CN115656664A - 一种基于多类别分析的电力系统状态评估方法 - Google Patents
一种基于多类别分析的电力系统状态评估方法 Download PDFInfo
- Publication number
- CN115656664A CN115656664A CN202211249716.6A CN202211249716A CN115656664A CN 115656664 A CN115656664 A CN 115656664A CN 202211249716 A CN202211249716 A CN 202211249716A CN 115656664 A CN115656664 A CN 115656664A
- Authority
- CN
- China
- Prior art keywords
- degree
- deviation
- voltage
- current
- voltage signal
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种基于多类别分析的电力系统状态评估方法,包括以下步骤:(1):采集一个采样周期T内电力系统各输配电单元电流信号、电压信号;(2):将采集的信号进行存储;(3):对采集的所述电流信号、所述电压信号进行分类;(4):计算所述电流信号、所述电压信号偏离参考数据的程度;(5):计算所述电流信号、所述电压信号偏离所述参考数据的程度的平均值;(6):根据偏离所述参考数据的程度的平均值对所述电力系统状态进行评估。本发明提供一种基于多类别分析的电力系统状态评估方法,能够更加快速、准确的对电力系统状态进行评估。
Description
技术领域
本发明属于电力检测技术领域,特别涉及一种基于多类别分析的电力系统状态评估方法。
背景技术
随着电力系统信息化和智能化的不断发展,与电力系统相关的物联网数据规模也在不断增长,同时各类电力业务数据的处理需求日趋多样化,这增加了数据处理分析的工作量和工作速度,无法更加快速、准确的对电力系统状态进行评估。
为了更加快速、准确的对电力系统状态进行评估,本发明提出一种基于多类别分析的电力系统状态评估方法,先对采集的电流信号和电压信号进行分类,再计算偏离参考数据的程度及平均值,最后根据偏离参考数据的程度的平均值对电力系统状态进行评估,并进行状态分类。
发明内容
本发明提供一种基于多类别分析的电力系统状态评估方法,能够更加快速、准确的对电力系统状态进行评估。
本发明具体为一种基于多类别分析的电力系统状态评估方法,所述电力系统状态评估方法包括以下步骤:
步骤(1):采集一个采样周期T内电力系统各输配电单元电流信号、电压信号;
步骤(2):将采集的信号进行存储;
步骤(3):对采集的所述电流信号、所述电压信号进行分类;
步骤(4):计算所述电流信号、所述电压信号偏离参考数据的程度;
步骤(5):计算所述电流信号、所述电压信号偏离所述参考数据的程度的平均值;
步骤(6):根据偏离所述参考数据的程度的平均值对所述电力系统状态进行评估。
对采集的所述电流信号进行分类的具体方法为:
首先,判断所述电流信号是否在第一电流参考范围内,若是,所述电流信号正常,存储为正常电流信号类;若不是,进一步进行分类判断;
其次,判断所述电流信号是否在第二电流参考范围内,若是,所述电流信号异常,存储为异常电流信号类;若不是,所述电流信号为故障电流,存储为故障电流信号类。
对采集的所述电压信号进行分类的具体方法为:
首先,判断所述电压信号是否在第一电压参考范围内,若是,所述电压信号正常,存储为正常电压信号类;若不是,进一步进行分类判断;
其次,判断所述电压信号是否在第二电压参考范围内,若是,所述电压信号异常,存储为异常电压信号类;若不是,所述电压信号为故障压流,存储为故障电压信号类。
计算所述电流信号、所述电压信号偏离所述参考数据的程度的算法为:
根据偏离所述参考数据的程度的平均值对所述电力系统状态进行评估的方法为:
将所述异常电流信号偏离所述参考数据特征的程度的平均值与异常电流偏离程度参考值进行比较,
将所述故障电流信号偏离所述参考数据特征的程度的平均值与故障电流偏离程度参考值进行比较,
将所述异常电压信号偏离所述参考数据特征的程度的平均值与异常电压偏离程度参考值进行比较,
将所述故障电压信号偏离所述参考数据特征的程度的平均值与故障电压偏离程度参考值进行比较,
若存在两组或两组以上偏离程度大于偏离程度参考值,电力系统状态存在异常,存在一级故障;
若存在一组偏离程度大于偏离程度参考值,电力系统状态存在异常,存在二级故障;
若不存在一组偏离程度大于偏离程度参考值,电力系统状态良好。
与现有技术相比,有益效果是:所述电力系统状态评估方法首先对采集的电流信号和电压信号进行分类,再计算偏离参考数据的程度及平均值,进而对电力系统状态进行评估准确、及时有效的评估。
附图说明
图1为本发明一种基于多类别分析的电力系统状态评估方法的工作流程图。
具体实施方式
下面结合附图对本发明一种基于多类别分析的电力系统状态评估方法的具体实施方式做详细阐述。
如图1所示,本发明的电力系统状态评估方法包括以下步骤:
步骤(1):采集一个采样周期T内电力系统各输配电单元电流信号、电压信号;
步骤(2):将采集的信号进行存储;
步骤(3):对采集的所述电流信号、所述电压信号进行分类:
对采集的所述电流信号进行分类的具体方法为:
判断所述电流信号是否在第一电流参考范围内,若是,所述电流信号正常,存储为正常电流信号类;若不是,判断所述电流信号是否在第二电流参考范围内,若是,所述电流信号异常,存储为异常电流信号类;若不是,所述电流信号为故障电流,存储为故障电流信号类。
对采集的所述电压信号进行分类的具体方法为:
判断所述电压信号是否在第一电压参考范围内,若是,所述电压信号正常,存储为正常电压信号类;若不是,判断所述电压信号是否在第二电压参考范围内,若是,所述电压信号异常,存储为异常电压信号类;若不是,所述电压信号为故障压流,存储为故障电压信号类。
步骤(4):计算所述电流信号、所述电压信号偏离参考数据的程度:
步骤(5):计算所述电流信号、所述电压信号偏离所述参考数据的程度的平均值;
步骤(6):根据偏离所述参考数据的程度的平均值对所述电力系统状态进行评估:
将所述异常电流信号偏离所述参考数据特征的程度的平均值与异常电流偏离程度参考值进行比较,
将所述故障电流信号偏离所述参考数据特征的程度的平均值与故障电流偏离程度参考值进行比较,
将所述异常电压信号偏离所述参考数据特征的程度的平均值与异常电压偏离程度参考值进行比较,
将所述故障电压信号偏离所述参考数据特征的程度的平均值与故障电压偏离程度参考值进行比较,
若存在两组或两组以上偏离程度大于偏离程度参考值,电力系统状态存在异常,存在一级故障,需要及时进行处理,防止故障进一步扩大导致更加严重的后果;
若存在一组偏离程度大于偏离程度参考值,电力系统状态存在异常,存在二级故障,需要进行处理;
若不存在一组偏离程度大于偏离程度参考值,电力系统状态良好。
最后应该说明的是,结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到,本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换,但这些修改或变更均在申请待批的权利要求保护范围之中。
Claims (5)
1.一种基于多类别分析的电力系统状态评估方法,其特征在于,所述电力系统状态评估方法包括以下步骤:
步骤(1):采集一个采样周期T内电力系统各输配电单元电流信号、电压信号;
步骤(2):将采集的信号进行存储;
步骤(3):对采集的所述电流信号、所述电压信号进行分类;
步骤(4):计算所述电流信号、所述电压信号偏离参考数据的程度;
步骤(5):计算所述电流信号、所述电压信号偏离所述参考数据的程度的平均值;
步骤(6):根据偏离所述参考数据的程度的平均值对所述电力系统状态进行评估。
2.根据权利要求1所述的一种基于多类别分析的电力系统状态评估方法,其特征在于,对采集的所述电流信号进行分类的具体方法为:
首先,判断所述电流信号是否在第一电流参考范围内,若是,所述电流信号正常,存储为正常电流信号类;若不是,进一步进行分类判断;
其次,判断所述电流信号是否在第二电流参考范围内,若是,所述电流信号异常,存储为异常电流信号类;若不是,所述电流信号为故障电流,存储为故障电流信号类。
3.根据权利要求2所述的一种基于多类别分析的电力系统状态评估方法,其特征在于,对采集的所述电压信号进行分类的具体方法为:
首先,判断所述电压信号是否在第一电压参考范围内,若是,所述电压信号正常,存储为正常电压信号类;若不是,进一步进行分类判断;
其次,判断所述电压信号是否在第二电压参考范围内,若是,所述电压信号异常,存储为异常电压信号类;若不是,所述电压信号为故障压流,存储为故障电压信号类。
5.根据权利要求4所述的一种基于多类别分析的电力系统状态评估方法,其特征在于,根据偏离所述参考数据的程度的平均值对所述电力系统状态进行评估的方法为:
将所述异常电流信号偏离所述参考数据特征的程度的平均值与异常电流偏离程度参考值进行比较,
将所述故障电流信号偏离所述参考数据特征的程度的平均值与故障电流偏离程度参考值进行比较,
将所述异常电压信号偏离所述参考数据特征的程度的平均值与异常电压偏离程度参考值进行比较,
将所述故障电压信号偏离所述参考数据特征的程度的平均值与故障电压偏离程度参考值进行比较,
若存在两组或两组以上偏离程度大于偏离程度参考值,电力系统状态存在异常,存在一级故障;
若存在一组偏离程度大于偏离程度参考值,电力系统状态存在异常,存在二级故障;
若不存在一组偏离程度大于偏离程度参考值,电力系统状态良好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211249716.6A CN115656664A (zh) | 2022-10-12 | 2022-10-12 | 一种基于多类别分析的电力系统状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211249716.6A CN115656664A (zh) | 2022-10-12 | 2022-10-12 | 一种基于多类别分析的电力系统状态评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115656664A true CN115656664A (zh) | 2023-01-31 |
Family
ID=84987915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211249716.6A Pending CN115656664A (zh) | 2022-10-12 | 2022-10-12 | 一种基于多类别分析的电力系统状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115656664A (zh) |
-
2022
- 2022-10-12 CN CN202211249716.6A patent/CN115656664A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178456B (zh) | 异常指标检测方法、装置、计算机设备和存储介质 | |
CN111160401B (zh) | 一种基于均值漂移和XGBoost的异常用电判别方法 | |
CN110826648A (zh) | 一种利用时序聚类算法实现故障检测的方法 | |
CN110795690A (zh) | 风电场运行异常数据检测方法 | |
CN112114986A (zh) | 数据异常识别方法、装置、服务器和存储介质 | |
CN113723452A (zh) | 一种基于kpi聚类的大规模异常检测系统 | |
CN114417971A (zh) | 一种基于k近邻密度峰值聚类的电力数据异常值检测算法 | |
CN111767538A (zh) | 一种基于相关信息熵的工控入侵检测系统特征选择方法 | |
CN109902731B (zh) | 一种基于支持向量机的性能故障的检测方法及装置 | |
CN115794578A (zh) | 一种电力系统的数据管理方法、装置、设备及介质 | |
Aziz et al. | Cluster Analysis-Based Approach Features Selection on Machine Learning for Detecting Intrusion. | |
CN113516162A (zh) | 一种基于OCSVM和K-means算法的工控系统流量异常检测方法与系统 | |
CN111861141B (zh) | 一种基于模糊故障率预测的配电网可靠性评估方法 | |
CN117170979A (zh) | 一种大规模设备的能耗数据处理方法、系统、设备及介质 | |
CN112633666A (zh) | 一种基于K-means聚类算法的电力企业用户复工状况监测方法 | |
CN111833174A (zh) | 一种基于lof算法的互联网金融申请反欺诈识别方法 | |
CN115656664A (zh) | 一种基于多类别分析的电力系统状态评估方法 | |
CN115495274B (zh) | 基于时序数据的异常处理方法、网络设备和可读存储介质 | |
CN116757870A (zh) | 一种能源物联网的智慧能源监控数据处理方法及系统 | |
CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
CN111273126A (zh) | 一种配电网拓扑快速感知方法 | |
CN114429240A (zh) | 高速公路设备运行状态监测方法及装置 | |
CN110929800B (zh) | 一种基于sax算法的商业体异常用电检测方法 | |
Sarquis Filho et al. | Practical recommendations for the design of automatic fault detection algorithms based on experiments with field monitoring data | |
CN118296296B (zh) | 一种基于电力大数据的智能配电方法 |
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 |