CN109239456B - 一种基于动态规划时间序列相似性算法的谐波溯源方法 - Google Patents
一种基于动态规划时间序列相似性算法的谐波溯源方法 Download PDFInfo
- Publication number
- CN109239456B CN109239456B CN201810879919.0A CN201810879919A CN109239456B CN 109239456 B CN109239456 B CN 109239456B CN 201810879919 A CN201810879919 A CN 201810879919A CN 109239456 B CN109239456 B CN 109239456B
- Authority
- CN
- China
- Prior art keywords
- data
- harmonic
- time
- power
- sequence
- 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 31
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000005611 electricity Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000011425 standardization method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000002759 z-score normalization Methods 0.000 claims description 2
- 238000010219 correlation analysis Methods 0.000 abstract description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Water Supply & Treatment (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供一种基于动态规划时间序列相似性算法的谐波溯源方法，其包括：从电能质量监测***中获取某条母线上装的电能质量监测终端采集的一段时间内的谐波电压监测数据；从用电信息采集***中获取此条母线所供电的所有用户的此时段内的用电有功功率数据；使用数据标准化方法处理谐波电压监测数据和用电有功功率数据；使用基于动态规划原理求解时间序列数据相似性的算法求解每个用户用电有功功率序列数据与公共连接点谐波电压序列数据的相关性，并进行谐波溯源。本发明充分挖掘大量部署的智能电表数据价值，通过用户用电情况与谐波情况的数据关联分析结果，推断引起谐波问题的可能用户，为准确的谐波责任划分、未来依质定价和精准治理提供依据。
Description
技术领域
本发明涉及一种基于动态规划时间序列相似性算法的谐波溯源方法。
背景技术
电力电子负荷越来越多地接入电网，使得电网中的谐波情况更加复杂，影响负荷正常工作，严重时还会导致电力设备损坏或引发停电事故。实际电力***中一条母线往往连接多个发出谐波的用户，这些用户间的谐波相互影响，如何根据已有数据准确定位谐波源，是定量划分谐波责任的基础，也是有效治理谐波，保证电网和用户安全高效运行的前提。
目前谐波溯源方法可分为两种：谐波功率方向法和责任分摊法。功率方向法用于区分***侧和用户侧哪一侧为主要谐波源，对于同一母线上连接多个谐波源时难以使用，所以谐波责任分摊方法更为常用。谐波责任分摊法实际上同时进行谐波溯源与谐波责任分摊，首先通过工程经验判断疑似谐波源，再使用专门测试得到的数据求解谐波责任指标，结果较大的认为是主要谐波源。
目前此问题存在以下技术缺陷：
1、现有的责任分摊方法如背景谐波电压分析法、分段线性化法等，都需要对母线的谐波电压和各馈线的谐波电流进行精确测量，利用包含幅值和相角的采样值进行计算，但目前国家电网公司统一推广的电能质量监测***均只能提供谐波电压电流的3分钟统计值，这导致现有所有方法均无法适用。
2、现有的责任分摊方法大多基于短时测量的瞬时数据，但是谐波是长期存在的稳态量，通过短时间瞬时数据测量进行谐波溯源和责任分摊不够准确，也很难得到多方认可和接受。
3、目前电能质量监测***监测点有限，无法做到对每个专变用户均进行监测，仅靠安装在变电站母线上的电能质量监测终端提供的监测数据无法对每个用户的谐波含量进行准确的测量。
4、现有谐波责任计算方法都基于诺顿等效电路，理论上需要已知***侧和各个谐波源的诺顿等效电流源谐波电流，但是由于这一电流无法测量得到，通常使用支路电流进行近似计算，由于谐波源之间的耦合及其交互影响，这种近似计算将导致谐波责任指标计算存在较大误差，甚至引起谐波溯源不准确的问题。
5、现有谐波责任分摊方法受背景谐波电压波动影响大，目前通过数据筛选法或谐波来源分析法削弱背景谐波电压波动对谐波责任划分求解的影响，这些方法都不能从根本上解决这一问题。
因此，实际工程上，迫切需要一种利用实际电能质量监测***统计数据，融合其它电力***数据(如用电信息采集***的用户用电数据)，基于时间序列相似性算法的谐波溯源新方法。
发明内容
本发明的目的是提供一种基于动态规划时间序列相似性算法的谐波溯源方法。
