CN114089255B - 一种电容式电压互感器稳定性评估方法 - Google Patents

一种电容式电压互感器稳定性评估方法 Download PDF

Info

Publication number
CN114089255B
CN114089255B CN202210072989.1A CN202210072989A CN114089255B CN 114089255 B CN114089255 B CN 114089255B CN 202210072989 A CN202210072989 A CN 202210072989A CN 114089255 B CN114089255 B CN 114089255B
Authority
CN
China
Prior art keywords
error
cvt
stability
tolerance
state
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.)
Active
Application number
CN202210072989.1A
Other languages
English (en)
Other versions
CN114089255A (zh
Inventor
刘义
肖庆华
张沙沙
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.)
Wuhan Gelanruo Intelligent Technology Co ltd
Original Assignee
Wuhan Glory Road Intelligent 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 Wuhan Glory Road Intelligent Technology Co ltd filed Critical Wuhan Glory Road Intelligent Technology Co ltd
Priority to CN202210072989.1A priority Critical patent/CN114089255B/zh
Publication of CN114089255A publication Critical patent/CN114089255A/zh
Application granted granted Critical
Publication of CN114089255B publication Critical patent/CN114089255B/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

Landscapes

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

Abstract

本发明涉及一种电容式电压互感器稳定性评估方法，包括：构建并获取CVT稳定性状态评估指标；建立CVT稳定性状态指标数据模型，包括：突变误差稳定频次函数模型、突变误差不稳定频次函数模型、渐变误差单调显著性函数模型和渐变误差标准偏差函数模型；对各状态评估指标的重要性进行比较，确定状态评估指标的权重，根据CVT稳定性状态指标数据模型的各个状态评估指标的结果和对应的权重计算CVT稳定性状态评分，根据CVT稳定性状态评分评估CVT稳定性状态；构建基于CVT在线监测系统的CVT稳定性状态指标体系，补充完善CVT在线监测系统；对互感器误差状态进行稳定性评估，为构建完善的互感器的综合状态评估体系提供指标支撑。

Description

一种电容式电压互感器稳定性评估方法
技术领域
本发明涉及电力计量在线监测技术领域，尤其涉及一种电容式电压互感器稳定性评估方法。
背景技术
作为电能计量装置的重要组成部分，互感器计量性能的准确可靠直接关系到电能贸易结算的公平公正。CVT(Capacitance type voltage transformer,电容式电压互感器)是由串联电容器分压，再经电磁式互感器降压和隔离，作为用来变换电压的仪器，电容式电压互感器还可以将载波频率耦合到输电线用于长途通信、选择性的线路高频保护、遥控等功能上。和常规的电磁式电压互感器相比，电容式电压互感器器除了具有冲击绝缘强度高、制造简单、体积小、重量轻等优点外，在经济和安全上还有很多优越之处。
而在CVT实际运行过程中，CVT误差受到采集原理与工作环境等因素的影响而导致CVT在长期工作的过程中会出现不同程度的损耗。而CVT的稳定性分析则直接说明CVT能否继续正常运行。常规的CVT稳定性检定是对CVT在接续的两次检定中其误差变化不得大于基本误差限值的2/3。但是由于高压输电线路停电困难，CVT的离线检测无法经常性的进行，因而无法及时判断CVT是否处于正常的运行状态，影响电能的公平贸易结算，存在故障隐患。因而开展在不停电条件下的在运CVT稳定性状态评估方法的研究，并准确高效的进行CVT在线稳定性状态检测是一项技术难题。
发明内容
本发明针对现有技术中存在的技术问题，提供一种电容式电压互感器稳定性评估方法，构建基于CVT在线监测系统的CVT稳定性状态指标体系，补充完善CVT在线监测系统；对互感器误差状态进行稳定性评估，为构建完善的互感器的综合状态评估体系提供指标支撑。
根据本发明的第一方面，提供了一种电容式电压互感器稳定性评估方法，包括：步骤1，构建并获取CVT稳定性状态评估指标，所述状态评估指标包括：突变误差稳定的频次、突变误差不稳定的频次、长期渐变误差的单调性和长期渐变误差的标准偏差；所述突变误差为最小时段区间的CVT误差估计值的平均值的变化量；所述长期渐变误差为长期时间区间内单位时段的CVT历史数据的误差估计值的平均值的变化量；
步骤2，建立CVT稳定性状态指标数据模型，所述状态指标数据模型包括：突变误差稳定频次函数模型、突变误差不稳定频次函数模型、渐变误差单调显著性函数模型和渐变误差标准偏差函数模型；
步骤3，对各状态评估指标的重要性进行比较，确定状态评估指标的权重，根据所述CVT稳定性状态指标数据模型的各个状态评估指标的结果和对应的权重计算CVT稳定性状态评分，根据所述CVT稳定性状态评分评估CVT稳定性状态。
在上述技术方案的基础上，本发明还可以作出如下改进。
可选的，所述步骤1中获取突变误差稳定的频次和突变误差不稳定的频次的过程包括：
步骤101，计算突变误差变化值
Figure 866801DEST_PATH_IMAGE001
为当前时段
Figure 815166DEST_PATH_IMAGE002
与上一时段
Figure 517542DEST_PATH_IMAGE002
的误差估计值 均值之间的差值，
Figure 302090DEST_PATH_IMAGE002
为最小时段区间；观测到CVT的历史数据的所述突变误差变化值
Figure 951377DEST_PATH_IMAGE001
服从正态分布：
Figure 737936DEST_PATH_IMAGE003
；统计在线数据中所有CVT的突变误差变化量值
Figure 814477DEST_PATH_IMAGE001
， 设置置信区间，查表得到置信下界
Figure 880128DEST_PATH_IMAGE004
和置信上界
Figure 457740DEST_PATH_IMAGE005
；
步骤102，将待测CVT的历史数据中的所有突变误差变化值
Figure 646276DEST_PATH_IMAGE001
与
Figure 316554DEST_PATH_IMAGE004
和
Figure 574229DEST_PATH_IMAGE005
进行 比较，当
Figure 362056DEST_PATH_IMAGE001
＜
Figure 670678DEST_PATH_IMAGE004
或
Figure 836824DEST_PATH_IMAGE001
＞
Figure 66948DEST_PATH_IMAGE005
时，判定该时段突变误差变化量超差，生成突变误差变化 量超差的集合
Figure 110996DEST_PATH_IMAGE006
；将
Figure 742966DEST_PATH_IMAGE006
中的数据按照时间序列的顺序排列得到
Figure 817363DEST_PATH_IMAGE007
；
步骤103，确定突变超差过程的次数
Figure 518472DEST_PATH_IMAGE008
；
步骤104，依次判断各次突变误差超差过程的稳定性，统计各次超差过程为稳定或 不稳定的次数，计算稳定超差的频次
Figure 648102DEST_PATH_IMAGE009
和不稳定超差的频次
Figure 868999DEST_PATH_IMAGE010
。
可选的，所述步骤103中确定突变超差过程的次数
Figure 439264DEST_PATH_IMAGE008
的过程包括：
Figure 643981DEST_PATH_IMAGE006
的对应时间区间
Figure 233094DEST_PATH_IMAGE011
，
Figure 793650DEST_PATH_IMAGE012
对应的超差突变误 差变化量为
Figure 65975DEST_PATH_IMAGE013
；若
Figure 305458DEST_PATH_IMAGE014
中相邻两时间间隔小于设置的时间间隔T，则判定属于同一超差 过程内;则基于突变误差超差所处时间段的各个超差过程表示为：
Figure 980153DEST_PATH_IMAGE015
；
其中，
Figure 159330DEST_PATH_IMAGE016
为超差过程的集合;
Figure 9081DEST_PATH_IMAGE017
为在第i次超差过程中，发生k次超差，各次超 差所对应的时间区间为
Figure 939122DEST_PATH_IMAGE018
，
Figure 289945DEST_PATH_IMAGE008
为突变误差超差过程发生的次数。
可选的，所述步骤104中判断任意第i次突变误差超差过程的稳定性的过程包括：
选取时间区间
Figure 418569DEST_PATH_IMAGE019
作为第
Figure 425839DEST_PATH_IMAGE020
次超差过 程对应的时间区间；剔除时间区间
Figure 341711DEST_PATH_IMAGE021
中发生超差的突变误差变化量
Figure 154947DEST_PATH_IMAGE022
所对应的误差估计值；若剩余的误差估计值呈现线性趋 势，则认为该次超差过程为稳定超差，否则为不稳定超差。
可选的，所述步骤1中确定长期渐变误差的单调性的过程包括：
步骤111，根据CVT历史数据得到以天为单位的误差估计值的平均值的时序数据集 合为
Figure 325028DEST_PATH_IMAGE023
，设置长期时间区间
Figure 540019DEST_PATH_IMAGE024
，计算以
Figure 490657DEST_PATH_IMAGE024
为单位的误差 估计值序列
Figure 294534DEST_PATH_IMAGE025
，
Figure 584701DEST_PATH_IMAGE026
,m为以
Figure 261670DEST_PATH_IMAGE024
为单位 的误差估计之序列包含的数据个数；
步骤112，使用Mann-Kendall趋势检验法，检测被测CVT历史误差估计值是否具有显著单调性，包括：
对于误差估计值的时序序列
Figure 122441DEST_PATH_IMAGE025
，
Figure 480741DEST_PATH_IMAGE027
, 定义统计量为
Figure 936999DEST_PATH_IMAGE028
：
Figure 456973DEST_PATH_IMAGE029
；
Figure 333269DEST_PATH_IMAGE030
；
当m≥10，统计量
Figure 229681DEST_PATH_IMAGE028
近似服从标准正态分布，将统计量
Figure 291178DEST_PATH_IMAGE028
标准化进行显著性 检验，检验统计量Z计算公式为：
Figure 496900DEST_PATH_IMAGE031
其中，
Figure 847110DEST_PATH_IMAGE032
，
g是存在结组的数量，一个结组表示为样本序列中的某个值在该序列中存在多个 相同值，
Figure 94683DEST_PATH_IMAGE033
是每个结组对应的数据值在样本序列中的个数。
可选的，所述步骤1中确定长期渐变误差的标准偏差的过程包括：
步骤121，选取较长的时间段
Figure 948369DEST_PATH_IMAGE034
，计算基于当前日期的CVT长期渐变误差
Figure 138042DEST_PATH_IMAGE035
；其中，
Figure 224816DEST_PATH_IMAGE036
为包含当前日期的当前时段
Figure 463030DEST_PATH_IMAGE034
的误差 估计值平均值，
Figure 184605DEST_PATH_IMAGE037
为当前日期的上一时段
Figure 545179DEST_PATH_IMAGE034
之间的误差估计值平均值；以当前日期 为起始时间，选取基于CVT长期渐变误差的计算时段
Figure 853670DEST_PATH_IMAGE038
作为CVT长期渐变误差估计值平 均值的时段，则CVT长期渐变误差估计值平均值
Figure 895575DEST_PATH_IMAGE039
为：
Figure 786171DEST_PATH_IMAGE040
；其中,
Figure 271641DEST_PATH_IMAGE041
为
Figure 552581DEST_PATH_IMAGE038
时段内，第i日的误差估计值;
步骤122，用CVT长期渐变误差估计值平均值
Figure 709762DEST_PATH_IMAGE042
表征CVT的长期使用下误差的偏离 程度；以当前日期为起始时间，选取基于CVT长期渐变误差的计算时段
Figure 392547DEST_PATH_IMAGE043
作为CVT长期渐 变误差估计值标准偏差的时段，则CVT长期渐变误差估计值标准误差
Figure 94924DEST_PATH_IMAGE042
为：
Figure 876541DEST_PATH_IMAGE044
;其中,
Figure 994670DEST_PATH_IMAGE045
为
Figure 109126DEST_PATH_IMAGE043
时段内的误差估计值均值。
可选的，所述步骤2中根据稳定超差的频次
Figure 920087DEST_PATH_IMAGE009
计算突变误差稳定超差的频次 评分
Figure 191930DEST_PATH_IMAGE046
的所述突变误差稳定频次函数模型为：
Figure 176067DEST_PATH_IMAGE047
；
其中，
Figure 99024DEST_PATH_IMAGE048
、
Figure 595733DEST_PATH_IMAGE049
、
Figure 338561DEST_PATH_IMAGE050
、
Figure 77453DEST_PATH_IMAGE051
、
Figure 854917DEST_PATH_IMAGE052
、
Figure 319265DEST_PATH_IMAGE053
、
Figure 283810DEST_PATH_IMAGE054
、
Figure 875328DEST_PATH_IMAGE055
和
Figure 258030DEST_PATH_IMAGE056
为待设定参数，且
Figure 847274DEST_PATH_IMAGE057
；
根据不稳定超差的频次
Figure 813962DEST_PATH_IMAGE010
计算突变误差稳定超差的频次评分
Figure 943592DEST_PATH_IMAGE058
的所述 突变误差不稳定频次函数模型为：
Figure 646713DEST_PATH_IMAGE059
；
其中，
Figure 406858DEST_PATH_IMAGE060
、
Figure 657580DEST_PATH_IMAGE061
、
Figure 528584DEST_PATH_IMAGE062
、
Figure 620299DEST_PATH_IMAGE063
、
Figure 613663DEST_PATH_IMAGE064
和
Figure 40096DEST_PATH_IMAGE065
为待设定参数，且
Figure 964059DEST_PATH_IMAGE066
；
根据统计量Z计算渐变误差单调显著性评分
Figure 221865DEST_PATH_IMAGE067
的所述渐变误差单调显著性函数 模型为：
Figure 806036DEST_PATH_IMAGE068
；
根据CVT长期渐变误差估计值标准偏差
Figure 782083DEST_PATH_IMAGE042
计算渐变误差标准偏差评分
Figure 260468DEST_PATH_IMAGE069
的所述 渐变误差标准偏差函数模型为：
Figure 559732DEST_PATH_IMAGE070
。
可选的，所述步骤3中采用层次分析理论对各状态评估指标的重要性进行比较，确定状态评估指标的权重的过程包括：
步骤301，通过比较两个状态评估指标因素构造判断矩阵
Figure 98160DEST_PATH_IMAGE071
，所述判断矩阵
Figure 718760DEST_PATH_IMAGE071
的标度根据两个状态评估指标之间的重要性的差别设置；
步骤302，对应于所述判断矩阵
Figure 797574DEST_PATH_IMAGE071
最大特征根
Figure 482502DEST_PATH_IMAGE072
的特征向量，经归一化后 记为
Figure 660674DEST_PATH_IMAGE073
；计算一致性指标
Figure 562378DEST_PATH_IMAGE074
；根据表格查询对应个数指标对应 的随机一致性指标
Figure 179304DEST_PATH_IMAGE075
；判断一致性比率
Figure 718738DEST_PATH_IMAGE076
，若
Figure 67811DEST_PATH_IMAGE077
，则通过一致性 检验，否则重复所述步骤301重新构造所述判断矩阵
Figure 240166DEST_PATH_IMAGE071
；
步骤303，确定权重向量
Figure 614778DEST_PATH_IMAGE078
。
可选的，
Figure 493873DEST_PATH_IMAGE079
；其中，n表示CVT稳定性状态评估指标的项数，
Figure 794273DEST_PATH_IMAGE080
和
Figure 657187DEST_PATH_IMAGE081
分别为第i项CVT稳定性状态评估指标的评分和权重。
可选的，所述步骤3中根据所述CVT稳定性状态评分评估CVT稳定性状态包括：对 CVT稳定性状态评分
Figure 387156DEST_PATH_IMAGE082
设置评定各个CVT稳定性状态的数值范围，所述CVT稳定性状态评 分
Figure 651915DEST_PATH_IMAGE082
值从大到小对应的各个CVT稳性定状态依次为：稳定、轻度不稳、中度不稳和严重不 稳。
本发明实施例提供的一种电容式电压互感器稳定性评估方法，构建了CVT稳定性状态的评价指标体系，考虑突变误差和渐变误差的因素选用突变误差稳定状态频次、突变误差不稳定状态频次、长期渐变趋势单调性、长期渐变误差的标准偏差四个因素作为CVT稳定性状态评价指标体系的指标；提出了一种基于层次分析法的电容式电压互感器稳定性状态的评估方法。根据CVT稳定性状态评价指标体系基于层次分析法得到各个指标的相对CVT稳定性状态的权重，结合各个指标的评分及相应权重得到待测CVT的评分结果。为CVT稳定性状态设置四个类别（稳定、轻度不稳、中度不稳、重度不稳），根据不同的CVT评分结果输出对应的CVT稳定性状态，以表示待测CVT的稳定性状态。
附图说明
图1为本发明提供的一种电容式电压互感器稳定性评估方法的流程图；
图2为本发明实施例提供的一种电容式电压互感器稳定性体系的示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
图1为本发明提供的一种电容式电压互感器稳定性评估方法的流程图，图2为本发明实施例提供的一种电容式电压互感器稳定性体系的示意图，结合图1和图2可知，该稳定性评估方法包括：
步骤1，构建并获取CVT稳定性状态评估指标，状态评估指标包括：突变误差稳定的频次、突变误差不稳定的频次、长期渐变误差的单调性和长期渐变误差的标准偏差；突变误差为最小时段区间的CVT误差估计值的平均值的变化量；长期渐变误差为长期时间区间内单位时段的CVT历史数据的误差估计值的平均值的变化量。
CVT在运行过程中的稳定性主要由CVT的渐变误差和突变误差影响，根据CVT的渐 变误差和突变误差选取四个相关指标建立CVT稳定性状态评估体系，其层次结构如下所示， 目标层为：CVT稳定性A；指标层为：突变误差稳定状态频次
Figure 857637DEST_PATH_IMAGE083
、突变误差不稳定状态频次
Figure 942268DEST_PATH_IMAGE084
、渐变趋势单调性
Figure 704687DEST_PATH_IMAGE085
、渐变误差的标准偏差
Figure 309106DEST_PATH_IMAGE086
。
步骤2，建立CVT稳定性状态指标数据模型，状态指标数据模型包括：突变误差稳定频次函数模型、突变误差不稳定频次函数模型、渐变误差单调显著性函数模型和渐变误差标准偏差函数模型。
步骤3，对各状态评估指标的重要性进行比较，确定状态评估指标的权重，根据CVT稳定性状态指标数据模型的各个状态评估指标的结果和对应的权重计算CVT稳定性状态评分，根据CVT稳定性状态评分评估CVT稳定性状态。
本发明提供的一种电容式电压互感器稳定性评估方法，构建基于CVT在线监测系统的CVT稳定性状态指标体系，补充完善CVT在线监测系统；对互感器误差状态进行稳定性评估，为构建完善的互感器的综合状态评估体系提供指标支撑。
实施例1
本发明提供的实施例1为本发明提供的一种电容式电压互感器稳定性评估方法的实施例，结合图1和图2可知，该稳定性评估方法的实施例包括：
步骤1，构建并获取CVT稳定性状态评估指标，状态评估指标包括：突变误差稳定的频次、突变误差不稳定的频次、长期渐变误差的单调性和长期渐变误差的标准偏差；突变误差为最小时段区间的CVT误差估计值的平均值的变化量；长期渐变误差为长期时间区间内单位时段的CVT历史数据的误差估计值的平均值的变化量。
在一种可能的实施例方式中，步骤1中获取突变误差稳定的频次和突变误差不稳定的频次的过程包括：
步骤101，计算突变误差变化值
Figure 498779DEST_PATH_IMAGE001
为当前时段
Figure 319974DEST_PATH_IMAGE002
与上一时段
Figure 620505DEST_PATH_IMAGE002
的误差估计值 均值之间的差值，
Figure 328698DEST_PATH_IMAGE002
为最小时段区间；观测到CVT的历史数据的突变误差变化值
Figure 437075DEST_PATH_IMAGE001
服从 正态分布：
Figure 27456DEST_PATH_IMAGE003
；统计在线数据中所有CVT的突变误差变化量值
Figure 334941DEST_PATH_IMAGE001
，设置 置信区间(例如可以为
Figure 412487DEST_PATH_IMAGE087
为95%)，查表得到置信下界
Figure 943962DEST_PATH_IMAGE004
和置信上界
Figure 975635DEST_PATH_IMAGE005
。
具体实施中，从当前在线监测系统中获取突变误差的数据。
对CVT的历史数据的突变误差变化值
Figure 617969DEST_PATH_IMAGE001
进行可视化处理，观测到突变误差变化 值
Figure 300754DEST_PATH_IMAGE001
服从正态分布：
Figure 252398DEST_PATH_IMAGE003
。
统计在线数据中所有CVT的突变误差变化量，根据可视化结果绘制正态分布曲线， 设置置信区间
Figure 20634DEST_PATH_IMAGE087
为95%，通过查表得到置信下界
Figure 466659DEST_PATH_IMAGE004
和置信上界
Figure 17332DEST_PATH_IMAGE005
，将
Figure 890611DEST_PATH_IMAGE004
和
Figure 129831DEST_PATH_IMAGE005
分别作 为突变误差变化量
Figure 379547DEST_PATH_IMAGE001
的上下阈值。
步骤102，将待测CVT的历史数据中的所有突变误差变化值
Figure 36924DEST_PATH_IMAGE001
与
Figure 831836DEST_PATH_IMAGE004
和
Figure 309085DEST_PATH_IMAGE005
进行 比较，当
Figure 96912DEST_PATH_IMAGE001
＜
Figure 858064DEST_PATH_IMAGE004
或
Figure 73144DEST_PATH_IMAGE001
＞
Figure 51071DEST_PATH_IMAGE005
时，判定该时段突变误差变化量超差，生成突变误差变化 量超差的集合
Figure 377010DEST_PATH_IMAGE006
；将
Figure 8980DEST_PATH_IMAGE006
中的数据按照时间序列的顺序排列得到
Figure 644230DEST_PATH_IMAGE007
。
将待测CVT其历史数据中的所有突变误差变化值
Figure 96071DEST_PATH_IMAGE001
与阈值
Figure 225701DEST_PATH_IMAGE004
和
Figure 462909DEST_PATH_IMAGE005
进行比较， 判断其是否超差。将各个超差的突变误差变化量放入集合
Figure 19792DEST_PATH_IMAGE006
中，生成突变误差变化量超差 的集合
Figure 208197DEST_PATH_IMAGE006
。
步骤103，在较短时间内的突变误差变化量具有连续性，则该时间段中所有超差突 变误差变化量处于同一个超差过程内。确定突变超差过程的次数
Figure 141518DEST_PATH_IMAGE008
。
在一种可能的实施例方式中，步骤103中确定突变超差过程的次数
Figure 482501DEST_PATH_IMAGE008
的过程包 括：
Figure 958088DEST_PATH_IMAGE006
的对应时间区间
Figure 384521DEST_PATH_IMAGE011
，
Figure 121533DEST_PATH_IMAGE012
对应的超差突变误 差变化量为
Figure 566290DEST_PATH_IMAGE013
;设置时间间隔T，若
Figure 464976DEST_PATH_IMAGE014
中相邻两时间间隔小于设置的时间间隔T，则判 定相邻时段时间间隔过小，属于同一超差过程内;则基于突变误差超差所处时间段的各个 超差过程表示为：
Figure 129438DEST_PATH_IMAGE015
。
其中，
Figure 404561DEST_PATH_IMAGE016
为超差过程的集合;
Figure 454557DEST_PATH_IMAGE017
为在第i次超差过程中，发生k次超差，各次超 差所对应的时间区间为
Figure 38991DEST_PATH_IMAGE018
，
Figure 174437DEST_PATH_IMAGE008
为突变误差超差过程发生的次数。
步骤104，依次判断各次突变误差超差过程的稳定性，统计各次超差过程为稳定或 不稳定的次数。以月为单位，计算稳定超差的频次
Figure 253251DEST_PATH_IMAGE009
和不稳定超差的频次
Figure 171135DEST_PATH_IMAGE010
。
在一种可能的实施例方式中，步骤104中判断任意第i次突变误差超差过程的稳定性的过程包括：
对于第i次突变误差超差过程，其包含的突变误差超差对应的时间序列为
Figure 614886DEST_PATH_IMAGE088
。
选取时间区间
Figure 283634DEST_PATH_IMAGE019
作为第
Figure 900560DEST_PATH_IMAGE089
次超差过 程对应的时间区间；剔除时间区间
Figure 925148DEST_PATH_IMAGE021
中发生超差的突变误差变化量
Figure 352849DEST_PATH_IMAGE022
所对应的误差估计值；若剩余的误差估计值呈现线性趋 势，则认为该次超差过程为稳定超差，否则为不稳定超差。
在一种可能的实施例方式中，步骤1中确定长期渐变误差的单调性的过程包括：
步骤111，根据CVT历史数据得到以天为单位的误差估计值的平均值，设该时序数 据集合为
Figure 462888DEST_PATH_IMAGE023
，然后设置长期时间区间
Figure 883505DEST_PATH_IMAGE024
，计算以
Figure 11867DEST_PATH_IMAGE024
为单 位的误差估计值序列
Figure 62999DEST_PATH_IMAGE025
，
Figure 329508DEST_PATH_IMAGE026
,m为以
Figure 288237DEST_PATH_IMAGE024
为单位的误差估计之序列包含的数据个数。
步骤112，使用Mann-Kendall趋势检验法，检测被测CVT历史误差估计值是否具有显著单调性，包括：
对于误差估计值的时序序列
Figure 287417DEST_PATH_IMAGE025
，
Figure 791341DEST_PATH_IMAGE027
, 定义统计量为
Figure 62923DEST_PATH_IMAGE028
：
Figure 825342DEST_PATH_IMAGE029
。
Figure 679029DEST_PATH_IMAGE030
。
当m≥10，统计量
Figure 616505DEST_PATH_IMAGE028
近似服从标准正态分布，将统计量
Figure 922852DEST_PATH_IMAGE028
标准化进行显著性 检验，检验统计量Z计算公式为
Figure 223383DEST_PATH_IMAGE031
其中，
Figure 446423DEST_PATH_IMAGE090
，m是数据点的 个数，g是存在结组的数量（一个结组表示为样本序列中的某个值在该序列中存在多个相同 值），
Figure 806997DEST_PATH_IMAGE033
是每个结组对应的数据值在样本序列中的个数。
在一种可能的实施例方式中，步骤1中确定长期渐变误差的标准偏差的过程包括：
步骤121，提取CVT长期渐变误差估计值均值
Figure 351373DEST_PATH_IMAGE091
：
选取较长的时间段
Figure 455596DEST_PATH_IMAGE034
，计算基于当前日期的CVT长期渐变误差
Figure 283874DEST_PATH_IMAGE035
；其中，
Figure 64618DEST_PATH_IMAGE036
为包含当前日期的当前时段
Figure 345557DEST_PATH_IMAGE034
的误差 估计值平均值，
Figure 987891DEST_PATH_IMAGE037
为当前日期的上一时段
Figure 441917DEST_PATH_IMAGE034
之间的误差估计值平均值；将CVT长期渐 变误差估计值平均值
Figure 144293DEST_PATH_IMAGE039
表征CVT的长期使用下误差的稳定程度；以当前日期为起始时间， 选取基于CVT长期渐变误差的计算时段
Figure 161797DEST_PATH_IMAGE038
作为CVT长期渐变误差估计值平均值的时段， 则CVT长期渐变误差估计值平均值
Figure 607822DEST_PATH_IMAGE039
为：
Figure 145113DEST_PATH_IMAGE040
；其中,
Figure 769124DEST_PATH_IMAGE041
为
Figure 24656DEST_PATH_IMAGE038
时段 内，第i日的误差估计值。
步骤122，提取CVT长期渐变误差估计值标准偏差
Figure 274372DEST_PATH_IMAGE042
：
用CVT长期渐变误差估计值平均值
Figure 915437DEST_PATH_IMAGE042
表征CVT的长期使用下误差的偏离程度；以 当前日期为起始时间，选取基于CVT长期渐变误差的计算时段
Figure 959617DEST_PATH_IMAGE043
作为CVT长期渐变误差 估计值标准偏差的时段，则CVT长期渐变误差估计值标准误差
Figure 450248DEST_PATH_IMAGE042
为：
Figure 238075DEST_PATH_IMAGE044
;其中,
Figure 749959DEST_PATH_IMAGE045
为
Figure 214307DEST_PATH_IMAGE043
时段内的误差估计值均值。
步骤2，建立CVT稳定性状态指标数据模型，状态指标数据模型包括：突变误差稳定频次函数模型、突变误差不稳定频次函数模型、渐变误差单调显著性函数模型和渐变误差标准偏差函数模型。
在一种可能的实施例方式中，步骤2中根据稳定超差的频次
Figure 444431DEST_PATH_IMAGE009
计算突变误差 稳定超差的频次评分
Figure 770370DEST_PATH_IMAGE046
的突变误差稳定频次函数模型为：
Figure 887493DEST_PATH_IMAGE047
；
其中，
Figure 539055DEST_PATH_IMAGE048
、
Figure 240163DEST_PATH_IMAGE049
、
Figure 369793DEST_PATH_IMAGE050
、
Figure 856269DEST_PATH_IMAGE051
、
Figure 160955DEST_PATH_IMAGE052
、
Figure 100092DEST_PATH_IMAGE053
、
Figure 33413DEST_PATH_IMAGE054
、
Figure 623664DEST_PATH_IMAGE055
和
Figure 351448DEST_PATH_IMAGE056
为待设定参数，且
Figure 528614DEST_PATH_IMAGE057
；具体实施中，根据历史经验设置该参数后，该突变误差稳定频次函 数模型的实施例可以为：
Figure 46DEST_PATH_IMAGE092
。
具体实施中，突变误差稳定超差的频次评分
Figure 195536DEST_PATH_IMAGE046
按照线性分段，分为四类：无影响、 轻微影响、中度影响和重度影响。
根据不稳定超差的频次
Figure 609068DEST_PATH_IMAGE010
计算突变误差稳定超差的频次评分
Figure 522798DEST_PATH_IMAGE058
的突变 误差不稳定频次函数模型为：
Figure 532342DEST_PATH_IMAGE059
；
其中，
Figure 595720DEST_PATH_IMAGE060
、
Figure 665307DEST_PATH_IMAGE061
、
Figure 315600DEST_PATH_IMAGE062
、
Figure 128835DEST_PATH_IMAGE063
、
Figure 298916DEST_PATH_IMAGE064
和
Figure 555716DEST_PATH_IMAGE065
为待设定参数，且
Figure 178459DEST_PATH_IMAGE066
；具体 实施中，根据历史经验设置该参数后，该突变误差不稳定频次函数模型的实施例可以为：
Figure 795385DEST_PATH_IMAGE093
。
具体实施中，突变误差不稳定超差的频次评分
Figure 69240DEST_PATH_IMAGE058
按照线性分段，分为三类：轻微 影响、中度影响和重度影响。
根据统计量Z计算渐变误差单调显著性评分
Figure 746209DEST_PATH_IMAGE067
的渐变误差单调显著性函数模型 为：
Figure 652985DEST_PATH_IMAGE068
。
具体实施中，在给定显著性水平
Figure 962351DEST_PATH_IMAGE094
下，若
Figure 90712DEST_PATH_IMAGE095
，则该待测CVT显 著单调，否则不显著单调。
根据CVT长期渐变误差估计值标准偏差
Figure 141845DEST_PATH_IMAGE042
计算渐变误差标准偏差评分
Figure 552229DEST_PATH_IMAGE069
的渐变 误差标准偏差函数模型为：
Figure 448641DEST_PATH_IMAGE070
。
步骤3，对各状态评估指标的重要性进行比较，确定状态评估指标的权重，根据CVT稳定性状态指标数据模型的各个状态评估指标的结果和对应的权重计算CVT稳定性状态评分，根据CVT稳定性状态评分评估CVT稳定性状态。
在一种可能的实施例方式中，步骤3中采用层次分析理论对各状态评估指标的重要性进行比较，确定状态评估指标的权重的过程包括：
步骤301，通过比较两个状态评估指标因素构造判断矩阵
Figure 244559DEST_PATH_IMAGE071
，确定判断矩阵
Figure 450281DEST_PATH_IMAGE071
的标度的规则为:两个因素具有同样重要性时，标度为1；一个因素比另一个因素稍 微重要时，标度为3；一个因素比另一个因素明显重要时，标度为5；一个因素比另一个因素 强烈重要时，标度为7；一个因素比另一个因素极端重要时，标度为9。
判断矩阵
Figure 282714DEST_PATH_IMAGE071
的标度根据两个状态评估指标之间的重要性的差别设置具体的， 判断矩阵
Figure 982817DEST_PATH_IMAGE071
的标度的实施例如下表所示：
Figure 898820DEST_PATH_IMAGE096
步骤302，对应于判断矩阵
Figure 9865DEST_PATH_IMAGE071
最大特征根
Figure 644108DEST_PATH_IMAGE072
的特征向量，经归一化（使向量 中各元素之和为1）后记为
Figure 633055DEST_PATH_IMAGE073
；计算一致性指标
Figure 669144DEST_PATH_IMAGE074
；根据表格查 询对应个数指标对应的随机一致性指标
Figure 701822DEST_PATH_IMAGE075
；判断一致性比率
Figure 72630DEST_PATH_IMAGE076
，若
Figure 114535DEST_PATH_IMAGE077
，则通过一致性检验，否则重复步骤301重新构造判断矩阵
Figure 739551DEST_PATH_IMAGE071
。
步骤303，确定权重向量
Figure 956513DEST_PATH_IMAGE078
。
在一种可能的实施例方式中，
Figure 299769DEST_PATH_IMAGE079
；其中，n表示CVT稳定性状态评估 指标的项数，
Figure 394633DEST_PATH_IMAGE080
和
Figure 139735DEST_PATH_IMAGE081
分别为第i项CVT稳定性状态评估指标的评分和权重。
其中
Figure 779795DEST_PATH_IMAGE097
是步骤2中的各个指标模型输出评分结果，n是指标个数。
对CVT稳定性状态评分
Figure 361080DEST_PATH_IMAGE082
设置评定各个CVT稳定性状态的数值范围，CVT稳定性 状态评分
Figure 541526DEST_PATH_IMAGE082
值从大到小对应的各个CVT稳性定状态依次为：稳定、轻度不稳、中度不稳和 严重不稳。在一种可能的实施例方式中，步骤3中根据CVT稳定性状态评分评估CVT稳定性状 态的规则为：
CVT稳定性状态评分
Figure 344397DEST_PATH_IMAGE082
范围是[60,100],判定CVT稳定性状态为稳定。
CVT稳定性状态评分
Figure 670205DEST_PATH_IMAGE082
范围是[50,60）,判定CVT稳定性状态为轻度不稳。
CVT稳定性状态评分
Figure 611223DEST_PATH_IMAGE082
范围是[30,50）,判定CVT稳定性状态为中度不稳。
CVT稳定性状态评分
Figure 595359DEST_PATH_IMAGE082
范围是[0,30）,判定CVT稳定性状态为严重不稳。
本发明实施例提供的一种电容式电压互感器稳定性评估方法，构建了CVT稳定性状态的评价指标体系，考虑突变误差和渐变误差的因素选用突变误差稳定状态频次、突变误差不稳定状态频次、长期渐变趋势单调性、长期渐变误差的标准偏差四个因素作为CVT稳定性状态评价指标体系的指标；提出了一种基于层次分析法的电容式电压互感器稳定性状态的评估方法。根据CVT稳定性状态评价指标体系基于层次分析法得到各个指标的相对CVT稳定性状态的权重，结合各个指标的评分及相应权重得到待测CVT的评分结果。为CVT稳定性状态设置四个类别（稳定、轻度不稳、中度不稳、重度不稳），根据不同的CVT评分结果输出对应的CVT稳定性状态，以表示待测CVT的稳定性状态。需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
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。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、嵌入式计算机或者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。
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 (10)

1.一种电容式电压互感器稳定性评估方法，其特征在于，所述稳定性评估方法包括：
步骤1，构建并获取CVT稳定性状态评估指标，所述状态评估指标包括：突变误差稳定的频次、突变误差不稳定的频次、长期渐变误差的单调性和长期渐变误差的标准偏差；所述突变误差为最小时段区间的CVT误差估计值的平均值的变化量；所述长期渐变误差为长期时间区间内单位时段的CVT历史数据的误差估计值的平均值的变化量；
步骤2，建立CVT稳定性状态指标数据模型，所述状态指标数据模型包括：突变误差稳定频次函数模型、突变误差不稳定频次函数模型、渐变误差单调显著性函数模型和渐变误差标准偏差函数模型；
步骤3，对各状态评估指标的重要性进行比较，确定状态评估指标的权重，根据所述CVT稳定性状态指标数据模型的各个状态评估指标的结果和对应的权重计算CVT稳定性状态评分，根据所述CVT稳定性状态评分评估CVT稳定性状态。
2.根据权利要求1所述的稳定性评估方法，其特征在于，所述步骤1中获取突变误差稳定的频次和突变误差不稳定的频次的过程包括：
步骤101，计算突变误差变化值
Figure 659958DEST_PATH_IMAGE001
为当前时段
Figure 166026DEST_PATH_IMAGE002
与上一时段
Figure 382244DEST_PATH_IMAGE002
的误差估计值均值之间的差值，
Figure 264749DEST_PATH_IMAGE002
为最小时段区间；观测到CVT的历史数据的所述突变误差变化值
Figure 554916DEST_PATH_IMAGE001
服从正态分布：
Figure 497464DEST_PATH_IMAGE003
；统计在线数据中所有CVT的突变误差变化量值
Figure 935399DEST_PATH_IMAGE001
，设置置信区间，查表得到置信下界
Figure 293699DEST_PATH_IMAGE004
和置信上界
Figure 766269DEST_PATH_IMAGE005
；
步骤102，将待测CVT的历史数据中的所有突变误差变化值
Figure 614139DEST_PATH_IMAGE001
与
Figure 477053DEST_PATH_IMAGE006
和
Figure 701361DEST_PATH_IMAGE005
进行比较，当
Figure 28437DEST_PATH_IMAGE001
＜
Figure 312788DEST_PATH_IMAGE004
或
Figure 662998DEST_PATH_IMAGE001
＞
Figure 425417DEST_PATH_IMAGE005
时，判定该时段突变误差变化量超差，生成突变误差变化量超差的集合
Figure 607000DEST_PATH_IMAGE007
；将
Figure 999935DEST_PATH_IMAGE007
中的数据按照时间序列的顺序排列得到
Figure 899758DEST_PATH_IMAGE008
；
步骤103，确定突变超差过程的次数
Figure 465868DEST_PATH_IMAGE009
；
步骤104，依次判断各次突变误差超差过程的稳定性，统计各次超差过程为稳定或不稳定的次数，计算稳定超差的频次
Figure 501958DEST_PATH_IMAGE010
和不稳定超差的频次
Figure 65794DEST_PATH_IMAGE011
。
3.根据权利要求2所述的稳定性评估方法，其特征在于，所述步骤103中确定突变超差过程的次数
Figure 452913DEST_PATH_IMAGE009
的过程包括：
Figure 557135DEST_PATH_IMAGE007
的对应时间区间
Figure 650993DEST_PATH_IMAGE012
，
Figure 448048DEST_PATH_IMAGE013
对应的超差突变误差变化量为
Figure 56884DEST_PATH_IMAGE014
；若
Figure 230376DEST_PATH_IMAGE015
中相邻两时间间隔小于设置的时间间隔T，则判定属于同一超差过程内;则基于突变误差超差所处时间段的各个超差过程表示为：
Figure 199248DEST_PATH_IMAGE016
；
其中，
Figure 167204DEST_PATH_IMAGE017
为超差过程的集合;
Figure 263336DEST_PATH_IMAGE018
为在第i次超差过程中，发生k次超差，各次超差所对应的时间区间为
Figure 647044DEST_PATH_IMAGE019
，
Figure 777811DEST_PATH_IMAGE009
为突变误差超差过程发生的次数。
4.根据权利要求3所述的稳定性评估方法，其特征在于，所述步骤104中判断任意第i次突变误差超差过程的稳定性的过程包括：
选取时间区间
Figure 916669DEST_PATH_IMAGE020
作为第i次超差过程对应的时间区间；剔除时间区间
Figure 687496DEST_PATH_IMAGE023
中发生超差的突变误差变化量
Figure 672769DEST_PATH_IMAGE024
所对应的误差估计值；若剩余的误差估计值呈现线性趋势，则认为该次超差过程为稳定超差，否则为不稳定超差。
5.根据权利要求1所述的稳定性评估方法，其特征在于，所述步骤1中确定长期渐变误差的单调性的过程包括：
步骤111，根据CVT历史数据得到以天为单位的误差估计值的平均值的时序数据集合为
Figure 982528DEST_PATH_IMAGE025
，设置长期时间区间
Figure 990935DEST_PATH_IMAGE026
，计算以
Figure 44342DEST_PATH_IMAGE026
为单位的误差估计值序列
Figure 884122DEST_PATH_IMAGE027
，
Figure 364782DEST_PATH_IMAGE028
,m为以
Figure 594906DEST_PATH_IMAGE026
为单位的误差估计之序列包含的数据个数；
步骤112，使用Mann-Kendall趋势检验法，检测被测CVT历史误差估计值是否具有显著单调性，包括：
对于误差估计值的时序序列
Figure 452003DEST_PATH_IMAGE029
，
Figure 1
,定义统计量为
Figure 735534DEST_PATH_IMAGE031
：
Figure 780851DEST_PATH_IMAGE032
；
Figure 176060DEST_PATH_IMAGE033
；
当m≥10，统计量
Figure 724853DEST_PATH_IMAGE031
近似服从标准正态分布，将统计量
Figure 750578DEST_PATH_IMAGE031
标准化进行显著性检验，检验统计量Z计算公式为：
Figure 17611DEST_PATH_IMAGE034
其中，
Figure 950932DEST_PATH_IMAGE035
，
g是存在结组的数量，一个结组表示为样本序列中的某个值在该序列中存在多个相同值，
Figure 557494DEST_PATH_IMAGE036
是每个结组对应的数据值在样本序列中的个数。
6.根据权利要求5所述的稳定性评估方法，其特征在于，所述步骤1中确定长期渐变误差的标准偏差的过程包括：
步骤121，选取较长的时间段
Figure 816437DEST_PATH_IMAGE037
，计算基于当前日期的CVT长期渐变误差
Figure 305187DEST_PATH_IMAGE038
；其中，
Figure 307778DEST_PATH_IMAGE039
为包含当前日期的当前时段
Figure 765917DEST_PATH_IMAGE037
的误差估计值平均值，
Figure 930182DEST_PATH_IMAGE040
为当前日期的上一时段
Figure 171807DEST_PATH_IMAGE037
之间的误差估计值平均值；以当前日期为起始时间，选取基于CVT长期渐变误差的计算时段
Figure 650193DEST_PATH_IMAGE041
作为CVT长期渐变误差估计值平均值的时段，则CVT长期渐变误差估计值平均值
Figure 28085DEST_PATH_IMAGE042
为：
Figure 628831DEST_PATH_IMAGE043
；其中,
Figure 92173DEST_PATH_IMAGE044
为
Figure 374250DEST_PATH_IMAGE041
时段内，第i日的误差估计值;
步骤122，用CVT长期渐变误差估计值平均值
Figure 872227DEST_PATH_IMAGE045
表征CVT的长期使用下误差的偏离程度；以当前日期为起始时间，选取基于CVT长期渐变误差的计算时段
Figure 378295DEST_PATH_IMAGE046
作为CVT长期渐变误差估计值标准偏差的时段，则CVT长期渐变误差估计值标准误差
Figure 532196DEST_PATH_IMAGE047
为：
Figure 414701DEST_PATH_IMAGE048
;其中,
Figure 767185DEST_PATH_IMAGE049
为
Figure 444154DEST_PATH_IMAGE050
时段内的误差估计值均值。
7.根据权利要求1所述的稳定性评估方法，其特征在于，所述步骤2中根据稳定超差的频次
Figure 819772DEST_PATH_IMAGE051
计算突变误差稳定超差的频次评分
Figure 505968DEST_PATH_IMAGE052
的所述突变误差稳定频次函数模型为：
Figure 712958DEST_PATH_IMAGE053
；
其中，
Figure 764091DEST_PATH_IMAGE054
、
Figure 689322DEST_PATH_IMAGE055
、
Figure 913630DEST_PATH_IMAGE056
、
Figure 240706DEST_PATH_IMAGE057
、
Figure 462740DEST_PATH_IMAGE058
、
Figure 609687DEST_PATH_IMAGE059
、
Figure 637686DEST_PATH_IMAGE060
、
Figure 756952DEST_PATH_IMAGE061
和
Figure 212204DEST_PATH_IMAGE062
为待设定参数，且
Figure 112027DEST_PATH_IMAGE063
；
根据不稳定超差的频次
Figure 678137DEST_PATH_IMAGE064
计算突变误差稳定超差的频次评分
Figure 648980DEST_PATH_IMAGE065
的所述突变误差不稳定频次函数模型为：
Figure 275133DEST_PATH_IMAGE066
；
其中，
Figure 396673DEST_PATH_IMAGE067
、
Figure 704158DEST_PATH_IMAGE068
、
Figure 860332DEST_PATH_IMAGE069
、
Figure 657387DEST_PATH_IMAGE070
、
Figure 266223DEST_PATH_IMAGE071
和
Figure 111819DEST_PATH_IMAGE072
为待设定参数，且
Figure 122501DEST_PATH_IMAGE073
；
根据统计量Z计算渐变误差单调显著性评分
Figure 90457DEST_PATH_IMAGE074
的所述渐变误差单调显著性函数模型为：
Figure 124272DEST_PATH_IMAGE075
；
根据CVT长期渐变误差估计值标准偏差
Figure 835876DEST_PATH_IMAGE045
计算渐变误差标准偏差评分
Figure 966643DEST_PATH_IMAGE076
的所述渐变误差标准偏差函数模型为：
Figure 105500DEST_PATH_IMAGE077
。
8.根据权利要求1所述的稳定性评估方法，其特征在于，所述步骤3中采用层次分析理论对各状态评估指标的重要性进行比较，确定状态评估指标的权重的过程包括：
步骤301，通过比较两个状态评估指标构造判断矩阵
Figure 361032DEST_PATH_IMAGE078
，所述判断矩阵
Figure 876327DEST_PATH_IMAGE078
的标度根据两个状态评估指标之间的重要性的差别设置；
步骤302，对应于所述判断矩阵
Figure 861601DEST_PATH_IMAGE078
最大特征根
Figure 109042DEST_PATH_IMAGE079
的特征向量，经归一化后记为
Figure 914187DEST_PATH_IMAGE080
；计算一致性指标
Figure 967594DEST_PATH_IMAGE081
；根据表格查询对应个数指标对应的随机一致性指标
Figure 807374DEST_PATH_IMAGE082
；判断一致性比率
Figure 225717DEST_PATH_IMAGE083
，若
Figure 783737DEST_PATH_IMAGE084
，则通过一致性检验，否则重复所述步骤301重新构造所述判断矩阵
Figure 375256DEST_PATH_IMAGE078
；
步骤303，确定权重向量
Figure 272804DEST_PATH_IMAGE085
。
9.根据权利要求1所述的稳定性评估方法，其特征在于，所述步骤3中计算各项指标分数计算CVT稳定性状态评分
Figure 924366DEST_PATH_IMAGE086
为：
Figure 704103DEST_PATH_IMAGE087
；其中，n表示CVT稳定性状态评估指标的项数，
Figure 99312DEST_PATH_IMAGE088
和
Figure 848438DEST_PATH_IMAGE089
分别为第i项CVT稳定性状态评估指标的评分和权重。
10.根据权利要求9所述的稳定性评估方法，其特征在于，所述步骤3中根据所述CVT稳定性状态评分评估CVT稳定性状态包括：对所述CVT稳定性状态评分
Figure 670900DEST_PATH_IMAGE090
设置评定各个CVT稳定性状态的数值范围，所述CVT稳定性状态评分
Figure 937934DEST_PATH_IMAGE086
值从大到小对应的各个CVT稳性定状态依次为：稳定、轻度不稳、中度不稳和严重不稳。
CN202210072989.1A 2022-01-21 2022-01-21 一种电容式电压互感器稳定性评估方法 Active CN114089255B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210072989.1A CN114089255B (zh) 2022-01-21 2022-01-21 一种电容式电压互感器稳定性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210072989.1A CN114089255B (zh) 2022-01-21 2022-01-21 一种电容式电压互感器稳定性评估方法

Publications (2)

Publication Number Publication Date
CN114089255A CN114089255A (zh) 2022-02-25
CN114089255B true CN114089255B (zh) 2022-04-22

Family

ID=80309035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210072989.1A Active CN114089255B (zh) 2022-01-21 2022-01-21 一种电容式电压互感器稳定性评估方法

Country Status (1)

Country Link
CN (1) CN114089255B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114626769B (zh) * 2022-05-16 2022-08-02 武汉格蓝若智能技术有限公司 一种电容式电压互感器运维方法及系统
CN115575880B (zh) * 2022-11-10 2023-04-18 威胜集团有限公司 一种电力互感器计量误差状态在线检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104535957A (zh) * 2014-12-08 2015-04-22 云南电网公司电力科学研究院 一种智能变电站测量准确性对比装置
CN106646319A (zh) * 2016-10-09 2017-05-10 国网江苏省电力公司电力科学研究院 基于站内联合测量的电子式电压互感器异常辨识方法
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
CN113050018A (zh) * 2021-03-04 2021-06-29 国网湖南省电力有限公司 基于数据驱动评估结果变化趋势的电压互感器状态评估方法及系统
CN113887846A (zh) * 2021-12-07 2022-01-04 武汉格蓝若智能技术有限公司 一种电容式电压互感器的超差风险预警方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102353919A (zh) * 2011-07-05 2012-02-15 国网电力科学研究院 电压互感器串联加法校验方法及装置
JP6858271B2 (ja) * 2017-10-31 2021-04-14 株式会社日立製作所 電力系統の安定性解析装置、安定化装置および方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104535957A (zh) * 2014-12-08 2015-04-22 云南电网公司电力科学研究院 一种智能变电站测量准确性对比装置
CN106646319A (zh) * 2016-10-09 2017-05-10 国网江苏省电力公司电力科学研究院 基于站内联合测量的电子式电压互感器异常辨识方法
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
CN113050018A (zh) * 2021-03-04 2021-06-29 国网湖南省电力有限公司 基于数据驱动评估结果变化趋势的电压互感器状态评估方法及系统
CN113887846A (zh) * 2021-12-07 2022-01-04 武汉格蓝若智能技术有限公司 一种电容式电压互感器的超差风险预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于多参数的CVT带电检测技术研究;蔡冰冰;《中国硕士学位论文全文数据库(工程科技Ⅱ辑)》;20170615;全文 *
电容式电压互感器计量误差状态评估和预测方法研究;张竹;《中国博士学位论文全文数据库(工程科技Ⅱ辑)》;20190515;全文 *

Also Published As

Publication number Publication date
CN114089255A (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN114089255B (zh) 一种电容式电压互感器稳定性评估方法
CN111537939B (zh) 一种基于多指标融合的电压互感器状态评估方法及装置
CN106505557B (zh) 一种遥测错误辨识方法及装置
CN110417011B (zh) 一种基于互信息与迭代随机森林的在线动态安全评估方法
CN102090704B (zh) 一种提高制丝工艺批次过程能力的方法
CN110333474A (zh) 一种在线检测互感器计量异常状态的方法和系统
CN107563601A (zh) 一种智能电能表运行状态评价方法
CN115166618B (zh) 一种非平稳输出的电流互感器误差评估方法
CN113887846B (zh) 一种电容式电压互感器的超差风险预警方法
CN108090615B (zh) 基于交叉熵集成学习的电力系统故障后最低频率预测方法
CN111680924A (zh) 一种充电桩运行状态的评估方法、装置、设备及介质
CN115469259B (zh) 基于rbf神经网络的ct误差状态在线定量评估方法及装置
CN115932702A (zh) 基于虚拟标准器的电压互感器在线运行校准方法及装置
CN115508770A (zh) 一种基于kl-nb算法的电能表运行状态在线评估方法
CN113360983A (zh) 一种边坡可靠度分析与风险评估方法
CN113721182B (zh) 一种电力互感器性能在线监测结果可靠度评估方法及系统
CN111612149A (zh) 一种基于决策树的主网线路状态检测方法、系统及介质
KR20230015847A (ko) 배터리 저장 디바이스의 용량의 손실을 결정하기 위한 방법, 장치 및 컴퓨터 프로그램 제품
CN115480204A (zh) 基于大数据推演的电流互感器运行误差在线评估优化方法
CN108320112A (zh) 一种确定设备健康状态的方法及装置
CN109359822A (zh) 电子式电压互感器测量状态评估方法及系统
CN111105168A (zh) 一种基于云物元理论的负荷模型拟合优度评价方法
CN115292901A (zh) 变压器运行状态的评估方法和装置
JP6394787B2 (ja) 製品検査装置、製品検査方法及びコンピュータプログラム
CN105656453B (zh) 一种基于时间序列的光纤电流互感器随机噪声实时滤波方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee after: Wuhan Gelanruo Intelligent Technology Co.,Ltd.

Address before: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee before: WUHAN GLORY ROAD INTELLIGENT TECHNOLOGY Co.,Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Stability Evaluation Method for Capacitive Voltage Transformer

Effective date of registration: 20221230

Granted publication date: 20220422

Pledgee: Bank of China Limited Wuhan Donghu New Technology Development Zone Branch

Pledgor: Wuhan Gelanruo Intelligent Technology Co.,Ltd.

Registration number: Y2022420000404

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20220422

Pledgee: Bank of China Limited Wuhan Donghu New Technology Development Zone Branch

Pledgor: Wuhan Gelanruo Intelligent Technology Co.,Ltd.

Registration number: Y2022420000404