基于电能质量监测数据的电压暂降敏感负荷识别

为了解决现有方法无法适用于已投运负荷或需要已知敏感负荷类型等问题,提出一种基于电能质量监测数据的敏感负荷识别方法,以有功功率有效值监测数据为切入点,采用Hodrick-Prescott滤波、滑动均值分段进行电压暂降事件时段划分;利用电压暂降事件前、后的电能质量监测数据变化量构建待处理稳态数据集,通过动态聚类来有效划分各次电压暂降事件;对各暂降事件集进行边界拟合,得到多个拟合拐点,并与预设拐点行比较,完成对用户所含敏感负荷的类型识别。通过MATLAB/Simulink仿真算例和实际敏感用户电能质量监测数据对所提方法进行验证,结果表明所提方法可准确识别交流接触器、变频调速系统、可编程逻辑控制器、个人计算机这4种典型敏感负荷,能有效利用稳态电能质量监测数据与电压暂降事件数据进行综合分析,具有成本低、可实施性强的优点。

基于多元线路特征因素融合的电压暂降严重程度评估

现有电压暂降严重程度评估方法未充分考虑多元线路特征因素对输电线路故障概率的影响,评估结果存在较大误差。由此,文中提出了基于多元线路特征因素融合的电压暂降严重程度评估方法。首先,基于线路历史故障数据,采用关联规则量化多元线路特征因素对线路故障的影响程度进行研究。然后,通过改进D-S证据理论融合多元线路特征因素建立准确的线路年故障概率模型,并采用基于最大熵模型的故障点法评估节点的电压暂降量。最后,提出了一种同时考虑系统侧电压暂降严重程度和用户敏感设备耐受特性的综合电压暂降严重程度指标,用于评估节点电压暂降严重程度。基于实际电能质量监测数据进行验证,并与未充分考虑线路特征因素的评估案例进行比较,结果表明所提方法能有效提升电压暂降严重程度评估的准确性。

基于用户生产场景辨识的电压暂降经济损失评估

准确评估工业用户电压暂降经济损失,是制定治理方案、估算赔偿金额的前提。针对现有评估方法未考虑实际生产场景多变、先验数据有限的问题,提出了考虑用户生产场景变化的电压暂降经济损失评估方法。首先,基于奇异值分解以及K最邻近算法检测过渡区间,进行功率数据分段,并构建功率数据特征指标体系,准确刻画功率数据特性;其次,提出基于改进生成对抗网络(generative adversarial networks,GAN)的数据增强模型,通过引入特征损失提高生成数据质量并保证多样性,解决先验数据有限问题;再次,混合生成数据及先验数据,构建用户生产场景辨识模型,实现用户生产场景的有效辨识;最后,根据电压暂降发生时刻的生产场景明确生产线运行状态,结合各生产场景下的工业过程中断次数及生产线中断损失,实现电压暂降经济损失的准确评估。通过算例验证了该文方法的有效性和准确性。

考虑配电网电压暂降治理经济性的DVR优化配置方法研究

针对配电网电压暂降治理的有效性和经济性问题,提出一种动态电压恢复器经济配置的电压暂降治理方法。首先,对DVR不同容量时对应的投资成本进行分析,从而准确计算DVR配置方案的总投资。然后,基于电压暂降凹陷域,结合敏感负荷的中断概率对负荷进行经济损失评估,并根据系统有功损耗计算出总电压暂降经济损失成本。最后,构建了包含DVR装置的投资成本、电压暂降时敏感负荷经济损失和系统有功损耗三种要素的优化模型,实现DVR的最优容量和接入位置。采用IEEE 33节点标准测试系统为例对所提配置方法进行验证,仿真结果证明与传统的DVR就地接入的补偿方法相比,该方法能有效降低配电网电压暂降治理的总经济成本,在保证配电网的运行可靠性的同时提高经济效益。

计及子过程贡献度的电压暂降经济损失评估方法

现有电压暂降经济损失评估方法一般通过计算过程中断概率评估用户经济损失,然而实际工业用户各子过程对电压暂降经济损失影响程度不同,计算过程中断概率未能表征各子过程对电压暂降经济损失的影响程度,由此得到的损失评估值无法真实反映用户受损程度。为此,提出一种计及子过程贡献度的电压暂降经济损失评估方法:构建基于支持向量机概率输出的敏感设备失效概率评估模型;建立考虑子过程参数变化的参数偏移度函数,修正子过程中断概率;同时,提出子过程贡献度指标量化各子过程对电压暂降经济损失的影响程度,以评估值与损失样本偏差最小为目标求解最优子过程贡献度,建立用户损失评估模型。对某企业的实例分析验证了所提方法的有效性。

