CN113702895A - 一种电压互感器误差状态在线定量评估方法 - Google Patents

一种电压互感器误差状态在线定量评估方法 Download PDF

Info

Publication number
CN113702895A
CN113702895A CN202111264484.7A CN202111264484A CN113702895A CN 113702895 A CN113702895 A CN 113702895A CN 202111264484 A CN202111264484 A CN 202111264484A CN 113702895 A CN113702895 A CN 113702895A
Authority
CN
China
Prior art keywords
data set
voltage
voltage transformer
quantitative evaluation
modeling
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
Application number
CN202111264484.7A
Other languages
English (en)
Other versions
CN113702895B (zh
Inventor
李红斌
徐云武
张传计
陈庆
张宇轩
宋强
张鼎衢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
Huazhong University of Science and Technology
China Electric Power Research Institute Co Ltd CEPRI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology, China Electric Power Research Institute Co Ltd CEPRI filed Critical Huazhong University of Science and Technology
Priority to CN202111264484.7A priority Critical patent/CN113702895B/zh
Publication of CN113702895A publication Critical patent/CN113702895A/zh
Application granted granted Critical
Publication of CN113702895B publication Critical patent/CN113702895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/02—Testing or calibrating of apparatus covered by the other groups of this subclass of auxiliary devices, e.g. of instrument transformers according to prescribed transformation ratio, phase angle, or wattage rating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/005—Calibrating; Standards or reference devices, e.g. voltage or resistance standards, "golden" references
    • G01R35/007—Standards or reference devices, e.g. voltage or resistance standards, "golden references"

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种电压互感器误差状态在线定量评估方法，利用改进的无监督异常检测技术对建模数据集构建的冗余特征数据集进行异常检测，剔除建模数据集中异常数据的不良影响，以确定不含异常数据的理想建模数据集；而后为理想建模数据集引入不同误差变化量下的附加误差，得到包含各类误差信息的离线冗余特征集，并基于深度置信网络对离线冗余特征集进行特征融合，得到评估电压互感器运行误差的定量评估模型；最后基于定量评估模型对电压互感器的实时输出信号进行分析，实现电压互感器误差状态的定量评估。本发明有效剔除了建模数据集中异常数据所带来的不良影响，并实现了电压互感器误差状态的在线定量评估，具有良好的有效性和普适性。

Description

一种电压互感器误差状态在线定量评估方法
技术领域
本发明涉及输配电设备状态评估与故障诊断领域，更具体地，涉及一种电压互感器误差状态在线定量评估方法。
背景技术
电压互感器作为电力系统中的重要测量设备，被广泛应用于电力系统中，是系统中电压数据的根本来源。但电压互感器的运行状态存在受设备老化、环境温度和外界电磁场等因素的影响而出现劣化的现象，严重时将导致电压互感器运行超差。电压互感器一旦超差，其测量结果将不再可信，甚至将影响电力系统的安全稳定运行，为此，及时评估和更换误差状态异常的电压互感器是极为必要的。
如今，根据检定规程利用高精度物理标准器对电压互感器进行无差别周期性离线检定是目前广泛应用的检定方法，但该方法依赖高精度物理标准器与停电操作的双重配合，频繁的停电操作将影响供电的可靠性；并且校验设备笨重，运输困难，致使每年虽消耗大量人力物力，但仍有大量电压互感器超期未检、误差未知，致使现有离线检定方法已无法满足快速增长的互感器检定需求。
随着挂网电压互感器数量的增长和测量可靠性要求的提高，将周期性离线评估转化为在线评估成为了研究热点。现有在线评估方法通过提取表征电压互感器运行误差的特征参量，而后将历史输出信号视为离线建模数据并通过数据驱动的方式获取特征参量的评估阈值，最后通过监测实时运行数据的特征参量与评估阈值间的关系变化实现互感器误差状态的在线评估。但现有的该类方法存在如下不足，首先，在离线建模方面，该类方法大多将历史输出信号视为正常并基于此进行离线建模，未考虑建模数据集中是否含有异常数据，若利用含有异常数据的数据集进行离线建模，将致使状态评估的准确率下降，现已有一种利用概念漂移识别技术(即余弦相似度)对建模数据进行异常检测的方法，其检测原理是将建模数据划分为几十上百个长度相同的数据段（如5000点数据被分为100组长度为50的数据段），并计算每段数据的余弦相似度值，通过余弦相似度的变化实现建模数据异常检测；但该方法无法排除随机噪声值的影响，且需人为划分数据段，若数据段的划分不合理，将影响异常检测的有效性即出现误判或漏判的情况。其次，在在线评估方面，该类在线评估方法通过监测实时运行数据的特征参量是否超过评估阈值而定性判断电压互感器的误差状态变化或者不变化，无法获取其误差的具体变化量，故难以对电压互感器进行定量评价。综上所述，现有的在线评估方法暂不能完全满足智能电网对电压互感器在线监测的要求。
发明内容
本发明针对现有技术中存在的技术问题，提供一种电压互感器误差状态在线定量评估方法，该方法利用改进的无监督异常检测技术确定最优建模数据以排除建模数据中异常数据的不良影响，并融合多种冗余相关的特征参量实现电压互感器误差状态的在线定量评估，以更加实时准确掌握电压互感器的误差状态。
一种电压互感器误差状态在线定量评估方法，包括：
采集待评估电压互感器群体的历史输出信号以构建建模数据集Y，并对建模数据集Y进行标准化处理得到标准化矩阵Y1，而后依据标准化矩阵Y1构建冗余特征数据集X*，并基于改进的无监督异常检测技术对冗余特征数据集X*进行异常检测，通过判断检测结果中的数据类型实现建模数据的异常检测，进而确定理想建模数据集Y2；
根据待评估电压互感器群体的准确度等级和理想建模数据集Y2构建含有不同附加比值差和相位差信息的数据集Y31和Y32，并依据数据集Y31和Y32构建不同附加误差下的特征数据集，同时引入相应的属性标签得到含有各类比值差信息和相位差信息的第一离线冗余特征集X11和第二离线冗余特征集X12，而后基于深度置信网络对第一离线冗余特征集X11和第二离线冗余特征集X12进行特征融合，分别得到评估电压互感器比值差的第一定量评估模型和评估电压互感器相位差的第二定量评估模型；
采集待评估电压互感器群体的实时输出信号，标准化处理后构建第一评估特征数据集X21和第二评估特征数据集X22，第一评估特征数据集X21和第二评估特征数据集X22分别输入第一定量评估模型和第二定量评估模型，进行误差状态定量评估，得到待评估电压互感器群体内电压互感器的误差变化量。
与现有技术相比，本发明的有益技术效果为：
1、本发明摆脱了停电操作和物理标准器的约束，仅依据电压互感器的历史输出信号和实时运行数据实现整个运行周期内的状态评估，这不仅降低了状态评估的成本，也有利于更好的实时掌握电压互感器的运行状态。
2、本发明利用改进的无监督异常检测技术排除了噪声值对异常检测结果的影响，能更好的实现建模数据的异常检测，以便为电压互感器的离线建模过程提供理想的建模数据集，进一步提高了在线评估方法的有效性和准确性。
3、本发明基于特征融合的方法实现了电压互感器误差状态的定量评估，其中评估出的比值差与真实比值差的偏差小于0.05%，评估出的相位差与真实相位差的偏差小于2’，即评估准确度满足0.2级电压互感器在线评估的要求，能真实反映电压互感器误差状态的变化。
附图说明
图1为本发明实施例提供的一种电压互感器误差状态在线定量评估方法的流程图；
图2为本发明实施例提供的建模数据中含有异常数据时的检测结果；
图3为本发明实施例提供的建模数据中排除异常数据后的检测结果；
图4为本发明实施例提供的网络特征融合训练的流程图；
图5为本发明实施例提供的第一组A相电压互感器误差状态评估值与真实值；
图6为本发明实施例提供的第一组A相电压互感器误差状态评估值与真实值的偏差信息。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明通过建立一种电压互感器误差状态在线定量评估方法，旨在摆脱对物理标准器的依赖和停电操作的约束，在排除建模数据集中异常数据所带来的不良影响的同时，实现电压互感器误差状态的在线定量评估。
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的模块使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
如图1为本发明提供的一种电压互感器误差状态在线定量评估方法流程图，如图1所示，该在线定量评估方法包括：
采集待评估电压互感器群体的历史输出信号以构建建模数据集Y，并对建模数据集Y进行标准化处理得到标准化矩阵Y1，而后依据标准化矩阵Y1构建冗余特征数据集X*，并基于改进的无监督异常检测技术对冗余特征数据集X*进行异常检测，通过判断检测结果中的数据类型实现建模数据的异常检测，进而确定理想建模数据集Y2；
根据待评估电压互感器群体的准确度等级和理想建模数据集Y2构建含有不同附加比值差和相位差信息的数据集Y31和Y32，并依据数据集Y31和Y32构建不同附加误差下的特征数据集，同时引入相应的属性标签得到含有各类比值差信息和相位差信息的第一离线冗余特征集X11和第二离线冗余特征集X12，而后基于深度置信网络对第一离线冗余特征集X11和第二离线冗余特征集X12进行特征融合，分别得到评估电压互感器比值差的第一定量评估模型和评估电压互感器相位差的第二定量评估模型；
采集待评估电压互感器群体的实时输出信号，标准化处理后构建第一评估特征数据集X21和第二评估特征数据集X22，第一评估特征数据集X21和第二评估特征数据集X22分别输入第一定量评估模型和第二定量评估模型，进行误差状态定量评估，得到待评估电压互感器群体内电压互感器的误差变化量。
本发明提供了一种电压互感器误差状态在线定量评估方法，该方法利用改进的无监督异常检测技术确定最优建模数据以排除建模数据中异常数据的不良影响，并融合多种冗余相关的特征参量实现电压互感器误差状态的在线定量评估，以更加实时准确掌握电压互感器的误差状态。
实施例一
如图1所示，本发明按照以下步骤对电压互感器的误差状态进行在线评估。
步骤1，采集待评估电压互感器群体的历史输出信号以构建建模数据集Y，并对建模数据集Y进行标准化处理得到标准化矩阵Y1。
优选地，以变电站内同一电压等级下具有电气连接关系的2组6台电压互感器作为 待评估电压互感器群体，并采集其历史输出信号，其所采集的历史电压幅值信息分别为Ua1、 Ub1、Uc1和Ua2、Ub2、Uc2，其所采集的历史电压相位信息分别为
Figure 264528DEST_PATH_IMAGE001
和
Figure 895361DEST_PATH_IMAGE002
。将所采集的历史输出信号组成建模数据集
Figure 160120DEST_PATH_IMAGE003
，其中n1为采样 点数。
对建模数据集进行标准化处理，得到标准化矩阵Y1，标准化处理方法具体如下：
Figure 644804DEST_PATH_IMAGE004
式中，
Figure 198276DEST_PATH_IMAGE005
是元素全为1的列向量，
Figure 163958DEST_PATH_IMAGE006
是建模数据集Y的均值向量，
Figure 486486DEST_PATH_IMAGE007
为建模数据集Y中第i列 向量的均值，如式（2）所示；
Figure 145000DEST_PATH_IMAGE008
为矩阵Y的方差矩阵，如式（3）所示。
Figure 982506DEST_PATH_IMAGE009
Figure 952212DEST_PATH_IMAGE010
。
在本优选实施方式中，搭建模拟变电站局部一次拓扑结构的实验仿真平台，该平 台中同一电压等级下的母线上配置有两组0.2级的电压互感器和一组0.05级的标准电压互 感器（用于获取0.2级电压互感器的运行误差），并将0.2级电压互感器中的第一组A相互感 器置于温控箱中进行加速老化试验，以模拟电压互感器运行状态劣化，进而获取实验原始 数据（共采集6000组原始数据，其中前3400组数据对应互感器处于正常运行状态，后2600组 数据中第一组A相互感器的比值差以
Figure 925984DEST_PATH_IMAGE011
的速度发生负向偏移）。为验证建模数据 异常检测的有效性，以实验原始数据的前4500组数据作为建模数据集Y，并向其中引入 0.03%的高斯噪声；为验证定量评估的准确性，以实验原始数据的后1500组数据作为在线评 估的实时运行数据集。利用公式（1）-（3）对建模数据集Y进行标准化处理，得到标准化矩阵
Figure 693083DEST_PATH_IMAGE012
。
步骤2，构建表征电压互感器比值差的特征参量X1和表征电压互感器相位差的特征参量X2，进而得到冗余特征参量X，并依据标准化矩阵Y1构建冗余特征数据集X*。
优选地，表征电压互感器运行误差的冗余特征参量
Figure 283464DEST_PATH_IMAGE013
包括两部分，即表 征比值差的特征参量
Figure 325370DEST_PATH_IMAGE014
和相位差的特征参量
Figure 622490DEST_PATH_IMAGE015
，如下所示：
Figure 622807DEST_PATH_IMAGE016
。
（1）构建表征比值差的特征参量
Figure 635238DEST_PATH_IMAGE017
的具体步骤如下：
首先基于群体内不同组的同相电压互感器间一次侧电压幅值相同的电气联系，构 建含有3个子特征参量的
Figure 746413DEST_PATH_IMAGE018
，如下所示：
Figure 163619DEST_PATH_IMAGE019
式中，Ua1、Ub1、Uc1为第1组电压互感器二次输出电压的幅值，Ua2、Ub2、Uc2为第2组电压互感器二次输出电压的幅值，Ua、Ub、Uc为二次侧额定电压。
其次基于群体组内一次侧的三相电压不平衡度维持在一定范围内波动的电气联系，构建含有8个子特征参量的F，如下所示：
Figure 69258DEST_PATH_IMAGE020
式中，
Figure 306336DEST_PATH_IMAGE021
表示由
Figure 955623DEST_PATH_IMAGE022
计算得到的三相不平衡度，如下所 示：
Figure 489985DEST_PATH_IMAGE023
式中，
Figure 769788DEST_PATH_IMAGE024
表示
Figure 290899DEST_PATH_IMAGE025
和
Figure 743877DEST_PATH_IMAGE026
的平均值。
（2）构建表征相位差的特征参量
Figure 870096DEST_PATH_IMAGE027
的具体步骤如下：
首先基于群体内不同组的同相电压互感器间一次侧电压相位相同的电气联系，构 建含有3个子特征参量的
Figure 383117DEST_PATH_IMAGE028
，如下所示：
Figure 391524DEST_PATH_IMAGE029
式中，
Figure 871963DEST_PATH_IMAGE030
为第1组电压互感器二次输出电压的相位，
Figure 649426DEST_PATH_IMAGE031
为第2组电压互感器二次输出电压的相位。
其次基于群体组内一次侧电压相位差接近120°的电气联系，构建含有8个子特征 参量的
Figure 271032DEST_PATH_IMAGE032
，如下所示：
Figure 766735DEST_PATH_IMAGE033
在本优选实施方式中，根据公式（5）-公式（7）构建表征电压互感器比值差的冗余特征参量X1，根据公式(8)和公式(9)构建表征电压互感器相位差的冗余特征参量X2，进而根据公式(4)得到表征电压互感器运行误差的冗余特征参量X。
依据标准化矩阵Y1构建冗余特征数据集X*，具体的，将标准化矩阵Y1代入公式（4）-公式（9）得到冗余特征数据集X*。
步骤3，基于改进的无监督异常检测技术对数据集X*进行异常检测，根据检测结果确定理想建模数据集Y2。
基于改进的无监督异常检测技术对数据集X*进行异常检测，并根据检测结果确定理想建模数据集Y2的具体步骤如下：
首先构建无监督异常检测技术的目标函数
Figure 764778DEST_PATH_IMAGE034
，如下所示：
Figure 396748DEST_PATH_IMAGE035
式中，U为模糊划分矩阵，
Figure 451904DEST_PATH_IMAGE036
，
Figure 434903DEST_PATH_IMAGE037
为冗余特征数据集X*中第k个 样本归属于第h类中心的隶属度，c为聚类中心个数，取值为2，n1为冗余特征数据集X*的样 本量；V为聚类中心矩阵，
Figure 33375DEST_PATH_IMAGE038
，vh为第h个类的中心；dhk为第k个样本xk与第h类 中心vh的欧式距离，如下所示：
