CN115965080A - 新能源发电单元运行状态识别方法、装置及存储介质 - Google Patents
新能源发电单元运行状态识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115965080A CN115965080A CN202211386757.XA CN202211386757A CN115965080A CN 115965080 A CN115965080 A CN 115965080A CN 202211386757 A CN202211386757 A CN 202211386757A CN 115965080 A CN115965080 A CN 115965080A
- Authority
- CN
- China
- Prior art keywords
- state
- power generation
- generation unit
- new energy
- data
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000010977 unit operation Methods 0.000 title claims description 7
- 238000003066 decision tree Methods 0.000 claims abstract description 21
- 230000001052 transient effect Effects 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000013138 pruning Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000012806 monitoring device Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及发电系统运行监控技术领域，尤其涉及一种新能源发电单元运行状态识别方法、装置及存储介质，其中新能源发电单元运行状态识别方法包括：S1：获取发电单元输出端的历史电气量数据，构成样本数据集；S2：利用样本数据集，基于CART决策树算法理论，构建识别模型；S3：获取当前的电气量数据，导入到识别模型中判断各个发电单元当前是否处于投运、低电压穿越、高电压穿越或暂态脱网状态，本实施例满足稳定控制过程中对新能源场站在事故中、事故后功率冲击感知需求，解决了传统稳定控制系统获取机组运行状态速度慢、准确度低的问题。
Description
技术领域
本发明涉及发电系统运行监控技术领域，尤其涉及一种新能源发电单元运行状态识别方法、装置及存储介质。
背景技术
近年来，随着大规模新能源的开发和并网，对于新能源集中接入区域交直流故障引起的新能源故障穿越会造成的大容量的短时性功率冲击，已成为以新能源为主的新型电力系统安全稳定控制必须要考虑的关键问题，因此，研究支撑新型电力系统故障防御体系建设的关键技术在高比例新能源电网中具有重要应用价值。
为了降低故障穿越对电网的冲击，快速、准确识别出新能源场站各发电单元的运行状态有利于场站紧急态监控装置及时对场站发电进行预防控制。目前，常见的发电单元的状态识别都是基于数据采集与监控系统(Supervisory control and dataacquisition,SCADA)来判断，其具有一定的延时性，且判断精度不高，无法实时准确地识别出运行状态。且大部分研究都是识别机组的内部故障，识别机组是否进入故障穿越或投切状态的研究较少。
公开于该背景技术部分的信息仅仅旨在加深对本公开总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。
发明内容
本发明所要解决的技术问题是：提供一种新能源发电单元运行状态识别方法、装置及存储介质，解决背景技术中的问题。
为了达到上述目的，本发明所采用的技术方案是：一种新能源发电单元运行状态识别方法、装置及存储介质，具有判断精度高且识别速度快的效果。
根据本公开的一个方面，提供一种新能源发电单元运行状态识别方法，包括如下步骤：
S1：获取发电单元输出端的历史电气量数据，构成样本数据集；
S2：利用样本数据集，基于CART决策树算法理论，构建识别模型；
S3：获取当前的电气量数据，导入到识别模型中判断各个发电单元当前是否处于投运、低电压穿越、高电压穿越或暂态脱网状态。
进一步地，所述步骤S1中，在构成样本数据集之前还需要对历史电气量数据进行分类过滤处理，具体的分类过滤处理方法包括以下步骤：
A1：利用改进的无迹Kalman滤波法对采集的电气量数据进行去噪，改进的Kalman滤波量测更新方程为：
其中，xk+1为系统状态变量在k+1时刻的取值；P为误差协方差矩阵；Kk+1为系统增益矩阵；为量测方程预测值；
A2：将去噪后的各电气量数据分别以数组形式X＝{X1，X2，…，Xn}储存，用于构成样本数据集。
进一步地，所述样本数据集包括三相电压Uout、无功功率Qout、无功电流Iq、有功电流Ip、有功功率Pout和HWJ(断路器动合触点)逻辑信号。
进一步地，所述步骤S2中，识别模型的构建具体步骤包括：
B1：设CART决策树训练样本集为D，包含4类，节点分裂依据GINI指数计算公式为：
其中pi是D中第i类数据的概率；
B2：设置特征取值a1-6分别为Ip_set、Ptyset、Uhv_set、Ulv_set、Iq_hv_set、Iq_lv_set，训练样本集中数据特征A＝ai时的GINI指数计算公式为：
其中，D1、D2为被分割的两个子节点；
B3：设置决策树分类结果需满足条件，HWJi＝＝1、Ipi>Ip_set、Pi>Ptyset时为投运状态；HWJi＝＝1、Iqi>Iq_hv_set、Ui>Uhv_set、Qi>0时为高电压穿越状态；HWJi＝＝1、Iqi>Iq_lv_set、Ui<Ulv_set、Qi>0时为低电压穿越状态；
HWJi＝＝0时为暂态脱网状态；
B4：用训练样本集进行训练，直至样本的GINI指数小于阈值停止，生成CART决策树并进行剪枝优化，得到识别模型。
进一步地，所述步骤B3中，高电压穿越的特征值和低电压穿越的特征值分段设置分别为：
高电压穿越特征值：
低电压穿越特征值：
其中，In为发电单元输出额定电流。
进一步地，所述样本数据集按照预设比例分为训练样本集、测试样本集与验证样本集，基于所述测试样本集对CART决策树模型进行剪枝，基于所述验证样本集对所述决策树模型进行验证。
进一步地，通过安装在发电单元输出端的源控制装置采集电气量数据。
根据本发明公开的另一方面，提供了一种新能源发电单元运行状态识别装置，包括：
获取模块，用于获取发电单元输出端的历史电气量数据，构成样本数据集；
模型构建模块，用于利用样本数据集，基于CART决策树算法理论，构建识别模型；
判断模块，用于获取当前的电气量数据，导入到识别模型中判断各个发电单元当前是否处于投运、低电压穿越、高电压穿越或暂态脱网状态。
进一步地，所述获取模块中具有分类过滤处理单元，所述分类过滤处理单元执行以下步骤：
A1：利用改进的无迹Kalman滤波法对采集的电气量数据进行去噪，改进的Kalman滤波量测更新方程为：
其中，xk+1为系统状态变量在k+1时刻的取值；P为误差协方差矩阵；Kk+1为系统增益矩阵；为量测方程预测值；
A2：将去噪后的各电气量数据分别以数组形式X＝{X1，X2，…，Xn}储存，用于构成样本数据集。
根据本发明公开的另一方面，提供一种计算机可读存储介质，所述计算机可读存储有计算机指令，所述指令被处理器执行时，实现如上述任一实施例所述的新能源发电单元运行状态识别方法。
根据本发明公开的另一方面，提供一种监控装置，包括：
源控终端装置，用于执行实现如上述任一实施例所述的新能源发电单元运行状态识别方法；
紧急态监控装置，用于接收由所述源控终端装置识别出的各发电单元的运行状态数据并存储。
本发明的有益效果为：本公开具有在不依赖于机组本身的运行工况和功率损失的情况下，快速、准确识别出新能源场站各个发电单元当前是否处于投运、低电压穿越、高电压穿越以及暂态脱网状态，为新能源场站的紧急态监控装置提供数据支持，实现新能源场站安全稳定运行的目的。经过改进的机器学习CART决策树算法处理电气量数据，以及采用随电压大小改变的分段函数判据来识别发电单元运行状态，大幅提升了识别的速度与准确性，满足稳定控制过程中对新能源场站在事故中、事故后功率冲击感知需求，解决了传统稳定控制系统获取机组运行状态速度慢、准确度低的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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中记载的一些实施例，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为本发明实施例中新能源发电单元运行状态识别方法的原理图；
图2为本发明实施例中识别模型的建立流程图；
图3为本发明实施例中发电单元低电压穿越状态的各电气量波形数据；
图4为本发明实施例中发电单元暂态脱网状态的各电气量波形数据；
图5为本发明实施例中发电单元正常投运的各电气量波形数据；
图6为本发明实施例中新能源发电单元运行状态识别装置的原理图；
图7为本发明实施例中监控装置的示意图。
附图标记：1、源控终端装置；2、紧急态监控装置。
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。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
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发明的技术领域的技术人员通常理解的含义相同。本文中在本发明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，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
如图7所示，新能源场站内设置有30台风力发电机和30个光伏发电单元，每个发电单元的低压侧都安装了源控终端装置，由源控终端装置识别出各个发电单元的运行状态并传输给紧急态监控装置，紧急态监控装置作为一个显示终端，监控人员可以通过紧急态监控装置来查看各个发电单元的运行状态，并可做一些操控处理，同时各个发电单元的运行日志也会存储在紧急态监控装置处，方便日后检修。
如图1和2所示，本公开的新能源发电单元运行状态识别方法可作为一种可编程的语言，输入到源控终端装置内进行执行，执行步骤如下：
S1：获取发电单元输出端的历史电气量数据，构成样本数据集；
S2：利用样本数据集，基于CART决策树算法理论，构建识别模型；
S3：获取当前的电气量数据，导入到识别模型中判断各个发电单元当前是否处于投运、低电压穿越、高电压穿越或暂态脱网状态。
作为上述实施例的具体公开，步骤S1中，在构成样本数据集之前还需要对历史电气量数据进行分类过滤处理，具体的分类过滤处理方法包括以下步骤：
A1：利用改进的无迹Kalman滤波法对采集的电气量数据进行去噪，改进的Kalman滤波量测更新方程为：
其中，xk+1为系统状态变量在k+1时刻的取值；P为误差协方差矩阵；Kk+1为系统增益矩阵；为量测方程预测值；
A2：将去噪后的各电气量数据分别以数组形式X＝{X1，X2，…，Xn}储存，用于构成样本数据集。
经过上述处理后的数据作为规则算法可识别的数据，构成样本数据集，样本集合包括三相电压Uout、无功功率Qout、无功电流Iq、有功电流Ip、有功功率Pout、HWJ(断路器动合触点)逻辑信号。按照一定比例从样本数据集中选取部分作为训练样本集，用于构建识别模型，具体的步骤包括：
B1：设CART决策树训练样本集为D，包含4类，节点分裂依据GINI指数计算公式为：
其中pi是D中第i类数据的概率；
B2：设置特征取值a1-6分别为Ip_set、Ptyset、Uhv_set、Ulv_set、Iq_hv_set、Iq_lv_set，训练样本集中数据特征A＝ai时的GINI指数计算公式为：
其中，D1、D2为被分割的两个子节点；
B3：设置决策树分类结果需满足条件，HWJi＝＝1、Ipi>Ip_set、Pi>Ptyset时为投运状态；HWJi＝＝1、Iqi>Iq_hv_set、Ui>Uhv_set、Qi>0时为高电压穿越状态；HWJi＝＝1、Iqi>Iq_lv_set、Ui<Ulv_set、Qi>0时为低电压穿越状态；HWJi＝＝0时为暂态脱网状态；
B4：用训练样本集进行训练，直至样本的GINI指数小于阈值停止，生成CART决策树并进行剪枝优化，样本数据集按照预设比例分为训练样本集、测试样本集与验证样本集，本公开中基于测试样本集对CART决策树模型进行剪枝，基于验证样本集对决策树模型进行验证，从而得到识别模型。
更具体的，步骤B3中，采用特定的公式来对高电压穿越状态和低电压穿越状态进行识别，高电压穿越的特征值和低电压穿越的特征值分段设置分别为：
高电压穿越特征值：
低电压穿越特征值：
其中，In为发电单元输出额定电流。
如图3-5所示，利用上述发电单元运行状态识别方法建立的识别模型，在实际生产生活中产生了识别结果。
具体的，图3中，发电单元在0.4s时输出电压Uout跌落至0，同时输出有功功率Pout也跌落至0，在控制策略的作用下，无功电流Iq迅速增大，提供无功支撑，无功功率Qout从0增大到正值；经过0.1s，故障排除，输出电压Uout恢复到初始值。源控终端装置进行判断，0.4s时的发电单元输出电气量满足HWJi＝＝1、Iqi>Iq_lv_set、Ui<Ulv_set、Qi>0，其中Iq_lv_set根据采集的输出电压值实时调整，，源控终端装置判定发电单元为低电压穿越状态。
图4中，故障时长为0.2s，发电单元低电压穿越失败，断路器触发保护动作，发电单元输出有功功率Pout在0.4s的故障后无法再恢复，此时HWJ逻辑信号为0，源控终端装置判定发电单元为暂态脱网状态。
图5中，发电单元正常运行，满足HWJi＝＝1、Ipi>Ip_set、Pi>Ptyset，源控终端装置判定发电单元为投运状态。
本公开提供的识别方法区别于传统的SCADA系统，传统的SCADA系统采集数据，其采集数据的间隔时间为秒级，采集后再传输到终端进行判断，数据的延时性将导致判断的准确性降低，无法满足发电单元运行状态改变的实时监测。而本公开提供的实施例中，对毫秒级时间间隔的发电单元运行状态进行实时识别，具有识别速度快，且准确性高的技术效果，本实施例与传统的SCADA数据采集法识别时间比较见下表1所述。
表1
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。下面对本申请实施例中的新能源发电单元运行状态识别装置进行介绍，下文中的装置实施例与上文中的方法实施例相互对应，本领域的技术人员可以基于上文的描述对下文的实施过程进行理解，这里不再进行详细描述；
如图6所示的新能源发电单元运行状态识别装置，包括：
获取模块，用于获取发电单元输出端的历史电气量数据，构成样本数据集；
模型构建模块，用于利用样本数据集，基于CART决策树算法理论，构建识别模型；
判断模块，用于获取当前的电气量数据，导入到识别模型中判断各个发电单元当前是否处于投运、低电压穿越、高电压穿越或暂态脱网状态。
进一步地，所述获取模块中具有分类过滤处理单元，所述分类过滤处理单元执行以下步骤：
A1：利用改进的无迹Kalman滤波法对采集的电气量数据进行去噪，改进的Kalman滤波量测更新方程为：
其中，xk+1为系统状态变量在k+1时刻的取值；P为误差协方差矩阵；Kk+1为系统增益矩阵；为量测方程预测值；
A2：将去噪后的各电气量数据分别以数组形式X＝{X1，X2，…，Xn}储存，用于构成样本数据集。
本申请还可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种新能源发电单元运行状态识别方法，其特征在于，包括如下步骤：
S1：获取发电单元输出端的历史电气量数据，构成样本数据集；
S2：利用样本数据集，基于CART决策树算法理论，构建识别模型；
S3：获取当前的电气量数据，导入到识别模型中判断各个发电单元当前是否处于投运、低电压穿越、高电压穿越或暂态脱网状态。
2.根据权利要求1所述的新能源发电单元运行状态识别方法，其特征在于，所述步骤S1中，在构成样本数据集之前还需要对历史电气量数据进行分类过滤处理，具体的分类过滤处理方法包括以下步骤：
A1：利用改进的无迹Kalman滤波法对采集的电气量数据进行去噪，改进的Kalman滤波量测更新方程为：
其中，xk+1为系统状态变量在k+1时刻的取值；P为误差协方差矩阵；Kk+1为系统增益矩阵；为量测方程预测值；
A2：将去噪后的各电气量数据分别以数组形式X＝{X1，X2，…，Xn}储存，用于构成样本数据集。
3.根据权利要求1所述的新能源发电单元运行状态识别方法，其特征在于，所述样本数据集包括：三相电压Uout、无功功率Qout、无功电流Iq、有功电流Ip、有功功率Pout和HWJ(断路器动合触点)逻辑信号。
4.根据权利要求1所述的新能源发电单元运行状态识别方法，其特征在于，所述步骤S2中，识别模型的构建具体步骤包括：
B1：设CART决策树训练样本集为D，包含4类，节点分裂依据GINI指数计算公式为：
其中pi是D中第i类数据的概率；
B2：设置特征取值a1-6分别为Ip_set、Ptyset、Uhv_set、Ulv_set、Iq_hv_set、Iq_lv_set，训练样本集中数据特征A＝ai时的GINI指数计算公式为：
其中，D1、D2为被分割的两个子节点；
B3：设置决策树分类结果需满足条件，HWJi＝＝1、Ipi>Ip_set、Pi>Ptyset时为投运状态；HWJi＝＝1、Iqi>Iq_hv_set、Ui>Uhv_set、Qi>0时为高电压穿越状态；HWJi＝＝1、Iqi>Iq_lv_set、Ui<Ulv_set、Qi>0时为低电压穿越状态；HWJi＝＝0时为暂态脱网状态；
B4：用训练样本集进行训练，直至样本的GINI指数小于阈值停止，生成CART决策树并进行剪枝优化，得到识别模型。
5.根据权利要求4所述的新能源发电单元运行状态识别方法，其特征在于，所述步骤B3中，高电压穿越的特征值和低电压穿越的特征值分段设置分别为：
高电压穿越特征值：，
低电压穿越特征值：，
其中，I n 为发电单元输出额定电流。
6.根据权利要求4所述的新能源发电单元运行状态识别方法，其特征在于，所述样本数据集按照预设比例分为训练样本集、测试样本集与验证样本集，基于所述测试样本集对CART决策树模型进行剪枝，基于所述验证样本集对所述决策树模型进行验证。
7.根据权利要求1所述的新能源发电单元运行状态识别方法，其特征在于，通过安装在发电单元输出端的源控制装置采集电气量数据。
8.一种新能源发电单元运行状态识别装置，其特征在于，包括：
获取模块，用于获取发电单元输出端的历史电气量数据，构成样本数据集；
模型构建模块，用于利用样本数据集，基于CART决策树算法理论，构建识别模型；
判断模块，用于获取当前的电气量数据，导入到识别模型中判断各个发电单元当前是否处于投运、低电压穿越、高电压穿越或暂态脱网状态。
9.根据权利要求8所述的新能源发电单元运行状态识别装置，其特征在于，所述获取模块中具有分类过滤处理单元，所述分类过滤处理单元执行以下步骤：
A1：利用改进的无迹Kalman滤波法对采集的电气量数据进行去噪，改进的Kalman滤波量测更新方程为：
其中，xk+1为系统状态变量在k+1时刻的取值；P为误差协方差矩阵；Kk+1为系统增益矩阵；为量测方程预测值；
A2：将去噪后的各电气量数据分别以数组形式X＝{X1，X2，…，Xn}储存，用于构成样本数据集。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储有计算机指令，所述指令被处理器执行时，实现如权利要求1-8任一项所述的新能源发电单元运行状态识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211386757.XA CN115965080A (zh) | 2022-11-07 | 2022-11-07 | 新能源发电单元运行状态识别方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211386757.XA CN115965080A (zh) | 2022-11-07 | 2022-11-07 | 新能源发电单元运行状态识别方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115965080A true CN115965080A (zh) | 2023-04-14 |
Family
ID=87357765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211386757.XA Pending CN115965080A (zh) | 2022-11-07 | 2022-11-07 | 新能源发电单元运行状态识别方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115965080A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104076295A (zh) * | 2014-07-22 | 2014-10-01 | 重庆大学 | 新能源燃料电池电动车气压值信号的实时监控方法 |
| CN104935249A (zh) * | 2015-07-13 | 2015-09-23 | 国家电网公司 | 光伏发电系统稳定性的校验方法及装置 |
| CN106646121A (zh) * | 2016-11-29 | 2017-05-10 | 国网辽宁省电力有限公司沈阳供电公司 | 一种配电网故障行波波头的辨识方法 |
| CN110968069A (zh) * | 2018-09-28 | 2020-04-07 | 新疆金风科技股份有限公司 | 风力发电机组的故障预测方法、相应的装置及电子设备 |
| CN111652177A (zh) * | 2020-06-12 | 2020-09-11 | 中国计量大学 | 基于深度学习的信号特征提取方法 |
| CN112051479A (zh) * | 2019-06-06 | 2020-12-08 | 中国电力科学研究院有限公司 | 一种配电网运行状态识别方法及系统 |
| CN112304613A (zh) * | 2020-10-30 | 2021-02-02 | 浙江运达风电股份有限公司 | 一种基于特征融合的风电机组发电机轴承预警方法 |
| CN112464995A (zh) * | 2020-11-06 | 2021-03-09 | 广东电网有限责任公司东莞供电局 | 一种基于决策树算法的电网配变故障诊断方法及系统 |
| CN113869571A (zh) * | 2021-09-22 | 2021-12-31 | 国网天津市电力公司电力科学研究院 | 一种基于异构数据的智慧能源建筑综合信息物理融合方法 |
| CN113964862A (zh) * | 2021-09-30 | 2022-01-21 | 国电南瑞科技股份有限公司 | 一种新能源电站感知控制系统和方法 |
| CN114200304A (zh) * | 2021-11-11 | 2022-03-18 | 浙江浙能技术研究院有限公司 | 一种用于转子绕组故障的判断方法、装置及存储介质 |
-
2022
- 2022-11-07 CN CN202211386757.XA patent/CN115965080A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104076295A (zh) * | 2014-07-22 | 2014-10-01 | 重庆大学 | 新能源燃料电池电动车气压值信号的实时监控方法 |
| CN104935249A (zh) * | 2015-07-13 | 2015-09-23 | 国家电网公司 | 光伏发电系统稳定性的校验方法及装置 |
| CN106646121A (zh) * | 2016-11-29 | 2017-05-10 | 国网辽宁省电力有限公司沈阳供电公司 | 一种配电网故障行波波头的辨识方法 |
| CN110968069A (zh) * | 2018-09-28 | 2020-04-07 | 新疆金风科技股份有限公司 | 风力发电机组的故障预测方法、相应的装置及电子设备 |
| CN112051479A (zh) * | 2019-06-06 | 2020-12-08 | 中国电力科学研究院有限公司 | 一种配电网运行状态识别方法及系统 |
| CN111652177A (zh) * | 2020-06-12 | 2020-09-11 | 中国计量大学 | 基于深度学习的信号特征提取方法 |
| CN112304613A (zh) * | 2020-10-30 | 2021-02-02 | 浙江运达风电股份有限公司 | 一种基于特征融合的风电机组发电机轴承预警方法 |
| CN112464995A (zh) * | 2020-11-06 | 2021-03-09 | 广东电网有限责任公司东莞供电局 | 一种基于决策树算法的电网配变故障诊断方法及系统 |
| CN113869571A (zh) * | 2021-09-22 | 2021-12-31 | 国网天津市电力公司电力科学研究院 | 一种基于异构数据的智慧能源建筑综合信息物理融合方法 |
| CN113964862A (zh) * | 2021-09-30 | 2022-01-21 | 国电南瑞科技股份有限公司 | 一种新能源电站感知控制系统和方法 |
| CN114200304A (zh) * | 2021-11-11 | 2022-03-18 | 浙江浙能技术研究院有限公司 | 一种用于转子绕组故障的判断方法、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张立川等: "《自主水下航行器导航与控制技术》", 31 October 2020, 上海科学技术出版社, pages: 96 - 98 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539553B (zh) | 基于svr算法和偏峰度的风电机组发电机故障预警方法 | |
| CN111582392B (zh) | 一种风电机组关键部件多工况健康状态在线监测方法 | |
| CN108897954A (zh) | 基于BootStrap置信度计算的风电机组温度预警方法及其系统 | |
| CN109447441B (zh) | 一种考虑新能源机组不确定性的暂态稳定风险评估方法 | |
| CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
| CN104392056A (zh) | 一种直驱风电机组建模方法及装置 | |
| CN112330165A (zh) | 基于特征分离型神经网络的电网暂态稳定评估方法及系统 | |
| CN112485597A (zh) | 基于多源数据的电力系统输电线路故障诊断方法及系统 | |
| CN112633315A (zh) | 一种电力系统扰动分类方法 | |
| CN113095173A (zh) | 一种Adaboost融合多分类器的光伏系统故障电弧检测方法 | |
| Yi et al. | An integrated model-driven and data-driven method for on-line prediction of transient stability of power system with wind power generation | |
| CN116205265A (zh) | 一种基于深层神经网络的电网故障诊断方法及装置 | |
| CN112308470B (zh) | 一种风电并网频率响应异常监测方法及系统 | |
| CN104763576B (zh) | 一种抽水蓄能机组保护辅助信号异常判别和修正方法 | |
| CN105701265A (zh) | 一种双馈风电机组建模方法及装置 | |
| CN115965080A (zh) | 新能源发电单元运行状态识别方法、装置及存储介质 | |
| CN111736636A (zh) | 一种基于知识图谱的水淹水车室预警方法及系统 | |
| CN116541748A (zh) | 基于人工智能技术的电网故障诊断方法和系统 | |
| CN114841534A (zh) | 顶盖排水系统的智能诊断与实时故障预警分析方法及系统 | |
| CN114320773A (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
| CN117034157B (zh) | 一种结合多模态运行数据的水电设备故障识别方法与系统 | |
| Dunwen et al. | A trainsient voltage stability evaluation model based on morphological similarity distance online calculation | |
| Zhang et al. | An unsupervised anomaly detection approach based on industrial big data | |
| CN117893030B (zh) | 基于大数据的电力系统风险预警方法 | |
| Chu | Anomaly detection of hydropower generating set using operation condition and adaptive PCA |
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 |