基于动态时间弯曲距离的电压暂降源辨识方法

为了实现对各类型电压暂降源的准确辨识,从波形相似性检测的角度提出了一种基于动态时间弯曲距离的电压暂降源辨识方法。通过仿真模型分析了基本电压暂降和经不同类型变压器传播后各类暂降的波性特征,构建了电压暂降类型与暂降原因及变压器类型的映射关系。利用9种电压暂降波形数据构建匹配库,采用动态时间弯曲距离法将实测的电压暂降波形数据与匹配库波形数据进行匹配分析,实现电压暂降源的辨识。仿真分析的结果表明,该方法能够对电网中出现的各种类型电压暂降进行辨识,具有较高的准确性和有效性,满足工程应用的需求。     

一种基于改进灰色关联分析的电压暂降源识别方法

为准确识别电网中各类暂降源,提出了一种基于改进灰色关联分析的电压暂降源识别方法。分析了其产生机理,并利用暂降分段法,分析电网中各类暂降源的波形特点;针对传统灰色关联分析模型的不足,利用熵权法进行改进;提取电压暂降波形的时域特征,形成六类暂降源对应的标准参考序列和待识别暂降源对应的比较序列,利用改进的灰色关联分析模型计算参考序列和比较序列的关联度,实现暂降源的准确识别。通过PSCAD/EMTDC仿真和实测数据对所提方法进行验证,并与其他方法对比,证明了所提方法能在样本较少的情况下准确识别各类暂降源,且能确定短路引起暂降的故障类型,具有较大的工程应用前景。     

基于多维关联信息的电压暂降治理需求识别

准确识别用户的电压暂降治理需求,有助于指导用户的电压暂降治理精准投资决策,保证电网公司优质供电服务的顺利推进。基于用户的多维关联信息,提出用户电压暂降治理需求识别模型。首先,构建用户电压暂降治理需求特征库,包括特征指标定义、条件特征和结果特征的计算方法。其次,对连续特征进行离散化处理,筛选出用于需求识别的最优特征,建立需求识别决策表。然后,提出自适应频繁模式增长(frequent-pattern growth,FP-Growth)算法提取关联规则,并提出改进的余弦相似度方法匹配关联规则,识别用户电压暂降治理需求。最后,基于60个中小型工业用户数据,验证了所提模型的有效性与正确性。     

基于改进S变换的电压暂降识别

电压暂降分类识别是合理选择电能质量治理方案的前提。提出一种基于改进S变换的电压暂降识别方法。首先根据电压暂降特征频率范围自适应确定改进S变换的调节因子,计算所得模时频矩阵作为电压暂降标准模板;再比较待测试暂降的改进S变换模矩阵特定频段与各标准模板之间的相似度,实现扰动分类。在比较相似度值的过程中,为凸显不同暂降类型的相似性及差异性,采用分频逐行计算相似度值,从而实现异类模板差异最大化。该方法充分挖掘各类暂降的特征差异,通过简单的相似度计算对扰动进行分类,无需添加辅助分类器。仿真和大量实测数据研究表明,该方法分类过程简单,抗干扰能力强。     

基于多源数据融合的省级电网电压暂降互动平台

针对当前电压暂降相关系统存在重监测、少应用、无互动等问题,构建基于多源数据融合的省级电网电压暂降互动平台。首先,根据供电公司、敏感用户和治理产商三方的实际需求设计平台的功能体系与总体架构;其次,通过建立母线关联映射表和全网暂降特征库实现多源数据的关联和特征提取;再次,在多源数据融合基础上实现电压暂降严重程度评估、风险预警、即时感知与快速定位、辅助治理决策等功能;最后,构建暂降治理参与者信息共享与互动机制、建立暂降协同防治体系。目前,所提平台已在某省电网投入实际应用,反映良好。     

基于典型波形特征与改进DBSCAN的电压暂降同源识别方法

针对电网内单次短路故障可能触发多条母线上的电能质量监测装置记录电压暂降波形,造成电压暂降录波数据冗余、电网电压暂降水平过估计的问题,提出一种基于典型波形特征与改进基于密度的有噪空间聚类(DBSCAN)的电压暂降同源识别方法。首先,提出综合倾斜因子、波形相似度和持续时间三维特征,综合刻画电压暂降同源性;同时,研究电压暂降经多级变压器的传播特性,推导出13种变压器相电压等效传递矩阵,并提出基于Bhattacharyya距离的波形相似度计算方法。其次,利用共享近邻点(SNN)改进DBSCAN,对由三维特征构成的矩阵进行同源聚类,提出基于电网节点总数和监测点总数的聚类参数计算方法,实现电压暂降同源识别。应用实测数据和IEEE 30节点系统仿真数据进行验证,结果证明了所提方法的正确性和有效性。     

