CN116703183A - 一种新型配电网系统用电负荷评估方法 - Google Patents
一种新型配电网系统用电负荷评估方法 Download PDFInfo
- Publication number
- CN116703183A CN116703183A CN202310975595.1A CN202310975595A CN116703183A CN 116703183 A CN116703183 A CN 116703183A CN 202310975595 A CN202310975595 A CN 202310975595A CN 116703183 A CN116703183 A CN 116703183A
- Authority
- CN
- China
- Prior art keywords
- component signal
- signal
- modal decomposition
- wavelet
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 274
- 230000000694 effects Effects 0.000 claims abstract description 49
- 230000009466 transformation Effects 0.000 claims abstract description 47
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 19
- 238000012216 screening Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Human Computer Interaction (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种新型配电网系统用电负荷评估方法,包括:对用电负荷信号进行分解模态分解,得到各模态分解分量信号;确定每个模态分解分量信号对应的初始噪声影响程度,并对初始噪声影响程度进行修正,得到修正噪声影响程度;根据修正噪声影响程度确定小波基函数,进而对用电负荷信号进行小波变换分解,得到各小波分量信号,并确定对应的小波变换分解效果评价指标,进而筛选出最佳的小波基函数;利用最佳的小波基函数对用电负荷信号进行小波变换去噪,并根据去噪后的用电负荷信号进行用电负荷评估。本发明通过确定合适的小波基函数,有效提高了用电负荷信号的去噪效果,进而提高了电网负荷评估的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种新型配电网系统用电负荷评估方法。
背景技术
新型配电网系统是指基于先进的信息和通信技术,以及清洁能源、能量存储等高效能源技术为支撑的现代化电力配送系统,其旨在实现对电力负荷的智能监测、精细控制和优化管理,提高电力系统的可靠性、稳定性和可持续性。新型配电网系统在运行过程中,需要对电网各节点的用电负荷进行监测,然后来评估用电负荷量。但是在对用电负荷进行监测时,由于采集数据的过程中因仪器发热、电压不稳等原因,导致获得用电负荷存在噪声的影响,从而使得监测数据不够可靠,最终影响电网用电负荷评估的准确性,因而需要先对采集到的用电负荷进行去噪预处理。
在现有技术中,对数据进行去噪的算法较多,其中小波变换具有良好的时频局部化特性,能够更精确地捕获信号中的瞬态或突变信息,因而在数据去噪中具有很好的效果。但是在采用小波变换进行去噪时,需要选择合适的小波基函数来对原始数据进行分解,从而将噪声集中在高频成分上,并根据噪声水平进行适当的抑制,从而实现有效的去噪效果。常见的小波基函数包括haar函数、Daubechies、Coiflets等,但是由于这些小波基函数在处理信号时可能存在对信号过平滑的现象,导致丢失部分细节信息,因此不能够与电网用电负荷完全匹配,直接用于用电负荷的去噪时,往往不能够很好地反映用电负荷的频率变化,导致去噪效果不够理想,使得用电负荷监测数据不够准确,最终导致电网负荷评估的准确性较低。
发明内容
本发明的目的在于提供一种新型配电网系统用电负荷评估方法,用于解决现有对电网用电负荷进行小波变换去噪效果差,从而导致电网负荷评估的准确性较低的问题。
为解决上述技术问题,本发明提供了一种新型配电网系统用电负荷评估方法,包括以下步骤:
获取采集的用电负荷信号,对所述用电负荷信号进行分解模态分解,得到各个模态分解分量信号;
获取所述用电负荷信号的参考信号,根据所述参考信号和每个所述模态分解分量信号的差异,确定每个所述模态分解分量信号对应的初始噪声影响程度;
确定所述用电负荷信号的各个极值点,对所述各个极值点进行曲线拟合,得到拟合曲线信号,并根据所述拟合曲线信号与每个所述模态分解分量信号的差异,对所述初始噪声影响程度进行修正,得到每个所述模态分解分量信号对应的修正噪声影响程度;
根据所述修正噪声影响程度,确定每个所述模态分解分量信号对应的小波基函数,并根据所述小波基函数,对所述用电负荷信号进行小波变换分解,得到每个所述模态分解分量信号对应的各个小波分量信号;
根据所述用电负荷信号的各个极值点、每个所述模态分解分量信号及其对应的各个小波分量信号,确定每个所述模态分解分量信号对应的小波变换分解效果评价指标;
根据所述小波变换分解效果评价指标,确定各个所述模态分解分量信号中的最佳模态分解分量信号,根据所述最佳模态分解分量信号对应的小波基函数,对所述用电负荷信号进行小波变换去噪,并根据去噪后的用电负荷信号进行用电负荷评估。
进一步的,确定每个所述模态分解分量信号对应的初始噪声影响程度,包括:
计算所述参考信号和每个所述模态分解分量信号中每个相同时刻的数据点的幅值之间的差值绝对值,进而确定所述参考信号和每个所述模态分解分量信号对应的所有幅值之间的差值绝对值的累加和;
确定每个所述模态分解分量信号的各个极大值点和极小值点,并计算每相邻的极大值点和极小值点对应的时刻之间的差值绝对值,进而确定每个所述模态分解分量信号对应的所有时刻之间的差值绝对值的方差;
根据所述参考信号和每个所述模态分解分量信号对应的累加和,以及每个所述模态分解分量信号对应的方差,确定每个所述模态分解分量信号对应的初始噪声影响程度,所述累加和和方差均与所述初始噪声影响程度成正相关关系。
进一步的,对所述初始噪声影响程度进行修正,得到每个所述模态分解分量信号对应的修正噪声影响程度,包括:
确定每个所述模态分解分量信号中每相邻两个数据点的幅值的差值绝对值的叠加和,以及每个所述模态分解分量信号中所有数据点的幅值的方差,进而确定每个所述模态分解分量信号对应的第一数据变化程度值;