基于黄金分割搜索的电压暂降域快速识别方法

针对大型复杂电网中敏感负荷的电压暂降域难以准确识别的问题,提出一种基于黄金分割搜索的电压暂降域快速识别方法。首先,求得网络中发生各类短路故障时敏感负荷节点的电压暂降幅值解析式,并引入节点判定向量和线路关联向量,以及相应的判定准则,实现对所有线路临界点的快速分类计算;接着详细阐述了传统插值法存在的问题,并提出一种由黄金分割搜索改进的插值法,以期为正割迭代提供更优的初值点,提高临界点计算的准确度;因考虑到拟合的二次曲线难免存在偏差,故使用故障点法作为补充算法,用以计算有求解困难的线路;最后,以IEEE30节点标准测试系统为例,验证了该方法能在保证计算精度的前提下,简化电压暂降域的求解过程,提高算法的收敛速度,并广泛适用于大型复杂电网。

考虑配电网继电保护装备配合作用的电压暂降域修正方法

电压暂降幅值和持续时间都将影响敏感设备的正常运行。传统电压暂降域的刻画未考虑继电保护装备配合作用下对电压暂降持续时间的影响。为了准确刻画电压暂降域,提出了典型的继电保护的配合措施,以评估配电网电压暂降持续时间。根据保护动作时间对仅考虑电压暂降幅值的暂降域进行修正,提出了考虑配电网继电保护装备配合的电压暂降域修正方法。对IEEE 33节点标准测试系统进行分析,验证所提方法的可行性与合理性。

电压暂降对工业厂房内敏感负荷影响研究

针对电压暂降对工业厂房敏感负荷正常生产可能造成的影响进行研究,首先对电压暂降的概念和相关标准进行阐述,之后通过分析电压暂降形成的原因、工厂中常用设备的敏感特性曲线分析、现场测量的数据等,并结合某工厂实际在运行过程中存在的问题研究,提出针对不同情况电压暂降原因的解决方案,最后通过工厂实际实施项目及现场测量数据,较为完整地说明工厂电压暂降的治理措施。

敏感设备电压暂降故障样本增广与概率评估最大熵建模

敏感设备电压暂降故障概率评估面临样本小和先验知识不足两大难题。本文基于自编码技术和最大熵原理,提出一种适用于小样本的设备故障概率评估随机建模方法。首先,考虑敏感设备主要对暂降幅值和持续时间特征敏感,电压耐受曲线(VTC)存在不确定性的实际情况,利用自适应Kmeans聚类算法对样本暂降幅值、持续时间聚类,在稀疏自编码器(SAE)损失函数中添加VTC不确定约束进行样本特征学习,提出基于SAE–自适应Kmeans的故障样本增广方法。其次,针对先验知识不足问题,提出基于增广样本的设备故障概率评估最大熵建模方法。最后,以个人计算机为例,在VTC概率密度函数服从均匀、正态和不同指数分布且样本数仅为5的情况下进行验证,与传统最大熵法、未引入自适应Kmeans聚类进行VTC不确定区域约束的SAE样本增广进行比较,同时与先验知识不足情况下基于主观假设的评估方法进行比较。结果表明,所提方法适用于小样本和不同分布,评估结果误差低于传统最大熵法与基于主观假设的方法,验证了稀疏自编码样本增广和最大熵建模方法对于小样本设备故障概率评估的有效性、合理性和可行性。

面向敏感负荷的电压暂降在线监测点优化配置

为通过装设电压暂降在线监测,获得影响敏感负荷正常运行的电压暂降信息,提出一种面向用户敏感负荷的电压暂降在线监测点配置方法。首先,形成负荷可观矩阵,用于描述电压暂降事件发生时各敏感负荷的失效情况;然后,以监测点数量最小为目标,以导致敏感负荷失效的电压暂降事件信息不丢失为约束,建立电压暂降在线监测点优化配置模型;其次,定义监测方案的监测准确度和监测信息冗余度为评价配置方案效果的指标;最后,以IEEE33节点系统和某实际用户供配电系统为例,验证所提方法的实用性。

