WO2014089900A1 - 基于PQView数据源的电能质量扰动类型识别方法 - Google Patents
基于PQView数据源的电能质量扰动类型识别方法 Download PDFInfo
- Publication number
- WO2014089900A1 WO2014089900A1 PCT/CN2013/001400 CN2013001400W WO2014089900A1 WO 2014089900 A1 WO2014089900 A1 WO 2014089900A1 CN 2013001400 W CN2013001400 W CN 2013001400W WO 2014089900 A1 WO2014089900 A1 WO 2014089900A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- phase
- voltage
- rms
- return
- value
- Prior art date
Links
Classifications
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
Definitions
- the present invention relates to the field of power quality, and more particularly to a method for identifying a power quality disturbance type based on a PQView data source. Background technique
- Power quality analysis the main indicators to measure power quality are voltage, frequency, imbalance, harmonics, fluctuations and flicker.
- the technical aspects of acquisition and analysis are mainly for statistical processing of signal acquisition and simple reports.
- the transient process can only be judged according to the requirements of national standards, such as temporary rise and sag.
- national standards such as temporary rise and sag.
- various non-linear and impact loads in the system are increasing.
- an effective way to improve power quality is to quickly detect and accurately identify power signals, and then adopt different solutions for different problems.
- most of the technologies are for power quality detection, and cannot be accurately identified.
- classification of disturbances can not provide a direct basis for governance. Summary of the invention
- a power quality disturbance type identification method based on PQView data source which utilizes the Site, Events EventTiend RMSVariation, Transient table of the pqview database, and is completed in several steps:
- Step 1 Obtain all events within a certain period of time from the pqview database, determine whether each event has an rms type, and whether the event duration is between 0.01s and lmin; if not, proceed to step two, and if yes continue:
- Step 2 There is an rms record and the rms record duration is > 60s, and the steady state type analysis algorithm is executed;
- Step 3 Each return result is written to the PerturbAnalyse disturbance analysis table.
- the maximum and minimum standard values of the three-phase voltage are obtained, and are recorded as Uam, Ubm, Ucm, Uan, Ubn, and Ucn, and the following values are respectively determined for each of the standard values:
- phase return value 5
- sag 0.1 minimum standard value ⁇ 0.9, the phase return value: 5, described as: sag;
- phase return value 4
- short-term power outage 4
- the three-phase voltage deviation calculated by rms is within +7% and -3%, and the imbalance is calculated based on the line voltage rms. If the imbalance is less than 2%, it returns to normal, otherwise it returns to the imbalance;
- Rms calculates the three-phase voltage negative deviation of any phase > 50%, returning a phase outage
- the three-phase voltage deviation calculated by rms is not within +7% and -3%, and the negative deviation is 50% for all phases.
- the unbalance is calculated based on the line voltage rms.
- the unbalance degree ⁇ 2% returns the voltage deviation, otherwise the return voltage deviation unbalanced.
- the phase voltage analysis and classification algorithm are the same as the line voltage analysis and classification algorithm, and both are - first, the fast Fourier algorithm transform fft operation is performed on the voltage instantaneous value, and the maximum I and minimum values of the THD of each phase are calculated.
- the symmetrical component method calculates the unbalance U2, and calculates the voltage rms value and its phase deviation by the instantaneous value of the voltage:
- the present invention mainly solves the first step of detecting the presence of disturbances in conjunction with existing power quality detection techniques.
- the second step is to extract the feature quantities for the existing disturbances, and then perform disturbance identification classification according to the present invention.
- the monitoring point load type is a normal cell
- the disturbance type identification conclusion is a neutral point drift. According to the neutral point drift characteristic, it can be preliminarily caused by the user side power imbalance, when the governing party sees this conclusion. Can react quickly.
- FIG. 1 is a flow chart of the identification process of the present invention
- FIG. 2 is a flow chart of the steady state type analysis algorithm
- FIG. 3 is a flow chart analysis and classification algorithm and a line voltage analysis and classification algorithm flow chart. detailed description
- Step 1 Obtain all events in the pqview database for a certain period of time, determine whether each event has an rms type, and whether the event duration is between 0.01s and lmin; if not, proceed to step two, and if yes, continue:
- step two rms record and rms record duration > 60s, perform steady-state type analysis algorithm
- Step 3 Write the results back to the PerturbAnalyse disturbance analysis table.
