CN116995734A - 一种面向新型电网的分布式能源电能质量监测控制评价系统 - Google Patents
一种面向新型电网的分布式能源电能质量监测控制评价系统 Download PDFInfo
- Publication number
- CN116995734A CN116995734A CN202311257157.8A CN202311257157A CN116995734A CN 116995734 A CN116995734 A CN 116995734A CN 202311257157 A CN202311257157 A CN 202311257157A CN 116995734 A CN116995734 A CN 116995734A
- Authority
- CN
- China
- Prior art keywords
- power quality
- time sequence
- quality parameter
- parameter time
- distributed energy
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 65
- 238000011156 evaluation Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000012806 monitoring device Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 61
- 238000003062 neural network model Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000010219 correlation analysis Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 238000013441 quality evaluation Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000011176 pooling Methods 0.000 claims description 4
- 238000001303 quality assessment method Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 17
- 238000011161 development Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012098 association analyses Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- H02J13/00002—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
- 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
- H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00016—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
-
- 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
- H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00022—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
-
- 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
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种面向新型电网的分布式能源电能质量监测控制评价系统，其通过部署于分布式能源的电能质量监测装置采集电压值、电流值、频率值和功率值，并在后端引入数据处理和分析算法来进行电能质量数据的时序协同分析，以此来对分布式能源接入电网后的电能质量进行实时监测、分析和评估，通过这样的方式，能够提高对电能质量评估的准确性，并根据评估结果进行优化调整，提高电力系统的效率和可靠性。这样，能够保障分布式能源接入电网的电能质量，确保电网安全稳定运行以及优化电力系统运行。
Description
技术领域
本申请涉及智能化监测技术领域，并且更具体地，涉及一种面向新型电网的分布式能源电能质量监测控制评价系统。
背景技术
分布式能源是指在电力系统中，通过将小型的发电装置（如太阳能光伏板、风力发电机、微型水电站等）部署在用户附近或分布式能源资源富集的地区，以满足当地用电需求的一种能源形式。分布式能源的接入对电力系统产生了新的影响，如电压波动、频率偏差、谐波等问题，会影响到用户设备的正常运行。
随着分布式能源的快速发展和智能电网技术的不断进步，越来越多的分布式能源接入电网，对电能质量的要求也越来越高，因此需要进行分布式能源的电能质量监测评估。然而，传统的电能质量监测系统主要针对传统电网，而在分布式能源接入电网中，由于分布式能源的分散性和多样性，使得传统的电能质量监测系统在应对复杂的分布式能源的电能质量问题时，无法满足对分布式能源接入电网后的电能质量进行实时监测、分析和评估的需求。
