CN114460526A - 基于随动补偿的变电站电流互感器误差预测方法及系统 - Google Patents

基于随动补偿的变电站电流互感器误差预测方法及系统 Download PDF

Info

Publication number
CN114460526A
CN114460526A CN202210376465.1A CN202210376465A CN114460526A CN 114460526 A CN114460526 A CN 114460526A CN 202210376465 A CN202210376465 A CN 202210376465A CN 114460526 A CN114460526 A CN 114460526A
Authority
CN
China
Prior art keywords
error
current transformer
time
current
follow
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
CN202210376465.1A
Other languages
English (en)
Other versions
CN114460526B (zh
Inventor
李红斌
杜于飞
张传计
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
Original Assignee
Huazhong University of Science and Technology
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 filed Critical Huazhong University of Science and Technology
Priority to CN202210376465.1A priority Critical patent/CN114460526B/zh
Publication of CN114460526A publication Critical patent/CN114460526A/zh
Application granted granted Critical
Publication of CN114460526B publication Critical patent/CN114460526B/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
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于随动补偿的变电站电流互感器误差预测方法及系统，其方法包括：获取目标电流互感器的历史负荷数据，并根据其构建电流误差修正曲线；利用多边形法求解误差的背景值，并根据其与所述电流误差修正曲线建立时变白化方程；基于所述时变白化方程建立电流互感器误差模型，并利用其预测目标电流互感器的误差。本发明通过改进的多边形法对灰色预测过程中的背景值进行计算，并结合电流误差修正曲线构建时变白化方程，然后利用时变白化方程建立模型并预测目标电流互感器的误差。

