CN108535532B - 一种电力***高压并联电抗器过电流误报警判别方法 - Google Patents
一种电力***高压并联电抗器过电流误报警判别方法 Download PDFInfo
- Publication number
- CN108535532B CN108535532B CN201810195479.7A CN201810195479A CN108535532B CN 108535532 B CN108535532 B CN 108535532B CN 201810195479 A CN201810195479 A CN 201810195479A CN 108535532 B CN108535532 B CN 108535532B
- Authority
- CN
- China
- Prior art keywords
- data
- voltage
- alarm
- reactor
- interval
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 35
- 238000007477 logistic regression Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 5
- 238000002474 experimental method Methods 0.000 abstract description 4
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000003556 assay Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
- G01R19/16571—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 comparing AC or DC current with one threshold, e.g. load current, over-current, surge current or fault current
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Current Or Voltage (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种电力***高压并联电抗器过电流误报警判别方法,包括:在高压并联电抗器正常运行时,收集高压并联电抗器的训练样本数据;计算收集的训练样本条件概率;对训练样本数据进行逻辑回归拟合;求取训练样本数据特征;求取训练样本1维综合特征;估计训练样本的综合特征分布参数;在对高压并联电抗器进行检测时,收集高压并联电抗器的检测数据;计算检测数据条件概率;对检测数据进行逻辑回归拟合;求取检测数据特征;求取检测数据综合特征;判断检测数据综合特征是否满足判据,若满足,则输出报警为误报警;若不满足,则输出报警为正常报警;从而避免了线路需要停运、实验时间较长的缺点,回避了测量误差对判别精度的影响。
Description
技术领域
本发明涉及电力***领域,具体地,涉及一种电力***高压并联电抗器过电流误报警判别方法。
背景技术
高压并联电抗器,一般接在超、特高压输电线的末端和地之间,起到在输电线路轻载对对地充电无功进行补偿、对工频过电压进行抑制的作用。然而,在电力***实际运行中,高压并联电抗器过电流报警经常频发,影响电力***安全可靠运行。
根据电路理论原理,流过高压并联电抗器的电流IL可以用如下公式进行计算:
式中,UL是高压并联电抗器连接点的线电压有效值,f是***频率,L是高压并联电抗器的电感值。
工程经验表明,高压并联电抗器过电压报警往往存在着两个原因。第一个原因是由于受到电力***运行方式的影响,高压并联电抗器连接点的电压超过了电抗器额定电压,导致流过电抗器的电流超过额定值,进而引发报警。这一类报警是真实报警。第二个原因是由于高压并联电抗器中电流测量装置出现了问题,导致误差增加,甚至出现错误的测量结果而引发报警。这一类报警其实是在电流并未超过有效值的情况下而出现的误报警。
为了区分过电压报警是否属于误报警,现场往往采用如下两种方式:
1)停用高压并联电抗器及其与之想连接的输电线路。对电流测量装置进行注流试验,判断装置测量误差是否合理。但这种方式需要停用相关输电线路,对电力***运行方式影响较大,具有运行风险。同时,由于需要对装置进行试验,因此耗费的时间也相对较长。
2)由流经高压并联电抗器的电流计算公式可知,忽略***频率及电抗器电感值变化的情况下,流进高压并联电抗器的电流与***电压长正比。也就意味着报警时如果***电压UL超过电抗器额定电压,报警就应该为真实报警,反之如果,***电压UL小于电抗器额定电压,报警就应该为误报警。利用这一对应关系,也可以判断报警的真伪。但是,由于电压互感器、电流互感器精度原因,***电压本身存在误差,导致这一方法在实施时也存在着一定的困难。
