基于电能质量监测数据的企业环保异常工况识别

针对目前污染企业环保工况异常监测实施困难、识别误差大、结果易被篡改等问题,提出了一种基于电能质量监测数据的环保异常工况识别方法。区别于对每个设备安装分表进行用电监测的现有方案,使用企业设备公共用电入口处非侵入式负荷监测所得的多维电能质量数据进行工况分类模型训练,实现异常工况识别。首先,对表征生产情况的特征数据进行时序变点检测与聚类计算,实现企业生产工况的划分;然后,结合环保设备运行情况得到用于分类的环保工况类别;进而,采用Stacking集成学习模型对环保相关的工况场景进行分类学习;最后,利用所训练的分类模型识别出企业存在的环保异常工况。利用仿真测试数据与实际企业数据验证了所提方法的有效性。

基于多源数据的馈线谐波频谱估计方法

随着分布式电源和非线性负荷的投运规模不断增加,电网谐波污染愈加严重和复杂,有必要对各馈线谐波电流进行监测。但基于经济性考虑,对变电站所有馈线均进行谐波电流监测并不可行。针对上述问题,提出了基于多源数据的馈线谐波频谱估计方法。该方法基于电网现有电能质量监测系统、调度系统、营销业务应用系统等多源数据,只需对母线谐波电压和进线谐波电流开展监测,即可估计出变电站所有馈线的谐波电流情况。首先,根据馈线谐波电流的相量运算关系和功率关系构建馈线谐波频谱估计的目标函数。其次,基于多源数据利用改进粒子群算法求解目标函数,进而得到各馈线的各次谐波电流含有率及馈线谐波电流间的相角差,实现了各馈线谐波电流频谱的估计。最后,通过仿真算例和实测算例验证了方法的可行性。算例表明该方法仅需在变电站母线处安装一台电能质量监测终端,结合现有业务系统的基本电气数据等信息,可实现馈线谐波频谱的估计,有助于节约变电站监测装置的配置成本。