CN113779112A - 基于空间信息和大数据映射算法的电能质量分析系统 - Google Patents

基于空间信息和大数据映射算法的电能质量分析系统 Download PDF

Info

Publication number
CN113779112A
CN113779112A CN202111134021.9A CN202111134021A CN113779112A CN 113779112 A CN113779112 A CN 113779112A CN 202111134021 A CN202111134021 A CN 202111134021A CN 113779112 A CN113779112 A CN 113779112A
Authority
CN
China
Prior art keywords
sag
voltage
voltage sag
influence
unit
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
CN202111134021.9A
Other languages
English (en)
Other versions
CN113779112B (zh
Inventor
陈列新
张海花
李峰
周晨希
张超
丁远帆
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.)
Nanjing Lefan Electric Technology Co ltd
Original Assignee
Nanjing Lefan Electric Technology Co ltd
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 Nanjing Lefan Electric Technology Co ltd filed Critical Nanjing Lefan Electric Technology Co ltd
Priority to CN202111134021.9A priority Critical patent/CN113779112B/zh
Publication of CN113779112A publication Critical patent/CN113779112A/zh
Application granted granted Critical
Publication of CN113779112B publication Critical patent/CN113779112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/24—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
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了基于空间信息和大数据映射算法的电能质量分析系统，包括：数据采集模块、数据库、负荷耐受分析模块、暂降影响分析模块和数据映射处理模块，通过数据采集模块采集电压暂降发生情况以及受电压暂降影响的相关设备信息，通过负荷耐受分析模块分析不同设备的负荷敏感度，通过暂降影响分析模块分析电压暂降的影响程度，通过数据映射处理模块将分析数据映射到建立的模型上，进行归一化处理，将负荷敏感度和电压暂降影响程度关联起来，对大数据进行并行处理，减轻了数据处理难度，针对设备受到的影响程度不同采取不同强度的抑制措施，在对设备进行电压暂降防护、减少电压暂降经济损失的同时节省了成本。