确定所述拟合曲线信号中每相邻两个数据点的幅值的差值绝对值的叠加和,以及所述拟合曲线信号中所有数据点的幅值的方差,进而确定所述拟合曲线信号对应的第二数据变化程度值;
将所述第一数据变化程度值与第二数据变化程度值的差值确定为噪声影响程度修正值,并将所述噪声影响程度修正值与所述初始噪声影响程度的相加值确定为每个所述模态分解分量信号对应的修正噪声影响程度。
进一步的,确定每个所述模态分解分量信号对应的小波变换分解效果评价指标,包括:
确定每个所述模态分解分量信号中所有数据点的幅值的平均值,并计算所述用电负荷信号的各个极值点的幅值与所述平均值的差值绝对值的平均值,从而得到每个所述模态分解分量信号对应的第一分解差异值;
确定每个所述模态分解分量信号的各个极大值点的幅值,将所述每个所述模态分解分量信号的各个极大值点的幅值按照时间顺序进行排列,从而得到每个所述模态分解分量信号对应的第一幅值序列;
确定每个所述模态分解分量信号对应的各个小波分量信号中的目标小波分量信号,并确定所述目标小波分量信号的各个极大值点的幅值,将所述目标小波分量信号的各个极大值点的幅值按照时间顺序进行排列,从而得到所述目标小波分量信号对应的第二幅值序列;
确定所述第一幅值序列和第二幅值序列中相同序号的幅值之间的差值绝对值的累加和,从而得到每个所述模态分解分量信号对应的第二分解差异值;
确定每个所述模态分解分量信号的极值点的数目与其对应的每个小波分量信号的极值点的数目之间的差值绝对值,从而得到每个所述模态分解分量信号与其对应的每个小波分量信号之间的极值点数目差异,确定所述极值点数目差异中的最小值,从而得到每个所述模态分解分量信号对应的第三分解差异值;
根据所述第一分解差异值、第二分解差异值和第三分解差异值,确定每个所述模态分解分量信号对应的小波变换分解效果评价指标,所述第一分解差异值、第二分解差异值和第三分解差异值均与所述小波变换分解效果评价指标成负相关关系。
进一步的,确定每个所述模态分解分量信号对应的各个小波分量信号中的目标小波分量信号,包括:
根据所述参考信号和每个所述模态分解分量信号对应的每个小波分量信号的差异,确定每个所述模态分解分量信号对应的每个小波分量信号对应的初始噪声影响程度;
根据所述拟合曲线信号与每个所述模态分解分量信号对应的每个小波分量信号的差异,对每个所述模态分解分量信号对应的每个小波分量信号对应的初始噪声影响程度进行修正,得到每个所述模态分解分量信号对应的每个小波分量信号对应的修正噪声影响程度;
将每个所述模态分解分量信号对应的各个小波分量信号对应的修正噪声影响程度中的最小值所对应的小波分量信号,确定为每个所述模态分解分量信号对应的各个小波分量信号中的目标小波分量信号。
进一步的,确定各个所述模态分解分量信号中的最佳模态分解分量信号,包括:
将各个所述模态分解分量信号对应的小波变换分解效果评价指标中的最大值所对应的模态分解分量信号,确定为各个所述模态分解分量信号中的最佳模态分解分量信号。
进一步的,根据去噪后的用电负荷信号进行用电负荷评估,包括:
将去噪后的用电负荷信号中最后一个数据点的幅值与额定负荷进行比较,当最后一个数据点的幅值大于所述额定负荷时,则判定电网超负荷;否则判定电网负荷正常。
进一步的,利用EMD算法对所述用电负荷信号进行分解模态分解,得到各个模态分解分量信号。
进一步的,利用最小二乘算法对所述用电负荷信号的各个极值点进行曲线拟合,得到拟合曲线信号。
进一步的,获取所述用电负荷信号的参考信号,包括:
根据所述用电负荷信号中各个数据点的幅值和时刻,确定参考信号,所述参考信号中所有数据点的时刻与所述电负荷信号中所有数据点的时刻一一对应,且所述参考信号中所有数据点的幅值均等于所述用电负荷信号中所有数据点的幅值的平均值。
本发明具有如下有益效果:为了确定用电负荷信号中不同频率信号的分布情况,对用电负荷信号进行分解模态分解,得到各个模态分解分量信号。通过将每个模态分解分量信号与表征电负荷信号无数据波动的参考信号的数据分布差异,对每个模态分解分量信号受到噪声影响的可能程度进行分析,从而确定每个模态分解分量信号对应的初始噪声影响程度。由于在确定初始噪声影响程度时,是以表征电负荷信号无数据波动的参考信号为基准来确定的,而实际上的用电负荷存在一定的波动,这就导致初始噪声影响程度不够准确,因此根据每个模态分解分量信号与用电负荷信号的各个极值点所拟合出的拟合曲线信号的数据分布差异,对初始噪声影响程度进行修正,从而得到每个模态分解分量信号对应的修正噪声影响程度,进而得到对应的小波基函数。利用得到的这些不同的小波基函数对用电负荷信号进行小波变换分解,并对分解效果进行评估,从而得到每个模态分解分量信号对应的小波变换分解效果评价指标。基于该小波变换分解效果评价指标,筛选出各个模态分解分量信号中的最佳模态分解分量信号,并利用该最佳模态分解分量信号对应的小波基函数对用电负荷信号进行小波变换去噪,最终实现用电负荷评估。本发明通过对用电负荷信号进行相应的数据处理,可以自适应确定用电负荷信号对应的最佳的小波基函数,也就是最佳模态分解分量信号对应的小波基函数,能够较好地反映原始用电负荷信号的频率变化,从而可以取得较好的去噪效果,保证了电网用电负荷监测的准确性,进而提高了电网负荷评估的准确性。
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和优点,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的介绍,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它附图。
图1为本发明实施例的新型配电网系统用电负荷评估方法的流程图;
图2为本发明实施例的新型配电网系统用电负荷监测方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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。另外,本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。
实施例1:
为了解决电网负荷评估的准确性较低的问题,本实施例提供了一种新型配电网系统用电负荷评估方法,其对应的流程图如图1所示,包括以下步骤:
步骤S1:获取采集的用电负荷信号,对所述用电负荷信号进行分解模态分解,得到各个模态分解分量信号。