发明内容
本发明提供了一种电力***高压并联电抗器过电流误报警判别方法,能够解决电力***高压并联电抗器过电流误报警的判别问题;为了避免背景技术中所提及的两种方法所存在的不足,本发明提出的方法依然利用电压量测数据进行判别,从而避免了线路需要停运、实验时间较长的缺点,同时,本发明利用逻辑拟合与相对主成分分析相混合的方法,回避了测量误差对判别精度的影响。
为实现上述发明目的,本申请提供了一种电力***高压并联电抗器过电流误报警判别方法,所述方法包括:
步骤1:在高压并联电抗器正常运行时,收集高压并联电抗器的训练样本数据;计算收集的训练样本条件概率;对训练样本数据进行逻辑回归拟合;求取训练样本数据特征;求取训练样本1维综合特征;估计训练样本的综合特征分布参数;
步骤2:在对高压并联电抗器进行检测时,收集高压并联电抗器的检测数据;计算检测数据条件概率;对检测数据进行逻辑回归拟合;基于训练样本的数据特征,求取检测数据特征;基于训练样本1维综合特征,求取检测数据综合特征;基于综合特征分布参数,判断检测数据综合特征是否满足判据,若满足,则输出报警为误报警;若不满足,则输出报警为正常报警。
本方法通过逻辑拟合与相对主成分分析相混合的方法,对电力***高压并联电抗器过电流报警的真伪进行判别,提出了实施步骤和相关判据。
进一步的,所述步骤1中的收集训练样本数据包括:在设备运行正常情况下,连续选取多天作为训练样本分析周期,通过SCADA***,SCADA即为数据采集与监视控制***,以预设数量分钟1个点作为时间分辨率,收集训练样本分析周期内高压并联电抗器所在母线线电压数值及电抗器过流报警信息OC;其中,OC=1表明该时刻出现电抗器过流报警,OC=0表明该时刻未出现电抗器过流报警;将收集到的数据按日进行分组。
进一步的,步骤1和步骤2中的计算条件概率均包括:针对每组的数据,采用电压数值进行等宽离散化,每个区间的宽度均设置为1kV,每个区间均由区间电压中值Vi进行表征;
同时,统计每组数据中,电压落入Vi区间的次数以及当电压落入该区间时,出现过流报警的次数;计算得到电压落入Vi区间条件下监控后台发出过流报警的条件概率P(OC=1|V=Vi) 为:
其中,P(OC=1,V=Vi)代表各组数据中,电压落入Vi区间以及监控后台发出过流报警的联合概率;而P(V=Vi)代表各组数据中,电压落入Vi区间的概率。
进一步的,进行逻辑回归拟合具体包括:针对每组数据,基于逻辑回归的方法,构建电压区间Vi与过流报警概率条件概率P(OC=1|V=Vi)间的回归模型:
其中,β0与β1是拟合得到的回归系数。
进一步的,步骤1和步骤2中的求取数据特征具体包括:
对每组回归模型的中心点KP1及不确定域KP2两个关键特征进行求取:
其中,UN为高压电抗器的额定电压,pcon为置信概率。
进一步的,步骤1还包括相对化变换及其参数确定,具体包括:将多组关键特征构成原始输入样本矩阵X:
其中,KP1(i)、KP2(i)分别为第i组数据得到的两个关键特征;
其中,E(KP1)、Var(KP1)分别为10组KP1(i)的均值和方差,E(KP2)、Var(KP2)分别为10组KP2(i) 的均值和方差;
构造相对化变换关系,并进行相对化变换为:
其中,α、K为相对化变换所需的系数,其确定方法需要求解如下优化问题:
其中,λi(i=1,2)为XR协方差矩阵(XR)TXR的两个特征根;||XR||2、||X*||2分别是矩阵XR和 X*的2范数;对(8)进行求解,并得到α、K两个系数。
进一步的,1维综合特征求取包括:求解协方差矩阵(XR)TXR的特征方程,得到较大特征值λ1对应的单位正交化特征向量p1,计算多组数据的1维综合特征为:
进一步的,关键特征分布参数估计包括:假设多组数据的1维综合特征KP(i)满足正态分布,利用样本均值和标准差对分布的参数进行估计,得到正态分布的均值E(KP)和标准差 Std(KP)分别为:
进一步的,检测样本数据收集包括:选取高压电抗器过流报警频发的某日作为检测日;通过SCADA***,以预设数量分钟1个点作为时间分辨率,收集检测日全天的高压并联电抗器所在母线线电压数值及电抗器报警信息,形成原始数据。
进一步的,检测数据综合特征求取为利用如下方法得到检测日综合特征KPJ:
构建误报警的判据如下:
本申请提供的一个或多个技术方案,至少具有如下技术效果或优点:
1)本方法提出的高压并联电抗器过流误报警在线判别方法是针对数据模型建模的,无需停电进行试验,具有较强的普适性。
2)该方法定义的两个特征,更够较好的反映由于互感器精度变化所引起的报警条件概率分布情况,具有较好的灵敏度。同时利用相对化变换将两个特征降维成1个综合特征指标,后续计算简便。
