CN112731260B - 基于概念漂移识别的电压互感器误差状态在线评估方法 - Google Patents

基于概念漂移识别的电压互感器误差状态在线评估方法 Download PDF

Info

Publication number
CN112731260B
CN112731260B CN202110337373.8A CN202110337373A CN112731260B CN 112731260 B CN112731260 B CN 112731260B CN 202110337373 A CN202110337373 A CN 202110337373A CN 112731260 B CN112731260 B CN 112731260B
Authority
CN
China
Prior art keywords
matrix
voltage transformer
evaluation
real
concept drift
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
Application number
CN202110337373.8A
Other languages
English (en)
Other versions
CN112731260A (zh
Inventor
李红斌
陈庆
徐云武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202110337373.8A priority Critical patent/CN112731260B/zh
Publication of CN112731260A publication Critical patent/CN112731260A/zh
Application granted granted Critical
Publication of CN112731260B publication Critical patent/CN112731260B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/02—Testing or calibrating of apparatus covered by the other groups of this subclass of auxiliary devices, e.g. of instrument transformers according to prescribed transformation ratio, phase angle, or wattage rating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/005—Calibrating; Standards or reference devices, e.g. voltage or resistance standards, "golden" references
    • G01R35/007—Standards or reference devices, e.g. voltage or resistance standards, "golden references"

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明公开了一种基于概念漂移识别的电压互感器误差状态在线评估方法，包括采集待评估电压互感器的历史输出信号并基于无任何超参数的概念漂移识别方法剔除各类异常数据的干扰，从而确定电压互感器误差状态在线评估的理想建模数据集；而后对理想建模数据集进行数据分离和重构，并结合从数据集中提取出的主要信息元素确定互感器误差状态的边界条件，从而实现变电站内电压互感器误差状态的实时在线评估与异常定位。本发明解决了建模数据集中概念漂移所带来的不良影响，并以较小的计算资源实现了电压互感器误差状态的在线评估，评估方法具有普适性和易实现性。