为了实现新型配电网系统用电负荷的评估,首先需要获取新型配电网系统各个节点的电能监测数据,这里的电能监测数据是指各个节点的用电负荷。由于新型配电网系统是通过智能计量设备和通信技术,实现对电网系统各个节点的实时监测和远程控制,因此在采集各个节点的用电负荷数据时,是通过电网系统来调取各个节点的用电负荷数据,从而得到各个节点的用电负荷信号,这里的用电负荷信号由距离当前时刻最近的过去一个设定时间段内的用电负荷数据构成,该设定时间段可以根据需要进行设置,本实施例设置该设定时间段为2分钟。由于用电负荷数据在采集和传输的过程中,可能会造成小部分数据信息损失,因此对获得的用电负荷信号进行插值处理,本实施例是使用线性插值算法进行差值处理,由于该线性插值算法为现有公知技术,在此不再进行赘述。后续所指的用电负荷信号均是指插值处理后的用电负荷信号,通过对该插值处理后的用电负荷信号进行数据分析去噪,从而实现用电负荷的准确评估。
由于信号在受到噪声影响时,会改变原始数据的变化程度,从而影响对原始数据的识别,因此在对数据信息进行去噪的过程中,主要就是根据数据的趋势变化来判断每一时刻的数据可能的变化程度,从而来模拟数据的整体分布特征。考虑到在对新型配电网系统的用电负荷数据进行监测时,数据本身不可能在某一时刻发生较大的突变,而是处于一个比较稳定且连续的状态,那么当用电负荷信号受到噪声的影响时,其会在原始的平稳信号上叠加较大变化程度的噪声信号,进而影响原始数据的准确性。因此就需要去除这些变化程度较大的噪声信号,尽可能地还原原始数据的变化趋势。因为在监测用电负荷情况时,电能数据不会产生较大程度的波动,那么就说明原始数据的频率低,因此在通过小波变换进行分解时,就需要保留更多的低频信息,从而使得分解得到的分量信号中低频信息不会发生较大程度的改变,此时再去噪才能保留原始信号中的低频信息,使得后续在对用电负荷信号进行分析时更加准确。
基于上述分析,以电网系统中的任意一个节点对应的用电负荷信号为例,为了能描述原始信号中不同频率信号的分布,本实施例首先通过经验模态分解算法(EmpiricalMode Decomposition, EMD )对差值处理后的用电负荷信号进行分解,获得不同的IMF分量信号也就是模态分解分量信号。EMD算法为现有公知技术,在此不再进行赘述。后续通过对不同的IMF分量信号进行分析,从而确定合适的小波基函数,然后对用电负荷信号进行小波变换去噪。
步骤S2:获取用电负荷信号的参考信号,根据所述参考信号和每个所述模态分解分量信号的差异,确定每个所述模态分解分量信号对应的初始噪声影响程度。
在不同的IMF分量信号中,不同频率的信号受到噪声的影响程度是不同的,为了对该影响程度进行分析,可以假设原始的用电负荷信号是一条没有数据波动的直线,将其作为参考信号,那么IMF分量信号相对于参考信号就都是噪声,只是不同频率的噪声对其影响程度不同。可选择地,参考信号的确定步骤包括:根据所述用电负荷信号中各个数据点的幅值和时刻,确定参考信号,所述参考信号中所有数据点的时刻与所述电负荷信号中所有数据点的时刻一一对应,且所述参考信号中所有数据点的幅值均等于所述用电负荷信号中所有数据点的幅值的平均值。可以理解为,通过计算插值处理后的电负荷信号中所有数据点所对应的幅值的均值,并将该差值处理后的电负荷信号中所有数据点所对应的幅值替换为该均值,即可得到参考信号。
可选择地,根据参考信号和每个模态分解分量信号的差异,可以确定每个模态分解分量信号对应的初始噪声影响程度,实现步骤包括:
计算所述参考信号和每个所述模态分解分量信号中每个相同时刻的数据点的幅值之间的差值绝对值,进而确定所述参考信号和每个所述模态分解分量信号对应的所有幅值之间的差值绝对值的累加和;
确定每个所述模态分解分量信号的各个极大值点和极小值点,并计算每相邻的极大值点和极小值点对应的时刻之间的差值绝对值,进而确定每个所述模态分解分量信号对应的所有时刻之间的差值绝对值的方差;
根据所述参考信号和每个所述模态分解分量信号对应的累加和,以及每个所述模态分解分量信号对应的方差,确定每个所述模态分解分量信号对应的初始噪声影响程度,所述累加和和方差均与所述初始噪声影响程度成正相关关系。
具体的,根据参考信号和各个IMF分量信号来评价噪声的影响,确定每个IMF分量信号对应的初始噪声影响程度,其计算公式如下:
其中,表示第/>个IMF分量信号也就是模态分解分量信号的初始噪声影响程度,/>表示第/>条IMF分量信号中第/>个数据点的幅值,幅值对应数据点的纵坐标,/>表示参考信号中第/>个数据点的幅值,第/>条IMF分量信号中第/>个数据点和参考信号中第/>个数据点对应相同的时刻,/>表示第/>个IMF分量信号中包含的数据点的数量,同时也表示参考信号中包含的数据点的数量,/>和/>分别表示在第/>个IMF分量信号中的第/>个相邻的极大值和极小值对应的横坐标,这里的横坐标是指时刻,/>表示第/>个IMF分量信号中每相邻的极大值点和极小值点的数量,/>表示第/>个IMF分量信号中的所有相邻的极大值和极小值对应的横坐标的差值绝对值的平均值,||表示取绝对值符号。
对于上述的初始噪声影响程度的计算公式,表示第/>条IMF分量信号与参考信号之间的差异程度,其差异程度越大,说明对应IMF分量信号受到噪声影响的可能程度越大,对应的初始噪声影响程度就越大。/>表示第/>条IMF分量信号中每相邻的极大值点和极小值点对应的时刻之间的差值绝对值的方差,用于表征极值点的分布混乱程度,因为噪声时随机的,并且噪声包含低频与高频,那么极值点的分布越混乱,说明对应IMF分量信号受到噪声影响的程度可能越大,对应的初始噪声影响程度就越大。
步骤S3:确定所述用电负荷信号的各个极值点,对所述各个极值点进行曲线拟合,得到拟合曲线信号,并根据所述拟合曲线信号与每个所述模态分解分量信号的差异,对所述初始噪声影响程度进行修正,得到每个所述模态分解分量信号对应的修正噪声影响程度。
上述在确定各个IMF分量信号的初始噪声影响程度的过程中,是以参考信号为基准进行计算的,事实上原始的电能监测数据是存在波动的,因此在确定各个IMF分量信号的初始噪声影响程度时,会对某一频率或几个频率的信号的噪声影响程度产生影响,因此需要对获得的初始噪声影响程度进行调节。而在进行调节时,根据先验知识可知,对于某一区域电网的用电负荷变化程度是不剧烈的,不管用电负荷增大还是减小,都是呈现缓慢上升或下降。因此在各IMF分量信号中,出现较大程度的数据变化的分量信号可能就不是想要的分量数据,而对于变化趋势较为平缓的数据,其可能为目标数据,因此可根据数据的变化来对各个IMF分量信号对应的初始噪声影响程度进行修正。
基于上述分析,为了便于后续对各个IMF分量信号对应的初始噪声影响程度进行修正,获取插值处理后的用电负荷信号中的所有极值点,然后利用最小二乘算法对所述各个极值点进行曲线拟合,得到拟合曲线信号。该拟合曲线信号与插值处理后的用电负荷信号的长度相同,且对应的相同的时间段。
可选择地,基于拟合曲线信号,对每个模态分解分量信号的初始噪声影响程度进行修正,得到每个模态分解分量信号对应的修正噪声影响程度,实现步骤包括:
确定每个所述模态分解分量信号中每相邻两个数据点的幅值的差值绝对值的叠加和,以及每个所述模态分解分量信号中所有数据点的幅值的方差,进而确定每个所述模态分解分量信号对应的第一数据变化程度值;
确定所述拟合曲线信号中每相邻两个数据点的幅值的差值绝对值的叠加和,以及所述拟合曲线信号中所有数据点的幅值的方差,进而确定所述拟合曲线信号对应的第二数据变化程度值;
将所述第一数据变化程度值与第二数据变化程度值的差值确定为噪声影响程度修正值,并将所述噪声影响程度修正值与所述初始噪声影响程度的相加值确定为每个所述模态分解分量信号对应的修正噪声影响程度。
具体的,对每个模态分解分量信号的初始噪声影响程度进行修正,得到每个模态分解分量信号对应的修正噪声影响程度,对应的计算公式为:
其中,表示第/>个IMF分量信号也就是模态分解分量信号的修正噪声影响程度,/>表示第/>个IMF分量信号的初始噪声影响程度,/>表示第/>条IMF分量信号中第个数据点的幅值,/>表示第/>条IMF分量信号中第/>个数据点的幅值,/>表示第/>条IMF分量信号中所有数据点的幅值的方差,/>表示拟合曲线信号中第/>个数据点的幅值,/>表示拟合曲线信号中第/>个数据点的幅值,/>表示拟合曲线信号中所有数据点的幅值的方差,||表示取绝对值符号,n表示第/>个IMF分量信号中所有数据点的总数目,同时也表示拟合曲线信号中所有数据点的总数目。
对于上述的修正噪声影响程度的计算公式,表示第/>个IMF分量信号中连续数据点幅值的差异的叠加值,因为数据的变化程度越小,连续数据点的幅值变化就比较小,并且数据的波动能够直接体现数据的变化程度,因此通过方差/>来表征数据的变化,最终得到第/>个IMF分量信号对应的第一数据变化程度值/>。按照相同的方式,可以确定拟合曲线信号对应的第二数据变化程度值。而通过将第/>个IMF分量信号与原始数据的拟合曲线信号进行比较,即计算第一数据变化程度值与第二数据变化程度值的差值,目的是为了获得第/>个IMF分量信号相对于原始数据的变化程度,其差异越大,说明当前IMF分量信号可能受到的噪声影响程度越大;而差异越小,则说明当前IMF分量信号可能受到噪声的影响程度越小。计算出的第一数据变化程度值与第二数据变化程度值的差值也就是噪声影响程度修正值有正有负,进而来调整初始噪声影响程度。
步骤S4:根据所述修正噪声影响程度,确定每个所述模态分解分量信号对应的小波基函数,并根据所述小波基函数,对所述用电负荷信号进行小波变换分解,得到每个所述模态分解分量信号对应的各个小波分量信号。
根据上述计算获得的修正噪声影响程度,确定合适的小波基函数。由于通过小波基函数在对原始数据进行分解时,不同的小波基函数对原始数据的分解效果不同,而本方案是为了对用电负荷数据进行更好的分解,以更多地保留低频信息,使低频信息的损失更小,因此可以根据上述所确定的各个IMF分量信号所对应的不同的修正噪声影响程度,来确定各个IMF分量信号对应的小波基函数,后续通过对这些小波基函数进行筛选,从而最终可以获取到最合适的小波基函数。根据各个IMF分量信号对应的修正噪声影响程度,确定各个IMF分量信号对应的小波基函数,对应的计算公式为:
其中,表示第/>条IMF分量信号对应的小波基函数,e为自然常数,/>为圆周率。
由于上述确定各个IMF分量信号对应的小波基函数的计算公式为现有公式,在此不再进行逻辑解释。
在通过上述计算公式确定各个IMF分量信号对应的小波基函数之后,由于不知道哪一个IMF分量信号是对原始信号更好的表示,因而需要根据不同修正噪声影响程度确定的小波基函数所获得的小波分解信号的变化来进行反馈调节,从而确定最合适的小波基函数。因此,根据上述所确定的每个IMF分量信号对应的小波基函数,对插值处理后的用电负荷信号进行小波变换分解,从而得到该IMF分量信号对应的多个频率的小波分量信号。由于在已知小波基函数的情况下,对信号进行小波变换分解的过程属于现有技术,在此不再进行赘述。
步骤S5:根据所述用电负荷信号的各个极值点、每个所述模态分解分量信号及其对应的各个小波分量信号,确定每个所述模态分解分量信号对应的小波变换分解效果评价指标。
由于不同的小波基函数对原始信息的分解能力不同,因此可以对不同小波基函数的分解效果进行分析,确定不同小波基函数也就是不同IMF分量信号对应的小波变换分解效果评价指标,从而确定最合适的小波基函数。
可选择地,确定不同IMF分量信号对应的小波变换分解效果评价指标,包括:
确定每个所述模态分解分量信号中所有数据点的幅值的平均值,并计算所述用电负荷信号的各个极值点的幅值与所述平均值的差值绝对值的平均值,从而得到每个所述模态分解分量信号对应的第一分解差异值;
确定每个所述模态分解分量信号的各个极大值点的幅值,将所述每个所述模态分解分量信号的各个极大值点的幅值按照时间顺序进行排列,从而得到每个所述模态分解分量信号对应的第一幅值序列;
确定每个所述模态分解分量信号对应的各个小波分量信号中的目标小波分量信号,并确定所述目标小波分量信号的各个极大值点的幅值,将所述目标小波分量信号的各个极大值点的幅值按照时间顺序进行排列,从而得到所述目标小波分量信号对应的第二幅值序列;
确定所述第一幅值序列和第二幅值序列中相同序号的幅值之间的差值绝对值的累加和,从而得到每个所述模态分解分量信号对应的第二分解差异值;
确定每个所述模态分解分量信号的极值点的数目与其对应的每个小波分量信号的极值点的数目之间的差值绝对值,从而得到每个所述模态分解分量信号与其对应的每个小波分量信号之间的极值点数目差异,确定所述极值点数目差异中的最小值,从而得到每个所述模态分解分量信号对应的第三分解差异值;
根据所述第一分解差异值、第二分解差异值和第三分解差异值,确定每个所述模态分解分量信号对应的小波变换分解效果评价指标,所述第一分解差异值、第二分解差异值和第三分解差异值均与所述小波变换分解效果评价指标成负相关关系。
具体的,在对小波变换获得的各个小波分量信号进行分析时,主要是分析各个小波分量信号与对应的IMF分量信号之间的关系,因为IMF分量信号表示的是不同频率信号的变化,而由IMF分量信号获得的修正噪声影响程度来获得对应的小波分量信号,其表示的是不同频率信号对噪声的敏感程度不同,目的是为了在根据修正噪声影响程度进行多次分解后能够获得最佳的小波分量信号。因此通过比较小波变换后的小波分量信号与对应的IMF分量信号的变化,可以确定其分解效果。而为了通过比较小波变换后的小波分量信号与对应的IMF分量信号的变化,进而确定不同小波基函数也就是IMF分量信号所对应的小波分量信号的分解效果,首先需要确定每个IMF分量信号所对应的小波分量信号中的目标小波分量信号。