基于有效值滑窗差分算子和采样序列重构的电压暂降测量方法

电压暂降是电力系统中最令用户困扰的电能质量问题,对其特征参数进行准确测量是电压暂降评估和治理的首要前提。然而,当前电压暂降检测算法存在参数检测准确度低、实时性差以及缺乏相位跳变信息等不足。为此,提出一种基于有效值滑窗差分算子和采样序列重构的电压暂降测量方法,以实现其特征参数的快速、准确检测。该方法首先利用有效值滑窗差分算子准确获取电压暂降的起止时刻。接下来,依据暂降起止时刻对原始信号分区,并对不同分区的信号进行加窗插值快速傅里叶变换(FFT)运算。而后,对采样序列重构并进行相位校正。最后,得到电压暂降的持续时间、暂降深度和相位跳变等特征参数信息。在暂降幅值和相位同时变化、不同谐波分量、不同信噪比噪声等情况下的仿真实验结果表明,所提方法具有准确度高、实时性好和鲁棒性强等优点。实际构建硬件测试平台的测试结果满足GB/T 30137-2013中电压幅值误差≤0.2%、相位跳变误差≤1°以及暂降持续时间误差不超过一个周期的要求,验证了算法的有效性和可行性。

考虑分布式电源接入的电压暂降状态估计与监测装置优化配置方法

分布式电源的接入给新型电力系统电压暂降带来了新问题,对电压暂降监测装置进行优化配置是减小监测成本的有效手段。在分析分布式电源电压暂降幅值计算影响的基础上,提出基于电压暂降频次相似性系数的电压暂降状态估计方法以简化状态估计过程,以提高状态估计精度。采用蝙蝠算法(bat algorithm,BA)求解节点监测范围,并根据监测范围构造电压暂降全景可观约束,以监测成本最低、配置方案电压暂降频次相似性指标最大为优化目标,得到的配置方案在满足经济性的同时也有助于进行电压暂降状态估计。用IEEE30节点测试系统进行仿真分析,验证了所提方法的有效性。

基于云模型的电压暂降严重度评估

针对电压暂降严重程度判断的模糊性,评估结果必须与其他暂降事件对比才能得到自身相对严重度。而一般等级评估方法无法考虑到评价中存在的指标量化模糊和等级边界的不确定性问题。基于组合赋权云模型理论,提出了兼顾系统侧和负荷侧多指标的电压暂降严重程度评估方法。通过分析典型敏感设备耐受曲线构建指标集合,得到不同指标的等级划分,运用云模型对指标严重等级进行定性和定量描述。然后通过TOPSIS理想点法对指标进行主客观组合赋权。最后利用云模型隶属度和云相似度的算法分别对节点和整个系统电压暂降严重等级进行判断。通过IEEE 30节点系统进行仿真验证,云模型能反映指标数据的定性和定量、模糊和随机性以及不确定性等特征,使电压暂降评估更加合理。

构网型储能应用于电压暂降治理的研究

为缓解电压暂降现象导致的生产可靠性问题,提出了构网型储能主动支撑电压的解决思路。首先分析电压暂降的电气特征参数,建立构网型储能控制模型。同时,对比常规跟网型储能与构网型储能在系统电压扰动时的暂态响应特性,得出构网型储能的电压源属性在维持内电势稳定上的控制优势。通过PowerFactoryDigsilent仿真平台进行建模,模拟石化企业内外部电网典型运行方式。对比故障条件下,构网储能接入及其接入点差异对系统电压的抬升效果。结果表明,构网型储能可以在电压暂降情况下瞬时输出无功功率,显著提高三相接地故障下的系统电压,最高可达540%。对于单相接地故障,构网储能也有明显改善作用,特别是储能接入石化C变与石化B变35kV母线时,电压可抬升18.7%和15.3%,避免设备受电压暂降影响。

基于分段累计积分的电压暂降严重性程度评估

针对传统电压暂降评估方法中暂降波形均以矩形描述从而造成过度评估以及评估函数存在不合理的问题,提出一种基于分段累计积分的电压暂降严重性程度评估方法。对传统的电压特征量描述方法进行改进,分析传统电压暂降评估函数的局限性,针对其局限性提出一种结合常用设备电压耐受能力的权值函数法,得到电压暂降各特征量影响度函数,在这一基础上利用分段累计积分形式,结合改进电压暂降特征量描述方法对暂降事件进行评估。最后通过算例分析验证方法的科学性及客观性。

