CN118137678A - 一种智能配电网馈电自动化处理方法 - Google Patents
一种智能配电网馈电自动化处理方法 Download PDFInfo
- Publication number
- CN118137678A CN118137678A CN202410551143.5A CN202410551143A CN118137678A CN 118137678 A CN118137678 A CN 118137678A CN 202410551143 A CN202410551143 A CN 202410551143A CN 118137678 A CN118137678 A CN 118137678A
- Authority
- CN
- China
- Prior art keywords
- current
- value
- capacitive load
- time domain
- abnormal
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000012512 characterization method Methods 0.000 claims abstract description 55
- 230000009471 action Effects 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 230000003139 buffering effect Effects 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims description 61
- 238000000034 method Methods 0.000 claims description 37
- 230000008859 change Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 22
- 230000035772 mutation Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 239000003990 capacitor Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电网监测技术领域,尤其涉及一种智能配电网馈电自动化处理方法,本发明考虑获取电网节点的基本电性特征,进而依据电流时域波形曲线对应的电流标准差计算容性负载影响表征系数,依据容性负载影响表征系数判定电网节点是否存在涌流隐性风险,针对存在涌流隐性风险的电网节点进行针对性监测,进而,在确定涌流隐性风险后考虑数据表征性较强的接通动作周期内的电流时域波形曲线的相关特征以及接通动作周期后不稳定的容性负载缓冲时长,实现对大面积配电网中电网节点的针对性监测,减少数据运算量的同时,保证对电网节点识别涌流风险的可靠性以及准确性。
Description
技术领域
本发明涉及电网监测技术领域,尤其涉及一种智能配电网馈电自动化处理方法。
背景技术
配电网馈电是指在电力系统中,将电能从发电站或变电站传输到最终用户端的过程。这个过程涉及到电力的传输、分配和最终的供电,在大型配电网中,包含多个电网节点,各个电网节点能够实现相关电力参数的监测以及电能供给的通断,因此,针对配电网中电网节点的监测至关重要,影响到配电网电力运输的安全性。
例如,中国专利申请公开号:CN114204686A,该发明公开了一种配电网配电状态监测系统及其监测方法,发明中配电网配电状态监测系统,包括检测单元和巡检单元,检测单元设置在配电网单元中,同时巡检单元设置在控制终端中,检测单元包括:用于对配电网单元中的设备、节点和接头进行数据采集的内环境检测模块;用于对配电网单元所处环境的温度、湿度和灰尘度进行数据采集的外环境检测模块;用于对配电网单元使用时间、配电规模和配电量进行记录的标记模块;以及用于与内环境检测模块。该发明可以有效提高监测的准确性,提高监测的效率,通过丰富监测因素,使其监测适用性更强,该装置还能对突发状况进行监测,实用性广。
但是,现有技术中,还存在以下问题:
在实际情况中,由于电网节点所在电力传输路线中接入若干负载,且负载中的电容设置情况不同,在电网节点合闸接通时,受容性负载的影响容易出现合闸涌流现象,合闸涌流会导致保护装置错误识别而进行断电与跳闸操作,最终影响设备和线路的正常运行,但是,现有技术中,未考虑针对性地对于合闸时刻的相关电流或电压参数进行分析识别涌流风险,针对电网节点监测的可靠性较低。
发明内容
为此,本发明提供一种智能配电网馈电自动化处理方法用以克服现有技术中未考虑针对性地对于合闸时刻的相关电流或电压参数进行分析识别涌流风险,针对电网节点监测的可靠性较低的问题。
为实现上述目的,本发明提供一种智能配电网馈电自动化处理方法,包括:
步骤S1,持续获取各电网节点的基本电性特征,所述基本电性特征包括所述电网节点处的电流时域波形曲线以及电压时域波形曲线;
步骤S2,获取预定时域段内所述电流时域波形曲线与电压时域波形曲线的相位差绝对值,结合电流时域波形曲线对应的电流标准差计算容性负载影响表征系数,以基于所述容性负载影响表征系数判定所述电网节点是否存在涌流隐性风险;
步骤S3,针对存在涌流隐性风险的电网节点进行监测,所述监测包括;
基于所述电网节点断路器的接通动作时刻确定预定时长的接通动作周期,提取所述接通动作周期内的电流时域波形曲线段,基于各波峰的幅值确定异常突变波峰,以计算突变特征值,依据接通动作周期完成后电流的波动值确定容性负载缓冲时长,基于所述突变特征值以及所述容性负载缓冲时长计算容性负载涌流异常表征值,以判定所述电网节点是否存在异常风险;
步骤S4,针对存在异常风险的电网节点发出预警提示。
进一步地,所述步骤S2中,所述电流标准差按公式(1)计算:
;
公式(1)中,Ac为所述电流标准差,Ai为所述电流时域波形曲线上第i个时刻对应的电流值,i=1,2,3…n,n为所述电流时域波形曲线上纳入计算的时刻数量,Aav为所述电流时域波形曲线上若干个时刻对应的电流值的平均值。
进一步地,所述步骤S2中,所述容性负载影响表征系数按公式(2)计算:
;
公式(2)中,R为所述容性负载影响表征系数,Ac为所述电流标准差,Ac0为预设的电流标准差参考值,P为电流时域波形曲线与电压时域波形曲线的相位差绝对值,P0为预设的相位差绝对值参考值,α为电流标准差权重系数,β为相位差绝对值权重系数。
进一步地,所述步骤S2中,判定所述电网节点是否存在涌流隐性风险的过程为:
将所述容性负载影响表征系数与预设的容性负载影响表征系数阈值进行对比;
若所述容性负载影响表征系数大于所述容性负载影响表征系数阈值,则判定所述电网节点存在涌流隐性风险。
进一步地,所述步骤S3中,基于各波峰的幅值确定异常突变波峰的过程为:
获取所述接通动作周期内的电流时域波形曲线的各波峰对应的电流值,将最大电流值对应的波峰确定为所述异常突变波峰。
进一步地,所述步骤S3中,所述突变特征值的计算过程为:
以所述异常突变波峰为基准,确定与所述异常突变波峰相邻的前一个相邻波峰以及后一个相邻波峰,基于前一个相邻波峰对应的电流值、后一个相邻波峰对应的电流值以及异常突变波峰对应的电流值计算平均值,将所述平均值确定为所述突变特征值。
进一步地,所述步骤S3中,确定接通动作周期完成后电流的波动值的过程为:
获取所述接通动作周期后的电流时域波形曲线,确定所述电流时域波形曲线中波峰对应的电流值,确定与所述波峰相邻的前一个相邻波谷对应的电流值,将所述电流时域波形曲线中波峰对应的电流值与所述前一个相邻波谷对应的电流值的差值确定为所述波动值。
进一步地,所述步骤S3中,确定容性负载缓冲时长的过程为:
确定所述电流时域波形曲线内所述波动值大于预设的波动值阈值的时间周期,将所述时间周期对应的时长确定为所述容性负载缓冲时长。
进一步地,所述步骤S3中,还包括按公式(3)计算容性负载涌流异常表征值;
;
公式(3)中,M为所述容性负载涌流异常表征值,Tc为所述容性负载缓冲时长,T0为预设的容性负载缓冲时长参考值,Aw为所述突变特征值,Aw0为预设的突变特征值参考值,μ为容性负载缓冲时长权重系数,γ为突变特征权重系数。
进一步地,所述步骤S3中,判定所述电网节点是否存在异常风险的过程为:
将所述容性负载涌流异常表征值与预设的容性负载涌流异常表征值阈值进行对比;
若所述容性负载涌流异常表征值大于所述容性负载涌流异常表征值阈值,则判定所述电网节点存在异常风险。
与现有技术相比,本发明的有益效果在于,本发明考虑获取电网节点的基本电性特征,进而依据电流时域波形曲线对应的电流标准差计算容性负载影响表征系数,依据容性负载影响表征系数判定电网节点是否存在涌流隐性风险,针对存在涌流隐性风险的电网节点进行针对性监测,进而,在确定涌流隐性风险后考虑数据表征性较强的接通动作周期内的电流时域波形曲线的相关特征以及接通动作周期后不稳定的容性负载缓冲时长,实现对大面积配电网中电网节点的针对性监测,减少数据运算量的同时,保证对电网节点识别涌流风险的可靠性以及准确性。
尤其,本发明计算容性负载影响表征系数判定电网节点是否存在涌流隐性风险,在实际情况中,电网节点所在输电线路中接入的负载不同,且负载中的电容设置情况不同,进而在输电线路接通过程中,受到容性负载影响的情况也不同,在多维影响叠加下,电网节点传输电流过程中对应的电流时域波形曲线与电压时域波形曲线存在一定的影响反馈,当电路中存在容性负载时,电流的相位会领先于电压相位。这是因为电容器在交流电路中对电压变化有滞后反应,进而相位差对于电路中所受多维影响进而存在容性负载的风险具备数据表征性,结合同样具备一定数据表征性的电流标准差计算负载影响表征系数为后续判定是否存在涌流隐性风险提供数据支持,便于后续对大面积配电网中电网节点的针对性监测,减少数据运算量的同时,保证对电网节点识别涌流风险的可靠性以及准确性。
尤其,本发明针对存在涌流隐性风险的电网节点进行监测,考虑针对电网节点断路器对应的接通动作周期内的电流时域波形曲线段针对性分析,包括识别异常突变波峰以及突变特征值,在实际情况中,若存在较强的涌流隐性风险,则电网节点在接通合闸的时间段内通常会存在电流突变,尤其是,在接通动作周期内电流突变的相关特征数据表征性较强,能够表征容性负载的影响,因此,本发明通过识别数据表征性较强的异常突变波峰,获取突变特征值,为后续判定电网节点是否存在异常风险提供数据支持,进而便于后续对大面积配电网中电网节点的针对性监测,减少数据运算量的同时,保证对电网节点识别涌流风险的可靠性以及准确性。
尤其,本发明考虑依据接通动作周期完成后电流的波动值确定容性负载缓冲时长,在实际情况中,电网节点断路器合闸后由于接入输电线路负载中所设置电容的影响,会使得电流存在一定的波动时长,即容性负载缓冲时长,且由于接入输电线路负载的电容设置情况不同,该容性负载缓冲时长也不同,且容性负载缓冲时长具备数据表征性,因此,本发明考虑识别容性负载缓冲时长结合突变特征值计算容性负载涌流异常表征值判定电网节点是否存在异常风险,进而保证对电网节点识别涌流风险的可靠性以及准确性。
附图说明
图1为本发明实施例的智能配电网馈电自动化处理方法的步骤图;
图2为本发明实施例的判定电网节点是否存在涌流隐性风险的逻辑流程图;
图3为本发明实施例的异常突变波峰的示意图;
图4为本发明实施例的判定电网节点是否存在异常风险的逻辑流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“内”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
请参阅图1所示,其为本发明实施例的智能配电网馈电自动化处理方法的步骤图,本发明的智能配电网馈电自动化处理方法,包括:
步骤S1,持续获取各电网节点的基本电性特征,所述基本电性特征包括所述电网节点处的电流时域波形曲线以及电压时域波形曲线;
步骤S2,获取预定时域段内所述电流时域波形曲线与电压时域波形曲线的相位差绝对值,结合电流时域波形曲线对应的电流标准差计算容性负载影响表征系数,以基于所述容性负载影响表征系数判定所述电网节点是否存在涌流隐性风险;
步骤S3,针对存在涌流隐性风险的电网节点进行监测,所述监测包括;
基于所述电网节点断路器的接通动作时刻确定预定时长的接通动作周期,提取所述接通动作周期内的电流时域波形曲线段,基于各波峰的幅值确定异常突变波峰,以计算突变特征值,依据接通动作周期完成后电流的波动值确定容性负载缓冲时长,基于所述突变特征值以及所述容性负载缓冲时长计算容性负载涌流异常表征值,以判定所述电网节点是否存在异常风险;
步骤S4,针对存在异常风险的电网节点发出预警提示。
具体而言,本发明对确定预定时域段内电流时域波形曲线与电压时域波形曲线的相位差绝对值的具体方式不做限定,优选的,可以通过在电流和电压波形曲线上选择一个共同的参考点,分别找到所选参考点对应的位置,计算两个波形曲线上相应参考点之间的时间差,最后将测量得到的时间差转换为相位差绝对值,此为现有技术,此处不再赘述。
具体而言,本发明对预定时域段不做限定,优选的,本领域技术人员可以根据检测需求进行设定,优选的,预定时域段的时长区间可以为[3,5],区间单位为s。
具体而言,本发明对根据接通动作时刻确定预定时长的接通动作周期的具体方式不做限定,将线路开关合闸信号发出时刻为接通动作时刻,以接通动作时刻为起始时刻确定预定时长的周期为接通动作周期,其中,所述预定时长的时长区间为[2,3],区间单位为s。
具体而言,所述步骤S2中,所述电流标准差按公式(1)计算:
;
公式(1)中,Ac为所述电流标准差,Ai为所述电流时域波形曲线上第i个时刻对应的电流值,i=1,2,3…n,n为所述电流时域波形曲线上纳入计算的时刻数量,Aav为所述电流时域波形曲线上若干个时刻对应的电流值的平均值。
具体而言,所述步骤S2中,所述容性负载影响表征系数按公式(2)计算:
;
公式(2)中,R为所述容性负载影响表征系数,Ac为所述电流标准差,Ac0为预设的电流标准差参考值,P为电流时域波形曲线与电压时域波形曲线的相位差绝对值,P0为预设的相位差绝对值参考值,α为电流标准差权重系数,β为相位差绝对值权重系数,α+β=1。
在本发明实施例中,所述电流标准差参考值Ac0为本领域技术人员根据预先测试计算所得,可以预先测试并计算当前线路的电流时域波形曲线中若干时刻对应的电流的平均值,将所述平均值确定为所述电流标准差参考值Ac0,所述相位差绝对值参考值P0为本领域技术人员根据不同线路负载情况进行设定,优选的,所述相位差绝对值参考值P0的取值范围为[15°,30°]。
在本发明实施例中,电流标准差权重系数α以及相位差绝对值权重系数β为本领域技术人员根据历史数据中电流标准差与相位差绝对值对计算结果的影响程度选择权重数值的大小,优选的,可以设定电流标准差权重系数α=0.4,相位差绝对值权重系数β=0.6。
具体而言,本发明计算容性负载影响表征系数判定电网节点是否存在涌流隐性风险,在实际情况中,电网节点所在输电线路中接入的负载不同,且负载中的电容设置情况不同,进而在输电线路接通过程中,受到容性负载影响的情况也不同,在多维影响叠加下,电网节点传输电流过程中对应的电流时域波形曲线与电压时域波形曲线存在一定的影响反馈,当电路中存在容性负载时,电流的相位会领先于电压相位。这是因为电容器在交流电路中对电压变化有滞后反应,进而相位差对于电路中所受多维影响进而存在容性负载的风险具备数据表征性,结合同样具备一定数据表征性的电流标准差计算负载影响表征系数为后续判定是否存在涌流隐性风险提供数据支持,便于后续对大面积配电网中电网节点的针对性监测,减少数据运算量的同时,保证对电网节点识别涌流风险的可靠性以及准确性。
具体而言,请参阅图2所示,其为本发明实施例的判定电网节点是否存在涌流隐性风险的逻辑流程图,所述步骤S2中,判定所述电网节点是否存在涌流隐性风险的过程为:
将所述容性负载影响表征系数R与预设的容性负载影响表征系数阈值R0进行对比;
若所述容性负载影响表征系数R小于或等于所述容性负载影响表征系数阈值R0,则判定所述电网节点不存在涌流隐性风险;
若所述容性负载影响表征系数R大于所述容性负载影响表征系数阈值R0,则判定所述电网节点存在涌流隐性风险。
在本发明实施例中,所述容性负载影响表征系数阈值R0的取值范围为[2.9,3]。
具体而言,请参阅图3所示,其为本发明实施例的异常突变波峰的示意图,所述步骤S3中,基于各波峰的幅值确定异常突变波峰的过程为:
获取所述接通动作周期内的电流时域波形曲线的各波峰对应的电流值,将最大电流值Amax对应的波峰确定为所述异常突变波峰c。
具体而言,请继续参阅图3所示,其为本发明实施例的异常突变波峰的示意图所述步骤S3中,所述突变特征值的计算过程为:
以所述异常突变波峰c为基准,确定与所述异常突变波峰c相邻的前一个相邻波峰a以及后一个相邻波峰b,基于前一个相邻波峰a对应的电流值、后一个相邻波峰b对应的电流值以及异常突变波峰对应的电流值Amax计算平均值Aw。
本领域技术人员应当明白,请继续参阅图3所示,其为本发明实施例的异常突变波峰的示意图,在本发明实施例中,前一个相邻波峰a是所述异常突变波峰c所在时刻之前的前一个波峰时刻对应的波峰,后一个相邻波峰b是所述异常突变波峰c所在时刻之后的后一个波峰时刻对应的波峰,此处不再赘述。
具体而言,本发明针对存在涌流隐性风险的电网节点进行监测,考虑针对电网节点断路器对应的接通动作周期内的电流时域波形曲线段针对性分析,包括识别异常突变波峰以及突变特征值,在实际情况中,若存在较强的涌流隐性风险,则电网节点在接通合闸的时间段内通常会存在电流突变,尤其是,在接通动作周期内电流突变的相关特征数据表征性较强,能够表征容性负载的影响,因此,本发明通过识别数据表征性较强的异常突变波峰,获取突变特征值,为后续判定电网节点是否存在异常风险提供数据支持,进而便于后续对大面积配电网中电网节点的针对性监测,减少数据运算量的同时,保证对电网节点识别涌流风险的可靠性以及准确性。
具体而言,所述步骤S3中,确定接通动作周期完成后电流的波动值的过程为:
获取所述接通动作周期后的电流时域波形曲线,确定所述电流时域波形曲线中波峰对应的电流值,确定与所述波峰相邻的前一个相邻波谷对应的电流值,将所述电流时域波形曲线中波峰对应的电流值与所述前一个相邻波谷对应的电流值的差值确定为所述波动值。
本领域技术人员应当明白,在本发明实施例中,前一个相邻波谷是所述异常突变波峰c所在时刻之前的前一个波谷时刻对应的波谷,此处不再赘述。
具体而言,所述步骤S3中,确定容性负载缓冲时长的过程为:
确定所述电流时域波形曲线内所述波动值大于预设的波动值阈值的时间周期,将所述时间周期对应的时长确定为所述容性负载缓冲时长Tc。
具体而言,请参阅图4所示,其为本发明实施例的判定电网节点是否存在异常风险的逻辑流程图,所述步骤S3中,还包括按公式(3)计算容性负载涌流异常表征值;
;
公式(3)中,M为所述容性负载涌流异常表征值,Tc为所述容性负载缓冲时长,T0为预设的容性负载缓冲时长参考值,Aw为所述突变特征值,Aw0为预设的突变特征值参考值,μ为容性负载缓冲时长权重系数,γ为突变特征权重系数,μ+γ=1。
在本发明实施例中,所述容性负载缓冲时长参考值T0为本领域技术人员根据预先测试计算所得,可以预先测试并计算若干线路的电流时域波形曲线中对应的容性负载缓冲时长的平均值,将所述平均值确定为所述容性负载缓冲时长参考值T0,所述突变特征值参考值Aw0为本领域技术人员根据若干线路的接通动作周期内的电流时域波形曲线的突变特征值计算平均值,将所述平均值确定为所述突变特征值参考值Aw0。
在本发明实施例中,容性负载缓冲时长权重系数μ以及突变特征权重系数γ为本领域技术人员根据历史数据中容性负载缓冲时长与突变特征值对计算结果的影响程度选择权重数值的大小,优选的,可以设定容性负载缓冲时长权重系数μ=0.4,突变特征权重系数γ=0.6。
具体而言,本发明考虑依据接通动作周期完成后电流的波动值确定容性负载缓冲时长,在实际情况中,电网节点断路器合闸后由于接入输电线路负载中所设置电容的影响,会使得电流存在一定的波动时长,即容性负载缓冲时长,且由于接入输电线路负载的电容设置情况不同,该容性负载缓冲时长也不同,且容性负载缓冲时长具备数据表征性,因此,本发明考虑识别容性负载缓冲时长结合突变特征值计算容性负载涌流异常表征值判定电网节点是否存在异常风险,进而保证对电网节点识别涌流风险的可靠性以及准确性。
具体而言,所述步骤S3中,判定所述电网节点是否存在异常风险的过程为:
将所述容性负载涌流异常表征值M与预设的容性负载涌流异常表征值阈值M0进行对比;
若所述容性负载涌流异常表征值M小于或等于所述容性负载涌流异常表征值阈值M0,则判定所述电网节点不存在异常风险;
若所述容性负载涌流异常表征值M大于所述容性负载涌流异常表征值阈值M0,则判定所述电网节点存在异常风险。
在本发明实施例中,优选的,所述容性负载涌流异常表征值阈值M0的取值范围为[1.1,1.15]。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能配电网馈电自动化处理方法,其特征在于,包括:
步骤S1,持续获取各电网节点的基本电性特征,所述基本电性特征包括所述电网节点处的电流时域波形曲线以及电压时域波形曲线;
步骤S2,获取预定时域段内所述电流时域波形曲线与电压时域波形曲线的相位差绝对值,结合电流时域波形曲线对应的电流标准差计算容性负载影响表征系数,以基于所述容性负载影响表征系数判定所述电网节点是否存在涌流隐性风险;
步骤S3,针对存在涌流隐性风险的电网节点进行监测,所述监测包括;
基于所述电网节点断路器的接通动作时刻确定预定时长的接通动作周期,提取所述接通动作周期内的电流时域波形曲线段,基于各波峰的幅值确定异常突变波峰,以计算突变特征值,依据接通动作周期完成后电流的波动值确定容性负载缓冲时长,基于所述突变特征值以及所述容性负载缓冲时长计算容性负载涌流异常表征值,以判定所述电网节点是否存在异常风险;
步骤S4,针对存在异常风险的电网节点发出预警提示。
2.根据权利要求1所述的智能配电网馈电自动化处理方法,其特征在于,所述步骤S2中,所述电流标准差按公式(1)计算:
;
公式(1)中,Ac为所述电流标准差,Ai为所述电流时域波形曲线上第i个时刻对应的电流值,i=1,2,3…n,n为所述电流时域波形曲线上纳入计算的时刻数量,Aav为所述电流时域波形曲线上若干个时刻对应的电流值的平均值。
3.根据权利要求2所述的智能配电网馈电自动化处理方法,其特征在于,所述步骤S2中,所述容性负载影响表征系数按公式(2)计算:
;
公式(2)中,R为所述容性负载影响表征系数,Ac为所述电流标准差,Ac0为预设的电流标准差参考值,P为电流时域波形曲线与电压时域波形曲线的相位差绝对值,P0为预设的相位差绝对值参考值,α为电流标准差权重系数,β为相位差绝对值权重系数。
4.根据权利要求3所述的智能配电网馈电自动化处理方法,其特征在于,所述步骤S2中,判定所述电网节点是否存在涌流隐性风险的过程为:
将所述容性负载影响表征系数与预设的容性负载影响表征系数阈值进行对比;
若所述容性负载影响表征系数大于所述容性负载影响表征系数阈值,则判定所述电网节点存在涌流隐性风险。
5.根据权利要求1所述的智能配电网馈电自动化处理方法,其特征在于,所述步骤S3中,基于各波峰的幅值确定异常突变波峰的过程为:
获取所述接通动作周期内的电流时域波形曲线的各波峰对应的电流值,将最大电流值对应的波峰确定为所述异常突变波峰。
6.根据权利要求5所述的智能配电网馈电自动化处理方法,其特征在于,所述步骤S3中,所述突变特征值的计算过程为:
以所述异常突变波峰为基准,确定与所述异常突变波峰相邻的前一个相邻波峰以及后一个相邻波峰,基于前一个相邻波峰对应的电流值、后一个相邻波峰对应的电流值以及异常突变波峰对应的电流值计算平均值,将所述平均值确定为所述突变特征值。
7.根据权利要求6所述的智能配电网馈电自动化处理方法,其特征在于,所述步骤S3中,确定接通动作周期完成后电流的波动值的过程为:
获取所述接通动作周期后的电流时域波形曲线,确定所述电流时域波形曲线中波峰对应的电流值,确定与所述波峰相邻的前一个相邻波谷对应的电流值,将所述电流时域波形曲线中波峰对应的电流值与所述前一个相邻波谷对应的电流值的差值确定为所述波动值。
8.根据权利要求7所述的智能配电网馈电自动化处理方法,其特征在于,所述步骤S3中,确定容性负载缓冲时长的过程为:
确定所述电流时域波形曲线内所述波动值大于预设的波动值阈值的时间周期,将所述时间周期对应的时长确定为所述容性负载缓冲时长。
9.根据权利要求1所述的智能配电网馈电自动化处理方法,其特征在于,所述步骤S3中,还包括按公式(3)计算容性负载涌流异常表征值;
;
公式(3)中,M为所述容性负载涌流异常表征值,Tc为所述容性负载缓冲时长,T0为预设的容性负载缓冲时长参考值,Aw为所述突变特征值,Aw0为预设的突变特征值参考值,μ为容性负载缓冲时长权重系数,γ为突变特征权重系数。
10.根据权利要求9所述的智能配电网馈电自动化处理方法,其特征在于,所述步骤S3中,判定所述电网节点是否存在异常风险的过程为:
将所述容性负载涌流异常表征值与预设的容性负载涌流异常表征值阈值进行对比;
若所述容性负载涌流异常表征值大于所述容性负载涌流异常表征值阈值,则判定所述电网节点存在异常风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410551143.5A CN118137678A (zh) | 2024-05-07 | 2024-05-07 | 一种智能配电网馈电自动化处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410551143.5A CN118137678A (zh) | 2024-05-07 | 2024-05-07 | 一种智能配电网馈电自动化处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118137678A true CN118137678A (zh) | 2024-06-04 |
Family
ID=91232986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410551143.5A Pending CN118137678A (zh) | 2024-05-07 | 2024-05-07 | 一种智能配电网馈电自动化处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118137678A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1219924A (en) * | 1967-02-02 | 1971-01-20 | Licentia Gmbh | Surge voltage testing of tuning circuits and carrier-frequency blocking circuits used in modulated carrier-frequency telephony over high-tension lines |
CN110011422A (zh) * | 2019-05-05 | 2019-07-12 | 苏州华天国科电力科技有限公司 | 基于人工神经网络的智能配电运行监测系统及调控方法 |
WO2022022099A1 (zh) * | 2020-07-29 | 2022-02-03 | 国网甘肃省电力公司电力科学研究院 | 一种计及可再生能源的波动特性的多电源协调优化调峰方法 |
CN114142605A (zh) * | 2021-11-09 | 2022-03-04 | 广东工业大学 | 纵联保护方法、装置和存储介质 |
CN116545100A (zh) * | 2023-03-15 | 2023-08-04 | 北京易艾斯德科技有限公司 | 一种电力系统拓扑识别方法、装置、电子设备及存储介质 |
CN117375246A (zh) * | 2023-12-06 | 2024-01-09 | 江西源丰电力有限责任公司 | 电力设备管理方法、系统及设备 |
-
2024
- 2024-05-07 CN CN202410551143.5A patent/CN118137678A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1219924A (en) * | 1967-02-02 | 1971-01-20 | Licentia Gmbh | Surge voltage testing of tuning circuits and carrier-frequency blocking circuits used in modulated carrier-frequency telephony over high-tension lines |
CN110011422A (zh) * | 2019-05-05 | 2019-07-12 | 苏州华天国科电力科技有限公司 | 基于人工神经网络的智能配电运行监测系统及调控方法 |
WO2022022099A1 (zh) * | 2020-07-29 | 2022-02-03 | 国网甘肃省电力公司电力科学研究院 | 一种计及可再生能源的波动特性的多电源协调优化调峰方法 |
CN114142605A (zh) * | 2021-11-09 | 2022-03-04 | 广东工业大学 | 纵联保护方法、装置和存储介质 |
CN116545100A (zh) * | 2023-03-15 | 2023-08-04 | 北京易艾斯德科技有限公司 | 一种电力系统拓扑识别方法、装置、电子设备及存储介质 |
CN117375246A (zh) * | 2023-12-06 | 2024-01-09 | 江西源丰电力有限责任公司 | 电力设备管理方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1058957B1 (en) | Method for event analysis at an intelligent electronic device | |
CN111769649B (zh) | 一种电缆中间接头监测系统 | |
CN110348354B (zh) | 一种用电负荷识别系统、方法及宿舍用电管理系统 | |
CN110470939A (zh) | 一种自动检测及报警的监控配电柜及线路故障判断方法 | |
CN112582992B (zh) | 直流微网支路联动控制系统及方法 | |
CN111756111B (zh) | 一种电力监控系统和电力监控方法 | |
CN108512222A (zh) | 一种智能变电站综合自动化系统 | |
CN113777434A (zh) | 一种故障监测方法、装置及供配电系统 | |
CN109765441A (zh) | 智能绝缘子故障判断方法 | |
CN112986708A (zh) | 一种判断母线电容需要检修或更换的方法及装置 | |
CN112285424B (zh) | 一种船载电子设备基座接触电阻和雷电流监测系统、方法 | |
CN113484658A (zh) | 电弧故障的诊断方法、系统、介质及电子设备 | |
CN118137678A (zh) | 一种智能配电网馈电自动化处理方法 | |
CN113269941A (zh) | 一种基于多信息融合判断的电气火灾报警装置及控制方法 | |
CN110596529B (zh) | 柔性直流电网对地绝缘故障检测装置及系统 | |
CN112034822A (zh) | 一种自动化开关控制器的检测装置及检测方法 | |
CN212781158U (zh) | 一种小电流单相接地故障在线监测装置 | |
CN111103535B (zh) | 断路器监测装置 | |
CN111342552A (zh) | 一种用于0.4kv配电系统电力运行维护和预防性试验预警系统 | |
CN217133292U (zh) | 一种电网检测装置和一种机车电网 | |
CN110548701B (zh) | 一种适用于空心电抗器的质量检测装置及质量检测方法 | |
CN212433311U (zh) | 一种配电网架空线路检测装置和故障检测系统 | |
CN214375018U (zh) | 一种适用于馈线终端的带残压检测的线损计量系统 | |
CN219657794U (zh) | 一种直流系统绝缘检测装置 | |
CN115127193B (zh) | 一种零火线接线松动的检测方法及系统、空调器室外机 |
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 |