- the maximum and minimum standard values of the three-phase voltage are obtained, and are recorded as Uam, Ubm, Ucm, Uan, Ubn, and Ucn, and the following values are respectively determined for each of the standard values:
- phase return value 5
- sag 0.1 minimum standard value ⁇ 0.9, the phase return value: 5, described as: sag;
- phase return value 4
- short-term power outage 4
- the maximum value is > 1.1, the phase return value: 3, described as: over voltage;
- the average value of the three-phase return value is equal to the return value of phase a, perform algorithm two. Otherwise, if it is equal to 3, the cause of the disturbance is overvoltage; equal to 4, the cause of the disturbance is power failure; if it is equal to other values, the three-phase disturbance is respectively described according to the return value. the reason.
- the steady state type analysis algorithm is as follows:
- the three-phase voltage deviation calculated by rms is within +7% and -3%, and the imbalance is calculated based on the line voltage rms. If the imbalance is less than 2%, it returns to normal, otherwise it returns to the imbalance;
- Rms calculates the three-phase voltage negative deviation of any phase > 50%, returning a phase outage
- phase voltage analysis and classification algorithm are the same as the line voltage analysis and classification algorithm, as shown in FIG. 3, both are:
- the fast Fourier algorithm transform fft operation is performed on the instantaneous value of the voltage, and the difference between the maximum and minimum values of THD in each phase is calculated, and the three-phase maximum value THDx is obtained, and the unbalance degree U2 is calculated by the symmetrical component method, and the instantaneous value of the voltage is calculated.
- the maximum deviation of the three-phase voltage rms is ⁇ ⁇ 10%, and is not within +7% and -3%, and the return voltage rms transient exceeds the limit;
- the three-phase phase voltage deviation is less than -90%, returning a short-term power failure, otherwise the return voltage will temporarily drop.
Abstract
提供了一种基于PQView数据源的电能质量扰动类型识别方法，其利用PQView数据库的Site、Event、EventTrend、RMSVariation、Transient表，通过以下步骤来完成：步骤一，从PQView数据库中获取一定时间内的所有事件，判断各事件是否有rms类型且事件持续时间是否在0.01s和1min之间；如果不是则执行步骤二；如果是，则获取三相电压的最大最小标幺值，并对每一组的标幺值分别进行检测，判断是否出现电压暂降、短时停电及过电压故障，并描述三相扰动原因；步骤二，当有rms记录且rms记录时长＞60s时，执行稳态类型分析算法；步骤三，各返回结果写入PerturbAnalyse扰动分析表中。