本发明采用以下技术方案：一种基于动态规划时间序列相似性算法的谐波溯源方法，其包括以下步骤：步骤S1：从电能质量监测***中获取某条母线的公共连接点PCC上装的电能质量监测终端采集的一段时间内的谐波电压监测数据，并形成时间序列数据；步骤S2：从用电信息采集***中获取此条母线所供电的所有用户的此时段内的用电有功功率数据，并形成时间序列数据；步骤S3：使用数据标准化方法处理谐波电压监测数据和用电有功功率数据，形成谐波电压和用电有功功率的标准化序列数据；步骤S4：使用基于动态规划原理求解时间序列数据相似性的算法求解每个用户用电有功功率序列数据与公共连接点谐波电压序列数据的相关性，并进行谐波溯源。
进一步的，电能质量监测***获得的数据时间间隔为3分钟，各次谐波电压同时包含最大值，最小值，平均值和95％概率大值。
在本发明一实施例中，步骤S2中假设该PCC处共接有N个用户，每个用户采样n个点，则N个用户用电平均有功功率时间序列数据表示为P1＝<p11,…,p1n>、P2＝<p21,…,p2n>、…PN＝<pN1,…,pNn>；选择公共连接点PCC谐波电压95％概率大值、平均值或最大值的时间序列数据进行分析，设共得到m个数据，表示为U＝<u1,…,um>；步骤S3对获取的谐波电压时间序列数据和用户平均有功功率时间序列数据进行z-score标准化处理，使用标准化方法得到标准化处理后的时间数据序列U’＝<u1’,…,um’>、P1’＝<p11’,…,p1n’>、P2’＝<p21’,…,p2n’>、…PN’＝<pN1’,…,pNn’>。
在本发明一实施例中，步骤S4中基于动态规划原理求解时间序列数据相似性的算法包括以下步骤：步骤S41：取谐波电压标准化时间序列数据U’＝<u1’,…,um’>和某个平均有功功率标准化时间序列数据Pk’＝<pk1’,…,pkn’>，计算两序列点之间的欧式距离，获得一个两序列欧式距离矩阵M，M[i,j]表示序列Pk’第i个点与序列U’第j个点之间的欧式距离；
步骤S42：定义Mc为累积距离矩阵，依据下式(1)给Mc矩阵第一行和第一列赋初值；
对于2≤i≤n中的每一个i，计算j从2到m的累积距离Mc[i,j]，Mc[i,j]的计算方法如下(2)式所示；
步骤S43：得到Mc[n,m]值，则最优路径匹配下的DTW距离可通过下式(3)计算：
其中，DTW(Pk’，U’)即为DTW距离，其可表征在最优匹配条件下Pk’与U’的相似度匹配误差。
进一步的，共有N个用户，用电平均有功功率序列数据分别为P1’、P2’、P3’…PN’，PCC点谐波电压序列数据为U’，则计算得到DTW(P1’,U’)、DTW(P2’,U’)、DTW(P3’,U’)…DTW(PN’,U’)，所以选择DTW最小的用户为主要谐波来源。
与现有技术相比，本发明结合用电信息采集***数据与电能质量监测***数据的特性，使用动态规划原理求解时间序列数据相似性的算法，计算每个用户用电量与PCC点谐波电压的相关性，比较得出相关性最强的用户，则认为该用户为主要谐波源。该溯源方法在电能质量监测点有限的情况下，充分挖掘大量部署的智能电表数据价值，通过用户用电情况与谐波情况的数据关联分析结果，推断引起谐波问题的可能用户，原理简单、使用方便，结果客观可信，可用于长期的责任划分，不需要增加安装专用监测装置，不需要此条母线出线到用户的接线形式和线路参数，更具工程实用性、具有较强的推广应用价值，为准确的谐波责任划分、未来依质定价和精准治理提供依据。
附图说明
图1为谐波责任工程问题示意图。
图2为谐波溯源算法流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步解释说明。
本发明提供一种基于动态规划时间序列相似性算法的谐波溯源方法，主要步骤如下：
(1)从电能质量监测***中获取某条母线上(公共连接点，即PCC点)安装的电能质量监测终端采集的一段时间内的谐波电压监测数据，并形成时间序列数据；
(2)从用电信息采集***中获取此条母线所供电的所有用户的此时段内的用电有功功率数据，并形成时间序列数据；
(3)使用数据标准化方法处理谐波电压监测数据和用电有功功率数据，形成谐波电压和用电有功功率的标准化序列数据；
(4)使用基于动态规划原理求解时间序列数据相似性的算法求解每个用户用电有功功率序列数据与公共连接点谐波电压序列数据的相关性，并进行谐波溯源。
如图1所示，得到10kV母线处电能质量监测终端的谐波电压监测数据以及连接于该母线的各个用户在用电信息采集***(图1中各用户计量点)中的平均有功功率计量数据，分析每个用户平均有功功率序列数据与谐波电压序列数据的相关性，判断其中相关性最强的用户为谐波源。如图1所示，目前电网公司供电***中电能质量监测点位于10kV母线，即公共连接点(Point of Common Coupling,PCC)，电能质量监测***获得的数据时间间隔为3分钟，各次谐波电压同时包含最大值，最小值，平均值和95％概率大值。本专利选择谐波电压95％概率大值、平均值或最大值的时间序列数据进行分析，设共得到m个数据，表示为U＝<u1,…,um>。如图1所示，每个用户均装设有电能表(即图1中各用户用电信息采集***中的计量点)，可通过用电信息采集***获取用户一段时间的用电平均有功功率数据，一般用电信息采集***中数据时间间隔为15分钟。设该PCC处共接有N个用户，每个用户采样n个点，则可得N个用户用电平均有功功率时间序列数据可表示为P1＝<p11,…,p1n>、P2＝<p21,…,p2n>、……PN＝<pN1,…,pNn>。