Description

基于概念漂移识别的电压互感器误差状态在线评估方法
技术领域
本发明涉及输配电设备状态评估与故障诊断领域，尤其涉及一种基于概念漂移识别的电压互感器误差状态在线评估方法。
背景技术
电压互感器是电力***中的重要测量设备，其一次绕组接入高压电网，二次绕组与测量、计量、保护等装置相连，用于将一次侧高压强信号转化为低压小信号供二次设备使用。
长期运行经验表明，由于电压互感器使用年限的增长，运行若干年后的电压互感器存在着一定的超差风险。超差电压互感器继续运行将给发供用三方的关口计量贸易结算带来巨大损失，甚至影响电力***的稳定运行。因此，为保障计量的准确性和电力***的安全运行，需要及时评估和更换误差状态异常的电压互感器。现已有成熟的离线评估方法对电压互感器进行周期性的离线评估，但由于难以对高压输电网络进行非故障性停电操作，致使该方法难以在规定的周期内覆盖所有待检定的电压互感器；且离线评估时的环境电磁场与在线运行时存在差异，致使评估结果与实际情况存在一定的偏差，进一步导致变电站中大量在运电压互感器超期未检、误差未知。
为解决周期性离线评估方法中的不足，现采用不停电条件下的在线评估方法实现电压互感器误差状态的实时在线监测。现有在线评估技术是依据电力***中各设备所采集的信号并基于数据驱动的原理进行分析和处理，从而评估电压互感器的误差状态，即通过借助历史数据、实时数据和关系型数据构造出近似的模型并依靠大量的数据和计算来实时表征电压互感器真实的误差状态。但该类方法存在如下不足：在数据方面，该类方法并没有考虑数据集中出现概念漂移的情况，概念漂移是指数据集中所包含的概念发生了变化，例如设备老化、运行工况突变等现象致使新旧数据所含的概念不再保持一致。数据集中一旦出现了概念漂移的现象，将影响基于数据驱动原理表征电压互感器真实误差状态的准确性。例如在借助历史数据进行训练以确定电压互感器正常运行的边界条件时，若历史数据中存在概念漂移的现象，将致使所建立的边界条件严重偏离理论边界条件，进而导致电压互感器误差状态的误判或漏判。且由于电力***中所采集的数据大都无标签，因而对所采集数据进行概念漂移识别时并不能进行交叉验证以确定概念漂移识别模型的最优参数，故无法利用含有超参数的概念漂移识别方法对数据集进行识别。在计算量方面，现有基于数据驱动的在线评估方法以大量计算为代价来表征电压互感器的误差状态，需要消耗大量的计算资源。
发明内容
本发明针对现有技术中存在的问题，提出了一种基于概念漂移识别的电压互感器误差状态在线评估方法，该方法利用无任何超参数的概念漂移识别方法解决了无标签数据发生概念漂移时所带来的不良影响，并能以较低的计算资源实现电压互感器误差状态的实时在线评估。
本发明的技术方案如下所示：
本发明提供了一种基于概念漂移识别的电压互感器误差状态在线评估方法，包括以下步骤：
采集待评估电压互感器的历史输出信号以构建采样矩阵X，根据所述待评估电压 互感器内部的相间关系以及所述采样矩阵X构建识别矩阵
Figure 291251DEST_PATH_IMAGE001
，对所述识别矩阵
Figure 942681DEST_PATH_IMAGE001
进行概念 漂移识别后得到概念漂移分界点D，基于所述概念漂移分界点D从所述采样矩阵X中提取得 到电压互感器误差状态在线评估的理想建模数据集
Figure 332598DEST_PATH_IMAGE002
，进行标准化处理后得到对所述理 想建模数据集
Figure 106388DEST_PATH_IMAGE002
的标准化矩阵
Figure 298202DEST_PATH_IMAGE003
；
对所述标准化矩阵
Figure 143536DEST_PATH_IMAGE003
进行数据分离和重构，得到所述标准化矩阵
Figure 463659DEST_PATH_IMAGE003
的一次矩阵
Figure 237711DEST_PATH_IMAGE004
和 误差矩阵
Figure 744916DEST_PATH_IMAGE005
，根据所述误差矩阵
Figure 865712DEST_PATH_IMAGE005
中提取出的主要信息元素
Figure 305921DEST_PATH_IMAGE006
建立电压互感器误差状态正 常和异常时的边界条件,所述边界条件为评估阈值
Figure 922978DEST_PATH_IMAGE007
；
采集所述待评估电压互感器运行过程中的实时输出信号，构建数据集并计算对应 的实时评估量
Figure 714217DEST_PATH_IMAGE008
，根据所述实时评估量
Figure 324189DEST_PATH_IMAGE008
与评估阈值
Figure 133751DEST_PATH_IMAGE007
的关系判断电压互感器的误 差状态，并结合各电压互感器对实时评估量
Figure 170977DEST_PATH_IMAGE008
的贡献率实现异常互感器的定位。
与现有技术相比，本发明的有益技术效果为：
1、本发明摆脱物理标准器的约束，在无需停电操作的条件下，仅根据电压互感器的历史和实时运行数据实现互感器整个运行周期内误差状态的评估，减少了误差状态评估的成本，有利于提高电压互感器的运维水平。
2、本发明有着较高的评估灵敏度，能够有效检测0.07%的比值差漂移，远高于其他的在线评估方法，且以建模数据集中的部分数据信息确定正常运行时的边界条件，相比于使用所有数据信息建立边界条件而言，可显著减少所需计算资源，提高在线评估方法的评估效率。
3、本发明利用无任何超参数的概念漂移识别方法对建模数据集进行分析，消除建模数据集中异常数据的干扰，为电压互感器在线评估提供理想的建模数据集，有效提高在线评估方法的灵敏度和准确性。。
附图说明
图1为本发明提供的一种基于概念漂移识别的电压互感器误差状态在线评估方法的流程图；
图2为本发明实施例提供的第一组电压互感器的余弦相似度的示意图；
图3为本发明实施例提供的待评估电压互感器的实时评估量
Figure 200244DEST_PATH_IMAGE008
的示意图；
图4为本发明实施例提供的待评估电压互感器中各台电压互感器对实时评估量
Figure 145067DEST_PATH_IMAGE008
的贡献率的示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
本发明通过建立一种无任何超参数的概念漂移识别方法，以解决电压互感器误差状态评估中无标签数据概念漂移所带来的不良影响，同时采用一种计算资源需求量小的方法来实时表征电压互感器的误差状态，这将极大的提高电压互感器在线评估方法的准确性和适用性，具有较高的工程应用价值。
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的模块使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
如图1所示为本发明提供的一种基于概念漂移识别的电压互感器误差状态在线评估方法的流程图，结合图1可知，该在线评估方法包括：
采集待评估电压互感器的历史输出信号以构建采样矩阵X，根据待评估电压互感 器内部的相间关系以及采样矩阵X构建识别矩阵
Figure 763130DEST_PATH_IMAGE001
，对识别矩阵
Figure 20192DEST_PATH_IMAGE001
进行概念漂移识别后得 到概念漂移分界点D，基于概念漂移分界点D从采样矩阵X中提取得到电压互感器误差状态 在线评估的理想建模数据集
Figure 520444DEST_PATH_IMAGE002
，进行标准化处理后得到对理想建模数据集
Figure 285269DEST_PATH_IMAGE002
的标准化 矩阵
Figure 866160DEST_PATH_IMAGE003
。
对标准化矩阵
Figure 41927DEST_PATH_IMAGE003
进行数据分离和重构，得到标准化矩阵
Figure 249048DEST_PATH_IMAGE003
的一次矩阵U和误差矩阵 V，根据误差矩阵V中提取出的主要信息元素
Figure 738935DEST_PATH_IMAGE006
建立电压互感器误差状态正常和异常时的边 界条件，该边界条件为评估阈值
