CN115048760A - 一种基于典型电能质量特征库的负荷电能质量溯源方法 - Google Patents
一种基于典型电能质量特征库的负荷电能质量溯源方法 Download PDFInfo
- Publication number
- CN115048760A CN115048760A CN202210279595.3A CN202210279595A CN115048760A CN 115048760 A CN115048760 A CN 115048760A CN 202210279595 A CN202210279595 A CN 202210279595A CN 115048760 A CN115048760 A CN 115048760A
- Authority
- CN
- China
- Prior art keywords
- load
- harmonic
- formula
- power quality
- offset
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/70—Load identification
Abstract
本发明公开了一种基于典型电能质量特征库的负荷电能质量溯源方法,包括构建电能质量特征库、对多类型负荷的运行参数信息提取特征量和进行负荷类型匹配算法计算、判断负荷类型匹配算法计算的匹配程度是否高、对特征量和待分析负荷运行数据进行聚类分析、对产生的典型负荷类型进行负荷类型匹配算法计算,步骤循环,直至匹配程度高,输出负荷类型。本发明根据对电能质量进行综合评估分析,结合负荷电能质量的特性,找出关键影响因素,从而辅助配电网的电能质量治理。通过算法运算从而避开了人员凭历史经验给出的主观判断,给电网的运行、治理给出科学的依据,有效提高了电网运行的安全性、稳定性、可靠性和经济性。
Description
技术领域
本发明属于电力技术领域,更具体地,涉及一种测量电变量的方法。
背景技术
随着电力设备的广泛应用,非线性负荷已经成为电网负荷的一个重要部分,中频炉、矿热炉、电力整流变频设备及电气化铁路等大量非线性负荷引起的高次谐波、电压波形畸变、三相负载不平衡等电能质量问题越来越严重。
由于非线性设备对配电网的巨大危害,分析并评估非线性负荷的电能质量特征,对负荷电能质量问题溯源具有十分重要的实际意义。如由于10kV馈线的用电量迅速增长、供电半径偏大、无功补偿能力不足等原因导致馈线出现严重的低电压问题,从而影响电能质量。如何快速有效地对质量问题进行溯源,找出主要因素,实现变电站VQC对10kV母线电压的逆调压有效控制,以达到解决变电站及其下级配电网质量问题。
怎样通过溯源技术找出电能质量问题,以控制用电设备故障或不能正常工作的电压、电流或频率的偏差,提升电能质量的技术方案,经检索中国专利文献库,未找到现有的针对负荷电能质量问题溯源的相关专利技术,也未在其他文献库中找到相关解决方案。
发明内容
针对上述问题,本发明目的是通过对负荷进行溯源匹配识别,找出电压电流频率偏差量,进行逆调控制,从而提高供电质量,达到用电质量要求。
为了实现上述目的,本发明提供以下技术方案:
一种基于典型电能质量特征库的负荷电能质量溯源方法,包括以下步骤:
步骤S1,对典型负荷类型构建电能质量特征库,获取多类型负荷的运行参数信息;
步骤S2,对电能质量特征库内的多类型负荷的运行参数信息进行提取特征量,并对提取的特征量和待分析负荷运行数据进行负荷类型匹配算法计算;
步骤S3,判断负荷类型匹配算法计算的匹配程度是否高;
步骤S4,若匹配程度高,则输出负荷类型;
步骤S5,若匹配程度低,则对提取的特征量和待分析负荷运行数据进行聚类分析,产生典型负荷类型;
步骤S6,对产生的典型负荷类型进行负荷类型匹配算法计算,不断循环,直至匹配程度高,输出负荷类型,完成对典型负荷类型的丰富。
所述多类型负荷,是指多个不同类型的负荷。
进一步改进在于:所述步骤S1中典型负荷类型包括电弧炉、中频炉、轧机、电气化铁路、换流装置和变频调速器。
进一步改进在于:所述步骤S1中典型负荷类型中的电弧炉,在构建电能质量特征库时的判断依据为:三相不平衡严重,负序电流占比高、无功冲击很大,功率因数低且波动大以及电流谐波成分中的2,3,4,5次谐波含量大;典型负荷类型中的中频炉,在构建电能质量特征库时的判断依据为:电流谐波成分中的4,5,6,7次谐波含量大;典型负荷类型中的轧机,在构建电能质量特征库时的判断依据为:无功冲击大以及电流谐波成分中的5,7,11,13次谐波含量大;典型负荷类型中的电气化铁路,在构建电能质量特征库时的判断依据为:三相不平衡,有功、无功冲击大、负序电流大以及电流谐波成分中的3,5次谐波严重;典型负荷类型中的换流装置,在构建电能质量特征库时的判断依据为:谐波成分中不含3的正整数倍次谐波,六脉波整流含有6*k±1次谐波,12脉波整流含有12*k±1次谐波以及功率因数低,消耗大量无功;典型负荷类型中的变频调速器,在构建电能质量特征库时的判断依据为:电流谐波成分中5次谐波含量在2.2-2.8%。
进一步改进在于:所述步骤S2中的负荷类型匹配算法,从谐波角度出发,谐波电压含量计算公式、谐波电流含量计算公式、谐波电压总畸变率计算公式、谐波电流总畸变率计算公式、第h次谐波电压含有率计算公式以及第h次谐波电流含有率计算公式分别为式一、式二、式三、式四、式五和式六:
其中,h为谐波次数,h=1,2,3…,h=1为基波。
进一步改进在于:所述步骤S2中的负荷类型匹配算法中,从谐波角度出发,i次电压谐波幅值的占比HRUi的计算公式如公式(式七)所示,实测数据偏移第k类负荷的偏移量DDk的计算公式如公式(式八)所示:
其中,i表示谐波次数,是1~50的正整数;HRU表示电压谐波幅值的占比;Ui表示i次谐波的幅值大小;
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;DD:实测数据偏移负荷的偏移量;SkHRUi:表示负荷状态库中对应编号为k的负荷类型下,i次电压谐波的标准含量;
从间谐波角度出发,i次电压谐波幅值的占比IHRUj的计算公式如公式(式九)所示,实测数据偏移第k类负荷的偏移量IDDk的计算公式如公式(式十)所示:
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;IDD:实测数据偏移负荷的偏移量;SkHRUi:表示负荷状态库中对应编号为k的负荷类型下,i次电压谐波的标准含量。
进一步改进在于:所述步骤S2中的负荷类型匹配算法中,从谐波角度出发和间谐波角度出发,i次电流谐波幅值的占比和实测数据偏移第k类负荷的偏移量计算公式同i次电压谐波幅值的占比和实测数据偏移第k类负荷的偏移量计算公式相同,将对应的电压U替换为I即可得到电流的相关参数。
所述步骤S2中的负荷类型匹配算法中,从谐波角度出发,i次电流谐波幅值的占比HRIi的计算公式(式十一),实测数据偏移第k类负荷的偏移量IDDk的计算公式(式十二),分别为:
其中,i表示谐波次数,是1~50的正整数;IRU表示电流谐波幅值的占比;Ii表示i次谐波的幅值大小;
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;IDD:实测数据偏移负荷的偏移量;SkHRIi:表示负荷状态库中对应编号为k的负荷类型下,i次电流谐波的标准含量;
从间谐波角度出发,i次电流谐波幅值的占比IHRIj的计算公式(式十三),实测数据偏移第k类负荷的偏移量IDDk的计算公式(式十四),分别为:
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;IDD:实测数据偏移负荷的偏移量;SkHRIi:表示负荷状态库中对应编号为k的负荷类型下,i次电流谐波的标准含量。
进一步改进在于:所述步骤S2中的负荷类型匹配算法中,从谐波角度出发和间谐波角度出发,实际操作过程中需要考虑实测数据偏移负荷的偏移量DD和IDD的权重,需要为DD和IDD进行分配权重[a,b],得到公式(式十五):
THDD(k)=a*DD+b*IDD
其中,THDD表示总体谐波偏移量;a表示谐波偏移量的权重;b表示间谐波偏移量的权重;
当采用同一的权重分配不能较好的完成负荷类型识别与匹配工作时,需要考虑为N重负荷类型分别建立独立的权重关系,得到公式(式十六)。
THDD(k)=ak*DD+bk*IDD
进一步改进在于:所述步骤S2中进行负荷类型匹配算法时,考虑负序和零序占正序的比例,需要进行辅助判断测量点的电能特点与标准库的偏移程度,判断公式如公式(式十七)和(式十八)所示,与标准哭对比,定义电压畸变程度偏移量UDO,如公式(式十九)所示:
其中,U1:三相电压正序分量;U2:三相电压负序分量;U0:三相电压零序分量;εu2:负序电压占比;εu0:零序电压占比;Sk:表示标准库中第k类典型负荷的相关参数值。
进一步改进在于:所述步骤S2中进行负荷类型匹配算法时电流偏移量IDO定义公式同电压畸变程度偏移量UDO,将对应的U替换为I,即可得到公式(式二十)、(式二十一)和(式二十二):
电压和电流的总体偏移量UIDO计算公式如公式(式二十三)所示,总体偏移量TDD如公式(式二十四)所示,同时将电压、电流的变化引入考量范围则得到公式(式二十五):
UIDO=UDO+IDO (式二十三)
TDD=THDD+UIDO (式二十四)
MD(k)=f(HR,IHR,U,I) (式二十五)
其中,HR:表示谐波变化,IHR:表示间谐波变化,U:表示电压变化,I:表示电流变化。
与现有技术相比,本发明的有益效果为:
本发明通过步骤S1,能够构建电能质量特征库,分析电能质量特征溯源。
本发明通过步骤S2,能够对多类型负荷进行聚类和匹配运算,对电能负荷进行溯源分析和判断。
本发明通过步骤S4,能够产生典型负荷类型,有利于溯源分析,有利于进行电能质量溯源匹配识别,从而提高电网的电能质量水平。
本发明通过步骤S3、S5,能够对多类型负荷进行聚类和匹配运算,对电能负荷进行溯源分析和判断,重复循环匹配,直至输出负荷类型。
本发明通过步骤S6,通过负荷类型匹配算法能够评估出的高准确性的负荷电能质量的负荷类型,能够有利于提高电网运行的安全可靠性,能够提高电网运行稳定性和安全。
本发明通过对典型负荷类型构建电能质量特征库,对多类型负荷进行聚类和匹配运算,增加典型负荷类型的丰富度,对更多的负荷电能质量问题进行溯源匹配识别,提高电网运行稳定性和安全。本发明方法能够评估出的高准确性的负荷电能质量,能够满足实际的电网运行需求。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,不应构成对本发明的不当限定。附图标号中的术语,仅仅是为了更方便地描述和解释本发明,不应理解为任何附加限制。
图1为本发明的溯源方法流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明,以便更清楚、直观地理解该发明。
随着经济的发展和城市化进程的加快,配电网的规模在增大,网络的元器件也日益增多,大部分配电网都有设备陈旧、网络结构薄弱、应变事故能力差等特点。国家能源局强调了配电网建设改造中对可靠性的要求,而且用户对电能质量和用电可靠性的要求也在日益提高。改善配电网的电能质量,保证良好的供电环境和用户利益,提高用户用电的满意度,提高电网企业形象,对增强电力市场下供电公司的竞争力具有重要的现实意义。本发明的应用场景就是供电公司的电能输送场景。
分布式电源与配电网负荷的不协调运行,也会影响配电网的电能质量。当DG的发电容量与当地负荷的变化一致时,将会抑制系统的电压波动;反之,将会加重系统旳电压波动。另外,由于分布式电源的并网位置、容量和控制方式常常选择不合理,使得线路上的潮流变化较大,因此加大了配电网电压的调整难度,从而产生电压波动。
对于电压三相不平衡的现象,尽管大部分分布式发电机是三相机组,但是家用热电混合系统和光伏系统正变得越来越普遍,单相发电机组也将给低压配电系统带来三相不平衡的问题。
当电力公司供电因故障、事故或停电维修而跳脱时,各用户端的并网发电系统有可能和周围的负载构成一个自给供电的孤岛,即所谓的孤岛效应。当切换成孤岛方式运行时,如果没有储能元件或其能量太小,容易导致电压波动与闪变。对于单相光伏电池,当其脱离原有的配电网后,原来的单相供电模式可能造成其他配电网内出现三相负载不对称的情形,还有可能影响到其他用户的电压质量。
为此,本发明提出实施例1。
如图1所示,一种基于典型电能质量特征库的负荷电能质量溯源方法,包括以下步骤:
步骤S1:获取多类型负荷运行参数信息。
具体步骤为:对典型负荷类型构建电能质量特征库,获取多类型负荷的运行参数信息,典型负荷类型包括电弧炉、中频炉、轧机、电气化铁路、换流装置和变频调速器;电弧炉在构建电能质量特征库时的判断依据为:三相不平衡严重,负序电流占比高、无功冲击很大,功率因数低且波动大以及电流谐波成分中的2,3,4,5次谐波含量大;中频炉在构建电能质量特征库时的判断依据为:电流谐波成分中的4,5,6,7次谐波含量大;轧机在构建电能质量特征库时的判断依据为:无功冲击大以及电流谐波成分中的5,7,11,13次谐波含量大;电气化铁路在构建电能质量特征库时的判断依据为:三相不平衡,有功、无功冲击大、负序电流大以及电流谐波成分中的3,5次谐波严重;换流装置在构建电能质量特征库时的判断依据为:谐波成分中不含3的正整数倍次谐波,六脉波整流含有6*k±1次谐波,12脉波整流含有12*k±1次谐波以及功率因数低,消耗大量无功;变频调速器在构建电能质量特征库时的判断依据为:电流谐波成分中5次谐波含量在2.2-2.8%。
步骤S2:获取多类型负荷运行参数信息后,提取运行参数中的特征量,与待分析负荷运行数据进行负荷类型匹配算法运算。
具体步骤为:对电能质量特征库内的多类型负荷的运行参数信息进行提取特征量,并对提取的特征量和待分析负荷运行数据进行负荷类型匹配算法计算;从谐波角度出发,谐波电压含量计算公式、谐波电流含量计算公式、谐波电压总畸变率计算公式、谐波电流总畸变率计算公式、第h次谐波电压含有率计算公式以及第h次谐波电流含有率计算公式分别如下:
其中,h为谐波次数,h=1,2,3…,h=1为基波;从谐波角度出发,i次电压谐波幅值的占比HRUi的计算公式,实测数据偏移第k类负荷的偏移量DDk的计算公式为:
其中,i表示谐波次数,是1~50的正整数;HRU表示电压谐波幅值的占比;Ui表示i次谐波的幅值大小;
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;DD:实测数据偏移负荷的偏移量;SkHRUi:表示负荷状态库中对应编号为k的负荷类型下,i次电压谐波的标准含量;从间谐波角度出发,i次电压谐波幅值的占比IHRUj的计算公式,实测数据偏移第k类负荷的偏移量IDDk的计算公式,为:
其参数含义同公式(式八)和(式九)中的参数含义;从谐波角度出发和间谐波角度出发,i次电流谐波幅值的占比和实测数据偏移第k类负荷的偏移量计算公式同i次电压谐波幅值的占比和实测数据偏移第k类负荷的偏移量计算公式相同,将对应的电压U替换为I即可得到电流的相关参数;从谐波角度出发,i次电流谐波幅值的占比HRIi的计算公式(式十一),实测数据偏移第k类负荷的偏移量IDDk的计算公式(式十二),分别为:
其中,i表示谐波次数,是1~50的正整数;IRU表示电流谐波幅值的占比;Ii表示i次谐波的幅值大小;
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;IDD:实测数据偏移负荷的偏移量;SkHRIi:表示负荷状态库中对应编号为k的负荷类型下,i次电流谐波的标准含量。
从间谐波角度出发,i次电流谐波幅值的占比IHRIj的计算公式(式十三),实测数据偏移第k类负荷的偏移量IDDk的计算公式(式十四),分别为:
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;IDD:实测数据偏移负荷的偏移量;SkHRIi:表示负荷状态库中对应编号为k的负荷类型下,i次电流谐波的标准含量。
实际操作过程中需要考虑实测数据偏移负荷的偏移量DD和IDD的权重,需要为DD和IDD进行分配权重[a,b],公式为:
THDD(k)=a*DD+b*IDD
其中,THDD表示总体谐波偏移量;a表示谐波偏移量的权重;b表示间谐波偏移量的权重。
当采用同一的权重分配不能较好的完成负荷类型识别与匹配工作时,需要考虑为N重负荷类型分别建立独立的权重关系,得到公式为:
THDD(k)=ak*DD+bk*IDD
考虑负序和零序占正序的比例,需要进行辅助判断测量点的电能特点与标准库的偏移程度,与标准库对比,定义电压畸变程度偏移量UDO,相应公式为:
其中,U1:三相电压正序分量;U2:三相电压负序分量;U0:三相电压零序分量;εu2:负序电压占比;εu0:零序电压占比;Sk:表示标准库中第k类典型负荷的相关参数值。
电流偏移量IDO定义公式同电压畸变程度偏移量UDO,将对应的U替换为I,相应公式为:
电压和电流的总体偏移量UIDO计算,总体偏移量TDD计算,同时将电压、电流的变化引入考量范围,相应公式为:
UIDO=UDO+IDO (式二十三)
TDD=THDD+UIDO (式二十四)
MD(k)=f(HR,IHR,U,I) (式二十五)
其中,MD:表示匹配程度;U:表示电压;I:表示电流。
步骤S3:进行负荷类型匹配算法运算后,进入匹配步骤。
具体步骤为:判断负荷类型匹配算法计算的匹配程度是否高。
步骤S4:根据匹配程度,如果匹配性高,则进入下一步骤的输出步骤,输出负荷类型。
步骤S5:如果匹配性低,则进入下一步骤的循环步骤,对特征量的聚类分析。
具体步骤为:对匹配性低的,提取的特征量和待分析负荷运行数据进行聚类分析,产生典型负荷类型。
步骤S6:在对特征量的聚类进行重新分析,产生典型负荷类型后,进入步骤S2实行循环计算,直到进入步骤S4启动输出负荷类型。
具体步骤为:对产生的典型负荷类型进行负荷类型匹配算法计算,不断循环,直至匹配程度高,输出负荷类型,完成对典型负荷类型的丰富。
正如以上实施例所述,根据智能电表的电能质量历史数据分析,对电能质量进行综合评估后,综合分析电能质量的分布和特点,结合负荷电能质量的特性,找出关键影响因素,从而给出各个配电网节点电能质量治理的优化规划决策,从而辅助配电网的电能质量治理。通过算法运算从而避开了运行人员凭历史经验给出的主观判断,给电网的运行、治理给出科学的依据,有效提高了电网运行的安全性、稳定性、可靠性和经济性。
Claims (9)
1.一种基于典型电能质量特征库的负荷电能质量溯源方法,其特征在于,包括以下步骤:
S1:对典型负荷类型构建电能质量特征库,获取多个类型负荷的运行参数信息;
S2:对电能质量特征库内的多个类型负荷的运行参数信息进行提取特征量,并对提取的特征量和待分析负荷运行数据进行负荷类型匹配算法计算;
S3:判断负荷类型匹配的匹配程度;
S4:若达到匹配程度,则输出负荷类型;
S5:若未达到匹配程度,则对提取的特征量和待分析负荷运行数据进行聚类分析,产生典型负荷类型;
S6:对产生的典型负荷类型进行所述负荷类型匹配算法计算,直至达到匹配程度,输出负荷类型。
2.根据权利要求1所述的一种基于典型电能质量特征库的负荷电能质量溯源方法,其特征在于:S1中所述的典型负荷类型,包括电弧炉、中频炉、轧机、电气化铁路、换流装置和变频调速器。
3.根据权利要求2所述的一种基于典型电能质量特征库的负荷电能质量溯源方法,其特征在于:S1中所述电弧炉,构建电能质量特征库时的判断依据为:三相不平衡程度、负序电流占比、无功冲击程度、功率因数和波动程度,以及电流谐波成分中的谐波含量;
所述中频炉,构建电能质量特征库时的判断依据为:电流谐波成分中谐波含量;
所述轧机,构建电能质量特征库时的判断依据为:无功冲击程度以及电流谐波成分中谐波含量;
所述电气化铁路,构建电能质量特征库时的判断依据为:三相不平衡程度、有功冲击程度、无功冲击程度、负序电流以及电流谐波成分中谐波含量;
所述换流装置,构建电能质量特征库时的判断依据为:谐波含量、功率因数、无功消耗量;
所述变频调速器,构建电能质量特征库时的判断依据为:电流谐波含量。
5.根据权利要求4所述的一种基于典型电能质量特征库的负荷电能质量溯源方法,其特征在于:所述的负荷类型匹配算法,从谐波角度出发,包括i次电压谐波幅值的占比HRUi的计算公式(式七),实测数据偏移第k类负荷的偏移量DDk的计算公式(式八),分别为:
其中,i表示谐波次数,是1~50的正整数;HRU表示电压谐波幅值的占比;Ui表示i次谐波的幅值大小;
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;DD:实测数据偏移负荷的偏移量;SkHRUi:表示负荷状态库中对应编号为k的负荷类型下,i次电压谐波的标准含量;
从间谐波角度出发,所述负荷类型匹配算法还包括i次电压谐波幅值的占比IHRUj的计算公式(式九),实测数据偏移第k类负荷的偏移量IDDk的计算公式(式十),分别为:
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;IDD:实测数据偏移负荷的偏移量;SkHRUi:表示负荷状态库中对应编号为k的负荷类型下,i次电压谐波的标准含量。
6.根据权利要求5所述的一种基于典型电能质量特征库的负荷电能质量溯源方法,其特征在于:所述的负荷类型匹配算法,从谐波角度出发,包括i次电流谐波幅值的占比HRIi的计算公式(式十一),实测数据偏移第k类负荷的偏移量IDDk的计算公式(式十二),分别为:
其中,i表示谐波次数,是1~50的正整数;IRU表示电流谐波幅值的占比;Ii表示i次谐波的幅值大小;
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;IDD:实测数据偏移负荷的偏移量;SkHRIi:表示负荷状态库中对应编号为k的负荷类型下,i次电流谐波的标准含量;
从间谐波角度出发,所述负荷类型匹配算法还包括i次电流谐波幅值的占比IHRIj的计算公式(式十三),实测数据偏移第k类负荷的偏移量IDDk的计算公式(式十四),分别为:
其中,N:典型负荷的种类;k:典型负荷种类的编号,应为正整数;IDD:实测数据偏移负荷的偏移量;SkHRIi:表示负荷状态库中对应编号为k的负荷类型下,i次电流谐波的标准含量。
7.根据权利要求6所述的一种基于典型电能质量特征库的负荷电能质量溯源方法,其特征在于:所述的负荷类型匹配算法中,从谐波角度出发和间谐波角度出发,需要考虑实测数据偏移负荷的偏移量DD和IDD的权重,需要为DD和IDD进行分配权重[a,b],包括总体谐波偏移量的计算公式(式十五),为:
THDD(k)=a*DD+b*IDD
a∈[0,1]
b∈[0,1]
a+b=1 (式十五)
其中,THDD表示总体谐波偏移量;a表示谐波偏移量的权重;b表示间谐波偏移量的权重;
当采用同一的权重分配不能较好的完成负荷类型识别与匹配工作时,需要考虑为N重负荷类型分别建立独立的权重关系,所述总体谐波偏移量计算公式(式十六),为:
THDD(k)=ak*DD+bk*IDD
ak∈[0,1]
bk∈[0,1]
ak+bk=1 (式十六)。
9.根据权利要求1所述的一种基于典型电能质量特征库的负荷电能质量溯源方法,其特征在于:所述的负荷类型匹配算法,包括匹配程度计算公式(式二十五),为:
MD(k)=f(HR,IHR,U,I) (式二十五),
其中,MD:表示匹配程度,HR:表示谐波变化,IHR:表示间谐波变化,U:表示电压变化,I:表示电流变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210279595.3A CN115048760A (zh) | 2022-03-21 | 2022-03-21 | 一种基于典型电能质量特征库的负荷电能质量溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210279595.3A CN115048760A (zh) | 2022-03-21 | 2022-03-21 | 一种基于典型电能质量特征库的负荷电能质量溯源方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115048760A true CN115048760A (zh) | 2022-09-13 |
Family
ID=83156973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210279595.3A Pending CN115048760A (zh) | 2022-03-21 | 2022-03-21 | 一种基于典型电能质量特征库的负荷电能质量溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115048760A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316586A (zh) * | 2023-03-15 | 2023-06-23 | 国网湖北省电力有限公司随州供电公司 | 一种采用跳变分析法对电力系统中功率跳变溯源的方法 |
-
2022
- 2022-03-21 CN CN202210279595.3A patent/CN115048760A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316586A (zh) * | 2023-03-15 | 2023-06-23 | 国网湖北省电力有限公司随州供电公司 | 一种采用跳变分析法对电力系统中功率跳变溯源的方法 |
CN116316586B (zh) * | 2023-03-15 | 2023-10-10 | 国网湖北省电力有限公司随州供电公司 | 一种采用跳变分析法对电力系统中功率跳变溯源的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | KPI-based real-time situational awareness for power systems with a high proportion of renewable energy sources | |
Wang et al. | Underfrequency load shedding scheme for islanded microgrids considering objective and subjective weight of loads | |
CN115358623A (zh) | 人工智能的区域电网电能质量配置方法和综合评价方法 | |
Hao et al. | Active reactive power control strategy based on electrochemical energy storage power station | |
Klaić et al. | Impact of photovoltaic and biogas power plant on harmonics in distribution network | |
Chao et al. | A comprehensive review on dynamic equivalent modeling of large photovoltaic power plants | |
CN115048760A (zh) | 一种基于典型电能质量特征库的负荷电能质量溯源方法 | |
CN105958530A (zh) | 一种具有无功自动补偿的微电网系统 | |
Cai et al. | A test model of a power grid with battery energy storage and wide-area monitoring | |
CN111598339A (zh) | 一种接入新能源的交直流混合配电网最优供电的决策方法 | |
Zhang et al. | Optimization method of under frequency load shedding schemes for systems with high permeability new energy | |
Deng et al. | An unequal power sharing strategy for capacitive-and inductive-coupling inverters in microgrid | |
Zhao et al. | Optimal Configuration of ESS and SVG for the Coordinated Improvement of Power Quality in Low Voltage Distribution Network with high Penetration PV | |
An et al. | Enhance transient voltage stability by retrofitting thermal power unit to synchronous condenser | |
Karrari | Integration of Flywheel Energy Storage Systems in Low Voltage Distribution Grids | |
CN111641204B (zh) | 一种分布式能源准入容量的计算方法及装置 | |
CN112736913A (zh) | 含分布式电源的配电网功率优化模式影响因素分析方法 | |
Wang et al. | Evaluation Methods for the Development of New Power Systems Based on Cloud Model | |
CN112016838A (zh) | 配电网能效指标体系的贡献率计算方法、系统及终端设备 | |
Ma et al. | Placement and Sizing of Battery Energy Storage System in Photovoltaic-Penetrated Distribution Networks Using Amartya Sen Index | |
Kaushal et al. | A Review Article of Load Balancing in Higher Voltage Power Distribution | |
Zhang et al. | Optimization method of distribution network grid with high-permeability new energy based on knowledge distillation algorithm | |
Tillyros et al. | Penetration of Distributed Generation in Microgrids: Characteristics and Challenges | |
Ahmed et al. | Enhancement of Wind Power Penetration Level: In Perspective of System Strength Adequacy | |
CN105811423A (zh) | 一种微电网系统的无功自动补偿方法 |
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 |