CN108830456B - 敏感设备与电网电压暂降兼容性分析方法及装置 - Google Patents
敏感设备与电网电压暂降兼容性分析方法及装置 Download PDFInfo
- Publication number
- CN108830456B CN108830456B CN201810443088.2A CN201810443088A CN108830456B CN 108830456 B CN108830456 B CN 108830456B CN 201810443088 A CN201810443088 A CN 201810443088A CN 108830456 B CN108830456 B CN 108830456B
- Authority
- CN
- China
- Prior art keywords
- probability
- sensitive equipment
- fault
- sag
- equipment
- 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
- 238000004458 analytical method Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000006870 function Effects 0.000 claims description 97
- 238000005070 sampling Methods 0.000 claims description 31
- 238000005315 distribution function Methods 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000007619 statistical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种敏感设备与电网电压暂降兼容性分析方法及装置,其中敏感设备与电网电压暂降兼容性分析方法,包括:根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据,按预设规则从设备不确定区域故障样本数据中获取采样样本数据,并对采样样本数据进行拟合得到数据拟合点,根据预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的综合故障概率函数,根据数据拟合点和敏感设备在不确定区域的综合故障概率函数,获得敏感设备在不确定区域的兼容概率。通过分析设备耐受曲线的不确定区域中的兼容概率,更加准确地描述了敏感设备的耐受特性,与实际情况更加相符,从而大大提高了评估精度。
Description
技术领域
本发明涉及电网分析领域,特别是涉及一种敏感设备与电网电压暂降兼容性分析方法及装置。
背景技术
近年来,随着数字式自动控制技术的大规模应用和新能源技术产业的迅速发展,越来越多的对供电电压敏感的设备不断接入电网,这些敏感设备包括计算机(PC机)、变频调速器(ASD)、可编程逻辑控制器(PLC)、光伏逆变器和交流接触器等。电压暂降可引起计算机蓝屏、电源跳闸,进而丢失数据;引起变频调速器直流电压降低,触发低电压或过流保护,进而中断生产过程;引起可编程逻辑控制器指令紊乱甚至停机现象;引起光伏逆变器脱网,造成电网运行的不稳定;引起交流接触器、继电器的非正常脱扣或低电压保护动作,造成电梯、电动机的停运等。因此,研究敏感设备对电网电压暂降的兼容性问题是十分必要的。
目前,传统技术中所采用的兼容性分析方法是计算兼容(或故障)次数最直接的方法,称为测量统计法。其认为耐受曲线右下方为设备故障区,耐受曲线左上方为正常运行区,因此将多次暂降事件标示在电压幅值-持续时间平面(简称VT平面)上,同时画出设备的耐受曲线,统计设备耐受曲线下方的暂降次数,即为设备故障次数,从而得到敏感设备对电网电压暂降的兼容性参数。
但发明人在实施过程中,发现传统技术中至少存在以下缺点:由于一般设备的耐受曲线存在不确定区域,因此测量统计法的误差较大,不能准确反映设备对电网电压暂降的实际兼容情况。
发明内容
基于此,有必要针对传统兼容性分析方法误差大的问题,提供一种敏感设备与电网电压暂降兼容性分析方法及装置。
本发明实施例一方面,提供了一种敏感设备与电网电压暂降兼容性分析方法,包括:
根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据;
按预设规则从设备不确定区域故障样本数据中获取采样样本数据,并对采样样本数据进行拟合得到数据拟合点;
根据数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的兼容概率。
在其中一个实施例中,敏感设备与电网电压暂降兼容性分析方法,还包括:
根据敏感设备的耐受曲线生成敏感设备正常运行区的暂降样本数据;
在获得敏感设备在不确定区域的兼容概率之后还包括步骤:
根据敏感设备在不确定区域的兼容概率、敏感设备不确定区域故障样本数据和敏感设备正常运行区的暂降样本数据,获得敏感设备与电网电压暂降的兼容次数。
在其中一个实施例中,按预设规则从设备不确定区域故障样本数据中获取采样样本数据的步骤包括:
在(Tmin,Tmax)区间内,从Tmin开始等间隔增大持续时间生成第一故障样本点,从Tmin开始等间隔减小持续时间生成第一正常样本点;
在(Umin,Umax)区间内,从Umax开始等间隔减小电压幅值生成第二故障样本点,从Umax开始等间隔增大电压幅值生成第二正常样本点;
将第一故障样本点、第二故障样本点组成的集合作为敏感设备不确定区域故障样本数据空间;
将第一正常样本点和第二正常样本点组成的集合作为敏感设备正常运行区的暂降样本数据空间;
其中,Tmax、Tmin分别为正常运行区域和故障运行区域临界处的持续时间临界值的最大值和最小值,Umax、Umin分别为正常运行区域和故障运行区域临界处的暂降电压临界值的最大值和最小值。
在其中一个实施例中,将根据数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得所述敏感设备在不确定区域的兼容概率的步骤包括:
根据数据拟合点、电压暂降类型、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不同电压暂降类型下在不确定区域的兼容概率。
在其中一个实施例中,敏感设备与电网电压暂降兼容性分析方法,将不确定区域可划分为A、B、C三个区域:
A区域内,暂降电压Umin<U<Umax且持续时间Tmin<T<Tmax;
B区域内,暂降电压U<Umin且持续时间Tmin<T<Tmax;
C区域内,暂降电压Umin<U<Umax且持续时间Tmax<T;
对采样样本数据进行拟合得到数据拟合点的步骤包括:
根据敏感设备不确定区域故障样本数据,按照预设的直方图条数,分别统计B区域中的故障样本数据随持续时间的分布概率和C区域中的故障样本随暂降幅值的分布概率,得到数据拟合点。
在其中一个实施例中,设备侧故障概率函数包括敏感设备在B区域的故障概率函数fd,x(T)和在C区域的故障概率函数fd,y(U);
电网侧概率密度函数包括电网暂降的持续时间的概率分布函数fg,x(T)和暂降幅值的概率分布函数fg,y(U);
预先建立的设备侧不确定区域故障概率函数和电网侧电压暂降幅值和持续时间的概率函数的建立步骤包括:
根据最大熵原理得到的概率密度函数表达式为:
设μi(i=1,2,...,n)是随机变量的第i阶原点矩,可由故障样本数据计算得出,则可根据最大熵原理推导出:
根据改进最大熵法,对其进行对数变换,再带入上述等式,可得:
根据暂降类型,对数据拟合点进行对数变换,并利用线性最小二乘法求解未知参数a、λi,得到不同暂降类型下敏感设备在B区域的故障概率函数fd,x(T)和在C区域的故障概率函数fd,y(U)以及电网暂降的持续时间的概率分布函数fg,x(T)和暂降幅值的概率分布函数fg,x(U)。
在其中一个实施例中,根据数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的兼容概率的步骤包括:
根据敏感设备在B区域的故障概率函数fd,x(T)、和电网暂降的持续时间的概率分布函数fg,x(T)和数据拟合点,获得B区域的敏感设备故障概率P1:
其中,τmax为电压暂降样本的持续时间的最大值;
根据敏感设备故障概率P1,获得B区域内敏感设备的兼容概率R1=1-P1;
根据敏感设备在C区域的故障概率函数fd,y(U)、电压暂降幅值的概率分布函数fg,y(U)和数据拟合点,获得C区域的敏感设备故障概率P2:
其中,umin为电网暂降样本中暂降幅值的最小值;
根据敏感设备故障概率P2,获得C区域内敏感设备的兼容概率R2=1-P2;
设暂降幅值U和持续时间T是相互独立的变量,获得A区域的敏感设备故障概率P3=P1·P2;
根据敏感设备故障概率P3,获得A区域内敏感设备的兼容概率R3=1-P3。
在其中一个实施例中,根据敏感设备在不确定区域的兼容概率、敏感设备不确定区域故障样本数据和敏感设备正常运行区的暂降样本数据,获得敏感设备与电网电压暂降的兼容次数的步骤包括:
获取敏感设备分别在A、B和C区域的暂降次数N2、N’2和N”2,以及敏感设备在正常运行区的暂降次数N1;
根据敏感设备分别在A、B和C区域的兼容概率R1、R2和R3,获得铭感设备与电网电压暂降的兼容次数N=N1+N2×R1+N’2×R2+N”2×R3。
本发明实施例另一方面还提供了一敏感设备与电网电压暂降兼容性分析装置,包括:
故障样本获取单元,用于根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据;
数据拟合单元,用于按预设规则从设备不确定区域故障样本数据中获取采样样本数据,并对采样样本数据进行拟合得到数据拟合点;
兼容概率获取单元,用于根据数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的兼容概率。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述方法步骤。
本发明提供的一个或多个实施例至少具有以下有益效果:本发明实施例提供的一种敏感设备与电网电压暂降兼容性分析方法,根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据,按预设规则从设备不确定区域故障样本数据中获取采样样本数据,并对采样样本数据进行拟合得到数据拟合点,根据数据拟合点与预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的兼容概率。通过对耐受曲线进行分析,获取不确定区域的故障样本数据,并对该故障样本数据进行数据拟合,得到均匀有效的数据拟合点,然后在数据拟合点组成的拟合范围内,结合建立的设备侧和电网侧的概率函数,获得敏感设备在不确定区域的兼容概率,通过对设备在不确定区域的兼容概率的计算,可以获取敏感设备对电网电压暂降的兼容情况的全面性数据,可以大大减小对敏感设备与电网电压暂降兼容性分析的误差。
附图说明
图1为一个实施例中敏感设备与电网电压暂降兼容性分析方法的流程示意图;
图2为另一个实施例中敏感设备与电网电压暂降兼容性分析方法的流程示意图;
图3为一个实施例中按预设规则从设备不确定区域故障样本数据中获取采样样本数据步骤的流程示意图;
图4为一个实施例中划分为A、B、C三区的敏感设备耐受曲线不确定区域示意图;
图5(a)为一个实施例中三相暂降类型下低压敏感设备耐受曲线不确定区域示意图;
图5(b)为一个实施例中两相暂降类型下低压敏感设备耐受曲线不确定区域示意图;
图5(c)为一个实施例中单相暂降类型下低压敏感设备耐受曲线不确定区域示意图;
图6(a)为一个实施例中三相暂降下B区的敏感设备故障概率直方图及拟合曲线;
图6(b)为一个实施例中三相暂降下C区的敏感设备故障概率直方图及拟合曲线;
图7为一个实施例中两相暂降下不确定区域敏感设备故障概率直方图及拟合曲线;
图8为一个实施例中单相暂降下不确定区域敏感设备故障概率直方图及拟合曲线;
图9为一个实施例中电网中电压暂降总样本的幅值-持续时间-频次统计三维图;
图10(a)为一个实施例中电网三相暂降持续时间概率直方图及拟合曲线;
图10(b)为一个实施例中电网三相暂降幅值的概率直方图及拟合曲线;
图11为一个实施例中电网两相暂降持续时间和幅值的概率直方图及拟合曲线;
图12为一个实施例中电网单相暂降持续时间和幅值的概率直方图及拟合曲线;
图13(a)为一个实施例中设备侧最大熵概率密度函数拟合参数表;
图13(b)为一个实施例中电网侧最大熵概率密度函数拟合参数表;
图13(c)为一个实施例中不同暂降类型下不确定区域的兼容概率表;
图13(d)为一个实施例中不同暂降类型下总兼容次数表;
图14(a)为一个实施例中三相暂降类型下的暂降幅值和持续时间分布图;
图14(b)为一个实施例中两相类型暂降类型下的暂降幅值和持续时间分布图;
图14(c)为一个实施例中单相类型暂降类型下的暂降幅值和持续时间分布图;
图15为一个实施例中敏感设备与电网电压暂降兼容性分析装置的结构示意图;
图16为一个实施例中计算机设备的框架示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件并与之结合为一体,或者可能同时存在居中元件。本文所使用的术语“安装”、“一端”、“另一端”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明实施例一方面,如图1所示,提供了一种敏感设备与电网电压暂降兼容性分析方法,包括:
S120:根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据;
S140:按预设规则从设备不确定区域故障样本数据中获取采样样本数据,并对采样样本数据进行拟合得到数据拟合点;
S160:根据数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的兼容概率。
其中,耐受曲线可以是设备出厂自带的性能参数或通过试验所得。预设规则是指根据设备类型或实验,预先设置的故障样本有效数据的选取规则,例如,可以是等间隔选取一些数据作为采样数据,也可以按照区段分别选取等量的数据作为采样数据等。采样样本数据是指从全部的样本数据中选取的进行下一步处理所需要用到的数据。数据拟合点是指拟合后的采样样本数据所形成的曲线上,与原来的采样点对应的拟合曲线上的数据点。设备侧故障概率函数是指在敏感设备耐受曲线不确定区域故障概率密度函数,而电网侧概率密度函数是指电网暂降的幅值和持续时间的概率分布函数。
具体的,根据已有的敏感设备耐受曲线,生成不确定区域故障样本数据,然后对这些故障样本数据进行采样得到采样样本数据,对采样样本数据进行拟合,得到拟合曲线,在拟合曲线上选取与采样样本数据对应的采样点所对应的拟合曲线上的数据拟合点,作为后续处理的数据依据。根据不确定区域的特性,在数据拟合点中的各个数据拟合点所组成的数据空间范围内,设备侧故障概率函数和电网侧概率密度函数对敏感设备在电压暂降时的影响因素,求解敏感设别与电压暂降的故障概率,然后通过故障概率求解得到敏感设备与电网电压暂降的兼容概率。从而实现对敏感设备与电网电压暂降在不确定区域的兼容情况,可以全面评估敏感设备与电网电压暂降的兼容特性,大大提高分析结果可靠性和有效性,减小误差。
在其中一个实施例中,如图2所示,敏感设备与电网电压暂降兼容性分析方法,还包括:
S180:根据敏感设备的耐受曲线生成敏感设备正常运行区的暂降样本数据。在获得敏感设备在不确定区域的兼容概率之后还包括步骤:根据敏感设备在不确定区域的兼容概率、敏感设备不确定区域故障样本数据和敏感设备正常运行区的暂降样本数据,获得敏感设备与电网电压暂降的兼容次数。
其中,敏感设备正常运行区的暂降样本数据是指在耐受曲线正常运行区域中的暂降样本所对应的数据,是代表电压暂降时敏感设备一定可以正常运行的数据。在获得敏感设备在不确定区域的兼容概率之后,敏感设备在不确定区域的故障样本数据和在不确定区域的兼容概率的乘积,即为敏感设备与电网电压暂降在不确定区域的兼容次数,再加上敏感设备在正常运行区的暂降次数,即构成了敏感设备与电网电压暂降的全部兼容次数。通过对兼容次数的获取,可以更加直观的评估该敏感设备的一个电压暂降兼容能力。
在其中一个实施例中,如图3所示,按预设规则从设备不确定区域故障样本数据中获取采样样本数据的步骤包括:
S141:在(Tmin,Tmax)区间内,从Tmin开始等间隔增大持续时间生成第一故障样本点,从Tmin开始等间隔减小持续时间生成第一正常样本点;
S142:在(Umin,Umax)区间内,从Umax开始等间隔减小电压幅值生成第二故障样本点,从Umax开始等间隔增大电压幅值生成第二正常样本点;
S143:将第一故障样本点、第二故障样本点组成的集合作为敏感设备不确定区域故障样本数据空间;
S144:将第一正常样本点和第二正常样本点组成的集合作为敏感设备正常运行区的暂降样本数据空间;
其中,Tmax、Tmin分别为正常运行区域和故障运行区域临界处的持续时间临界值的最大值和最小值,Umax、Umin分别为正常运行区域和故障运行区域临界处的暂降电压临界值的最大值和最小值。
因为敏感设备的耐受曲线一般呈矩形,如图4所示,所以将其不确定区域可划分为A、B、C三区。易知,B区的故障概率函数只与持续时间有关,在B区范围内,对于每条耐受曲线,持续时间大于该曲线临界处的持续时间临界值的最大值的暂降将会引起敏感设备故障,持续时间小于该临界处的持续时间临界值的最小值的暂降不会引起敏感设备故障,因此在(Tmin,Tmax)区间内,从Tmin开始等间隔增大持续时间生成第一故障样本点,从Tmin开始等间隔减小持续时间生成第一正常样本点。C区故障概率函数只与暂降幅值有关,因此在(Umin,Umax)区间内,从Umax开始等间隔减小电压幅值生成第二故障样本点,从Umax开始等间隔增大电压幅值生成第二正常样本点。A区的故障概率可以看作B区和C区的联合概率,因此只需统计B区和C区的故障概率。采用等间隔的数据采样方式,可以保证采样的均匀性,不会因主观原因造成数据采样不均衡,造成最后的分析误差较大。
在其中一个实施例中,将根据数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的兼容概率的步骤包括:根据数据拟合点、电压暂降类型、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不同电压暂降类型下在不确定区域的兼容概率。