Figure 393908DEST_PATH_IMAGE007
。
采集待评估电压互感器运行过程中的实时输出信号，构建数据集并计算对应的实 时评估量
Figure 918737DEST_PATH_IMAGE008
，根据实时评估量
Figure 659160DEST_PATH_IMAGE008
与评估阈值
Figure 952738DEST_PATH_IMAGE007
的关系判断电压互感器的误差状态，并 结合各电压互感器对实时评估量
Figure 416212DEST_PATH_IMAGE008
的贡献率实现异常互感器的定位，最终完成电压互感 器误差状态的在线评估与异常定位。
本发明提供的一种基于概念漂移识别的电压互感器误差状态在线评估方法，利用无任何超参数的概念漂移识别方法解决了无标签数据发生概念漂移时所带来的不良影响，并能以较低的计算资源实现电压互感器误差状态的实时在线评估。
实施例一
本发明实施例提供了一种基于概念漂移识别的电压互感器误差状态在线评估方法，旨在摆脱停电操作的约束和对物理标准器的依赖，在解决数据集中概念漂移所带来的不良影响的同时，并以较低的计算资源实现电压互感器误差状态的在线评估。
如图1所示，本发明按照以下步骤对电压互感器的误差状态进行在线评估。
步骤1，采集变电站中待评估电压互感器的历史输出信号，获取同一电压等级下具 有电气连接关系的电压互感器的采样矩阵
Figure 199360DEST_PATH_IMAGE009
。
优选地，采集变电站内同一电压等级下具有电气连接关系的电压互感器历史输出 数据，如在通过母联断路器连接的双母线接线形式变电站中同一电压等级下配置有n组3n 台电压互感器时，则采集上述3n台电压互感器的历史输出数据，其所采集的历史电压信号 分别为
Figure 99183DEST_PATH_IMAGE010
、
Figure 242457DEST_PATH_IMAGE011
。
由于上述所述电压互感器所测量的一次电压相同，故将上述n组3n台电压互感器 的历史数据组成规模为
Figure 809704DEST_PATH_IMAGE012
的采样矩阵
Figure 514486DEST_PATH_IMAGE013
，R表示实数集，其中
Figure 901605DEST_PATH_IMAGE014
为采样点数， 即
Figure 802565DEST_PATH_IMAGE015
，其中
Figure 273254DEST_PATH_IMAGE016
，
Figure 929364DEST_PATH_IMAGE017
，
Figure 554511DEST_PATH_IMAGE018
。
在本优选实施方式中，从同一电压等级下配置有3组9台电压互感器的双母线接线 形式变电站中采集电压互感器正常运行时的数据作为原始数据集，并以原始数据集前9600 数据作为采样数据（其中该采样前8000点为正常数据，自第8001点开始人为引入误差模拟 概念漂移，即得到待评估电压互感器的历史采样矩阵
Figure 524741DEST_PATH_IMAGE019
）；以原始数据集后2400 数据作为在线评估的实时运行数据集（其中实时运行数据集前800点为正常数据，自第801 点开始人为引入误差模拟电压互感器的误差状态异常）。
步骤2，基于待评估电压互感器内部的相间关系构建识别矩阵
Figure 112586DEST_PATH_IMAGE020
，并利用无超参数 概念漂移识别方法对识别矩阵
Figure 142859DEST_PATH_IMAGE020
进行概念漂移识别，得到余弦相似度矩阵Y，根据余弦相似 度矩阵Y确定概念漂移分界点D，并基于概念漂移分界点D从采样矩阵X中提取得到理想建模 数据集
Figure 504570DEST_PATH_IMAGE021
。
优选地，基于待评估电压互感器内部的相间关系构建识别矩阵
Figure 29224DEST_PATH_IMAGE020
，并利用无超参 数概念漂移识别方法对识别矩阵
Figure 425570DEST_PATH_IMAGE020
进行概念漂移识别的情况分为两类：
（1）当组数n为1时，进行无超参数概念漂移识别的具体步骤如下：
首先基于待评估电压互感器内部的相间关系构建识别矩阵
Figure 144521DEST_PATH_IMAGE020
:
Figure 993528DEST_PATH_IMAGE022
（1）
其中
Figure 571140DEST_PATH_IMAGE023
，
Figure 369463DEST_PATH_IMAGE024
，
Figure 944800DEST_PATH_IMAGE025
。
其次计算识别矩阵
Figure 592688DEST_PATH_IMAGE020
中第
Figure 911674DEST_PATH_IMAGE026
个样本
Figure 79350DEST_PATH_IMAGE027
和第
Figure 576322DEST_PATH_IMAGE028
个样本
Figure 462238DEST_PATH_IMAGE029
之间的余弦相似度
Figure 319336DEST_PATH_IMAGE030
：
Figure 796978DEST_PATH_IMAGE031
（2）
然后计算识别矩阵
Figure 42015DEST_PATH_IMAGE020
中第
Figure 87331DEST_PATH_IMAGE026
个样本
Figure 764431DEST_PATH_IMAGE027
的余弦相似度为
Figure 906700DEST_PATH_IMAGE032
：
Figure 260321DEST_PATH_IMAGE033
（3）
最后得到识别矩阵
Figure 42201DEST_PATH_IMAGE020
的余弦相似度矩阵
Figure 568997DEST_PATH_IMAGE034
。
（2）当组数n大于等于2时，进行无超参数概念漂移识别的具体步骤如下：
首先基于待评估电压互感器内部的相间关系构建识别矩阵
Figure 503455DEST_PATH_IMAGE020
:
Figure 575447DEST_PATH_IMAGE035
（4）
其中
Figure 595356DEST_PATH_IMAGE036
为第i组电压互感器的识别矩阵，如式子（5）所示:
Figure 924180DEST_PATH_IMAGE037
Figure 978723DEST_PATH_IMAGE038
（5）
其次计算第i组电压互感器识别矩阵
Figure 674147DEST_PATH_IMAGE036
中样本
Figure 994401DEST_PATH_IMAGE039
、
Figure 331841DEST_PATH_IMAGE040
和
Figure 286897DEST_PATH_IMAGE041
之间的余 弦相似度
Figure 887643DEST_PATH_IMAGE042
、
Figure 944460DEST_PATH_IMAGE043
和
Figure 39586DEST_PATH_IMAGE044
，如下所示：
Figure 865460DEST_PATH_IMAGE045
（6）
Figure 168265DEST_PATH_IMAGE046
（7）
Figure 636680DEST_PATH_IMAGE047
（8）
然后计算第i组电压互感器识别矩阵
Figure 847082DEST_PATH_IMAGE036
中样本
Figure 465145DEST_PATH_IMAGE048
、
Figure 220742DEST_PATH_IMAGE049
和
Figure 986573DEST_PATH_IMAGE050
的余弦相似度
Figure 922037DEST_PATH_IMAGE051
、
Figure 722503DEST_PATH_IMAGE052
和
Figure 101531DEST_PATH_IMAGE053
，如下所示：
Figure 105391DEST_PATH_IMAGE054
（9）
Figure 392015DEST_PATH_IMAGE055
（10）
Figure 502447DEST_PATH_IMAGE056
（11）