因此，期望一种面向新型电网的分布式能源电能质量监测控制评价系统。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种面向新型电网的分布式能源电能质量监测控制评价系统，其通过部署于分布式能源的电能质量监测装置采集电压值、电流值、频率值和功率值，并在后端引入数据处理和分析算法来进行电能质量数据的时序协同分析，以此来对分布式能源接入电网后的电能质量进行实时监测、分析和评估，通过这样的方式，能够提高对电能质量评估的准确性，并根据评估结果进行优化调整，提高电力系统的效率和可靠性。这样，能够保障分布式能源接入电网的电能质量，确保电网安全稳定运行以及优化电力系统运行。
第一方面，提供了一种面向新型电网的分布式能源电能质量监测控制评价系统，其包括：
数据采集模块，用于通过部署于被监控分布式能源的电能质量监测装置采集预定时间段内多个预定时间点的电压值、电流值、频率值和功率值；
电能质量参数时序排列模块，用于将所述多个预定时间点的电压值、电流值、频率值和功率值按照时间维度和参数样本维度排列为电能质量参数时序矩阵；
电能质量参数时序关联特征分析模块，用于对所述电能质量参数时序矩阵进行多尺度电能质量参数时序关联分析以得到多尺度电能质量参数时序特征；
电能质量评估模块，用于基于所述多尺度电能质量参数时序特征，确定电能质量等级标签。
附图说明
为了更清楚地说明本申请实施例的技术方案，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申请的一些实施例，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为根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价系统的框图。
图2为根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价方法的流程图。
图3为根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价方法架构的示意图。
图4为根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价系统的应用场景图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。
在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
分布式能源是指将小型的发电装置分布式地部署在用户附近或分布式能源资源富集的地区，以满足当地用电需求的一种能源形式。相比传统的集中式发电方式，分布式能源更加灵活和可持续，具有以下特点：
分散性：分布式能源系统由多个小型发电装置组成，可以分布在不同的地点，包括居民区、商业区、工业区等。这种分散性使得能源供应更加灵活，减少了对传输和配电网络的依赖。
多样性：分布式能源可以利用多种能源资源，包括太阳能、风能、水能、生物质能等。不同地区可以根据当地的资源条件选择适合的发电方式，提高能源利用效率。
可再生性：分布式能源主要利用可再生能源，如太阳能和风能，减少对传统的化石燃料的依赖，降低碳排放，有利于环境保护和可持续发展。
接近用户：分布式能源通常部署在用户附近，能够更好地满足当地的用电需求，减少输电损耗和电网压力，提高供电可靠性。
分布式能源的快速发展得益于可再生能源技术的进步、成本的下降以及政策支持的推动。分布式能源的接入对电力系统产生了新的影响，如电压波动、频率偏差、谐波等问题，需要进行电能质量监测和控制评价，以确保电网的稳定运行和用户设备的正常运行。
分布式能源的发展促进了能源的民主化和去中心化，使更多的人能够参与到能源生产和利用中，促进能源的可持续发展和能源安全。同时，分布式能源也为智能电网、能源互联网等新兴技术和概念的实现提供了基础。
随着分布式能源的快速发展和智能电网技术的不断进步，越来越多的分布式能源接入电网，对电能质量的要求也越来越高，因此需要进行分布式能源的电能质量监测评估。分布式能源的电能质量监测评估是指对分布式能源接入电网后的电能质量进行实时监测、分析和评估的过程。
分布式能源的电能质量监测评估系统通常包括以下主要步骤：首先，在分布式能源系统中部署电能质量监测装置，用于采集关键参数，如电压、电流、频率、谐波等。这些监测装置可以安装在分布式能源装置本身或其附近的关键节点上。然后，监测装置采集到的电能质量数据通过通信网络传输到后端数据处理系统。可以使用有线或无线通信方式，确保数据的实时传输和准确性。接着，后端数据处理系统对采集到的电能质量数据进行处理和分析。这包括数据清洗、数据校正、数据存储和时序分析等过程。数据处理和分析算法可以根据实际情况进行设计，以提取关键特征并发现潜在的电能质量问题。然后，基于数据处理和分析的结果，对分布式能源接入电网后的电能质量进行评估。可以使用标准化的评估指标和方法，如电压稳定度、频率偏差、谐波含量等。评估结果可以生成报告，用于监管机构、电力公司和用户的参考。最后，根据评估结果，可以针对性地进行优化调整，以改善电能质量。例如，调整分布式能源的输出功率、改进电能质量控制策略、优化电网配置等。优化调整的目标是提高电力系统的效率和可靠性，保障电网的安全稳定运行。
分布式能源的电能质量监测评估系统可以帮助及时发现和解决分布式能源接入电网后的电能质量问题，保障电网的稳定运行和用户设备的正常运行，对于推动分布式能源和智能电网的发展具有重要意义。
