CN115018139A - 基于相间特征的电流互感器误差状态在线辨识方法及系统 - Google Patents
基于相间特征的电流互感器误差状态在线辨识方法及系统 Download PDFInfo
- Publication number
- CN115018139A CN115018139A CN202210574982.XA CN202210574982A CN115018139A CN 115018139 A CN115018139 A CN 115018139A CN 202210574982 A CN202210574982 A CN 202210574982A CN 115018139 A CN115018139 A CN 115018139A
- Authority
- CN
- China
- Prior art keywords
- data
- phase
- group
- current
- characteristic parameters
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000016507 interphase Effects 0.000 title claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 13
- 238000007621 cluster analysis Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 abstract description 11
- 238000012795 verification Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 229910000831 Steel Inorganic materials 0.000 description 7
- 239000010959 steel Substances 0.000 description 7
- 238000007670 refining Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002279 physical standard Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于相间特征的电流互感器误差状态在线辨识方法及系统,本发明方法包括以变电站中线路上同组三相电流互感器构建为群体,采集历史正常的三相电流数据,构建群体数据集,记录群体的档案信息;构建建模特征参量集、确定不同群体的档案信息下特征参量的数据边界;针对监测的所有群体,以变电站为单位优化数据边界;针对监测的所有群体,采集的三相电流数据并提取特征参量并与数据边界对比确定是否异常,提取群体异常时段下的三相电流数据,计算贡献指标确定群体内超差电流互感器所在。本发明实现了在线评估电流互感器的误差状态,解决了电流互感器评估状态难以按国家标准实现定期误差停电校验的难题,具有预测精确度高的优点。
Description
技术领域
本发明涉及配电设备状态评估与在线监测技术,具体涉及一种基于相间特征的电流互感器误差状态在线辨识方法及系统。
背景技术
电流互感器(CT)是将大电流转换为小信号进而实现测量的计量设备,是发电公司、电网公司、电力用户之间实现精准贸易结算、公平公正交易、经济技术指标考核的唯一电流数据来源,电能贸易的公平公正依赖电流互感器的计量准确。然而,电流互感器在长期服役后,其计量性能易受多重因素影响而劣化甚至失准:电流互感器为电网一次侧设备,工作环境严苛,室外较大温差导致其计量性能会随温度波动,长期运行积累的污秽会降低互感器外表面电阻,出现泄露电流导致其计量性能劣化。失准的计量设备会导致电流计算出现偏差,从而引起发电控制、电力调度、继电保护等自动化系统的介入失当与动作异常,进一步可能导致电力系统的失稳甚至裂解,并影响巨额电能贸易的公平公正。
为此,《JJG 313-2010测量用电流互感器》的检定规程规定对电流互感器定期强制开展“停电校验”工作,规定以4-10年为周期强制开展周期性检定(周检),通过与高精度标准器比对,评估被检测CT误差值,出具检测报告。但随着电网规模的扩大,为保证供电质量,计划性停电窗台少,时间短,同时人工检验效率较低的问题也愈发明显,导致在周期内无法做到检定全覆盖,从而导致大量超期未检的情况。
为摆脱超差故障检测对计划停电的依赖,不停电的CT误差在线评估方法被提出并迅速成为研究热点。现有研究成果划分为两大类,分别为基于精确建模、基于信号处理的方法来实现误差的在线评估。精确建模法的思路是利用模型解析的方法,将互感器的物理模型抽象为包含多个参量的数学模型,通过查阅资料或历史运行数据的方式获取各参量的精确数值,利用解方程的思路求取互感器状态。该类方法工程适应性差,工程实际中获得的参数精度低,且易受环境影响,因此多见于实验室仿真验证。信号处理法利用信号处理的方法,对单台互感器输出信号的高频采样瞬时值开展信号变换、分离、提取,从中寻找表征互感器异常运行状态的信号分量,通过判断信号分量的存在与否以及大小评估互感器误差状态,但是对于长期运行中的误差的渐变型变化并不敏感,无法发现误差渐变,且识别精度低,工程适用性弱。
基于信息物理融合的在线评估技术不依赖精确参数,而是利用电网自身运行中的物理规律,从统计学的角度建立评估依据。该技术的基本思路如下:以同一变电站内存在电气物理联系的互感器群体为评估对象,以群体内的物理相关性为约束条件,通过分析互感器群体输出蕴含的信息,挖掘内在关系,实现对互感器个体运行误差状态的在线监测。
对于电流互感器而言:一方面,电流互感器群体内物理关系相对复杂,物理约束条件隐蔽,而电压互感器群体物理关系突显。变电站内同一节点同相的电压互感器测量值应保持一致,可以群体间相互比较测量值进行判断,而线路电流相互独立,不能相互比较测量值来实现。另一方面,稳态变电站内电压幅值为110%-120%的额定电压变化,电压波动较小,不同变电站内电压整体数据特征保持一致,电压信息特征突显且具有普适性,易于实现基于电压信号的信息物理融合。而不同变电站内线路电流变化相互独立,幅值从0%-120%额定电流变化,波动极大,而线路电流具有的数据特征由网省公司调节方式、地区环境特点、负荷类型、互感器电压等级等因素决定,电流信息特征隐蔽,因此电流互感器的误差状态在线监测难以实现。
发明内容
本发明要解决的技术问题:针对于电流互感器群体内物理关系复杂,电流数据特征由网省公司调节方式、地区环境特点、负荷类型、互感器电压等级等因素决定,相互线路间电流数据特征差异极大,难以形成普适性技术方法的问题,提供一种基于相间特征的电流互感器误差状态在线辨识方法及系统,本发明实现了在线评估电流互感器的误差状态,解决了电流互感器评估状态难以按国家标准实现定期误差停电校验的难题,具有预测精确度高的优点。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于相间特征的电流互感器误差状态在线辨识方法,包括:
S1,以变电站中线路上同组三相电流互感器构建为群体,采集指定空间范围内多群体的历史正常的三相电流数据,构建群体数据集,记录群体的档案信息;
S2,从群体数据集中筛选出稳定三相电流数据,并提取零序不平衡和负序不平衡作为特征参量,构建建模特征参量集;
S3,基于建模特征参量集和群体的档案构建为多维特征模型,将多维特征模型归一化处理后聚类分析以确定不同群体的档案信息下特征参量的数据边界;
S4,针对监测的所有群体,采集的三相电流数据并提取特征参量,并与特征参量的数据边界对比确定计量状态是否异常,若某一变电站内多组群体的特征参量的计量状态均为异常,则以该变电站多组群体的特征参量的数据边界作为新的特征参量的数据边界;
S5:针对监测的所有群体,采集的三相电流数据并提取特征参量,并与特征参量的数据边界对比确定计量状态是否异常,提取群体异常时段下的三相电流数据,计算各相现对于异常特征参量的贡献指标Q,选取贡献指标Q最大的相作为群体内超差电流互感器所在。
可选地,步骤S1中的三相电流数据是指二次侧的三相电流数据,所述三相电流数据包括电流信号的幅值和相位信息。
可选地,步骤S2中从群体数据集中筛选出稳定三相电流数据包括:筛取额定量程指定比例以上的电流数据,并对群体数据集中三相电流数据的电流幅值根据下式进行二阶差分处理筛去电流数据断点以得到稳定三相电流数据:
D2A=Amp(i)+Amp(i+2)-2*Amp(i+1),
上式中,D2A为二阶差分值,Amp(i)为数据点i的电流幅值,Amp(i+2)为数据点i+2的电流幅值,Amp(i+1)为数据点i+1的电流幅值。
可选地,步骤S2中提取零序不平衡和负序不平衡的函数表达式为:
可选地,步骤S1中记录的群体的档案信息包括群体站点所处地区、群体电压等级以及变电站负荷类型;步骤S3中基于建模特征参量集和群体的档案构建的多维特征模型包括群体站点所处地区、群体电压等级、变电站负荷类型、零序不平衡和负序不平衡共五个维度的五维特征模型,且其中群体站点所处地区采用独热编码后作为输入特征,变电站负荷类型采用人工赋值后再进行量纲归一化处理以作为输入特征,群体电压等级、零序不平衡和负序不平衡则直接进行量纲归一化处理以作为输入特征。
6.根据权利要求1所述的基于相间特征的电流互感器误差状态在线辨识方法,其特征在于,步骤S4包括:
S4.1,针对监测的所有群体,采集的三相电流数据并提取特征参量,并与特征参量的数据边界对比确定计量状态是否异常;
S4.2,以变电站为单位进行遍历,若某一变电站内多组群体的特征参量的计量状态均为异常,则以该变电站多组群体的特征参量的数据边界作为新的特征参量的数据边界。
可选地,步骤S5中提取群体异常时段下的三相电流数据时,得到的群体异常时段下的三相电流数据的时序总数量为k。
可选地,步骤S5中贡献指标Q的计算函数表达式为:
Q={QA,QB,QC},
上式中,QA、QB、QC分别为a、b、c三相的贡献指标,且a、b、c三相中任意一相x的贡献指标Qx的计算函数表达式为:
此外,本发明还提供一种基于相间特征的电流互感器误差状态在线辨识系统,包括相互连接的微处理器和存储器,所述微处理器被编程或配置以执行所述基于相间特征的电流互感器误差状态在线辨识方法的步骤。
此外,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序用于被微处理器编程或配置以执行所述基于相间特征的电流互感器误差状态在线辨识方法的步骤。
和现有技术相比,本发明主要具有下述优点:
1、本发明方法提出以同线路上同组三相电流互感器为群体,采集群体站点所处地区、该组群体的电压等级、各变电站的负荷类型作为档案信息,以群体的零序不平衡以及负序不平衡作为特征参量,构建多维模型。基于聚类分析对相同档案信息下的群体进行处理,分析群体的零序不平衡以及负序不平衡特征参量,判断群体正常或异常状态,并通过计算各相贡献指标得到异常CT,解决了电流互感器评估状态难以按国家标准实现定期误差停电校验的难题,实现了在线评估电流互感器的误差状态,具有预测精确度高的优点。
2、本发明方法可同时实现广域空间范围内CT的状态在线监测,并且基于变电站动态修改边界进一步提高了在线辨识模型的准确度,真实反映电流互感器计量误差状态。
附图说明
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例中某一示例线路上同组三相电流互感器模型。
图3为本发明实施例中步骤S1和S2的详细流程示意图。
图4为本发明实施例中步骤S3的详细流程示意图。
图5为本发明实施例中步骤S4和S5的详细流程示意图。
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你详细地介绍。以下实施例用于说明本发明,但不限制本发明的范围。
如图1,本实施例基于相间特征的电流互感器误差状态在线辨识方法包括:
S1,以变电站中线路上同组三相电流互感器构建为群体,采集指定空间范围内多群体的历史正常的三相电流数据,构建群体数据集,记录群体的档案信息;
S2,从群体数据集中筛选出稳定三相电流数据,并提取零序不平衡和负序不平衡作为特征参量,构建建模特征参量集;
S3,基于建模特征参量集和群体的档案构建为多维特征模型,将多维特征模型归一化处理后聚类分析以确定不同群体的档案信息下特征参量的数据边界;
S4,针对监测的所有群体,采集的三相电流数据并提取特征参量,并与特征参量的数据边界对比确定计量状态是否异常,若某一变电站内多组群体的特征参量的计量状态均为异常,则以该变电站多组群体的特征参量的数据边界作为新的特征参量的数据边界;
S5:针对监测的所有群体,采集的三相电流数据并提取特征参量,并与特征参量的数据边界对比确定计量状态是否异常,提取群体异常时段下的三相电流数据,计算各相现对于异常特征参量的贡献指标Q,选取贡献指标Q最大的相作为群体内超差电流互感器所在。
本实施例中,步骤S1中的三相电流数据是指二次侧的三相电流数据,所述三相电流数据包括电流信号的幅值和相位信息。
本实施例中,步骤S1中以线路上同组三相电流互感器(CT)构建为群体(即:CT群体),图2为某一线路上同组三相电流互感器模型。采集广域空间范围内7组群体历史正常数据,包括其电流信号幅值及相位,构建群体数据集,同时记录CT档案信息,本实施例步骤S1中记录的群体的档案信息包括群体站点所处地区、群体电压等级以及变电站负荷类型;具体地,本实施例中7组群体处于某省A,B两地,电压等级覆盖220kV,110kV,负荷类型包括钢厂和精炼厂,记录群体的档案信息如表1所示。
表1:群体档案信息。
站点位置 | 群体电压等级 | 负荷类型 | |
群体1 | 某省A地 | 220kV | 钢厂 |
群体2 | 某省A地 | 220kV | 钢厂 |
群体3 | 某省A地 | 220kV | 精炼厂 |
群体4 | 某省A地 | 220kV | 精炼厂 |
群体5 | 某省A地 | 220kV | 精炼厂 |
群体6 | 某省B地 | 110kV | 钢厂 |
群体7 | 某省B地 | 110kV | 精炼厂 |
步骤S1和S2为数据收集、处理及特征参量提取阶段。如图3所示,本实施例中群体数据集中共包含n个群体的数据,n个群体分别记为CT群体1~CT群体n,每一个群体包含abc三相电流互感器,分别记为CTA、CTB、CTC。本实施例步骤S2中从群体数据集中筛选出稳定三相电流数据(预处理)包括:筛取额定量程指定比例以上的电流数据(图中简称为电流量程百分),并对群体数据集中三相电流数据的电流幅值根据下式进行二阶差分处理筛去电流数据断点(图中简称为电流数据波动)以得到稳定三相电流数据(预处理受的数据):
D2A=Amp(i)+Amp(i+2)-2*Amp(i+1),
上式中,D2A为二阶差分值,Amp(i)为数据点i的电流幅值,Amp(i+2)为数据点i+2的电流幅值,Amp(i+1)为数据点i+1的电流幅值。对于电流互感器,当线路电流相较额定电流较低时,电流互感器本身误差较大,数据质量较低,因此筛取额定量程50%及以上的电流数据。同时,电网中电流波动较大,电流数据中将会存在较多的数据断点,因此对采集到的电流幅值数据进行二阶差分处理,筛去电流数据断点。
本实施例中,步骤S2中提取零序不平衡和负序不平衡的函数表达式为:
需要说明的是,基准相也可以选择b或c相。
最终,本实施例中构建建模特征参量集∈R7×n×2,共包含7组,时间长度为n的零序不平衡m1,负序不平衡m2。
步骤S3为离线建模阶段。如图4所示,本实施例步骤S3中基于建模特征参量集和群体的档案构建的多维特征模型包括群体站点所处地区(地区维)、群体电压等级(电压等级维)、变电站负荷类型(负荷类型维)、零序不平衡(零序不平衡维)和负序不平衡(负序不平衡维)共五个维度的五维特征模型,且其中群体站点所处地区采用独热(one-hot)编码后作为输入特征,变电站负荷类型采用人工赋值后再进行量纲归一化处理以作为输入特征,群体电压等级、零序不平衡和负序不平衡则直接进行量纲归一化处理以作为输入特征。
对于线路运行电流,依据与各地区运行维护方式的差异,各群体电压等级,各变电站的负荷类型,其电流数据会呈现不同的数据特征,因此构造五维聚类分析模型,输入量为:基于记录的群体的档案信息:该站点所处地区,电流互感器群体电压等级,负荷类型与建模特征参量集中的特征参量:m1,m2。在五维模型构造中,特征参量m1,m2为数学空间内具有连续意义的量,因此可以直接作为模型输入。该站点所处地区在数学空间内是非连续(离散)的量,因此使用独热(one-hot)编码处理,将离散特征的取值扩充到欧氏空间内,以实现聚类分析。各群体电压等级以群体的电压等级作为模型输入。负荷类型采用人工赋值的方式。本实施例中,7组群体分处A、B两地,因此群体站点所处地区采用独热编码如表2所示。
表2:群体站点所处地区采用独热编码表。
one-hot编码 | |
A地 | 01 |
B地 | 10 |
本实施例中,变电站负荷类型采用人工赋值的方式,如表3所示。
表3:变电站负荷类型采用人工赋值表。
负荷类型 | 钢厂 | 精炼厂 |
模型输入量 | 1 | 2 |
针对群体电压等级、零序不平衡和负序不平衡,则需要量纲归一化,其函数表达式为:
上式中,Xnor为量纲归一化后的结果,X为量纲归一化化前的数据,Xmin为X所在维度中的最小值,Xmax为X所在维度中的最大值。最终,本实施例中得到的量纲归一化后群体档案信息如表4所示。
表4:7个群体的归一化后的群体档案信息。
将归一化后的数据送入聚类分析模型,优选的使用基于密度(DBSCAN)的聚类分析方法,依据该站点所处位置、群体电压等级、负荷类型确认档案信息不同时群体的特征参量m1,m2的数据边界。本实施例中,档案信息不同时群体的特征参量m1,m2的数据边界如表5所示。
表5:档案信息不同时群体的特征参量的数据边界。
m<sub>1</sub>边界 | m<sub>2</sub>边界 | |
A地220kV钢厂 | 0.0336 | 0.0810 |
A地220kV精炼厂 | 0.0258 | 0.0627 |
B地110kV钢厂 | 0.0059 | 0.0540 |
B地110kV精炼厂 | 0.0039 | 0.0195 |
步骤S4和S5为在线评估阶段。如图5所示,本实施例中步骤S4包括:
S4.1,针对监测的所有群体,采集的三相电流数据并提取特征参量,并与特征参量的数据边界对比确定计量状态是否异常;
S4.2,以变电站为单位进行遍历,若某一变电站内多组群体的特征参量的计量状态均为异常,则以该变电站多组群体的特征参量的数据边界作为新的特征参量的数据边界。
具体地,本实施例中采集其二次侧输出包括通过变电站内的数据采集装置实时采集同组三相CT群体的电流信号幅值与电流信号相位,形成各相电流矢量。记录档案信息包括:其站点所处位置、CT群体电压等级、负荷类型。通过数据预处理并提取特征参量既:依据步骤S2中的处理过程,得到监测特征参量集。基于监测特征参量集,确定该档案信息下电流互感器的特征参量m1,m2的数据边界。将监测特征参量集中特征参量m1,m2与数据边界对比,若超出边界,则认为该组电流互感器计量状态异常。同一变电站内电流互感器误差同时劣化的可能性极低,当同一变电站内多组互感器群体均处于计量状态异常,则动态修改聚类分析模型的边界,以当前该站点评估的多组电流互感器中的特征参量m1,m2的值作为新的数据边界。
本实施例中针对监测的所有群体,采集其二次侧输出构成监测数据集,按步骤S2中进行数据预处理并提取特征参量,依据同一档案信息下特征参量数据边界判断监测群体计量误差状态,结果如表6所示。
表6:状态判断结果。
m<sub>1</sub>边界 | m<sub>2</sub>边界 | m<sub>1</sub>值 | m<sub>2</sub>值 | |
监测群体1 | 0.0336 | 0.0810 | 0.0450 | 0.1052 |
监测群体2 | 0.0039 | 0.0195 | 0.0032 | 0.0154 |
监测群体3 | 0.0059 | 0.0540 | 0.0043 | 0.0376 |
监测群体4 | 0.0039 | 0.0195 | 0.0021 | 0.0147 |
如上表所示,监测群体1的m1,m2超出边界,其群体计量状态异常,监测群体2,3,4在边界内,其群体计量状态正常。因暂时未出现相同档案信息下多组互感器超差状态,因此无需动态调整边界。
本实施例中,步骤S5中提取群体异常时段下的三相电流数据时,得到的群体异常时段下的三相电流数据的时序总数量为k。
本实施例中,步骤S5中贡献指标Q的计算函数表达式为:
Q={QA,QB,QC},
上式中,QA、QB、QC分别为a、b、c三相的贡献指标,且a、b、c三相中任意一相x的贡献指标Qx的计算函数表达式为:
上式中,k表示群体异常时段下的三相电流数据的时序总数量,i表示时序,为群体异常时段下时序i下相x的电流,avg表示取平均值,分别为群体异常时段下时序i下a、b、c三相的电流。具体地,本实施例中提取出监测群体1的监测数据集,计算各相对于异常特征参量的贡献指标Q如表7。
表7:贡献指标Q计算结果表。
根据表7,本实施例中选取贡献指标最大的B相作为群体内超差电流互感器所在。经停电验证,监测群体1的B相计量误差超限,实现准确的电流互感器计量误差状态在线辨识。
综上所述,本实施例电流互感器计量误差状态在线辨识方法,摆脱了停电操作与物理标准器的约束,仅依据多种档案信息下互感器的历史正常数据以及同一线路上同组三相电流互感器测量数据即可实现电流互感器的计量误差状态在线辨别,及时发现超差电流互感器所在,推动了输变电设备精准检修。可同时实现广域空间范围内CT的状态在线监测,并且动态修改边界进一步提高了模型准确度,真实反映电流互感器计量误差状态。本实施例方法提出以同线路上同组三相电流互感器为群体,采集群体站点所处地区、该组群体的电压等级、各变电站的负荷类型作为档案信息,以群体的零序不平衡以及负序不平衡作为特征参量,构建多维模型。基于聚类分析对相同档案信息下的群体进行处理,分析群体的零序不平衡以及负序不平衡特征参量,判断群体正常或异常状态,并通过计算各相贡献指标得到异常CT,实现了在线评估电流互感器的误差状态,解决了电流互感器评估状态难以按国家标准实现定期误差停电校验的难题,具有预测精确度高的优点。本实施例方法可使长期运行过程中计量误差超限CT的检测摆脱对计划性停电与实物标准器的双重依赖,有助于及时发现计量误差超限CT,指导电力公司的运维工作,推动输变电设备精准检修,为电能贸易公平及电网安全运行提供保障。
此外,本实施例还提供一种基于相间特征的电流互感器误差状态在线辨识系统,包括相互连接的微处理器和存储器,所述微处理器被编程或配置以执行前述基于相间特征的电流互感器误差状态在线辨识方法的步骤。
此外,本实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序用于被微处理器编程或配置以执行前述基于相间特征的电流互感器误差状态在线辨识方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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读存储介质(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。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。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、嵌入式处理机或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。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于相间特征的电流互感器误差状态在线辨识方法,其特征在于,包括:
S1,以变电站中线路上同组三相电流互感器构建为群体,采集指定空间范围内多群体的历史正常的三相电流数据,构建群体数据集,记录群体的档案信息;
S2,从群体数据集中筛选出稳定三相电流数据,并提取零序不平衡和负序不平衡作为特征参量,构建建模特征参量集;
S3,基于建模特征参量集和群体的档案构建为多维特征模型,将多维特征模型归一化处理后聚类分析以确定不同群体的档案信息下特征参量的数据边界;
S4,针对监测的所有群体,采集的三相电流数据并提取特征参量,并与特征参量的数据边界对比确定计量状态是否异常,若某一变电站内多组群体的特征参量的计量状态均为异常,则以该变电站多组群体的特征参量的数据边界作为新的特征参量的数据边界;
S5:针对监测的所有群体,采集的三相电流数据并提取特征参量,并与特征参量的数据边界对比确定计量状态是否异常,提取群体异常时段下的三相电流数据,计算各相现对于异常特征参量的贡献指标Q,选取贡献指标Q最大的相作为群体内超差电流互感器所在。
2.根据权利要求1所述的基于相间特征的电流互感器误差状态在线辨识方法,其特征在于,步骤S1中的三相电流数据是指二次侧的三相电流数据,所述三相电流数据包括电流信号的幅值和相位信息。
3.根据权利要求1所述的基于相间特征的电流互感器误差状态在线辨识方法,其特征在于,步骤S2中从群体数据集中筛选出稳定三相电流数据包括:筛取额定量程指定比例以上的电流数据,并对群体数据集中三相电流数据的电流幅值根据下式进行二阶差分处理筛去电流数据断点以得到稳定三相电流数据:
D2A=Amp(i)+Amp(i+2)-2*Amp(i+1),
上式中,D2A为二阶差分值,Amp(i)为数据点i的电流幅值,Amp(i+2)为数据点i+2的电流幅值,Amp(i+1)为数据点i+1的电流幅值。
5.根据权利要求1所述的基于相间特征的电流互感器误差状态在线辨识方法,其特征在于,步骤S1中记录的群体的档案信息包括群体站点所处地区、群体电压等级以及变电站负荷类型;步骤S3中基于建模特征参量集和群体的档案构建的多维特征模型包括群体站点所处地区、群体电压等级、变电站负荷类型、零序不平衡和负序不平衡共五个维度的五维特征模型,且其中群体站点所处地区采用独热编码后作为输入特征,变电站负荷类型采用人工赋值后再进行量纲归一化处理以作为输入特征,群体电压等级、零序不平衡和负序不平衡则直接进行量纲归一化处理以作为输入特征。
6.根据权利要求1所述的基于相间特征的电流互感器误差状态在线辨识方法,其特征在于,步骤S4包括:
S4.1,针对监测的所有群体,采集的三相电流数据并提取特征参量,并与特征参量的数据边界对比确定计量状态是否异常;
S4.2,以变电站为单位进行遍历,若某一变电站内多组群体的特征参量的计量状态均为异常,则以该变电站多组群体的特征参量的数据边界作为新的特征参量的数据边界。
7.根据权利要求1所述的基于相间特征的电流互感器误差状态在线辨识方法,其特征在于,步骤S5中提取群体异常时段下的三相电流数据时,得到的群体异常时段下的三相电流数据的时序总数量为k。
9.一种基于相间特征的电流互感器误差状态在线辨识系统,包括相互连接的微处理器和存储器,其特征在于,所述微处理器被编程或配置以执行权利要求1~8中任意一项所述基于相间特征的电流互感器误差状态在线辨识方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其特征在于,所述计算机程序用于被微处理器编程或配置以执行权利要求1~8中任意一项所述基于相间特征的电流互感器误差状态在线辨识方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210574982.XA CN115018139A (zh) | 2022-05-25 | 2022-05-25 | 基于相间特征的电流互感器误差状态在线辨识方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210574982.XA CN115018139A (zh) | 2022-05-25 | 2022-05-25 | 基于相间特征的电流互感器误差状态在线辨识方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115018139A true CN115018139A (zh) | 2022-09-06 |
Family
ID=83069239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210574982.XA Pending CN115018139A (zh) | 2022-05-25 | 2022-05-25 | 基于相间特征的电流互感器误差状态在线辨识方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115018139A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115248906A (zh) * | 2022-09-22 | 2022-10-28 | 武汉格蓝若智能技术有限公司 | 一种发电机出线双电流互感器的状态误差识别方法及系统 |
CN115267641A (zh) * | 2022-09-22 | 2022-11-01 | 武汉格蓝若智能技术有限公司 | 同塔双回输电线路中电流互感器误差异常识别方法、系统 |
CN115469260A (zh) * | 2022-09-29 | 2022-12-13 | 武汉格蓝若智能技术有限公司 | 一种基于Hausdorff的电流互感器异常识别方法、系统 |
CN115480203A (zh) * | 2022-09-28 | 2022-12-16 | 武汉格蓝若智能技术有限公司 | 一种电流互感器误差状态在线定量评估方法及系统 |
CN115980647A (zh) * | 2022-11-02 | 2023-04-18 | 国网安徽省电力有限公司营销服务中心 | 一种基于群体信息的cvt异常状态识别方法及装置 |
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 |
CN116500532A (zh) * | 2023-06-25 | 2023-07-28 | 云南电网有限责任公司 | 同步交叉采样的高压电压互感器计量异常评估方法及系统 |
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 |
-
2022
- 2022-05-25 CN CN202210574982.XA patent/CN115018139A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115267641A (zh) * | 2022-09-22 | 2022-11-01 | 武汉格蓝若智能技术有限公司 | 同塔双回输电线路中电流互感器误差异常识别方法、系统 |
CN115267641B (zh) * | 2022-09-22 | 2023-01-17 | 武汉格蓝若智能技术有限公司 | 同塔双回输电线路中电流互感器误差异常识别方法、系统 |
CN115248906A (zh) * | 2022-09-22 | 2022-10-28 | 武汉格蓝若智能技术有限公司 | 一种发电机出线双电流互感器的状态误差识别方法及系统 |
CN115480203A (zh) * | 2022-09-28 | 2022-12-16 | 武汉格蓝若智能技术有限公司 | 一种电流互感器误差状态在线定量评估方法及系统 |
CN115469260A (zh) * | 2022-09-29 | 2022-12-13 | 武汉格蓝若智能技术有限公司 | 一种基于Hausdorff的电流互感器异常识别方法、系统 |
CN115469260B (zh) * | 2022-09-29 | 2024-05-17 | 武汉格蓝若智能技术股份有限公司 | 一种基于Hausdorff的电流互感器异常识别方法、系统 |
CN115980647B (zh) * | 2022-11-02 | 2023-08-11 | 国网安徽省电力有限公司营销服务中心 | 一种基于群体信息的cvt异常状态识别方法及装置 |
CN115980647A (zh) * | 2022-11-02 | 2023-04-18 | 国网安徽省电力有限公司营销服务中心 | 一种基于群体信息的cvt异常状态识别方法及装置 |
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 |
CN116500532A (zh) * | 2023-06-25 | 2023-07-28 | 云南电网有限责任公司 | 同步交叉采样的高压电压互感器计量异常评估方法及系统 |
CN116500532B (zh) * | 2023-06-25 | 2023-11-14 | 云南电网有限责任公司 | 同步交叉采样的高压电压互感器计量异常评估方法及系统 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115018139A (zh) | 基于相间特征的电流互感器误差状态在线辨识方法及系统 | |
Mohsenian-Rad et al. | Distribution synchrophasors: Pairing big data with analytics to create actionable information | |
CN106019084B (zh) | 基于配用电数据关联的中压配电网断线故障诊断方法 | |
CN111103565B (zh) | 一种基于智能电能表计量误差分析的数据变换方法及系统 | |
CN111008778A (zh) | 一种台区计量点异常诊断方法及系统 | |
CN111413589B (zh) | 一种基于灰靶决策的配电网单相短路故障定位方法 | |
CN102141950A (zh) | 一种智能变电站测控装置联闭锁逻辑验证方法 | |
CN113239132A (zh) | 一种电压互感器的超差在线辨识方法 | |
CN104834305B (zh) | 基于dms系统的配网自动化终端遥测异常分析系统及方法 | |
CN111551887A (zh) | 一种多维度识别电压互感器计量性能在线监测平台 | |
CN112015724A (zh) | 一种对电力运营数据计量异常进行分析的方法 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN108062616B (zh) | 一种具有约束条件的用电异常检测系统 | |
CN110310048B (zh) | 一种配网规划全过程评估方法及装置 | |
CN117057666A (zh) | 一种数字化配电网的配电质量评估方法及系统 | |
CN112215482A (zh) | 一种户变关系识别方法和装置 | |
CN110873857B (zh) | 基于多源数据融合的智能电能表运行状态评价方法及系统 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
CN113376553A (zh) | 三相四线计量串电流回路接线的智能甄别方法和系统 | |
CN115693692A (zh) | 基于配电网电压数据分析的电压合格率提升方法 | |
CN112305489A (zh) | 一种电压异常波动的检测方法、装置、设备及存储介质 | |
CN113919853B (zh) | 一种基于边端融合的低压用户窃电识别方法 | |
CN110991825A (zh) | 基于大数据的线损判定方法 | |
CN110717725A (zh) | 基于大数据分析的电网项目选取方法 | |
Ma et al. | Electric Energy Meter State Management System Based on Index Analysis System |
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 |