3)该方法只需使用高压并联电抗器所在母线的电压互感器测量到的电压有效值和监控后台所报出的过流信号,无需额外增加测量设备,具有较好的实用性和推广性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定;
图1是本申请中电力***高压并联电抗器过电流误报警判别方法的流程示意图。
具体实施方式
本发明提供了一种电力***高压并联电抗器过电流误报警判别方法,能够解决电力***高压并联电抗器过电流误报警的判别问题;为了避免背景技术中所提及的两种方法所存在的不足,本发明提出的方法依然利用电压量测数据进行判别,从而避免了线路需要停运、实验时间较长的缺点,同时,本发明利用逻辑拟合与相对主成分分析相混合的方法,回避了测量误差对判别精度的影响。
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在相互不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述范围内的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
请参考图1,本申请提供了一种电力***高压并联电抗器过电流误报警判别方法,具体包括:
Step 1:正常工况下样本训练
Step 1.1:训练样本数据收集:在设备运行正常情况下(如刚刚做完实验后),连续选取 10天作为训练样本分析周期。通过SCADA***,以1分钟1个点作为时间分辨率,收集训练样本分析周期内0:00~23:59高压并联电抗器所在母线线电压数值及电抗器过流报警信息 OC。其中OC=1表明该时刻出现电抗器过流报警,OC=0表明该时刻未出现电抗器过流报警。
将收集到的数据按日进行分组,共可分为10组。
Step 1.2:条件概率计算:针对每组的数据,采用电压数值进行等宽离散化,每个区间的宽度均设置为1kV,每个区间均由区间电压中值Vi进行表征。
同时,统计每组数据中,电压落入Vi区间的次数以及当电压落入该区间时,出现过流报警的次数。计算得到电压落入Vi区间条件下监控后台发出过流报警的条件概率P(OC=1|V=Vi) 为
其中,P(OC=1,V=Vi)代表各组数据中,电压落入Vi区间以及监控后台发出过流报警的联合概率。而P(V=Vi)代表各组数据中,电压落入Vi区间的概率。
Step 1.3:逻辑回归:针对每组数据,基于逻辑回归的方法,构建电压区间Vi与过流报警概率条件概率P(OC=1|V=Vi)间的回归模型,
其中,β0与β1是拟合得到的回归系数。
Step 1.4:特征求取:通过如下方法对每组回归模型的中心点KP1及不确定域KP2两个关键特征进行求取:
其中,UN为高压电抗器的额定电压,pcon为置信概率,一般的可取pcon=0.9。
Step 1.5:相对化变换及其参数确定。将上述得到10组关键特征构成原始输入样本矩阵X,
其中,KP1(i)、KP2(i)分别为第i组数据得到的两个关键特征
其中E(KP1)、Var(KP1)分别为10组KP1(i)的均值和方差,E(KP2)、Var(KP2)分别为10组KP2(i) 的均值和方差。
构造相对化变换关系如所示,并进行相对化变换,
其中,α、K为相对化变换所需的系数,其确定方法需要求解如下优化问题:
其中,λi(i=1,2)为XR协方差矩阵(XR)TXR的两个特征根。||XR||2、||X*||2分别是矩阵XR和 X*的2范数。
可以通过利用粒子群等算法,可以对(8)进行求解,并得到α、K两个系数。
Step 1.6:1维综合特征求取。求解协方差矩阵(XR)TXR的特征方程,得到较大特征值λ1对应的单位正交化特征向量p1,计算10组数据的1维综合特征为
Step 1.7:关键特征分布参数估计。假设10组数据的1维综合特征KP(i)满足正态分布,利用样本均值和标准差对分布的参数进行估计,可以得到正态分布的均值E(KP)和标准差 Std(KP)分别为:
Step 2:检测样本分析
Step 2.1:检测样本数据收集:选取高压电抗器过流报警频发的某日作为检测日。通过 SCADA***,以1分钟1个点作为时间分辨率,收集检测日全天的高压并联电抗器所在母线线电压数值及电抗器报警信息,形成原始数据。
Step 2.2:数据预处理:采取与1.2步骤相同的方法计算检测日内,电压落入Vi区间条件下过流报警的概率P(OC=1|V=Vi)。
Step 2.3:Logistic回归:对检测日数据进行逻辑回归,得到回归系数β0与β1。
Step 2.4:特征求取:采取与1.4步骤相同的方法,求取检测日回归模型的中心点KPJ1及不确定域KPJ2两个关键特征。
Step 2.5:检测日综合特征求取。利用如下方法得到检测日综合特征KPJ
Step 2.6:误报警判别。构建误报警的判据如下:
如果该判据满足,说明检测日关键特征与正常情况下关键特征的均值偏离超过了2.33倍的标准差。该情况在设备正常工况下发生的概率小于1%,因此可以认为检测日关键特征不满足正常情况下特征分布,高压电抗器过流报警为误报警的概率极高,需要停电进行检测。
以2015年1月1日~2015年1月10日,某实际500kV高压电抗器(该电抗器额定电压525kV)为训练样本,以2017年7月1日该电抗器的数据为检测样本,对以上方法进行具体实施。
Step 1:正常工况下样本训练
Step 1.1:训练样本数据收集:在设备运行正常情况下,通过SCADA***,以1分钟1个点作为时间分辨率,收集2015年1月1日~2015年1月10日0:00~23:59高压并联电抗器所在母线线电压数值及电抗器过流报警信息。
共计得到14400项数据,每项数据含有一个母线线电压V,以及过流报警信息OC。其中 OC=1表明该时刻出现电抗器过流报警,OC=0表明该时刻未出现电抗器过流报警。
将收集到的数据按日进行分组,共可分为10组,每组1440项。
Step 1.2:条件概率计算:针对每组的数据,采用电压数值进行等宽离散化,每个区间的宽度均设置为1kV,每个区间均由区间电压中值Vi进行表征。
同时,统计每组数据中,电压落入Vi区间的次数以及当电压落入该区间时,出现过流报警的次数。计算得到电压落入Vi区间条件下监控后台发出过流报警的条件概率P(OC=1|V=Vi) 为
其中,P(OC=1,V=Vi)代表各组数据中,电压落入Vi区间以及监控后台发出过流报警的联合概率。而P(V=Vi)代表各组数据中,电压落入Vi区间的概率。
以2015年1月1日为例,可以得到相关概率如所示:
Step 1.3:逻辑回归:针对每组数据,基于逻辑回归的方法,构建电压区间Vi与过流报警概率条件概率P(OC=1|V=Vi)间的回归模型,
其中,β0与β1是拟合得到的回归系数。
可以得到2015年1月1日~2015年1月10日,每日的回归系数为:
Step 1.4:关键特征求取:通过如下方法对每组回归模型的中心点KP1及不确定域KP2两个关键特征进行求取:
其中,UN为高压电抗器的额定电压,pcon为置信概率,一般的可取pcon=0.9。
可以得到2015年1月1日~2015年1月10日,每日的关键特征为:
Step 1.5:相对化变换及其参数确定。将上述得到10组关键特征构成原始输入样本矩阵X,
其中,KP1(i)、KP2(i)分别为第i组数据得到的两个关键特征
其中E(KP1)、Var(KP1)分别为10组KP1(i)的均值和方差,E(KP2)、Var(KP2)分别为10组KP2(i) 的均值和方差。
构造相对化变换关系如所示,并进行相对化变换,
其中,α、K为相对化变换所需的系数,其确定方法需要求解如下优化问题:
其中,λi(i=1,2)为XR协方差矩阵(XR)TXR的两个特征根。||XR||2、||X*||2分别是矩阵XR和 X*的2范数。
可以通过利用粒子群等算法,可以对(8)进行求解,并得到α、K两个系数。
求得α=0.2162,K=5.0
Step 1.6:1维综合特征求取。求解协方差矩阵(XR)T XR的特征方程,得到较大特征值λ1对应的单位正交化特征向量p1,计算10组数据的1维综合特征为
Step 1.7:关键特征分布参数估计。假设10组数据的1维综合特征KP(i)满足正态分布,利用样本均值和标准差对分布的参数进行估计,可以得到正态分布的均值E(KP)和标准差 Std(KP)分别为:
E(KP)=0.00
std(K P)=1.0819
Step 2:检测样本分析
Step 2.1:检测样本数据收集:选取高压电抗器过流报警频发的某日作为检测日。通过 SCADA***,以1分钟1个点作为时间分辨率,收集检测日全天的高压并联电抗器所在母线线电压数值及电抗器报警信息,形成原始数据。
Step 2.2:数据预处理:采取与1.2步骤相同的方法计算检测日内,电压落入Vi区间条件下过流报警的概率P(y=1|V=Vi)。
以2015年7月1日为例,可以得到相关概率如所示:
Step 2.3:Logistic回归:对检测日数据进行逻辑回归,得到回归系数β0与β1。
同样以2015年7月1日为例,可以得到回归系数为:
β0=-311.36,β1=0.5953
Step 2.4:特征求取:采取与1.4步骤相同的方法,求取检测日回归模型的中心点KPJ1及不确定域KPJ2两个关键特征。
同样以2015年7月1日为例,可以得到关键特征为:
KP1=1.9673,KP2=7.3819
Step 2.5:检测日综合特征求取。利用如下方法得到检测日综合特征KPJ
因此,可以得到检测日综合特征KPJ为
KPJ=0.0182
Step 2.6:误报警判别。构建误报警的判据如下:
因此,认为检测日关键特征与正常情况下关键特征的均值偏离较小,该日的告警属于正常告警,不需要停电进行检测。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (1)