Description
基于 PQView数据源的电能质量扰动类型识别方法
技术领域 本发明属于电能质量领域， 尤其涉及用于基于 PQView数据源的电能质量扰动类型识别 方法。 背景技术
电能质量分析， 衡量电能质量的主要指标有电压、 频率、 不平衡度、 谐波、 波动与 闪变。 目前的采集和分析技术层面， 主要是针对信号的采集和简单的报表等数据统计处 理， 只能根据国标要求， 对暂态过程进行判断， 比如暂升、 暂降等。 近年来由于电力系统规模和容量都不断增大， 系统中的各种非线性和冲击性负载日益增 多， 还有许多分布式发电单元介入电网， 以及敏感电子设备的应用， 导致电网出现供电质量 降低， 甚至运行运行恶化等状况。 目前提高电能质量的有效途径， 就是对电能信号的进行快 速的检测和准确的识别， 然后针对不同的问题采取不同的解决办法， 目前大部分技术都是针 对电能质量的检测， 无法进行准确的识别和分类扰动情况， 无法对治理提供直接的根据。 发明内容
本发明的'目的就是为解决上述问题， 提供一种用于基于 PQView数据源的电能质量扰动 类型识别方法， 主要是根据原始的事件记录、 包括波形、 RMS有效值等数据， 进行进一步细 化分析， 根据算法识别引起事件的扰动类型， 比如瞬态震荡、 中性点漂移、 某相短时停电 等。 对事件的描述和分析不仅仅是对暂态过程的分析， 而是对整个事件的扰动类型进行分析 和识别。 为实现上述目的， 本发明采用如下技术方案：
一种用于基于 PQView数据源的电能质量扰动类型识别方法， 它利用 pqview数据库的 Site、 Events EventTiend RMSVariation、 Transient表， 分几个步骤完成：
步骤一： 从 pqview 数据库屮获取一定时间内的所有事件， 判断各事件是否有 rms 类型， 并且事件持续时问是否在 0.01s和 lmin之间； 如果不是则进行步骤二， 如果是则 继续：
获取三相电压的最大最小标幺值， 并对每一相的标么值分别进行检测， 判断是否出 现电压暂降、 短时停电以及过电压故障， 并描述三相扰动原因；
步骤二： 有 rms记录并且 rms记录时长〉 60s， 执行稳态类型分析算法；
没有 rms记录， 也没有瞬时值记录， 返回记录数据不完整 ·，
没有 rms记录， 有瞬时记录， 并且为线电压通道， 执行线电压的分析及分类算法； 没有 rms记录， 有瞬时记录， 并且不是线电压通道， 首先执行相电压的分析及分类 算法， 并基于瞬时值由相电压计算出线电压值 Uab=Ua-Ub， Ubc=Ub-Uc, Uca=Uc-Ua， 然后执行线电压的分析及分类算法， 根据两个算法返回结果作比较， 线电压和相电压的 分析算法结果一致的话， 扰动原因为返回结果， 不一致的话， 判断是否 10kv或者 35kv 并且线电压正常， 是则判定扰动原因为： 中性点漂移， 否则分别列出线电压和相电压的 算法返回结果； 步骤三： 各返回结果写入到 PerturbAnalyse扰动分析表中。
所述步骤一中， 获取三相电压的最大最小标幺值， 记为 Uam、 Ubm、 Ucm、 Uan、 Ubn、 Ucn， 对每一项的标幺值分别进行以下判断：
0.1 最小标幺值 <0.9， 该相返回值： 5， 描述为： 暂降；
最小标幺值 <0.1， 该相返回值： 4， 描述为： 短时停电；
最大标幺值 > 1.1， 该相返回值： 3， 描述为： 过电压；
三相返回值均值如果等于 a相返回值， 进行算法二， 否则判断如果等于 3， 扰动原 因为过电压； 等于 4， 扰动原因为停电； 若等于其他值， 则按照返回值分别描述三相扰 动原因 c
所述步骤二中， 稳态类型分析算法为：
rms 计算的三相电压偏差都在 +7%和 -3%之内， 基于线电压 rms 计算不平衡， 不平 衡度 <2%则返回正常， 否则返回不平衡；
rms计算的三相电压负偏差任一相〉 50%, 返回某相停电；
rms 计算的三相电压偏差不在 +7%和 -3%之内， 并且负偏差所有相 50%， 基于线 电压 rms计算不平衡， 不平衡度 <2%则返回电压偏差， 否则返回电压偏差兼不平衡。
所述步骤二中， 相电压的分析及分类算法和线电压的分析及分类算法相同， 均为- 首先对电压瞬时值进行快速傅里叶算法变换 fft运算， 计算各相 THD最大 I 和最小 值之差， 并求三相最大值 THDx， 对称分量法计算出不平衡度 U2， 通过电压瞬时值计 算电压 rms值及其各相偏差：
记录时间 8个周期， THDx<2%且三相最大的 THD〉4%, 返回波形畸变， 否则 返回其他； 各比例参见如下国标， 以下均相同： GB/T14549-1993，GB/T12325- 2008,GB/T15543-2008,GB15945-2008,GB12326-2008,GB/T18481-2001 ;
记录时间< 8个周期， 三相电压 rms最大偏差< ± 10%， 且不在 +7%和 -3%之内， 返 回电压 rms暂态越限；
记录时间< 8个周期， 三相电压 rms最大偏差< ± 10%， 且都在 +7%和 -3%之内， 三 相不平衡度最大值 <4%并且三相最大的 THD<4%返回正常， 否则返回瞬变振荡；
记录时间< 8个周期， 三相相电压偏差最大值均大于 10%， 返回过电压； 记录时间< 8 个周期， 三相相电压偏差均小于 -90%， 返回短时停电， 否则返回电压 暂降。 暂 是指电路从一个稳定状态， 由于某种作用发生变化， 经过一个过渡过程进入 到另一个稳定状态， 那么这个过渡过程称为"暂态 本发明依据满足 IEC61000和国标的 终端采样数据， 将事件记录的原始数据， 根据不同电压等级的供用电特性， 结合傅里 叶变换等算法， 并且不对事件进行合并的情况下， 初步识别引起整个事件的扰动类 型。 本发明的有益效果： 本文主要解决检测扰动是否存在， 针对存在的扰动进行特征量的提 取和扰动分类。 根据本发明识别的扰动了类型， 为电能质量治理和问题的处理提供理论支 持。
本发明主要解决第一步结合现存的电能质量检测技术检测扰动是否存在， 第二步针对存 在的扰动进行特征量的提取， 然后根据本发明进行扰动识别分类。 只有识别了扰动的类型， 结合现有变电网络各个开关连接的负载类型等才能采取不同的方法解决电能质量污染问题。 比如， 监测点负载类型是普通小区， 而扰动类型识别结论是中性点漂移,根据中性点漂移特 性， 可以初步得出是由于用户侧用电量不平衡引起， 当治理方看到此结论可以很快做出反 应。 附图说明
图 1为本发明的识别过程流程图； 图 2为稳态类型分析算法流程图； 图 3为相电压的分析及分类算法和线电压的分析及分类算法流程图。 具体实施方式
下面结合实施例对本发明做进一步说明。
一种用于基于 PQView数据源的电能质量扰动类型识别方法， 它利用 pqview数据库的 Site、 Events EventTrend、 RMSVariation> Transient表， 分几个步骤完成：
步骤一： 从 pqview 数据库中获取 --定时间内的所有事件， 判断各事件是否有 rms 类型， 并且事件持续时间是否在 0.01s和 lmin之间； 如果不是则进行步骤二， 如果是则 继续：
获取三相电压的最大最小标么值， 并对每一相的标么值分别进行检测， 判断是否出 现电压暂降、 短时停电以及过电压故障， 并描述三相扰动原因；
如图 1 所示， 步骤二： 有 rms记录并且 rms记录时长〉 60s， 执行稳态类型分析算 法；
没有 rms记录， 也没有瞬时值记录， 返回记录数据不完整；
没有 rms记录， 有瞬时记录， 并且为线电压通道， 执行线电压的分析及分类算法； 没有 rms记录， 有瞬时记录， 并且不是线电压通道， 首先执行相电压的分析及分类 算法， 并基于瞬时值由相电压计算出线电压值 Uab-Ua-Ub， Ubc=Ub-Uc, Uca=Uc-Ua, 然后执行线电压的分析及分类算法， 根搪两个算法返回结果作比较， 线电压和相电压的 分析算法结果一致的话， 扰动原因为返回结果， 不一致的话， 判断是否 10kv或者 35kv 并且线电压正常， 是则判定扰动原因为： 中性点漂移， 否则分别列出线电压和相电压的 算法返回结果； 步骤三： 各返回结果写入到 PerturbAnalyse扰动分析表中。
所述步骤一中， 获取三相电压的最大最小标幺值， 记为 Uam、 Ubm、 Ucm、 Uan、 Ubn、 Ucn, 对每一项的标幺值分别进行以下判断：
0.1 最小标幺值 <0.9， 该相返回值： 5， 描述为： 暂降；
最小标幺值 <0.1， 该相返回值： 4， 描述为： 短时停电；
最大标幺值〉 1.1， 该相返回值： 3， 描述为： 过电压；
三相返回值均值如果等于 a相返回值， 进行算法二， 否则判断如果等于 3 , 扰动原 因为过电压； 等于 4, 扰动原因为停电； 若等于其他值， 则按照返回值分别描述三相扰 动原因。
所述步骤二中， 稳态类型分析算法为： 如图 2所示，
rms 计算的三相电压偏差都在 +7%和 -3%之内， 基于线电压 rms 计算不平衡， 不平 衡度 <2%则返回正常， 否则返回不平衡；
rms计算的三相电压负偏差任一相〉 50%, 返回某相停电；
rms 计算的三相电压偏差不在 +7%和 -3%之内， 并且负偏差所有相 50%， 基于线 电压 rms计算不平衡， 不平衡度 <2%则返回电压偏差， 否则返回电压偏差兼不平衡。
所述步骤二中， 相电压的分析及分类算法和线电压的分析及分类算法相同， 如图 3 所示， 均为：
首先对电压瞬时值进行快速傅里叶算法变换 fft运算， 计算各相 THD最大值和最小 值之差， 并求三相最大值 THDx , 对称分量法计算出不平衡度 U2， 通过电压瞬时值计 算电压 rms值及其各相偏差；
记录时间 8个周期， THDx<2%且三相最大的 THD〉4%， 返回波形畸变， 否则 返回其他； 各比例参见如下国标， 以下均相同： GB/T14549-1993，GB/T12325- 2008,GB/T15543-2008,GB15945-2008,GB12326-2008,GB/T18481-2001 ;
记录时间< 8个周期， 三相电压 rms最大偏差< ± 10%， 且不在 +7%和 -3%之内， 返 回电压 rms暂态越限；
记录时间< 8个周期， 三相电压 rms最大偏差< ± 10%, 且都在 +7%和 -3%之内， 三 相不平衡度最大值 <4%并且三相最大的 THD<4%返回正常， 否则返回瞬变振荡；
记录时间<8个周期， 三相相电压偏差最大值均大于 10%, 返回过电压；
记录时间<8个周期， 三相相电压偏差均小于 -90%, 返回短时停电， 否则返回电压暂降。
Claims
1. 一种用于基于 PQView数据源的电能质量扰动类型识别方法，其特征是，它利 用 pqview数据库的 Site、 Event.、 EventTrend RMSVariation> Transient 分几个步骤完成：
步骤一：从 pqview数据库中获取一定时间内的所有事件，判断各事件是否有 rms 类型， 并且事件持续时间是否在 0. 01s和 lmin之间； 如果不是则进行步骤二， 如果是则继续：
获取三相电压的最大最小标幺值， 并对每一相的标么值分别进行检测， 判断是否 出现电压暂降、 短时停电以及过电压故障， 并描述三相扰动原因；
步骤二： 有 rms记录并且 rms记录吋长〉 60s， 执行稳态类型分析算法； 没有 rms记录， 也没有瞬时值记录， 返回记录数据不完整；
没有 rms记录，有瞬时记录，并且为线电压通道，执行线电压的分析及分类算法； 没有 rms记录， 有瞬时记录， 并且不是线电压通道， 首先执行相电压的分析及分 类算法， 并基于瞬时值由相电压计算出线电压值 Uab=Ua-Ub， Ubc=Ub-Uc,
Uca=Uc-Ua,然后执行线电压的分析及分类算法，根据两个算法返回结果作比较， 线电压和相电压的分析算法结果一致的话，扰动原因为返回结果，不一致的话判 断是否 10kv或者 35kv并且线电压正常， 是则判定扰动原因为： 中性点漂移， 否 则分别列出线电压和相电压的算法返回结果；
步骤三： 各返回结果写入到 Per turbAmilyse扰动分析表中。
2. 如权利要求 1所述的用于基于 PQView数据源的电能质量扰动类型识别方法， 其特征是， 所述步骤一中， 获取三相电压的最大最小标么值， 记为 UaiP、 Ubm、 Ucm, Uan、 Ubn、 Ucn, 对每一项的标幺值分别进行以下判断：
0. 1 最小标幺值 <0. 9， 该相返回值： 5， 描述为： 暂降；
最小标幺值 <0. 1， 该相返回值： 4, 描述为： 短时停电；
最大标幺值〉 1. 1， 该相返回值： 3, 描述为： 过电压；
三相返回值均值如果等于 a相返回值， 进行算法二， 否则判断如果等于 3， 扰动 原因为过电压； 等于 4， 扰动原因为停电； 若等于其他值， 则按照返回值分别描 述三相扰动原因。
3. 如权利要求 1所述的用于基于 PQView数据源的电能质量扰动类型识别方法， 其特征是， 所述步骤二中， 稳态类型分析算法为：
rms计算的三相电压偏差都在 +7%和 -3%之内， 基于线电压 rms计算不平衡， 不平 衡度 <2%则返回正常， 否则返回不平衡；
rms计算的三相电压负偏差任一相〉 50%, 返回某相停电；
rms计算的三相电压偏差不在 +7%和 -3%之内， 并且负偏差所有相 50%， 基于线 电压 rms计算不平衡，不平衡度<2%则返回电压偏差，否则返回电压偏差兼不平 衡。
4. 如权利要求 1或 3所述的用于基于 PQView数据源的电能质量扰动类型识别方 法， 其特征是， 所述步骤二中， 相电压的分析及分类算法和线电压的分析及分类 算法相同， 均为：
首先对电压瞬时值进行 fft运算，计算各相总谐波失真 THD最大值和最小值之差， 并求三相最大值 THDx， 对称分量法计算出不平衡度 U2， 通过电压瞬时值计算电 压 rms值及其各相偏差；
记录时间 8个周期， THDx<2%且三相最大的 THI)>4%， 返回波形畸变， 否则返 回其他；
记录时间<8个周期， 三相电压 rms最大偏差< ± 10%， 且不在 +7%和- 3%之内， 返回电压 rms暂态越限；
记录时间<8个周期， 三相电压 rms最大偏差< ± 10%， 且都在 +7%和 -3%之内， 三相不平衡度最大值 <4%并且三相最大的 THD<4%返回正常， 否则返回瞬变振 荡；
记录时间<8个周期， 三相相电压偏差最大值均大于 10%， 返回过电压； 记录时间<8个周期， 三相相电压偏差均小于 -90%, 返回短时停电， 否则返回电 压暂降。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210545923.6 | 2012-12-14 | ||
| CN201210545923.6A CN103065265B (zh) | 2012-12-14 | 2012-12-14 | 基于PQView数据源的电能质量扰动类型识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2014089900A1 true WO2014089900A1 (zh) | 2014-06-19 |
Family
ID=48107882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2013/001400 WO2014089900A1 (zh) | 2012-12-14 | 2013-11-18 | 基于PQView数据源的电能质量扰动类型识别方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN103065265B (zh) |
| WO (1) | WO2014089900A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108733874A (zh) * | 2018-04-04 | 2018-11-02 | 云南电网有限责任公司电力科学研究院 | 一种基于分布式光伏多模型自适应切换的仿真方法及装置 |
| CN108918963A (zh) * | 2018-04-28 | 2018-11-30 | 广州吉科电气设备有限公司 | 一种用于测量供电线路中谐波的电力参数的方法和仪表 |
| CN111145044A (zh) * | 2020-01-09 | 2020-05-12 | 三峡大学 | 基于ewt和mfde的配电网电能质量扰动检测方法 |
| CN113128396A (zh) * | 2021-04-16 | 2021-07-16 | 东南大学 | 一种电能质量复合扰动分类方法 |
| CN114358042A (zh) * | 2021-11-29 | 2022-04-15 | 国网安徽省电力有限公司马鞍山供电公司 | 一种基于t-s模糊模型的电能质量信号扰动分类方法 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103065265B (zh) * | 2012-12-14 | 2017-02-08 | 山东电力集团公司电力科学研究院 | 基于PQView数据源的电能质量扰动类型识别方法 |
| CN103926476B (zh) * | 2014-04-10 | 2016-10-05 | 宁波恒力达科技有限公司 | 基于fft和对称分量法的三相不平衡检测方法及逆变器 |
| CN110009203B (zh) * | 2019-03-18 | 2022-11-25 | 深圳供电局有限公司 | 一种电压暂降电量损失的评估方法及系统 |
| CN112116013B (zh) * | 2020-09-24 | 2021-07-20 | 四川大学 | 一种基于波形特征的电压暂降事件归一化方法 |
| CN114325224B (zh) * | 2021-12-14 | 2023-09-22 | 国网浙江省电力有限公司电力科学研究院 | 一种基于配网实时数据的故障区间定位的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101034389A (zh) * | 2007-03-19 | 2007-09-12 | 江西省电力科学研究院 | 基于信息融合的电能质量扰动自动识别方法及系统 |
| CN102467614A (zh) * | 2010-11-19 | 2012-05-23 | 上海市电力公司 | 一种用于电能质量的数据采集与计算方法 |
| CN103065265A (zh) * | 2012-12-14 | 2013-04-24 | 山东电力集团公司电力科学研究院 | 基于PQView数据源的电能质量扰动类型识别方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120077527A1 (en) * | 2010-09-28 | 2012-03-29 | Consolidated Edison Company Of New York, Inc. | Network event identification and method of operation |
| CN102467567A (zh) * | 2010-11-19 | 2012-05-23 | 上海市电力公司 | 一种用于电能质量的数据采集与计算系统 |
| CN102479286B (zh) * | 2010-11-23 | 2014-08-13 | 上海市电力公司 | 一种用于电能质量的暂降原因判别方法 |
-
2012
- 2012-12-14 CN CN201210545923.6A patent/CN103065265B/zh active Active
-
2013
- 2013-11-18 WO PCT/CN2013/001400 patent/WO2014089900A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101034389A (zh) * | 2007-03-19 | 2007-09-12 | 江西省电力科学研究院 | 基于信息融合的电能质量扰动自动识别方法及系统 |
| CN102467614A (zh) * | 2010-11-19 | 2012-05-23 | 上海市电力公司 | 一种用于电能质量的数据采集与计算方法 |
| CN103065265A (zh) * | 2012-12-14 | 2013-04-24 | 山东电力集团公司电力科学研究院 | 基于PQView数据源的电能质量扰动类型识别方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108733874A (zh) * | 2018-04-04 | 2018-11-02 | 云南电网有限责任公司电力科学研究院 | 一种基于分布式光伏多模型自适应切换的仿真方法及装置 |
| CN108918963A (zh) * | 2018-04-28 | 2018-11-30 | 广州吉科电气设备有限公司 | 一种用于测量供电线路中谐波的电力参数的方法和仪表 |
| CN111145044A (zh) * | 2020-01-09 | 2020-05-12 | 三峡大学 | 基于ewt和mfde的配电网电能质量扰动检测方法 |
| CN111145044B (zh) * | 2020-01-09 | 2023-07-11 | 三峡大学 | 基于ewt和mfde的配电网电能质量扰动检测方法 |
| CN113128396A (zh) * | 2021-04-16 | 2021-07-16 | 东南大学 | 一种电能质量复合扰动分类方法 |
| CN114358042A (zh) * | 2021-11-29 | 2022-04-15 | 国网安徽省电力有限公司马鞍山供电公司 | 一种基于t-s模糊模型的电能质量信号扰动分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103065265B (zh) | 2017-02-08 |
| CN103065265A (zh) | 2013-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2014089900A1 (zh) | 基于PQView数据源的电能质量扰动类型识别方法 | |
| CN103033789B (zh) | 一种同步相量测量单元pmu的静动态测试系统 | |
| Izadi et al. | Synchronous waveform measurements to locate transient events and incipient faults in power distribution networks | |
| CN104280714B (zh) | 一种计量装置运行异常检测方法 | |
| CN110231514B (zh) | 一种适用于宽频带测量的同步相量测量方法 | |
| Ashton et al. | Novel application of detrended fluctuation analysis for state estimation using synchrophasor measurements | |
| WO2022099795A1 (zh) | 一种10kv配网小电流单相接地故障检测方法 | |
| CN110687399B (zh) | 一种配电网故障指示器波形故障开始时刻判断方法 | |
| CN105974254B (zh) | 基于电压计算综合权重的暂稳态选线方法 | |
| Chang et al. | On tracking the source location of voltage sags and utility shunt capacitor switching transients | |
| CN108270239A (zh) | 一种含分布式电源的配电网电能质量扰动源方向判定方法 | |
| CN105958478A (zh) | 一种用于优质电力园区中电压暂降的综合治理方法 | |
| CN102798758B (zh) | 并联电容器组串联电抗率的测量方法和系统 | |
| CN102841244B (zh) | 电网电压骤变的快速检测方法 | |
| CN107918088B (zh) | 基于多阶小波函数变换的配电网故障时刻确定方法 | |
| CN105203865B (zh) | 分布式电源并网逆变器及电容的在线测试系统的工作方法 | |
| CN106291170A (zh) | 面向大容量冲击负荷的tcr型svc动态响应性能试验方法 | |
| Seferi et al. | Power quality event analysis in 25 kV 50 Hz AC railway system networks | |
| CN102479286B (zh) | 一种用于电能质量的暂降原因判别方法 | |
| CN114002550B (zh) | 一种直流配电网接地故障选线方法及系统 | |
| CN112485523B (zh) | 一种判定谐波电压测量失真方法 | |
| Le et al. | Analysis of power disturbances from monitoring multiple levels and locations in a power system | |
| Xue et al. | The fault location technology using transient signals for single phase earth fault in non-solidly earthed network | |
| Wang et al. | A method for online analyzing excitation systems performance based on PMU measurements | |
| Binns et al. | Instantaneous Faults Detection in Power System |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 13861746 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 13861746 Country of ref document: EP Kind code of ref document: A1 |