CN115754881A - 电压互感器二次侧回路虚接判别方法及装置 - Google Patents

电压互感器二次侧回路虚接判别方法及装置 Download PDF

Info

Publication number
CN115754881A
CN115754881A CN202310005357.8A CN202310005357A CN115754881A CN 115754881 A CN115754881 A CN 115754881A CN 202310005357 A CN202310005357 A CN 202310005357A CN 115754881 A CN115754881 A CN 115754881A
Authority
CN
China
Prior art keywords
voltage
voltage transformer
secondary side
matrix
phase
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.)
Granted
Application number
CN202310005357.8A
Other languages
English (en)
Other versions
CN115754881B (zh
Inventor
严平
胡文韬
李学等
尹沁
魏力
方攀
曹炳芮
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.)
Wuhan Gelanruo Intelligent Technology Co ltd
Original Assignee
Wuhan Gelanruo Intelligent Technology 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 Wuhan Gelanruo Intelligent Technology Co ltd filed Critical Wuhan Gelanruo Intelligent Technology Co ltd
Priority to CN202310005357.8A priority Critical patent/CN115754881B/zh
Publication of CN115754881A publication Critical patent/CN115754881A/zh
Application granted granted Critical
Publication of CN115754881B publication Critical patent/CN115754881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开一种电压互感器二次侧回路虚接判别方法及装置。所述方法应用在电压互感器二次侧回路，所述电压互感器二次侧回路包括依次连接的电压互感器、负载及电能表，所述电压互感器及所述电能表耦接在中性点；所述电压互感器虚接判别方法包括，获取至少一电压互感器二次侧回路实时的三相负载电压；根据至少一时间序列依次截取所述三相负载电压的部分；通过一判别模型预测各所述三相负载电压部分的预测输出；在至少一所述三相负载电压的部分预测输出满足至少一预测条件时判别当前所述三相负载电压的部分发生有中性点虚接。本发明实施例方法及装置基于判别模型实时的判别电压数据的中心点虚接。

Description

电压互感器二次侧回路虚接判别方法及装置
技术领域
本发明涉及电力系统测量领域，具体而言，涉及一种应用在电压互感器二次侧回路的虚接判别方法及装置。
背景技术
电网电压互感器是用来变换线路电压的仪器设备。在220kV以上系统中，电压互感器及其二次负载接线常采用Y0/Y0方式，电能表采用三相四线制。在现场运行中，若中性点的接线端子发生虚接会造成系统中性点的位移，进而造成负载的中性点向负载大的方向位移，使各相负载的负载电压发生变化。尤其，在三相负载不对称时负载电压发生明显的相对偏移。
在现场运行中，电压互感器二次侧回路的中性点虚接存在多种原因，例如中性点的接线端子松动，使接线端子的电压波形发生抖动或突变。电压波形抖动期间，接线端子可能出现打火、烧灼。在现场运行的长期松动下，接线端子氧化，接线电阻增大，使负载的测量设备检测的电压信号与实际电压信号出现偏差大，危害电气设备运行及人身安全。
进一步的，部分现场运行中三相负载保持在不对称且相对接近的，在二次侧回路出现中性点虚接时，每相负载电压的变化不明显，再结合现场运行中系统及负载运行的波动，造成对中性点虚接的判别混淆。
发明内容
有鉴于上述情况，本申请实施例公开了一种电压互感器二次侧回路虚接判别方法及装置。
第一方面，本发明实施例公开一种电压互感器二次侧回路虚接判别方法，应用在电压互感器二次侧回路，所述电压互感器二次侧回路包括依次连接的电压互感器、负载及电能表，所述电压互感器及所述电能表耦接在中性点；所述电压互感器虚接判别方法包括，获取至少一电压互感器二次侧回路实时的三相负载电压；根据至少一时间序列依次截取所述三相负载电压的部分；通过一判别模型预测各所述三相负载电压部分的预测输出；在至少一所述三相负载电压的部分预测输出满足至少一预测条件时判别当前所述三相负载电压的部分发生有中性点虚接。
此外，根据本申请实施例的电压互感器二次侧回路虚接判别方法，其中所述方法 还包括，获取所述三相负载电压的部分包括，获取所述三相负载电压在若干时间节点的每 相负载电压，
Figure 411000DEST_PATH_IMAGE001
、
Figure 403227DEST_PATH_IMAGE002
、
Figure 567492DEST_PATH_IMAGE003
，沿时间序列获取至少两个所述时间节点之间每相负载电压的至少 一负载矢量，
Figure 202260DEST_PATH_IMAGE004
、
Figure 211804DEST_PATH_IMAGE005
、
Figure 776647DEST_PATH_IMAGE006
，沿时间序列组合至少两组所述负载电压差为差 值矩阵
Figure 580655DEST_PATH_IMAGE007
，m∈N，m＞1，沿所述差值矩阵
Figure 43997DEST_PATH_IMAGE008
的时间序列依次获取各时间节点 的列矩阵
Figure 326074DEST_PATH_IMAGE009
，
Figure 542160DEST_PATH_IMAGE010
，i表征为列矩阵
Figure 517070DEST_PATH_IMAGE009
根据所述时间序列在所述差值矩阵 P的第i时间节点，i＜m；通过一判别模型依次预测各所述列矩阵
Figure 202129DEST_PATH_IMAGE009
的预测输出；在至少一所 述列矩阵
Figure 819055DEST_PATH_IMAGE009
的