1.一种电力***高压并联电抗器过电流误报警判别方法,其特征在于,所述方法包括:
步骤1:在高压并联电抗器正常运行时,收集高压并联电抗器的训练样本数据;计算收集的训练样本条件概率;对训练样本数据进行逻辑回归拟合;求取训练样本数据特征;求取训练样本1维综合特征;估计训练样本的综合特征分布参数;
步骤2:在对高压并联电抗器进行检测时,收集高压并联电抗器的检测数据;计算检测数据条件概率;对检测数据进行逻辑回归拟合;基于训练样本的数据特征,求取检测数据特征;基于训练样本1维综合特征,求取检测数据综合特征;基于综合特征分布参数,判断检测数据综合特征是否满足判据,若满足,则输出报警为误报警;若不满足,则输出报警为正常报警,所述步骤1中的收集训练样本数据包括:在设备运行正常情况下,连续选取多天作为训练样本分析周期,通过数据采集与监视控制***,以预设数量分钟1个点作为时间分辨率,收集训练样本分析周期内高压并联电抗器所在母线线电压数值及电抗器过流报警信息OC;其中,OC=1表明该时刻出现电抗器过流报警,OC=0表明该时刻未出现电抗器过流报警;将收集到的数据按日进行分组,步骤1和步骤2中的计算条件概率均包括:针对每组的数据,采用电压数值进行等宽离散化,每个区间的宽度均设置为1kV,每个区间均由区间电压中值Vi进行表征;
同时,统计每组数据中,电压落入Vi区间的次数以及当电压落入该区间时,出现过流报警的次数;计算得到电压落入Vi区间条件下监控后台发出过流报警的条件概率P(OC=1|V=Vi)为:
其中,P(OC=1,V=Vi)代表各组数据中,电压落入Vi区间以及监控后台发出过流报警的联合概率;而P(V=Vi)代表各组数据中,电压落入Vi区间的概率,进行逻辑回归拟合具体包括:针对每组数据,基于逻辑回归的方法,构建电压区间Vi与过流报警概率条件概率P(OC=1|V=Vi)间的回归模型:
其中,β0与β1是拟合得到的回归系数,步骤1和步骤2中的求取数据特征具体包括:
对每组回归模型的中心点KP1及不确定域KP2两个关键特征进行求取:
其中,UN为高压电抗器的额定电压,pcon为置信概率,步骤1还包括相对化变换及其参数确定,具体包括:将多组关键特征构成原始输入样本矩阵x:
其中,KP1(i)、KP2(i)分别为第i组数据得到的两个关键特征;
将x标准化得到标准化后的样本矩阵xi *:
其中,KP1 *(i)和KP2 *(i)的计算方法为:
其中,E(KP1)、Var(KP1)分别为10组KP1(i)的均值和方差,E(KP2)、Var(KP2)分别为10组KP2(i)的均值和方差;
构造相对化变换关系,并进行相对化变换为:
其中,α、K为相对化变换所需的系数,其确定方法需要求解如下优化问题:
其中,λi(i=1,2)为xR协方差矩阵(xR)TxR的两个特征根;||xR||2、||x*||2分别是矩阵xR和x*的2范数;对(8)进行求解,并得到α、K两个系数,1维综合特征求取包括:求解协方差矩阵(xR)TxR的特征方程,得到较大特征值λ1对应的单位正交化特征向量p1,计算多组数据的1维综合特征为:
关键特征分布参数估计包括:假设多组数据的1维综合特征KP(i)满足正态分布,利用样本均值和标准差对分布的参数进行估计,得到正态分布的均值E(KP)和标准差Std(KP)分别为:
检测样本数据收集包括:选取高压电抗器过流报警频发的某日作为检测日;通过SCADA***,以预设数量分钟1个点作为时间分辨率,收集检测日全天的高压并联电抗器所在母线线电压数值及电抗器报警信息,形成原始数据,检测数据综合特征求取为利用如下方法得到检测日综合特征KPJ:
构建误报警的判据如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810195479.7A CN108535532B (zh) | 2018-03-09 | 2018-03-09 | 一种电力***高压并联电抗器过电流误报警判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810195479.7A CN108535532B (zh) | 2018-03-09 | 2018-03-09 | 一种电力***高压并联电抗器过电流误报警判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108535532A CN108535532A (zh) | 2018-09-14 |
CN108535532B true CN108535532B (zh) | 2020-09-22 |
Family