即得到第i组电压互感器的余弦相似度
Figure 114694DEST_PATH_IMAGE057
。
最后得到识别矩阵
Figure 543533DEST_PATH_IMAGE020
的余弦相似度矩阵
Figure 899428DEST_PATH_IMAGE058
。
基于余弦相似度矩阵
Figure 346590DEST_PATH_IMAGE059
确定概念漂移分界点，其确认策略为：当余弦相似度矩阵
Figure 113426DEST_PATH_IMAGE059
呈现正向偏置时选取平稳数据段末尾中的极小值作为分界点
Figure 544407DEST_PATH_IMAGE060
；当余弦相似度矩阵
Figure 376097DEST_PATH_IMAGE059
呈现 负向偏置时选取平稳数据段末尾中的极大值作为分界点
Figure 756394DEST_PATH_IMAGE060
。最后以分界点前对应的采样数 据作为理想建模数据集
Figure 648127DEST_PATH_IMAGE061
。
在本优选实施方式中，为模拟电压互感器发生概念漂移的状况，自采样矩阵
Figure 300825DEST_PATH_IMAGE062
的8001点数据开始人为为第一组电压互感器的A相引入0.05%的突变误差以模 拟概念漂移。根据公式（4）-（11）对历史运行数据样本即采样矩阵X进行处理，分别计算待评 估电压互感器的余弦相似度，其中第一组电压互感器的余弦相似度如图2所示。可见，自100 点起，第一组电压互感器A相的余弦相似度发生突变，明显减小，其中平稳数据段末尾极小 值为第98个点，所对应的采样矩阵点为第7840点，故第一组电压互感器A相的概念漂移分界 点为第7840点。经检测其余电压互感器中并不存在概念漂移的情况，故以历史运行数据样 本即采样矩阵X中的前7840采样数据作为理想建模数据集
Figure 250720DEST_PATH_IMAGE063
，与实际情况相 符。
步骤3，基于z-score方法对理想建模数据集
Figure 672474DEST_PATH_IMAGE021
进行标准化处理得到理想建模数 据集的标准化矩阵
Figure 282578DEST_PATH_IMAGE064
。
优选地，对理想建模数据集
Figure 156993DEST_PATH_IMAGE021
进行标准化处理是指将步骤2中得到的理想建模数 据集
Figure 658381DEST_PATH_IMAGE021
处理为每列均值为零且方差为1的标准化矩阵
Figure 183910DEST_PATH_IMAGE064
，标准化处理方法具体如下：
Figure 683024DEST_PATH_IMAGE065
（12）
式中，
Figure 841473DEST_PATH_IMAGE066
为理想建模数据集
Figure 631706DEST_PATH_IMAGE021
的维数，
Figure 762473DEST_PATH_IMAGE067
是元素 全为1的列向量，
Figure 432488DEST_PATH_IMAGE068
，其中
Figure 115449DEST_PATH_IMAGE069
是矩阵
Figure 630744DEST_PATH_IMAGE021
中第
Figure 694647DEST_PATH_IMAGE026
列向量的均 值，如式（13）所示。
Figure 269984DEST_PATH_IMAGE070
，其中
Figure 917872DEST_PATH_IMAGE071
是矩阵
Figure 236858DEST_PATH_IMAGE021
中第
Figure 404534DEST_PATH_IMAGE026
列向量的方 差，如式（14）所示。
Figure 901506DEST_PATH_IMAGE072
（13）
Figure 521843DEST_PATH_IMAGE073
（14）
在本优选实施方式中，利用公式（12）-（14）对理想建模数据集
Figure 644520DEST_PATH_IMAGE021
进行标准化处 理，得到标准化矩阵
Figure 653320DEST_PATH_IMAGE074
，即理想建模数据集标准化矩阵
Figure 367199DEST_PATH_IMAGE064
。
步骤4，对理想建模数据集的标准化矩阵
Figure 491144DEST_PATH_IMAGE064
进行数据分离，得到标准化矩阵
Figure 151932DEST_PATH_IMAGE064
的一 次矩阵
Figure 12309DEST_PATH_IMAGE075
和误差矩阵
Figure 428247DEST_PATH_IMAGE076
。
优选地，对理想建模数据集标准化矩阵
Figure 960860DEST_PATH_IMAGE064
进行数据分离，得到反映一次电压波动的 一次矩阵
Figure 972809DEST_PATH_IMAGE075
和反映误差变化的误差矩阵
Figure 704005DEST_PATH_IMAGE076
，具体步骤如下所示：
首先计算协方差矩阵R：
R
Figure 480724DEST_PATH_IMAGE077
（15）
式中，左侧R为协方差矩阵，右侧为奇异值分解，
Figure 562950DEST_PATH_IMAGE078
为 协方差矩阵的特征值，并且排列顺序满足
Figure 565541DEST_PATH_IMAGE079
，
Figure 167555DEST_PATH_IMAGE075
为反映一次电压波动 的一次矩阵，
Figure 862978DEST_PATH_IMAGE076
为反映误差变化的误差矩阵。
其次，定义信息的贡献率
Figure 416188DEST_PATH_IMAGE080
和累计贡献率
Figure 19208DEST_PATH_IMAGE081
以确定标准化矩阵
Figure 928258DEST_PATH_IMAGE064
的一次矩阵
Figure 342053DEST_PATH_IMAGE075
和误差矩阵
Figure 336554DEST_PATH_IMAGE076
，其中贡献率
Figure 995462DEST_PATH_IMAGE080
描述的是第i个信息元素对总信息的相对贡献量，累计贡献率
Figure 759018DEST_PATH_IMAGE081
描述的是前m个信息元素所含信息对总信息的相对贡献量，如下所示：
Figure 592982DEST_PATH_IMAGE082
（16）
设置所述累计贡献率
Figure 825512DEST_PATH_IMAGE083
的要求阈值(例如
Figure 35913DEST_PATH_IMAGE084
)，确定满足要求的所述一 次矩阵
Figure 653976DEST_PATH_IMAGE004
和误差矩阵
Figure 173688DEST_PATH_IMAGE005
，实现理想建模数据集标准化矩阵
Figure 877202DEST_PATH_IMAGE064
中数据分离。
在本优选实施方式中，利用公式（15）-（16）对理想建模数据集的标准化矩阵
Figure 376447DEST_PATH_IMAGE064
进行 数据分离，得到的一次矩阵含有1个信息元素，误差矩阵含有8个信息元素。
步骤5，基于误差矩阵
Figure 114596DEST_PATH_IMAGE076
中的主要信息元素
Figure 290363DEST_PATH_IMAGE085
提取特征量
Figure 745089DEST_PATH_IMAGE086
，并结合核密度估计的 方法确定电压互感器误差状态正常和异常时的边界，即评估阈值
Figure 297293DEST_PATH_IMAGE087
。
优选地，从误差矩阵
Figure 889948DEST_PATH_IMAGE076
中分离出反应电压互感器误差状态变化的主要信息元素
Figure 252927DEST_PATH_IMAGE088
和反应电压互感器随机误差和***误差的次要信息元素，其中误差矩阵
Figure 931033DEST_PATH_IMAGE076
中最大特征值所 对应的特征向量即为误差矩阵