然而，传统的电能质量监测系统主要针对传统电网，而在分布式能源接入电网中，由于分布式能源的分散性和多样性，使得传统的电能质量监测系统在应对复杂的分布式能源的电能质量问题时，无法满足对分布式能源接入电网后的电能质量进行实时监测、分析和评估的需求。
传统的电能质量监测系统通常是集中式的，需要在电网中的关键节点或变电站等集中位置安装监测设备，对于分布式能源系统来说，由于其分散性和多样性，部署监测设备变得困难。需要在分布式能源装置附近或分布式能源系统的关键节点上安装监测设备，增加了部署和维护的复杂性。
传统的电能质量监测系统往往无法获取到分布式能源系统内部的电能质量信息，由于分布式能源系统通常是由多个小型发电装置组成，传统监测系统无法直接监测到每个分布式能源装置的电能质量参数。这导致监测数据的不完整，难以全面评估分布式能源对电网电能质量的影响。
传统的电能质量监测系统在数据处理和分析方面的能力有限，对于大量的实时监测数据，传统系统可能无法进行高效的数据处理和分析，难以及时发现电能质量问题和提供准确的评估结果。
传统的电能质量监测系统通常设计用于传统集中式发电方式下的电网，对于分布式能源接入电网后出现的新型电能质量问题，如电压波动、频率偏差、谐波等，可能无法有效监测和评估。需要一种更加适应新型电网和分布式能源的特点的监测系统。
传统的电能质量监测系统在面对分布式能源接入电网的挑战时存在一些限制和弊端，需要针对分布式能源的特点和需求，开发更加适应的分布式能源电能质量监测评估系统。
在本申请的一个实施例中，图1为根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价系统的框图。如图1所示，根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价系统100，包括：数据采集模块110，用于通过部署于被监控分布式能源的电能质量监测装置采集预定时间段内多个预定时间点的电压值、电流值、频率值和功率值；电能质量参数时序排列模块120，用于将所述多个预定时间点的电压值、电流值、频率值和功率值按照时间维度和参数样本维度排列为电能质量参数时序矩阵；电能质量参数时序关联特征分析模块130，用于对所述电能质量参数时序矩阵进行多尺度电能质量参数时序关联分析以得到多尺度电能质量参数时序特征；电能质量评估模块140，用于基于所述多尺度电能质量参数时序特征，确定电能质量等级标签。
在所述数据采集模块110中，在部署电能质量监测装置时，选择合适的位置和安装方式，以确保能够准确、全面地采集到被监控分布式能源的电能质量参数。此外，监测装置的准确性和可靠性也是关键，需要进行定期的校准和维护。通过数据采集模块，可以实时采集到被监控分布式能源的电压值、电流值、频率值和功率值等关键参数，为后续的电能质量分析和评估提供必要的数据支持。准确的数据采集有助于提高电能质量监测系统的可靠性和准确性，为电能质量问题的识别和解决提供基础。
在所述电能质量参数时序排列模块120中，在将多个预定时间点的电能质量参数排列为时序矩阵时，确保时间维度和参数样本维度的一致性和准确性。对于不同时间点可能存在的数据缺失或异常值，进行适当的处理和填充，以保证后续分析的准确性。通过时序排列，可以将多个预定时间点的电能质量参数整理为有序的时序矩阵，方便后续的关联分析和特征提取。时序排列有助于揭示电能质量参数的变化趋势和周期性特征，为电能质量问题的分析和诊断提供基础。
在所述电能质量参数时序关联特征分析模块130中，在进行多尺度电能质量参数时序关联分析时，选择合适的关联分析方法和特征提取算法，以充分挖掘电能质量参数之间的关联关系和特征。同时，考虑数据的噪声和干扰，进行适当的数据处理和滤波，以提高关联分析的准确性。通过关联分析和特征提取，可以发现电能质量参数之间的相关性和时序特征，揭示电能质量问题的潜在原因和规律。多尺度的关联分析有助于从不同角度和尺度对电能质量问题进行综合分析，提高问题识别和定位的准确性。
在所述电能质量评估模块140中，在基于多尺度电能质量参数时序特征进行评估时，建立合适的评估模型和判据体系。评估模型的设计应考虑电能质量参数的重要性权重和评估标准的合理性，以确保评估结果具有可靠性和可解释性。通过电能质量评估模块，可以基于多尺度电能质量参数时序特征对分布式能源的电能质量进行评估，并确定相应的电能质量等级标签。准确的评估结果有助于及时发现电能质量问题，指导电力系统的优化调整和改进，提高电网的可靠性和稳定性。具体地，所述数据采集模块110，用于通过部署于被监控分布式能源的电能质量监测装置采集预定时间段内多个预定时间点的电压值、电流值、频率值和功率值。
针对上述技术问题，本申请的技术构思为通过部署于分布式能源的电能质量监测装置采集电压值、电流值、频率值和功率值，并在后端引入数据处理和分析算法来进行电能质量数据的时序协同分析，以此来对分布式能源接入电网后的电能质量进行实时监测、分析和评估，通过这样的方式，能够提高对电能质量评估的准确性，并根据评估结果进行优化调整，提高电力系统的效率和可靠性。这样，能够保障分布式能源接入电网的电能质量，确保电网安全稳定运行以及优化电力系统运行。
具体地，在本申请的技术方案中，首先，获取由部署于被监控分布式能源的电能质量监测装置采集的预定时间段内多个预定时间点的电压值、电流值、频率值和功率值。应可以理解，在分布式能源接入电网中，电能质量的评估通常与电压、电流、频率和功率等参数的时序变化密切相关。因此，电压、电流、频率和功率是评估电能质量的关键参数，通过监测和记录这些参数的数值，可以评估电网的稳定性、电压波动、谐波含量、频率偏差和功率因数等指标，从而对分布式能源的电能质量进行定量或定性的评估。