基于局部变权与灰色关联分析的电压暂降评估分析

阐述基于局部变权与灰色关联分析的双侧电压暂降综合评估方法。通过局部状态变权的方法,对变化趋势不同的系统侧指标修正权重,依据敏感设备耐受曲线计算敏感负荷故障率作为负荷侧指标,基于灰色关联分析方法计算各节点评估指标序列与参考序列的关联度大小,得到更合理、准确的电压暂降评估结果。

基于超级电容储能的电压暂降综合治理技术研究

长兴辖区内部分海洋装备企业对供电电能质量有着较高的要求,而电网故障、计划停电、抢修等情况下重合闸引起的电压暂降是影响供电电能质量的最大因素。通过超级电容瞬时储能、放电控制技术,结合电容器变频器直流侧支撑稳压原理,设计了通用性强的直流母线接入式电压暂降治理方案。该电压暂降综合治理技术避免了储能设备的交流多次转换,其能耗水平较使用不间断电源大幅降低,可做到接近零待机能耗水平,同时也省去了交流直流二次变换的变流器的昂贵成本。最重要的是,直流侧电压暂降治理技术可做到零秒无接缝动作,从而极大地提升了电压暂降治理效果。

基于ISGMD-DHT的电压暂降特征提取方法研究

针对电压暂降特征信号在谐波、噪声环境下的准确提取问题,提出了一种基于迭代辛几何模态分解-差值希尔伯特变换(iteration symplectic geometry mode decomposition-difference Hilbert transform,ISGMD-DHT)的提取方法。首先,基于哈密顿矩阵与辛QR分解构造重构轨迹矩阵,结合辛几何相似变换得到初始辛几何分量。其次,根据相似度准则拟合初始辛几何分量并计算残余分量,再根据残余分量构造轨迹矩阵。然后,重复上述操作直至满足迭代终止条件获得最终相互独立的辛几何分量。最后,通过差值希尔伯特变换提取暂降特征量。仿真和实测数据的分析结果表明,该方法能在严重噪声、谐波扰动情况下准确提取暂降特征量。

基于S变换和深度学习的多特征融合的电压暂降源 识别方法

随着工业和科技的发展,用户对电压暂降的关注度不断提高,识别电压暂降产生的原因愈显得越来越重要。针对引起电压暂降的单一暂降源和复合暂降源,提出了将S变换提取特征和深度学习自动提取特征相结合的识别方法。首先利用数值模型框架产生单一暂降源和复合暂降源数学模型,进而得到9种故障类别的暂降数据集并作为原始数据,其次对原始数据进行处理,即在标准的S变换基础上引入两个调节因子得到改进的S变换,得到S变换数据,引入16个指标对S变换数据进行特征提取并作为指标特征,将上述原始数据和S变换数据作为模型输入,利用卷积神经网络(convolutional neural network,CNN)对暂降数据进行空间特征提取,同时将数据分为多个一维向量输入到双向长短期记忆网络(bi-directional long-short-term memory networks,Bi-LSTM)提取时序特征,最后建立指标特征、空间特征以及时序特征的多特征融合的S-CNN-LSTM识别模型。仿真结果表明,未经过特征融合与经过多特征融合的识别准确率分别为98.36%、99.08%,说明多特征融合能够提高识别准确率。

用电压暂降严重程度和最大熵评估负荷电压暂降敏感度

现有负荷敏感度随机估计法以电压暂降的物理特征为基础,用主观概率模型描述负荷电压耐受曲线(voltage tolerance curve,VTC)的随机分布规律,所需样本量大,在实际中难以实现且可能引入主观误差。将电压暂降特征转换为电压暂降严重性指标,在负荷VTC曲线分布规律未知和样本数较少的情况下,根据最大熵原理确定VTC曲线的概率密度函数,用累计求和法计算负荷故障率,提出一种适合于小样本的随机评估方法。对评估原理、最大熵模型、约束条件、求解算法与评估过程等进行详细研究。对个人计算机(personal computers,PC)进行仿真并与现有4种评估方法比较,结果证明,该方法对样本量依赖性小,无需主观假设,在未知VTC曲线随机分布规律时,评估结果准确,适应性强。