调节电源配置方法 | |
CN112734274A (zh) | 一种低碳电网运营主导影响因素挖掘及综合评估方法 | |
CN115622056B (zh) | 一种基于线性加权和选解法的储能优化配置方法及系统 | |
CN109193791B (zh) | 一种基于改进shapley值的风电汇聚趋势性分状态量化方法 | |
CN113949079B (zh) | 基于深度学习的配电台区用户三相不平衡预测优化方法 | |
CN114548641A (zh) | 一种考虑多能源协调的配电网弹性指标评估方法 | |
CN112653121B (zh) | 一种新能源微电网参与电网调频能力的评估方法及装置 | |
CN111260239B (zh) | 一种计及分布式能源的主动配电网风险评估实时评估方法 | |
Han et al. | Power Quality Comprehensive Evaluation Method for Wind-Solar-Battery Power System Based on Improved FAHP-GRA | |
Yang et al. | Power quality assessment based on combinatorial weight method of variance maximizing |
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 |