通过采集多个预定时间点的电能质量参数数据，可以获得更加准确和全面的数据样本，有助于消除单一时间点的偶然性和特殊性，提高电能质量评估的可靠性和准确性。采集的电能质量参数数据可以用于进行多维度特征分析。通过对电压、电流、频率和功率值的综合分析，可以揭示电能质量问题的多个方面，如电压稳定性、频率偏差、谐波含量等，有助于全面了解电能质量问题的特征和程度。通过对采集的电能质量参数数据进行特征提取和分析，可以确定不同特征与电能质量等级之间的关系。通过建立相应的评估模型和判据体系，可以将特征与电能质量等级标签相对应，从而确定最终的电能质量等级标签。确定电能质量等级标签后，可以将其作为综合评估和决策的依据。不同的电能质量等级标签对应着不同的电能质量状况和问题严重程度，可以帮助电网运营者和用户了解分布式能源系统的电能质量状况，并采取相应的措施进行优化和改进。
通过部署电能质量监测装置采集多个预定时间点的电能质量参数数据，对于最后确定电能质量等级标签具有关键作用。可以提供准确、全面的数据样本，支持多维度特征分析，帮助确定特征与电能质量等级之间的关系，并为综合评估和决策提供依据。这有助于实现对分布式能源电能质量的全面监测和评估，为电网运营和用户提供参考和决策依据。
具体地，所述电能质量参数时序排列模块120，用于将所述多个预定时间点的电压值、电流值、频率值和功率值按照时间维度和参数样本维度排列为电能质量参数时序矩阵。
然后，考虑到由于所述电压值、所述电流值、所述频率值和所述功率值不仅都在时间维度上有着时序的动态变化规律，而且所述电压值、所述电流值、所述频率值和所述功率值之间还具有着时序的协同关联特征信息，共同对于电能质量的评估产生影响。因此，为了能够全面了解电能质量的时序演变和影响，需要对于电能质量参数进行时序协同关联分析。具体地，在本申请的技术方案中，需要将所述多个预定时间点的电压值、电流值、频率值和功率值按照时间维度和参数样本维度排列为电能质量参数时序矩阵，以此来整合所述电压值、所述电流值、所述频率值和所述功率值在时间维度和电能质量样本参数上的分布信息，以便于后续更为全面且准确地进行电能质量的定性分析和定量评估。
具体地，所述电能质量参数时序关联特征分析模块130，用于对所述电能质量参数时序矩阵进行多尺度电能质量参数时序关联分析以得到多尺度电能质量参数时序特征。所述电能质量参数时序关联特征分析模块130，包括：第一尺度电能质量参数时序特征提取单元，用于通过基于第一深度神经网络模型的电能质量参数时序特征提取器对所述电能质量参数时序矩阵进行特征提取以得到第一尺度电能质量参数时序特征向量；第二尺度电能质量参数时序特征提取单元，用于通过基于第二深度神经网络模型的电能质量参数时序特征提取器对所述电能质量参数时序矩阵进行特征提取以得到第二尺度电能质量参数时序特征向量；多尺度电能质量参数时序特征融合单元，用于融合所述第一尺度电能质量参数时序特征向量和所述第二尺度电能质量参数时序特征向量以得到多尺度电能质量参数时序特征向量作为所述多尺度电能质量参数时序特征。
其中，所述第一深度神经网络模型为第一卷积神经网络模型，所述第二深度神经网络模型为第二卷积神经网络模型，
进一步地，所述第二卷积神经网络模型的卷积核尺寸不同于所述第一卷积神经网络模型的卷积核尺寸。
在本申请的一个实施例中，所述第一尺度电能质量参数时序特征提取单元，用于：使用所述基于第一深度神经网络模型的电能质量参数时序特征提取器的各层在层的正向传递中对输入数据分别进行卷积处理、均值池化处理和非线性激活处理以由所述基于第一深度神经网络模型的电能质量参数时序特征提取器的最后一层输出为所述第一尺度电能质量参数时序特征向量，其中，所述基于第一深度神经网络模型的电能质量参数时序特征提取器的第一层的输入为所述电能质量参数时序矩阵。
在本申请的一个实施例中，所述第二尺度电能质量参数时序特征提取单元，用于使用所述基于第二深度神经网络模型的电能质量参数时序特征提取器的各层在层的正向传递中对输入数据分别进行卷积处理、均值池化处理和非线性激活处理以由所述基于第二深度神经网络模型的电能质量参数时序特征提取器的最后一层输出为所述第二尺度电能质量参数时序特征向量，其中，所述基于第二深度神经网络模型的电能质量参数时序特征提取器的第一层的输入为所述电能质量参数时序矩阵。
进一步地，将所述电能质量参数时序矩阵通过基于第一卷积神经网络模型的电能质量参数时序特征提取器中进行特征挖掘，以提取出所述电压值、所述电流值、所述频率值和所述功率值之间在时间维度上有关于电能质量多参数时序关联特征分布信息，从而得到第一尺度电能质量参数时序特征向量。
接着，考虑到由于所述电能质量参数的时序数据可能存在多个时间尺度上的特征。因此，在本申请的技术方案中，进一步将所述电能质量参数时序矩阵通过基于第二卷积神经网络模型的电能质量参数时序特征提取器以得到第二尺度电能质量参数时序特征向量。特别地，这里，所述第二卷积神经网络模型的卷积核尺寸不同于所述第一卷积神经网络模型的卷积核尺寸。通过使用不同尺度的卷积核，可以捕捉到不同级别的特征信息，从而更全面地描述电能质量的时序变化。例如，较小尺度的卷积核可以捕捉到快速变化的细节特征信息，而较大尺度的卷积核可以捕捉到更长时间范围内的趋势特征信息。也就是说，通过对所述电能质量参数时序矩阵进行多尺度的关联特征提取，可以获得更丰富和多样化的特征表示。不同尺度的特征可以提供互补的信息，帮助提高特征的表达能力。同时，不同尺度的特征可以在一定程度上平滑噪声，减少噪声对模型的影响，以增加模型对噪声和干扰的鲁棒性。
继而，再融合所述第一尺度电能质量参数时序特征向量和所述第二尺度电能质量参数时序特征向量以得到多尺度电能质量参数时序特征向量。这样，能够融合所述电能质量参数间的多尺度时序关联特征信息，通过融合这些多尺度的特征可以更好地捕捉电能质量参数的时序模式和变化规律，同时，还可以提高模型对不同数据情况的适应能力，增强模型的鲁棒性和泛化能力。
具体地，所述电能质量评估模块140，包括：特征增益单元，用于对所述多尺度电能质量参数时序特征向量进行基于概率密度特征模仿范式的分布增益以得到增益后多尺度电能质量参数时序特征向量；电能质量检测分类单元，用于将所述增益后多尺度电能质量参数时序特征向量通过分类器以得到分类结果，所述分类结果用于表示电能质量等级标签。
特别地，在本申请的技术方案中，在融合所述第一尺度电能质量参数时序特征向量和所述第二尺度电能质量参数时序特征向量以得到多尺度电能质量参数时序特征向量时，所述基于第一卷积神经网络模型的电能质量参数时序特征提取器和所述基于第二卷积神经网络模型的电能质量参数时序特征提取器分别从不同角度对所述电能质量参数时序矩阵进行基于卷积核的特征过滤，因此，所述第一尺度电能质量参数时序特征向量和所述第二尺度电能质量参数时序特征向量分别表示不同角度的电能质量参数时序特征，所述多尺度电能质量参数时序特征向量表示不同角度的电能质量参数时序语义特征的融合特征表示。由此，考虑到不同角度的电能质量参数时序语义特征之间的特征分布的显著差异，在融合所述第一尺度电能质量参数时序特征向量和所述第二尺度电能质量参数时序特征向量以得到多尺度电能质量参数时序特征向量时，如果将所述第一尺度电能质量参数时序特征向量和所述第二尺度电能质量参数时序特征向量作为前景对象特征，则特征融合也会引入与传统特征和深度特征本身的特征分布干涉相关的背景融合噪声，并且，所述多尺度电能质量参数时序特征向量也具有特征阶次、尺度和深度下的分级特征表达，由此，期望基于所述多尺度电能质量参数时序特征向量的分布特性来增强其表达效果。
因此，本申请的申请人对所述多尺度电能质量参数时序特征向量进行基于概率密度特征模仿范式的分布增益，具体表示为：以如下优化公式对所述多尺度电能质量参数时序特征向量进行基于概率密度特征模仿范式的分布增益以得到所述增益后多尺度电能质量参数时序特征向量；其中，所述优化公式为：
，
其中， 是所述多尺度电能质量参数时序特征向量，/>是所述多尺度电能质量参数时序特征向量的第 /> 个位置的特征值，/> 是所述多尺度电能质量参数时序特征向量的长度，/> 表示所述多尺度电能质量参数时序特征向量的二范数的平方，且/>是加权超参数，/>表示指数运算，/>是所述增益后多尺度电能质量参数时序特征向量。
这里，基于标准柯西分布对于自然高斯分布在概率密度上的特征模仿范式，所述基于概率密度特征模仿范式的分布增益可以将特征尺度作为模仿掩码，在高维特征空间内区分前景对象特征和背景分布噪声，从而基于高维特征的分级语义来对高维空间进行特征空间映射的语义认知的分布软匹配，来获得高维特征分布的无约束的分布增益，提升所述多尺度电能质量参数时序特征向量基于特征分布特性的表达效果，也就提升了所述多尺度电能质量参数时序特征向量通过分类器得到的分类结果的精准度，即提高了电能质量等级评估的精准度。这样，能够对分布式能源接入电网后的电能质量进行实时全面地监测评估，并根据评估结果进行优化调整，以保障分布式能源接入电网的电能质量，提高电力系统的效率和可靠性，从而确保电网安全稳定运行以及优化电力系统运行。
在本申请的一个实施例中，所述电能质量检测分类单元，包括：全连接编码子单元，用于使用所述分类器的多个全连接层对所述增益后多尺度电能质量参数时序特征向量进行全连接编码以得到编码分类特征向量；以及，分类子单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
进而，将所述多尺度电能质量参数时序特征向量通过分类器以得到分类结果，所述分类结果用于表示电能质量等级标签。也就是说，利用所述电能质量参数间在时间维度上的时序协同多尺度关联特征信息来进行分类处理，以此来对分布式能源接入电网后的电能质量进行实时监测评估，从而得到电能质量的等级标签。通过这样的方式，能够提高对电能质量评估的准确性，并根据评估结果进行优化调整，提高电力系统的效率和可靠性。
如上所述，根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价系统 100可以实现在各种终端设备中，例如用于面向新型电网的分布式能源电能质量监测控制评价的服务器等。在一个示例中，根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该面向新型电网的分布式能源电能质量监测控制评价系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该面向新型电网的分布式能源电能质量监测控制评价系统100同样可以是该终端设备的众多硬件模块之一。
替换地，在另一示例中，该面向新型电网的分布式能源电能质量监测控制评价系统100与该终端设备也可以是分立的设备，并且该面向新型电网的分布式能源电能质量监测控制评价系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
在本申请的一个实施例中，图2为根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价方法的流程图。图3为根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价方法架构的示意图。如图2和图3所示，所述面向新型电网的分布式能源电能质量监测控制评价方法，包括：210，通过部署于被监控分布式能源的电能质量监测装置采集预定时间段内多个预定时间点的电压值、电流值、频率值和功率值；220，将所述多个预定时间点的电压值、电流值、频率值和功率值按照时间维度和参数样本维度排列为电能质量参数时序矩阵；230，对所述电能质量参数时序矩阵进行多尺度电能质量参数时序关联分析以得到多尺度电能质量参数时序特征；240，基于所述多尺度电能质量参数时序特征，确定电能质量等级标签。
本领域技术人员可以理解，上述面向新型电网的分布式能源电能质量监测控制评价方法中的各个步骤的具体操作已经在上面参考图1的面向新型电网的分布式能源电能质量监测控制评价系统的描述中得到了详细介绍，并因此，将省略其重复描述。
图4为根据本申请实施例的面向新型电网的分布式能源电能质量监测控制评价系统的应用场景图。如图4所示，在该应用场景中，首先，通过部署于被监控分布式能源的电能质量监测装置采集预定时间段内多个预定时间点的电压值（例如，如图4中所示意的C1）、电流值（例如，如图4中所示意的C2）、频率值（例如，如图4中所示意的C3）和功率值（例如，如图4中所示意的C4）；然后，将获取的电压值、电流值、频率值和功率值输入至部署有面向新型电网的分布式能源电能质量监测控制评价算法的服务器（例如，如图4中所示意的S）中，其中所述服务器能够基于面向新型电网的分布式能源电能质量监测控制评价算法对所述电压值、所述电流值、所述频率值和所述功率值进行处理，以确定电能质量等级标签。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (9)
1.一种面向新型电网的分布式能源电能质量监测控制评价系统，其特征在于，包括：
数据采集模块，用于通过部署于被监控分布式能源的电能质量监测装置采集预定时间段内多个预定时间点的电压值、电流值、频率值和功率值；
电能质量参数时序排列模块，用于将所述多个预定时间点的电压值、电流值、频率值和功率值按照时间维度和参数样本维度排列为电能质量参数时序矩阵；
电能质量参数时序关联特征分析模块，用于对所述电能质量参数时序矩阵进行多尺度电能质量参数时序关联分析以得到多尺度电能质量参数时序特征；
电能质量评估模块，用于基于所述多尺度电能质量参数时序特征，确定电能质量等级标签。
2.根据权利要求1所述的面向新型电网的分布式能源电能质量监测控制评价系统，其特征在于，所述电能质量参数时序关联特征分析模块，包括：
第一尺度电能质量参数时序特征提取单元，用于通过基于第一深度神经网络模型的电能质量参数时序特征提取器对所述电能质量参数时序矩阵进行特征提取以得到第一尺度电能质量参数时序特征向量；
第二尺度电能质量参数时序特征提取单元，用于通过基于第二深度神经网络模型的电能质量参数时序特征提取器对所述电能质量参数时序矩阵进行特征提取以得到第二尺度电能质量参数时序特征向量；
多尺度电能质量参数时序特征融合单元，用于融合所述第一尺度电能质量参数时序特征向量和所述第二尺度电能质量参数时序特征向量以得到多尺度电能质量参数时序特征向量作为所述多尺度电能质量参数时序特征。
3.根据权利要求2所述的面向新型电网的分布式能源电能质量监测控制评价系统，其特征在于，所述第一深度神经网络模型为第一卷积神经网络模型，所述第二深度神经网络模型为第二卷积神经网络模型。
4.根据权利要求3所述的面向新型电网的分布式能源电能质量监测控制评价系统，其特征在于，所述第二卷积神经网络模型的卷积核尺寸不同于所述第一卷积神经网络模型的卷积核尺寸。
5.根据权利要求4所述的面向新型电网的分布式能源电能质量监测控制评价系统，其特征在于，所述第一尺度电能质量参数时序特征提取单元，用于：
使用所述基于第一深度神经网络模型的电能质量参数时序特征提取器的各层在层的正向传递中对输入数据分别进行卷积处理、均值池化处理和非线性激活处理以由所述基于第一深度神经网络模型的电能质量参数时序特征提取器的最后一层输出为所述第一尺度电能质量参数时序特征向量，其中，所述基于第一深度神经网络模型的电能质量参数时序特征提取器的第一层的输入为所述电能质量参数时序矩阵。
6.根据权利要求5所述的面向新型电网的分布式能源电能质量监测控制评价系统，其特征在于，所述第二尺度电能质量参数时序特征提取单元，用于
使用所述基于第二深度神经网络模型的电能质量参数时序特征提取器的各层在层的正向传递中对输入数据分别进行卷积处理、均值池化处理和非线性激活处理以由所述基于第二深度神经网络模型的电能质量参数时序特征提取器的最后一层输出为所述第二尺度电能质量参数时序特征向量，其中，所述基于第二深度神经网络模型的电能质量参数时序特征提取器的第一层的输入为所述电能质量参数时序矩阵。
7.根据权利要求6所述的面向新型电网的分布式能源电能质量监测控制评价系统，其特征在于，所述电能质量评估模块，包括：
特征增益单元，用于对所述多尺度电能质量参数时序特征向量进行基于概率密度特征模仿范式的分布增益以得到增益后多尺度电能质量参数时序特征向量；
电能质量检测分类单元，用于将所述增益后多尺度电能质量参数时序特征向量通过分类器以得到分类结果，所述分类结果用于表示电能质量等级标签。
8.根据权利要求7所述的面向新型电网的分布式能源电能质量监测控制评价系统，其特征在于，所述特征增益单元，用于：以如下优化公式对所述多尺度电能质量参数时序特征向量进行基于概率密度特征模仿范式的分布增益以得到所述增益后多尺度电能质量参数时序特征向量；
其中，所述优化公式为：；