可选择地,确定每个IMF分量信号所对应的小波分量信号中的目标小波分量信号,包括:
根据所述参考信号和每个所述模态分解分量信号对应的每个小波分量信号的差异,确定每个所述模态分解分量信号对应的每个小波分量信号对应的初始噪声影响程度;
根据所述拟合曲线信号与每个所述模态分解分量信号对应的每个小波分量信号的差异,对每个所述模态分解分量信号对应的每个小波分量信号对应的初始噪声影响程度进行修正,得到每个所述模态分解分量信号对应的每个小波分量信号对应的修正噪声影响程度;
将每个所述模态分解分量信号对应的各个小波分量信号对应的修正噪声影响程度中的最小值所对应的小波分量信号,确定为每个所述模态分解分量信号对应的各个小波分量信号中的目标小波分量信号。
具体的,对于每个IMF分量信号所对应的任意一个小波分量信号,基于上述步骤所确定的参考信号以及拟合曲线信号,按照上述计算每个IMF分量信号对应的修正噪声影响程度的相同方式,确定该任意一个小波分量信号对应的修正噪声影响程度。由于上述对计算每个IMF分量信号对应的修正噪声影响程度的具体过程进行了详细介绍,此处不再进行赘述。在确定每个IMF分量信号所对应的各个小波分量信号对应的修正噪声影响程度之后,将这些修正噪声影响程度中的最小值所对应的小波分量信号确定为对应IMF分量信号对应的目标小波分量信号。按照这种方式,可以确定每个IMF分量信号所对应的各个小波分量信号中的目标小波分量信号,并可以进一步确定该目标小波分量信号的各个极大值点。
在确定每个IMF分量信号所对应目标小波分量信号之后,结合插值处理后的用电负荷信号、每个IMF分量信号及其对应的各个小波分量信号,确定每个IMF分量信号对应的小波变换分解效果评价指标,对应的计算公式为:
其中,表示第/>个IMF分量信号对应的小波变换分解效果评价指标;/>表示在插值处理后的用电负荷信号中第/>个极值点的幅值;/>表示第/>条IMF分量信号中所有数据点的幅值的平均幅值;/>表示插值处理后的用电负荷信号中极值点的个数;/>表示在第/>个IMF分量信号对应的目标小波分量信号中第/>个极大值点的幅值;/>表示在第/>条IMF分量信号中第/>个极大值点的幅值;/>表示第/>个IMF分量信号对应的目标小波分量信号中极大值点的数目和第/>条IMF分量信号中极大值点的数目中的较小值;表示第/>个IMF分量信号对应的第/>个小波分量信号中极值点的数量;/>表示第/>个IMF分量信号中极值点的数量;/>表示第/>个IMF分量信号与其对应的第/>个小波分量信号之间的极值点数目差异;/>表示取/>个IMF分量信号与其对应的各个小波分量信号之间的极值点数目差异中的最小值;/>表示以自然常数e为底数的指数函数。
对于上述的小波变换分解效果评价指标,表示原始信号中极值点幅值与IMF分量信号中数据点幅值均值的差异,当第/>个IMF分量信号的数据分布与原始信号的分布较为相似时,说明其受到噪声的影响程度较小。因此求原始信号的极值点幅值与IMF分量信号幅值均值之间的差异的平均值,得到第一分解差异值。/>表示小波分量信号中的目标小波分量信号与第/>条IMF分量信号的极大值点幅值差异,因为小波分量信号表征了原始信号中发生数据突变点的分布,那么当小波分量信号与IMF分量信号之间的极大值点的幅值差异越小时,说明通过小波变换分解后的信号其越能够体现原始信号中不同频率噪声的分布,此时对应的IMF分量信号即是最佳信号。因此将每个IMF分量信号的各个极大值点的幅值按照时间顺序进行排列,从而得到对应的第一幅值序列,并将该IMF分量信号对应的目标小波分量信号的各个极大值点的幅值按照时间顺序进行排列,从而得到对应的第二幅值序列,计算第一幅值序列和第二幅值序列中相同序号的幅值之间的差值绝对值的累加和,从而得到第二分解差异值/>。/>表示每个IMF分量信号与其对应的每个小波分量信号之间的极值点数目差异,由于信号中极值点的数量能够较好地体现信号的变换情况,当小波分量信号与IMF分量信号之间的极值点数目差异越小时,说明小波分量信号越能够体现原始信号中噪声的分布。因此求每个IMF分量信号与其对应的各个小波分量信号之间的极值点数目差异中的最小值,从而得到第三分解差异值。当第一分解差异值、第二分解差异值和第三分解差异值越小时,则对应的小波变换分解效果评价指标就越大。
步骤S6:根据所述小波变换分解效果评价指标,确定各个所述模态分解分量信号中的最佳模态分解分量信号,根据所述最佳模态分解分量信号对应的小波基函数,对所述用电负荷信号进行小波变换去噪,并根据去噪后的用电负荷信号进行用电负荷评估。
在通过上述步骤确定各个IMF分量信号对应的小波变换分解效果评价指标之后,当小波变换分解效果评价指标越大时,说明此时对应的IMF分量信号对应的噪声影响程度确定的小波基函数即为最佳小波基函数。因此将这些小波变换分解效果评价指标中的最大值所对应的IMF分量信号,确定为各个IMF分量信号中的目标IMF分量信号,并将该目标IMF分量信号对应的小波基函数确定为最佳小波基函数。利用该最佳小波基函数对插值处理过的用电负荷信号进行小波变换去噪,从而得到去噪处理后的用电负荷信号。由于进行小波变换去噪的具体实现过程属于现有技术,此处不再进行赘述。因为利用该最佳小波基函数对插值处理过的用电负荷信号进行小波变换去噪时,能够更好地反映原始信号的频率变化,所以对原始信号进行去噪能够取得较好的去噪效果。
由于电网在架设的过程中,通常会设置额定负荷,当在某一时段用电量突然增大时,电网的负荷就会增大,容易引起变压器烧坏、电力设备和敏感电子设备发生损坏或故障等,因此需要根据去噪处理后的用电负荷信号,对电网用电负荷进行评估。在对电网用电负荷进行评估时,由于去噪后的用电负荷信号中最后一个数据点是当前最新的数据点,因此将去噪后的用电负荷信号中最后一个数据点的幅值与额定负荷进行比较,当最后一个数据点的幅值大于所述额定负荷时,则判定电网超负荷;否则判定电网负荷正常。
实施例2:
现有在对新型配电网系统中的用电负荷进行监测时,由于采集数据的过程中因仪器发热、电压不稳等原因,导致获得用电负荷存在噪声的影响,从而使得监测数据不够可靠,因而需要先对获得的用电负荷进行去噪预处理。
在现有技术中,对数据进行去噪的算法较多,其中小波变换具有良好的时频局部化特性,能够更精确地捕获信号中的瞬态或突变信息,因而在数据去噪中具有很好的效果。但是在采用小波变换进行去噪时,需要选择合适的小波基函数来对原始数据进行分解,从而将噪声集中在高频成分上,并根据噪声水平进行适当的抑制,从而实现有效的去噪效果。常见的小波基函数包括haar函数、Daubechies、Coiflets等,但是由于这些小波基函数不能够与电网用电负荷完全匹配,直接用于电网用电负荷数据的去噪时,会导致去噪效果不够理想,使得监测数据不够准确。
为了解决现有对采集到的电网用电负荷进行小波变换去噪效果差,从而导致监测到的电网负荷准确性较低的问题,本实施例提供了一种新型配电网系统用电负荷监测方法,其对应的流程图如图2所示,包括以下步骤:
(1)获取采集的用电负荷信号,对所述用电负荷信号进行分解模态分解,得到各个模态分解分量信号;
(2)获取所述用电负荷信号的参考信号,根据所述参考信号和每个所述模态分解分量信号的差异,确定每个所述模态分解分量信号对应的初始噪声影响程度;
(3)确定所述用电负荷信号的各个极值点,对所述各个极值点进行曲线拟合,得到拟合曲线信号,并根据所述拟合曲线信号与每个所述模态分解分量信号的差异,对所述初始噪声影响程度进行修正,得到每个所述模态分解分量信号对应的修正噪声影响程度;
(4)根据所述修正噪声影响程度,确定每个所述模态分解分量信号对应的小波基函数,并根据所述小波基函数,对所述用电负荷信号进行小波变换分解,得到每个所述模态分解分量信号对应的各个小波分量信号;
(5)根据所述用电负荷信号的各个极值点、每个所述模态分解分量信号及其对应的各个小波分量信号,确定每个所述模态分解分量信号对应的小波变换分解效果评价指标;
(6)根据所述小波变换分解效果评价指标,确定各个所述模态分解分量信号中的最佳模态分解分量信号,根据所述最佳模态分解分量信号对应的小波基函数,对所述用电负荷信号进行小波变换去噪,得到监测用电负荷数据。
由于该新型配电网系统用电负荷监测方法的步骤(1)-(6),已经在上述新型配电网系统用电负荷评估方法中进行了详细介绍,此处不再进行赘述。通过根据最佳模态分解分量信号对应的小波基函数,对用电负荷信号进行小波变换去噪,即可得到小波变换去噪后的用电负荷信号,该小波变换去噪后的用电负荷信号中的最后一个数据点即为当前的监测用电负荷数据。由于该当前的监测用电负荷数据消除了噪声的影响,具有较高的准确性。
需要说明的是:以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种新型配电网系统用电负荷评估方法,其特征在于,包括以下步骤:
获取采集的用电负荷信号,对所述用电负荷信号进行分解模态分解,得到各个模态分解分量信号;
获取所述用电负荷信号的参考信号,根据所述参考信号和每个所述模态分解分量信号的差异,确定每个所述模态分解分量信号对应的初始噪声影响程度;
确定所述用电负荷信号的各个极值点,对所述各个极值点进行曲线拟合,得到拟合曲线信号,并根据所述拟合曲线信号与每个所述模态分解分量信号的差异,对所述初始噪声影响程度进行修正,得到每个所述模态分解分量信号对应的修正噪声影响程度;
根据所述修正噪声影响程度,确定每个所述模态分解分量信号对应的小波基函数,并根据所述小波基函数,对所述用电负荷信号进行小波变换分解,得到每个所述模态分解分量信号对应的各个小波分量信号;
根据所述用电负荷信号的各个极值点、每个所述模态分解分量信号及其对应的各个小波分量信号,确定每个所述模态分解分量信号对应的小波变换分解效果评价指标;
根据所述小波变换分解效果评价指标,确定各个所述模态分解分量信号中的最佳模态分解分量信号,根据所述最佳模态分解分量信号对应的小波基函数,对所述用电负荷信号进行小波变换去噪,并根据去噪后的用电负荷信号进行用电负荷评估。
2.根据权利要求1所述的一种新型配电网系统用电负荷评估方法,其特征在于,确定每个所述模态分解分量信号对应的初始噪声影响程度,包括:
计算所述参考信号和每个所述模态分解分量信号中每个相同时刻的数据点的幅值之间的差值绝对值,进而确定所述参考信号和每个所述模态分解分量信号对应的所有幅值之间的差值绝对值的累加和;
确定每个所述模态分解分量信号的各个极大值点和极小值点,并计算每相邻的极大值点和极小值点对应的时刻之间的差值绝对值,进而确定每个所述模态分解分量信号对应的所有时刻之间的差值绝对值的方差;
根据所述参考信号和每个所述模态分解分量信号对应的累加和,以及每个所述模态分解分量信号对应的方差,确定每个所述模态分解分量信号对应的初始噪声影响程度,所述累加和和方差均与所述初始噪声影响程度成正相关关系。
3.根据权利要求1所述的一种新型配电网系统用电负荷评估方法,其特征在于,对所述初始噪声影响程度进行修正,得到每个所述模态分解分量信号对应的修正噪声影响程度,包括:
确定每个所述模态分解分量信号中每相邻两个数据点的幅值的差值绝对值的叠加和,以及每个所述模态分解分量信号中所有数据点的幅值的方差,进而确定每个所述模态分解分量信号对应的第一数据变化程度值;
确定所述拟合曲线信号中每相邻两个数据点的幅值的差值绝对值的叠加和,以及所述拟合曲线信号中所有数据点的幅值的方差,进而确定所述拟合曲线信号对应的第二数据变化程度值;
将所述第一数据变化程度值与第二数据变化程度值的差值确定为噪声影响程度修正值,并将所述噪声影响程度修正值与所述初始噪声影响程度的相加值确定为每个所述模态分解分量信号对应的修正噪声影响程度。
4.根据权利要求1所述的一种新型配电网系统用电负荷评估方法,其特征在于,确定每个所述模态分解分量信号对应的小波变换分解效果评价指标,包括:
确定每个所述模态分解分量信号中所有数据点的幅值的平均值,并计算所述用电负荷信号的各个极值点的幅值与所述平均值的差值绝对值的平均值,从而得到每个所述模态分解分量信号对应的第一分解差异值;
确定每个所述模态分解分量信号的各个极大值点的幅值,将所述每个所述模态分解分量信号的各个极大值点的幅值按照时间顺序进行排列,从而得到每个所述模态分解分量信号对应的第一幅值序列;
确定每个所述模态分解分量信号对应的各个小波分量信号中的目标小波分量信号,并确定所述目标小波分量信号的各个极大值点的幅值,将所述目标小波分量信号的各个极大值点的幅值按照时间顺序进行排列,从而得到所述目标小波分量信号对应的第二幅值序列;
确定所述第一幅值序列和第二幅值序列中相同序号的幅值之间的差值绝对值的累加和,从而得到每个所述模态分解分量信号对应的第二分解差异值;
确定每个所述模态分解分量信号的极值点的数目与其对应的每个小波分量信号的极值点的数目之间的差值绝对值,从而得到每个所述模态分解分量信号与其对应的每个小波分量信号之间的极值点数目差异,确定所述极值点数目差异中的最小值,从而得到每个所述模态分解分量信号对应的第三分解差异值;
根据所述第一分解差异值、第二分解差异值和第三分解差异值,确定每个所述模态分解分量信号对应的小波变换分解效果评价指标,所述第一分解差异值、第二分解差异值和第三分解差异值均与所述小波变换分解效果评价指标成负相关关系。
5.根据权利要求4所述的一种新型配电网系统用电负荷评估方法,其特征在于,确定每个所述模态分解分量信号对应的各个小波分量信号中的目标小波分量信号,包括:
根据所述参考信号和每个所述模态分解分量信号对应的每个小波分量信号的差异,确定每个所述模态分解分量信号对应的每个小波分量信号对应的初始噪声影响程度;
根据所述拟合曲线信号与每个所述模态分解分量信号对应的每个小波分量信号的差异,对每个所述模态分解分量信号对应的每个小波分量信号对应的初始噪声影响程度进行修正,得到每个所述模态分解分量信号对应的每个小波分量信号对应的修正噪声影响程度;
将每个所述模态分解分量信号对应的各个小波分量信号对应的修正噪声影响程度中的最小值所对应的小波分量信号,确定为每个所述模态分解分量信号对应的各个小波分量信号中的目标小波分量信号。
6.根据权利要求1所述的一种新型配电网系统用电负荷评估方法,其特征在于,确定各个所述模态分解分量信号中的最佳模态分解分量信号,包括:
将各个所述模态分解分量信号对应的小波变换分解效果评价指标中的最大值所对应的模态分解分量信号,确定为各个所述模态分解分量信号中的最佳模态分解分量信号。
7.根据权利要求1所述的一种新型配电网系统用电负荷评估方法,其特征在于,根据去噪后的用电负荷信号进行用电负荷评估,包括:
将去噪后的用电负荷信号中最后一个数据点的幅值与额定负荷进行比较,当最后一个数据点的幅值大于所述额定负荷时,则判定电网超负荷;否则判定电网负荷正常。
8.根据权利要求1所述的一种新型配电网系统用电负荷评估方法,其特征在于,利用EMD算法对所述用电负荷信号进行分解模态分解,得到各个模态分解分量信号。
9.根据权利要求1所述的一种新型配电网系统用电负荷评估方法,其特征在于,利用最小二乘算法对所述用电负荷信号的各个极值点进行曲线拟合,得到拟合曲线信号。
10.根据权利要求1所述的一种新型配电网系统用电负荷评估方法,其特征在于,获取所述用电负荷信号的参考信号,包括:
根据所述用电负荷信号中各个数据点的幅值和时刻,确定参考信号,所述参考信号中所有数据点的时刻与所述电负荷信号中所有数据点的时刻一一对应,且所述参考信号中所有数据点的幅值均等于所述用电负荷信号中所有数据点的幅值的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310975595.1A CN116703183B (zh) | 2023-08-04 | 2023-08-04 | 一种新型配电网系统用电负荷评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310975595.1A CN116703183B (zh) | 2023-08-04 | 2023-08-04 | 一种新型配电网系统用电负荷评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116703183A true CN116703183A (zh) | 2023-09-05 |
CN116703183B CN116703183B (zh) | 2023-09-29 |
Family
ID=87841870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310975595.1A Active CN116703183B (zh) | 2023-08-04 | 2023-08-04 | 一种新型配电网系统用电负荷评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703183B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116933216A (zh) * | 2023-09-18 | 2023-10-24 | 湖北华中电力科技开发有限责任公司 | 一种基于柔性负荷资源聚合特征分析的管理系统及方法 |
CN117235652A (zh) * | 2023-11-14 | 2023-12-15 | 山东鑫大地控股集团有限公司 | 一种基于大数据的钢丝加工环境监管方法及系统 |
CN117420095A (zh) * | 2023-12-15 | 2024-01-19 | 乐比(广州)健康产业有限公司 | 一种鼻腔喷雾剂成分检测方法 |
CN117493778A (zh) * | 2024-01-03 | 2024-02-02 | 河北雄安睿天科技有限公司 | 一种供排水设备关联数据在线监测方法及系统 |
CN117559448A (zh) * | 2024-01-12 | 2024-02-13 | 山东德源电力科技股份有限公司 | 一种用于专变采集终端的用电负荷预测分析方法及系统 |
CN118138651A (zh) * | 2024-05-06 | 2024-06-04 | 江苏天南电力股份有限公司 | 基于5g技术的输电线路数据远程传输方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094111A (zh) * | 2015-04-09 | 2015-11-25 | 南京航空航天大学 | 基于联合降噪和经验模态分解的控制系统健康状态分析方法 |
CN110472777A (zh) * | 2019-07-29 | 2019-11-19 | 上海电力大学 | 一种基于经验模态分解的微电网短期负荷预测方法 |
CN111985361A (zh) * | 2020-08-05 | 2020-11-24 | 武汉大学 | 小波降噪和emd-arima的电力系统负荷预测方法及系统 |
CN114139820A (zh) * | 2021-12-07 | 2022-03-04 | 国网江苏省电力有限公司扬州供电分公司 | 一种用于非侵入式电能负荷预测的改进模态分解方法 |
CN114970602A (zh) * | 2022-04-13 | 2022-08-30 | 浙大宁波理工学院 | 基于改进的经验模态分解与小波阀值函数的信号去噪方法与系统 |
CN116090615A (zh) * | 2022-12-27 | 2023-05-09 | 国网浙江省电力有限公司台州供电公司 | 一种基于序列分解的母线负荷降噪预测方法 |
-
2023
- 2023-08-04 CN CN202310975595.1A patent/CN116703183B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094111A (zh) * | 2015-04-09 | 2015-11-25 | 南京航空航天大学 | 基于联合降噪和经验模态分解的控制系统健康状态分析方法 |
CN110472777A (zh) * | 2019-07-29 | 2019-11-19 | 上海电力大学 | 一种基于经验模态分解的微电网短期负荷预测方法 |
CN111985361A (zh) * | 2020-08-05 | 2020-11-24 | 武汉大学 | 小波降噪和emd-arima的电力系统负荷预测方法及系统 |
CN114139820A (zh) * | 2021-12-07 | 2022-03-04 | 国网江苏省电力有限公司扬州供电分公司 | 一种用于非侵入式电能负荷预测的改进模态分解方法 |
CN114970602A (zh) * | 2022-04-13 | 2022-08-30 | 浙大宁波理工学院 | 基于改进的经验模态分解与小波阀值函数的信号去噪方法与系统 |
CN116090615A (zh) * | 2022-12-27 | 2023-05-09 | 国网浙江省电力有限公司台州供电公司 | 一种基于序列分解的母线负荷降噪预测方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116933216A (zh) * | 2023-09-18 | 2023-10-24 | 湖北华中电力科技开发有限责任公司 | 一种基于柔性负荷资源聚合特征分析的管理系统及方法 |
CN116933216B (zh) * | 2023-09-18 | 2023-12-01 | 湖北华中电力科技开发有限责任公司 | 一种基于柔性负荷资源聚合特征分析的管理系统及方法 |
CN117235652A (zh) * | 2023-11-14 | 2023-12-15 | 山东鑫大地控股集团有限公司 | 一种基于大数据的钢丝加工环境监管方法及系统 |
CN117235652B (zh) * | 2023-11-14 | 2024-02-09 | 山东鑫大地控股集团有限公司 | 一种基于大数据的钢丝加工环境监管方法及系统 |
CN117420095A (zh) * | 2023-12-15 | 2024-01-19 | 乐比(广州)健康产业有限公司 | 一种鼻腔喷雾剂成分检测方法 |
CN117420095B (zh) * | 2023-12-15 | 2024-03-01 | 乐比(广州)健康产业有限公司 | 一种鼻腔喷雾剂成分检测方法 |
CN117493778A (zh) * | 2024-01-03 | 2024-02-02 | 河北雄安睿天科技有限公司 | 一种供排水设备关联数据在线监测方法及系统 |
CN117493778B (zh) * | 2024-01-03 | 2024-03-22 | 河北雄安睿天科技有限公司 | 一种供排水设备关联数据在线监测方法及系统 |
CN117559448A (zh) * | 2024-01-12 | 2024-02-13 | 山东德源电力科技股份有限公司 | 一种用于专变采集终端的用电负荷预测分析方法及系统 |
CN117559448B (zh) * | 2024-01-12 | 2024-03-22 | 山东德源电力科技股份有限公司 | 一种用于专变采集终端的用电负荷预测分析方法及系统 |
CN118138651A (zh) * | 2024-05-06 | 2024-06-04 | 江苏天南电力股份有限公司 | 基于5g技术的输电线路数据远程传输方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116703183B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116703183B (zh) | 一种新型配电网系统用电负荷评估方法 | |
CN116702081B (zh) | 基于人工智能的配电设备智能巡检方法 | |
CN115935296B (zh) | 一种电能数据计量方法及系统 | |
Lei et al. | Short-term wind speed forecasting model for wind farm based on wavelet decomposition | |
CN112613641B (zh) | 一种基于特征分解的短期电负荷组合预测方法 | |
CN106570790B (zh) | 一种计及风速数据分段特性的风电场出力数据修复方法 | |
CN113094862B (zh) | 一种基于数据驱动的台区多层拓扑结构辨识方法 | |
CN116865269B (zh) | 一种风电机组高谐波补偿方法及系统 | |
CN111289796A (zh) | 一种高比例可再生能源电力系统次同步振荡的检测方法 | |
CN102901855A (zh) | 一种特高压直流电晕电流信号去噪方法 | |
CN109635430B (zh) | 电网输电线路暂态信号监测方法和系统 | |
CN105550450B (zh) | 一种电能质量干扰源特征谐波建模方法 | |
CN108594156B (zh) | 一种改进的电流互感器饱和特性识别方法 | |
CN117200241A (zh) | 一种新能源并网智能调压系统 | |
CN116128690B (zh) | 一种碳排放量成本值计算方法、装置、设备及介质 | |
CN113949065B (zh) | 一种确定电力系统暂态电压稳定薄弱节点的方法及系统 | |
Gu | Wavelet threshold de-noising of power quality signals | |
CN111382891B (zh) | 短期负荷预测方法和短期负荷预测装置 | |
CN115360726B (zh) | 一种次同步振荡传播关键影响因素识别方法及系统 | |
CN116722557B (zh) | 一种基于小波分解的需求响应回弹时长分析方法及系统 | |
CN118033409B (zh) | 一种gcb灭弧室开关电阻测试方法 | |
CN115034264A (zh) | 串联补偿系统次同步谐振参数监测方法、设备及系统 | |
Aljefri | Modeling and event-driven processing based elucidation of the power quality disturbances in smart grids | |
CN106786500B (zh) | 建立扰动类型识别模型、识别接入设备类型的方法和装置 | |
CN115980445A (zh) | 一种基于倒谱分析的基频电能质量故障嵌入式检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |