CN113377754A - 宽频测量数据边缘预处理方法、系统、设备及存储介质 - Google Patents
宽频测量数据边缘预处理方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN113377754A CN113377754A CN202110694532.XA CN202110694532A CN113377754A CN 113377754 A CN113377754 A CN 113377754A CN 202110694532 A CN202110694532 A CN 202110694532A CN 113377754 A CN113377754 A CN 113377754A
- Authority
- CN
- China
- Prior art keywords
- data
- broadband
- harmonic
- preprocessing
- inter
- 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
- 238000007781 pre-processing Methods 0.000 title claims abstract description 133
- 238000005259 measurement Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000009827 uniform distribution Methods 0.000 claims abstract description 14
- 238000004140 cleaning Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 230000010355 oscillation Effects 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供一种宽频测量数据边缘预处理方法、系统、设备及存储介质，方法包括以下步骤：获取多个间隔的宽频测量数据并进行清洗；所述宽频测量数据包括宽频谐波数据、宽频主导分量数据和宽频间谐波数据；针对宽频谐波数据、宽频主导分量数据和宽频间谐波数据进行预处理，采用周期内数据均匀分布统计规律来描述宽频谐波数据、宽频主导分量数据和宽频间谐波数据对应的运行动态特性，得到预处理分析的结果；将预处理的结果存储到预处理格式的文件中。该方法能够简化宽频主站的分析应用，供边缘侧与主站则使用，支撑宽频测量数据进一步的分析应用。
Description
技术领域
本发明涉及一种宽频测量数据边缘预处理方法、系统、设备及存储介质，本发明涉及电力系统自动化技术领域。
背景技术
随着新能源、直流输电、交流柔性输电相关的电力电子设备广泛应用于电网的各个环节，其带来的谐波、间谐波、次同步振荡等非工频电气量也日益增多，危及电网的安全稳定运行。传统量测装置对于非工频电气量反应能力弱，在波形畸变时测量准确度下降，已难以满足现代电网运行监视需求。
宽频测量装置可涵盖2500Hz范围内所有谐波和间谐波的信号，频率分辨率不低于1Hz，比现有的仅关注50Hz工频信号的数据量至少扩大2500倍，如此大的数据量实时传输到主站会给现有网络传输带来大的压力。另外，电网稳定运行时大量宽频测量数据对主站的监测与控制并无实际帮助，主站仅需要子站能够传输需要的结果数据。因此，积极开展宽频测量数据的边缘预处理功能，简化向主站的信息传输成为了宽频测量技术应用迫切需要解决的问题。
发明内容
针对现有技术中存在的问题，本发明提供了一种宽频测量数据边缘预处理方法、系统、设备及存储介质，该方法能够简化宽频主站的分析应用，供边缘侧与主站侧使用，支撑宽频测量数据进一步的分析应用。
为达到上述目的，本发明采用了以下技术方案：
一种宽频测量数据边缘预处理方法，包括如下步骤：
获取多个间隔的宽频测量数据并进行清洗；所述宽频测量数据包括宽频谐波数据、宽频主导分量数据和宽频间谐波数据；
针对宽频谐波数据、宽频主导分量数据和宽频间谐波数据进行预处理，采用周期内数据均匀分布统计规律来描述宽频谐波数据、宽频主导分量数据和宽频间谐波数据对应的运行动态特性，得到预处理分析的结果；
将预处理的结果存储到预处理格式的文件中。
作为本发明的进一步改进，所述宽频测量数据的清洗是指基于宽频业务功能辨识出宽频测量数据对宽频业务分析应用冗余无效的脏数据，并将数据过滤剔除；
所述脏数据是指：异常的数据、无效的数据、重复的数据、不一致的数据、零漂的数据。
作为本发明的进一步改进，所述宽频谐波数据的预处理具体包括：
同时对站内多台宽频测量装置、多个间隔数据并行处理形成同一断面数据，以每个间隔数据为一个单元进行统计，每个间隔中包含A、B、C三相电流和三相电压，构建变电站-装置-间隔-通道-谐波处理数据的分层结构。
作为本发明的进一步改进，周期内数据均匀分布统计规律具体包括：
按照以分钟为单位配置周期，在周期内计算得到周期内电流和电压幅值的最大幅值、最小幅值和平均幅值；
采用分时段预处理各次谐波发生的次数和幅值两个维度进行预处理；分时段是指按照小时、天、周、月等时间段预处理；分别分析出每个时段的各次谐波的次数和各次谐波的最大幅值，并按照从大到小的顺序将最大幅值进行排序；
按照光伏、风电、牵引、常规、储能、垃圾发电不同负荷类型，分析各次谐波幅值的分布规律和各次谐波相角的分布规律；形成各种负荷类型的谐波数据规律，并依据该规律预测下一个时段的谐波数据变化运行趋势；
针对同一类型的负荷不同间隔的谐波数据进行比对分析，分别得到同一类型负荷不同间隔之间谐波数据的规律，不同间隔分别比对谐波的幅值、相角、出现的次数以及出现时段，从而得到同一个站内不同间隔的谐波数据运行动态特性。
作为本发明的进一步改进，所述宽频主导分量数据的预处理具体为：
对多个宽频装置、以及每个宽频装置的多个间隔数据进行处理，在周期时间范围内分别统计得到A、B、C三相电流、电压和功率的多个最大幅值及其对应的频率，构建A、B、C三相电压与电流的频率-幅值的预处理模板结构。
作为本发明的进一步改进，所述处理具体包括：
对宽频测量数据采用构建预处理树的排序方法进行排序分别得到次数最多和幅值最大两个维度上的多个数据；预处理数据树的根节点包含多台装置节点，装置节点下面建立多个间隔节点，间隔节点下面建立A、B、C三相电流与电压节点和间隔功率节点；
其中，预处理树方法排序方法为：
构建多个主导分量的树节点，把所有的卫星数据都存储在叶节点中，内部节点只存放关键字和孩子指针，将所有叶子节点串成链表从头到尾遍历；
主导分量数据在插入到树节点中即将排序完成，插入一个元素时，首先判断在主导分量预处理树中是否存在，如果不存在，即在叶子结点处结束，然后在叶子结点中插入所述元素。
作为本发明的进一步改进，所述宽频间谐波数据的预处理包括：
同时对站内多台宽频测量装置、多个间隔的数据并行处理，以每个间隔数据为一个单元进行统计，每个间隔中包含A、B、C三相电流和三相电压，构建变电站-装置-间隔-通道-间谐波处理数据的分层结构。
作为本发明的进一步改进，间谐波的统计中，需要对宽频测量装置上送的两种间谐波数据频点进行归一处理；具体为将获得的精确信号频率和幅值进行聚焦到中心点匹配的区间上处理，统一为间谐波带中心点频率的固定区间内获得总体信号能量；
将接收到的宽频间谐波数据统一归集到间谐波带中心频点所在区间上，采用直接排序法将间谐波带中心数据预处理，分别得到周期内的最大值、最小值和平均值。
作为本发明的进一步改进，所述直接排序法具体包括：
以第一个间谐波带中心点数据为起点分别定义最大值、最小值和总和值；
分别取到第二个数据比它小的互换，接着再和第三个的比较，依次比较直到参加比较的所有数据结束；比较完后得到最小的数据值；
同理得到最大的数据值；平均值即将所有的数据相加形成总和，然后除以总个数即得到平均值；
得到周期内的间谐波带中心点数据的最大值、最小值和平均值。
作为本发明的进一步改进，所述预处理文件包含预处理镜像数据与预处理数据语义信息；
所述预处理镜像数据文件保存的为每个周期预处理的同一个断面的谐波、主导分量数据和间谐波数据；以统计的时间点、谐波通道预处理数据、主导分量数据通道预处理数据和间谐波数据通道预处理数据的顺序方式存储到文件中；
所述预处理数据语义格式文件包含每个装置的名称和描述，每个间隔的名称和描述、谐波预处理数据、主导分量预处理数据、间谐波预处理数据每个通道的名称与描述；
所述预处理语义文件和镜像数据文件采用压缩的方式存储并针对文件的内容进行分层数字签名。
一种宽频测量数据边缘预处理系统，包括：
获取单元，用于获取多个间隔的宽频测量数据并进行清洗；所述宽频测量数据包括宽频谐波数据、宽频主导分量数据和宽频间谐波数据；
预处理单元，用于针对宽频谐波数据、宽频主导分量数据和宽频间谐波数据进行预处理，采用周期内数据均匀分布统计规律来描述宽频谐波数据、宽频主导分量数据和宽频间谐波数据对应的运行动态特性，得到预处理分析的结果；
存储单元，用于将预处理的结果存储到预处理格式的文件中。
一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述宽频测量数据边缘预处理方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述宽频测量数据边缘预处理方法的步骤。
本发明的有益效果体现在：
本发明的宽频测量数据边缘预处理方法，通过均匀分布统计规律来描述宽频测量的谐波数据的运行动态特性，将秒级的数据预处理为分钟级的数据，减少上送主站的数据量。避免各次谐波所有数据上送到主站，给传输和主站存储带来压力。尤其是通过边缘分析宽频测量数据的预处理，针对宽频数据的运行规律统计分析，得到宽频数据的动态特性等预处理分析的结果，将秒级的数据压缩成典型的分钟级数据，并在边缘端压缩存储，只将主站关心的预处理数据结果上送，极大的减轻了主子站之间的数据传输量，减少了平稳状态下主站宽频测量数据的密度和存储空间，支撑主站对宽频测量数据进一步的分析应用。
进一步，同时采用分层签名的方式保证预处理后数据的正式性和不可篡改性，有效的实现了宽频测量数据的边缘预处理。
附图说明
图1为本发明宽频测量数据边缘预处理流程图；
图2为间谐波中心点排序流程图；
图3为本发明优选实施例宽频测量数据边缘预处理系统结构示意图；
图4为本发明优选实施例电子设备结构示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
随着大规模新能源的开发利用和智能电网的发展，当前电网的电力电子化趋势明显，此外，随着电网规模的扩大和输送功率的提高，电网结构和运行方式变得越来越复杂，频繁发生周期性的功率振荡，严重威胁电网安全稳定运行。电网谐波干扰、次同步振荡等扰动现象更加频繁，电网的谐波呈现宽频域的趋势，亟需提高电网对不同频率扰动分量的监测能力，保障电网运行安全。当前，宽频测量技术研究的重点是宽频测量装置，宽频测量装置测量的范围是0Hz-2500Hz，生成的数据量是工频装置的2500倍，然而针对大量的宽频测量数据的边缘侧预处理的方法尚欠缺，将大量的宽频测量数据直接上送到主站，给传输和主站数据存储造成压力，针对全网大量的数据分析，增加了主站分析应用宽频测量数据的复杂度。
现有部署的宽频测量装置仅实现了数据测量，未对宽频测量数据进行边缘预处理提供方法，不利于宽频测量数据的主子站交互。因此，在借鉴边缘计算的感知层、边缘层、应用层的功能架构，处理单元运用边缘计算的方法，实现宽频测量数据的预处理分析，解决大量的宽频测量数据传输的瓶颈问题。
综上，目前在宽频测量技术与边缘计算技术方面开展了研究，研究的重点内容是宽频测量技术的实现，以及边缘计算在配电网中应用等内容，如何在宽频测量处理单元中运用边缘计算的方法，实现宽频测量数据预处理，减轻大量宽频测量数据上送主站的瓶颈压力，主站获取站域处理结果数据，简化宽频主站的分析应用等方面尚未见报道。
本发明预处理宽频测量数据，首先对大量的宽频测量数据进行清洗，然后针对谐波、间谐波、主导分量数据进行预处理，并将预处理的结果存储到预处理格式的文件中，供边缘侧与主站则使用，支撑宽频测量数据进一步的分析应用。
本发明提供一种宽频测量数据边缘预处理分析方法，包括如下步骤：
1)宽频测量数据清洗；
2)宽频谐波数据预处理；
3)宽频主导分量数据预处理；
4)宽频间谐波数据预处理；
5)预处理数据存储到预处理文件中。
所述步骤1)宽频测量处理单元实时的并发订阅多台宽频测量装置多个间隔的宽频测量数据。
前述的宽频测量数据，是指采样频率不低于12.8kHz，实现电网电气量0～2500Hz宽频域范围内基波、次超同步、宽频振荡信号、谐波和间谐波的统一测量数据。宽频测量数据包含相量、模拟量和数字量。宽频测量数据的频率范围划分为：0.1～2.5Hz范围内的低频振荡数据，2.5～45Hz范围内的次同步振荡和55～95Hz范围内的超同步振荡数据，100-300Hz频率范围的宽频振荡数据，100-2500Hz范围内谐波，300-2500Hz间谐波的测量数据。
前述的所述步骤1)宽频测量数据清洗是指基于宽频业务功能辨识出宽频测量数据对宽频业务分析应用冗余无效的脏数据，并将数据过滤剔除。
前述的宽频测量脏数据是指：异常的数据、无效的数据、重复的数据、不一致的数据、零漂的数据。
异常的数据是指处理单元接收到的宽频测量数据二进制码值签名验证失败的数据。
无效的数据是指宽频测量数据中由于二次回路干扰形成电流、电压与功率的极小幅值数据。电流与电压极小幅值是指A、B、C三相电流次/超同步、谐波和间谐波的幅值分别与基波电流和电压的幅值比低于0.1％；功率极小幅值是指间隔次超同步功率的幅值与间隔功率的幅值比低于0.01％。
重复的数据是指宽频测量数据时标等于或者小于上一次接收的数据时标。
零值的数据是在宽频测量数据中不存在值为零的数据，但宽频测量数据传输过程中由于通信编码、网络异常、软件异常产生数据幅值为零的数据。
零漂数据是指在电网接入的负荷比较轻或者空载的情况下，宽频测量数据的幅值可能非常小甚至接近于零值，零漂数据采用阀值比较的方式识别，识别依据为：交流二次电压回路的零漂值应小于0.05V，交流二次电流回路的零漂值应小于0.1％In。
不一致的数据是指基波的频率与工频50Hz的误差大于正负0.2Hz；
不一致的数据是指基波相量的三相电压、电流相角不为120°夹角；
不一致的数据是指电压值应符合设备所在的电压等级，单相电压值×1.732≈线电压值≈电压等级值，如果与所在电压等级的值不一致则认为为无效的数据，对于接收的A、B、C三相电压基波宽频数据进行辨识，例如220kV等级的，变比是220kV:100V，则上送的二次电压值应为100V，如果相差太大则认为数据异常；不同电压等级的宽频数据中电压基波对应的二次值分别不同。由于宽频测量装置上送的数据二次值为有效值，二次数据值如下表。
| 电压等级 | 变比 | 二次值 |
| 500kV | 500kV:100V | 57.737 |
| 220kV | 220kV:100V | 57.737 |
| 110kV | 110kV:100V | 57.737 |
| 35kV | 35kV:100V | 57.737 |
| 10kV | 10kV:100V | 57.737 |
不一致的数据是指接收到的三相数据相角相加不满足为零的情况为不一致数据；
不一致的数据是指次超同步数据以工频50Hz对称，测量数据处于10～40Hz和60～90Hz范围内，次/超同步功率振荡频率在10～40Hz之间，如果次同步数据与超同步数据不以工频50Hz对称，则数据为不一致数据。
不一致的数据是指宽频测量数据的触原因与开关量数据中的告警事件是否一致。电流、电压或者功率数据是否超过整定定值，如果没有则测量值与开关量告警不一致。
前述的所述步骤2)宽频谐波数据预处理是指以间隔为单元，分别预处理每个间隔中的A、B、C三相电流和三相电压。谐波数据频率范围为0～2500Hz，对应的谐波次数范围为1～50次。
前述的谐波数据每个通道包含1～50次数据，基于谐波数据刷新周期秒级特点，每秒钟对谐波数据作一次预处理计算。
前述的谐波数据预处理是指采用周期内数据均匀分布统计规律来描述宽频测量的谐波数据的运行动态特性，将秒级的数据预处理为分钟级的数据，减少上送主站的数据量。避免各次谐波所有数据上送到主站，给传输和主站存储带来压力。
周期内数据均匀分布统计规律是指按照以分钟为单位不小于1分钟的可弹性配置周期，在周期内计算得到周期内电流和电压幅值的最大幅值、最小幅值和平均幅值，典型周期设置为5分钟。
上述的预处理是同时对站内多台宽频测量装置、多个间隔的数据并行处理形成同一断面数据，以每个间隔数据为一个单元进行统计，每个间隔中包含6个统计通道即A、B、C三相电流和三相电压。每个通道中定义50个谐波处理数据，构建变电站-装置-间隔-通道-谐波处理数据的分层结构。
上述根据获取的每个通道的宽频测量实时谐波数据计算每个间隔的A、B、C三相电流与电压的6个通道畸变率值，当最大值超过预设的定值，记录下该实时数据的发生时刻，并形成告警信息，谐波畸变率的定值可以灵活整定，基波的不同电压等级整定的畸变率不一样，其中380V对应的畸变率为5％，220kV对应的畸变率为2％。
上述谐波预处理每个间隔的A、B、C三相谐波数据幅值，分别求得与基波幅值的百分比，百分比超过设置的定值，则记录该数据连续的前后时间数据，并形成告警事件信息，告警事件信息中包含该谐波发生时刻、数据时值、谐波次数、间隔名、通道名等信息。
上述谐波预处理每个间隔的A、B、C三相谐波数据，当连续出现某次谐波数据并且幅值有突变，则记录该数据的连续的前后时间数据，并形成告警事件信息，告警事件信息中包含该谐波发生时刻、数据实时值、谐波次数、间隔名、通道名等信息。例如连续出现3、5、7次谐波电流并有突变，生成该谐波的告警信息。
上述采用分时段预处理各次谐波发生的次数和幅值两个维度进行预处理。分时段是指按照小时、天、周、月等时间段预处理；分别分析出每个时段的各次谐波的次数和各次谐波的最大幅值，并按照从大到小的顺序将最大幅值进行排序。
上述预处理按照光伏、风电、牵引、常规、储能、垃圾发电不同负荷类型，分析各次谐波幅值的分布规律和各次谐波相角的分布规律。形成各种负荷类型的谐波数据规律，并依据该规律预测下一个时段的谐波数据变化运行趋势。
上述预处理针对同一类型的负荷不同间隔的谐波数据进行比对分析，分别得到同一类型负荷不同间隔之间谐波数据的规律，不同间隔分别比对谐波的幅值、相角、出现的次数以及出现时段，从而得到同一个站内不同间隔的谐波数据运行动态特性。
所述步骤3)宽频主导分量数据预处理。主导分量数据是指300Hz以下振荡数据与宽频数据的幅值和相角。其中振荡数据为：0.1～2.5Hz范围内的低频振荡数据、2.5～45Hz范围功率的次同步振荡、55～95Hz范围内功率的超同步振荡数据；宽频数据是指100Hz～300Hz范围内间谐波电压与电流的数据，包括频率及各频率对应的幅值。
前述宽频测量的主导分量按照幅度的强弱依次将最主要的10个振荡数据的频率及对应幅值上送，频率的分辨率为0.5Hz。
预处理基于幅值和频率2个维度，分别分析出主导分量的电压、电流、功率的前10个出现次数最多和前10个幅值最大的宽频数据。
前述的宽频测量预处理数据是指在周期时间范围内分别统计得到A、B、C三相电流、电压和功率的10个最大幅值及其对应的频率。
前述宽频测量预处理数据以0.5Hz为步长，构建A、B、C三相电压与电流的频率-幅值的预处理模板结构，该模板结构采用特征-数据对的方式存储，其中特征为频率，以0.5Hz步长的统计频点，数据为结构体数据集，分别包含出现次数、最大值、最小值和平均值。以间隔为单位统计功率和每个间隔下的A、B、C三相电流电压的幅值和相角。
分析的数据包括多个宽频装置、以及每个宽频装置的多个间隔，每个间隔中又包含A、B、C三相电流与电压共6个通道和本间隔的功率数据。
针对分析完的宽频测量数据采用构建预处理树的排序方法进行排序分别得到次数最多和幅值最大两个维度上的10个数据。
上述主导分量预处理数据树的根节点包含多台装置节点，装置节点下面建立多个间隔节点，间隔节点下面建立A、B、C三相电流与电压节点和间隔功率节点。
具体主导分量数据预处理树方法排序方法为：构建10个主导分量的树节点，将它把所有的卫星数据都存储在叶节点中，内部节点只存放关键字和孩子指针，将所有叶子节点串成链表就可以从头到尾遍历，避免了从头到尾的遍历或以中序的方式遍历节点。
主导分量数据在插入到树节点中即将排序完成，插入一个元素时，首先在主导分量预处理树中是否存在，如果不存在，即在叶子结点处结束，然后在叶子结点中插入该新的元素。
所述步骤4)宽频间谐波数据预处理。宽频测量间谐波数据预处理是指以间隔为单元，分别预处理每个间隔中的A、B、C三相电流和三相电压的间谐波。
前述的间谐波数据每个通道包含50个间谐波数据，基于间谐波数据刷新周期秒级特点，每秒钟对间谐波数据作一次预处理计算。
前述的间谐波数据预处理是指采用周期内数据均匀分布统计规律来描述宽频测量的间谐波数据的运行动态特性，将秒级的数据预处理为分钟级的数据，减少上送主站的数据量。
周期内数据均匀分布统计规律是指按照以分钟为单位不小于1分钟的可弹性配置周期，在周期内计算得到电流和电压幅值的最大幅值、最小幅值和平均幅值，典型周期设置为5分钟。
上述的预处理是同时对站内多台宽频测量装置、多个间隔的数据并行处理，以每个间隔数据为一个单元进行统计，每个间隔中包含6个统计通道即A、B、C三相电流和三相电压。每个通道中定义50个间谐波处理数据，构建变电站-装置-间隔-通道-间谐波处理数据的分层结构。
间谐波是指电流或电压中所含有的频率为基波的非整数倍电量，由于是工频的非整数倍，故间谐波的频率是不固定的。在宽频测量装置上送的间谐波数据中的频率有两种类型，一种是精确的频点即获得精确的信号频率和幅值，另一种是间谐波子群聚类方法，即将固定区间内获得间谐波的子群的总体信号能量，将区间内频率统一聚集到中心点上，形成间谐波带中心点的频率和幅值。
前述的间谐波预处理统计，需要对宽频测量装置上送的两种间谐波数据频点进行归一处理。在宽频处理单元上获得的精确信号频率和幅值进行聚焦到中心点匹配的区间上处理，统一为间谐波带中心点频率的固定区间内获得总体信号能量。
间谐波带中心点的频率与基波频率比值(n＝fn/f1)称为间谐波次数，宽频测量数据测量的频率范围为0～2500Hz，故统计的间谐波范围为1～50次，间谐波在0～2500Hz范围的中心频率点为25Hz的整数倍，K次间谐波带中心频点的频率为：K*50-25，(K＝1,2,……49，50),例如：1次间谐波带中心频点的频率为：25Hz,2次间谐波带中心频点的频率为：75Hz,……。间谐波统计可以同时对站内多台宽频装置、多个间隔的数据统计，以每个间隔数据为单位进行统计。
宽频测量处理单元获得精确的信号频率和幅值进行聚焦到间谐波带中心点频率对应的区间范围内。预设置0～2500Hz范围内每个间谐波带中心点频率对应的区间范围模板，每个中心点区间频率范围为50Hz，区间采用左开右闭的方式。例如：1次间谐波带中心点区间频率范围[0,50)、2次间谐波带中心点区间频率范围[100,150),……,50次间谐波带中心点区间频率范围[2450,2500)。
间谐波带中心点数据排序采用直接排序的方法，间谐波宽频测量数据预处理的中心点排序的流程框图如下图2所示。流程步骤为：
首先，以第一个间谐波带中心点数据为起点分别定义最大值、最小值和总和值。
其次，分别取到第二个数据比它小的互换，接着再和第三个的比较，依次比较直到参加比较的所有数据结束。
最后，比较完后可以得到最小的数据值。同理可以得到最大的数据值。平均值即将所有的数据相加形成总和，然后除以总个数即得到平均值。
排序完后将每个通道的排序结果数据直接写入到文件中。
所述步骤5)预处理后的数据保存到预处理文件中。预处理文件包含预处理镜像数据与预处理数据语义信息两种文件，两种文件配套使用。
前述的的预处理数据语义格式文件在每个站内是固定的，在预处理初始化时生成对应的语义格式文件，即一次初始化多次使用。
前述的预处理数据语义格式文件中包含每个装置的名称和描述，每个间隔的名称和描述、谐波预处理数据、主导分量预处理数据、间谐波预处理数据每个通道的名称与描述。
前述的预处理的镜像数据文件保存的为每个周期预处理的同一个断面的谐波、主导分量数据和间谐波数据；以统计的时间点、谐波通道预处理数据、主导分量数据通道预处理数据和间谐波数据通道预处理数据的顺序方式存储到文件中。
前述的预处理语义文件和镜像数据文件采用压缩的方式存储。文件名称采用的格式为：标记_站名_顺序号_年月日_时分秒_毫秒.后缀。例如,预处理语义文件名称的格式：DATA_CSB0_00001_20201010_131545_000.info；镜像数据文件名称的格式为：DATA_CSB0_00001_20201010_131545_000.dat。
上述的预处理文件针对文件的内容进行分层数字签名，保证文件内容的真实性和不可篡改性。
上述的分层签名方式是指分别将谐波预处理数据、主导分量预处理数据和间谐波预处理数据的内容进行数字签名分别形成第一层的signature_harm、signature_widefreq、signature_interharm三个512位的签名值，然后将三个签名值再次组织形成第二层512位的的签名值signature_predata。生成的第一层签名值和第二层签名值追加到预处理镜像文件末尾中，供主站对预处理数据进行分层签名验证使用。
上述的分层签名验证是指首先对第二层签名signature_predata验证，如果验证通过则可以使用；如果验证不通过，则进一步对第一层的三个签名分别验证，分别使用验证通过对应的镜像数据。
实施例
本节以宽频测量数据中的间谐波数据预处理为例，说明预处理的过程。间谐波数据预处理的流程为：
1、首先，根据宽频测量装置的台数以及每台装置包含的间隔数据，以间隔为单位分别建立A、B、C三相电流和三相电压的间谐波数据缓存分层结构,在数据缓存结构中预定义间谐波带中心带频点；
2、其次，将接收到的宽频间谐波数据统一归集到间谐波带中心频点所在区间上，归集形成的k次间谐波带中心的频点频率为：K*50-25，(K＝0,1,2,……50)；
3、第三，采用直接排序的算法将间谐波带中心数据预处理，分别得到周期内的最大值、最小值和平均值；
4、最后，将预处理后的每个通道的预处理结果数据存储到该断面的镜像数据文件中。
如图3所示，本发明的另一目的在于提出一种宽频测量数据边缘预处理系统，包括：
获取单元，用于获取多个间隔的宽频测量数据并进行清洗；所述宽频测量数据包括宽频谐波数据、宽频主导分量数据和宽频间谐波数据；
预处理单元，用于针对宽频谐波数据、宽频主导分量数据和宽频间谐波数据进行预处理，采用周期内数据均匀分布统计规律来描述宽频谐波数据、宽频主导分量数据和宽频间谐波数据对应的运行动态特性，得到预处理分析的结果；
存储单元，用于将预处理的结果存储到预处理格式的文件中。
如图4所示，本发明第三个目的是提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述宽频测量数据边缘预处理方法的步骤。
所述宽频测量数据边缘预处理方法包括以下步骤：
获取多个间隔的宽频测量数据并进行清洗；所述宽频测量数据包括宽频谐波数据、宽频主导分量数据和宽频间谐波数据；
针对宽频谐波数据、宽频主导分量数据和宽频间谐波数据进行预处理，采用周期内数据均匀分布统计规律来描述宽频谐波数据、宽频主导分量数据和宽频间谐波数据对应的运行动态特性，得到预处理分析的结果；
将预处理的结果存储到预处理格式的文件中。
本发明第四个目的是提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述宽频测量数据边缘预处理方法的步骤。
所述宽频测量数据边缘预处理方法包括以下步骤：
获取多个间隔的宽频测量数据并进行清洗；所述宽频测量数据包括宽频谐波数据、宽频主导分量数据和宽频间谐波数据；
针对宽频谐波数据、宽频主导分量数据和宽频间谐波数据进行预处理，采用周期内数据均匀分布统计规律来描述宽频谐波数据、宽频主导分量数据和宽频间谐波数据对应的运行动态特性，得到预处理分析的结果；
将预处理的结果存储到预处理格式的文件中。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (13)
1.一种宽频测量数据边缘预处理方法，其特征在于，包括如下步骤：
获取多个间隔的宽频测量数据并进行清洗；所述宽频测量数据包括宽频谐波数据、宽频主导分量数据和宽频间谐波数据；
针对宽频谐波数据、宽频主导分量数据和宽频间谐波数据进行预处理，采用周期内数据均匀分布统计规律来描述宽频谐波数据、宽频主导分量数据和宽频间谐波数据对应的运行动态特性，得到预处理分析的结果；
将预处理的结果存储到预处理格式的文件中。
2.根据权利要求1所述的方法，其特征在于，
所述宽频测量数据的清洗是指基于宽频业务功能辨识出宽频测量数据对宽频业务分析应用冗余无效的脏数据，并将数据过滤剔除；
所述脏数据是指：异常的数据、无效的数据、重复的数据、不一致的数据或零漂的数据。
3.根据权利要求1所述的方法，其特征在于，
所述宽频谐波数据的预处理具体包括：
同时对站内多台宽频测量装置、多个间隔数据并行处理形成同一断面数据，以每个间隔数据为一个单元进行统计，每个间隔中包含A、B、C三相电流和三相电压，构建变电站-装置-间隔-通道-谐波处理数据的分层结构。
4.根据权利要求3所述的方法，其特征在于，
周期内数据均匀分布统计规律具体包括：
按照以分钟为单位配置周期，在周期内计算得到周期内电流和电压幅值的最大幅值、最小幅值和平均幅值；
采用分时段预处理各次谐波发生的次数和幅值两个维度进行预处理；分时段是指按照时间段预处理；分别分析出每个时段的各次谐波的次数和各次谐波的最大幅值，并按照从大到小的顺序将最大幅值进行排序；
按照光伏、风电、牵引、常规、储能、垃圾发电不同负荷类型，分析各次谐波幅值的分布规律和各次谐波相角的分布规律；形成各种负荷类型的谐波数据规律，并依据该规律预测下一个时段的谐波数据变化运行趋势；
针对同一类型的负荷不同间隔的谐波数据进行比对分析，分别得到同一类型负荷不同间隔之间谐波数据的规律，不同间隔分别比对谐波的幅值、相角、出现的次数以及出现时段，从而得到同一个站内不同间隔的谐波数据运行动态特性。
5.根据权利要求1所述的方法，其特征在于，
所述宽频主导分量数据的预处理具体为：
对多个宽频装置、以及每个宽频装置的多个间隔数据进行处理，在周期时间范围内分别统计得到A、B、C三相电流、电压和功率的多个最大幅值及其对应的频率，构建A、B、C三相电压与电流的频率-幅值的预处理模板结构。
6.根据权利要求5所述的方法，其特征在于，
所述处理具体包括：
对宽频测量数据采用构建预处理树的排序方法进行排序分别得到次数最多和幅值最大两个维度上的多个数据；预处理数据树的根节点包含多台装置节点，装置节点下面建立多个间隔节点，间隔节点下面建立A、B、C三相电流与电压节点和间隔功率节点；
其中，预处理树方法排序方法为：
构建多个主导分量的树节点，把所有的卫星数据都存储在叶节点中，内部节点只存放关键字和孩子指针，将所有叶子节点串成链表从头到尾遍历；
主导分量数据在插入到树节点中即将排序完成，插入一个元素时，首先判断在主导分量预处理树中是否存在，如果不存在，即在叶子结点处结束，然后在叶子结点中插入所述元素。
7.根据权利要求1所述的方法，其特征在于，
所述宽频间谐波数据的预处理包括：
同时对站内多台宽频测量装置、多个间隔的数据并行处理，以每个间隔数据为一个单元进行统计，每个间隔中包含A、B、C三相电流和三相电压，构建变电站-装置-间隔-通道-间谐波处理数据的分层结构。
8.根据权利要求7所述的方法，其特征在于，
间谐波的统计中，需要对宽频测量装置上送的两种间谐波数据频点进行归一处理；具体为将获得的精确信号频率和幅值进行聚焦到中心点匹配的区间上处理，统一为间谐波带中心点频率的固定区间内获得总体信号能量；
将接收到的宽频间谐波数据统一归集到间谐波带中心频点所在区间上，采用直接排序法将间谐波带中心数据预处理，分别得到周期内的最大值、最小值和平均值。
9.根据权利要求8所述的方法，其特征在于，
所述直接排序法具体包括：
以第一个间谐波带中心点数据为起点分别定义最大值、最小值和总和值；
分别取到第二个数据比它小的互换，接着再和第三个的比较，依次比较直到参加比较的所有数据结束；比较完后得到最小的数据值；
同理得到最大的数据值；平均值即将所有的数据相加形成总和，然后除以总个数即得到平均值；
得到周期内的间谐波带中心点数据的最大值、最小值和平均值。
10.根据权利要求1所述的方法，其特征在于，
所述预处理文件包含预处理镜像数据与预处理数据语义信息；
所述预处理镜像数据文件保存的为每个周期预处理的同一个断面的谐波数据、主导分量数据和间谐波数据；以统计的时间点、谐波通道预处理数据、主导分量数据通道预处理数据和间谐波数据通道预处理数据的顺序方式存储到文件中；
所述预处理数据语义格式文件包含每个装置的名称和描述，每个间隔的名称和描述、谐波预处理数据、主导分量预处理数据、间谐波预处理数据每个通道的名称与描述；
所述预处理语义文件和镜像数据文件采用压缩的方式存储并针对文件的内容进行分层数字签名。
11.一种宽频测量数据边缘预处理系统，其特征在于，包括：
获取单元，用于获取多个间隔的宽频测量数据并进行清洗；所述宽频测量数据包括宽频谐波数据、宽频主导分量数据和宽频间谐波数据；
预处理单元，用于针对宽频谐波数据、宽频主导分量数据和宽频间谐波数据进行预处理，采用周期内数据均匀分布统计规律来描述宽频谐波数据、宽频主导分量数据和宽频间谐波数据对应的运行动态特性，得到预处理分析的结果；
存储单元，用于将预处理的结果存储到预处理格式的文件中。
12.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-10任一项所述宽频测量数据边缘预处理方法的步骤。
13.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-10任一项所述宽频测量数据边缘预处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110694532.XA CN113377754A (zh) | 2021-06-22 | 2021-06-22 | 宽频测量数据边缘预处理方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110694532.XA CN113377754A (zh) | 2021-06-22 | 2021-06-22 | 宽频测量数据边缘预处理方法、系统、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113377754A true CN113377754A (zh) | 2021-09-10 |
Family
ID=77578559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110694532.XA Pending CN113377754A (zh) | 2021-06-22 | 2021-06-22 | 宽频测量数据边缘预处理方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113377754A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113985128A (zh) * | 2021-10-26 | 2022-01-28 | 中国电力科学研究院有限公司 | 基于量测数据的振荡预警方法、系统、存储介质和服务器 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101854448A (zh) * | 2008-12-24 | 2010-10-06 | 三星电子株式会社 | 生成数字签名的方法、打印控制终端和图像形成装置 |
| CN110703008A (zh) * | 2019-09-20 | 2020-01-17 | 中国电力科学研究院有限公司 | 一种宽频测量数据的站域处理方法及装置 |
| CN110837659A (zh) * | 2019-09-26 | 2020-02-25 | 中国科学院软件研究所 | 带标签的私钥可更新数字签名方法及其在PoS区块链协议中的应用 |
| CN111965415A (zh) * | 2020-10-20 | 2020-11-20 | 中国电力科学研究院有限公司 | 一种电网宽频振荡广域实时监测系统及方法 |
| CN112883704A (zh) * | 2021-04-29 | 2021-06-01 | 南京视察者智能科技有限公司 | 一种大数据相似文本去重预处理方法、装置及终端设备 |
| CN112953787A (zh) * | 2020-12-07 | 2021-06-11 | 国网辽宁省电力有限公司锦州供电公司 | 宽频测量数据的存储与传输方法 |
-
2021
- 2021-06-22 CN CN202110694532.XA patent/CN113377754A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101854448A (zh) * | 2008-12-24 | 2010-10-06 | 三星电子株式会社 | 生成数字签名的方法、打印控制终端和图像形成装置 |
| CN110703008A (zh) * | 2019-09-20 | 2020-01-17 | 中国电力科学研究院有限公司 | 一种宽频测量数据的站域处理方法及装置 |
| CN110837659A (zh) * | 2019-09-26 | 2020-02-25 | 中国科学院软件研究所 | 带标签的私钥可更新数字签名方法及其在PoS区块链协议中的应用 |
| CN111965415A (zh) * | 2020-10-20 | 2020-11-20 | 中国电力科学研究院有限公司 | 一种电网宽频振荡广域实时监测系统及方法 |
| CN112953787A (zh) * | 2020-12-07 | 2021-06-11 | 国网辽宁省电力有限公司锦州供电公司 | 宽频测量数据的存储与传输方法 |
| CN112883704A (zh) * | 2021-04-29 | 2021-06-01 | 南京视察者智能科技有限公司 | 一种大数据相似文本去重预处理方法、装置及终端设备 |
Non-Patent Citations (2)
| Title |
|---|
| HAIDONG ZHANG等: "Research on Storage and Analysis Technology of Wide-Frequency Measurement Data in Station Domain Based on Edge Computing", 2020 12TH IEEE PES ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE (APPEEC), 31 December 2020 (2020-12-31), pages 1 - 3 * |
| 龙毅宏等: "通用电子记录存储与取证系统研究", 信息安全与通信保密, 31 August 2011 (2011-08-31), pages 44 - 46 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113985128A (zh) * | 2021-10-26 | 2022-01-28 | 中国电力科学研究院有限公司 | 基于量测数据的振荡预警方法、系统、存储介质和服务器 |
| CN113985128B (zh) * | 2021-10-26 | 2024-05-28 | 中国电力科学研究院有限公司 | 基于量测数据的振荡预警方法、系统、存储介质和服务器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110648088B (zh) | 一种基于鸟群算法与svm的电能质量扰动源判断方法 | |
| CN106154040B (zh) | 一种用于计算电网单点等值时等效谐波阻抗方法 | |
| CN116720622B (zh) | 一种电流互感器计量误差值预测方法 | |
| CN105550450B (zh) | 一种电能质量干扰源特征谐波建模方法 | |
| CN102478601A (zh) | 一种用于电能质量中64个采样点的谐波计算方法 | |
| CN110146813A (zh) | 一种分散式风电机组电能质量测试方法 | |
| CN113377754A (zh) | 宽频测量数据边缘预处理方法、系统、设备及存储介质 | |
| CN113629880B (zh) | 一种基于数据中台的台区电压干扰装置检测方法及系统 | |
| Matz et al. | Automated power quality monitoring system for on-line detection and classification of disturbances | |
| WO2024104037A1 (zh) | 基于数学形态学和模式识别的直流电弧检测方法 | |
| CN113484596A (zh) | 一种电能质量监测方法、装置、设备及可读存储介质 | |
| Liu et al. | Identification of major power quality disturbance sources in regional grid based on monitoring data correlation analysis | |
| CN116578855A (zh) | 一种交流微电网的电能计量方法、系统、设备和介质 | |
| CN115864449B (zh) | 新能源接入系统振荡监测方法、装置、系统、设备及介质 | |
| CN116298509A (zh) | 一种电力系统谐波谐振的在线识别方法 | |
| CN111414354A (zh) | 一种风电场数据的处理方法、装置及计算机可读存储介质 | |
| Wang et al. | Implementation of state-wide power quality monitoring and analysis system in China | |
| CN112505477A (zh) | 一种基于配电网同步相量数据的扰动初判方法 | |
| Zhuangzhuang et al. | Phasor Measurement Unit Measurement Data Processing Method Applied to a Two-Stage Identification Algorithm for Load Model Parameters | |
| Kuwalek | Assessment of Diagnostic Capabilities of Methods of Recreation of Voltage Fluctuations | |
| CN110661261A (zh) | 一种用于低频振荡在线分析的pmu数据处理方法及装置 | |
| CN112084253B (zh) | 一种基于电网测量数据的分析报告自动生成方法及系统 | |
| CN114552580B (zh) | 一种基于同步相量的次/超同步振荡智能辨识方法 | |
| CN113990057B (zh) | 一种宽频振荡厂站端预警方法、系统、存储介质及服务器 | |
| Cheng et al. | Short-term power load forecasting based on empirical mode decomposition and deep neural network |
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 |