Figure 270617DEST_PATH_IMAGE076
中反应电压互感器误差状态变化的主要信息元素
Figure 717779DEST_PATH_IMAGE088
。基 于核密度估计方法计算置信度为
Figure 235348DEST_PATH_IMAGE089
的电压互感器评估阈值
Figure 948220DEST_PATH_IMAGE087
的步骤如下所示：
首先求解统计量
Figure 45489DEST_PATH_IMAGE086
：
Figure 396092DEST_PATH_IMAGE090
（17）
然后基于核密度估计的方法确定置信度
Figure 84562DEST_PATH_IMAGE089
下的评估阈值
Figure 550310DEST_PATH_IMAGE087
，具体步骤如下：
令
Figure 248008DEST_PATH_IMAGE086
统计量概率密度函数为
Figure 184608DEST_PATH_IMAGE091
，
Figure 247242DEST_PATH_IMAGE091
在任意点
Figure 918395DEST_PATH_IMAGE086
处的核密度估计如下所示：
Figure 170516DEST_PATH_IMAGE092
（18）
式中，
Figure 243514DEST_PATH_IMAGE093
为高斯函数，如式(19)所示。
Figure 525984DEST_PATH_IMAGE094
（19）
式中h为带宽:
Figure 684433DEST_PATH_IMAGE095
（20）
通过核密度估计法，评估量
Figure 146770DEST_PATH_IMAGE086
的概率分布函数
Figure 605433DEST_PATH_IMAGE096
如下所示：
Figure 275449DEST_PATH_IMAGE097
（21）
显著性水平
Figure 45827DEST_PATH_IMAGE089
下的评估阈值
Figure 561122DEST_PATH_IMAGE087
如下所示：
Figure 126489DEST_PATH_IMAGE098
（22）
Figure 701827DEST_PATH_IMAGE089
的取值可以为99%。
在本优选实施方式中，根据公式（17）-（22）计算得到电压互感器误差状态正常和 异常时的边界条件
Figure 834868DEST_PATH_IMAGE099
0.09。
步骤6，采集待评估电压互感器运行过程中的实时二次输出信号，计算对应的实时 评估量
Figure 966903DEST_PATH_IMAGE100
，根据实时评估量
Figure 869000DEST_PATH_IMAGE100
与评估阈值
Figure 864507DEST_PATH_IMAGE087
的关系判断待评估互感器中是否存在着 误差状态异常的互感器；
优选地，根据待评估电压互感器采集实时输出信号以构成在线评估数据集：
Figure 16003DEST_PATH_IMAGE101
并参照公式(12)-公式(14)对其进行标准化处理，得到标准化后的在线评估数据：
Figure 889412DEST_PATH_IMAGE102
并根据公式（17）计算所对应的实时评估量
Figure 911595DEST_PATH_IMAGE103
：
Figure 828735DEST_PATH_IMAGE104
（23）
即根据公式（23）得到待评估电压互感器的实时评估量
Figure 176847DEST_PATH_IMAGE100
。
将待评估电压互感器的实时评估量
Figure 899952DEST_PATH_IMAGE100
与评估阈值
Figure 261795DEST_PATH_IMAGE087
进行比对，若该时刻的实 时评估量小于评估阈值，表明待评估电压互感器都处于正常运行状态，此时继续监测并更 新实时评估量；若实时评估量超出了评估阈值，则说明出现了运行误差异常的电压互感器。
图3为根据本发明优选实施方式的待评估电压互感器的实时评估量
Figure 615415DEST_PATH_IMAGE100
。为模拟 电压互感器运行状态的变化，以原始数据集后2400数据作为在线评估的实时运行数据集。 在实时运行数据集中，自第801点开始，在第二组电压互感器B相添加渐变误差
Figure 459612DEST_PATH_IMAGE105
/点。通过对采集的2400组数据进行处理，得到2400个采样数据测试点，分 别计算其实时评估量
Figure 455250DEST_PATH_IMAGE100
，并与评估阈值进行比较，结果如图3所示。可见，从第1260组数据 以后，实时评估量
Figure 389708DEST_PATH_IMAGE100
均超过图中虚线即评估阈值
Figure 727280DEST_PATH_IMAGE087
,对应引入的比值差为0.072%，故可 知所述待评估电压互感器内存在着运行状态异常的互感器。
步骤7，当判断待评估电压互感器内存在误差状态异常的互感器时，通过计算待评 估电压互感器对实时评估量
Figure 481609DEST_PATH_IMAGE100
的贡献率实现对异常互感器的定位，并上报信息
优选地，对于待评估电压互感器内确定存在运行状态异常的互感器时，计算各互 感器对于实时评估量
Figure 798714DEST_PATH_IMAGE100
贡献率的大小，贡献率的计算方式如下所示：
Figure 915575DEST_PATH_IMAGE106
（24）
Figure 361731DEST_PATH_IMAGE107
为第i台电压互感器的贡献率，
Figure 931253DEST_PATH_IMAGE108
表示第i台电压互感器标准化后的实时数 据，
Figure 737535DEST_PATH_IMAGE109
为
Figure 692590DEST_PATH_IMAGE108
的投影。
Figure 824494DEST_PATH_IMAGE110
（25）
所述运行误差异常的电压互感器即为待评估互感器中贡献率最大所对应的电压互感器，并上报信息。
图4为根据本发明优选实施方式的待评估电压互感器运行误差异常时的贡献率。 对于所述运行误差异常的电压互感器，计算各相对实时评估量
Figure 553416DEST_PATH_IMAGE100
的贡献率，如图4所示， 可以看出第二组B相电压互感器的贡献率最大，判断为待评估电压互感器中的第二组B相电 压互感器异常，与实际异常设置相吻合。
对本方法进行仿真验证可知，所述方法可实现变电站内电压互感器的在线监测与异常定位，且当作为建模数据集的历史数据中存在着概念漂移时，仍旧保持了评估的有效性和准确性，且评估灵敏度约为0.07%；同时本发明仅利用误差矩阵中的部分元素进行建模和评估，显著降低了对于计算资源的需求。本发明解决了电压互感器不停电条件下的在线评估问题，与现有计量异常状态检测方法相比，极大提高了在线评估方法的有效性和适应性。
实施例二
本发明实施例提供一种基于概念漂移和主成分分析的电压互感器状态评估***，包括：
概念漂移识别模块，用于采集变电站内电压互感器的历史输出信号，并获取同一 电压等级下具有电气连接关系的待评估互感器采样矩阵X；基于待评估电压互感器内部的 相间关系构建识别矩阵
Figure 507596DEST_PATH_IMAGE020
，并利用无超参数概念漂移识别方法对识别矩阵
Figure 54509DEST_PATH_IMAGE020
进行概念漂 移识别，计算得到余弦相似度矩阵
Figure 622893DEST_PATH_IMAGE059
和概念漂移分界点
Figure 917739DEST_PATH_IMAGE060
，并根据余弦相似度矩阵
Figure 65824DEST_PATH_IMAGE059
和概念 漂移分界点
Figure 746204DEST_PATH_IMAGE060
从采样矩阵X中提取得到理想建模数据集
Figure 938020DEST_PATH_IMAGE021
；结合z-score方法对理想建模 数据集
Figure 907113DEST_PATH_IMAGE021
进行标准化处理得到理想建模数据集的标准化矩阵