ID=63485688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810195479.7A Active CN108535532B (zh) | 2018-03-09 | 2018-03-09 | 一种电力***高压并联电抗器过电流误报警判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108535532B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4222086A (en) * | 1977-11-11 | 1980-09-09 | Runyon Robert S | Overcurrent control device with fail-safe circuits |
JP2001264368A (ja) * | 2000-03-17 | 2001-09-26 | Kawamura Electric Inc | 不要電力検出機能付き過電流警報装置 |
CN104330616B (zh) * | 2014-11-05 | 2017-06-06 | 中国科学院电工研究所 | 一种电网交流电流有效值实时检测方法 |
CN106655802B (zh) * | 2016-12-23 | 2019-04-30 | 上海三菱电机·上菱空调机电器有限公司 | 可检出配线状态的脉幅调制电路和配线状态检测方法 |
-
2018
- 2018-03-09 CN CN201810195479.7A patent/CN108535532B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108535532A (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103245881B (zh) | 一种基于潮流分布特征的配电网故障分析方法及装置 | |
CN107680368A (zh) | 一种基于采集数据的计量装置在线监测与智能诊断方法 | |
CN109818349B (zh) | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 | |
CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
CN112731260B (zh) | 基于概念漂移识别的电压互感器误差状态在线评估方法 | |
CN115115282B (zh) | 一种高电压台区电力***数据分析方法 | |
CN113591393B (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
CN110208647B (zh) | 一种基于随机矩阵的配电网单相接地故障区段定位方法 | |
CN115018139A (zh) | 基于相间特征的电流互感器误差状态在线辨识方法及*** | |
CN105406461B (zh) | 一种配电网停电事件的负荷自适应动态监测方法 | |
CN110749784B (zh) | 一种基于电力数据小波分析的线路窃电检测方法 | |
CN114065875B (zh) | 基于大数据的电力电网故障识别*** | |
CN109284933B (zh) | 一种基于数理统计的电子式互感器状态评估***及方法 | |
CN106952029A (zh) | 一种用于对变电设备状态监测装置进行评价的方法及*** | |
CN111551887A (zh) | 一种多维度识别电压互感器计量性能在线监测平台 | |
CN111984705A (zh) | 一种电能质量监测装置的精度评估管理方法和装置 | |
CN115293257A (zh) | 一种针对异常用电用户的检测方法及*** | |
WO2020177706A1 (zh) | 配电网故障区段与故障时刻的判定方法 | |
CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及*** | |
CN115685045A (zh) | 一种电压互感器在线评估方法 | |
CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
CN117169804B (zh) | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 | |
CN117293758B (zh) | 基于故障识别的数字化配电馈线监测终端自动化保护方法 | |
CN108845285B (zh) | 电能计量装置检测方法和*** | |
CN108535532B (zh) | 一种电力***高压并联电抗器过电流误报警判别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |