CN115700963B - 基于非侵入式感知技术的变压器管理方法及系统 - Google Patents
基于非侵入式感知技术的变压器管理方法及系统 Download PDFInfo
- Publication number
- CN115700963B CN115700963B CN202211576938.9A CN202211576938A CN115700963B CN 115700963 B CN115700963 B CN 115700963B CN 202211576938 A CN202211576938 A CN 202211576938A CN 115700963 B CN115700963 B CN 115700963B
- Authority
- CN
- China
- Prior art keywords
- line
- sub
- load
- power
- distribution network
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 35
- 238000005516 engineering process Methods 0.000 title claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 81
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 230000001052 transient effect Effects 0.000 claims abstract description 21
- 230000005611 electricity Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000005520 cutting process Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 17
- 230000009131 signaling function Effects 0.000 claims description 12
- 230000001939 inductive effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 239000003990 capacitor Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010063493 Premature ageing Diseases 0.000 description 1
- 208000032038 Premature aging Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供基于非侵入式感知技术的变压器管理方法,包括以下步骤:实时监测配电网的每条电力用户子线的多个负载的暂态参数,并进行预处理;构建每条电力用户子线中用电负载种类识别计算模型,识别配电网中每条电力用户子线的用电负载种类;计算每条电力用户子线的总动态电阻,构建配电网变压器损耗最小化动态模型,得到配电网变压器最小损耗值;判断配电网变压器最小损耗值是否大于变压器损耗管理阈值60kva,若大于,则切断变压器,否则重复上述步骤。本发明通过实时监测配电网各个子线中并联用电的家用电器等负载的暂态电力参数,构建子线的有功功率和无功功率两个稳态模型限定下的配电网变压器最小损耗计算模型,进而动态投切变压器。
Description
技术领域
本发明属于配电网能效智慧管理技术领域,具体涉及基于非侵入式感知技术的变压器管理方法及系统。
背景技术
随着我国经济社会的不断发展,人们的生产生活越来越离不开电气设备,目前,居民已经成为电力资源的主要消耗者。由于电力系统规模越来越大,用户数量也十分巨大,因此导致电力系统的数据量多且复杂。为了更好地了解用户的电力使用情况,电力负荷监测技术逐步得到发展。
随着泛在电力物联网的建设,兴起采用大数据、AI技术和云平台实现居民用户综合能源服务以及需求侧的智能管理,采用用户侧用电感知技术可以实现供需互动的用电智能管理,对减少电能的无谓消耗具有重要作用,用户侧感知的关键是了解用电用户电器设备的耗能分配与使用习惯。现有小区在电力管理实际运行中,通常采用的末端负载用电实时监测技术为侵入式监测,需要对监测的电力用户电器设备安装传感器,即分布式的布置多个信号传感器,实时感知电器设备的运行和负荷变化,并入侵到传感器中通过对智能家电或智能插座获取电器信息,进而实时对电力使用情况进行监测,用户改造难度大、接受意愿不高,成本也比较高,且存在通讯安全和隐私保护等难点。
而非侵入式的负荷监测方法不需要对每条子线中的每个用户的多个设备分别单独设置分布式传感器,通过单点式的在每条子线的入户口设置的智能电表采集居民用电总负荷来监测电器用电负荷情况即可,常采用如申请号为202010609721.8的中国专利申请文件公开的一种非侵入式变电站馈线负荷识别分解方法,或申请号为202110465376.X的中国专利申请文件公开的基于非侵入式电力负荷的模糊聚类感知方法,其均采用K-means等聚类算法通过采集负荷(即负载)的实时电力参数,并建立日用电情况数据库,通过谐波分析等方式了解子线中各个用户的峰谷情况,进而对各个用户类型进行归类识别,安排对各个子线的供电时间段等供电情况。
虽然非侵入式技术不像侵入式技术需要昂贵的安装成本,且可以通过聚类算法大致了解每条子线中的用电情况,根据采集的馈线日负荷信息,自动化识别该馈线所覆盖用户及用户的行业,但是非侵入式技术在电器监测上应用的最大难题是对如何通过电力参数能够分解得到每条子线中的多个并联用户的负载类型,进而进一步实现配电网中的变压器最小损耗的动态管理。
发明内容
本发明针对上述缺陷,提供一种基于非侵入式感知技术的变压器管理方法及系统。采用智能物联网技术,实时监测配电网各个子线中并联用电的家用电器等负载的暂态电力参数,进而可以实时得到各个子线中并联用户的动态电阻以及子线的总动态电阻,通过动态电导和电纳的计算,构建子线的有功功率和无功功率两个稳态模型限定下的配电网变压器最小损耗计算模型,采用用户侧信息非侵入式感知技术,无需用户内部改造即可实现负荷辨识及其特性分析,进而结合负荷特性和变压器运行状态动态投切变压器。
本发明提供如下技术方案:基于非侵入式感知技术的变压器管理方法,所述变压器设置于配电网中,所述配电网的母线通过变压器配送至多条子线,每条子线为一个电力用户提供电力,每条子线上并联多个用电负载,所述方法包括以下步骤:
S1:实时监测配电网的每条电力用户子线的多个负载的暂态参数,并进行预处理;
S2:构建每条电力用户子线中用电负载种类识别计算模型,识别配电网中多条电力用户子线中每条电力用户子线的用电负载种类;
S3:计算每条电力用户子线的总动态电阻,构建配电网变压器损耗最小化动态模型,得到配电网变压器最小损耗值;
S4:判断配电网变压器最小损耗值是否大于变压器损耗管理阈值60kva,若大于,则切断所述配电网变压器,否则重复所述步骤S1-S3。
进一步地,所述配电网电力用户子线的负载种类包括阻性负载、容性负载和感性负载中的一种或多种。
进一步地,所述S2步骤构建每条电力用户子线中用电负载种类识别计算模型,包括以下步骤:
S21:于所述S1步骤实时监测每条电力用户子线的多个负载的暂态参数过程中,实时监测第i条子线的第j个负载的实时电压幅值、电流幅值/>以及负载运行的频率f,构建第i条子线的第j个负载的实时电压信号函数值/>模型、与第i条子线的第j个负载的实时电压信号的正交信号函数值/>模型以及第i条子线的第j个负载的实时电流信号函数值 />模型:
其中,为所述第i条子线的第j个负载的实时电压信号的电压相位角,/>为所述第i条子线的第j个负载的实时电压信号的正交信号的正交电压相位角;/>为所述第i条子线的第j个负载的实时电流信号的电流相位角;i=1,2, …,N,j=1, 2, …, M;
S22:通过对所述S21步骤实时采集的数据的时域采样,将所述S21步骤实时采集的数据转化为离散数据:
其中,S为时域采样频率,k为时域采样时隙K内的第k个时域点,即k=1, 2, …, K;为所述第i条子线的第j个负载的k时刻离散电压信号值;/>为所述第i条子线的第j个负载的k时刻离散正交电压信号值;/>为所述第i条子线的第j个负载的k时刻离散电流信号值;
S24:对所述S22步骤转化得到的所述第i条子线的第j个负载的k时刻离散电流信号值与所述第i条子线的第j个负载的k时刻离散电压信号值/>和所述第i条子线的第j个负载的k时刻离散正交电压信号值/>分别执行互相关运算,得到第一电流电压互相关运算值/>和第二电流电压互相关运算值/>;
进一步地,所述S28步骤中判断第i条子线的第j个负载的类型的标准如下:
进一步地,所述S3步骤中计算每条电力用户子线的总动态电阻的公式如下:
进一步地,所述S3步骤中构建配电网变压器损耗最小化动态模型包括以下步骤:
S31:计算每条电力用户子线的总动态电阻,并根据每条电力用户子线的总动态电阻计算每条电力用户子线的电导:
S32:于所述S1步骤实时监测每条电力用户子线的多个负载的暂态参数过程中,还实时监测第i条子线第j个负载的电感、第i条子线第j个负载的电容/>以及未经变压器传输至各个电力用户子线时的电压幅度/>,并计算第i条子线第j个负载的实时电纳/>:
S33:构建配电网变压器损耗最小化动态模型:
其中,为配电网未经变压器传输至各个电力用户子线时的电压幅度,/>为第i条子线的电压幅度,/>为用于维持第i条子线供电的产生的有功功率,/>为第i条子线所有用户消耗的有功功率,/>为用于维持第i条子线供电的无功功率,/>第i条子线所有用户消耗的无功功率。
本发明还提供一种基于非侵入式感知技术的变压器管理系统,包括电力参数采集模块、用电负载种类识别计算模块、配电网变压器最小损耗计算模块以及主控制模块;
所述电力参数采集模块,用于实时监测配电网的每条电力用户子线的多个负载的暂态参数,并进行预处理;
所述用电负载种类识别计算模块,用于构建每条电力用户子线中用电负载种类识别计算模型,识别配电网中多条电力用户子线中每条电力用户子线的用电负载种类;
所述配电网变压器最小损耗计算模块,用于计算每条电力用户子线的总动态电阻,构建配电网变压器损耗最小化动态模型,得到配电网变压器最小损耗值
所述主控制模块,用于判断配电网变压器最小损耗值是否大于变压器损耗管理阈值60kva,进而控制开关是否投切变压器。
本发明的有益效果为:
1、针对背景技术中提到的问题,研究了小区高可靠性、智能化改造关键技术,进而提出本发明提供的基于非侵入式感知技术的变压器管理方法,其采用智能物联网技术,实时监测配电网各个子线中并联用电的家用电器等负载的暂态电力参数,进而可以实时得到各个子线中并联用户的动态电阻以及子线的总动态电阻,通过动态电导和电纳的计算,构建子线的有功功率和无功功率两个稳态模型限定下的配电网变压器最小损耗计算模型,采用用户侧信息非侵入式感知技术,无需用户内部改造即可实现负荷辨识及其特性分析,进而结合负荷特性和变压器运行状态动态投切变压器,减少轻载变压器数量从而降低能耗,同时有利于实现利用中、低压多断路器切换控制完成小区故障的自动隔离、供电恢复,大幅缩短停电时长。
2、本发明提供的基于非侵入式感知技术的变压器管理方法,通过实时监测第i条子线的第j个负载的实时电压幅值、电流幅值/>以及负载运行的频率f,构建第i条子线的第j个负载的实时电压信号函数值/>模型、与第i条子线的第j个负载的实时电压信号的正交信号函数值/>模型以及第i条子线的第j个负载的实时电流信号函数值/>模型,再通过对数据的时域采样,将上述计算结果转化为离散数据/>、/>和/>,进而可以得到第i条子线的第j个负载的电压信号的相位角/>和第i条子线的第j个负载的正交电压信号的相位角/>的相位差/>,并通过互相关运算得到K为整数时的第一电流电压互相关运算值/>和第二电流电压互相关运算值/>,进一步表示为相位差的互相关运算值的比值H,进而可以得到有关于相位差/>和采样周期K为整数时的互相关运算值比值H的第i条子线的第j个负载电流和电压的相位差/>,通过相位差/>的计算结果可以判断有效判断第i条子线的第j个负载的类型,进而本发明提供的基于非侵入式感知技术的变压器管理方法,可以通过非侵入式感知技术实时监测每条电力用户子线的多个负载的暂态参数,进而有效识别每条子线中的每个负载到底属于阻性负载、感性负载还是容性负载。
3、本发明提供的基于侵入式感知技术的变压器管理方法,进一步通过实时监测得到的第i条子线的第j个负载的实时电压幅值、电流幅值/>以及计算得到的第i条子线的第j个负载电流和电压的相位差/>,可以计算得到每条电力用户子线的总动态电阻,并根据每条电力用户子线的总动态电阻计算每条电力用户子线的电导/>;并根据实时监测得到的第i条子线第j个负载的电感/>、第i条子线第j个负载的电容/>,并据此计算第i条子线第j个负载的实时电纳/>,通过每条电力用户子线的电导/>、每条电力用户子线的每个负载的电导/>和实时电纳/>,并构建配电网变压器损耗最小化动态模型,该动态模型限定了子线处于有功功率和无功功率两个稳态模型的稳态状态下,进而可以得到配电网的子线处于稳态情况下的变压器损耗最小值,判断该变压器损耗最小值是否在管理阈值60kva以内,若处于管理阈值内,则变压器可以保持正常工作,主控制模块控制开关处于投入变压器运行状态下,否则,变压器继续工作则有短路损毁或超稳态工作下过热、短路等风险,因此,此时主控制模块控制开关切断变压器,停止其运行。
4、本发明提供的方法采用了非侵入式感知技术实施监测负载的电力变化参数,非侵入式负载分解可以使得电力公司了解详细的用电信息,统计不同设备的用电量,设计利于电网“错峰填谷的费率结构”,为用户节省电费开支提供灵活的用电选择。
5、可以根据实时监测的暂态参数,进而动态监测配电网子线中各个并联电器的用电时段、用电峰谷变化情况,以及多条子线的不同用电峰谷变化情况,并且实时监测配电网母线和子线中承担变压功能的变压器所消耗的无功功率以及损耗,为用电用户构建智能用电策略,对电力能源产供销模式合理布局,实现真正的灵活微电网,并避免变压器过分损耗带来的过早老化,延长变压器的使用寿命的同时,维护了配电网的用电安全的同时提高了配电网变压后各个子线的电压稳定性。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中:
图1为本发明提供的基于非侵入式感知技术的变压器管理方法流程示意图;
图2为本发明提供的基于非侵入式感知技术的变压器管理系统结构示意图。
具体实施方式
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。
如图1所示,为本发明提供的一种基于非侵入式感知技术的变压器管理方法,变压器设置于配电网中,配电网的母线通过变压器配送至多条子线,每条子线为一个电力用户提供电力,每条子线上并联多个用电负载,本发明提供的方法包括以下步骤:
S1:实时监测配电网的每条电力用户子线的多个负载的暂态参数,并进行预处理;
预处理可以采用小波变换或基于经验模态函数的希尔伯特变换进行滤波、降噪,去除采集到的数据中的噪声;
S2:构建每条电力用户子线中用电负载种类识别计算模型,识别配电网中多条电力用户子线中每条电力用户子线的用电负载种类;
S3:计算每条电力用户子线的总动态电阻,构建配电网变压器损耗最小化动态模型,得到配电网变压器最小损耗值;
S4:判断配电网变压器最小损耗值是否大于变压器损耗管理阈值60kva,若大于,则切断变压器,否则重复步骤S1-S3。
进一步地,配电网电力用户子线的负载种类包括阻性负载、容性负载和感性负载中的一种或多种。
作为本发明的一个优选实施例,S2步骤构建每条电力用户子线中用电负载种类识别计算模型,包括以下步骤:
S21:于S1步骤实时监测每条电力用户子线的多个负载的暂态参数过程中,实时监测第i条子线的第j个负载的实时电压幅值、电流幅值/>以及负载运行的频率f,构建第i条子线的第j个负载的实时电压信号函数值/>模型、与第i条子线的第j个负载的实时电压信号的正交信号函数值/>模型以及第i条子线的第j个负载的实时电流信号函数值模型:
其中,为第i条子线的第j个负载的实时电压信号的电压相位角,/>为第i条子线的第j个负载的实时电压信号的正交信号的正交电压相位角;/>为第i条子线的第j个负载的实时电流信号的电流相位角;i=1,2, …,N,j=1, 2, …, M;
S22:通过对S21步骤实时采集的数据的时域采样,将S21步骤实时采集的数据转化为离散数据:
其中,S为时域采样频率,k为时域采样时隙K内的第k个时域点,即k=1, 2, …, K;为第i条子线的第j个负载的k时刻离散电压信号值;/>为第i条子线的第j个负载的k时刻离散正交电压信号值;/>为第i条子线的第j个负载的k时刻离散电流信号值;
S24:对S22步骤转化得到的第i条子线的第j个负载的k时刻离散电流信号值与第i条子线的第j个负载的k时刻离散电压信号值/>和第i条子线的第j个负载的k时刻离散正交电压信号值/>分别执行互相关运算,得到第一电流电压互相关运算值/>和第二电流电压互相关运算值/>;
进一步地,S28步骤中判断第i条子线的第j个负载的类型的标准如下:
由于S28步骤计算第i条子线的第j个负载电流和电压的相位差的公式是,arctan(∙)函数的计算结果属于/>,因此当S28步骤中的相位差/>的计算公式中,/>,即当/>趋近于无穷大时,/>,此时,则负载的电流比电压超前/>,为纯容性负载;/>,即当/>趋近于负无穷大时,,则负载的电流比电压滞后/>,为纯感性负载,这两种情况在10kv高压民用配电情况下的日常生活用电负载,不存在纯容性负载和纯感性负载的家用电器等用电负载。
作为本发明的另一个优选实施例,S3步骤中计算每条电力用户子线的总动态电阻的公式如下:
即,S2步骤中计算每条电力用户子线的总动态电阻的计算包括以下步骤:
然后,对第i条子线的多个并联负载进行总电阻计算,根据总电压和负载的分电压相同,总电流等于分电流之和,即,/>,/>为第i条子线的总电流幅度,/>为第i条子线的总电压幅度;因此/>,其中,/>为第i条子线的所有负载的总动态电阻,/>、/>和/>为第i条子线中第1个负载的动态电阻、第i条子线中第2个负载的动态电阻和第i条子线中第M个负载的动态电阻,即/>,因此,通过计算第i条子线的所有负载的总动态电阻。
作为本发明的另一个优选实施例,S3步骤中构建配电网变压器损耗最小化动态模型包括以下步骤:
S31:计算每条电力用户子线的总动态电阻,并根据每条电力用户子线的总动态电阻计算每条电力用户子线的电导:
S32:于S1步骤实时监测每条电力用户子线的多个负载的暂态参数过程中,还实时监测第i条子线第j个负载的电感、第i条子线第j个负载的电容/>以及未经变压器传输至各个电力用户子线时的电压幅度/>,并计算第i条子线第j个负载的实时电纳/>:
S33:构建配电网变压器损耗最小化动态模型:
其中,为配电网未经变压器传输至各个电力用户子线时的电压幅度,/>为第i条子线的电压幅度,/>为用于维持第i条子线供电的产生的有功功率,/>为第i条子线所有用户消耗的有功功率,/>为第i条子线上的变电站由于电流和电压的相位差产生的阻抗消耗的有功功率,/>为用于维持第i条子线供电的无功功率,第i条子线所有用户消耗的无功功率,/>第i条子线上的变电站由于电流和电压的相位差产生的阻抗消耗的无功功率。
因此通过限定,保证第i条子线在供电过程中处于用于供电产生的有功功率/>全部被变压器阻抗消耗的有功功率以及第i条子线所有用户消耗的有功功率之和(/>)抵消的有功功率稳态状态情况下,同时通过限定,保证第i条子线在供电过程中处于用于维持第i条子线供电的无功功率/>全部被变压器阻抗消耗的无功功率以及第i条子线所有用户消耗的无功功率之和(/>)抵消的无功功率稳态状态情况下,进而通过上述有功功率稳态和无功功率稳态,保证将变压器的工作状态限定在稳态状态的情况下,计算变电器消耗的最小功率值。
在计算过程中可以采用现有技术中的遗传神经网络、ANN、CNN等卷积神经网络对S33步骤构建的配电网变压器损耗最小化动态模型计算得到的t时刻的配电网变压器最小损耗值进行优化迭代,进而得到使配电网处于稳态情况下的变压器最小损耗值的最优值。
本发明还提供一种基于非侵入式感知技术的变压器管理系统,如图2所示,包括电力参数采集模块、用电负载种类识别计算模块、配电网变压器最小损耗计算模块以及主控制模块;
电力参数采集模块,用于实时监测配电网的每条电力用户子线的多个负载的暂态参数,并进行预处理;
用电负载种类识别计算模块,用于构建每条电力用户子线中用电负载种类识别计算模型,识别配电网中多条电力用户子线中每条电力用户子线的用电负载种类;
配电网变压器最小损耗计算模块,用于计算每条电力用户子线的总动态电阻,构建配电网变压器损耗最小化动态模型,得到配电网变压器最小损耗值
主控制模块,用于判断配电网变压器最小损耗值是否大于变压器损耗管理阈值60kva,进而控制开关是否投切变压器。
本申请提供的基于非侵入式感知技术的变压器管理方法可采用在一个或多个其中包含有程序代码的存储介质(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。机器可读存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。机器可读存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
本领域技术人员在考虑说明书及实践这里的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由上面的权利要求指出。
Claims (9)
1.基于非侵入式感知技术的变压器管理方法,所述变压器设置于配电网中,所述配电网的母线通过变压器配送至多条子线,每条子线为一个电力用户提供电力,每条子线上并联多个用电负载,其特征在于,所述方法包括以下步骤:
S1:实时监测配电网的每条电力用户子线的多个负载的暂态参数,并进行预处理;
S2:构建每条电力用户子线中用电负载种类识别计算模型,识别配电网中多条电力用户子线中每条电力用户子线的用电负载种类;
S3:计算每条电力用户子线的总动态电阻,构建配电网变压器损耗最小化动态模型,得到配电网变压器最小损耗值;
S4:判断配电网变压器最小损耗值是否大于变压器损耗管理阈值60kva,若大于,则切断所述配电网变压器,否则重复所述步骤S1-S3;
所述S2步骤构建每条电力用户子线中用电负载种类识别计算模型,包括以下步骤:
S21:于所述S1步骤实时监测每条电力用户子线的多个负载的暂态参数过程中,实时监测第i条子线的第j个负载的实时电压幅值Uij、电流幅值Aij以及负载运行的频率f,构建第i条子线的第j个负载的实时电压信号函数值模型、与第i条子线的第j个负载的实时电压信号的正交信号函数值/>模型以及第i条子线的第j个负载的实时电流信号函数值aij(t)模型:
其中,为所述第i条子线的第j个负载的实时电压信号的电压相位角,/>为所述第i条子线的第j个负载的实时电压信号的正交信号的正交电压相位角;/>为所述第i条子线的第j个负载的实时电流信号的电流相位角;i=1,2,…,N,j=1,2,…,M;
S22:通过对所述S21步骤实时采集的数据的时域采样,将所述S21步骤实时采集的数据转化为离散数据:
其中,S为时域采样频率,k为时域采样时隙K内的第k个时域点,即k=1,2,…,K;为所述第i条子线的第j个负载的k时刻离散电压信号值;/>为所述第i条子线的第j个负载的k时刻离散正交电压信号值;aij(k)为所述第i条子线的第j个负载的k时刻离散电流信号值;
S24:对所述S22步骤转化得到的所述第i条子线的第j个负载的k时刻离散电流信号值aij(k)与所述第i条子线的第j个负载的k时刻离散电压信号值和所述第i条子线的第j个负载的k时刻离散正交电压信号值/>分别执行互相关运算,得到第一电流电压互相关运算值y1(k)和第二电流电压互相关运算值y2(k);
S25:当K为整数时,即当时频采样周期K为整数时,进一步计算所述S24步骤的第一电流电压互相关运算值y1(k)|K为整数和第二电流电压互相关运算值y2(k)|K为整数。
S26:根据所述S25步骤计算得到的当时频采样周期K为整数时的第一电流电压互相关运算值y1(k)|K为整数和第二电流电压互相关运算值y2(k)|K为整数,计算当K为整数时互相关运算值的比值H:
S27:根据所述S26步骤和所述S23步骤的计算结果计算第i条子线的第j个负载电流和电压的相位差γ:
S28:根据所述S27步骤计算得到的第i条子线的第j个负载电流和电压的相位差γ的值和符号判断第i条子线的第j个负载的类型。
2.根据权利要求1所述的基于非侵入式感知技术的变压器管理方法,其特征在于,所述配电网电力用户子线的负载种类包括阻性负载、容性负载和感性负载中的一种或多种。
6.根据权利要求1所述的基于非侵入式感知技术的变压器管理方法,其特征在于,所述S28步骤中判断第i条子线的第j个负载的类型的标准如下:
1)若γ∈(-90°,0°),则负载的电流比电压滞后0°~90°,判断负载为电阻和电感组成的感性负载;
2)若γ∈(0°,90°),则负载的电流比电压超前0°~90°,判断负载电阻和电容组成的容性负载;
3)若γ=0°,则负载的电流和电压没有相位差,判断负载为纯电阻负载,即阻性负载。
8.根据权利要求1所述的基于非侵入式感知技术的变压器管理方法,其特征在于,所述S3步骤中构建配电网变压器损耗最小化动态模型包括以下步骤:
S31:计算每条电力用户子线的总动态电阻,并根据每条电力用户子线的总动态电阻计算每条电力用户子线的电导:
其中,Gi(t)第i条子线的实时电导,Ri(t)为第i条子线的总动态电阻;
S32:于所述S1步骤实时监测每条电力用户子线的多个负载的暂态参数过程中,还实时监测第i条子线第j个负载的电感Lij、第i条子线第j个负载的电容Cij未经变压器传输至各个电力用户子线时的电压幅度U0,并计算第i条子线第j个负载的实时电纳Bij(t):
S33:构建配电网变压器损耗最小化动态模型:
9.基于非侵入式感知技术的变压器管理系统,其特征在于,包括电力参数采集模块、用电负载种类识别计算模块、配电网变压器最小损耗计算模块以及主控制模块;
所述电力参数采集模块,用于实时监测配电网的每条电力用户子线的多个负载的暂态参数,并进行预处理;
所述用电负载种类识别计算模块,用于构建每条电力用户子线中用电负载种类识别计算模型,识别配电网中多条电力用户子线中每条电力用户子线的用电负载种类;
所述配电网变压器最小损耗计算模块,用于计算每条电力用户子线的总动态电阻,构建配电网变压器损耗最小化动态模型,得到配电网变压器最小损耗值;
所述主控制模块,用于判断配电网变压器最小损耗值是否大于变压器损耗管理阈值60kva,进而控制开关是否投切变压器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211576938.9A CN115700963B (zh) | 2022-12-09 | 2022-12-09 | 基于非侵入式感知技术的变压器管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211576938.9A CN115700963B (zh) | 2022-12-09 | 2022-12-09 | 基于非侵入式感知技术的变压器管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115700963A CN115700963A (zh) | 2023-02-07 |
CN115700963B true CN115700963B (zh) | 2023-07-07 |
Family
ID=85121080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211576938.9A Active CN115700963B (zh) | 2022-12-09 | 2022-12-09 | 基于非侵入式感知技术的变压器管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115700963B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106936129A (zh) * | 2017-03-23 | 2017-07-07 | 东北大学 | 基于多特征融合的电力负荷辨识方法及系统 |
CN110412347A (zh) * | 2019-08-12 | 2019-11-05 | 贵州电网有限责任公司 | 一种基于非侵入式负荷监测的窃电行为识别方法与装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012103138A1 (en) * | 2011-01-24 | 2012-08-02 | Geneva Cleantech Inc. | Automatic detection of appliances |
CN102982394A (zh) * | 2012-11-20 | 2013-03-20 | 电子科技大学 | 配电网负荷参数辨识方法及系统 |
CN103105556B (zh) * | 2013-01-30 | 2015-01-07 | 西安交通大学 | 基于稳态与暂态特征联合匹配的智能电网负载检测与识别方法 |
CN106093630B (zh) * | 2016-06-02 | 2019-01-15 | 华北电力大学 | 一种非侵入式家用电器辨识方法 |
CN106680621B (zh) * | 2016-12-02 | 2019-02-05 | 华北电力大学 | 一种基于电流信号分离的居民负荷用电识别方法 |
CN107171435A (zh) * | 2017-03-20 | 2017-09-15 | 国网浙江义乌市供电公司 | 配电网监测节能系统 |
-
2022
- 2022-12-09 CN CN202211576938.9A patent/CN115700963B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106936129A (zh) * | 2017-03-23 | 2017-07-07 | 东北大学 | 基于多特征融合的电力负荷辨识方法及系统 |
CN110412347A (zh) * | 2019-08-12 | 2019-11-05 | 贵州电网有限责任公司 | 一种基于非侵入式负荷监测的窃电行为识别方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115700963A (zh) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111917188A (zh) | 配电台区监测装置、配电台区拓扑识别系统和方法 | |
CN104809665B (zh) | 一种基于改进Apriori算法的配电网预警方法 | |
CN103995162B (zh) | 基于高级量测体系的配电网大用户实时防窃电方法 | |
CN105071399A (zh) | 基于主、配电网互动协调的电压无功综合控制系统 | |
CN108258662A (zh) | 一种多端柔性直流配电线路暂态保护方法及装置 | |
CN105528671A (zh) | 一种基于大数据的电网多维感知与安全评估系统及方法 | |
CN203193399U (zh) | 基于网络化的节能管理监测终端 | |
CN102664400A (zh) | 一种电能质量的监控方法 | |
CN103824124A (zh) | 一种针对电网公司的节能潜力评估方法 | |
CN112398126B (zh) | 一种配电网格降损与防窃运维管理方法 | |
CN111105174B (zh) | 一种配电网供电电压合格率分层评价方法及系统 | |
CN115700963B (zh) | 基于非侵入式感知技术的变压器管理方法及系统 | |
CN102496075A (zh) | 一种基于内存的在线数据整合方法 | |
CN102890450A (zh) | 一种在线的变压器经济运行优化平台 | |
Hassan et al. | Incorporating multi-agent systems technology in power and energy systems of Bangladesh: a feasibility study | |
CN106372764A (zh) | 一种10kV配电网及10kV配电网协调配置方法 | |
CN115758188A (zh) | 一种非侵入式的负荷识别方法、装置、设备和介质 | |
CN110401190B (zh) | 一种电力系统频率实时检测与辨识系统 | |
Tianhua et al. | A novel load estimation method in distribution network | |
Shen et al. | Comprehensive coordinated model of active distribution network planning | |
CN203466629U (zh) | 一种城市配电台区自治管控优化供电系统及其监控系统 | |
Feng et al. | Reactive power optimization compensation of line losses calculation in rural areas | |
Ke et al. | Research on energy efficiency evaluation of medium and low voltage distribution network | |
CN105071543A (zh) | 一种变电站在线监测系统 | |
CN202632517U (zh) | 智能型电压监测数据集中器 |
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 |