Figure 655626DEST_PATH_IMAGE064
。
离线建模模块，用于对理想建模数据集
Figure 144507DEST_PATH_IMAGE064
进行数据分离，得到理想建模数据集
Figure 585853DEST_PATH_IMAGE064
的 一次矩阵
Figure 42242DEST_PATH_IMAGE075
和误差矩阵
Figure 784327DEST_PATH_IMAGE076
；结合从误差矩阵
Figure 439299DEST_PATH_IMAGE076
中提取出的主要信息元素
Figure 989229DEST_PATH_IMAGE088
建立相应的特征 量
Figure 588706DEST_PATH_IMAGE086
，同时结合核密度估计的方法确定检验置信度
Figure 21017DEST_PATH_IMAGE089
下电压互感器误差状态正常和异常时 的边界条件，即评估阈值
Figure 264917DEST_PATH_IMAGE087
。
在线评估模块，用于采集待评估电压互感器的实时二次输出信号，构建采样数据 集并计算对应的
Figure 300262DEST_PATH_IMAGE100
实时评估量，根据实时评估量
Figure 324719DEST_PATH_IMAGE100
与评估阈值
Figure 156409DEST_PATH_IMAGE087
的关系判断是否存 在运行误差异常的电压互感器，若无则继续监测并更新实时
Figure 520394DEST_PATH_IMAGE100
统计量；反之则通过计算 各电压互感器对实时评估量
Figure 461062DEST_PATH_IMAGE100
的贡献率实现对异常电压互感器的定位，并上报信息。
本发明所述的一种基于概念漂移识别的电压互感器误差状态在线评估***对电压互感器进行运行状态检测和定位的步骤与本发明所述的一种基于概念漂移识别的电压互感器误差状态在线评估方法步骤相同，达到的技术效果也相同，在此不再赘述。
需要说明的是，实施例中所述的方法可以通过计算机软件程序实现，基于此，本发明实施例还提供一种电子设备，包括：
存储器，用于存储计算机软件程序；
处理器，用于读取并执行所述存储器中存储的计算机软件程序，并实现本发明第一方面所述的一种基于概念漂移识别的电压互感器误差状态在线评估方法。
同时还需说明的是，计算机软件程序中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于概念漂移识别的电压互感器误差状态在线评估方法，其特征在于，所述方法包括：
采集待评估电压互感器的历史输出信号以构建采样矩阵X，根据所述待评估电压互感器内部的相间关系以及所述采样矩阵X构建识别矩阵
Figure DEST_PATH_IMAGE001
，对所述识别矩阵
Figure 743037DEST_PATH_IMAGE001
进行概念漂移识别后得到概念漂移分界点D，基于所述概念漂移分界点D从所述采样矩阵X中提取得到电压互感器误差状态在线评估的理想建模数据集
Figure 753719DEST_PATH_IMAGE002
，进行标准化处理后得到对所述理想建模数据集
Figure 783991DEST_PATH_IMAGE002
的标准化矩阵
Figure DEST_PATH_IMAGE003
；
对所述标准化矩阵
Figure 880123DEST_PATH_IMAGE003
进行数据分离和重构，得到所述标准化矩阵
Figure 903312DEST_PATH_IMAGE003
的一次矩阵
Figure 768500DEST_PATH_IMAGE004
和误差矩阵
Figure DEST_PATH_IMAGE005
，根据所述误差矩阵
Figure 969674DEST_PATH_IMAGE005
中提取出的主要信息元素
Figure 553102DEST_PATH_IMAGE006
建立电压互感器误差状态正常和异常时的边界条件,所述边界条件为评估阈值
Figure DEST_PATH_IMAGE007
；
采集所述待评估电压互感器运行过程中的实时输出信号，构建数据集并计算对应的实时评估量
Figure 615867DEST_PATH_IMAGE008
，根据所述实时评估量
Figure 601141DEST_PATH_IMAGE008
与评估阈值
Figure 973216DEST_PATH_IMAGE007
的关系判断电压互感器的误差状态，并结合各电压互感器对实时评估量
Figure 43940DEST_PATH_IMAGE008
的贡献率实现异常互感器的定位。
2.根据权利要求1所述的方法，其特征在于，所述采样矩阵X为变电站内同一电压等级下具有电气连接关系的电压互感器的历史输出数据；
所述电压互感器的历史输出数据包括采集的电压信号
Figure DEST_PATH_IMAGE009
、
Figure 408931DEST_PATH_IMAGE010
，n表示配置的电压互感器的组数；
所述采样矩阵
Figure DEST_PATH_IMAGE011
，R表示实数集，
Figure 311028DEST_PATH_IMAGE012
表示采样点数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述待评估电压互感器内部的相间关系以及所述采样矩阵X构建识别矩阵
Figure 791688DEST_PATH_IMAGE001
的过程包括：
n表示配置的电压互感器的组数；
n为1时，所述识别矩阵
Figure DEST_PATH_IMAGE013
；
其中，
Figure 897179DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE015
，
Figure 754276DEST_PATH_IMAGE016
；
n≥2时，所述识别矩阵
Figure DEST_PATH_IMAGE017
；
其中，
Figure 510880DEST_PATH_IMAGE018
为第i组电压互感器的识别矩阵:
Figure DEST_PATH_IMAGE019
Figure 474025DEST_PATH_IMAGE020
。
4.根据权利要求3所述的方法，其特征在于，所述对所述识别矩阵
Figure 519342DEST_PATH_IMAGE001
进行概念漂移识别后得到概念漂移分界点D，基于所述概念漂移分界点D从所述采样矩阵X中提取得到理想建模数据集
Figure 914551DEST_PATH_IMAGE002
包括：
基于无任何超参数的概念漂移识别方法对所述识别矩阵
Figure 525661DEST_PATH_IMAGE001
进行概念漂移识别，得到余弦相似度矩阵Y；
当所述余弦相似度矩阵Y呈现正向偏置时选取平稳数据末尾段中的极小值作为所述概念漂移分界点D；
当所述余弦相似度矩阵Y呈现负向偏置时选取平稳数据末尾段中的极大值作为所述概念漂移分界点D；
以所述采样矩阵X中所述概念漂移分界点D前对应的采样数据作为所述理想建模数据集
Figure DEST_PATH_IMAGE021
，
Figure 426752DEST_PATH_IMAGE022
为理想建模数据集的维数。
5.根据权利要求4所述的方法，其特征在于,所述n为1时，所述余弦相似度矩阵
Figure DEST_PATH_IMAGE023
；
Figure 693785DEST_PATH_IMAGE024
；
Figure DEST_PATH_IMAGE025
；i和j为样本序号数，
Figure 955002DEST_PATH_IMAGE026
和
Figure DEST_PATH_IMAGE027
分别表示识别矩阵
Figure 669886DEST_PATH_IMAGE028
中第
Figure DEST_PATH_IMAGE029
个样本和第
Figure DEST_PATH_IMAGE031
个样本；
n≥2时，所述余弦相似度矩阵
Figure 991146DEST_PATH_IMAGE032
；
Figure DEST_PATH_IMAGE033
；
Figure 745476DEST_PATH_IMAGE034
