CN115469154B - 一种电压暂降持续时间类型预测方法、系统及预测终端 - Google Patents

一种电压暂降持续时间类型预测方法、系统及预测终端 Download PDF

Info

Publication number
CN115469154B
CN115469154B CN202211359039.3A CN202211359039A CN115469154B CN 115469154 B CN115469154 B CN 115469154B CN 202211359039 A CN202211359039 A CN 202211359039A CN 115469154 B CN115469154 B CN 115469154B
Authority
CN
China
Prior art keywords
sag
voltage
harmonic
footprint
probability
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
CN202211359039.3A
Other languages
English (en)
Other versions
CN115469154A (zh
Inventor
刘柱
张帅
刘书铭
张博
李温静
王利民
杜月
刘星辰
代双寅
刘雅娟
黄吕超
王永贵
张楠
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.)
State Grid Information and Telecommunication Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Information and Telecommunication Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power 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 State Grid Information and Telecommunication Co Ltd, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical State Grid Information and Telecommunication Co Ltd
Priority to CN202211359039.3A priority Critical patent/CN115469154B/zh
Publication of CN115469154A publication Critical patent/CN115469154A/zh
Application granted granted Critical
Publication of CN115469154B publication Critical patent/CN115469154B/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
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/02—Measuring characteristics of individual pulses, e.g. deviation from pulse flatness, rise time or duration
    • G01R29/027—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values
    • G01R29/0273—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values the pulse characteristic being duration, i.e. width (indicating that frequency of pulses is above or below a certain limit)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16533—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application
    • G01R19/16538—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • G01R19/16576—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 comparing DC or AC voltage with one threshold
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/02—Measuring characteristics of individual pulses, e.g. deviation from pulse flatness, rise time or duration
    • G01R29/027—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values
    • G01R29/0276—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values the pulse characteristic being rise time
    • 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
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/40—Arrangements for reducing harmonics

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Power Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Discrete Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及电压暂降预测技术领域，尤其涉及一种电压暂降持续时间类型预测方法、系统及预测终端，方法先获取电网电压并跟踪其谐波失真，获得谐波足迹；通过谐波足迹检测是否发生电压暂降的同时，获得谐波足迹的最大值，通过概率预测模型求得各谐波足迹最大值对应的概率，对暂降持续时间类型进行预测。根据电压暂降持续时间分类结果，对低电压穿越模式进行预测分析；如果预测暂降持续时间是瞬时的，且暂降幅度在低电压穿越线以下，则控制系统跳开延迟动作。进而在故障时为发电装置提供可靠的信号，防止非必要跳闸，提供更稳定的电压。方法不仅体现了电压暂降检测的快速性，更实现了暂降持续时间类型的实时预测，能够快速且准确地作出反应。

Description

一种电压暂降持续时间类型预测方法、系统及预测终端
技术领域
本发明涉及电压暂降预测技术领域，尤其涉及一种电压暂降持续时间类型预测方法、系统及预测终端。
背景技术
电压暂降主要指电压短时间内下降。电压暂降可以引起短路故障，甚至影响到敏感设备的正常运行。
电压暂降的原因可以包括自然原因如雷击、闪电、暴雨、大风及下雪等。还有可能是电力系统中短路故障、大电机启动、线路切换、变压器和电容器投切等等。电压暂降作为目前工业界最关心的问题之一，且作为目前最严重最频发的电能质量问题，易造成大量敏感设备跳闸进而导致大量生产损失。为刻画不同电压暂降持续时间类型的影响程度，进而减少电压暂降带来的损失，对电压暂降持续时间类型进行预测是有必要的。
现有暂降持续时间类型预测模型复杂，适用性差。而且相对于分布式发电机的并网变换器控制来讲，无法通过对暂降持续时间类型的预测，则导致分布式发电机工作过程容易造成跳闸，造成配电网无法安全运行。
发明内容
本发明为了解决现有暂降持续时间类型预测模型复杂，适用性差等问题，提出一种电压暂降持续时间类型预测方法。方法可以应用于分布式发电机的并网变换器控制，通过对暂降持续时间类型的预测来有效防止分布式发电机的不必要跳闸，保障配电网安全。
方法包括：
步骤一：获取电网电压并跟踪其谐波失真，获得谐波足迹；
步骤二：通过谐波足迹检测是否发生电压暂降，同时获取谐波足迹的最大值，通过概率预测模型求得各谐波足迹最大值对应的概率，对暂降持续时间类型进行预测；
步骤三：根据电压暂降持续时间分类结果，对低电压穿越模式进行预测分析；如果预测暂降持续时间是瞬时的，且暂降幅度在低电压穿越线以下，则控制系统跳开延迟动作。
进一步需要说明的是，步骤一还包括：分析谐波足迹，记录正常工作以及暂降开始过渡段时的三相电压瞬时值；
配置采样时间间隔为t，通过S变换提取发生电压暂降时的低次谐波，并记录谐波畸变率。
进一步需要说明的是，信号
Figure 412274DEST_PATH_IMAGE001
的S变换过程如下：
Figure 132100DEST_PATH_IMAGE002
（1）
Figure 287138DEST_PATH_IMAGE003
（2）
谐波畸变率计算如下：
Figure 556445DEST_PATH_IMAGE004
（3）
式中：k,m,n的取值均为0，1，2，…，M-1，k,m,n均为采样点；
Figure 935474DEST_PATH_IMAGE005
为信号的
Figure 595125DEST_PATH_IMAGE001
离散傅里叶变换；
Figure 616171DEST_PATH_IMAGE006
为高斯窗的傅里叶谱；
U 1为基波电压；
Un为n次谐波电压， n=2，3，5，7。
进一步需要说明的是，步骤二中构建暂降持续时间类型的概率预测模型，并利用逻辑回归模型计算电压暂降持续时间类型的概率。
进一步需要说明的是，用随机变量X表示某一暂降事件的暂降开始过渡段的谐波足迹极大值，其取值范围为0%-100%；
用Y表示一个二分变量；
其中，暂时暂降持续时间>3s时，Y取1；
瞬时暂降持续时间<3s时，Y取0；
定义特定值X=x发生Y的概率函数为：
Figure 717814DEST_PATH_IMAGE007
(4)
Figure 736585DEST_PATH_IMAGE008
的logit函数是概率的自然对数，表示概率
Figure 945850DEST_PATH_IMAGE009
；
即：
Figure 239428DEST_PATH_IMAGE010
(5)
有一个自变量X的标准logistic函数定义为：
Figure 155431DEST_PATH_IMAGE011
(6)
Figure 407421DEST_PATH_IMAGE012
是谐波足迹为x时暂降发展为暂时的概率；
Figure 589135DEST_PATH_IMAGE013
是暂降发展为瞬时的概率。
进一步需要说明的是，当P=
Figure 889666DEST_PATH_IMAGE014
趋近于1时，表示暂降持续时间类型极大概 率为暂时暂降；
当P=
Figure 722493DEST_PATH_IMAGE015
趋近于0时，表示暂降持续时间类型极大概率为瞬时暂降。
进一步需要说明的是，当
Figure 83067DEST_PATH_IMAGE016
时，P=
Figure 1345DEST_PATH_IMAGE012
Figure 902304DEST_PATH_IMAGE017
0.5，表示电压暂降既可能发 展为瞬时暂降也可能发展为暂时暂降，即将谐波足迹最大值
Figure 792900DEST_PATH_IMAGE018
作为不确定区间。
本发明还提供一种电压暂降持续时间类型预测系统，系统包括：谐波获取模块、谐波足迹计算模块和预测分析模块；
谐波获取模块用于获取电网电压并跟踪其谐波失真，获得谐波足迹；
谐波足迹计算模块用于通过谐波足迹检测是否发生电压暂降，同时获取谐波足迹的最大值，通过概率预测模型求得各谐波足迹最大值对应的概率，对暂降持续时间类型进行预测；
预测分析模块用于根据电压暂降持续时间分类结果，对低电压穿越模式进行预测分析；如果预测暂降持续时间是瞬时的，且暂降幅度在低电压穿越线以下，则控制系统跳开延迟动作。
本发明还提供一种预测终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，处理器执行所述程序时实现电压暂降持续时间类型预测方法的步骤。
从以上技术方案可以看出，本发明具有以下优点：
本发明提供的电压暂降持续时间类型预测方法及系统相较于现有电压暂降持续时间类型预测方法，可以利用数学模型将暂降持续时间类型的概率与谐波足迹联系起来，通过实时获取谐波足迹在检测是否发生电压暂降的同时进行暂降持续时间类型实时预测，进而在故障时为发电装置提供可靠的信号，防止非必要跳闸，提供更稳定的电压。该方法不仅体现了电压暂降检测的快速性，更实现了暂降持续时间类型的实时预测，使系统能够快速且准确地作出反应以提高系统的可靠性。
本发明的电压暂降持续时间类型预测方法可作为暂降持续时间类型预测的依据，对暂降持续时间的类型进行预测。对于不同类型暂降，采取的治理措施也不同，进而保证系统正常工作，减少非必要的暂降损失，对于提升配电网的稳定性有着积极作用。
附图说明
为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为预测方法应用于分布式发电装置流程图；
图2为电压暂降持续时间类型预测方法实施例流程图；
图3为电压暂降持续时间类型的概率预测方法流程图；
图4为电压暂降段划分示意图。
具体实施方式
如图1至3所示，本发明提供电压暂降持续时间类型预测方法中所提供的图示仅以示意方式说明本发明的基本构想，电压暂降持续时间类型预测方法可以基于人工智能技术对关联的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。
如图1至3示出了本发明的电压暂降持续时间类型预测方法的较佳实施例的流程图。电压暂降持续时间类型预测方法应用于一个或者多个预测终端中，预测终端是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field-Programmable Gate Array，FPGA)、数字处理器(Digital SignalProcessor，DSP)、嵌入式设备等。
预测终端可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、交互式网络电视(Internet Protocol Television，IPTV)等。
预测终端还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云。
预测终端所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
下面将结合附图来详细阐述本发明的电压暂降持续时间类型预测方法，电压暂降持续时间类型预测方法例如可应用于配电网电压暂降分析，分析不同电压暂降持续时间类型的影响程度，进而减少电压暂降带来的损失。本发明还根据IEEE 1159推荐的幅值持续时间对电压暂降进行分类，电压暂降分为瞬时暂降和暂时暂降，其中，瞬时暂降，持续时间在0.5s~3s；暂时暂降，持续时间在3s~60s。该分类可作为暂降持续时间类型预测的依据，对暂降持续时间的类型进行预测。对于不同类型暂降，采取的治理措施也不同，进而保证系统正常工作，减少非必要的暂降损失，对于提升配电网的稳定性有着积极作用。
请参阅图1至3所示是一具体实施例中电压暂降持续时间类型预测方法的流程图，方法包括：
S101、获取电网电压并跟踪其谐波失真，进而可以获得谐波足迹。
S102、通过谐波足迹检测是否发生电压暂降的同时，获得谐波足迹的最大值，通过概率预测模型求得各谐波足迹最大值对应的概率，对暂降持续时间类型进行预测。
S103、根据电压暂降持续时间分类结果(瞬时的或暂时的)，对低电压穿越模式下的操作采取进一步的操作，如果预测暂降持续时间是瞬时的，且暂降幅度在低电压穿越线以下，则发电装置控制系统跳开将会延迟，进而保证发电装置继续工作，维持电网电压稳定。
本发明中，根据暂降幅度的不同，延迟设置在0.3 s ~ 1.5 s之间，若暂降幅度较大，延迟时间设置较长，若暂降幅度较小，延迟时间设置较短。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例的方法通过引入谐波足迹，构建回归模型实现对电压暂降持续时间类型的预测。
具体来讲，先分析谐波足迹。
电压暂降事件一般可划分为事件前段、暂降开始过渡段、持续段、暂降结束过渡段以及事件后段。
如图4所示：记录正常工作以及暂降开始过渡段时的三相电压瞬时值，采样时间间隔为t，并通过S变换提取发生电压暂降时的低次谐波（2，3，5，7次谐波），并记录谐波畸变率。
信号
Figure 370381DEST_PATH_IMAGE001
的S变换过程如下：
Figure 775954DEST_PATH_IMAGE002
（1）
Figure 683867DEST_PATH_IMAGE003
（2）
谐波畸变率计算如下：
Figure 225707DEST_PATH_IMAGE004
（3）
式中：k,m,n的取值均为0，1，2，…,M-1（k,m,n均为采样点）；
Figure 990401DEST_PATH_IMAGE005
为信号的
Figure 820954DEST_PATH_IMAGE001
离散傅里叶变换；
Figure 814449DEST_PATH_IMAGE006
为高斯窗的傅里叶谱；
U1为基波电压；Un（n=2，3，5，7）为n次谐波电压。
不同于其他阶段，暂降开始过渡段中包含的2，3，5，7次谐波含量较大，将计算出的谐波畸变率连成曲线，称为谐波足迹。本专利选取暂降开始过渡段内的谐波足迹的极大值，建立以谐波足迹极大值为自变量的概率预测模型来预测电压暂降持续时间是瞬时或暂时的可能性。
本发明的实施例中，基于暂降持续时间类型构建概率预测模型。其中，逻辑回归在现代统计学中被广泛用于检验结果为分类变量的假设，而预测变量(一个或多个)可以是分类变量或连续变量，因此，可以利用逻辑回归模型计算电压暂降持续时间类型的概率。
用随机变量X表示某一暂降事件的暂降开始过渡段的谐波足迹极大值，其取值范围为0%-100%；用Y表示一个二分变量，对于暂时暂降(持续时间>3s) Y取1，对于瞬时暂降(持续时间<3s) Y取0，则可以定义特定值X=x发生Y的概率函数为：
Figure 476374DEST_PATH_IMAGE019
(4)
逻辑回归是基于一个或多个因变量的logit函数。
Figure 349652DEST_PATH_IMAGE008
的logit函数是概率的自然对数，它表示概率
Figure 729818DEST_PATH_IMAGE009
(当给定X值Y=1时) 与概率
Figure 510692DEST_PATH_IMAGE020
(当给定X值Y = 0时)的比值，即：
Figure 230386DEST_PATH_IMAGE010
(5)
简单逻辑模型(有一个自变量X)有这样的形式：
Figure 586150DEST_PATH_IMAGE021
其中：为
Figure 391295DEST_PATH_IMAGE022
模型常数，
Figure 241440DEST_PATH_IMAGE023
为回归系数。
利用式（6），取两侧的反对数，得到
Figure 612378DEST_PATH_IMAGE024
因此，有一个自变量X的标准logistic函数定义为：
Figure 827459DEST_PATH_IMAGE011
(6)
其中系数
Figure 916637DEST_PATH_IMAGE022
和
Figure 55626DEST_PATH_IMAGE023
是根据大量实测数据训练得到。
Figure 484333DEST_PATH_IMAGE012
是谐波足迹为x时暂降发展为暂时的概率，
Figure 932632DEST_PATH_IMAGE013
是暂降发展为瞬时 的概率。
当P=
Figure 712369DEST_PATH_IMAGE014
趋近于1时，表示暂降持续时间类型极大概率为暂时暂降。
当P=
Figure 638737DEST_PATH_IMAGE015
趋近于0时，表示暂降持续时间类型极大概率为瞬时暂降。
当
Figure 984268DEST_PATH_IMAGE016
时，P=
Figure 806730DEST_PATH_IMAGE012
Figure 119769DEST_PATH_IMAGE017
0.5,其表示电压暂降既可能发展为瞬时暂降也可 能发展为暂时暂降，即将谐波足迹最大值
Figure 584248DEST_PATH_IMAGE018
作为“不确定区间”，该区间内的谐波足迹 最大值无法直接预测其暂降持续时间类型。
本发明将上述电压暂降持续时间类型预测方法应用于某地区电网的暂降持续时间类型的预测，该地区监测到的暂降持续时间和谐波足迹极大值的数据如下表所示：
表1 暂降持续时间及谐波足迹即大值统计表
Figure 987548DEST_PATH_IMAGE025
Figure 43228DEST_PATH_IMAGE026
通过表1可知：谐波足迹最大值越大，暂降持续时间越长。表明通过谐波足迹可以在检测电压暂降是否发生的同时进行持续时间类型的预测。利用该地区记录的暂降事件序号60进行具体分析：该次暂降事件中暂降开始过渡段内谐波足迹极大值为24.9，将其作为回归模型的输入得到预测结果为0.108，即该次暂降事件极大可能属于瞬时暂降，通过对该次暂降结束后持续时间的记录可知，确实属于瞬时暂降。
即验证了本发明所提暂降持续时间类型预测模型的有效性，证明了可以通过跟踪获取电压谐波足迹以及回归模型来预测暂降持续时间类型。
基于上述方法步骤，本发明还提供一种实现电压暂降持续时间类型预测方法的系统，系统包括：谐波获取模块、谐波足迹计算模块和预测分析模块；
谐波获取模块用于获取电网电压并跟踪其谐波失真，获得谐波足迹；
谐波足迹计算模块用于通过谐波足迹检测是否发生电压暂降，同时获取谐波足迹的最大值，通过概率预测模型求得各谐波足迹最大值对应的概率，对暂降持续时间类型进行预测；
预测分析模块用于根据电压暂降持续时间分类结果，对低电压穿越模式进行预测分析；如果预测暂降持续时间是瞬时的，且暂降幅度在低电压穿越线以下，则控制系统跳开延迟动作。
本发明提供的电压暂降持续时间类型预测方法及系统相较于现有电压暂降持续时间类型预测方法，可以利用数学模型将暂降持续时间类型的概率与谐波足迹联系起来，通过实时获取谐波足迹在检测是否发生电压暂降的同时进行暂降持续时间类型实时预测，进而在故障时为发电装置提供可靠的信号，防止非必要跳闸，提供更稳定的电压。该方法不仅体现了电压暂降检测的快速性，更实现了暂降持续时间类型的实时预测，使系统能够快速且准确地作出反应以提高系统的可靠性。
本发明提供的电压暂降持续时间类型预测方法及系统中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本发明提供的电压暂降持续时间类型预测方法及系统中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
本发明提供的电压暂降持续时间类型预测方法可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (3)

1.一种电压暂降持续时间类型预测方法，其特征在于，方法包括：
步骤一：获取电网电压并跟踪其谐波失真，获得谐波足迹；
步骤二：通过谐波足迹检测是否发生电压暂降，同时获取谐波足迹的最大值，通过概率预测模型求得各谐波足迹最大值对应的概率，对暂降持续时间类型进行预测；
步骤三：根据电压暂降持续时间分类结果，对低电压穿越模式进行预测分析；如果预测暂降持续时间是瞬时的，且暂降幅度在低电压穿越线以下，则控制系统跳开延迟动作；
步骤一还包括：分析谐波足迹，记录正常工作以及暂降开始过渡段时的三相电压瞬时值；
配置采样时间间隔为t，通过S变换提取发生电压暂降时的低次谐波，并记录谐波畸变率；
发生电压暂降的节点电压信号
Figure QLYQS_1
的S变换过程如下：
Figure QLYQS_2
（1）
Figure QLYQS_3
（2）
谐波畸变率计算如下：
Figure QLYQS_4
（3）
式中：k,m,n的取值均为0，1，2，…，M-1；k,m,n均为采样点；
Figure QLYQS_5
为信号/>
Figure QLYQS_6
的离散傅里叶变换；
Figure QLYQS_7
为高斯窗的傅里叶谱；
U 1为基波电压；
U n 为n次谐波电压，n=2，3，5，7；
M为采样点的总数；
步骤二中构建暂降持续时间类型的概率预测模型，并利用逻辑回归模型计算电压暂降持续时间类型的概率；
用随机变量X表示某一暂降事件的暂降开始过渡段的谐波足迹最大值，其取值范围为0%-100%；
用Y表示一个二分变量；
其中，暂时暂降持续时间>3s时，Y取1；
瞬时暂降持续时间<3s时，Y取0；
定义特定值X=x发生Y的概率函数为：
Figure QLYQS_8
(4)
Figure QLYQS_9
的logit函数是概率的自然对数，表示概率/>
Figure QLYQS_10
；
即：
Figure QLYQS_11
(5)
有一个自变量X的标准logistic函数定义为：
Figure QLYQS_12
(6)
Figure QLYQS_13
是谐波足迹为x时暂降发展为暂时的概率；
Figure QLYQS_14
是暂降发展为瞬时的概率；
当P=
Figure QLYQS_15
趋近于1时，表示暂降持续时间类型极大概率为暂时暂降；
当P=
Figure QLYQS_16
趋近于0时，表示暂降持续时间类型极大概率为瞬时暂降；
当
Figure QLYQS_17
时，P=/>
Figure QLYQS_18
Figure QLYQS_19
0.5，表示电压暂降既可能发展为瞬时暂降也可能发展为暂时暂降，即将谐波足迹最大值/>
Figure QLYQS_20
作为不确定区间。
2.一种电压暂降持续时间类型预测系统，其特征在于，系统采用如权利要求1所述的电压暂降持续时间类型预测方法；
系统包括：谐波获取模块、谐波足迹计算模块和预测分析模块；
谐波获取模块用于获取电网电压并跟踪其谐波失真，获得谐波足迹；
谐波足迹计算模块用于通过谐波足迹检测是否发生电压暂降，同时获取谐波足迹的最大值，通过概率预测模型求得各谐波足迹最大值对应的概率，对暂降持续时间类型进行预测；
预测分析模块用于根据电压暂降持续时间分类结果，对低电压穿越模式进行预测分析；如果预测暂降持续时间是瞬时的，且暂降幅度在低电压穿越线以下，则控制系统跳开延迟动作。
3.一种预测终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1所述的电压暂降持续时间类型预测方法的步骤。
CN202211359039.3A 2022-11-02 2022-11-02 一种电压暂降持续时间类型预测方法、系统及预测终端 Active CN115469154B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211359039.3A CN115469154B (zh) 2022-11-02 2022-11-02 一种电压暂降持续时间类型预测方法、系统及预测终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211359039.3A CN115469154B (zh) 2022-11-02 2022-11-02 一种电压暂降持续时间类型预测方法、系统及预测终端

Publications (2)

Publication Number Publication Date
CN115469154A CN115469154A (zh) 2022-12-13
CN115469154B true CN115469154B (zh) 2023-03-31

Family

ID=84336436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211359039.3A Active CN115469154B (zh) 2022-11-02 2022-11-02 一种电压暂降持续时间类型预测方法、系统及预测终端

Country Status (1)

Country Link
CN (1) CN115469154B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101572411A (zh) * 2009-06-10 2009-11-04 天津市电力公司 基于Mamdani模糊推理的电压暂降源识别方法
US20150094975A1 (en) * 2013-10-01 2015-04-02 King Fahd University Of Petroleum And Minerals Wavelet transform system and method for voltage events detection and classification
CN104360235B (zh) * 2014-11-19 2017-04-19 南京工程学院 含dg复杂配电网的电压暂降源定位方法
CN107677904A (zh) * 2017-09-21 2018-02-09 广东电网有限责任公司电力科学研究院 一种电压暂降成因辨识方法及系统
CN112034232A (zh) * 2020-08-21 2020-12-04 上海电机学院 一种供电系统电压暂降检测方法
CN112232386B (zh) * 2020-09-27 2024-03-15 国网福建省电力有限公司莆田供电公司 一种基于支持向量机的电压暂降严重程度预测方法
CN114609435A (zh) * 2022-03-02 2022-06-10 中国矿业大学 一种电压暂降检测和分类辨识方法

Also Published As

Publication number Publication date
CN115469154A (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
Wang et al. Multi-step ahead wind speed prediction based on optimal feature extraction, long short term memory neural network and error correction strategy
Singh et al. Repeated wavelet transform based ARIMA model for very short-term wind speed forecasting
Cui et al. A novel event detection method using PMU data with high precision
Korprasertsak et al. Robust short-term prediction of wind power generation under uncertainty via statistical interpretation of multiple forecasting models
Yang et al. PMU-based voltage stability prediction using least square support vector machine with online learning
CN105092999B (zh) 利用多个指示的电力质量事件定位
Liu et al. Super resolution perception for smart meter data
Chen et al. Time-adaptive transient stability assessment based on gated recurrent unit
CN107862103B (zh) 一种基于adpss的仿真模型生成方法及系统
CN112750051B (zh) 基于随机森林算法的台区相序识别方法、装置及终端设备
Jafarzadeh et al. Real-time transient stability prediction and coherency identification in power systems using Koopman mode analysis
CN113437734A (zh) 一种适用于风电场送出线路的故障保护方法及装置
CN111209535B (zh) 一种电力设备相继故障风险识别方法及系统
CN114548756A (zh) 基于主成分分析的综合能源项目综合效益评价方法及装置
CN112731076B (zh) 基于过电压下绝缘闪络率的预警方法、装置及存储介质
CN115469154B (zh) 一种电压暂降持续时间类型预测方法、系统及预测终端
Qu et al. A parameter and resolution adaptive algorithm for rapid detection of ramp events in different timescale databases of the power system
CN116665711B (zh) 气体绝缘开关设备在线监测方法、装置和计算机设备
CN115389812B (zh) 一种人工神经网络短路电流零点预测方法及预测终端
CN116595395A (zh) 一种基于深度学习的逆变器输出电流预测方法及系统
CN115864449A (zh) 新能源接入系统振荡监测方法、装置、系统、设备及介质
CN115345519A (zh) 海上风电风险评估方法、装置、设备及存储介质
Joseph et al. Prediction of short-term voltage instability using a digital faster than real-time replica
Rahul et al. Hilbert Huang transform and type-1 fuzzy based recognition and classification of power signal disturbances
CN114118562A (zh) 流量预测方法、模型训练方法、装置以及电子设备

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