因为,对于三相供电的敏感设备,如变频器等,它们对暂降类型(主要分为三相对称暂降、两相暂降和单相暂降三类)十分敏感,有的敏感设备在单相暂降或两相暂降时甚至不故障,因此研究三相供电的敏感设备与电网电压暂降的兼容性问题需在不同暂降类型下分别进行分析。
在其中一个实施例中,如图4所示,敏感设备与电网电压暂降兼容性分析方法,将不确定区域可划分为A、B、C三个区域:
A区域内,暂降电压Umin<U<Umax且持续时间Tmin<T<Tmax;
B区域内,暂降电压U<Umin且持续时间Tmin<T<Tmax;
C区域内,暂降电压Umin<U<Umax且持续时间Tmax<T;
对采样样本数据进行拟合得到数据拟合点的步骤包括:
S145:根据敏感设备不确定区域故障样本数据,按照预设的直方图条数,分别统计B区域中的故障样本数据随持续时间的分布概率和C区域中的故障样本随暂降幅值的分布概率,得到数据拟合点。
其中,预设的直方图条数可以是根据多次历史电压暂降事件,选取的合理的直方图条数。具体的,根据不确定区域的故障样本数据,选取合理的直方图条数,分别统计B区中的故障样本数据随持续时间分布的概率、C区中的故障样本随暂降幅值分布的概率,得到数据拟合点。
以低压变频器作为兼容性评估对象,根据试验所得的耐受曲线簇在不同暂降类型下生成不确定区域的故障样本数据。为表征低压变频器的通用特性,试验选取了ABB、西门子、台达、英威腾、汇川、丹弗斯、伟肯共7种品牌(其中国内品牌有2种),2种额定功率(18.5kW和7.5kW),共8台变频器进行了测试。
三相暂降时,试验所得的耐受曲线簇构成的不确定区域如图5(a)所示,其边界值Tmin=10ms,Tmax=66ms,Umin=64%,Umax=76%。在B区域内,对于每条耐受曲线,在(Tmin,Tmax)区间内,从时间临界值Tmin开始等间隔增大持续时间生成第一故障样本点,从Tmin开始等间隔减小持续时间生成第一正常样本点,这里取时间间隔为1ms。对于C区,在(Umin,Umax)区间内,从电压临界值Umax开始等间隔减小电压幅值生成第二故障样本点,从电压临界值Umax开始等间隔增大电压幅值生成第二正常样本点,幅值间隔为1%。
两相暂降时,试验所得的耐受曲线簇构成的不确定区域如图5(b)所示,近似呈矩形,其边界值Umin=0,Umax=66%。单相暂降时,试验所得的耐受曲线簇构成的不确定区域如图5(c)所示,近似呈矩形,其边界值Umin=0,Umax=46%。两相暂降和单相暂降的不确定区域可以当做C区处理,其故障概率的分布只与暂降幅值U相关。在(Umin,Umax)区间内,从电压临界值Umax开始等间隔减小电压幅值生成第二故障样本点,从电压临界值Umax开始等间隔增大电压幅值生成第二正常样本点,幅值间隔为1%。
根据步得到的不确定区域的故障样本数据,绘制不确定区域故障概率的分布直方图。对于三相暂降,分别统计故障样本数据点在B区和C区上的分布概率,除以总样本数,得到故障概率分布直方图,如图6所示。其中,由于持续时间的精度为1ms,且分布范围为10ms~66ms,因此条形图的数目最大不超过57,这里取25;同理,暂降幅值的精度为1%,分布范围为64%~76%,则条形图的数目最大不超过13,这里取12,得到数据拟合点。对于两相和单相暂降,统计落在其不确定区域的故障点分布概率并除以总样本数即可得故障概率的分布,画出其概率直方图,如图7、图8所示。其中,条形图的数目都取14,得到数据拟合点。
电网侧概率密度函数的建立过程中,数据拟合实现可以通过以下方式实现:将2009年7月~2015年1月国内某4个省市电能质量监测***所捕获的355组实际电压暂降作为历史电压暂降数据,其中,包含单相暂降205组、两相暂降90组、三相暂降60组。根据国标GBT 30137中的统计表格,得到总样本的幅值-持续时间-频次统计三维图如图9所示。可见,大部分暂降事件的幅值分布在60%~90%,持续时间分布在0.02s~0.1s,同时也有一小部分暂降的持续时间较长或幅值较低。选取合理的条形图数目,分别统计三相暂降幅值和持续时间、两相和单相暂降幅值的概率分布直方图,如图10~图12所示,得到数据拟合点。
在其中一个实施例中,设备侧故障概率函数包括敏感设备在B区域的故障概率函数fd,x(T)和在C区域的故障概率函数fd,y(U);
电网侧概率密度函数包括电网暂降的持续时间的概率分布函数fg,x(T)和暂降幅值的概率分布函数fg,y(U);
预先建立的设备侧不确定区域故障概率函数和电网侧电压暂降幅值和持续时间的概率函数的建立步骤包括:
根据最大熵原理得到的概率密度函数表达式为:
设μi(i=1,2,...,n)是随机变量的第i阶原点矩,可由故障样本数据计算得出,则可根据最大熵原理推导出:
根据改进最大熵法,对其进行对数变换,再带入上述等式,可得:
根据暂降类型,对数据拟合点进行对数变换,并利用线性最小二乘法求解未知参数a、λi,得到不同暂降类型下敏感设备在B区域的故障概率函数fd,x(T)和在C区域的故障概率函数fd,y(U)以及电网暂降的持续时间的概率分布函数fg,x(T)和暂降幅值的概率分布函数fg,x(U)。
具体的,在不同暂降类型下,根据敏感设备耐受曲线不确定区域故障概率的数据拟合点,求取i阶中心矩μi(i=1,2,...,n),取n=6。再对各样本点的概率进行对数变换,利用最小二乘法拟合未知参数a、λi(i=1,2,...,6),如图13(a)所示,将其带入即可得敏感设备B、C区的故障概率密度函数,如图6~图8所示,可见最大熵概率密度函数符合数据的变化趋势,拟合效果较好。
关于电网暂降的幅值和持续时间的概率分布函数的求解可以具体通过以下过程实现:在不同暂降类型下,根据电网暂降的幅值和持续时间分布概率的数据拟合点,求取i阶中心矩μi(i=1,2,...,n),n=6。再对各样本点的概率进行对数变换,利用最小二乘法拟合未知参数a、λi(i=1,2,...,6),如图13(b)所示,将其带入
需要说明的是,此处的暂降类型等名词与上述实施例中相同,在此不做赘述。本发明实施例提供的这种基于对数变换改进的最大熵法拟合设备侧故障概率函数和电网侧概率密度函数,通过取对数将指数函数的拟合转换为多项式的拟合,从而使拟合点的概率值及其变化的范围相应变大,更有利于最大熵的参数求解。
在其中一个实施例中,根据数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的兼容概率的步骤包括:
根据敏感设备在B区域的故障概率函数fd,x(T)、和电网暂降的持续时间的概率分布函数fg,x(T)和数据拟合点,获得B区域的敏感设备故障概率P1:
其中,τmax为电压暂降样本的持续时间的最大值;
根据敏感设备故障概率P1,获得B区域内敏感设备的兼容概率R1=1-P1;
根据敏感设备在C区域的故障概率函数fd,y(U)、电压暂降幅值的概率分布函数fg,y(U)和数据拟合点,获得C区域的敏感设备故障概率P2:
其中,umin为电网暂降样本中暂降幅值的最小值;
根据敏感设备故障概率P2,获得C区域内敏感设备的兼容概率R2=1-P2;
设暂降幅值U和持续时间T是相互独立的变量,获得A区域的敏感设备故障概率P3=P1·P2;
根据敏感设备故障概率P3,获得A区域内敏感设备的兼容概率R3=1-P3。
由图4可知,对于B区,fd,x(T)dT为持续时间在(T-1/2dT,T+1/2dT)内的暂降使敏感设备故障的概率,而电网中持续时间大于T的暂降都会使敏感设备故障,其发生概率为其中τmax为电网暂降样本的持续时间的最大值。则在(T-1/2dT,T+1/2dT)内电网暂降引起敏感设备的故障概率为这两个概率的乘积,将T在(Tmin,Tmax)上积分,从而可得B区的敏感设备故障概率P1:
则B区的兼容概率R1=1-P1。同理可得C区的故障概率P2:
式中umin为电网暂降样本幅值的最小值。
则C区的兼容概率R2=1-P2。假设暂降幅值U和持续时间T是相互独立的变量,则A区的故障概率P3=P1·P2,其兼容概率R3=1-P3。可选的,电网暂降的概率密度函数的积分应在拟合区间内进行,因为拟合区间内拟合误差最小,区间外的拟合数据误差较大。
在一个具体实施方式中,根据数据拟合点、电压暂降类型、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不同电压暂降类型下在不确定区域的兼容概率的步骤包括:
将不同暂降类型下的相关最大熵概率密度函数带入P1和P2的表达式:
根据P3=P1·P2,R1=1-P1,R2=1-P2,R3=1-P3,再计算其兼容概率R1、R2、R3。其中,由于三相暂降时变频器存在A、B、C三个不确定区域,需计算R1、R2、R3,而两相暂降和单相暂降的不确定区域相当于C区,只需计算R2,计算结果如图13(c)所示。可见三相暂降时,A区的兼容概率最高,B区的兼容概率最低,C区的兼容概率介于它们之间。从总体上看,单相暂降时的兼容概率最高,两相暂降时的兼容概率次之,三相暂降时的兼容概率最低,符合变频器对不同类型暂降的敏感特性。
在其中一个实施例中,根据敏感设备在不确定区域的兼容概率、敏感设备不确定区域故障样本数据和敏感设备正常运行区的暂降样本数据,获得敏感设备与电网电压暂降的兼容次数的步骤包括:
获取敏感设备分别在A、B和C区域的暂降次数N2、N’2和N”2,以及敏感设备在正常运行区的暂降次数N1;
根据敏感设备分别在A、B和C区域的兼容概率R1、R2和R3,获得铭感设备与电网电压暂降的兼容次数N=N1+N2×R1+N’2×R2+N”2×R3。
例如,根据故障样本数据和暂降样本数据,可以得到在暂降电压-持续时间平面上的三种暂降类型下的暂降散点图和变频器通用耐受曲线,如图14所示。统计位于设备耐受曲线正常运行区的暂降次数N1和位于不确定区域的暂降次数N2,从而得到总兼容次数N=N1+N2×R。总兼容次数的计算结果如图13(d)所示。测量统计法认为耐受曲线右下方为设备故障区,耐受曲线左上方为正常运行区,因此其直接统计位于敏感设备正常运行区域的暂降次数作为兼容次数,即正常运行区域的暂降样本数据。由于三相暂降时有两条耐受曲线,因此用测量统计法得出的兼容次数有两个结果(45或39次)。若不考虑耐受曲线中的不确定区域的兼容概率(如测量统计法),认为变频器对不确定区域中的暂降全部免疫或者全部不免疫,与考虑不确定区域的最大熵法相比,将会对暂降对变频器的影响造成较大程度的过度评估或欠评估。换言之,本发明提出的方法能够有效克服测量统计法的过评估或欠评估,大大提高评估精度。
此外需要说明的是,由于某些变频器对两相暂降和单相暂降免疫,在暂降电压-持续时间平面无法画出其耐受曲线,图5(b)~(c)中给出的耐受曲线只是测试的变频器耐受曲线的上限,代表了最敏感的变频器耐受特性,实际上其余变频器对单相和两相暂降的耐受能力远远强于比图5(b)~(c)中的耐受特性,而计算的兼容次数代表的是8台变频器整体的兼容特性,因此可以从图14(b)~(c)中看出虽然位于耐受曲线下方的暂降事件较多,而由于变频器整体的免疫能力较高,两相暂降和单相暂降时,变频器基本不故障。
应该理解的是,虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本发明实施例所提供的敏感设备与电网电压暂降兼容性分析方法,通过分析设备耐受曲线的不确定区域中的兼容概率,更加准确地描述了敏感设备的耐受特性,与实际情况更加相符,从而大大提高了评估精度;采用基于对数变换改进的最大熵法建立概率密度函数模型,进一步提高了评估的准确性;本发明提出的电压暂降兼容性分析方法适用于各种电压敏感性设备,具有广泛适应性。
本发明实施例提供的敏感设备与电网电压暂降兼容性分析方法能够为电网、治理厂商和敏感设备用户提供精确的设备与电网暂降兼容性评估结果,给敏感设备的暂降兼容能力分析提供重要参考,能有效克服现有评估方法的过评估或欠评估,并且具有广泛适应性。
本发明实施例另一方面还提供了一敏感设备与电网电压暂降兼容性分析装置,如图15所示,包括:
故障样本获取单元,用于根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据;
数据拟合单元,用于按预设规则从设备不确定区域故障样本数据中获取采样样本数据,并对采样样本数据进行拟合得到数据拟合点;
兼容概率获取单元,用于根据所述数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得所述敏感设备在不确定区域的兼容概率。
其中,关于敏感设备与电网电压暂降兼容性分析装置的具体限定可以参见上文中对于敏感设备与电网电压暂降兼容性分析方法的限定,在此不再赘述。上述敏感设备与电网电压暂降兼容性分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图16所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种敏感设备与电网电压暂降兼容性分析方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图16中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
S120:根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据;
S140:按预设规则从设备不确定区域故障样本数据中获取采样样本数据,并对采样样本数据进行拟合得到数据拟合点;
S160:根据数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的兼容概率。
其中,耐受曲线等名词释义与上述实施例中相同,在此不做赘述,需要说没明的是,计算机设备可以实现上述方法实施例中的任一步骤。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
S120:根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据;
S140:按预设规则从设备不确定区域故障样本数据中获取采样样本数据,并对采样样本数据进行拟合得到数据拟合点;
S160:根据数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得敏感设备在不确定区域的兼容概率。
其中,耐受曲线等名词释义与上述实施例中相同,在此不做赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种敏感设备与电网电压暂降兼容性分析方法,其特征在于,包括:
根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据;
按预设等间隔的采样规则从所述设备不确定区域故障样本数据中获取采样样本数据,并对所述采样样本数据进行拟合得到数据拟合点;
根据所述数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得所述敏感设备在不确定区域的兼容概率;所述设备侧故障概率函数为所述敏感设备的耐受曲线不确定区域故障概率密度函数;所述电网侧概率密度函数为电网暂降幅值和持续时间的概率分布函数;
所述设备侧故障概率函数包括敏感设备在B区域的故障概率函数fd,x(T)和在C区域的故障概率函数fd,y(U);
所述电网侧概率密度函数包括电网暂降的持续时间的概率分布函数fg,x(T)和暂降幅值的概率分布函数fg,y(U);
所述预先建立的设备侧不确定区域故障概率函数和电网侧电压暂降幅值和持续时间的概率函数的建立步骤包括:
根据最大熵原理得到的概率密度函数表达式为:
设μi(i=1,2,...,n)是随机变量的第i阶原点矩,可由所述故障样本数据计算得出,则可根据最大熵原理推导出:
根据暂降类型,对所述数据拟合点进行对数变换,并利用线性最小二乘法求解未知参数a、λi,得到不同暂降类型下所述敏感设备在B区域的故障概率函数fd,x(T)和在C区域的故障概率函数fd,y(U)以及电网暂降的持续时间的概率分布函数fg,x(T)和暂降幅值的概率分布函数fg,x(U)。
2.根据权利要求1所述的敏感设备与电网电压暂降兼容性分析方法,其特征在于,还包括:
根据敏感设备的耐受曲线生成敏感设备正常运行区的暂降样本数据;
在所述获得所述敏感设备在不确定区域的兼容概率之后还包括步骤:
根据所述敏感设备在不确定区域的兼容概率、所述敏感设备不确定区域故障样本数据和所述敏感设备正常运行区的暂降样本数据,获得敏感设备与电网电压暂降的兼容次数。
3.根据权利要求2所述的敏感设备与电网电压暂降兼容性分析方法,其特征在于,所述按预设等间隔的采样规则从所述设备不确定区域故障样本数据中获取采样样本数据的步骤包括:
在(Tmin,Tmax)区间内,从Tmin开始等间隔增大持续时间生成第一故障样本点,从Tmin开始等间隔减小持续时间生成第一正常样本点;
在(Umin,Umax)区间内,从Umax开始等间隔减小电压幅值生成第二故障样本点,从Umax开始等间隔增大电压幅值生成第二正常样本点;
将第一故障样本点、第二故障样本点组成的集合作为敏感设备不确定区域故障样本数据空间;
将所述第一正常样本点和所述第二正常样本点组成的集合作为敏感设备正常运行区的暂降样本数据空间;
其中,Tmax、Tmin分别为正常运行区域和故障运行区域临界处的持续时间临界值的最大值和最小值,Umax、Umin分别为正常运行区域和故障运行区域临界处的暂降电压临界值的最大值和最小值。
4.根据权利要求1-3中任一项所述的敏感设备与电网电压暂降兼容性分析方法,其特征在于,所述根据所述数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得所述敏感设备在不确定区域的兼容概率的步骤包括:
根据所述数据拟合点、电压暂降类型、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得所述敏感设备在不同电压暂降类型下在不确定区域的兼容概率。
5.根据权利要求4所述的敏感设备与电网电压暂降兼容性分析方法,其特征在于,将不确定区域可划分为A、B、C三个区域:
A区域内,暂降电压Umin<U<Umax且持续时间Tmin<T<Tmax;
B区域内,暂降电压U<Umin且持续时间Tmin<T<Tmax;
C区域内,暂降电压Umin<U<Umax且持续时间Tmax<T;
所述对采样样本数据进行拟合得到数据拟合点的步骤包括:
根据所述敏感设备不确定区域故障样本数据,按照预设的直方图条数,分别统计B区域中的所述故障样本数据随所述持续时间的分布概率和C区域中的所述故障样本随所述暂降幅值的分布概率,得到数据拟合点。
6.根据权利要求5所述的敏感设备与电网电压暂降兼容性分析方法,其特征在于,所述根据所述数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得所述敏感设备在不确定区域的兼容概率的步骤包括:
根据所述敏感设备在B区域的故障概率函数fd,x(T)、和电网暂降的持续时间的概率分布函数fg,x(T)和所述数据拟合点,获得B区域的敏感设备故障概率P1:
其中,τmax为电压暂降样本的持续时间的最大值;
根据所述敏感设备故障概率P1,获得B区域内所述敏感设备的兼容概率R1=1-P1;
根据所述敏感设备在C区域的故障概率函数fd,y(U)、电压暂降幅值的概率分布函数fg,y(U)和所述数据拟合点,获得C区域的敏感设备故障概率P2:
其中,umin为电网暂降样本中暂降幅值的最小值;
根据所述敏感设备故障概率P2,获得C区域内所述敏感设备的兼容概率R2=1-P2;
设暂降幅值U和持续时间T是相互独立的变量,获得A区域的敏感设备故障概率P3=P1·P2;
根据所述敏感设备故障概率P3,获得A区域内所述敏感设备的兼容概率R3=1-P3。
7.根据权利要求6所述的敏感设备与电网电压暂降兼容性分析方法,其特征在于,所述根据所述敏感设备在不确定区域的兼容概率、所述敏感设备不确定区域故障样本数据和所述敏感设备正常运行区的暂降样本数据,获得敏感设备与电网电压暂降的兼容次数的步骤包括:
获取所述敏感设备分别在A、B和C区域的暂降次数N2、N’2和N”2,以及所述敏感设备在正常运行区的暂降次数N1;
根据所述敏感设备分别在A、B和C区域的兼容概率R1、R2和R3,获得所述敏感设备与电网电压暂降的兼容次数N=N1+N2×R1+N’2×R2+N”2×R3。
8.一种敏感设备与电网电压暂降兼容性分析装置,其特征在于,包括:
故障样本获取单元,用于根据敏感设备的耐受曲线生成敏感设备不确定区域故障样本数据;
数据拟合单元,用于按预设等间隔的采样规则从所述设备不确定区域故障样本数据中获取采样样本数据,并对采样样本数据进行拟合得到数据拟合点;
兼容概率获取单元,用于根据所述数据拟合点、预先建立的设备侧故障概率函数和电网侧概率密度函数,获得所述敏感设备在不确定区域的兼容概率;所述设备侧故障概率函数为所述敏感设备的耐受曲线不确定区域故障概率密度函数;所述电网侧概率密度函数为电网暂降幅值和持续时间的概率分布函数。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-7中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443088.2A CN108830456B (zh) | 2018-05-10 | 2018-05-10 | 敏感设备与电网电压暂降兼容性分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443088.2A CN108830456B (zh) | 2018-05-10 | 2018-05-10 | 敏感设备与电网电压暂降兼容性分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108830456A CN108830456A (zh) | 2018-11-16 |
CN108830456B true CN108830456B (zh) | 2021-02-02 |
Family
ID=64147776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810443088.2A Active CN108830456B (zh) | 2018-05-10 | 2018-05-10 | 敏感设备与电网电压暂降兼容性分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830456B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283416A (zh) * | 2018-11-20 | 2019-01-29 | 广东电网有限责任公司 | 一种敏感设备故障率的计算方法及装置 |
CN111260188B (zh) * | 2020-01-08 | 2022-06-07 | 国网福建省电力有限公司 | 一种电压暂降治理装置配置方法 |
CN111308977B (zh) * | 2020-03-05 | 2021-03-23 | 四川大学 | 暂降及短时中断严重度评估与治理的工业过程建模方法 |
CN113049928B (zh) * | 2021-03-10 | 2023-06-09 | 海南电网有限责任公司电力科学研究院 | 一种工业过程电压暂降中的子过程失效评估方法 |
CN113315133A (zh) * | 2021-05-31 | 2021-08-27 | 广东电网有限责任公司广州供电局 | 电压暂降治理装置的控制方法、装置和电子设备 |
CN113675842B (zh) * | 2021-07-27 | 2024-04-12 | 华南理工大学 | 一种电压暂降兼容性评估方法、***、装置及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102901895A (zh) * | 2012-09-29 | 2013-01-30 | 上海市电力公司 | 一种敏感设备电压暂降敏感度的评估方法 |
CN103424654A (zh) * | 2013-08-02 | 2013-12-04 | 华南理工大学 | 一种敏感设备电压暂降敏感度的评估方法 |
-
2018
- 2018-05-10 CN CN201810443088.2A patent/CN108830456B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102901895A (zh) * | 2012-09-29 | 2013-01-30 | 上海市电力公司 | 一种敏感设备电压暂降敏感度的评估方法 |
CN103424654A (zh) * | 2013-08-02 | 2013-12-04 | 华南理工大学 | 一种敏感设备电压暂降敏感度的评估方法 |
Non-Patent Citations (4)
Title |
---|