；
Figure DEST_PATH_IMAGE035
；
Figure 295537DEST_PATH_IMAGE036
；
Figure DEST_PATH_IMAGE037
；
Figure 881239DEST_PATH_IMAGE038
；
Figure DEST_PATH_IMAGE039
。
6.根据权利要求1所述的方法，其特征在于，所述标准化处理的过程包括：
Figure 311083DEST_PATH_IMAGE040
；
其中，
Figure 598714DEST_PATH_IMAGE022
为理想建模数据集
Figure 139417DEST_PATH_IMAGE002
的维数，
Figure DEST_PATH_IMAGE041
是元素全为1的列向量，
Figure 845205DEST_PATH_IMAGE042
，其中
Figure DEST_PATH_IMAGE043
是矩阵
Figure 993420DEST_PATH_IMAGE002
中第
Figure 722342DEST_PATH_IMAGE044
列向量的均值，
Figure DEST_PATH_IMAGE045
，其中
Figure 863473DEST_PATH_IMAGE046
是矩阵
Figure 361451DEST_PATH_IMAGE002
中第
Figure 867518DEST_PATH_IMAGE044
列向量的方差。
7.根据权利要求1所述的方法，其特征在于，所述对所述标准化矩阵
Figure 395320DEST_PATH_IMAGE003
进行数据分离和重构，得到所述标准化矩阵
Figure 277826DEST_PATH_IMAGE003
的一次矩阵
Figure 630310DEST_PATH_IMAGE004
和误差矩阵
Figure 635175DEST_PATH_IMAGE005
包括：
进行奇异值分解：
Figure DEST_PATH_IMAGE047
；
其中，R为协方差矩阵，
Figure 73109DEST_PATH_IMAGE048
为协方差矩阵的特征值，并且排列顺序满足
Figure DEST_PATH_IMAGE049
，U为反映一次电压波动的一次矩阵，V为反映误差变化的误差矩阵；
定义信息贡献率
Figure 306776DEST_PATH_IMAGE050
和累计贡献率
Figure DEST_PATH_IMAGE051
，所述信息贡献率
Figure 841662DEST_PATH_IMAGE050
描述的是第i个信息元素对总信息的相对贡献量，所述累计贡献率
Figure 689533DEST_PATH_IMAGE051
描述的是前m个信息元素所含信息对总信息的相对贡献量：
Figure 926348DEST_PATH_IMAGE052
；
设置所述累计贡献率
Figure 150656DEST_PATH_IMAGE051
的要求阈值，确定满足要求的所述一次矩阵
Figure 477732DEST_PATH_IMAGE004
和误差矩阵
Figure 824400DEST_PATH_IMAGE005
。
8.根据权利要求1所述的方法，其特征在于，所述根据所述误差矩阵
Figure 236926DEST_PATH_IMAGE005
建立电压互感器误差状态正常和异常时的边界条件包括：基于所述误差矩阵
Figure 999346DEST_PATH_IMAGE005
中的主要信息元素
Figure DEST_PATH_IMAGE053
提取评估量
Figure 993978DEST_PATH_IMAGE054
，结合核密度估计的方法确定所述评估阈值
Figure 449230DEST_PATH_IMAGE007
；
所述主要信息元素
Figure 411370DEST_PATH_IMAGE053
为所述误差矩阵
Figure 977480DEST_PATH_IMAGE005
中最大特征值所对应的特征向量；
所述评估量
Figure DEST_PATH_IMAGE055
；
定义所述评估量
Figure 325154DEST_PATH_IMAGE054
的概率密度函数为
Figure 951307DEST_PATH_IMAGE056
，
Figure 400743DEST_PATH_IMAGE056
在任意点
Figure 504966DEST_PATH_IMAGE054
处的核密度估计为：
Figure DEST_PATH_IMAGE057
；式中，
Figure 474190DEST_PATH_IMAGE058
为高斯核函数，h为带宽，
Figure DEST_PATH_IMAGE059
是评估量
Figure 271244DEST_PATH_IMAGE054
的第i个值；
通过核密度估计法，得到所述评估量
Figure 942397DEST_PATH_IMAGE054
的分布函数
Figure 115890DEST_PATH_IMAGE060
为：
Figure DEST_PATH_IMAGE061
；
计算显著性水平
Figure 438155DEST_PATH_IMAGE062
下的所述评估阈值
Figure DEST_PATH_IMAGE063
。
9.根据权利要求1所述的方法，其特征在于，确定所述实时评估量
Figure 406111DEST_PATH_IMAGE008
的过程包括：对所述实时输出信号进行标准化处理后得到标准化后的在线评估数据：
Figure 564560DEST_PATH_IMAGE064
；n表示配置的电压互感器的组数；
计算所述实时评估量
Figure DEST_PATH_IMAGE065
。
10.根据权利要求1所述的方法，其特征在于，所述根据所述实时评估量
Figure 10585DEST_PATH_IMAGE008
与评估阈值
Figure 954401DEST_PATH_IMAGE007
的关系判断电压互感器的误差状态，并结合各电压互感器对实时评估量
Figure 93259DEST_PATH_IMAGE008
的贡献率实现异常互感器的定位包括：
若当前时刻的实时评估量
Figure 676687DEST_PATH_IMAGE008
小于评估阈值
Figure 988719DEST_PATH_IMAGE007
，表明待评估电压互感器都处于正常运行状态，此时继续监测并更新所述实时评估量
Figure 973993DEST_PATH_IMAGE008
；
若实时评估量
Figure 595336DEST_PATH_IMAGE008
超出了评估阈值
Figure 666060DEST_PATH_IMAGE007
，则表示出现了误差状态异常的电压互感器,计算各台所述待评估电压互感器对实时评估量
Figure 719467DEST_PATH_IMAGE008
的贡献率，确定所述误差状态异常的电压互感器为所述待评估互感器中贡献率最大时所对应的电压互感器；
所述贡献率的计算公式为：
Figure 621564DEST_PATH_IMAGE066
；
Figure DEST_PATH_IMAGE067
为第i台电压互感器的贡献率，
Figure 102224DEST_PATH_IMAGE068
表示第i台电压互感器标准化后的实时数据，
Figure DEST_PATH_IMAGE069
为
Figure 207714DEST_PATH_IMAGE068
的投影。
CN202110337373.8A 2021-03-30 2021-03-30 基于概念漂移识别的电压互感器误差状态在线评估方法 Active CN112731260B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110337373.8A CN112731260B (zh) 2021-03-30 2021-03-30 基于概念漂移识别的电压互感器误差状态在线评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110337373.8A CN112731260B (zh) 2021-03-30 2021-03-30 基于概念漂移识别的电压互感器误差状态在线评估方法