电网结构对电压暂降传播的影响及其量化分析方法

有效的电压暂降治理方法对减少用户经济损失起着重要的作用。现有电压暂降治理方法基于随机预估等方式获取电网各节点的电压暂降水平,从而针对暂降严重的节点进行治理,但这些方法仅能量化暂降水平的大小,难以分析造成暂降严重的根本原因,治理效果亟待提高。其本质原因在于忽视了电压暂降在电网中的传播规律和电网结构对电压暂降的影响机制。为此,对电压暂降受电网结构属性的影响进行分析并对其量化方法开展研究。首先,基于电网故障模型分析电压暂降幅值与电网结构的关系,并将监测周期内多次故障下电网所有节点电压平均幅值构成的序列定义为电压暂降模式,以挖掘电压暂降受电网结构属性的影响;然后,通过分析电压暂降的传播特性,从电网拓扑属性和物理属性出发提出电压暂降结构性指标,从电网节点规模程度、聚集程度、传播效率和支撑能力等不同的方面量化电网结构对电压暂降的影响;最后,提出电压暂降受电网结构影响程度的综合评估方法,为电网侧电压暂降治理提供决策支持。基于IEEE 30节点系统的仿真结果验证了所提方法能够反映电网结构对电压暂降的影响规律,以敏感用户接入电网的规划为例,验证了所提结构指标有助于从电网侧治理电压暂降问题,并能够对优质供电园区的电网规划与重构、电网运行方式反演、电压暂降传播途径抑制等措施提供决策支持。     

基于多维特征和Hausdorff距离的电压暂降治理成本估计

电压暂降治理是非标准化工程,由于缺少用户侧详细信息,治理容量估计困难,易造成过度治理或治理不足。考虑治理对象受电压暂降多维特征影响的事实,研究治理对象耐受能力和治理容量识别问题,提出一种考虑电压暂降多维特征的敏感设备耐受能力Hausdorff距离识别方法,引入模式库概念,利用模糊隶属度判别治理对象电压耐受能力,在此基础上提出改进电压暂降严重程度指标,提出基于改进电压暂降严重程度指标和治理对象容量占比的治理容量识别方法,由此估计所需治理成本。结合某城市电网实际监测数据进行实证分析,结果证明了提出方法的有效性和合理性,便于实际工程应用。     

基于优化极限学习机的电压暂降源识别方法

准确识别电压暂降源对暂降责任分摊和治理决策至关重要。文中提出一种基于优化极限学习机的电压暂降源识别方法。通过直接提取电压暂降波形的时域特征和经S变换提取能量熵和奇异熵2种时频域特征,构建基于时域和时频域的特征向量,弥补现有方法仅采用时频变换提取特征,可能丢失仅存在于时域内的重要信息而影响识别精度的不足。针对极限学习机输入权值和隐含层偏置随机产生的不足,采用遗传算法对其进行优化,构建优化极限学习机模型,解决利用模式识别存在模型复杂和耗时较长,难以实现快速识别的问题。应用仿真数据和实测数据验证了所提特征向量和优化极限学习机模型的有效性;并与其他方法相比,证明所提模型简单、训练和分类识别速度快,识别精度更高,适用于边缘计算,可实现电压暂降源的快速准确识别。     

设备侧电压暂降严重程度评估方法研究

综合考虑ITIC曲线、SEMI曲线和C4.110工作组提出的敏感设备耐受曲线,基于严重程度函数单调性和连续性的实际分布特征,分别建立了单相、两相和三相电压暂降影响度函数;在此基础上考虑电压暂降非矩形实测波形,利用多暂降阈值描述改进影响度函数,从而提出了一种考虑电压暂降类型与多暂降阈值描述的多暂降阈值设备侧电压暂降严重程度评估方法,该评估指标综合考虑设备耐受曲线及电压暂降事件的持续时间、暂降幅值、暂降类型和暂降波形评估严重程度。实例分析验证了所提方法的正确性。