Description

基于随动补偿的变电站电流互感器误差预测方法及系统
技术领域
本发明属于电力测量技术领域，具体涉及一种基于随动补偿的变电站电流互感器误差预测方法及系统。
背景技术
现有研究表明：若不计硬件设计方面的优劣，电流互感器和所测量电缆之间的“相对位置”以及所测量电缆所流过的“电流数量级”本身，都是影响其测量准确度的重要因素。
“相对位置”引起的误差源于：常见的电流互感器测量原理为“对所测电缆周围磁场进行积分”，在模型设计上，可认为探头和所测电缆相互垂直，且电缆位于探头正中心。因此，若二者之间的“相对位置”发生变化，则会引起积分区域内磁场变动，进而引起计算误差。
“电流数量级”引起的误差来源于：一次侧电流处于不同数量级时，励磁材料中的磁通量和所测电流间的比值并非始终保持线性。因此，当所测电流和一次侧电流的额定值相近时，电流互感器具有最佳的测量精度，而当所测电流过低时，测量精度也会随之显著降低。
现有研究在对电流互感器误差进行预测时，通常通过学习历史数据中的历史规律，进而提供既定方案。此类方法行之有效，但对于偶发性干扰（例如偶发震动引起的互感器相对位移）和不可逆的干扰的分辨能力不足，难以及时有效地做出随动补偿。此外，现有研究虽然考虑过在低电流时对一次侧电流进行精度补偿，但补偿方法多通过硬件装置实现，例如专利CN201310335539.8中额外的绕线、专利CN201020592159.4中的辅助互感器。此类方法虽能一定程度上提高低电流时的测量精度，但其提升幅度极大受限于器件制作工艺，仅能满足0.5级及以下测量用电流互感器的补偿需求，无法用于0.2级计量用电流互感器，难以支撑高精度的电能计量工作。
发明内容
为弱化或减小变电站电流互感器在运行过程中的偶发性误差、长期误差以及电缆对电流互感器的输出误差的问题，在本发明的第一方面提供了一种基于随动补偿的变电站电流互感器误差预测方法，包括：获取目标电流互感器的历史负荷数据，并根据其构建电流误差修正曲线；利用多边形法求解误差的背景值，并根据其与所述电流误差修正曲线建立时变白化方程；基于所述时变白化方程建立电流互感器误差模型，并利用其预测目标电流互感器的误差。
在本发明的一些实施例中，所述利用多边形法求解误差的背景值通过如下方法实现：
Figure 77338DEST_PATH_IMAGE001
，
其中，时刻k的取值从6开始，即
Figure 676947DEST_PATH_IMAGE002
；
Figure 19067DEST_PATH_IMAGE003
为误差的背景值，
Figure 320604DEST_PATH_IMAGE004
为历史 误差数据
Figure 39161DEST_PATH_IMAGE005
的累加，有
Figure 227697DEST_PATH_IMAGE006
；
Figure 458827DEST_PATH_IMAGE007
表示累积量
Figure 263972DEST_PATH_IMAGE008
所对应的权重，其下标i表 示时刻。
进一步的，若
Figure 786220DEST_PATH_IMAGE009
中离群值大于预设值时，可通过按照下式对离群点进行修正：
Figure 812951DEST_PATH_IMAGE010
其中，d j 为中间变量，j表示与
Figure 965715DEST_PATH_IMAGE011
时刻相邻近的时刻,α j 表示经过d j 修正后的第j个时 刻对应的累积量
Figure 241844DEST_PATH_IMAGE012
的权重。
进一步的，所述时变白化方程表达式为：
Figure 567783DEST_PATH_IMAGE013
,
其中，a、b分别表示白化方程的发展系数、灰色用量；
Figure 934174DEST_PATH_IMAGE014
、
Figure 303844DEST_PATH_IMAGE015
分别表示k时刻负荷 曲线对应数值与该处曲线一阶导的数值；
Figure 818002DEST_PATH_IMAGE016
表示k时刻的背景值；
Figure 947632DEST_PATH_IMAGE017
、
Figure 965267DEST_PATH_IMAGE018
分别表示k时 刻的历史误差、误差累计值。
在本发明的一些实施例中，所述电流互感器的误差预测模型表达式为：
Figure 974680DEST_PATH_IMAGE019
其中，a、b分别表示白化方程的发展系数、灰色用量；F k 表示k时刻负荷曲线对应数 值，
Figure 710555DEST_PATH_IMAGE020
表示k时刻的背景值；
Figure 175034DEST_PATH_IMAGE021
为
Figure 47175DEST_PATH_IMAGE022
时刻误差的理论估计值；
Figure 24227DEST_PATH_IMAGE023
为电流互感器 误差实际预测值；K exp表示专家评估系数。
在上述的实施例中，所述电流误差修正曲线的计算方法为：
Figure 247398DEST_PATH_IMAGE024
,
其中，I k 为k时刻所测电流，
Figure 640202DEST_PATH_IMAGE025
为该电流互感器标定时的额定电流;
Figure 632429DEST_PATH_IMAGE026
为电流误差 修正曲线,
Figure 531115DEST_PATH_IMAGE027
为实际电流互感器的误差修正函数。
本发明的第二方面，提供了一种基于随动补偿的变电站电流互感器误差预测系统，包括：获取模块，用于获取目标电流互感器的历史负荷数据，并根据其构建电流误差修正曲线；建立模块，用于利用多边形法求解误差的背景值，并根据其与所述电流误差修正曲线建立时变白化方程；预测模块，用于基于所述时变白化方程建立电流互感器误差模型，并利用其预测目标电流互感器的误差。
进一步的，所述建立模块包括：计算单元，用于利用多边形法求解误差的背景值；建立单元，用于根据误差的背景值与所述电流误差修正曲线建立时变白化方程。
本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面提供的方法。
本发明的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明在第一方面提供的方法。
本发明的有益效果是：
1.针对“相对位置”引起的误差，本发明通过“改进的多边形法”对灰色预测过程中的背景值进行计算。若相对位置变化是偶发性的，该方法计算出的背景值能够有效减缓误差突变造成的冲击；若相对位置变化是长期性、不可逆的，在经历不超过3数次误差报数后，背景值便可趋向新的平衡态。可见该方法能够实时跟踪最新稳态；
2.针对“电流数量级”引起的误差，本发明对罗氏线圈所测电缆的历史日负荷曲线进行了整理，从而以此为依据修正灰色预测算法——在负载接近额定值时对预测模型进行强化，负荷处于低谷时弱化误差。最终使实时负荷对误差造成的影响得以体现；
3.此外，具有不同精度等级的电流互感器，对于同一种干扰源的误差增幅也不尽相同。总体上，具有更高准确度的电流互感器对于外接干扰越敏感，因此在考虑诸多实际物理影响因素后，还需以专家评估的方式对总体误差进行修正。
附图说明
图1为本发明的一些实施例中的基于随动补偿的变电站电流互感器误差预测方法的基本流程示意图；
图2为华中某变电站某电缆历史负荷（电流）数据；
图3为单日负荷曲线及其多项式拟合；
图4为本发明的一些实施例中的电流互感器误差修正系数与电流标幺值之间的关系；
图5为本发明的一些实施例中的电流互感器提交的历史误差数据；
图6为常规灰色预测（GM(1,1)模型）与改进多边形法构造的背景值对比；
图7为本发明的一些实施例中的实际背景值曲线及根据系数拟合出的背景值曲线；
图8为本发明的一些实施例中的电流互感器历史误差数据及预测值；
图9为本发明的一些实施例中的基于随动补偿的变电站电流互感器误差预测系统的结构示意图；
图10为本发明的一些实施例中的电子设备的结构示意图。
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。
参考图1，在本发明的第一方面，提供了一种基于随动补偿的变电站电流互感器误差预测方法，包括：S100.获取目标电流互感器的历史负荷数据，并根据其构建电流误差修正曲线；S200.利用多边形法求解误差的背景值，并根据其与所述电流误差修正曲线建立时变白化方程；S300.基于所述时变白化方程建立电流互感器误差模型，并利用其预测目标电流互感器的误差。
参考图2与图3，在本发明的一些实施例的步骤S100中，具体地，对历史负荷数据进行整理，此处以华中某变电站所提供的历史数据为例，将其负荷整理成电流后所得电流-时间曲线如图2所示。
从图2可知，该电缆所流经的负荷（电流）具有极强的周期性：位于22:00时至次日8:00时区间内的电流显著较低，且上午10:00时、下午20:00时负荷存在明显高峰。以“单日”为最小周期，因此需进一步将负荷（电流）曲线以单日为周期进行整理。
此处以2019年8月14日电流曲线为例，通过多项式拟合得到其日负荷（电流）曲线：
Figure 976003DEST_PATH_IMAGE028
(1)；
其中，k表示时间点；该案例中，两次时间点之间的间隔为5min，则一日之内，
Figure 438077DEST_PATH_IMAGE029
。
Figure 550389DEST_PATH_IMAGE030
表示多项式拟合系数，如表1所示。拟合出的曲线和实际负荷（电流） 一同整理于图3中。
表1 单日负荷（电流）曲线多项式拟合系数
Figure 354397DEST_PATH_IMAGE031
接着，构建构造电流误差修正曲线：
已知该电缆所对应的电流互感器额定电流
Figure 270270DEST_PATH_IMAGE032
，工频下标定该互感器时， 误差修正系数和电流数量级之间关系如式(2)所示：
Figure 286767DEST_PATH_IMAGE033
(2)；
其中，
Figure 502854DEST_PATH_IMAGE034
为标定时电流相对于额定电流的比值，也即电流标幺值。基于该式可绘制 出误差修正系数与电流标幺值
Figure 274501DEST_PATH_IMAGE034
之间的关系，如图4所示。
在本发明的一些实施例的步骤S200中，具体地，以实测误差数据为例，电流互感器 提交给用户的历史误差数据
Figure 959560DEST_PATH_IMAGE035
如图5所示。将其按照式(3)进行累加，可得到
Figure 45328DEST_PATH_IMAGE036
，进而 通过式(4)计算出背景值
Figure 866653DEST_PATH_IMAGE037
。
Figure 527310DEST_PATH_IMAGE038
(3)；
Figure 824300DEST_PATH_IMAGE039
(4)；
其中，时刻k的取值从6开始，即
Figure 917021DEST_PATH_IMAGE040
。
Figure 655169DEST_PATH_IMAGE041
表示累积量
Figure 955570DEST_PATH_IMAGE008
所对应的权重， 其下标i表示时刻。此处权重
Figure 349642DEST_PATH_IMAGE041
的求解方法如式(5)所示。若历史数据中具有离群点，还需 按照式(6)对历史误差数据
Figure 42791DEST_PATH_IMAGE042
进行处理。
进一步的，若
Figure 635447DEST_PATH_IMAGE043
中离群值大于预设值时，可通过按照下式对离群点进行修正：
Figure 123060DEST_PATH_IMAGE044
，
Figure 265415DEST_PATH_IMAGE045
（5）；
Figure 293413DEST_PATH_IMAGE046
（6）；
其中，d j 为中间变量，j表示与
Figure 943838DEST_PATH_IMAGE011
时刻相邻近的时刻,
Figure 602352DEST_PATH_IMAGE047
表示经过d j 修正后的第j个 时刻对应的累积量
Figure 971016DEST_PATH_IMAGE012
的权重。作为对比，改进的多边形法和常规灰色预测模型中背景值 求解方法的对比如图6所示。尽管从曲线形态上二者区别不大（子图1），但具体到斜率上，改 进的多边形法能够有效减缓误差突变造成的冲击（子图2）。
进一步的，所述时变白化方程表达式为：
Figure 255236DEST_PATH_IMAGE013
（7）；
其中，a、b分别表示白化方程的发展系数、灰色用量；
Figure 556904DEST_PATH_IMAGE014
、
Figure 386320DEST_PATH_IMAGE015
分别表示k时刻负荷 曲线对应数值与该处曲线一阶导的数值；
Figure 242281DEST_PATH_IMAGE016
表示k时刻的背景值；
Figure 815345DEST_PATH_IMAGE017
、
Figure 237099DEST_PATH_IMAGE018
分别表示k时 刻的历史误差、误差累计值。
具体地，
Figure 752262DEST_PATH_IMAGE017
为历史误差数据，数据
Figure 564361DEST_PATH_IMAGE018
、
Figure 206695DEST_PATH_IMAGE048
可分别通过式(3)、(4)获得。时变变 量
Figure 482955DEST_PATH_IMAGE049
的计算方法如式(8)所示。
Figure 919753DEST_PATH_IMAGE050
(8)；
其中，
Figure 733994DEST_PATH_IMAGE051
可通过式(1)求解，电流互感器额定电流
Figure 383281DEST_PATH_IMAGE052
。因此，待定系数a 和b可通过最小二乘法求得，此处以MATLAB自带的lsqcurvefit函数结合上述数据对系数进 行求解，所得结果为：
Figure 982890DEST_PATH_IMAGE053
，
Figure 387326DEST_PATH_IMAGE054
(9)。
作为验证，实际的
Figure 439596DEST_PATH_IMAGE048
曲线和由a和b构造的曲线如图7所示。可见，二者趋势基本 一致，表明求解过程无误。
在本发明中的一些实施例的步骤S300中，所述电流互感器的误差预测模型表达式为：
Figure 141841DEST_PATH_IMAGE055
(10)
Figure 595957DEST_PATH_IMAGE056
(11)
其中，a、b分别表示白化方程的发展系数、灰色用量；F k 表示k时刻负荷曲线对应数 值，
Figure 171294DEST_PATH_IMAGE020
表示k时刻的背景值；
Figure 710860DEST_PATH_IMAGE021
为
Figure 967529DEST_PATH_IMAGE057
时刻误差的理论估计值；
Figure 525418DEST_PATH_IMAGE023
为电流互感器 误差实际预测值；K exp表示专家评估系数。
具体地，此处截取历史数据末尾30个时间点，按照式(10)构造误差预测模型，进而通过式(11)完成专家评估修正。该案例中电流互感器要求精度为0.02级。根据优选的专家评估方法，此处修正系数:
Figure 271657DEST_PATH_IMAGE058
，进而可得到k+1时刻误差的理论预测值 和实际预测值：
Figure 767361DEST_PATH_IMAGE059
，
Figure 93300DEST_PATH_IMAGE060
(12)。
综上，电流互感器的历史误差数据及预测值可绘制于图8所示。该过程复现了单次误差预测。当电流互感器报出新的误差数值时，将新数值添加于历史数据末尾，同时在首部删除相应数值个数，重复执行以上步骤，即可实现误差的实时预测。
在上述的实施例中，所述电流误差修正曲线的计算方法为：
Figure 53166DEST_PATH_IMAGE024
,
其中，I k 为k时刻所测电流，I e 为该电流互感器标定时的额定电流;
Figure 173568DEST_PATH_IMAGE061
为电流误差 修正曲线,
Figure 671415DEST_PATH_IMAGE027
为实际电流互感器的误差修正函数。可以理解，变电站电流互感器在长 期运行中，其轴心和被测电缆间的相对位置变化，无论偶发性或是长期性，都会显著影响测 量结果。此外，电缆中电流的数量级也会对互感器的输出误差产生较大影响。建立了随动补 偿的误差预测模型，通过改进的多边形法计算背景值，以弱化误差预测过程中偶发干扰造 成的影响，同时具备跟踪长期性因素影响的能力。
实施例2
参考图9，本发明的第二方面，提供了一种基于随动补偿的变电站电流互感器误差预测系统1，包括：获取模块11，用于获取目标电流互感器的历史负荷数据，并根据其构建电流误差修正曲线；建立模块12，用于利用多边形法求解误差的背景值，并根据其与所述电流误差修正曲线建立时变白化方程；预测模块13，用于基于所述时变白化方程建立电流互感器误差模型，并利用其预测目标电流互感器的误差。
进一步的，所述建立模块12包括：计算单元，用于利用多边形法求解误差的背景值；建立单元，用于根据误差的背景值与所述电流误差修正曲线建立时变白化方程。
实施例3
参考图10，本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面的方法。
电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图10中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。需要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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)

1.一种基于随动补偿的变电站电流互感器误差预测方法，其特征在于，包括：
获取目标电流互感器的历史负荷数据，并根据其构建电流误差修正曲线；
利用多边形法求解误差的背景值，并根据其与所述电流误差修正曲线建立时变白化方程；
基于所述时变白化方程建立电流互感器误差模型，并利用其预测目标电流互感器的误差。
2.根据权利要求1所述的基于随动补偿的变电站电流互感器误差预测方法，其特征在于，所述利用多边形法求解误差的背景值通过如下方法实现：
Figure 406429DEST_PATH_IMAGE001
，
其中，时刻k的取值从6开始，即
Figure 453013DEST_PATH_IMAGE002
；
Figure 345883DEST_PATH_IMAGE003
为误差的背景值，
Figure 119804DEST_PATH_IMAGE004
为历史误差 数据
Figure 798041DEST_PATH_IMAGE005
的累加，有
Figure 999215DEST_PATH_IMAGE006
；
Figure 130113DEST_PATH_IMAGE007
表示累积量
Figure 442146DEST_PATH_IMAGE008
所对应的权重，其下标i表示时 刻。
3.根据权利要求2所述的基于随动补偿的变电站电流互感器误差预测方法，其特征在 于，若
Figure 963171DEST_PATH_IMAGE009
中离群值大于预设值时，可通过按照下式对离群点进行修正：
Figure 69667DEST_PATH_IMAGE010
其中，d j 为中间变量，j表示与
Figure 937129DEST_PATH_IMAGE011
时刻相邻近的时刻,
Figure 803585DEST_PATH_IMAGE013
表示经过d j 修正后的第j个时刻 对应的累积量
Figure 440103DEST_PATH_IMAGE014
的权重。
4.根据权利要求2所述的基于随动补偿的变电站电流互感器误差预测方法，其特征在于，所述时变白化方程表达式为：
Figure 468233DEST_PATH_IMAGE015
,
其中，a、b分别表示白化方程的发展系数、灰色用量；
Figure 557411DEST_PATH_IMAGE016
、
Figure 227558DEST_PATH_IMAGE017
分别表示k时刻负荷曲线 对应数值与该处曲线一阶导的数值；
Figure 718582DEST_PATH_IMAGE018
表示k时刻的背景值；
Figure 166881DEST_PATH_IMAGE019
、
Figure 25247DEST_PATH_IMAGE020
分别表示k时刻的 历史误差、误差累计值。
5.根据权利要求1所述的基于随动补偿的变电站电流互感器误差预测方法，其特征在于，所述电流互感器的误差预测模型表达式为：
Figure 217194DEST_PATH_IMAGE021
其中，a、b分别表示白化方程的发展系数、灰色用量；F k 表示k时刻负荷曲线对应数值，
Figure 579036DEST_PATH_IMAGE022
表示k时刻的背景值；
Figure 729395DEST_PATH_IMAGE023
为
Figure 543898DEST_PATH_IMAGE024
时刻误差的理论估计值；
Figure 70694DEST_PATH_IMAGE025
为电流互感器误差 实际预测值；K exp表示专家评估系数。
6.根据权利要求1至5任一项所述的基于随动补偿的变电站电流互感器误差预测方法，其特征在于，所述电流误差修正曲线的计算方法为：
Figure 21464DEST_PATH_IMAGE026
,
其中，I k 为k时刻所测电流，
Figure 342724DEST_PATH_IMAGE027
为该电流互感器标定时的额定电流;F k 为电流误差修正曲 线,
Figure 893791DEST_PATH_IMAGE028
为实际电流互感器的误差修正函数。
7.一种基于随动补偿的变电站电流互感器误差预测系统，其特征在于，包括：
获取模块，用于获取目标电流互感器的历史负荷数据，并根据其构建电流误差修正曲线；
建立模块，用于利用多边形法求解误差的背景值，并根据其与所述电流误差修正曲线建立时变白化方程；
预测模块，用于基于所述时变白化方程建立电流互感器误差模型，并利用其预测目标电流互感器的误差。
8.根据权利要求7所述的基于随动补偿的变电站电流互感器误差预测系统，其特征在于，所述建立模块包括：
计算单元，用于利用多边形法求解误差的背景值；
建立单元，用于根据误差的背景值与所述电流误差修正曲线建立时变白化方程。
9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6任一项所述的基于随动补偿的变电站电流互感器误差预测方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于随动补偿的变电站电流互感器误差预测方法。
CN202210376465.1A 2022-04-12 2022-04-12 基于随动补偿的变电站电流互感器误差预测方法及系统 Active CN114460526B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210376465.1A CN114460526B (zh) 2022-04-12 2022-04-12 基于随动补偿的变电站电流互感器误差预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210376465.1A CN114460526B (zh) 2022-04-12 2022-04-12 基于随动补偿的变电站电流互感器误差预测方法及系统

Publications (2)

Publication Number Publication Date
CN114460526A true CN114460526A (zh) 2022-05-10
CN114460526B CN114460526B (zh) 2022-08-26

Family

ID=81416644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210376465.1A Active CN114460526B (zh) 2022-04-12 2022-04-12 基于随动补偿的变电站电流互感器误差预测方法及系统

Country Status (1)

Country Link
CN (1) CN114460526B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115309052A (zh) * 2022-08-19 2022-11-08 北京全应科技有限公司 一种工业实时数据时序预测结果的在线修正方法
CN116404755A (zh) * 2023-04-18 2023-07-07 内蒙古铖品科技有限公司 一种基于物联网的大数据处理系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050013080A1 (en) * 2001-12-12 2005-01-20 Georg Pilz Method for predicting a future voltage and/or current curve
US20050140352A1 (en) * 2002-01-29 2005-06-30 Rene Allain Method for detecting saturation in a current transformer
CN104933012A (zh) * 2015-05-08 2015-09-23 西南交通大学 一种牵引变电所互感器的测量偏差故障在线识别方法
CN107133376A (zh) * 2017-03-27 2017-09-05 哈尔滨工程大学 一种基于灰色预测模型的自主式水下机器人推进器弱故障程度预测方法
CN107203690A (zh) * 2017-04-21 2017-09-26 南京理工大学 一种gm（1,1）模型变压器故障预测方法
WO2018082132A1 (zh) * 2016-11-04 2018-05-11 江南大学 一种用于能源系统输出功率的短期预测方法
CN109711715A (zh) * 2018-12-25 2019-05-03 国家电网有限公司 电力通信网风险评估方法
US20200132772A1 (en) * 2017-07-19 2020-04-30 Imperial College Innovations Limited Dynamic state estimation of an operational state of a generator in a power system

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050013080A1 (en) * 2001-12-12 2005-01-20 Georg Pilz Method for predicting a future voltage and/or current curve
US20050140352A1 (en) * 2002-01-29 2005-06-30 Rene Allain Method for detecting saturation in a current transformer
CN104933012A (zh) * 2015-05-08 2015-09-23 西南交通大学 一种牵引变电所互感器的测量偏差故障在线识别方法
WO2018082132A1 (zh) * 2016-11-04 2018-05-11 江南大学 一种用于能源系统输出功率的短期预测方法
CN107133376A (zh) * 2017-03-27 2017-09-05 哈尔滨工程大学 一种基于灰色预测模型的自主式水下机器人推进器弱故障程度预测方法
CN107203690A (zh) * 2017-04-21 2017-09-26 南京理工大学 一种gm（1,1）模型变压器故障预测方法
US20200132772A1 (en) * 2017-07-19 2020-04-30 Imperial College Innovations Limited Dynamic state estimation of an operational state of a generator in a power system
CN109711715A (zh) * 2018-12-25 2019-05-03 国家电网有限公司 电力通信网风险评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
夏耀杰 等: "基于改进灰色马尔科夫预测法的中长期负荷预测", 《电力需求侧管理》 *
王毓琦 等: "电力互感器检定与评估方法综述", 《高压电器》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115309052A (zh) * 2022-08-19 2022-11-08 北京全应科技有限公司 一种工业实时数据时序预测结果的在线修正方法
CN115309052B (zh) * 2022-08-19 2023-04-28 北京全应科技有限公司 一种工业实时数据时序预测结果的在线修正方法
CN116404755A (zh) * 2023-04-18 2023-07-07 内蒙古铖品科技有限公司 一种基于物联网的大数据处理系统及方法

Also Published As

Publication number Publication date
CN114460526B (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
CN114460526B (zh) 基于随动补偿的变电站电流互感器误差预测方法及系统
JP4705563B2 (ja) 配電系統の状態推定装置、状態推定方法及びそのプログラム
CN106777836B (zh) 一种变压器直流偏磁仿真模拟方法及装置
EP2913930A1 (en) Data sampling method and system, and application method and system thereof in parameter identification
US10324118B2 (en) Apparatus and method for correcting power usage measurements
CN113777552A (zh) 一种电容式电压互感器计量误差的预测方法及系统
CN113359761B (zh) 变电站用机器人巡检路径规划方法、装置及存储介质
CN115878963A (zh) 电容式电压互感器计量误差预测方法、系统、终端及介质
JP6286983B2 (ja) 受信信号強度インジケータの温度補正方法及び温度補正装置
US9019122B2 (en) Information retrieval for boundary reading processing
US20140265599A1 (en) Power Flow Analysis Method and Apparatus for Hybrid AC-DC Systems
Brusher et al. Coupling between the modeling and controller-design problems—part I: analysis
Chowdhury et al. Robust controller synthesis with consideration of performance criteria
CN115758071A (zh) 原子钟的钟差预测方法、装置、设备以及存储介质
US9635441B2 (en) Information retrieval for service point channels
Deminov et al. Effective solar activity index for the median of the critical frequency of the F 2 layer
CN114764540A (zh) 燃气轮机的一氧化碳排放量确定方法、装置、设备和介质
Amato et al. Definition and identification of an improved Preisach model for magnetic hysteresis based on the KP operator
CN110992075A (zh) 一种基于自由市场交易机制的智能电价预测系统及方法
JP2004178189A (ja) 量子化誤差の推定方法、プラントの同定方法、制御方法、量子化誤差の推定装置およびプログラム
CN116754830B (zh) 一种电能表的计量方法、装置及储存介质
CN118151177A (zh) 一种多个北斗卫星共视参考站的可信共视数据的处理方法
CN115117898A (zh) 基于跟踪微分器的pmu功率振荡数据的滤波方法及系统
CN115047233A (zh) 母线电流的非接触测量方法、装置、电子设备和存储介质
CN116090278A (zh) 一种建筑物上方工频电场计算方法及装置

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