其中， 是所述多尺度电能质量参数时序特征向量，/>是所述多尺度电能质量参数时序特征向量的第 /> 个位置的特征值，/> 是所述多尺度电能质量参数时序特征向量的长度，/> 表示所述多尺度电能质量参数时序特征向量的二范数的平方，且/>是加权超参数，/>表示指数运算，/>是所述增益后多尺度电能质量参数时序特征向量。
9. 根据权利要求8所述的面向新型电网的分布式能源电能质量监测控制评价系统，其特征在于，所述电能质量检测分类单元，包括：
全连接编码子单元，用于使用所述分类器的多个全连接层对所述增益后多尺度电能质量参数时序特征向量进行全连接编码以得到编码分类特征向量；以及
分类子单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311257157.8A CN116995734B (zh) | 2023-09-27 | 2023-09-27 | 面向电网的分布式能源电能质量监测控制评价系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311257157.8A CN116995734B (zh) | 2023-09-27 | 2023-09-27 | 面向电网的分布式能源电能质量监测控制评价系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116995734A true CN116995734A (zh) | 2023-11-03 |
| CN116995734B CN116995734B (zh) | 2023-12-12 |
Family
ID=88530639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311257157.8A Active CN116995734B (zh) | 2023-09-27 | 2023-09-27 | 面向电网的分布式能源电能质量监测控制评价系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116995734B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117348496A (zh) * | 2023-11-21 | 2024-01-05 | 广州思林杰科技股份有限公司 | 一种用于源表的数字环路控制系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050273281A1 (en) * | 2003-02-07 | 2005-12-08 | Wall Daniel J | System and method for power quality analytics |
| CN110414788A (zh) * | 2019-06-25 | 2019-11-05 | 国网上海市电力公司 | 一种基于相似日和改进lstm的电能质量预测方法 |
| CN111984705A (zh) * | 2020-08-20 | 2020-11-24 | 广东电网有限责任公司电力科学研究院 | 一种电能质量监测装置的精度评估管理方法和装置 |
| CN113240261A (zh) * | 2021-05-07 | 2021-08-10 | 杭州巨奥能源科技有限公司 | 一种区域电能质量监测分析系统 |
| CN113935562A (zh) * | 2020-07-14 | 2022-01-14 | 东南大学 | 一种电力设备健康状况智能评级与自动预警方法 |
| CN116384525A (zh) * | 2022-11-30 | 2023-07-04 | 国网湖北省电力有限公司荆州供电公司 | 一种基于含光伏配电网的电能质量扰动预测方法 |
| CN116757062A (zh) * | 2023-05-09 | 2023-09-15 | 中国南方电网有限责任公司 | 电力负荷频率特性分析方法、装置、设备和存储介质 |
-
2023
- 2023-09-27 CN CN202311257157.8A patent/CN116995734B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050273281A1 (en) * | 2003-02-07 | 2005-12-08 | Wall Daniel J | System and method for power quality analytics |
| CN110414788A (zh) * | 2019-06-25 | 2019-11-05 | 国网上海市电力公司 | 一种基于相似日和改进lstm的电能质量预测方法 |
| CN113935562A (zh) * | 2020-07-14 | 2022-01-14 | 东南大学 | 一种电力设备健康状况智能评级与自动预警方法 |
| CN111984705A (zh) * | 2020-08-20 | 2020-11-24 | 广东电网有限责任公司电力科学研究院 | 一种电能质量监测装置的精度评估管理方法和装置 |
| CN113240261A (zh) * | 2021-05-07 | 2021-08-10 | 杭州巨奥能源科技有限公司 | 一种区域电能质量监测分析系统 |
| CN116384525A (zh) * | 2022-11-30 | 2023-07-04 | 国网湖北省电力有限公司荆州供电公司 | 一种基于含光伏配电网的电能质量扰动预测方法 |