Figure 889648DEST_PATH_IMAGE011
满足预测条件时判别当前所述电压数据的第i时间节点发生有虚接。
此外，根据本申请实施例的电压互感器二次侧回路虚接判别方法，其中所述方法 还包括，获取所述三相负载电压的部分包括，分别获取两相所述负载电压差的比值，
Figure 504300DEST_PATH_IMAGE012
、
Figure 411076DEST_PATH_IMAGE013
、
Figure 552732DEST_PATH_IMAGE014
。
此外，根据本申请实施例的电压互感器二次侧回路虚接判别方法，其中所述方法 还包括，获取所述三相负载电压的部分包括，归一化所述负载电压差的比值，
Figure 494143DEST_PATH_IMAGE015
、
Figure 810855DEST_PATH_IMAGE016
、
Figure 204928DEST_PATH_IMAGE017
。
此外，根据本申请实施例的电压互感器二次侧回路虚接判别方法，其中所述方法 还包括，所述判别模型包括，初始化所述判别模型；获取电压互感器在二次侧回路发生有至 少一次中性点虚接的样本数据；获取所述样本数据的三相样本电压；沿所述时间序列获取 至少两个所述时间节点之间每相样本电压的至少一样本矢量，
Figure 147345DEST_PATH_IMAGE018
、
Figure 943262DEST_PATH_IMAGE019
、
Figure 962034DEST_PATH_IMAGE020
， 沿时间序列组合至少两组所述样本电压差为差值样本矩阵
Figure 843402DEST_PATH_IMAGE021
，m∈N，m＞ 1，沿所述差值矩阵
Figure 58352DEST_PATH_IMAGE022
的时间序列依次获取各时间节点的列样本矩阵
Figure 708776DEST_PATH_IMAGE023
，
Figure 632870DEST_PATH_IMAGE025
，i表征为所述列样本矩阵
Figure 267113DEST_PATH_IMAGE023
根据所述时间序列在所述差值样本 矩阵
Figure 551333DEST_PATH_IMAGE026
的第i时间节点，i＜m；通过至少一部分所述三相样本电压在第i时间节点的所述列 样本矩阵
Figure 790684DEST_PATH_IMAGE023
训练所述判别模型；通过至少另一部分所述三相样本电压在第i时间节点的所 述列样本矩阵
Figure 151259DEST_PATH_IMAGE023
验证所述判别模型；在验证所述判别模型的满足收敛条件时结束对所述判 别模型的训练；在验证所述判别模型不满足收敛条件时更新所述列样本矩阵
Figure 7219DEST_PATH_IMAGE023
的i值。
此外，根据本申请实施例的电压互感器二次侧回路虚接判别方法，其中所述方法 还包括，在验证所述判别模型不满足收敛条件时更新所述列样本矩阵
Figure 47461DEST_PATH_IMAGE023
的i值包括，通过改 进模拟退火算法根据所述判别模型的预测输出的偏差更新所述列样本矩阵
Figure 938057DEST_PATH_IMAGE023
的i值。
此外，根据本申请实施例的电压互感器二次侧回路虚接判别方法，其中所述方法 还包括，通过改进模拟退火算法根据所述判别模型的预测输出的偏差更新所述列样本矩阵
Figure 656483DEST_PATH_IMAGE023
的i值包括，获取当前温度
Figure 999740DEST_PATH_IMAGE027
及至少一个当前的列样本矩阵
Figure 642074DEST_PATH_IMAGE023
；在差值样本矩阵
Figure 308547DEST_PATH_IMAGE026
中随机 的移位列样本矩阵
Figure 745345DEST_PATH_IMAGE023
，以获取列样本矩阵
Figure 310318DEST_PATH_IMAGE028
；分别通过至少一个列样本矩阵
Figure 677715DEST_PATH_IMAGE023
及列样本矩 阵
Figure 277323DEST_PATH_IMAGE028
训练判别模型，以得到对应判别模型的预测输出的偏差
Figure 681760DEST_PATH_IMAGE029
和
Figure 734029DEST_PATH_IMAGE030
；判断
Figure 704784DEST_PATH_IMAGE029
和
Figure 158899DEST_PATH_IMAGE030
的取值大 小，在判断
Figure 937499DEST_PATH_IMAGE031
时，赋值
Figure 477065DEST_PATH_IMAGE032
；在判断
Figure 983001DEST_PATH_IMAGE033
时，使
Figure 291623DEST_PATH_IMAGE034
与随机数
Figure 241125DEST_PATH_IMAGE035
比较，在
Figure 267986DEST_PATH_IMAGE036
时，接受所述列样本矩阵
Figure 843193DEST_PATH_IMAGE028
，更新i=j；在
Figure 6321DEST_PATH_IMAGE037
时，不接受所述 列样本矩阵
Figure 329986DEST_PATH_IMAGE028
，保持i；增加当前迭代次数n；比较n与迭代次数
Figure 358991DEST_PATH_IMAGE038
；在
Figure 223042DEST_PATH_IMAGE039
时重新获取所 述列样本矩阵
Figure 240676DEST_PATH_IMAGE028
，在
Figure 797560DEST_PATH_IMAGE040
时进入判断当前
Figure 785632DEST_PATH_IMAGE029
是否满足收敛条件；在
Figure 187794DEST_PATH_IMAGE029
满足收敛条件时所 述判别模型配置成功，在
Figure 325514DEST_PATH_IMAGE029
不满足收敛条件时使更新
Figure 53299DEST_PATH_IMAGE027
且重新获取所述列样本矩阵
Figure 260158DEST_PATH_IMAGE028
。
此外，根据本申请实施例的电压互感器二次侧回路虚接判别方法，其中所述方法 还包括，判断当前
Figure 934853DEST_PATH_IMAGE029
是否满足收敛条件包括，在
Figure 927080DEST_PATH_IMAGE041
时所述判别模型配置成功，在
Figure 356924DEST_PATH_IMAGE042
时使
Figure 316659DEST_PATH_IMAGE043
且重新获取所述列样本矩阵
Figure 326203DEST_PATH_IMAGE028
，A为收敛阈值。
此外，根据本申请实施例的电压互感器二次侧回路虚接判别方法，其中所述方法 还包括，在
Figure 172937DEST_PATH_IMAGE029
不满足收敛条件时使更新
Figure 242524DEST_PATH_IMAGE027
包括，
使k=k+1；
Figure 423975DEST_PATH_IMAGE044
，
Figure 237211DEST_PATH_IMAGE045
为温度最小值、
Figure 938450DEST_PATH_IMAGE046
为温度最大值、k为迭代次数、
Figure 634398DEST_PATH_IMAGE047
为超参。
第二方面，本发明实施例公开一种电压互感器二次侧回路虚接判别装置，应用在电压互感器二次侧回路，所述电压互感器二次侧回路包括依次连接的电压互感器、负载及电能表，所述电压互感器及所述电能表分别连接到中性点；所述电压互感器虚接判别装置包括采集模块、截取模块、预测模块及分析模块；
所述采集模块用于获取至少一电压互感器实时的电压数据，以及获取所述电压数据的三相负载电压；
所以截取模块用于根据至少一时间序列依次截取所述三相负载电压的部分；
所述预测模块用于通过一判别模型预测各所述三相负载电压部分的预测输出；
所述分析模块用于在至少一所述三相负载电压的部分预测输出满足至少一预测条件时判别当前所述三相负载电压的部分发生有中性点虚接。
本发明实施例与现有技术相比，本实施例公开的方法及装置基于判别模型实时的判别电压数据出现中心点虚接的情形。
针对上述方案，本发明通过以下参照附图对公开的示例性实施例作详细描述，亦使本发明实施例的其它特征及其优点清楚。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例电压互感器二次侧回路的结构示意图；
图2为本发明实施例电压互感器虚接判别方法的流程示意图；
图3为本发明实施例方法截取负载电压的流程示意图；
图4为本发明实施例方法训练判别模型的流程示意图；
图5为本发明实施例方法训练判别模型及验证判别模型后更新列样本矩阵的流程示意图；
图6为本发明实施例电压互感器虚接判别装置的结构示意图。
具体实施方式
为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，公开这些实施例的目的是使本申请的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
在此使用时，单数形式的“一”、“一个”和“/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。
本实施例公开有电压互感器虚接判别方法。图1示出本实施例电压互感器在二次侧部分的回路包括电能表及部署在每相的电压互感器及负载，每相电压互感器通过负载与电能表的相端耦接及通过中性点形成回路。本实施例方法用于根据各相负载的负载电压判别中性点虚接的发生。
请参见图2及图3，图2为本申请实施例公开的电压互感器虚接判别方法步骤实施的流程示意图。图3为本身实施例步骤S200截取负载电压部分的流程示意图。
在图2中实时获取三相电压互感器二次侧回路的电压数据，截取电压数据的部分，通过判别模型预测截取部分的电压数据是否发生有中性点虚接，所述电压互感器虚接判别方法包括以下步骤。
S100，获取每相电压互感器在二次侧回路实时的电压数据。
其中，本申请实施例二次侧回路包括分别部署A、B、C三相的电压互感器。三个电压互感器对应的负载电压组合为三相负载电压。每个电压互感器的负载电压是数据集。获取负载电压是通过外部设备实时的读取，或通过电能表的每相相端获取。
S200，根据时间序列依次截取多个时间节点的三相负载电压的部分。
其中，对三相负载电压的截取是获取同一时间节点每相负载的负载电压。被截取部分的三相负载电压用于预测的判别当前时间节点是否发生有中性点虚接。在图3中，根据中性点虚接时中性点向负载大的相偏移的特点，对每相负载电压作出预处理包括以下步骤。
S201，根据时间序列获取三相负载电压在若干时间节点的每相负载电压，
Figure 116195DEST_PATH_IMAGE001
、
Figure 467542DEST_PATH_IMAGE002
、
Figure 492130DEST_PATH_IMAGE003
。
S202，沿时间序列的多个相同步长的节点区间，获取每个节点区间的每相负载电 压的负载矢量，
Figure 887208DEST_PATH_IMAGE048
、
Figure 793984DEST_PATH_IMAGE049
、
Figure 683443DEST_PATH_IMAGE050
。节点区间的步长一般在 1个单位时间差。
S203，获取全部两相负载电压之间电压差的比值，
Figure 77384DEST_PATH_IMAGE012
、
Figure 581046DEST_PATH_IMAGE013
、
Figure 975119DEST_PATH_IMAGE014
。
S204，获取至少两组负载电压差为差值矩阵
Figure 668268DEST_PATH_IMAGE007
，m∈N，m＞1。
Figure 464186DEST_PATH_IMAGE051
表 示为A相在时间序列内的起点，
Figure 457857DEST_PATH_IMAGE052
表示为A相在时间序列内当前的实时终点。可选的，电压 数据的采集是持续的，在一次侧回路或电压互感器自身停止工作前，m的取值持续增加。
S205，创建列矩阵
Figure 73646DEST_PATH_IMAGE053
。在差值矩阵
Figure 570486DEST_PATH_IMAGE054
中沿时间序列依次获取各节点区间的列 矩阵
Figure 17648DEST_PATH_IMAGE009
，
Figure 941742DEST_PATH_IMAGE055
，i表征为列矩阵
Figure 559674DEST_PATH_IMAGE009
根据所述时间序列在所述差值矩阵P的 第i节点区间，i≤m。
基于此，本申请实施例在电压数据中获取各节点区间的列矩阵
Figure 797888DEST_PATH_IMAGE053
，各列矩 阵的元素表示为节点区间内两相负载电压差的比值，面向三相负载不平衡的二次侧回路， 可放大因负载不平衡造成中性点虚接时中性点的偏移。
优选的，在实施步骤S204之前可对两相负载电压差的比值作出归一化处理，使
Figure 302819DEST_PATH_IMAGE015
、
Figure 647081DEST_PATH_IMAGE016
、
Figure 237463DEST_PATH_IMAGE017
。归一化后两相负载电压差的比值被限制在[0,1]，避免 出现单相空载或两相负载差异大造成列矩阵中各元素出现数量级差异。
S300，通过一判别模型预测各三相负载电压部分的预测输出。
其中，判别模型为BP神经网络预测模型。BP神经网络预测模型包括输入层、隐含层 及输出层。输入层公开有与列矩阵的元素数量是相同的，即输入节点有3个。隐含层公开有m 个隐含节点，m∈N且0＜m＜10，本实施例优选为5。输出层公开有1个输出节点。隐含节点的 激活函数为
Figure 76106DEST_PATH_IMAGE056
。输出节点为恒等线性映射函数，即x=y。
图4公开有本申请实施例对判别模型的训练，尤其是对非明确样本的应用，以实现 对本申请实施例步骤S205中任意列矩阵
Figure 701122DEST_PATH_IMAGE009
的中性点虚接判别。在图4中，非明确样本是指历 史电压互感器的二次侧回路的样本数据，样本数据包括三相样本电压及已知样本数据是否 有出现中性点虚接的标记，标记未覆盖样本数据发生中性点虚接的次数及节点区间。所述 判别模型训练包括以下步骤。
S301，初始化判别模型。
S302，获取若干电压互感器在二次侧回路的样本数据及标记所述样本数据是否发生过中性点虚接。
S303，获取样本数据的每相样本电压，
Figure 216286DEST_PATH_IMAGE057
、
Figure 293963DEST_PATH_IMAGE058
、
Figure 670718DEST_PATH_IMAGE059
。
S304，沿时间序列获取若干节点区间的每相样本电压差，
Figure 150241DEST_PATH_IMAGE060
、
Figure 839236DEST_PATH_IMAGE061
、
Figure 404209DEST_PATH_IMAGE062
。
S305,获取全部两相样本电压之间电压差的比值，
Figure 584655DEST_PATH_IMAGE063
、
Figure 184264DEST_PATH_IMAGE064
、
Figure 41230DEST_PATH_IMAGE065
。
S306，沿时间序列组合至少两组样本电压差为差值样本矩阵
Figure 827920DEST_PATH_IMAGE021
， m∈N，m＞1。
S307，沿所述差值样本矩阵
Figure 812057DEST_PATH_IMAGE026
的时间序列依次获取各节点区间的列样本矩阵
Figure 266172DEST_PATH_IMAGE023
，
Figure 294040DEST_PATH_IMAGE066
，i表征为所述列样本矩阵
Figure 568026DEST_PATH_IMAGE023
根据所述时间序列在所述差值样本矩 阵
Figure 90275DEST_PATH_IMAGE026
的第i区间节点，i＜m。
S308，选取一部分样本数据在第i区间节点的列样本矩阵
Figure 398896DEST_PATH_IMAGE023
作为训练集，通过若干 训练集及标记实施对判别模型的训练。
S309，选择另一部分样本数据在第i区间节点的列样本矩阵
Figure 863244DEST_PATH_IMAGE023
作为验证集，通过若 干验证集及标记验证训练后判别模型的预测输出的偏差
Figure 890106DEST_PATH_IMAGE029
。验证预测输出的偏差
Figure 419308DEST_PATH_IMAGE029
包括，
在判断预测输出的偏差
Figure 786965DEST_PATH_IMAGE029
满足收敛条件时结束对接受判别模型；
在判断预测输出的偏差
Figure 140323DEST_PATH_IMAGE029
不满足收敛条件时更新列样本矩阵
Figure 388902DEST_PATH_IMAGE023
的i值并返回 S308。
基于此，本申请实施例应用非明确样本，非明确样本是指现场运行中可获取及解 读的历史的电压互感器二次侧回路各相负载电压的变化曲线，以及由前期电力系统出现的 故障、事件，或人工后期结合经验判别分析出的所述变化曲线是否对应发生有至少一次或 多次中性点虚接情形的粗样本。本申请实施例应用非明确样本作为样本数据。在已知部分 的样本数据至少发生有一次中性点虚接，未知发生中心点虚接的数据位置时，通过一部分 样本数据在第i节点区间的列样本矩阵
Figure 987374DEST_PATH_IMAGE023
训练判别模型，再通过一部分样本数据在第i节点 区间的列样本矩阵
Figure 536167DEST_PATH_IMAGE023
获取判别模型的预测输出的偏差
Figure 797777DEST_PATH_IMAGE029
。根据判断预测输出的偏差
Figure 736914DEST_PATH_IMAGE029
决 定是否接受当前判别模型，若接受则应用当前判别模型在步骤S205中的中性点判别，若不 接受则更新i的取值，即更换样本数据用于训练的当前第i节点区间并重新创建列样本矩阵
Figure 653924DEST_PATH_IMAGE023
。
优选的，非明确样本的标记是指对历史的样本数据是否发生有一次或多次中性点接地的标记。所述标记可以是由前期电力系统出现的故障、事件，或人工后期结合经验判别分析出的概率值，即当前样本数据发生过中性点虚接的可能概率。那么判别模型的预测输出是0到1的概率值，预测输出的偏差是概率偏差。
S400，在三相负载电压的部分的预测输出的偏差满足至少一预测条件时判别当前所述三相负载电压的部分发生有虚接。
其中，预测条件是判断有至少一三相负载电压部分的预测输出的偏差结果表征为中性点接地，说明当前电压互感器的二次侧回路出现有中性点接地的情形。此外，若有至少两个三相负载电压不同的部分的预测输出的偏差结果均表征为中性点接地，那么电压互感器的二次侧回路出现有多次中性点接地的情形。多次中性点接地的情形可理解为因振动，例如铁路交通部门的电力系统的现场，造成的中性点接线端子的因振动出现的临时性松脱。
图5公开有训练判别模型及验证判别模型后更新列样本矩阵
Figure 791644DEST_PATH_IMAGE023
的步骤。在图5中， 通过改进模拟退火算法更新样本矩阵
Figure 253849DEST_PATH_IMAGE023
，以获取优解的判别模型。所述训练判别模型包括 以下步骤。
S10，获取当前温度
Figure 477020DEST_PATH_IMAGE027
、迭代次数
Figure 200650DEST_PATH_IMAGE067
及若干当前i取值的列样本矩阵
Figure 192877DEST_PATH_IMAGE023
。
S20，在差值样本矩阵
Figure 825983DEST_PATH_IMAGE026
中随机的移位列样本矩阵
Figure 333188DEST_PATH_IMAGE023
，以获取列样本矩阵
Figure 342732DEST_PATH_IMAGE068
，i≠j。
S30分别通过若干一部分当前i取值的列样本矩阵
Figure 438733DEST_PATH_IMAGE023
及当前j取值的列样本矩阵
Figure 711583DEST_PATH_IMAGE068
训练两个相同架构实现的判别模型。
S40，分别通过若干另一部分当前i取值的列样本矩阵
Figure 440504DEST_PATH_IMAGE023
及当前j取值的列样本矩 阵
Figure 706270DEST_PATH_IMAGE068
验证两个判别模型，以取得两个判别模型的预测输出的偏差
Figure 407509DEST_PATH_IMAGE029
和
Figure 444735DEST_PATH_IMAGE030
。
S50，判断
Figure 864215DEST_PATH_IMAGE029
和
Figure 215562DEST_PATH_IMAGE030
的取值，
其中，根据对取值的大小判断更新当前列矩阵的取值；
在判断
Figure 286155DEST_PATH_IMAGE031
时，保持i的取值；
在判断
Figure 697545DEST_PATH_IMAGE033
时，使
Figure 604321DEST_PATH_IMAGE034
与随机数
Figure 759359DEST_PATH_IMAGE035
比较，
在
Figure 687388DEST_PATH_IMAGE036
时，接受列样本矩阵
Figure 269679DEST_PATH_IMAGE068
，更新i=j；
在
Figure 663752DEST_PATH_IMAGE037
时，不接受列样本矩阵
Figure 356901DEST_PATH_IMAGE068
，保持i的取值。
可选的，随机数
Figure 402086DEST_PATH_IMAGE035
为随机函数
Figure 889700DEST_PATH_IMAGE069
，随机函数
Figure 771068DEST_PATH_IMAGE069
的最大值与
Figure 267908DEST_PATH_IMAGE027
正相关。随着向最 优解的逼近，随机函数
Figure 167600DEST_PATH_IMAGE069
的越加严格。
S60，增加当前迭代次数n，比较迭代次数n与迭代次数阀值
Figure 91694DEST_PATH_IMAGE070
，
在
Figure 194779DEST_PATH_IMAGE071
时返回S10，在
Figure 229731DEST_PATH_IMAGE072
时进入S70。
S70，判断当前
Figure 452771DEST_PATH_IMAGE029
是否满足收敛条件，
在当前
Figure 547766DEST_PATH_IMAGE029
满足收敛条件时接受当前训练的判别模型，
在当前
Figure 138147DEST_PATH_IMAGE029
不满足收敛条件时使更新
Figure 217269DEST_PATH_IMAGE027
并返回S10。
其中，判断当前
Figure 842285DEST_PATH_IMAGE029
是否满足收敛条件包括，
在
Figure 108181DEST_PATH_IMAGE073
时接受判别模型，A为收敛阈值；
在
Figure 185859DEST_PATH_IMAGE074
时使
Figure 811881DEST_PATH_IMAGE075
并返回S10。
其中，更新
Figure 291404DEST_PATH_IMAGE027
包括，使k=k+1；
Figure 728202DEST_PATH_IMAGE076
，
Figure 293175DEST_PATH_IMAGE077
；
Figure 722888DEST_PATH_IMAGE078
。
其中，
Figure 56918DEST_PATH_IMAGE079
为温度最小值、
Figure 930196DEST_PATH_IMAGE080
为温度最大值、k为迭代次数、
Figure 982465DEST_PATH_IMAGE081
为超参。那么
Figure 215869DEST_PATH_IMAGE082
的 特性曲线呈现为先递减再递增的过程，通过
Figure 404405DEST_PATH_IMAGE082
的特性曲线，在模拟退火的降温速率先保持在 高水平，随之逐渐减小到低水平，再回复到高水平，以提高通过改进模拟退火算法配置判别 模型的效率。
基于此，本申请实施例基于选取非准确样本的部分对判别模型进行训练，并且对训练后判别模型作出验证，通过训练及验证判别模型，实施的更新用于训练的非准确样本的部分选取。
在一些实施例中，列样本矩阵
Figure 183005DEST_PATH_IMAGE083
，
Figure 722571DEST_PATH_IMAGE084
，0＜1≤i＜j≤m。 那么列样本矩阵
Figure 497017DEST_PATH_IMAGE085
在差值样本矩阵
Figure 805638DEST_PATH_IMAGE086
的位移可以有多种形式。
例如，位移前j-i=C，C1是常数；位移后j-i=C2，C2是常数，C1≠C2。那么位移前后列 样本矩阵
Figure 755140DEST_PATH_IMAGE085
截取的差值样本矩阵
Figure 782002DEST_PATH_IMAGE087
的部分向前或先后的扩张或缩小。
例如，位移后列样本矩阵
Figure DEST_PATH_IMAGE088
。那么位移前后列样本 矩阵
Figure 560471DEST_PATH_IMAGE085
截取的差值样本矩阵
Figure 723599DEST_PATH_IMAGE087
的部分整体向前或先后位移有K的位置。
在当前列样本矩阵
Figure 844001DEST_PATH_IMAGE083
时判别模型被接受并记录当前列样本矩阵
Figure 341848DEST_PATH_IMAGE083
的i、j的取值。 在本申请实施例步骤S
请参见图6，图6为本申请实施例公开的电压互感器虚接判别装置的结构示意图。在图6中本申请实施例装置包括有采集模块、截取模块、预测模块及分析模块。
所述采集模块用于获取至少一电压互感器实时的电压数据，以及获取所述电压数据的三相负载电压。所以截取模块用于根据至少一时间序列依次截取所述三相负载电压的部分。所述预测模块用于通过一判别模型预测各所述三相负载电压部分的预测输出。所述分析模块用于在至少一所述三相负载电压的部分预测输出满足至少一预测条件时判别当前所述三相负载电压的部分发生有虚接。
本发明实施例公开一种存储介质的示意图。存储介质包含计算机可执行指令，计算机可执行指令在由计算机处理器执行时用于执行电压互感器虚接判别方法，所述方法包括步骤获取至少一电压互感器实时的电压数据。获取所述电压数据的三相负载电压。根据至少一时间序列依次截取所述三相负载电压的部分。通过一判别模型预测各所述三相负载电压部分的预测输出；在至少一所述三相负载电压的部分预测输出满足至少一预测条件时判别当前所述三相负载电压的部分发生有虚接。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。
基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种电压互感器二次侧回路虚接判别方法，其特征在于，应用在电压互感器二次侧回路，所述电压互感器二次侧回路包括依次连接的电压互感器、负载及电能表，所述电压互感器及所述电能表耦接在中性点；所述电压互感器虚接判别方法包括，
获取至少一电压互感器二次侧回路实时的三相负载电压；
根据至少一时间序列依次截取所述三相负载电压的部分；
通过一判别模型预测各所述三相负载电压部分的预测输出；
在至少一所述三相负载电压的部分预测输出满足至少一预测条件时判别当前所述三相负载电压的部分发生有中性点虚接。
2.根据权利要求1所述的电压互感器二次侧回路虚接判别方法，其特征在于，获取所述三相负载电压的部分包括，
获取所述三相负载电压在若干时间节点的每相负载电压，
Figure 384701DEST_PATH_IMAGE001
、
Figure 36262DEST_PATH_IMAGE002
、
Figure 783376DEST_PATH_IMAGE003
，
沿时间序列获取至少两个所述时间节点之间每相负载电压的至少一负载矢量，
Figure 913006DEST_PATH_IMAGE004
、
Figure 196220DEST_PATH_IMAGE005
、
Figure 487524DEST_PATH_IMAGE006
，
沿时间序列组合至少两组所述负载电压差为差值矩阵
Figure 488978DEST_PATH_IMAGE007
，m∈N，m＞1，
沿所述差值矩阵
Figure 156720DEST_PATH_IMAGE008
的时间序列依次获取各时间节点的列矩阵
Figure 560019DEST_PATH_IMAGE009
，
Figure 22225DEST_PATH_IMAGE010
， i表征为列矩阵
Figure 245395DEST_PATH_IMAGE009
根据所述时间序列在所述差值矩阵P的第i时间节点，i＜m；
通过一判别模型依次预测各所述列矩阵
Figure 716828DEST_PATH_IMAGE009
的预测输出；
在至少一所述列矩阵
Figure 213449DEST_PATH_IMAGE009
的
Figure 377715DEST_PATH_IMAGE011
满足预测条件时判别当前所述电压数据的第i时间节点发 生有虚接。
3.根据权利要求2所述的电压互感器二次侧回路虚接判别方法，其特征在于，获取所述三相负载电压的部分包括，
分别获取两相所述负载电压差的比值，
Figure 88182DEST_PATH_IMAGE012
、
Figure 832147DEST_PATH_IMAGE013
、
Figure 210038DEST_PATH_IMAGE014
。
4.根据权利要求3所述的电压互感器二次侧回路虚接判别方法，其特征在于，获取所述三相负载电压的部分包括，
归一化所述负载电压差的比值，
Figure 14046DEST_PATH_IMAGE015
、
Figure 477389DEST_PATH_IMAGE016
、
Figure 25045DEST_PATH_IMAGE017
。
5.根据权利要求2所述的电压互感器二次侧回路虚接判别方法，其特征在于，所述判别模型包括，
初始化所述判别模型；
获取电压互感器在二次侧回路发生有至少一次中性点虚接的样本数据；
获取所述样本数据的三相样本电压；
沿所述时间序列获取至少两个所述时间节点之间每相样本电压的至少一样本矢量，
Figure 991864DEST_PATH_IMAGE018
、
Figure 497931DEST_PATH_IMAGE019
、
Figure 415947DEST_PATH_IMAGE020
，
沿时间序列组合至少两组所述样本电压差为差值样本矩阵
Figure 32873DEST_PATH_IMAGE021
，m∈ N，m＞1，
沿所述差值矩阵
Figure 854198DEST_PATH_IMAGE022
的时间序列依次获取各时间节点的列样本矩阵
Figure 265588DEST_PATH_IMAGE023
，
Figure 172364DEST_PATH_IMAGE025
，i表征为所述列样本矩阵
Figure 327402DEST_PATH_IMAGE023
根据所述时间序列在所述差值样本矩 阵
Figure 268813DEST_PATH_IMAGE026
的第i时间节点，i＜m；
通过至少一部分所述三相样本电压在第i时间节点的所述列样本矩阵
Figure 851104DEST_PATH_IMAGE023
训练所述判别 模型；
通过至少另一部分所述三相样本电压在第i时间节点的所述列样本矩阵
Figure 245176DEST_PATH_IMAGE023
验证所述判 别模型；
在验证所述判别模型的满足收敛条件时结束对所述判别模型的训练；
在验证所述判别模型不满足收敛条件时更新所述列样本矩阵
Figure 702440DEST_PATH_IMAGE023
的i值。
6.根据权利要求5所述的电压互感器二次侧回路虚接判别方法，其特征在于，在验证所 述判别模型不满足收敛条件时更新所述列样本矩阵
Figure 232779DEST_PATH_IMAGE023
的i值包括，通过改进模拟退火算法 根据所述判别模型的预测输出的偏差更新所述列样本矩阵
Figure 251550DEST_PATH_IMAGE023
的i值。
7.根据权利要求6所述的电压互感器二次侧回路虚接判别方法，其特征在于，通过改进 模拟退火算法根据所述判别模型的预测输出的偏差更新所述列样本矩阵
Figure 132919DEST_PATH_IMAGE023
的i值包括，
获取当前温度
Figure 895338DEST_PATH_IMAGE027
及至少一个当前的列样本矩阵
Figure 545762DEST_PATH_IMAGE023
；
在差值样本矩阵
Figure 204277DEST_PATH_IMAGE026
中随机的移位列样本矩阵
Figure 838521DEST_PATH_IMAGE023
，以获取列样本矩阵
Figure 873473DEST_PATH_IMAGE028
；
分别通过至少一个列样本矩阵
Figure 909562DEST_PATH_IMAGE023
及列样本矩阵
Figure 237513DEST_PATH_IMAGE028
训练判别模型，以得到对应判别模型 的预测输出的偏差
Figure 93473DEST_PATH_IMAGE029
和
Figure 197695DEST_PATH_IMAGE030
；
判断
Figure 557133DEST_PATH_IMAGE029
和
Figure 823029DEST_PATH_IMAGE030
的取值大小，
在判断
Figure 166286DEST_PATH_IMAGE031
时，赋值
Figure 808619DEST_PATH_IMAGE032
；
在判断
Figure 553722DEST_PATH_IMAGE033
时，使
Figure 990519DEST_PATH_IMAGE034
与随机数
Figure 821072DEST_PATH_IMAGE035
比较，
在
Figure 494193DEST_PATH_IMAGE036
时，接受所述列样本矩阵
Figure 93802DEST_PATH_IMAGE028
，更新i=j；
在
Figure 701501DEST_PATH_IMAGE037
时，不接受所述列样本矩阵
Figure 19350DEST_PATH_IMAGE028
，保持i；
增加当前迭代次数n；
比较n与迭代次数
Figure 737907DEST_PATH_IMAGE038
；
在
Figure 457601DEST_PATH_IMAGE039
时重新获取所述列样本矩阵
Figure 236201DEST_PATH_IMAGE028
，
在
Figure 41346DEST_PATH_IMAGE040
时进入判断当前
Figure 563595DEST_PATH_IMAGE029
是否满足收敛条件；
在
Figure 872216DEST_PATH_IMAGE029
满足收敛条件时所述判别模型配置成功，
在
Figure 320253DEST_PATH_IMAGE029
不满足收敛条件时使更新
Figure 81535DEST_PATH_IMAGE027
且重新获取所述列样本矩阵
Figure 673054DEST_PATH_IMAGE028
。
8.根据权利要求7所述的电压互感器二次侧回路虚接判别方法，其特征在于，判断当前
Figure 836182DEST_PATH_IMAGE029
是否满足收敛条件包括，
在
Figure 956585DEST_PATH_IMAGE041
时所述判别模型配置成功，在
Figure 470743DEST_PATH_IMAGE042
时使
Figure 600373DEST_PATH_IMAGE043
且重新获取所述列样本矩 阵
Figure 618007DEST_PATH_IMAGE028
，A为收敛阈值。
9.根据权利要求7所述的电压互感器二次侧回路虚接判别方法，其特征在于，在
Figure 174890DEST_PATH_IMAGE029
不满 足收敛条件时使更新
Figure 176344DEST_PATH_IMAGE027
包括，
使k=k+1；
Figure 342621DEST_PATH_IMAGE044
，
Figure 214762DEST_PATH_IMAGE045
为温度最小值、
Figure 942547DEST_PATH_IMAGE046
为温度最大值、k为迭代次数、
Figure 431297DEST_PATH_IMAGE047
为超参。
10.一种电压互感器二次侧回路虚接判别装置，其特征在于，应用在电压互感器二次侧回路，所述电压互感器二次侧回路包括依次连接的电压互感器、负载及电能表，所述电压互感器及所述电能表分别连接到中性点；所述电压互感器虚接判别装置包括采集模块、截取模块、预测模块及分析模块；
所述采集模块用于获取至少一电压互感器实时的电压数据，以及获取所述电压数据的三相负载电压；
所以截取模块用于根据至少一时间序列依次截取所述三相负载电压的部分；
所述预测模块用于通过一判别模型预测各所述三相负载电压部分的预测输出；
所述分析模块用于在至少一所述三相负载电压的部分预测输出满足至少一预测条件时判别当前所述三相负载电压的部分发生有中性点虚接。
CN202310005357.8A 2023-01-04 2023-01-04 电压互感器二次侧回路虚接判别方法及装置 Active CN115754881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310005357.8A CN115754881B (zh) 2023-01-04 2023-01-04 电压互感器二次侧回路虚接判别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310005357.8A CN115754881B (zh) 2023-01-04 2023-01-04 电压互感器二次侧回路虚接判别方法及装置

Publications (2)

Publication Number Publication Date
CN115754881A true CN115754881A (zh) 2023-03-07
CN115754881B CN115754881B (zh) 2023-04-25

Family

ID=85348150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310005357.8A Active CN115754881B (zh) 2023-01-04 2023-01-04 电压互感器二次侧回路虚接判别方法及装置

Country Status (1)

Country Link
CN (1) CN115754881B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188181A (zh) * 2018-09-08 2019-01-11 国网山西省电力公司电力科学研究院 电网电压互感器二次回路中性线虚接判断方法
CN109407031A (zh) * 2018-10-09 2019-03-01 国网四川省电力公司电力科学研究院 基于时间序列分层聚类的电压互感器故障识别方法
CN111474510A (zh) * 2020-04-25 2020-07-31 华中科技大学 一种非平稳输出的电压互感器的误差评估方法及系统
CN111999600A (zh) * 2020-08-25 2020-11-27 武汉中元华电电力设备有限公司 一种智能配网终端二次电流回路故障诊断定位方法及系统
CN113325357A (zh) * 2021-08-04 2021-08-31 华中科技大学 基于输出时间序列差分的电压互感器误差评估方法及系统
CN113900045A (zh) * 2021-09-02 2022-01-07 联合汽车电子有限公司 后氧传感器信号线虚接诊断方法和装置
CN114089120A (zh) * 2021-11-25 2022-02-25 国网陕西省电力公司西咸新区供电公司 一种智能变电站二次电压回路故障诊断定位装置及方法
CN114740418A (zh) * 2022-05-05 2022-07-12 合肥工业大学 一种电容式电压互感器误差在线检测方法
CN115166603A (zh) * 2022-06-24 2022-10-11 北京天能继保电力科技有限公司 电网电压互感器二次回路接线端子虚接判断方法及装置
CN115408864A (zh) * 2022-09-01 2022-11-29 国网安徽省电力有限公司电力科学研究院 电子式互感器误差状态自适应预测方法、系统及设备
CN115508765A (zh) * 2022-10-28 2022-12-23 武汉格蓝若智能技术股份有限公司 一种电压互感器采集装置在线自诊断方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188181A (zh) * 2018-09-08 2019-01-11 国网山西省电力公司电力科学研究院 电网电压互感器二次回路中性线虚接判断方法
CN109407031A (zh) * 2018-10-09 2019-03-01 国网四川省电力公司电力科学研究院 基于时间序列分层聚类的电压互感器故障识别方法
CN111474510A (zh) * 2020-04-25 2020-07-31 华中科技大学 一种非平稳输出的电压互感器的误差评估方法及系统
CN111999600A (zh) * 2020-08-25 2020-11-27 武汉中元华电电力设备有限公司 一种智能配网终端二次电流回路故障诊断定位方法及系统
CN113325357A (zh) * 2021-08-04 2021-08-31 华中科技大学 基于输出时间序列差分的电压互感器误差评估方法及系统
CN113900045A (zh) * 2021-09-02 2022-01-07 联合汽车电子有限公司 后氧传感器信号线虚接诊断方法和装置
CN114089120A (zh) * 2021-11-25 2022-02-25 国网陕西省电力公司西咸新区供电公司 一种智能变电站二次电压回路故障诊断定位装置及方法
CN114740418A (zh) * 2022-05-05 2022-07-12 合肥工业大学 一种电容式电压互感器误差在线检测方法
CN115166603A (zh) * 2022-06-24 2022-10-11 北京天能继保电力科技有限公司 电网电压互感器二次回路接线端子虚接判断方法及装置
CN115408864A (zh) * 2022-09-01 2022-11-29 国网安徽省电力有限公司电力科学研究院 电子式互感器误差状态自适应预测方法、系统及设备
CN115508765A (zh) * 2022-10-28 2022-12-23 武汉格蓝若智能技术股份有限公司 一种电压互感器采集装置在线自诊断方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李振华;李春燕;张竹;: "基于Q-ARMA的电子式电压互感器误差状态预测" *

Also Published As

Publication number Publication date
CN115754881B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
Filomena et al. Fault location for underground distribution feeders: An extended impedance-based formulation with capacitive current compensation
EP3043186B1 (en) Method and system for identifying full parameters of element by fault recorder, and fault locating method
US5805400A (en) Auto-reclosing dead time control apparatus and method thereof for transmission cable protection relay system
CN110210740B (zh) 一种考虑供电质量的配电网可靠性评估方法
CN109818349B (zh) 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法
CN109029960B (zh) 一种断路器机械状态检测方法
CN111751671A (zh) 基于vmd-dtw聚类的小电流接地系统故障选线方法
CN109936113B (zh) 一种基于随机森林算法的保护动作智能诊断方法及系统
Mohamed et al. Voltage contingency selection technique for security assessment
CN107132762A (zh) 基于预想故障集自动筛选的在线静态安全评估方法
CN114414942A (zh) 基于暂态波形图像识别的输电线路故障辨识分类器、辨识方法及系统
CN110532731B (zh) 一种电压暂降凹陷域快速计算方法
CN109375037B (zh) 一种中压船舶电力系统单相接地故障报警器设计方法
CN110190617B (zh) 多馈入直流电力系统的评估方法、系统、设备及存储介质
CN115754881A (zh) 电压互感器二次侧回路虚接判别方法及装置
KR101988670B1 (ko) 배전계통의 상태추정 장치
Papadopoulos et al. Online parameter identification and generic modeling derivation of a dynamic load model in distribution grids
EP0864096A2 (de) Verfahren zum gewinnen von fehlerbehaftete schleifen in einem mehrphasigen elektrischen energieversorgungsnetz kennzeichnenden signalen
CN109784777B (zh) 基于时序信息片段云相似度度量的电网设备状态评估方法
CN103942416B (zh) 基于加权节点生成树的电压估计方法
EP1324458B1 (en) A method of the identification of weak and/or strong branches of an electric power transmission system
JP4370263B2 (ja) 下位系負荷モデルの定数算出方法及び算出プログラム
Polster et al. Generalisation of the Line Outage Distribtution Factors on Phase Shifting Transformers
JP3479711B2 (ja) 電力系統状態決定装置
Zhu et al. An optimization based network reduction method with generator placement

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