为了避免各组序列数据量纲对后续计算的影响，对获取的谐波电压时间序列数据和用户平均有功功率时间序列数据进行z-score标准化处理，使用标准化方法得到标准化处理后的时间数据序列U’＝<u1’,…,um’>、P1’＝<p11’,…,p1n’>、P2’＝<p21’,…,p2n’>、……PN’＝<pN1’,…,pNn’>。
用户用电平均有功功率与其发出的谐波随时间变化的趋势一致，本发明通过比较PCC点谐波电压与PCC点所连接各用户用电量的相关性进行谐波溯源。由于电能质量监测***数据与用户用电信息采集***数据采用不同统计方法和不同时间尺度，传统的欧拉距离无法有效表征这两种数据变化趋势的相似性，本专利提出一种基于动态规划时间序列相似性(Dynamic TimeWarping，DTW)算法的谐波溯源方法，具体算法如下：
取谐波电压标准化时间序列数据U’＝<u1’,…,um’>和某个平均有功功率标准化时间序列数据Pk’＝<pk1’,…,pkn’>。首先计算两序列点之间的欧式距离，获得一个两序列欧式距离矩阵M，M[i,j]表示序列Pk’第i个点与序列U’第j个点之间的欧式距离。
定义Mc为累积距离矩阵，依据下式(1)给Mc矩阵第一行和第一列赋初值。
对于2≤i≤n中的每一个i，计算j从2到m的累积距离Mc[i,j]，Mc[i,j]的计算方法如下(2)式所示。
最终可得到Mc[n,m]值，则最优路径匹配下的DTW距离可通过下式(3)计算：
其中，DTW(Pk’，U’)即为DTW距离，其可表征在最优匹配条件下Pk’与U’的相似度匹配误差。
本发明的谐波溯源算法流程图参见图2。
本发明中假设共有N个用户，用电平均有功功率序列数据分别为P1’、P2’、P3’……PN’，PCC点谐波电压序列数据为U’，则可以计算得到DTW(P1’,U’)、DTW(P2’,U’)、DTW(P3’,U’)……DTW(PN’,U’)，由于DTW的值越小，两个序列的相似性越高，所以选择DTW最小的用户为主要谐波来源。
上述实施例仅供说明本发明之用，本技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以作出各种变换或变化，因此，所有等同的技术方案也应该属于本发明的范畴。
Claims (5)
1.一种基于动态规划时间序列相似性算法的谐波溯源方法，其特征在于：包括以下步骤：
步骤S1：从电能质量监测***中获取某条母线的公共连接点PCC上装的电能质量监测终端采集的一段时间内的谐波电压监测数据；
步骤S2：从用电信息采集***中获取此条母线所供电的所有用户的此时段内的用电有功功率数据；
步骤S3：使用数据标准化方法处理谐波电压监测数据和用电有功功率数据，形成谐波电压和用电有功功率的标准化序列数据；
步骤S4：使用基于动态规划原理求解时间序列数据相似性的算法求解每个用户用电有功功率序列数据与公共连接点谐波电压序列数据的相关性，并进行谐波溯源。
2.根据权利要求1所述的基于动态规划时间序列相似性算法的谐波溯源方法，其特征在于：电能质量监测***获得的数据时间间隔为3分钟，各次谐波电压同时包含最大值，最小值，平均值和95％概率大值。
3.根据权利要求1所述的基于动态规划时间序列相似性算法的谐波溯源方法，其特征在于：步骤S2中假设该PCC处共接有N个用户，每个用户采样n个点，则N个用户用电平均有功功率时间序列数据表示为P1＝＜p11，...，p1n＞、P2＝＜p21，...，p2n＞、...PN＝＜pN1，...，pNn＞；选择公共连接点PCC谐波电压95％概率大值、平均值或最大值的时间序列数据进行分析，设共得到m个数据，表示为U＝＜u1，...，um＞；
步骤S3对获取的谐波电压时间序列数据和用户平均有功功率时间序列数据进行z-score标准化处理，使用标准化方法得到标准化处理后的时间数据序列U’＝＜u1’，…，um’＞、P1’＝＜p11’，…，p1n’＞、P2’＝＜p21’，...，p2n’＞、...PN’＝＜pN1’，...，pNn’＞。
4.根据权利要求3所述的基于动态规划时间序列相似性算法的谐波溯源方法，其特征在于：步骤S4中基于动态规划原理求解时间序列数据相似性的算法包括以下步骤：
步骤S41：取谐波电压标准化时间序列数据U’＝＜u1’，...，um’＞和某个平均有功功率标准化时间序列数据Pk’＝＜pk1’，…，pkn’＞，计算两序列点之间的欧式距离，获得一个两序列欧式距离矩阵M，M[i，j]表示序列Pk’第i个点与序列U’第j个点之间的欧式距离；
步骤S42：定义Mc为累积距离矩阵，依据下式(1)给Mc矩阵第一行和第一列赋初值；
对于2≤i≤n中的每一个i，计算j从2到m的累积距离Mc[i，j]，Mc[i，j]的计算方法如下(2)式所示；
步骤S43：得到Mc[n，m]值，则最优路径匹配下的DTW距离可通过下式(3)计算：
其中，DTW(Pk’，U’)即为DTW距离，其可表征在最优匹配条件下Pk’与U’的相似度匹配误差。
5.根据权利要求4所述的基于动态规划时间序列相似性算法的谐波溯源方法，其特征在于：共有N个用户，用电平均有功功率序列数据分别为P1’、P2’、P3’...PN’，PCC点谐波电压序列数据为U’，则计算得到DTW(P1’，U’)、DTW(P2’，U’)、DTW(P3’，U’)...DTW(PN’，U’)，选择DTW最小的用户为主要谐波来源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810879919.0A CN109239456B (zh) | 2018-08-03 | 2018-08-03 | 一种基于动态规划时间序列相似性算法的谐波溯源方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810879919.0A CN109239456B (zh) | 2018-08-03 | 2018-08-03 | 一种基于动态规划时间序列相似性算法的谐波溯源方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109239456A CN109239456A (zh) | 2019-01-18 |
| CN109239456B true CN109239456B (zh) | 2020-12-25 |
Family
ID=65070210
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810879919.0A Active CN109239456B (zh) | 2018-08-03 | 2018-08-03 | 一种基于动态规划时间序列相似性算法的谐波溯源方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109239456B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109829652B (zh) * | 2019-02-12 | 2023-04-07 | 福州大学 | 一种长时间尺度动态谐波责任划分方法 |
| CN112257013A (zh) * | 2020-10-19 | 2021-01-22 | 长沙理工大学 | 高损台区基于动态时间弯曲算法的窃电用户识别定位方法 |
| CN113435490B (zh) * | 2021-06-18 | 2022-06-28 | 国网宁夏电力有限公司电力科学研究院 | 一种基于动态规划时间序列相似性算法的谐波溯源方法 |
| CN115051477B (zh) * | 2022-08-16 | 2022-11-18 | 山东大学 | 一种基于云边端协同的谐波溯源***及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102939572A (zh) * | 2010-06-11 | 2013-02-20 | 伊顿公司 | 源到负载的自动匹配 |
| CN104793082A (zh) * | 2015-04-23 | 2015-07-22 | 江苏中凌高科技股份有限公司 | 基于谐波相关分析的电力***谐波源识别装置 |
| CN106019026A (zh) * | 2016-07-20 | 2016-10-12 | 东南大学 | 一种基于波形匹配的谐波电压责任的划分方法 |
| CN106370180A (zh) * | 2016-08-29 | 2017-02-01 | 常州市钱璟康复股份有限公司 | 基于动态时间规整算法的惯性传感器初始位置识别方法 |
| CN106383257A (zh) * | 2016-08-17 | 2017-02-08 | 云南电网有限责任公司电力科学研究院 | 基于相关性分析的谐波源辨识方法 |
| CN107345983A (zh) * | 2017-06-29 | 2017-11-14 | 苏州市技术性贸易措施咨询服务中心 | 基于分谐波源相关性的多谐波源***谐波发射评估方法 |
| CN107367647A (zh) * | 2017-06-22 | 2017-11-21 | 上海理工大学 | 基于eemd‑som的电网谐波源检测与定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7567900B2 (en) * | 2003-06-11 | 2009-07-28 | Panasonic Corporation | Harmonic structure based acoustic speech interval detection method and device |
-
2018
- 2018-08-03 CN CN201810879919.0A patent/CN109239456B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102939572A (zh) * | 2010-06-11 | 2013-02-20 | 伊顿公司 | 源到负载的自动匹配 |
| CN104793082A (zh) * | 2015-04-23 | 2015-07-22 | 江苏中凌高科技股份有限公司 | 基于谐波相关分析的电力***谐波源识别装置 |
| CN106019026A (zh) * | 2016-07-20 | 2016-10-12 | 东南大学 | 一种基于波形匹配的谐波电压责任的划分方法 |
| CN106383257A (zh) * | 2016-08-17 | 2017-02-08 | 云南电网有限责任公司电力科学研究院 | 基于相关性分析的谐波源辨识方法 |
| CN106370180A (zh) * | 2016-08-29 | 2017-02-01 | 常州市钱璟康复股份有限公司 | 基于动态时间规整算法的惯性传感器初始位置识别方法 |
| CN107367647A (zh) * | 2017-06-22 | 2017-11-21 | 上海理工大学 | 基于eemd‑som的电网谐波源检测与定位方法 |
| CN107345983A (zh) * | 2017-06-29 | 2017-11-14 | 苏州市技术性贸易措施咨询服务中心 | 基于分谐波源相关性的多谐波源***谐波发射评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 供电***谐波对电能计量影响的研究;张海霞;《电气技术》;20141231(第12期);35-39 * |
| 基于数学形态学与动态时间扭曲的电压扰动分类;赵静等;《西安交通大学学报》;20090430;第44卷(第2期);208-214 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109239456A (zh) | 2019-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109239456B (zh) | 一种基于动态规划时间序列相似性算法的谐波溯源方法 | |
| US9292794B2 (en) | Voltage-based clustering to infer connectivity information in smart grids | |
| Lee | Electric load information system based on non-intrusive power monitoring | |
| CN109146265B (zh) | 基于动态规划时间序列相似性的三相不平衡源溯源方法 | |
| CN111027408A (zh) | 一种基于支持向量机和v-i曲线特征的负荷识别方法 | |
| CN113011481B (zh) | 一种基于决策树算法的电能表功能异常评估方法及*** | |
| CN103617568A (zh) | 稳态电能质量预警机制中的异常数据判定阈值设定方法 | |
| Iksan et al. | Appliances identification method of non-intrusive load monitoring based on load signature of VI trajectory | |
| CN103424620B (zh) | 一种基于时间序列相关度的10kV配网谐波源辨识方法 | |
| CN109767054A (zh) | 基于深度神经网络算法的能效云评估方法及边缘能效网关 | |
| Chang et al. | A novel nonintrusive fault identification for power transmission networks using power-spectrum-based hyperbolic S-transform—Part I: Fault classification | |
| CN105548809A (zh) | 一种电力***谐波责任的确定方法 | |
| CN112558000A (zh) | 一种基于相关性筛选的电能表计量误差分析方法 | |
| CN109829652B (zh) | 一种长时间尺度动态谐波责任划分方法 | |
| CN110084719A (zh) | 一种配电网负荷种类辨识装置 | |
| CN108614192B (zh) | 一种配电网雷电监测装置布点决策方法 | |
| CN110047013B (zh) | 反专变用户间断型窃电方法 | |
| CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
| Jaramillo et al. | Non-intrusive load monitoring algorithm for PV identification in the residential sector | |
| CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
| CN114266457A (zh) | 一种配电线路异损诱因检测的方法 | |
| CN117200241A (zh) | 一种新能源并网智能调压*** | |
| Wu et al. | Quantifying harmonic responsibilities based on kurtosis detection principle of amplitude fluctuations | |
| Hu et al. | Transformer-customer relationship identification for low-voltage distribution networks based on joint optimization of voltage silhouette coefficient and power loss coefficient | |
| CN116502149A (zh) | 基于电流特征传导的低压配电网户变关系识别方法及*** |
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 |