Publications (2)

Publication Number Publication Date
CN112731260A CN112731260A (zh) 2021-04-30
CN112731260B true CN112731260B (zh) 2021-07-09

Family

ID=75596014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110337373.8A Active CN112731260B (zh) 2021-03-30 2021-03-30 基于概念漂移识别的电压互感器误差状态在线评估方法

Country Status (1)

Country Link
CN (1) CN112731260B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113567908B (zh) * 2021-06-15 2024-01-23 国网湖南省电力有限公司 计及电压波动的电能计量误差评估方法及装置
CN113239132B (zh) * 2021-07-12 2021-09-24 武汉格蓝若智能技术有限公司 一种电压互感器的超差在线辨识方法
CN113702895B (zh) * 2021-10-28 2022-02-08 华中科技大学 一种电压互感器误差状态在线定量评估方法
CN114401205B (zh) * 2022-01-21 2024-01-16 中国人民解放军国防科技大学 无标注多源网络流量数据漂移检测方法和装置
CN115248906B (zh) * 2022-09-22 2023-01-06 武汉格蓝若智能技术有限公司 一种发电机出线双电流互感器的状态误差识别方法及***
CN116125361B (zh) * 2023-02-03 2023-07-18 华中科技大学 电压互感器误差评估方法、***、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2901335Y (zh) * 2006-05-26 2007-05-16 天地上海采掘装备科技有限公司 电流互感器故障自检测装置
WO2006113518A3 (en) * 2005-04-14 2009-04-16 Schweitzer Engineering Lab Inc Correction of phase shifts introduced between transformer windings
CN101413995A (zh) * 2008-11-28 2009-04-22 南瑞航天（北京）电气控制技术有限公司 一种电子式电流互感器校验装置
CN102095926A (zh) * 2009-01-12 2011-06-15 基乃克茨产品有限公司 用于自动检测电力***配置的***
CN107390156A (zh) * 2017-06-19 2017-11-24 国网湖南省电力公司计量中心 一种基于基波零序特征的电力互感器状态监测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006113518A3 (en) * 2005-04-14 2009-04-16 Schweitzer Engineering Lab Inc Correction of phase shifts introduced between transformer windings
CN2901335Y (zh) * 2006-05-26 2007-05-16 天地上海采掘装备科技有限公司 电流互感器故障自检测装置
CN101413995A (zh) * 2008-11-28 2009-04-22 南瑞航天（北京）电气控制技术有限公司 一种电子式电流互感器校验装置
CN102095926A (zh) * 2009-01-12 2011-06-15 基乃克茨产品有限公司 用于自动检测电力***配置的***
CN107390156A (zh) * 2017-06-19 2017-11-24 国网湖南省电力公司计量中心 一种基于基波零序特征的电力互感器状态监测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
全光纤电流互感器白噪声特性及对测试的影响研究;高吉普 等;《电测与仪表》;20160525;第52-57页 *

Also Published As

Publication number Publication date
CN112731260A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
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
CN112098915B (zh) 双母线分段接线下多台电压互感器继发性误差的评估方法
CN113702895B (zh) 一种电压互感器误差状态在线定量评估方法
CN113239132B (zh) 一种电压互感器的超差在线辨识方法
CN104933012A (zh) 一种牵引变电所互感器的测量偏差故障在线识别方法
CN117748507B (zh) 基于高斯回归模型的配网谐波接入不确定性评估方法
CN111796233B (zh) 双母线接线形式下多台电压互感器继发性误差的评估方法
CN114623050A (zh) 风电机组的运行数据异常检测方法、***及介质
CN114091549A (zh) 一种基于深度残差网络的设备故障诊断方法
CN115169704A (zh) 基于增量集成学习模型的cvt误差状态预测方法和装置
CN117074961A (zh) 一种变分自编码器动力电池异常检测方法、***、装置及存储介质
CN115408864A (zh) 电子式互感器误差状态自适应预测方法、***及设备
CN116610998A (zh) 一种基于多模态数据融合的开关柜故障诊断方法和***
CN114116832A (zh) 一种基于数据驱动的配电网异常识别方法
Ma et al. Measurement error assessment for smart electricity meters under extreme natural environmental stresses
CN117150244B (zh) 基于电参数分析的智能配电柜状态监测方法及***
CN117630797A (zh) 基于工作电流的电表健康状态检测方法、***及存储介质
CN116070140B (zh) 一种配电变电站安全运行状态监测***及方法
CN115343579B (zh) 一种电网故障分析方法、装置及电子设备
CN116565861A (zh) 一种配电网可靠性评估方法、***、设备和介质
CN115859594A (zh) 基于层次分析的变电设备的健康评估算法
CN114487643A (zh) 一种特高压gil设备现场交接验收综合测试平台
Gong et al. State detection method of secondary equipment in smart substation based on deep belief network and trend prediction
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
CN117350174B (zh) 预测智能电表剩余寿命的方法、***、电子设备及介质

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