CN117498432A - 一种新能源电力系统电能质量评估方法 - Google Patents
一种新能源电力系统电能质量评估方法 Download PDFInfo
- Publication number
- CN117498432A CN117498432A CN202311463373.8A CN202311463373A CN117498432A CN 117498432 A CN117498432 A CN 117498432A CN 202311463373 A CN202311463373 A CN 202311463373A CN 117498432 A CN117498432 A CN 117498432A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- power quality
- data
- evaluation
- new 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.)
- Pending
Links
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 230000006872 improvement Effects 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims abstract description 8
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 67
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007727 cost benefit analysis Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000013145 classification model Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 6
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 230000005856 abnormality Effects 0.000 abstract description 4
- 238000013441 quality evaluation Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000012043 cost effectiveness analysis Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- H02J13/00001—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
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- 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
-
- 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
-
- 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
- H02J2300/20—The dispersed energy generation being of renewable origin
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Human Computer Interaction (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种新能源电力系统电能质量评估方法，应用在电能质量评估技术领域，本发明通过增加了异常识别和分类、预测和预警功能等步骤，通过机器学习、深度学习等方法，可以更准确地评估电能质量，及时发现并解决问题，多维度评估、可追溯性和溯源分析等步骤，可以在评估过程中综合考虑不同数据来源和时空要素，实现全面分析电能质量问题的复杂性，自动化和智能化等步骤可以提高评估的自动化程度，节省人力资源，降低成本，提高效率，多源数据整合、多维度评估和可追溯性等步骤可以保证数据来源的可靠性和评估结果的可信度，提供更可靠的电能质量评估报告，更好地指导电能供应和后续改进措施。
Description
技术领域
本发明属于电能质量评估技术领域，特别涉及一种新能源电力系统电能质量评估方法。
背景技术
电能质量评估是指基于系统电气运行参数的实际测量或通过建模仿真获得的基本数据，对电能质量各项特性指标做出评价并对其是否满足规范要求进行考查与推断的过程，因此，在整个电能质量体系中，对质量指标的评估工作是不可缺少的重要组成部分，电能质量分为稳态电能质量和暂态电能质量，前者包括频率、电压偏差、谐波畸变和电压波动等，后者包括电压暂升、电压暂降、暂时过电压和瞬态过电压等，因此，电能质量的评估也分为稳态电能质量评估和暂态电能质量评估。
现有的新能源电力系统电能质量评估方法在进行电能质量评估时评估精准性有待提高，评估内容也较为单一且效率较低，受限于数据来源有限，因此数据可靠度也有待提高。
基于以上提到的情况，我们发现现有技术的新能源电力系统电能质量评估方法很难同时规避以上问题，故而，我们提出一种评估结果更加精准，效率较高且评估内容更加全面，评估可信度更高的新能源电力系统电能质量评估方法。
发明内容
本发明的目的在于针对现有的一种新能源电力系统电能质量评估方法，其优点是评估结果更加精准，效率较高且评估内容更加全面，评估可信度更高。
本发明的上述技术目的是通过以下技术方案得以实现的：一种新能源电力系统电能质量评估方法，包括以下步骤：
S1.首先确定评估指标，包括但不限于确定电能质量参数，如电压波动、频率偏差、谐波含量，并且确定统一确定每个参数的计算方法或测量方式，之后对数据进行采集；
S2.对电能质量数据进行滤波、去噪处理，消除干扰和噪声，建立模型或采用统计方法检测异常点和异常事件，结合评估结果和监控平台，实现实时电能质量监测和预警功能；
S3.基于机器学习或深度学习技术，建立异常识别和分类模型，利用采集到的电能质量数据训练模型，实现对异常事件的自动识别与分类，利用历史数据和趋势分析方法，预测电能质量参数的未来变化趋势。
采用上述技术方案，通过增加了异常识别和分类、预测和预警功能等步骤，通过机器学习、深度学习等方法，可以更准确地评估电能质量，及时发现并解决问题，多维度评估、可追溯性和溯源分析等步骤，可以在评估过程中综合考虑不同数据来源和时空要素，实现全面分析电能质量问题的复杂性，自动化和智能化等步骤可以提高评估的自动化程度，节省人力资源，降低成本，提高效率，多源数据整合、多维度评估和可追溯性等步骤可以保证数据来源的可靠性和评估结果的可信度，提供更可靠的电能质量评估报告，更好地指导电能供应和后续改进措施，相较于现有技术具有更高的精度、全面性和可靠性，更加适应新能源时代的发展和需求。
本发明进一步设置为：在数据采集步骤中，需要确定需安装的电能质量监测设备类型和位置，并且配置数据采集系统，实时采集电能质量数据，再对采集到的数据进行预处理和去噪处理，最后提取特征参数，包括频率和谐波含量。
采用上述技术方案，通过配置电能质量监测设备和建立数据采集系统，实时采集和记录电能质量数据，为后续的分析和评估提供数据基础，对采集到的数据进行预处理和去噪处理，确保数据的准确性和可靠性，为后续的评估提供有效的数据输入。
本发明进一步设置为：可选的评价指标权重确定，使用层次分析法，确定各电能质量指标的重要性，并且根据指标权重和特征参数进行综合评价，选择适合的数学计算方法，包括但不限于加权求和法和模糊综合评价法。
采用上述技术方案，通过使用层次分析法或专家咨询等方法，确定各个电能质量指标的相对重要性和权重，帮助评估者更加科学地进行评估和决策，通过确定评价指标的权重，可以在综合评估中更好地反映各个指标的重要性。
本发明进一步设置为：可选的考虑不同规模和类型的设备，设计评估方法的可扩展性，并且考虑适应不同系统和设备特点的评估方法，分析不同用户对电能质量的需求差异。
采用上述技术方案，考虑不同规模和类型的设备，设计评估方法的可扩展性，能够适应不同规模和类型的电能质量评估需求，考虑适应不同系统和设备特点的评估方法，能够灵活应用于不同的电能质量评估场景和需求。
本发明进一步设置为：可选的分析国家和行业标准、规范以及电能质量指南，将评估方法与现有标准进行对接，确保一致性，根据用户反馈和实际情况，不断优化和改进评估方法。
采用上述技术方案，分析国家和行业标准、规范以及电能质量指南，确保评估方法与现有标准和指南保持一致，与现有标准和指南的衔接能够帮助评估者更好地理解和应用电能质量评估方法，提高评估的准确性和可靠性。
本发明进一步设置为：可选的建立预警系统，当电能质量参数超过阈值时及时发出警报，并提供改进建议，并且结合不同时间尺度和空间尺度的数据，对电能质量进行多维度评估。
采用上述技术方案，通过预测电能质量参数的未来变化趋势，能够提前预警潜在的电能质量问题，做出及时的决策和处理，实现预警系统可以及时发出警报，提醒相关人员采取相应的措施，避免更大的损失和风险。
本发明进一步设置为：考虑不同工况和负载情况下的影响，实现更全面深入的评估，建立数据追溯和溯源分析机制，确保评估结果的可靠性和可信度，实现对评估过程和数据的溯源展示，便于问题分析和解决。
采用上述技术方案，通过多维度评估可以更全面地了解电能质量的情况，从不同时间尺度和空间尺度以及工况和负载情况等多个维度进行评估，提供更全面的评估结果，多维度评估有助于更准确地判断和定位电能质量问题，为后续的问题分析和解决提供更准确的依据。
本发明进一步设置为：可选的整合来自不同监测设备的数据，综合考虑电能质量参数的多个来源，结合其他环境参数或能源数据，实现多源数据的综合分析和评估。
采用上述技术方案，通过多源数据整合可以综合考虑来自不同监测设备的数据，提供全面丰富的电能质量信息，结合其他环境参数或能源数据等，可以实现对电能质量问题的更全面、更深入的分析和评估，提供更全面的解决方案。
本发明进一步设置为：可选的设计智能辅助决策系统，通过自动化算法和规则，实现电能质量评估的自动化，结合人工智能和专家系统等技术，进行更高级、更智能的电能质量评估。
采用上述技术方案，通过实现自动化的电能质量评估能够提高评估的效率和准确性，减轻人工处理负担，结合人工智能和专家系统等技术，能够实现更智能的电能质量评估，提供更精准的评估结果和解决方案。
本发明进一步设置为：可选的对提升电能质量所需的改进措施进行成本效益分析，比较不同方案的经济性，基于成本效益分析的结果，进行决策和优化，确保改进措施的实用性和经济总体效益，并且对电能质量问题的风险进行定量化评估，包括潜在的经济损失、安全隐患。
采用上述技术方案，通过成本效益分析，可以确定改进电能质量所需的成本，并评估不同方案的经济效益。这有助于决策者选择最具经济性的改进方案，并在有限资源下进行优化决策，通过成本效益分析，可以确保改进措施的实施可行性和经济可行性，从而提高整体的效率和可持续性。
综上所述，本发明具有以下有益效果：
通过增加了异常识别和分类、预测和预警功能等步骤，通过机器学习、深度学习等方法，可以更准确地评估电能质量，及时发现并解决问题，多维度评估、可追溯性和溯源分析等步骤，可以在评估过程中综合考虑不同数据来源和时空要素，实现全面分析电能质量问题的复杂性，自动化和智能化等步骤可以提高评估的自动化程度，节省人力资源，降低成本，提高效率，多源数据整合、多维度评估和可追溯性等步骤可以保证数据来源的可靠性和评估结果的可信度，提供更可靠的电能质量评估报告，更好地指导电能供应和后续改进措施，相较于现有技术具有更高的精度、全面性和可靠性，更加适应新能源时代的发展和需求。
附图说明
图1是本发明的评估方法流程图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例1：
一种新能源电力系统电能质量评估方法，包括以下步骤：
S1.首先确定评估指标，包括但不限于确定电能质量参数，如电压波动、频率偏差、谐波含量，并且确定统一确定每个参数的计算方法或测量方式，之后对数据进行采集；
S2.对电能质量数据进行滤波、去噪处理，消除干扰和噪声，建立模型或采用统计方法检测异常点和异常事件，结合评估结果和监控平台，实现实时电能质量监测和预警功能；
S3.基于机器学习或深度学习技术，建立异常识别和分类模型，利用采集到的电能质量数据训练模型，实现对异常事件的自动识别与分类，利用历史数据和趋势分析方法，预测电能质量参数的未来变化趋势。
通过增加了异常识别和分类、预测和预警功能等步骤，通过机器学习、深度学习等方法，可以更准确地评估电能质量，及时发现并解决问题，多维度评估、可追溯性和溯源分析等步骤，可以在评估过程中综合考虑不同数据来源和时空要素，实现全面分析电能质量问题的复杂性，自动化和智能化等步骤可以提高评估的自动化程度，节省人力资源，降低成本，提高效率，多源数据整合、多维度评估和可追溯性等步骤可以保证数据来源的可靠性和评估结果的可信度，提供更可靠的电能质量评估报告，更好地指导电能供应和后续改进措施，相较于现有技术具有更高的精度、全面性和可靠性，更加适应新能源时代的发展和需求。
在数据采集步骤中，需要确定需安装的电能质量监测设备类型和位置，并且配置数据采集系统，实时采集电能质量数据，再对采集到的数据进行预处理和去噪处理，最后提取特征参数，包括频率和谐波含量，通过配置电能质量监测设备和建立数据采集系统，实时采集和记录电能质量数据，为后续的分析和评估提供数据基础，对采集到的数据进行预处理和去噪处理，确保数据的准确性和可靠性，为后续的评估提供有效的数据输入。
可选的评价指标权重确定，使用层次分析法，确定各电能质量指标的重要性，并且根据指标权重和特征参数进行综合评价，选择适合的数学计算方法，包括但不限于加权求和法和模糊综合评价法，通过使用层次分析法或专家咨询等方法，确定各个电能质量指标的相对重要性和权重，帮助评估者更加科学地进行评估和决策，通过确定评价指标的权重，可以在综合评估中更好地反映各个指标的重要性。
可选的考虑不同规模和类型的设备，设计评估方法的可扩展性，并且考虑适应不同系统和设备特点的评估方法，分析不同用户对电能质量的需求差异，考虑不同规模和类型的设备，设计评估方法的可扩展性，能够适应不同规模和类型的电能质量评估需求，考虑适应不同系统和设备特点的评估方法，能够灵活应用于不同的电能质量评估场景和需求。
可选的分析国家和行业标准、规范以及电能质量指南，将评估方法与现有标准进行对接，确保一致性，根据用户反馈和实际情况，不断优化和改进评估方法，分析国家和行业标准、规范以及电能质量指南，确保评估方法与现有标准和指南保持一致，与现有标准和指南的衔接能够帮助评估者更好地理解和应用电能质量评估方法，提高评估的准确性和可靠性。
可选的建立预警系统，当电能质量参数超过阈值时及时发出警报，并提供改进建议，并且结合不同时间尺度和空间尺度的数据，对电能质量进行多维度评估，通过预测电能质量参数的未来变化趋势，能够提前预警潜在的电能质量问题，做出及时的决策和处理，实现预警系统可以及时发出警报，提醒相关人员采取相应的措施，避免更大的损失和风险。
考虑不同工况和负载情况下的影响，实现更全面深入的评估，建立数据追溯和溯源分析机制，确保评估结果的可靠性和可信度，实现对评估过程和数据的溯源展示，便于问题分析和解决，通过多维度评估可以更全面地了解电能质量的情况，从不同时间尺度和空间尺度以及工况和负载情况等多个维度进行评估，提供更全面的评估结果，多维度评估有助于更准确地判断和定位电能质量问题，为后续的问题分析和解决提供更准确的依据。
可选的整合来自不同监测设备的数据，综合考虑电能质量参数的多个来源，结合其他环境参数或能源数据，实现多源数据的综合分析和评估，通过多源数据整合可以综合考虑来自不同监测设备的数据，提供全面丰富的电能质量信息，结合其他环境参数或能源数据等，可以实现对电能质量问题的更全面、更深入的分析和评估，提供更全面的解决方案。
可选的设计智能辅助决策系统，通过自动化算法和规则，实现电能质量评估的自动化，结合人工智能和专家系统等技术，进行更高级、更智能的电能质量评估，通过实现自动化的电能质量评估能够提高评估的效率和准确性，减轻人工处理负担，结合人工智能和专家系统等技术，能够实现更智能的电能质量评估，提供更精准的评估结果和解决方案。
可选的对提升电能质量所需的改进措施进行成本效益分析，比较不同方案的经济性，基于成本效益分析的结果，进行决策和优化，确保改进措施的实用性和经济总体效益，并且对电能质量问题的风险进行定量化评估，包括潜在的经济损失、安全隐患等，通过成本效益分析，可以确定改进电能质量所需的成本，并评估不同方案的经济效益。这有助于决策者选择最具经济性的改进方案，并在有限资源下进行优化决策，通过成本效益分析，可以确保改进措施的实施可行性和经济可行性，从而提高整体的效率和可持续性。
使用过程简述：首先确定评估指标，包括但不限于确定电能质量参数，如电压波动、频率偏差、谐波含量，并且确定统一确定每个参数的计算方法或测量方式，之后进行数据采集和分析，对电能质量数据进行滤波、去噪处理，消除干扰和噪声，建立模型或采用统计方法检测异常点和异常事件，再评价指标权重，确定结合评估结果和监控平台，并且结果可视化和报告生成，实现实时电能质量监测和预警功能，基于机器学习或深度学习技术，进行数据处理和异常检测，建立异常识别和分类模型，利用采集到的电能质量数据训练模型，实现对异常事件的自动识别与分类，利用历史数据和趋势分析方法，预测电能质量参数的未来变化趋势，并且考虑可扩展性和适应性，根据反馈持续改进。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (10)
1.一种新能源电力系统电能质量评估方法，其特征在于：包括以下步骤：
S1.首先确定评估指标，包括但不限于确定电能质量参数，如电压波动、频率偏差、谐波含量，并且确定统一确定每个参数的计算方法或测量方式，之后对数据进行采集；
S2.对电能质量数据进行滤波、去噪处理，消除干扰和噪声，建立模型或采用统计方法检测异常点和异常事件，结合评估结果和监控平台，实现实时电能质量监测和预警功能；
S3.基于机器学习或深度学习技术，建立异常识别和分类模型，利用采集到的电能质量数据训练模型，实现对异常事件的自动识别与分类，利用历史数据和趋势分析方法，预测电能质量参数的未来变化趋势。
2.根据权利要求1所述的一种新能源电力系统电能质量评估方法，其特征在于：在数据采集步骤中，需要确定需安装的电能质量监测设备类型和位置，并且配置数据采集系统，实时采集电能质量数据，再对采集到的数据进行预处理和去噪处理，最后提取特征参数，包括频率和谐波含量。
3.根据权利要求1所述的一种新能源电力系统电能质量评估方法，其特征在于：可选的评价指标权重确定，使用层次分析法，确定各电能质量指标的重要性，并且根据指标权重和特征参数进行综合评价，选择适合的数学计算方法，包括但不限于加权求和法和模糊综合评价法。
4.根据权利要求1所述的一种新能源电力系统电能质量评估方法，其特征在于：可选的考虑不同规模和类型的设备，设计评估方法的可扩展性，并且考虑适应不同系统和设备特点的评估方法，分析不同用户对电能质量的需求差异。
5.根据权利要求1所述的一种新能源电力系统电能质量评估方法，其特征在于：可选的分析国家和行业标准、规范以及电能质量指南，将评估方法与现有标准进行对接，确保一致性，根据用户反馈和实际情况，不断优化和改进评估方法。
6.根据权利要求1所述的一种新能源电力系统电能质量评估方法，其特征在于：可选的建立预警系统，当电能质量参数超过阈值时及时发出警报，并提供改进建议，并且结合不同时间尺度和空间尺度的数据，对电能质量进行多维度评估。
7.根据权利要求1所述的一种新能源电力系统电能质量评估方法，其特征在于：考虑不同工况和负载情况下的影响，实现更全面深入的评估，建立数据追溯和溯源分析机制，确保评估结果的可靠性和可信度，实现对评估过程和数据的溯源展示，便于问题分析和解决。
8.根据权利要求1所述的一种新能源电力系统电能质量评估方法，其特征在于：可选的整合来自不同监测设备的数据，综合考虑电能质量参数的多个来源，结合其他环境参数或能源数据，实现多源数据的综合分析和评估。
9.根据权利要求1所述的一种新能源电力系统电能质量评估方法，其特征在于：可选的设计智能辅助决策系统，通过自动化算法和规则，实现电能质量评估的自动化，结合人工智能和专家系统等技术，进行更高级、更智能的电能质量评估。
10.根据权利要求1所述的一种新能源电力系统电能质量评估方法，其特征在于：可选的对提升电能质量所需的改进措施进行成本效益分析，比较不同方案的经济性，基于成本效益分析的结果，进行决策和优化，确保改进措施的实用性和经济总体效益，并且对电能质量问题的风险进行定量化评估，包括潜在的经济损失、安全隐患。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311463373.8A CN117498432A (zh) | 2023-11-06 | 2023-11-06 | 一种新能源电力系统电能质量评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311463373.8A CN117498432A (zh) | 2023-11-06 | 2023-11-06 | 一种新能源电力系统电能质量评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117498432A true CN117498432A (zh) | 2024-02-02 |
Family
ID=89668563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311463373.8A Pending CN117498432A (zh) | 2023-11-06 | 2023-11-06 | 一种新能源电力系统电能质量评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117498432A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117857225A (zh) * | 2024-03-07 | 2024-04-09 | 国网江西省电力有限公司电力科学研究院 | 一种新能源电站采集终端用的身份认证系统及方法 |
-
2023
- 2023-11-06 CN CN202311463373.8A patent/CN117498432A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117857225A (zh) * | 2024-03-07 | 2024-04-09 | 国网江西省电力有限公司电力科学研究院 | 一种新能源电站采集终端用的身份认证系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lughofer et al. | Predictive maintenance in dynamic systems: advanced methods, decision support tools and real-world applications | |
| Alaswad et al. | A review on condition-based maintenance optimization models for stochastically deteriorating system | |
| CN108363836B (zh) | 多工况自适应的工业机器人健康度评估方法及系统 | |
| CN106598791B (zh) | 一种基于机器学习的工业设备故障预防性识别方法 | |
| CN108763729B (zh) | 基于网络结构熵的流程工业机电系统耦合状态评估方法 | |
| CN108280543B (zh) | 基于分类回归模式的工况自适应的设备健康度评估方法 | |
| CN105512448A (zh) | 一种配电网健康指数的评估方法 | |
| CN117498432A (zh) | 一种新能源电力系统电能质量评估方法 | |
| Robinson et al. | Ambient intelligence for optimal manufacturing and energy efficiency | |
| KR20160093119A (ko) | 전력 설비 자산 관리 시스템 및 방법 | |
| Groba et al. | Architecture of a predictive maintenance framework | |
| CN116704733B (zh) | 铝合金电缆的老化预警方法及系统 | |
| Juuso et al. | Intelligent performance measures for condition‐based maintenance | |
| CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
| CN117114449A (zh) | 一种电力大数据可视化分析系统及方法 | |
| CN116720324A (zh) | 基于预测模型的牵引变电所关键设备故障预警方法及系统 | |
| CN113742993B (zh) | 干式变压器寿命损失预测方法、装置、设备及存储介质 | |
| CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
| CN113657788A (zh) | 一种企业安全生产标准化智能监管系统及方法 | |
| CN117114454A (zh) | 一种基于Apriori算法的直流套管状态评估方法及系统 | |
| Sim et al. | Missing Data Imputation Algorithm for Transmission Systems Based on Multivariate Imputation With Principal Component Analysis | |
| CN115864644A (zh) | 一种继电保护装置状态评价方法、系统、设备及介质 | |
| KR20230102431A (ko) | 인공지능 기반의 오일가스 플랜트 설비 고장 예측 및 진단시스템 | |
| Papa et al. | Cyber physical system based proactive collaborative maintenance | |
| Turkoglu et al. | Application of data mining in failure estimation of cold forging machines: An industrial research |
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 |