Figure 723113DEST_PATH_IMAGE039
为降低样本中噪声值的影响，引入样本点密度f k进行改进：
Figure 14418DEST_PATH_IMAGE040
其中，
Figure 219134DEST_PATH_IMAGE041
为样本点xk与xg的欧式距离，样本点xk周围越密集时，f k越大，样本点xk 周围越稀疏时，f k越小；对f k归一化后得到每个样本点xk的权重：
Figure 293400DEST_PATH_IMAGE042
求取使
Figure 162612DEST_PATH_IMAGE043
取极小值时的聚类中心V和模糊划分矩阵U，同时其求解过程受 隶属度和等于1的约束，如下所示：
Figure 562500DEST_PATH_IMAGE044
引入拉格朗日乘数并对其求导可得，当且仅当
Figure 988933DEST_PATH_IMAGE045
和vh满足如下关系时达到最优 检测效果:
Figure 194787DEST_PATH_IMAGE046
。
判断异常数据的方法可以理解为，通过对公式(15)求解可确定样本xk隶属于每一 个聚类中心vh的隶属度
Figure 859117DEST_PATH_IMAGE047
，通过分析冗余特征数据集X*中各样本xk隶属于聚类中心vh的 隶属度
Figure 226645DEST_PATH_IMAGE047
判断各样本是否属于同一数据类型实现建模数据集的异常检测。当数据类型只 有一种时，则以该冗余特征数据集X*所对应的离线建模数据Y1作为理想建模数据集Y2；当数 据类型为两种时，则选取负向偏移隶属度平稳数据末尾段中的极大值作为分界点，并去除 该分界点后的数据，再次进行异常检测直至找到只含有一种数据类型的冗余特征数据集， 并以其所对应的建模数据为理想建模数据集Y2。
在本优选实施例中，建模数据集
Figure 405953DEST_PATH_IMAGE048
中后1100组数据的第一组A相互感 器的比值差发生负向偏移，即第3400组数据开始，建模数据中含有异常数据。根据公式（4）- （9）对标准化后的矩阵Y1进行处理，得到冗余特征数据集
Figure 350251DEST_PATH_IMAGE049
，并根据公式 （10）-（15）计算冗余特征数据集X*的模糊划分矩阵U，如图2所示。从图2中可知，冗余特征数 据集X*的数据类型含有2种，且负向偏移隶属度平稳数据末尾段中的极大值所对应的分界 点为第3400点，即从第3400个样本开始检测出建模数据中存在异常的现象。去除这部分异 常数据后，再次对剩余数据进行异常检测，其检测结果如图3所示，此时数据集中样本未被 分为两类，即数据集中不存在异常的现象，则以此作为理想建模数据集
Figure 134668DEST_PATH_IMAGE050
，这 与实际异常情况相符。
步骤4，根据待评估电压互感器群体的准确度等级和理想建模数据集Y2构建含有不同附加比值差和相位差信息的数据集Y31和Y32。
具体的，针对误差限值为[-B/2，B/2]的电压互感器，设置待评估电压互感器群体 内电压互感器的误差变化区间为[-B，B]，为理想建模数据集Y2中引入等分的附加比值差
Figure 673096DEST_PATH_IMAGE051
和附加相位差
Figure 277384DEST_PATH_IMAGE052
，并引入相应属性标签，得到含有电压互感器比值差信息和相位差信 息的数据集Y31和Y32。
优选地，为理想建模数据集Y2中引入等分的附加比值差
Figure 825040DEST_PATH_IMAGE051
和相位差
Figure 463963DEST_PATH_IMAGE052
的步骤如 下：
（1）向第x台电压互感器的电压幅值UX中引入附加比值差
Figure 170363DEST_PATH_IMAGE053
：
Figure 324264DEST_PATH_IMAGE054
式中，
Figure 347715DEST_PATH_IMAGE055
为第x台电压互感器引入附加比值差
Figure 903461DEST_PATH_IMAGE053
后的电压幅值，UX为理想建模 数据集Y2中第x台电压互感器的电压幅值，
Figure 721376DEST_PATH_IMAGE053
为引入的第p种附加比值差；而后引入相应属 性标签，得到含有电压互感器比值差变化信息的数据集Y31。
（2）向第
Figure 96993DEST_PATH_IMAGE056
台电压互感器的电压相位
Figure 986452DEST_PATH_IMAGE057
引入附加相位差
Figure 331458DEST_PATH_IMAGE058
：
Figure 648170DEST_PATH_IMAGE059
式中，
Figure 511084DEST_PATH_IMAGE060
为第x台电压互感器引入附加相位差
Figure 876337DEST_PATH_IMAGE058
后的电压相位，
Figure 406676DEST_PATH_IMAGE057
为理想建 模数据集Y2中第
Figure 831972DEST_PATH_IMAGE056
台电压互感器的电压相位，
Figure 916602DEST_PATH_IMAGE058
为引入的第P种附加相位差；而后引入相 应属性标签，得到含有电压互感器相位差变化信息的数据集Y32。
在本优选实施方式中，评估群体为0.2级的2组6台电压互感器，当其比值差超过[- 0.2%，0.2%]或相位差超过[-10’，10’]时，则称为超差，故设置0.2级电压互感器的比值差变 化区间为[-0.4%，0.4%]，相位差变化区间为[-20’，20’]。而后为理想建模数据集Y2中引入 等分的附加比值差
Figure 613775DEST_PATH_IMAGE061
和相位差
Figure 733041DEST_PATH_IMAGE062
，并引入相应属性标签，如下表1和表2所示，得到含有电 压互感器比值差信息和相位差信息的数据集Y31和Y32。
表1 Y31中引入的比值差信息
Figure 329239DEST_PATH_IMAGE063
表2 Y32中引入的相位差信息
Figure 432324DEST_PATH_IMAGE064
步骤5，基于数据集Y31和Y32构建不同附加误差下的冗余特征数据集，并引入相应的属性标签得到含有各类比值差信息和相位差信息的第一离线冗余特征集X11和第二离线冗余特征集X12。
其中，将数据集Y31代入公式（5）-公式（7），并结合数据集Y31的属性标签得到第一 离线冗余特征集
Figure 139380DEST_PATH_IMAGE065
；将数据集Y32代入公式（8）-公式（9），并结合数据集Y32的属 性标签得到第二离线冗余特征集
Figure 113152DEST_PATH_IMAGE066
。在本优选实施方式中，将数据集Y31和 Y32代入公式公式（5）-公式（9）得到含有各类比值差信息和相位差信息的第一离线冗余特征 集X11和第二离线冗余特征集X12。
步骤6，基于深度置信网络对第一离线冗余特征集X11和第二离线冗余特征集X12进行特征融合，分别得到评估电压互感器比值差的第一定量评估模型和评估电压互感器相位差的第二定量评估模型。
优选地，利用深度置信网络分别对第一离线冗余特征集X11和第二离线冗余特征集X12进行融合，融合过程如图4所示，具体步骤如下所示：
首先初始化深度置信网络的结构参数如隐藏层层数、隐藏层单元数、学习率和迭代次数等。
而后对每一层隐藏层进行训练，每层隐藏层由一层显层
Figure 939638DEST_PATH_IMAGE067
和一层隐层
Figure 202123DEST_PATH_IMAGE068
组成，同 时上一层隐藏层的隐层将作为下一层隐藏层的显层，每层隐藏层的能量函数如下所示：
Figure 775187DEST_PATH_IMAGE069
式中，
Figure 72308DEST_PATH_IMAGE070
，为待求解的内部参数，vi为第i个显层神经元的状态；hj为 第j个隐层神经元的状态；
Figure 807045DEST_PATH_IMAGE071
为显层节点vi和隐层节点hj的连接权重；bi和aj为显层节点vi 和隐层节点hj的偏置，m和n为显层和隐层的神经元数量。
当显层状态确定时，隐层节点hj被显层节点vi激活的概率为：
Figure 619144DEST_PATH_IMAGE072
当隐层状态确定时，显层节点vi被隐层节点hj激活的概率为：
Figure 668002DEST_PATH_IMAGE073
通过计算似然函数
Figure 714954DEST_PATH_IMAGE074
和
Figure 823855DEST_PATH_IMAGE075
的函数最大值，进 而得到参数集
Figure 857670DEST_PATH_IMAGE076
的更新方法为:
Figure 772537DEST_PATH_IMAGE077
式中，
Figure 44249DEST_PATH_IMAGE078
表示输入数据的期望，
Figure 386369DEST_PATH_IMAGE079
表示重构数据的期望。
最后，完成每层隐层的训练后，根据电压互感器群体离线冗余特征集的属性标签和深度置信网络分类结果之间的差异采用BP反向传播方法对整个深度置信网络进行微调，使整个网络的评估性能达到最优，进而实现电压互感器误差状态的定量评估。
在本优选实施方式中，对融合第一离线冗余特征集X11和第二离线冗余特征集X12的深度置信网络结构参数进行初始化，初始化参数如表3所示。而后将第一离线冗余特征集X11和第二离线冗余特征集X12分别代入上述深度置信网络，并基于公式（18）-公式（21）进行训练，得到定量评估电压互感器比值差的第一定量评估模型和定量评估电压互感器相位差的第二定量评估模型。
表3 深度置信网络的初始化参数
Figure 842233DEST_PATH_IMAGE080
步骤7，采集待评估电压互感器群体的实时输出信号，标准化处理后构建第一评估特征数据集X21和第二评估特征数据集X22，第一评估特征数据集X21和第二评估特征数据集X22分别输入第一定量评估模型和第二定量评估模型，进行误差状态定量评估，得到待评估电压互感器群体内电压互感器的误差变化量。
优选地，实时采集上述电压互感器群体的二次输出电压，根据公式（5）-公式（7）得 到评估比值差的第一评估特征数据集
Figure 560791DEST_PATH_IMAGE081
，并根据公式（8）-公式（9）得到评估 相位差的第二评估特征数据集
Figure 687010DEST_PATH_IMAGE082
，而后将第一评估特征数据集X21和第二评估特征数据集X22分 别输入步骤6中的定量评估模型，得到评估群体内电压互感器的误差变化量。若变化量为 零，即该电压互感器群体的整体误差状态正常，则更新建模数据集；若变化量不为零，则该 群体内电压互感器的误差状态发生了变化，并上报信息。
在本优选实施方式中，将在线评估数据集（1500组数据）代入公式（5）-公式（7）得 到第一评估特征数据集
Figure 200030DEST_PATH_IMAGE083
，并根据公式（8）-公式（9）得到第二评估特征数据 集
Figure 942859DEST_PATH_IMAGE082
，而后将X21和X22输入第一定量评估模型和第二定量评估模型，其第 一组A相电压互感器的评估值和真实值的关系如图5所示，评估值和真实值的偏差信息如图 6所示。从图中可知，定量评估结果与真实误差基本重叠，且评估结果与真实误差的偏差信 息如表4所示。从表4可知，比值差偏差小于0.05%，比值差偏差小于2’，即评估准确度满足 0.2级电压互感器在线评估的要求。
表4 偏差统计信息
Figure 402790DEST_PATH_IMAGE084
对本发明提供的电压互感器误差状态在线定量评估方法进行仿真验证可知，该方法可良好识别建模数据中的异常数据，进而剔除异常数据的不良影响，且检测结果不受随机噪声值的影响；并能实现变电站内电压互感器的在线定量评估，其评估准确度能满足0.2级电压互感器在线评估的要求。本发明解决了电压互感器不停电条件下的在线定量评估问题，与现有在线评估方法相比，不仅极大提高了在线评估方法的有效性和适应性，同时也能更加真实的反映电压互感器运行状态的变化。
实施例二
本发明实施例提供一种电压互感器误差状态在线定量评估系统，包括：
建模数据异常检测模块，用于采集待评估电压互感器群体的历史输出信号以构建建模数据集Y，并对建模数据集Y进行标准化处理得到标准化矩阵Y1，而后依据标准化矩阵Y1构建冗余特征数据集X*，并基于改进的无监督异常检测技术对冗余特征数据集X*进行异常检测，通过判断检测结果中的数据类型实现建模数据的异常检测，进而确定理想建模数据集Y2。
离线建模网络训练模块，用于根据待评估电压互感器群体的准确度等级和理想建模数据集Y2构建含有不同附加比值差和相位差信息的数据集Y31和Y32，并依据数据集Y31和Y32构建不同附加误差下的特征数据集，同时引入相应的属性标签得到含有各类比值差信息和相位差信息的第一离线冗余特征集X11和第二离线冗余特征集X12，而后基于深度置信网络对第一离线冗余特征集X11和第二离线冗余特征集X12进行特征融合，分别得到评估电压互感器比值差的第一定量评估模型和评估电压互感器相位差的第二定量评估模型。
电压互感器在线评估模块，用于采集待评估电压互感器群体的实时输出信号，标准化处理后构建第一评估特征数据集X21和第二评估特征数据集X22，第一评估特征数据集X21和第二评估特征数据集X22分别输入第一定量评估模型和第二定量评估模型，进行误差状态定量评估，得到待评估电压互感器群体内电压互感器的误差变化量。
本发明所述的一种电压互感器误差状态在线定量评估系统对电压互感器进行误差状态在线定量评估与本发明所述的一种电压互感器误差状态在线定量评估方法步骤相同，达到的技术效果也相同，在此不再赘述。
需要说明的是，实施例中所述的方法可以通过计算机软件程序实现，基于此，本发明实施例还提供一种电子设备，包括：
存储器，用于存储计算机软件程序；
处理器，用于读取并执行所述存储器中存储的计算机软件程序，并实现本发明第一方面所述的一种电压互感器误差状态在线定量评估方法。
同时还需说明的是，计算机软件程序中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (8)

1.一种电压互感器误差状态在线定量评估方法，其特征在于，包括：
采集待评估电压互感器群体的历史输出信号以构建建模数据集Y，并对建模数据集Y进行标准化处理得到标准化矩阵Y1，而后依据标准化矩阵Y1构建冗余特征数据集X*，并基于改进的无监督异常检测技术对冗余特征数据集X*进行异常检测，通过判断检测结果中的数据类型实现建模数据的异常检测，进而确定理想建模数据集Y2；
根据待评估电压互感器群体的准确度等级和理想建模数据集Y2构建含有不同附加比值差和相位差信息的数据集Y31和Y32，并依据数据集Y31和Y32构建不同附加误差下的特征数据集，同时引入相应的属性标签得到含有各类比值差信息和相位差信息的第一离线冗余特征集X11和第二离线冗余特征集X12，而后基于深度置信网络对第一离线冗余特征集X11和第二离线冗余特征集X12进行特征融合，分别得到评估电压互感器比值差的第一定量评估模型和评估电压互感器相位差的第二定量评估模型；
采集待评估电压互感器群体的实时输出信号，标准化处理后构建第一评估特征数据集X21和第二评估特征数据集X22，第一评估特征数据集X21和第二评估特征数据集X22分别输入第一定量评估模型和第二定量评估模型，进行误差状态定量评估，得到待评估电压互感器群体内电压互感器的误差变化量。
2.根据权利要求1所述的电压互感器误差状态在线定量评估方法，其特征在于，所述采集待评估电压互感器群体的历史输出信号以构建建模数据集Y，并对建模数据集Y进行标准化处理得到标准化矩阵Y1，包括：
采集变电站内同一电压等级下具有电气连接关系的2组6台待评估电压互感器的历史输出信号，所述电压互感器的历史输出信号包括电压互感器的电压幅值信息和电压相位信息，所述待评估电压互感器群体内的同相互感器所测量的一次电压相同；
其中，所述待评估电压互感器群体内的每一台电压互感器的电压幅值信息和电压相位 信息组成建模数据集
Figure 823663DEST_PATH_IMAGE001
，其中n1为采样点数；
Figure 287749DEST_PATH_IMAGE002
；
式中，Y1为对建模数据集Y进行标准化处理得到标准化矩阵，
Figure 296157DEST_PATH_IMAGE003
是元素全为1的列向量，
Figure 880722DEST_PATH_IMAGE004
是建 模数据集Y的均值向量，
Figure 376294DEST_PATH_IMAGE005
为建模数据集Y中第i列向量的均值，
Figure 529058DEST_PATH_IMAGE006
为建模数据集矩阵Y的方差矩阵。
3.根据权利要求1或2所述的电压互感器误差状态在线定量评估方法，其特征在于，所述依据标准化矩阵Y1构建冗余特征数据集X*，包括：
分别构建表征电压互感器比值差的特征参量X1和表征电压互感器相位差的特征参量 X2，获得表征电压互感器运行误差的冗余特征参量
Figure 352657DEST_PATH_IMAGE007
；
其中，所述构建表征电压互感器比值差的特征参量X1，包括：
基于待评估电压互感器群体内不同组的同相电压互感器间一次侧电压幅值相同的电 气联系，构建含有3个子特征参量的
Figure 632591DEST_PATH_IMAGE008
，如下所示：
Figure 858036DEST_PATH_IMAGE009
式中，Ua1、Ub1、Uc1为第1组电压互感器二次输出电压的幅值，Ua2、Ub2、Uc2为第2组电压互感器二次输出电压的幅值，Ua、Ub、Uc为二次侧额定电压；
基于群体组内一次侧的三相电压不平衡度维持在一定范围内波动的电气联系，构建含有8个子特征参量的F，如下所示：
Figure 916122DEST_PATH_IMAGE010
式中，
Figure 492597DEST_PATH_IMAGE011
表示由
Figure 543598DEST_PATH_IMAGE012
计算得到的三相不平衡度，如下所示：
Figure 623550DEST_PATH_IMAGE013
式中，
Figure 118116DEST_PATH_IMAGE014
表示
Figure 916308DEST_PATH_IMAGE015
和
Figure 3956DEST_PATH_IMAGE016
的平均值；
Figure 203993DEST_PATH_IMAGE017
所述表征电压互感器相位差的特征参量X2，包括：
基于群体内不同组的同相电压互感器间一次侧电压相位相同的电气联系，构建含有3 个子特征参量的
Figure 869461DEST_PATH_IMAGE018
，如下所示：
Figure 889370DEST_PATH_IMAGE019
式中，
Figure 547753DEST_PATH_IMAGE020
为第1组电压互感器二次输出电压的相位，
Figure 602297DEST_PATH_IMAGE021
为第2组电压互感器二次输出电压的相位；
基于群体组内一次侧电压相位差接近120°的电气联系，构建含有8个子特征参量的
Figure 173087DEST_PATH_IMAGE022
，如下所示：
Figure 945870DEST_PATH_IMAGE023
Figure 643830DEST_PATH_IMAGE024
利用标准化矩阵Y1中的数据构建表征电压互感器运行误差的冗余特征数据集X*。
4.根据权利要求1所述的电压互感器误差状态在线定量评估方法，其特征在于，所述基于改进的无监督异常检测技术对建模数据进行异常检测，通过判断检测结果中的数据类型实现建模数据的异常检测，进而确定理想建模数据集Y2，包括：
构建无监督异常检测技术的目标函数
Figure 552880DEST_PATH_IMAGE025
，如下所示：
Figure 825730DEST_PATH_IMAGE026
式中，U为模糊划分矩阵，
Figure 944865DEST_PATH_IMAGE027
，
Figure 554837DEST_PATH_IMAGE028
为冗余特征数据集X*中第k个样本 归属于第h类中心的隶属度，c为聚类中心个数，取值为2，n1为冗余特征数据集X*的样本量； V为聚类中心矩阵，
Figure 724919DEST_PATH_IMAGE029
，vh为第h个类的中心；dhk为第k个样本xk与第h类中心vh 的欧式距离，如下所示：
Figure 762145DEST_PATH_IMAGE030
为降低样本中噪声值的影响，引入样本点密度f k：
Figure 398269DEST_PATH_IMAGE031
其中，dgk为样本点xk与xg的欧式距离，样本点xk周围越密集时，f k越大，样本点xk周围越稀疏时，f k越小；对f k归一化后得到每个样本点xk的权重：
Figure 811933DEST_PATH_IMAGE032
求取使
Figure 570942DEST_PATH_IMAGE033
取极小值时的聚类中心V和模糊划分矩阵U，同时其求解过程受隶属 度和等于1的约束，如下所示：
Figure 169282DEST_PATH_IMAGE034
引入拉格朗日乘数并对其求导可得，当且仅当
Figure 138375DEST_PATH_IMAGE035
和vh满足如下关系时达到最优检测 效果:
Figure 496675DEST_PATH_IMAGE036
通过不断交替迭代求解可确定最佳聚类中心V和模糊划分矩阵U，通过分析冗余特征数 据集X*中各样本xk隶属于聚类中心vh的隶属度
Figure 234824DEST_PATH_IMAGE037
判断各样本xk是否属于同一数据类型实 现冗余特征数据集X*的异常检测，将异常数据剔除得到理想建模数据集Y2。
5.根据权利要求4所述的电压互感器误差状态在线定量评估方法，其特征在于，所述通 过分析冗余特征数据集X*中各样本xk隶属于聚类中心vh的隶属度
Figure 505531DEST_PATH_IMAGE038
判断各样本xk是否属 于同一数据类型实现冗余特征数据集X*的异常检测，包括：
计算样本xk隶属于每一个聚类中心vh的隶属度
Figure 961920DEST_PATH_IMAGE039
，基于样本xk隶属于每一个聚类中心 vh的隶属度
Figure 592752DEST_PATH_IMAGE040
判断冗余特征数据集X*中的数据类型的种类数量；
当数据类型只有一种时，则以该冗余特征数据集X*所对应的建模数据集Y1作为理想建模数据集Y2；当数据类型为两种时，则选取负向偏移隶属度平稳数据末尾段中的极大值作为分界点，并去除该分界点后的数据，再次进行异常检测直至找到只含有一种数据类型的冗余特征数据集，并以其所对应的建模数据为理想建模数据集Y2。
6.根据权利要求4所述的电压互感器误差状态在线定量评估方法，其特征在于，所述根据待评估电压互感器群体的准确度等级和理想建模数据集Y2构建含有不同附加比值差和相位差信息的数据集Y31和Y32，包括：
针对误差限值为[-B/2，B/2]的电压互感器，设置待评估电压互感器群体内电压互感器 的误差变化区间为[-B，B]，为理想建模数据集Y2中引入等分的附加比值差
Figure 450987DEST_PATH_IMAGE041
和附加相位 差
Figure 391130DEST_PATH_IMAGE042
，并引入相应属性标签，得到含有电压互感器比值差信息和相位差信息的数据集Y31 和Y32。
7.根据权利要求6所述的电压互感器误差状态在线定量评估方法，其特征在于，所述为 理想建模数据集Y2中引入等分的附加比值差
Figure 69236DEST_PATH_IMAGE041
和附加相位差
Figure 503760DEST_PATH_IMAGE042
，并引入相应属性标签， 得到含有电压互感器比值差信息和相位差信息的数据集Y31和Y32，包括：
向第x台电压互感器的电压幅值UX中引入附加比值差
Figure 216501DEST_PATH_IMAGE043
：
Figure 837799DEST_PATH_IMAGE044
式中，
Figure 268780DEST_PATH_IMAGE045
为第x台电压互感器引入附加比值差
Figure 241416DEST_PATH_IMAGE043
后的电压幅值，UX为理想建模数据 集Y2中第x台电压互感器的电压幅值，
Figure 808663DEST_PATH_IMAGE043
为引入的第p种附加比值差；而后引入相应属性标 签，得到含有电压互感器比值差变化信息的数据集Y31；
向第x台电压互感器的电压相位
Figure 90609DEST_PATH_IMAGE046
引入附加相位差
Figure 743307DEST_PATH_IMAGE047
：
Figure 519633DEST_PATH_IMAGE048
式中，
Figure 206966DEST_PATH_IMAGE049
为第x台电压互感器引入附加相位差
Figure 161278DEST_PATH_IMAGE047
后的电压相位，
Figure 301272DEST_PATH_IMAGE046
为理想建模 数据集Y2中第x台电压互感器的电压相位，
Figure 615710DEST_PATH_IMAGE047
为引入的第P种附加相位差；而后引入相应 属性标签，得到含有电压互感器相位差变化信息的数据集Y32。
8.根据权利要求6或7所述的电压互感器误差状态在线定量评估方法，其特征在于，依据数据集Y31和Y32构建不同附加误差下的特征数据集，同时引入相应的属性标签得到含有各类比值差信息和相位差信息的第一离线冗余特征集X11和第二离线冗余特征集X12，包括：
基于数据集Y31和相应属性标签构建含有各类比值差信息的第一离线冗余特征集
Figure 813342DEST_PATH_IMAGE050
；
以及基于数据集Y32和相应属性标签构建含有各类相位差信息的第二离线冗余特征集
Figure 312457DEST_PATH_IMAGE051
。
CN202111264484.7A 2021-10-28 2021-10-28 一种电压互感器误差状态在线定量评估方法 Active CN113702895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111264484.7A CN113702895B (zh) 2021-10-28 2021-10-28 一种电压互感器误差状态在线定量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111264484.7A CN113702895B (zh) 2021-10-28 2021-10-28 一种电压互感器误差状态在线定量评估方法

Publications (2)

Publication Number Publication Date
CN113702895A true CN113702895A (zh) 2021-11-26
CN113702895B CN113702895B (zh) 2022-02-08

Family

ID=78647331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111264484.7A Active CN113702895B (zh) 2021-10-28 2021-10-28 一种电压互感器误差状态在线定量评估方法

Country Status (1)

Country Link
CN (1) CN113702895B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115392141A (zh) * 2022-10-28 2022-11-25 武汉格蓝若智能技术股份有限公司 一种自适应的电流互感器误差评估方法
CN115541973A (zh) * 2022-12-01 2022-12-30 威胜集团有限公司 一种变电站高压母线信号冗余性监测方法及装置
CN116125361A (zh) * 2023-02-03 2023-05-16 华中科技大学 电压互感器误差评估方法、系统、电子设备及存储介质
CN116520234A (zh) * 2023-06-30 2023-08-01 中国电力科学研究院有限公司 跨站点互感器计量误差在线监测方法、装置及电子设备
CN116643228A (zh) * 2023-07-27 2023-08-25 威胜集团有限公司 一种电压互感器初始误差估算方法
CN116736212A (zh) * 2023-06-20 2023-09-12 威胜集团有限公司 一种互感器运行误差在线监测及计量方法
CN116840765A (zh) * 2023-08-31 2023-10-03 武汉格蓝若智能技术股份有限公司 一种基于多元时序分析的电压互感器误差状态评估方法
CN117972537A (zh) * 2024-04-02 2024-05-03 国网山东省电力公司营销服务中心(计量中心) 基于广域量测的电压互感器计量状态评估方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561878A (zh) * 2009-05-31 2009-10-21 河海大学 基于改进cure聚类算法的无监督异常检测方法和系统
CN110095744A (zh) * 2019-04-04 2019-08-06 国网江苏省电力有限公司电力科学研究院 一种电子式互感器误差预测方法
CN110632545A (zh) * 2019-09-25 2019-12-31 国网江苏省电力有限公司电力科学研究院 基于回归神经网络电子式互感器误差风险评估方法和装置
CN110632546A (zh) * 2019-09-25 2019-12-31 国网江苏省电力有限公司电力科学研究院 基于全网域证据集的电子式互感器可信度评估方法和装置
CN210864020U (zh) * 2019-06-27 2020-06-26 中国电力科学研究院有限公司 一种用于确定电容式电压互感器的运行状态的系统
CN111537939A (zh) * 2020-04-17 2020-08-14 武汉格蓝若智能技术有限公司 一种基于多指标融合的电压互感器状态评估方法及装置
CN112098915A (zh) * 2020-11-05 2020-12-18 武汉格蓝若智能技术有限公司 双母线分段接线下多台电压互感器继发性误差的评估方法
CN112345872A (zh) * 2020-12-04 2021-02-09 中国南方电网有限责任公司超高压输电公司昆明局 基于深度置信网络的换流站二次回路异常识别和预警方法
CN112710930A (zh) * 2020-12-16 2021-04-27 华中科技大学 一种电容式电压互感器内绝缘状态在线评价方法
CN112731260A (zh) * 2021-03-30 2021-04-30 华中科技大学 基于概念漂移识别的电压互感器误差状态在线评估方法
CN113076215A (zh) * 2021-04-08 2021-07-06 华南理工大学 一种独立于数据类型的无监督异常检测方法
CN113325357A (zh) * 2021-08-04 2021-08-31 华中科技大学 基于输出时间序列差分的电压互感器误差评估方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561878A (zh) * 2009-05-31 2009-10-21 河海大学 基于改进cure聚类算法的无监督异常检测方法和系统
CN110095744A (zh) * 2019-04-04 2019-08-06 国网江苏省电力有限公司电力科学研究院 一种电子式互感器误差预测方法
CN210864020U (zh) * 2019-06-27 2020-06-26 中国电力科学研究院有限公司 一种用于确定电容式电压互感器的运行状态的系统
CN110632545A (zh) * 2019-09-25 2019-12-31 国网江苏省电力有限公司电力科学研究院 基于回归神经网络电子式互感器误差风险评估方法和装置
CN110632546A (zh) * 2019-09-25 2019-12-31 国网江苏省电力有限公司电力科学研究院 基于全网域证据集的电子式互感器可信度评估方法和装置
CN111537939A (zh) * 2020-04-17 2020-08-14 武汉格蓝若智能技术有限公司 一种基于多指标融合的电压互感器状态评估方法及装置
CN112098915A (zh) * 2020-11-05 2020-12-18 武汉格蓝若智能技术有限公司 双母线分段接线下多台电压互感器继发性误差的评估方法
CN112345872A (zh) * 2020-12-04 2021-02-09 中国南方电网有限责任公司超高压输电公司昆明局 基于深度置信网络的换流站二次回路异常识别和预警方法
CN112710930A (zh) * 2020-12-16 2021-04-27 华中科技大学 一种电容式电压互感器内绝缘状态在线评价方法
CN112731260A (zh) * 2021-03-30 2021-04-30 华中科技大学 基于概念漂移识别的电压互感器误差状态在线评估方法
CN113076215A (zh) * 2021-04-08 2021-07-06 华南理工大学 一种独立于数据类型的无监督异常检测方法
CN113325357A (zh) * 2021-08-04 2021-08-31 华中科技大学 基于输出时间序列差分的电压互感器误差评估方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王毓琦 等: "电力互感器检定与评估方法综述", 《高压电器》 *
胡琛 等: "基于随机矩阵理论的电子式互感器误差状态相关性分析方法", 《电力自动化设备》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115392141A (zh) * 2022-10-28 2022-11-25 武汉格蓝若智能技术股份有限公司 一种自适应的电流互感器误差评估方法
CN115541973A (zh) * 2022-12-01 2022-12-30 威胜集团有限公司 一种变电站高压母线信号冗余性监测方法及装置
CN116125361A (zh) * 2023-02-03 2023-05-16 华中科技大学 电压互感器误差评估方法、系统、电子设备及存储介质
CN116125361B (zh) * 2023-02-03 2023-07-18 华中科技大学 电压互感器误差评估方法、系统、电子设备及存储介质
CN116736212A (zh) * 2023-06-20 2023-09-12 威胜集团有限公司 一种互感器运行误差在线监测及计量方法
CN116736212B (zh) * 2023-06-20 2024-02-06 威胜集团有限公司 一种互感器运行误差在线监测及计量方法
CN116520234A (zh) * 2023-06-30 2023-08-01 中国电力科学研究院有限公司 跨站点互感器计量误差在线监测方法、装置及电子设备
CN116520234B (zh) * 2023-06-30 2023-09-08 中国电力科学研究院有限公司 跨站点互感器计量误差在线监测方法、装置及电子设备
CN116643228A (zh) * 2023-07-27 2023-08-25 威胜集团有限公司 一种电压互感器初始误差估算方法
CN116840765A (zh) * 2023-08-31 2023-10-03 武汉格蓝若智能技术股份有限公司 一种基于多元时序分析的电压互感器误差状态评估方法
CN116840765B (zh) * 2023-08-31 2023-11-07 武汉格蓝若智能技术股份有限公司 一种基于多元时序分析的电压互感器误差状态评估方法
CN117972537A (zh) * 2024-04-02 2024-05-03 国网山东省电力公司营销服务中心(计量中心) 基于广域量测的电压互感器计量状态评估方法及系统

Also Published As

Publication number Publication date
CN113702895B (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
CN113702895B (zh) 一种电压互感器误差状态在线定量评估方法
CN113343633B (zh) 动力锂电池热失控故障分类及风险预测方法、系统
Lin et al. State of health estimation of lithium-ion battery based on an adaptive tunable hybrid radial basis function network
CN111382542B (zh) 一种面向全寿命周期的公路机电设备寿命预测系统
CN110542819B (zh) 一种基于半监督dbnc的变压器故障类型诊断方法
CN112731260B (zh) 基于概念漂移识别的电压互感器误差状态在线评估方法
CN110879377B (zh) 基于深度信念网络的计量装置故障溯源方法
CN110601173B (zh) 基于边缘计算的配网拓扑识别方法及装置
Dette et al. Relevant change points in high dimensional time series
CN114114039A (zh) 一种电池系统的单体电芯一致性的评估方法和装置
CN111343147A (zh) 一种基于深度学习的网络攻击检测装置及方法
CN116679211A (zh) 一种锂电池健康状态的预测方法
CN113850320A (zh) 基于改进支持向量机回归算法的变压器故障检测方法
CN114548199A (zh) 一种基于深度迁移网络的多传感器数据融合方法
CN116011158A (zh) 一种低压台区的拓扑识别方法、系统及装置
CN115129019A (zh) 生产线故障分析模型的训练方法及生产线故障分析方法
CN114358085A (zh) 基于异构模型融合的线路故障诊断方法及装置
CN114330486A (zh) 基于改进Wasserstein GAN的电力系统不良数据辨识方法
Habib et al. Deep statistical solver for distribution system state estimation
CN111061708A (zh) 一种基于lstm神经网络的电能量预测与修复方法
Zhang et al. A method for remaining discharge time prediction of lithium‐ion batteries under dynamic uncertainty
CN116593917A (zh) 一种基于时频双流特征表征的锂电池健康状态估计方法
González-Manteiga et al. Bootstrap independence test for functional linear models
CN114779029B (zh) 融合群体冗余关联和结构参数的cvt内绝缘在线评估方法
CN113496255B (zh) 基于深度学习与决策树驱动的配电网混合观测布点方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhao Peng

Inventor after: Li Hongbin

Inventor after: Xu Yunwu

Inventor after: Zhou Feng

Inventor after: Chen Qing

Inventor after: Zhang Chuanji

Inventor after: Jiang Chunyang

Inventor after: Jiao Yang

Inventor after: Wang Huan

Inventor before: Li Hongbin

Inventor before: Xu Yunwu

Inventor before: Zhang Chuanji

Inventor before: Chen Qing

Inventor before: Zhang Yuxuan

Inventor before: Song Qiang

Inventor before: Zhang Dingqu