Experimental Study on the Tolerance Ability of Adjustable Speed Drives to Voltage Sags;Chenyi Li等;《The 2nd International Conference on power and renewable energy》;20171231;第320-325页 * |
敏感设备电压暂降故障水平的多不确定性评估;肖先勇等;《中国电机工程学报》;20100405;第36-42页 * |
电铁牵引负荷扰动电流概率分布模型研究;王亚奇;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20180315;第C042-1498页 * |
考虑不确定性的电压暂降评价指标与评估方法研究;艾丽;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20170115;第C042-328页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108830456A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830456B (zh) | 敏感设备与电网电压暂降兼容性分析方法及装置 | |
Chen et al. | Efficient identification method for power line outages in the smart power grid | |
Hou et al. | Cluster computing-based trajectory sensitivity analysis application to the WECC system | |
CN110751385B (zh) | 非侵入式负荷识别方法、终端设备及存储介质 | |
RU2018114569A (ru) | Способ идентификации события отказа в секторе электрической распределительной сети | |
Chusovitin et al. | Three-phase state estimation model for distribution grids | |
CN110275076B (zh) | 设备电压暂降免疫度测试方法、装置、计算机设备和介质 | |
CN113189500B (zh) | 电池电量计算方法、装置、计算机设备和存储介质 | |
CN108802628B (zh) | 电池电量计量方法、装置及设备 | |
CN112659927B (zh) | 车用燃料电池堆性能特征的确定方法、装置、设备和介质 | |
CN110544031B (zh) | 电能表可靠度预计方法、装置、计算机设备和存储介质 | |
JP6161783B2 (ja) | コンピュータ支援により送配電網のインピーダンスを求める方法、当該方法を実施するための発電装置及びコンピュータプログラム | |
Bolzoni et al. | Real-time auto-regressive modelling of electric power network frequency | |
Dambrowski | Validation of impedance-data and of impedance-based modeling approach of electrochemical cells by means of mathematical system theory | |
Rizvi et al. | Real-time ZIP load parameter tracking using adaptive window and variable elimination with realistic synthetic synchrophasor data | |
CN112269059B (zh) | 电网带负荷测试方法、装置、计算机设备和存储介质 | |
CN110929999B (zh) | 一种考虑不同设备耐受特性的电压暂降严重程度计算方法 | |
CN110196354B (zh) | 一种负载的开关事件的检测方法和装置 | |
CN109193563B (zh) | 基于三相三线表计设备的失流故障监测方法和装置 | |
CN110187167B (zh) | 一种基于流形分类的负载开关事件的检测方法和装置 | |
Fu et al. | Bayesian estimation based parameter estimation for composite load | |
Addy et al. | Understanding the effect of baseline modeling implementation choices on analysis of demand response performance | |
Pal | Effect of different load models on the three-sample based quadratic prediction algorithm | |
Angulo-Paniagua et al. | Comparing chi-square-based bad data detection algorithms for distribution system state estimation | |
Huang et al. | A recursive Bayesian approach to load phase detection in unbalanced distribution system |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200916 Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant before: GUANGZHOU POWER SUPPLY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |