CN113691174A - 基于指数型非线性回归的配电变压器档位识别方法及系统 - Google Patents
基于指数型非线性回归的配电变压器档位识别方法及系统 Download PDFInfo
- Publication number
- CN113691174A CN113691174A CN202110955088.2A CN202110955088A CN113691174A CN 113691174 A CN113691174 A CN 113691174A CN 202110955088 A CN202110955088 A CN 202110955088A CN 113691174 A CN113691174 A CN 113691174A
- Authority
- CN
- China
- Prior art keywords
- voltage
- daily
- distribution transformer
- abnormal
- curve
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P13/00—Arrangements for controlling transformers, reactors or choke coils, for the purpose of obtaining a desired output
- H02P13/06—Arrangements for controlling transformers, reactors or choke coils, for the purpose of obtaining a desired output by tap-changing; by rearranging interconnections of windings
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请属于电力系统调度领域,提供基于指数型非线性回归的配电变压器档位识别方法及系统,包括:获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压;查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压;采用指数型非线性回归模型对第二备用日电压进行归一化处理,得到最终日电压;计算最终日电压中所有电压量的均值,以及,根据配变档位选择原则对所述电压量的均值进行归属判别,得到所述配变电压器的档位。上述基于指数型非线性回归的配电变压器档位识别方法可以有效且准确地识别配电变压器档位。
Description
技术领域
本申请涉及电力系统调度领域,具体涉及一种基于指数型非线性回归的配电变压器档位识别方法及系统。
背景技术
配电网是指在电力网络中起电能分配作用的网络,通常是指电力系统中配电变压器低压侧直接向用户供电的网络。近年来,随着用户数量不断增加,用电负荷的波动变化越来越快,配电变压器低压侧的电压波动也随之越来越频繁,部分地区的用户在用电高峰时段由于配电变压器过载导致电压偏低,出现低电压问题,然而,由于多数配电变压器的档位在设置时仅凭经验一次设定,未根据用户负荷实际变化情况进行调整,造成用户电能质量不合格,因此对配电变压器合理的调档是降低配电网的能量损耗,更好维持用户电压水平的有力保证。
配电变压器的档位识别是指通过对配电变压器进行校核对配电变压器实际的电压档位归属进行判别。目前,配电网中所装设的配电变压器大部分为无载调压装置,采取的识别方式主要包括人工离线校验和基于变压器绕组的在线识别,人工离线校验是指人工携带现有的便携式配变档位校核装置进行现场校核,基于变压器绕组的在线识别是指通过阻值检测电路对绕组阻值进行检测,并通过控制器对阻值数据进行分析得出档位数据。
然而,人工校验方式需要先开工作票,关闭配电变压器,再携带校验装置爬到变压器上检测查看,不仅流程繁忙,而且耗时耗力;基于变压器绕组的方式容易对变压器正常运行产生干扰,甚至可能损坏变压器,并且由于电压波动频繁,某个时间点的人工离线校验或者变压器绕组识别的原始数据很难能够真实的判别出配电变压器档位的归属。
发明内容
本申请提供一种基于指数型非线性回归的配电变压器档位识别方法及系统,以提供一种更有效且准确的配电变压器档位在线识别方法及系统。
本申请第一方面提供一种基于指数型非线性回归的配电变压器档位识别方法,所述一种基于指数型非线性回归的配电变压器档位识别方法包括:
获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压,所述第一备用日电压包括日电压曲线的电压量和电压量对应的采集时间;
查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压,所述异常的电压量包括缺失、骤降、暴增或为负值的电压量;
采用指数型非线性回归模型对第二备用日电压进行归一化处理,得到最终日电压;
计算最终日电压中所有电压量的均值,以及,根据配变档位选择原则对所述电压量的均值进行归属判别,得到所述配变电压器的档位。
可选的,所述获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压的过程,包括:
获取配变电压器低压侧的日电压曲线;
统计日电压曲线中异常的电压量,若日电压曲线的异常电压量采集数占电压量总采集数的比例大于或等于预设阈值,则将所述日电压曲线剔除;
重新获取配变电压器低压侧的日电压曲线,直至日电压曲线的异常电压量采集数占电压量总采集数的比例小于预设阈值,得到第一备用日电压。
可选的,若所述日电压曲线包含24个采集时间点以及对应的电压量,则所述预设阈值为20%,若所述日电压曲线的采集时间点包含96个采集时间点以及对应的电压量,则所述预设阈值为10%。
可选的,所述查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压的过程,包括:
查找异常电压量对应的采集时间,得到异常时间点;
根据牛顿差值多项式模型,计算所述异常时间点对应的更新电压量;
利用更新电压量对所述异常时间点对应的原始电压量进行修正。
可选的,所述牛顿差值多项式模型为:
式中,xi为异常的采集时间点,f(xi)为异常的采集时间点对应的更新电压量,插值逼近函数为:
截断误差为:
Rn(x)=f[xn,xn-1,…,x1+xi](xi-x1)…(xi-xn)。
可选的,所述指数型非线性回归模型为:
式中,x和x'均为采集时间,y为归一化前的电压量,y'为归一化后的电压量,β0'和β1为模型参数,β0'为lnβ0。
本申请第二方面提供一种基于指数型非线性回归的配电变压器档位识别系统,所述一种基于指数型非线性回归的配电变压器档位识别系统用于执行本申请第一方面提供的一种基于指数型非线性回归的配电变压器档位识别方法,包括:
电压量获取模块,用于获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压,所述第一备用日电压包括日电压曲线的电压量和电压量对应的采集时间;
插值模块,用于查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压,所述异常的电压量包括缺失、骤降、暴增或为负值的电压量;
回归化模块,用于采用指数型非线性回归模型对第二备用日电压进行归一化处理,得到最终日电压;
归属判别模块,用于计算最终日电压中所有电压量的均值,以及,根据配变档位选择原则对所述电压量的均值进行归属判别,得到所述配变电压器的档位。
可选的,所述电压量获取模块包括:
获取单元,用于获取配变电压器低压侧的日电压曲线;
剔除单元,用于统计日电压曲线中异常的电压量,若日电压曲线的异常电压量采集数占电压量总采集数的比例大于或等于预设阈值,则将所述日电压曲线剔除;
确定单元,用于重新获取配变电压器低压侧的日电压曲线,直至日电压曲线的异常电压量采集数占电压量总采集数的比例小于预设阈值,得到第一备用日电压。
可选的,若所述日电压曲线包含24个采集时间点以及对应的电压量,则电压量获取模块的预设阈值设置为20%,若所述日电压曲线的采集时间点包含96个采集时间点以及对应的电压量,则电压量获取模块的预设阈值设置为10%。
可选的,所述差值模块包括:
查找单元,用于查找异常电压量对应的采集时间,得到异常时间点;
更新计算单元,用于根据牛顿差值多项式模型,计算所述异常时间点对应的更新电压量;
修正单元,用于利用更新电压量对所述异常时间点对应的原始电压量进行修正。
本申请提供一种基于指数型非线性回归的配电变压器档位识别方法及系统,所述一种基于指数型非线性回归的配电变压器档位识别系统用于执行一种基于指数型非线性回归的配电变压器档位识别方法的步骤,获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压,所述第一备用日电压包括日电压曲线的电压量和电压量对应的采集时间,查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压,所述异常的电压量包括缺失、骤降、暴增或为负值的电压量,采用指数型非线性回归模型对第二备用日电压进行归一化处理,得到最终日电压,计算最终日电压中所有电压量的均值,以及,根据配变档位选择原则对所述电压量的均值进行归属判别,得到所述配变电压器的档位。
由上述方案可知,本申请实施例提供的基于指数型非线性回归的配电变压器档位识别方法,通过获取配电变压器低压侧的日电压曲线,对日电压曲线的异常值进行插值,再利用指数型非线性回归消除电压过高或过低的情况,使得电压量分布在某电压档位附近,对档位识别更加准确,不会受电压波动的影响。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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是本申请实施例提供的基于指数型非线性回归的配电变压器档位识别方法的流程示意图。
图2是本申请实施例提供的仿真节点系统模型的结构示意图。
图3是本申请实施例提供的牛顿插值法前后对比示意图。
图4是本申请实施例提供的第一组24点日电压曲线指数型非线性回归的示意图。
图5是本申请实施例提供的第二组24点日电压曲线指数型非线性回归的示意图。
图6是本申请实施例提供的第三组24点日电压曲线指数型非线性回归的示意图。
图7是本申请实施例提供的基于指数型非线性回归的配电变压器档位识别系统的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。
如图1所示,为本申请实施例提供的基于指数型非线性回归的配电变压器档位识别方法的流程示意图,该方法通过获取配电变压器低压侧的日电压曲线,对日电压曲线的异常值进行插值,再利用指数型非线性回归对电压量进行回归化处理,消除电压过高或过低的情况,最后计算回归化后的日电压曲线的电压量均值,根据配变档位选择原则对电压量均值进行归属判别。
参见图2,为本申请实施例提供的仿真节点系统模型的结构示意图,本申请实施例在PSCAD中搭建标准IEEE14节点系统仿真模型,利用该仿真模型进行仿真模拟,不断调整不同用户端的负荷,得到多条配变电压器低压侧的日电压曲线,该模型基本参数为电压等级10kV、频率50Hz以及变压器容量10MW。
本申请实施例提供的基于指数型非线性回归的配电变压器档位识别方法包括步骤1至步骤4。
步骤1,获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压。
配变电压器低压侧的电压量是随时间变化的数据,第一备用日电压包括日电压曲线的电压量和电压量对应的采集时间。对配电变压器低压侧的电压量进行采集时,由于测量装置异常等原因可能导致数据测量不完备,无法形成完整的日电压曲线,所以需要对获取的日电压曲线进行初步的清洗,剔除不可用的日电压曲线,主要清洗步骤包括S101至S102。
S101,统计日电压曲线中异常的电压量,若日电压曲线的异常电压量采集数占电压量总采集数的比例大于或等于预设阈值,则将所述日电压曲线剔除。
S102,重新获取配变电压器低压侧的日电压曲线,直至日电压曲线的异常电压量采集数占电压量总采集数的比例小于预设阈值,得到第一备用日电压。
进一步的,若所述日电压曲线包含24个采集时间点以及对应的电压量,则所述预设阈值为20%,若所述日电压曲线的采集时间点包含96个采集时间点以及对应的电压量,则所述预设阈值为10%。例如,通过本申请实施例提供的仿真节点系统模型得到的多条配变电压器低压侧的日电压曲线中,某条日电压曲线包含的采集时间点有24个,即24点日电压曲线,每个采集时间点对应一个电压量,其中,异常的电压量包括缺失、骤降、暴增或为负值的电压量的采集数总共有6个,异常电压量的采集数占电压量总采集数的比例为25%,大于预设阈值10%,则将该日电压曲线剔除并重新获取日电压曲线。
步骤2,查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压。
参见图3,为本申请实施例提供的牛顿插值法前后对比示意图。本申请实施例采用牛顿插值法对缺失和异常数据进行补充和修正,运算次数少,克服插值多项式增加节点时需要重新计算的缺陷。首先查找异常电压量对应的采集时间,得到异常时间点,例如,日电压曲上有n个采集时间点和采集时间点对应的电压量,表示为{(x1,f(x1)),(x2,f(x2))…(xn,f(xn))},其中缺失点为(xi,f(xi)),得到异常时间点为xi,再根据牛顿插值多项式模型,计算所述异常时间点对应的更新电压量,用更新电压量对所述异常时间点对应的原始电压量进行修正。
其中,牛顿差值多项式模型为:
式中,xi为异常的采集时间点,f(xi)为异常的采集时间点对应的更新电压量,插值逼近函数为:
截断误差为:
Rn(x)=f[xn,xn-1,…,x1+xi](xi-x1)…(xi-xn)。
步骤3,采用指数型非线性回归模型对第二备用日电压进行归一化处理,得到最终日电压。
参见图4,为本申请实施例提供的第一组24点日电压曲线指数型非线性回归的示意图。
参见图5,为本申请实施例提供的第二组24点日电压曲线指数型非线性回归的示意图。
参见图6,为本申请实施例提供的第三组24点日电压曲线指数型非线性回归的示意图。
由于电压量随时间的波动频繁,不同采集时间点之间的电压量差距大,不能准确的表示出电压量的真实性。因此,本申请实施例利用指数型非线性回归模型对日电压曲线的电压量进行回归处理,有助于电压量数据的解析和利用,用指数型非线性回归计算,得到非线性回归直线,该回归直线可消除电压过高或过低的情况,使得电压量分布在某个配变电压器档位周围,更加有利于后续的归属判别。
其中,指数型非线性回归模型为:
式中,x和x'均为采集时间,y为采集时间对应的归一化前的电压量,y'为采集时间对应的归一化后的电压量,β0'和β1为模型参数,β0'为lnβ0。
以图4中第一组24点日电压曲线为例,若仅采用峰值定档肯定会产生误差,所以对每条日电压曲线进行上述回归处理得到最终日电压,第一条日电压曲线的回归处理后电压量最小值为420.70V,最大值为424.18V;第二条日电压曲线的回归处理后电压量最小值为411.83V,最大值为415.89V;第三条日电压曲线回归处理后的电压量最小值为401.80V,最大值为403.81V;第四条日电压曲线回归处理后的电压量最小值为390.27V,最大值为395.18V;第五条日电压曲线回归处理后电压量最小值为378.57V,最大值为386.26V。
步骤4,计算最终日电压中所有电压量的均值,以及,根据配变档位选择原则对所述电压量的均值进行归属判别,得到所述配变电压器的档位。
计算最终日电压中所有电压量的均值,根据配变档位选择原则对电压量的均值进行归属判别,具体过程为:
若电压量的均值大于或等于420且小于430,则归属一档。
若电压量的均值大于或等于410且小于420,则归属二档。
若电压量的均值大于或等于400且小于410,则归属三档。
若电压量的均值大于或等于390且小于400,则归属四档。
若电压量的均值大于或等于380且小于390,则归属五档。
以图4中第一组24点日电压曲线为例,第一条日电压曲线的回归处理后电压量均值为421.68V,归属为第一档;第二条日电压曲线的回归处理后电压量均值为412.97V,归属为第二档;第三条日电压曲线的回归处理后电压量均值为402.36V,归属为第三档;第四条日电压曲线的回归处理后电压量均值为391.65V,归属为第四档;第五条日电压曲线的回归处理后电压量均值为380.73V,归属为第五档。
本申请实施例第二方面提供一种基于指数型非线性回归的配电变压器档位识别系统,所述一种基于指数型非线性回归的配电变压器档位识别系统用于执行本申请实施例第一方面提供的一种基于指数型非线性回归的配电变压器档位识别方法,对于本申请实施例第二方面提供的基于指数型非线性回归的配电变压器档位识别系统中公开的细节,请参见本申请实施例第一方面提供的基于指数型非线性回归的配电变压器档位识别方法。
如图7所示,为本申请实施例提供的基于指数型非线性回归的配电变压器档位识别系统的结构示意图,所述一种基于指数型非线性回归的配电变压器档位识别系统包括电压量获取模块、插值模块、回归化模块和归属判别模块。
电压量获取模块,用于获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压,所述第一备用日电压包括日电压曲线的电压量和电压量对应的采集时间。
插值模块,用于查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压,所述异常的电压量包括缺失、骤降、暴增或为负值的电压量。
回归化模块,用于采用指数型非线性回归模型对第二备用日电压进行归一化处理,得到最终日电压。
归属判别模块,用于计算最终日电压中所有电压量的均值,以及,根据配变档位选择原则对所述电压量的均值进行归属判别,得到所述配变电压器的档位。
进一步的,所述电压量获取模块包括:
获取单元,用于获取配变电压器低压侧的日电压曲线。
剔除单元,用于统计日电压曲线中异常的电压量,若日电压曲线的异常电压量采集数占电压量总采集数的比例大于或等于预设阈值,则将所述日电压曲线剔除。
确定单元,用于重新获取配变电压器低压侧的日电压曲线,直至日电压曲线的异常电压量采集数占电压量总采集数的比例小于预设阈值,得到第一备用日电压。
进一步的,若所述日电压曲线包含24个采集时间点以及对应的电压量,则电压量获取模块的预设阈值设置为20%,若所述日电压曲线的采集时间点包含96个采集时间点以及对应的电压量,则电压量获取模块的预设阈值设置为10%。
进一步的,所述差值模块包括:
查找单元,用于查找异常电压量对应的采集时间,得到异常时间点。
更新计算单元,用于根据牛顿差值多项式模型,计算所述异常时间点对应的更新电压量。
修正单元,用于利用更新电压量对所述异常时间点对应的原始电压量进行修正。
本申请实施例提供一种基于指数型非线性回归的配电变压器档位识别方法及系统,所述一种基于指数型非线性回归的配电变压器档位识别系统用于执行一种基于指数型非线性回归的配电变压器档位识别方法的步骤,获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压,所述第一备用日电压包括日电压曲线的电压量和电压量对应的采集时间,查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压,所述异常的电压量包括缺失、骤降、暴增或为负值的电压量,采用指数型非线性回归模型对第二备用日电压进行归一化处理,得到最终日电压,计算最终日电压中所有电压量的均值,以及,根据配变档位选择原则对所述电压量的均值进行归属判别,得到所述配变电压器的档位。
本申请实施例提供的基于指数型非线性回归的配电变压器档位识别方法,通过获取配电变压器低压侧的日电压曲线,对日电压曲线的异常值进行插值,再利用指数型非线性回归消除电压过高或过低的情况,使得电压量分布在某电压档位附近,对档位识别更加准确,不会受电压波动的影响,最后通过计算电压量均值并结合配变电压器档位选择原则更加方便快捷的进行档位归属。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。
Claims (10)
1.基于指数型非线性回归的配电变压器档位识别方法,其特征在于,包括:
获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压,所述第一备用日电压包括日电压曲线的电压量和电压量对应的采集时间;
查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压,所述异常的电压量包括缺失、骤降、暴增或为负值的电压量;
采用指数型非线性回归模型对第二备用日电压进行归一化处理,得到最终日电压;
计算最终日电压中所有电压量的均值,以及,根据配变档位选择原则对所述电压量的均值进行归属判别,得到所述配变电压器的档位。
2.根据权利要求1所述的基于指数型非线性回归的配电变压器档位识别方法,其特征在于,所述获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压的过程,包括:
获取配变电压器低压侧的日电压曲线;
统计日电压曲线中异常的电压量,若日电压曲线的异常电压量采集数占电压量总采集数的比例大于或等于预设阈值,则将所述日电压曲线剔除;
重新获取配变电压器低压侧的日电压曲线,直至日电压曲线的异常电压量采集数占电压量总采集数的比例小于预设阈值,得到第一备用日电压。
3.根据权利要求2所述的基于指数型非线性回归的配电变压器档位识别方法,其特征在于,若所述日电压曲线包含24个采集时间点以及对应的电压量,则所述预设阈值为20%,若所述日电压曲线的采集时间点包含96个采集时间点以及对应的电压量,则所述预设阈值为10%。
4.根据权利要求1所述的基于指数型非线性回归的配电变压器档位识别方法,其特征在于,所述查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压的过程,包括:
查找异常电压量对应的采集时间,得到异常时间点;
根据牛顿差值多项式模型,计算所述异常时间点对应的更新电压量;
利用更新电压量对所述异常时间点对应的原始电压量进行修正。
7.基于指数型非线性回归的配电变压器档位识别系统,其特征在于,所述基于指数型非线性回归的配电变压器档位识别系统用于执行所述权利要求1-6任一项所述的基于指数型非线性回归的配电变压器档位识别方法,包括:
电压量获取模块,用于获取配变电压器低压侧的日电压曲线,根据日电压曲线得到第一备用日电压,所述第一备用日电压包括日电压曲线的电压量和电压量对应的采集时间;
插值模块,用于查找第一备用日电压中异常的电压量,采用牛顿插值法对异常的电压量进行修正,得到第二备用日电压,所述异常的电压量包括缺失、骤降、暴增或为负值的电压量;
回归化模块,用于采用指数型非线性回归模型对第二备用日电压进行归一化处理,得到最终日电压;
归属判别模块,用于计算最终日电压中所有电压量的均值,以及,根据配变档位选择原则对所述电压量的均值进行归属判别,得到所述配变电压器的档位。
8.根据权利要求7所述的基于指数型非线性回归的配电变压器档位识别系统,其特征在于,所述电压量获取模块包括:
获取单元,用于获取配变电压器低压侧的日电压曲线;
剔除单元,用于统计日电压曲线中异常的电压量,若日电压曲线的异常电压量采集数占电压量总采集数的比例大于或等于预设阈值,则将所述日电压曲线剔除;
确定单元,用于重新获取配变电压器低压侧的日电压曲线,直至日电压曲线的异常电压量采集数占电压量总采集数的比例小于预设阈值,得到第一备用日电压。
9.根据权利要求8所述的基于指数型非线性回归的配电变压器档位识别系统,其特征在于,若所述日电压曲线包含24个采集时间点以及对应的电压量,则电压量获取模块的预设阈值设置为20%,若所述日电压曲线的采集时间点包含96个采集时间点以及对应的电压量,则电压量获取模块的预设阈值设置为10%。
10.根据权利要求7所述的基于指数型非线性回归的配电变压器档位识别系统,其特征在于,所述差值模块包括:
查找单元,用于查找异常电压量对应的采集时间,得到异常时间点;
更新计算单元,用于根据牛顿差值多项式模型,计算所述异常时间点对应的更新电压量;
修正单元,用于利用更新电压量对所述异常时间点对应的原始电压量进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110955088.2A CN113691174B (zh) | 2021-08-19 | 2021-08-19 | 基于指数型非线性回归的配电变压器档位识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110955088.2A CN113691174B (zh) | 2021-08-19 | 2021-08-19 | 基于指数型非线性回归的配电变压器档位识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113691174A true CN113691174A (zh) | 2021-11-23 |
CN113691174B CN113691174B (zh) | 2023-09-01 |
Family
ID=78580729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110955088.2A Active CN113691174B (zh) | 2021-08-19 | 2021-08-19 | 基于指数型非线性回归的配电变压器档位识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113691174B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114609480A (zh) * | 2022-05-16 | 2022-06-10 | 国网四川省电力公司电力科学研究院 | 一种电网损耗异常数据检测方法、系统、终端及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108631670A (zh) * | 2018-04-28 | 2018-10-09 | 国网湖北省电力有限公司电力科学研究院 | 一种预警配电变压器档位过高的方法 |
CN110212529A (zh) * | 2019-06-24 | 2019-09-06 | 广西电网有限责任公司电力科学研究院 | 一种基于支持向量机的配电网低电压台区预警方法 |
CN111130103A (zh) * | 2020-01-06 | 2020-05-08 | 国网浙江省电力有限公司电力科学研究院 | 一种发电机及调相机升压变压器运行档位整定方法 |
CN112383050A (zh) * | 2020-11-05 | 2021-02-19 | 国网山东省电力公司昌邑市供电公司 | 一种基于农村配变调档的辅助决策系统及方法 |
-
2021
- 2021-08-19 CN CN202110955088.2A patent/CN113691174B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108631670A (zh) * | 2018-04-28 | 2018-10-09 | 国网湖北省电力有限公司电力科学研究院 | 一种预警配电变压器档位过高的方法 |
CN110212529A (zh) * | 2019-06-24 | 2019-09-06 | 广西电网有限责任公司电力科学研究院 | 一种基于支持向量机的配电网低电压台区预警方法 |
CN111130103A (zh) * | 2020-01-06 | 2020-05-08 | 国网浙江省电力有限公司电力科学研究院 | 一种发电机及调相机升压变压器运行档位整定方法 |
CN112383050A (zh) * | 2020-11-05 | 2021-02-19 | 国网山东省电力公司昌邑市供电公司 | 一种基于农村配变调档的辅助决策系统及方法 |
Non-Patent Citations (2)
Title |
---|
TAO ZHANG等: "Parameter identification of transformer insulation based on frequency domain spectrum method", 2013 IEEE INTERNATIONAL CONFERENCE ON APPLIED SUPERCONDUCTIVITY AND ELECTROMAGNETIC DEVICES, pages 347 - 348 * |
覃日升: "基于最小二乘回归的配变档位判别方法", 电网运维, pages 54 - 55 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114609480A (zh) * | 2022-05-16 | 2022-06-10 | 国网四川省电力公司电力科学研究院 | 一种电网损耗异常数据检测方法、系统、终端及介质 |
CN114609480B (zh) * | 2022-05-16 | 2022-08-16 | 国网四川省电力公司电力科学研究院 | 一种电网损耗异常数据检测方法、系统、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113691174B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260188B (zh) | 一种电压暂降治理装置配置方法 | |
CN112381476B (zh) | 用于确定状态异常的电能表的方法及装置 | |
CN112946483B (zh) | 电动汽车电池健康的综合评估方法及存储介质 | |
CN111856309B (zh) | 一种电池健康状态的定量判断方法 | |
CN107730076B (zh) | 一种区域配电网设备综合利用效率分析方法 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN107944680A (zh) | 一种基于智能电能表的变电站电能量平衡监测方法 | |
CN113691174A (zh) | 基于指数型非线性回归的配电变压器档位识别方法及系统 | |
CN112418687A (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN112712240A (zh) | 一种台区线损成因分析方法及装置 | |
CN109450089A (zh) | 一种台区低电压识别方法、装置及终端设备 | |
CN102738791B (zh) | 一种基于拓扑比较的在线静态安全分析方法 | |
CN113112136A (zh) | 一种配电网可靠性综合评估方法及系统 | |
CN114860808B (zh) | 基于大数据的配电网设备异常事件关联分析方法 | |
CN113997822B (zh) | 电动汽车有序充电管理系统及管理方法 | |
CN113065234B (zh) | 一种智能电表的批次可靠性风险等级评估方法及系统 | |
CN108334990B (zh) | 一种大电网无功补偿选址及容量优化方法及系统 | |
CN111751732B (zh) | 一种基于自适应高斯卷积积分法的电量计算方法 | |
CN110518612B (zh) | 一种配电网储能系统配置参数的确定方法及装置 | |
CN113657032A (zh) | 一种预先集中协调实时分布控制的低频减载方法及系统 | |
CN111967896A (zh) | 提高可中断类负荷参与需求响应积极性的方法及系统 | |
CN111241354A (zh) | 一种调控云电网运行大数据质量评估方法 | |
CN110807607A (zh) | 一种基于大数据平台的低电压台区核查方法及相关装置 | |
CN113393340B (zh) | 一种基于用电终端负载数据分析的电力传输调度管理方法及调度管理平台 | |
CN113836108B (zh) | 一种基于大数据的配网低电压问题治理方法及系统 |
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 |