| CN116757062A (zh) * | 2023-05-09 | 2023-09-15 | 中国南方电网有限责任公司 | 电力负荷频率特性分析方法、装置、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张宸: "基于深度学习的电能质量时序数据趋势预测算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117348496A (zh) * | 2023-11-21 | 2024-01-05 | 广州思林杰科技股份有限公司 | 一种用于源表的数字环路控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116995734B (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111275367B (zh) | 一种区域综合能源系统能效状态评价方法 | |
| CN116995734B (zh) | 面向电网的分布式能源电能质量监测控制评价系统 | |
| CN110119545B (zh) | 一种基于栈式自编码器的非侵入式电力负荷识别方法 | |
| CN113076985B (zh) | 电力用户负荷识别方法、装置及计算机可读介质 | |
| Fan et al. | Fluctuation pattern recognition based ultra-short-term wind power probabilistic forecasting method | |
| Shi et al. | Expected output calculation based on inverse distance weighting and its application in anomaly detection of distributed photovoltaic power stations | |
| CN113887912B (zh) | 一种深度学习下面向嵌入式设备的非侵入式负荷识别方法 | |
| Himeur et al. | Efficient multi-descriptor fusion for non-intrusive appliance recognition | |
| CN117176270B (zh) | 一种带信号监测功能的室分天线及其监测方法 | |
| CN109902340A (zh) | 一种计及复杂气象耦合特性的多源-荷联合场景生成方法 | |
| CN117728587B (zh) | 一种新能源发电设备运行数据的实时监控系统及方法 | |
| CN117951577A (zh) | 一种虚拟电厂能源状态感知方法 | |
| CN118213970A (zh) | 分布式光伏发电量预测方法及系统 | |
| CN113705887A (zh) | 一种数据驱动的光伏发电功率预测方法和系统 | |
| CN117893058A (zh) | 光伏场站性能综合评估的方法及系统 | |
| CN117033923A (zh) | 一种基于可解释性机器学习的犯罪数量预测方法及系统 | |
| Kaushik et al. | Performance Analysis of Regression Models in Solar PV Forecasting | |
| CN114662576A (zh) | 基于有监督分类的非侵入式电瓶车充电检测方法及系统 | |
| Liu et al. | Fault diagnosis of photovoltaic array based on XGBoost method | |
| Sultanuddin et al. | Hybrid Solar Energy Forecasting with Supervised Deep Learning in IoT Environment | |
| Aksan et al. | Multivariate Multi-step Forecasting for Cable Pooling Applications | |
| Devi et al. | Hybrid Solar Power Generation Prediction Using Support Vector Machines and K-nearest neighbors Optimized by Deep Learning Techniques | |
| Wei et al. | Data-Driven Modeling for Photovoltaic Power Output of Small-Scale Distributed Plants at the 1-Second Time Scale | |
| Sun et al. | Non-intrusive modeling for integrated energy system based on two-stage GAN | |
| Zeng et al. | Data-Driven Assessment of Wind Power Available Frequency Modulation Capacity |
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 |