Description

基于空间信息和大数据映射算法的电能质量分析系统
技术领域
本发明涉及电能质量分析技术领域，具体为基于空间信息和大数据映射算法的电能质量分析系统。
背景技术
电能质量问题是众多单一类型电力系统干扰问题的总称，电能质量的重要性随着国民经济的快速发展而不断增强，电网中各种负荷不断增长，各种复杂、精密、对电能质量敏感的用电设备越来越多，对电能质量进行精准分析有利于提前采取抑制措施，避免设备在遇到电能质量问题时受到损伤而跳闸重启，影响电能质量的最主要的因素是电压暂降问题，电压暂降指的是供电电压有效值在短时间内突然下降后又恢复到正常运行状态的现象，导致电压暂降的因素有很多，例如：供电系统任意点上发生的电气短路，大负荷切换、变压器充电、大型电动机的直接启动等；
现有技术中，对电能质量分析大多针对于整体的电力系统，但是设备才是电压暂降发生时受到影响的对象，不同设备的负荷敏感度不同，对电压暂降的耐受能力也不同，对负荷敏感度进行分析时容易出现偏差，负荷敏感度低的设备也会受到电压暂降影响而跳闸重启，设备在短时间内承受多次电压暂降往往是偏差来源之一，在电能质量分析中不考虑该偏差，不利于得到准确实际的分析结果，以采取对应强度的抑制措施对设备进行保护，减少电压暂降带来的巨大经济损失。
所以，人们需要基于空间信息和大数据映射算法的电能质量分析系统来解决上述问题。
发明内容
本发明的目的在于提供基于空间信息和大数据映射算法的电能质量分析系统，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：所述系统包括：数据采集模块、数据库、负荷耐受分析模块、暂降影响分析模块和数据映射处理模块；
所述数据采集模块用于采集电压暂降发生情况以及受电压暂降影响的相关设备信息；所述数据库用于存储采集到的所有数据，并供所述负荷耐受分析模块和所述暂降影响分析模块调取；所述负荷耐受分析模块用于分析不同设备的负荷敏感度；所述暂降影响分析模块用于分析电压暂降的影响程度；所述数据映射处理模块用于将分析数据映射到建立的模型上，将设备进行分类，依据分类结果分析电压暂降抑制处理的强度。
进一步的，所述数据采集模块包括暂降源点定位单元、暂降信息采集单元、设备信息采集单元和暂降前电压测量单元，所述暂降源点定位单元用于对电压暂降发生位置进行定位；所述暂降信息采集单元用于统计历史发生电压暂降的次数；所述设备信息采集单元用于采集电压暂降时各设备跳闸重启的总次数以及对应设备正常工作时的额定电压；所述暂降前电压测量单元用于测量暂降前的电压幅值。
进一步的，所述暂降影响分析模块包括电压幅值测试单元、幅值曲线生成单元、扰动分析单元和影响区域划分单元；所述电压幅值测试单元用于在发生电压暂降时测试电压幅值变化；所述幅值曲线生成单元用于依据测试数据生成幅值变化曲线；所述扰动分析单元用于分析电压暂降的影响程度；所述影响区域划分单元用于划分暂降源点波及区域。
进一步的，所述数据映射处理模块包括连带影响预估单元、映射模型建立单元和抑制强度分析单元，所述连带影响预估单元用于依据暂降源点波及区域预估设备受到的电压暂降的连带影响程度；所述映射模型建立单元用于建立数据映射模型；所述抑制强度分析单元用于在将数据映射处理后，分析需要为各设备采取的电压暂降抑制手段强度。
进一步的，利用暂降信息采集单元统计到历史暂降发生的次数为n，对应的暂降比例集合为a＝{a1，a2，...，an}，利用所述暂降源点定位单元确认历史发生电压暂降时的暂降源位置，利用设备信息采集单元采集到发生电压暂降时相关设备的跳闸重启次数集合为N＝{N1，N2，...，Nk}，对应设备的额定电压集合为U额＝{U额1，U额2，...，U额k}，其中，k表示相关设备个数，利用暂降前电压测量单元测量到每次暂降前电压集合为U＝{U1，U2，...，Un}，将采集到的所有数据传输到所述数据库中。
进一步的，利用所述负荷耐受分析模块分析各设备的电压暂降耐受能力：根据下列公式计算随机一个设备的负荷敏感系数Qi：
Figure BDA0003281602090000021
其中，Ni表示该设备的跳闸重启次数，U额i表示该设备的额定电压，Uj表示该设备随机一次重启对应的暂降前电压，aj表示该设备随机一次重启对应的暂降比例，负荷敏感系数越高，说明该设备面对电压暂降耐受能力越差，得到所有设备的负荷敏感系数集合为Q＝{Q1，Q2，...，Qk}，将分析结果传输到所述数据映射处理模块中，在分析设备的负荷敏感系数时加入设备以往的跳闸重启次数比例作为权重，根据历史数据分析设备在电压暂降时的耐受能力，有利于根据实际情况排除误差提高分析结果的准确性。
进一步的，利用所述电压幅值测试单元测试电压暂降时的电压幅值变化，利用所述幅值曲线生成曲线生成电压幅值随时间变化的曲线和波形随时间变化的曲线，将曲线中的峰值点和过零点映射到直角坐标系中，得到峰值点坐标为(x峰，y峰)，过零点坐标为(x零，y零)，暂降点坐标为(x降，y降)，根据下列公式计算暂降点与过零点的偏移角度α：
Figure BDA0003281602090000031
用相同方式得到峰值点与过零点的偏移角度为β，比较α和β：若α＝0°，说明电压暂降发生在过零点处；若0°＜α＜β，说明电压暂降发生在峰值点与过零点之间；若α＝β，说明电压暂降发生在峰值点处，将比较结果传输到所述扰动分析单元中，将两个曲线上的关键数据映射到一个直角坐标系中，有利于直观、准确地判断电压暂降发生点。
进一步的，利用所述扰动分析单元分析电压暂降的影响程度：若电压暂降发生在过零点处，设定干扰因子为A；若电压暂降发生在峰值点与过零点之间，设定干扰因子为B；若电压暂降发生在峰值点处，设定干扰因子为C，A<B<C，根据下列公式计算随机一次电压暂降影响系数Ei：
Ei＝(A||B||C)*(Ui×ai)；
依据该次电压暂降发生的位置选择干扰因子，其中，Ui表示该次电压暂降前电压，ai表示该次电压暂降比例，得到电压暂降影响系数集合为E＝{E1，E2，...，En}，其中，n表示历史暂降发生的次数，将分析结果发送到所述数据映射处理模块中，发生在过零点处的电压暂降比发生在峰值点处的电压暂降造成的干扰影响小，将干扰因子加入到电压暂降影响程度分析中，有利于得到实际电压暂降影响程度系数，目的在于分析不同设备对电压暂降的综合耐受能力。
进一步的，所述影响区域划分单元依据暂降源点位置得到n个电压暂降影响区域，获取到所有相关设备所属的电压暂降影响区域个数集合为m＝{m1，m2，...，mk}，得到影响区域个数最大值为mmax，最小值为mmin，利用所述连带影响预估单元预计相关设备受到的电压暂降连带影响程度，根据下列公式计算随机一个设备受连带影响因子Wi *：
Figure BDA0003281602090000041
其中，Qmin和Qmax分别表示所有设备中最小和最大负荷敏感系数，Ej表示导致该设备跳闸的随机一次电压暂降影响系数，Emin和Emax分别表示导致该设备跳闸重启的最小和最大电压暂降影响系数，mi表示该设备所属的电压暂降影响区域个数，得到所有设备受连带影响因子集合为W*＝{W1 *，W2 *，...，Wk *}，将预估结果传输到所述抑制强度分析单元中，将部分分析数据映射到归一化模型中，目的在于组合不同设备受到电压暂降的一系列影响程度，有利于对大数据进行并行处理，减轻数据处理难度。
进一步的，利用所述抑制强度分析单元分析需要对设备采取的电压暂降抑制措施强度：抑制措施按强度从大到小分为K级，为对应设备按照受连带影响因子从大到小的顺序采取不同等级的电压暂降抑制措施，针对设备受到的影响程度不同采取不同强度的抑制措施，有利于在对设备进行电压暂降防护的同时节省成本。
与现有技术相比，本发明所达到的有益效果是：
本发明通过采集分析历史发生电压暂降数据，通过负荷耐受分析模块分析不同设备的负荷敏感度，在分析时加入了设备以往的跳闸重启次数比例作为权重，排除了误差，提高了分析结果的准确性；提高暂降影响分析模块分析电压暂降的影响程度，将关键数据映射到一个直角坐标系中，直观、准确地判断了电压暂降发生点，依据电压暂降发生点选择不同的干扰因子，得到实际电压暂降影响程度系数；通过数据映射处理模块将分析数据映射到建立的模型上，作归一化处理，对大数据进行并行处理，减轻了数据处理难度，针对设备受到的影响程度不同采取不同强度的抑制措施，在对设备进行电压暂降防护的同时节省了成本。
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是本发明基于空间信息和大数据映射算法的电能质量分析系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1，本发明提供技术方案：基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：系统包括：数据采集模块S1、数据库S2、负荷耐受分析模块S3、暂降影响分析模块S4和数据映射处理模块S5；
数据采集模块S1用于采集电压暂降发生情况以及受电压暂降影响的相关设备信息；数据库S2用于存储采集到的所有数据，并供负荷耐受分析模块S3和暂降影响分析模块S4调取；负荷耐受分析模块S3用于分析不同设备的负荷敏感度；暂降影响分析模块S4用于分析电压暂降的影响程度；数据映射处理模块S5用于将分析数据映射到建立的模型上，将设备进行分类，依据分类结果分析电压暂降抑制处理的强度。
数据采集模块S1包括暂降源点定位单元、暂降信息采集单元、设备信息采集单元和暂降前电压测量单元，暂降源点定位单元用于对电压暂降发生位置进行定位；暂降信息采集单元用于统计历史发生电压暂降的次数；设备信息采集单元用于采集电压暂降时各设备跳闸重启的总次数以及对应设备正常工作时的额定电压；暂降前电压测量单元用于测量暂降前的电压幅值。
暂降影响分析模块S4包括电压幅值测试单元、幅值曲线生成单元、扰动分析单元和影响区域划分单元；电压幅值测试单元用于在发生电压暂降时测试电压幅值变化；幅值曲线生成单元用于依据测试数据生成幅值变化曲线；扰动分析单元用于分析电压暂降的影响程度；影响区域划分单元用于划分暂降源点波及区域。
数据映射处理模块包括连带影响预估单元、映射模型建立单元和抑制强度分析单元，连带影响预估单元用于依据暂降源点波及区域预估设备受到的电压暂降的连带影响程度；映射模型建立单元用于建立数据映射模型；抑制强度分析单元用于在将数据映射处理后，分析需要为各设备采取的电压暂降抑制手段强度。
利用暂降信息采集单元统计到历史暂降发生的次数为n，对应的暂降比例集合为a＝{a1，a2，...，an}，利用暂降源点定位单元确认历史发生电压暂降时的暂降源位置，利用设备信息采集单元采集到发生电压暂降时相关设备的跳闸重启次数集合为N＝{N1，N2，...，Nk}，对应设备的额定电压集合为U额＝{U额1，U额2，...，U额k}，其中，k表示相关设备个数，利用暂降前电压测量单元测量到每次暂降前电压集合为U＝{U1，U2，...，Un}，将采集到的所有数据传输到数据库S2中。
利用负荷耐受分析模块S3分析各设备的电压暂降耐受能力：根据下列公式计算随机一个设备的负荷敏感系数Qi：
Figure BDA0003281602090000061
其中，Ni表示该设备的跳闸重启次数，U额i表示该设备的额定电压，Uj表示该设备随机一次重启对应的暂降前电压，aj表示该设备随机一次重启对应的暂降比例，负荷敏感系数越高，说明该设备面对电压暂降耐受能力越差，得到所有设备的负荷敏感系数集合为Q＝{Q1，Q2，...，Qk}，将分析结果传输到数据映射处理模块S5中，在分析设备的负荷敏感系数时加入设备以往的跳闸重启次数比例作为权重，根据历史数据分析设备在电压暂降时的耐受能力，能够根据实际情况排除误差提高分析结果的准确性。
利用电压幅值测试单元测试电压暂降时的电压幅值变化，利用幅值曲线生成曲线生成电压幅值随时间变化的曲线和波形随时间变化的曲线，将曲线中的峰值点和过零点映射到直角坐标系中，得到峰值点坐标为(x峰，y峰)，过零点坐标为(x零，y零)，暂降点坐标为(x降，y降)，根据下列公式计算暂降点与过零点的偏移角度α：
Figure BDA0003281602090000062
用相同方式得到峰值点与过零点的偏移角度为β，比较α和β：若α＝0°，说明电压暂降发生在过零点处；若0°＜α＜β，说明电压暂降发生在峰值点与过零点之间；若α＝β，说明电压暂降发生在峰值点处，将比较结果传输到扰动分析单元中，将两个曲线上的关键数据映射到一个直角坐标系中，便于直观、准确地判断电压暂降发生点。
利用扰动分析单元分析电压暂降的影响程度：若电压暂降发生在过零点处，设定干扰因子为A；若电压暂降发生在峰值点与过零点之间，设定干扰因子为B；若电压暂降发生在峰值点处，设定干扰因子为C，A<B<C，根据下列公式计算随机一次电压暂降影响系数Ei：
Ei＝(A||B||C)*(Ui×ai)；
依据该次电压暂降发生的位置选择干扰因子，其中，Ui表示该次电压暂降前电压，ai表示该次电压暂降比例，得到电压暂降影响系数集合为E＝{E1，E2，...，En}，其中，n表示历史暂降发生的次数，将分析结果发送到数据映射处理模块S5中，发生在过零点处的电压暂降比发生在峰值点处的电压暂降造成的干扰影响小，将干扰因子加入到电压暂降影响程度分析中，便于得到实际电压暂降影响程度系数，目的在于分析不同设备对电压暂降的综合耐受能力。
影响区域划分单元依据暂降源点位置得到n个电压暂降影响区域，获取到所有相关设备所属的电压暂降影响区域个数集合为m＝{m1，m2，...，mk}，得到影响区域个数最大值为mmax，最小值为mmin，利用连带影响预估单元预计相关设备受到的电压暂降连带影响程度，根据下列公式计算随机一个设备受连带影响因子Wi *：
Figure BDA0003281602090000071
其中，Qmin和Qmax分别表示所有设备中最小和最大负荷敏感系数，Ej表示导致该设备跳闸的随机一次电压暂降影响系数，Emin和Emax分别表示导致该设备跳闸重启的最小和最大电压暂降影响系数，mi表示该设备所属的电压暂降影响区域个数，得到所有设备受连带影响因子集合为W*＝{W1 *，W2 *，...，Wk *}，将预估结果传输到抑制强度分析单元中，将部分分析数据映射到归一化模型中，目的在于组合不同设备受到电压暂降的一系列影响程度，便于对大数据进行并行处理，减轻数据处理难度。
利用抑制强度分析单元分析需要对设备采取的电压暂降抑制措施强度：抑制措施按强度从大到小分为K级，为对应设备按照受连带影响因子从大到小的顺序采取不同等级的电压暂降抑制措施，针对设备受到的影响程度不同采取不同强度的抑制措施，便于在对设备进行电压暂降防护的同时节省成本。
实施例一：利用暂降信息采集单元统计到历史暂降发生的次数为5次，对应的暂降比例集合为a＝{a1，a2，a3，a4，a5}＝{90％，92％，91％，95％，93％}，利用暂降源点定位单元确认历史发生电压暂降时的暂降源位置，利用设备信息采集单元采集到发生电压暂降时相关设备的跳闸重启次数集合为N＝{N1，N2，N3}＝{2，1，5}，对应设备的额定电压集合为U额＝{U额1，U额2，U额3}＝{20，10，50}，单位为：千伏，利用暂降前电压测量单元测量到每次暂降前电压集合为U＝{U1，U2，U3，U4，U5}＝{11，45，50，20，21}，利用负荷耐受分析模块S3分析各设备的电压暂降耐受能力：根据公式
Figure BDA0003281602090000072
得到所有设备的负荷敏感系数集合为Q＝{Q1，Q2，Q3}＝{0.77，0.20，2.71}，利用电压幅值测试单元测试电压暂降时的电压幅值变化，利用幅值曲线生成曲线生成电压幅值随时间变化的曲线和波形随时间变化的曲线，将曲线中的峰值点和过零点映射到直角坐标系中，得到峰值点坐标为(x峰，y峰)＝(10，10)，过零点坐标为(x零，y零)＝(20，0)，暂降点坐标为(x降，y降)＝(15，10)，根据公式
Figure BDA0003281602090000073
计算暂降点与过零点的偏移角度α≈27°，用相同方式得到峰值点与过零点的偏移角度为β＝45°，0°＜α＜β，电压暂降发生在峰值点与过零点之间，设定干扰因子为B＝0.6，根据公式Ei＝(A||B||C)*(Ui×ai)得到电压暂降影响系数集合为E＝{E1，E2，E3，E4，E5}＝{5.94，24.84，13.65，19，5.86}，影响区域划分单元依据暂降源点位置得到5个电压暂降影响区域，获取到所有相关设备所属的电压暂降影响区域个数集合为m＝{m1，m2，m3}＝{2，1，3}，得到影响区域个数最大值为mmax＝3，最小值为mmin＝1，利用连带影响预估单元预计相关设备受到的电压暂降连带影响程度，根据公式
Figure BDA0003281602090000081
得到所有设备受连带影响因子集合为W*＝{W1 *，W2 *，W3 *}＝{1.42，0.04，5.11}，抑制措施按强度从大到小分为K＝3级，为设备1采取第二等级抑制措施，为设备2采取第三等级抑制措施，为设备3采取第一等级抑制措施。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：所述系统包括：数据采集模块(S1)、数据库(S2)、负荷耐受分析模块(S3)、暂降影响分析模块(S4)和数据映射处理模块(S5)；
所述数据采集模块(S1)用于采集电压暂降发生情况以及受电压暂降影响的相关设备信息；所述数据库(S2)用于存储采集到的所有数据，并供所述负荷耐受分析模块(S3)和所述暂降影响分析模块(S4)调取；所述负荷耐受分析模块(S3)用于分析不同设备的负荷敏感度；所述暂降影响分析模块(S4)用于分析电压暂降的影响程度；所述数据映射处理模块(S5)用于将分析数据映射到建立的模型上，将设备进行分类，依据分类结果分析电压暂降抑制处理的强度。
2.根据权利要求1所述的基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：所述数据采集模块(S1)包括暂降源点定位单元、暂降信息采集单元、设备信息采集单元和暂降前电压测量单元，所述暂降源点定位单元用于对电压暂降发生位置进行定位；所述暂降信息采集单元用于统计历史发生电压暂降的次数；所述设备信息采集单元用于采集电压暂降时各设备跳闸重启的总次数以及对应设备正常工作时的额定电压；所述暂降前电压测量单元用于测量暂降前的电压幅值。
3.根据权利要求1所述的基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：所述暂降影响分析模块(S4)包括电压幅值测试单元、幅值曲线生成单元、扰动分析单元和影响区域划分单元；所述电压幅值测试单元用于在发生电压暂降时测试电压幅值变化；所述幅值曲线生成单元用于依据测试数据生成幅值变化曲线；所述扰动分析单元用于分析电压暂降的影响程度；所述影响区域划分单元用于划分暂降源点波及区域。
4.根据权利要求3所述的基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：所述数据映射处理模块包括连带影响预估单元、映射模型建立单元和抑制强度分析单元，所述连带影响预估单元用于依据暂降源点波及区域预估设备受到的电压暂降的连带影响程度；所述映射模型建立单元用于建立数据映射模型；所述抑制强度分析单元用于在将数据映射处理后，分析需要为各设备采取的电压暂降抑制手段强度。
5.根据权利要求2所述的基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：利用暂降信息采集单元统计到历史暂降发生的次数为n，对应的暂降比例集合为a＝{a1，a2，...，an}，利用所述暂降源点定位单元确认历史发生电压暂降时的暂降源位置，利用设备信息采集单元采集到发生电压暂降时相关设备的跳闸重启次数集合为N＝{N1，N2，...，Nk}，对应设备的额定电压集合为U额＝{U额1，U额2，...，U额k}，其中，k表示相关设备个数，利用暂降前电压测量单元测量到每次暂降前电压集合为U＝{U1，U2，...，Un}，将采集到的所有数据传输到所述数据库(S2)中。
6.根据权利要求5所述的基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：利用所述负荷耐受分析模块(S3)分析各设备的电压暂降耐受能力：根据下列公式计算随机一个设备的负荷敏感系数Qi：
Figure FDA0003281602080000021
其中，Ni表示该设备的跳闸重启次数，U额i表示该设备的额定电压，Uj表示该设备随机一次重启对应的暂降前电压，aj表示该设备随机一次重启对应的暂降比例，负荷敏感系数越高，说明该设备面对电压暂降耐受能力越差，得到所有设备的负荷敏感系数集合为Q＝{Q1，Q2，...，Qk}，将分析结果传输到所述数据映射处理模块(S5)中。
7.根据权利要求4所述的基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：利用所述电压幅值测试单元测试电压暂降时的电压幅值变化，利用所述幅值曲线生成曲线生成电压幅值随时间变化的曲线和波形随时间变化的曲线，将曲线中的峰值点和过零点映射到直角坐标系中，得到峰值点坐标为(x峰，y峰)，过零点坐标为(x零，y零)，暂降点坐标为(x降，y降)，根据下列公式计算暂降点与过零点的偏移角度α：
Figure FDA0003281602080000022
用相同方式得到峰值点与过零点的偏移角度为β，比较α和β：若α＝0°，说明电压暂降发生在过零点处；若0°＜α＜β，说明电压暂降发生在峰值点与过零点之间；若α＝β，说明电压暂降发生在峰值点处，将比较结果传输到所述扰动分析单元中。
8.根据权利要求7所述的基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：利用所述扰动分析单元分析电压暂降的影响程度：若电压暂降发生在过零点处，设定干扰因子为A；若电压暂降发生在峰值点与过零点之间，设定干扰因子为B；若电压暂降发生在峰值点处，设定干扰因子为C，A<B<C，根据下列公式计算随机一次电压暂降影响系数Ei：
Ei＝(A||B||C)*(Ui×ai)；
依据该次电压暂降发生的位置选择干扰因子，其中，Ui表示该次电压暂降前电压，ai表示该次电压暂降比例，得到电压暂降影响系数集合为E＝{E1，E2，...，En}，其中，n表示历史暂降发生的次数，将分析结果发送到所述数据映射处理模块(S5)中。
9.根据权利要求8所述的基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：所述影响区域划分单元依据暂降源点位置得到n个电压暂降影响区域，获取到所有相关设备所属的电压暂降影响区域个数集合为m＝{m1，m2，...，mk}，得到影响区域个数最大值为mmax，最小值为mmin，利用所述连带影响预估单元预计相关设备受到的电压暂降连带影响程度，根据下列公式计算随机一个设备受连带影响因子Wi *：
Figure FDA0003281602080000031
其中，Qmin和Qmax分别表示所有设备中最小和最大负荷敏感系数，Ej表示导致该设备跳闸的随机一次电压暂降影响系数，Emin和Emax分别表示导致该设备跳闸重启的最小和最大电压暂降影响系数，mi表示该设备所属的电压暂降影响区域个数，得到所有设备受连带影响因子集合为W*＝{W1 *，W2 *，...，Wk *}，将预估结果传输到所述抑制强度分析单元中。
10.根据权利要求9所述的基于空间信息和大数据映射算法的电能质量分析系统，其特征在于：利用所述抑制强度分析单元分析需要对设备采取的电压暂降抑制措施强度：抑制措施按强度从大到小分为K级，为对应设备按照受连带影响因子从大到小的顺序采取不同等级的电压暂降抑制措施。
CN202111134021.9A 2021-09-27 2021-09-27 基于空间信息和大数据映射算法的电能质量分析系统 Active CN113779112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111134021.9A CN113779112B (zh) 2021-09-27 2021-09-27 基于空间信息和大数据映射算法的电能质量分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111134021.9A CN113779112B (zh) 2021-09-27 2021-09-27 基于空间信息和大数据映射算法的电能质量分析系统

Publications (2)

Publication Number Publication Date
CN113779112A true CN113779112A (zh) 2021-12-10
CN113779112B CN113779112B (zh) 2024-09-06

Family

ID=78853748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111134021.9A Active CN113779112B (zh) 2021-09-27 2021-09-27 基于空间信息和大数据映射算法的电能质量分析系统

Country Status (1)

Country Link
CN (1) CN113779112B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117408537A (zh) * 2023-12-15 2024-01-16 安徽科派自动化技术有限公司 一种能够实现实时风险预测的电能质量监测系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101534008A (zh) * 2008-12-01 2009-09-16 华南理工大学 减少电压暂降对用电设备影响的方法
CN105552938A (zh) * 2016-02-26 2016-05-04 中国电力科学研究院 一种三相不对称配电网络电压暂降评估方法
WO2016197484A1 (zh) * 2015-06-09 2016-12-15 国网四川省电力公司经济技术研究院 电压暂降监测节点的优化配置方法
US20170336444A1 (en) * 2014-10-31 2017-11-23 Isra-Juk Electronics Ltd. System and method for detection of electrical faults in an electrical network
WO2018045642A1 (zh) * 2016-09-09 2018-03-15 国网山西省电力公司晋城供电公司 一种母线负荷预测方法
CN108629525A (zh) * 2018-05-15 2018-10-09 国网上海市电力公司 一种考虑负荷重要程度的节点电压暂降严重程度评估方法
CN111680879A (zh) * 2020-05-11 2020-09-18 国家电网有限公司 一种考虑敏感负荷失效的配电网运行韧性评估方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101534008A (zh) * 2008-12-01 2009-09-16 华南理工大学 减少电压暂降对用电设备影响的方法
US20170336444A1 (en) * 2014-10-31 2017-11-23 Isra-Juk Electronics Ltd. System and method for detection of electrical faults in an electrical network
WO2016197484A1 (zh) * 2015-06-09 2016-12-15 国网四川省电力公司经济技术研究院 电压暂降监测节点的优化配置方法
CN105552938A (zh) * 2016-02-26 2016-05-04 中国电力科学研究院 一种三相不对称配电网络电压暂降评估方法
WO2018045642A1 (zh) * 2016-09-09 2018-03-15 国网山西省电力公司晋城供电公司 一种母线负荷预测方法
CN108629525A (zh) * 2018-05-15 2018-10-09 国网上海市电力公司 一种考虑负荷重要程度的节点电压暂降严重程度评估方法
CN111680879A (zh) * 2020-05-11 2020-09-18 国家电网有限公司 一种考虑敏感负荷失效的配电网运行韧性评估方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
严司玮;李继光;: "配电网电能质量监测系统技术研究", 中国电业(技术版), no. 11, 30 November 2014 (2014-11-30) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117408537A (zh) * 2023-12-15 2024-01-16 安徽科派自动化技术有限公司 一种能够实现实时风险预测的电能质量监测系统
CN117408537B (zh) * 2023-12-15 2024-05-07 安徽科派自动化技术有限公司 一种能够实现实时风险预测的电能质量监测系统

Also Published As

Publication number Publication date
CN113779112B (zh) 2024-09-06

Similar Documents

Publication Publication Date Title
Majidi et al. A new fault location technique in smart distribution networks using synchronized/nonsynchronized measurements
Ren et al. An adaptive phasor estimator for power system waveforms containing transients
CN107370150A (zh) 基于同步相量量测的电力系统状态估计不良数据处理方法
CN104374988A (zh) 一种考虑相位跳变的电压暂降分类方法
Jain et al. A methodology for fault detection and classification using PMU measurements
CN113779112A (zh) 基于空间信息和大数据映射算法的电能质量分析系统
Wang et al. A noninvasive method to estimate the variable utility harmonic impedance
CN107561410B (zh) 一种分布式电源并网逆变器及电容的在线测试系统
Goh et al. Dynamic estimation of power system stability in different Kalman filter implementations
CN118150942A (zh) 一种配电网电流接地故障定位方法、装置、设备及介质
Feng et al. Identification of faults using sparse optimization
Chaouche et al. Finite element method to construct a lumped parameter ladder network of the transformer winding
Sahu et al. Online monitoring of voltage stability margin using PMU measurements
Xue et al. Correction of time-varying PMU phase angle deviation with unknown transmission line parameters
Kolosok et al. Detection of systematic errors in PMU measurements by the power system state estimation methods
Li et al. An improved fast distance relay to mitigate the impacts of Rogowski coil transducer transient
Zhang et al. Online detection of measurement error in three-phase CVT based on equivariant adaptive source separation
CN111737875B (zh) 有功功率不平衡率分析诊断方法、系统及计算机设备
Chappa et al. A novel load shedding methodology to mitigate voltage instability in power system
Shakerighadi et al. A real-time voltage stability index based on local measurements
Kim et al. A new measure of operating speed and consistency of digital protection instruments based on IEC 60255
Xu et al. Assessing system impedance based on data regrouping
Li et al. Fault detection method for energy routing nodes of smart grids oriented to electricity information security
Submitter Classification of Power Transmission Line Fault Types and Location Using Machine Learning Techniques
Mehraban et al. Designing the algorithm for estimating the starting time of the current short circuit fault based on the calculation of the RMS current for electrical power distribution

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