CN115204757A - 一种谐波污染分区方法 - Google Patents
一种谐波污染分区方法 Download PDFInfo
- Publication number
- CN115204757A CN115204757A CN202211119913.6A CN202211119913A CN115204757A CN 115204757 A CN115204757 A CN 115204757A CN 202211119913 A CN202211119913 A CN 202211119913A CN 115204757 A CN115204757 A CN 115204757A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- nodes
- node
- harmonic pollution
- distribution network
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000000638 solvent extraction Methods 0.000 title claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 238000005192 partition Methods 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000013316 zoning Methods 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 14
- 230000001174 ascending effect Effects 0.000 claims description 10
- 230000009191 jumping Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010248 power generation Methods 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种谐波污染分区方法,包括以下步骤:S1、采集配电网各节点的谐波电压数据,并对谐波电压数据进行填充,得到谐波电压序列;S2、根据谐波电压序列,计算配电网两节点间的关联度矩阵;S3、根据配电网两节点间的关联度矩阵,计算平均值和节点数期望值;S4、根据平均值和节点数期望值,对谐波污染进行分区,并计算谐波污染分区评价值,得到最佳谐波污染分区结果;本发明解决了现有谐波污染治理方法存在谐波污染分区精度不高的问题。
Description
技术领域
本发明涉及电力***领域,具体涉及一种谐波污染分区方法。
背景技术
近年来,电能质量在线监测***已成为我国建设范围最为广、谐波测量最为全的电力***管理分析平台,已实现全国省市级电网公司全覆盖,该***提供了海量的谐波污染监测数据,为通过数据驱动手段治理谐波污染问题提供了基础和有利条件。随着新能源发电方式多样化和大量电力电子负荷的接入,电网中谐波污染问题趋于复杂化、多样化,使得谐波源位置追溯更加困难。现有的谐波污染治理方法主要依靠人工经验分析和电网机理建模,存在谐波污染分区精度不高的问题。
发明内容
针对现有技术中的上述不足,本发明提供的一种谐波污染分区方法解决了现有谐波污染治理方法存在谐波污染分区精度不高的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种谐波污染分区方法,包括以下步骤:
S1、采集配电网各节点的谐波电压数据,并对谐波电压数据进行填充,得到谐波电压序列;
S2、根据谐波电压序列,计算配电网两节点间的关联度矩阵;
S3、根据配电网两节点间的关联度矩阵,计算平均值和节点数期望值;
S4、根据平均值和节点数期望值,对谐波污染进行分区,并计算谐波污染分区评价值,得到最佳谐波污染分区结果。
进一步地,所述步骤S1中对谐波电压数据进行填充的方法为:根据采样时间去查找谐波电压数据中的丢失点,取丢失点左右相邻采样时间点的谐波电压值的平均值作为丢失点的谐波电压值。
进一步地,所述步骤S1中进行填充的公式为:
进一步地,所述步骤S2中计算配电网两节点间的关联度矩阵的公式为:
进一步地,所述步骤S3中计算平均值的公式为:
上述进一步方案的有益效果为:升序排列之后使得所有距离从小到大排列,从而使得计算后的平均值也从小到大排列,在平均值排列后,再以每个平均值领域中去找节点数量,使得计算的节点数量期望随平均值的变化规律而变化,在后续迭代过程中,平均值和节点数量期望从小范围逐步扩展到大范围的进行节点搜索,避免节点遗漏。
进一步地,所述步骤S3中计算节点数期望的公式为:
进一步地,所述步骤S4包括以下分步骤:
S42、从配电网中选取一节点,作为参考节点;
S43、判断将参考节点作为中心,以平均值为半径的圆内是否存在不少于节点数期望的节点,若是,则该参考节点和其邻域内节点为一个谐波污染分区,并跳转至步骤S44,若否,则该参考点为噪声点,并跳转至步骤S44;
S44、从配电网中选取下一节点,作为参考节点,并跳转至步骤S43,直到配电网中所有节点遍历完;
S46、计算谐波污染分区评价值,从经过步骤S41~S45得到的所有谐波污染分区选取最佳谐波污染分区结果。
上述进一步方案的有益效果为:本发明在不同的平均值和节点数期望下,去挖掘所有的噪声点,同时,将所有能分区的节点找到对应的谐波污染分区,因此可能存在一个节点对应多个分区的情况,通过计算谐波污染分区评价值,从而找到最佳谐波污染分区结果,提升分区精度;并且本发明在分区时遍历各平均值和节点数期望同时计算其对应分类结果的谐波污染分区评价值,谐波污染分区评价值最大时所对应的节点分类结果为最佳结果。
进一步地,所述步骤S46中计算谐波污染分区评价值公式为:
上述进一步方案的有益效果为:在谐波污染分区评价值最大时,找到最佳谐波污染分区结果,距离其他谐波污染分区内节点越远,且距离自己所在谐波污染分区内节点越近的分区为最佳谐波污染分区结果。
本发明的有益效果为:本发明通过配电网两节点间的关联度矩阵去描述两节点间的关联程度,通过平均值和节点数期望值去衡量谐波污染分区的范围,通过多次循环迭代找到所有谐波污染分区,并通过谐波污染分区评价值找到最佳谐波污染分区结果,提升分区精度。
附图说明
图1为一种谐波污染分区方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种谐波污染分区方法,包括以下步骤:
S1、采集配电网各节点的谐波电压数据,并对谐波电压数据进行填充,得到谐波电压序列;
所述步骤S1中对谐波电压数据进行填充的方法为:根据采样时间去查找谐波电压数据中的丢失点,取丢失点左右相邻采样时间点的谐波电压值的平均值作为丢失点的谐波电压值。
所述步骤S1中进行填充的公式为:
S2、根据谐波电压序列,计算配电网两节点间的关联度矩阵;
所述步骤S2中计算配电网两节点间的关联度矩阵的公式为:
S3、根据配电网两节点间的关联度矩阵,计算平均值和节点数期望值;
所述步骤S3中计算平均值的公式为:
所述步骤S3中计算节点数期望的公式为:
S4、根据平均值和节点数期望值,对谐波污染进行分区,并计算谐波污染分区评价值,得到最佳谐波污染分区结果。
所述步骤S4包括以下分步骤:
S42、从配电网中选取一节点,作为参考节点;
S43、判断将参考节点作为中心,以平均值为半径的圆内是否存在不少于节点数期望的节点,若是,则该参考节点和其邻域内节点为一个谐波污染分区,并跳转至步骤S44,若否,则该参考点为噪声点,并跳转至步骤S44;
S44、从配电网中选取下一节点,作为参考节点,并跳转至步骤S43,直到配电网中所有节点遍历完;
S46、计算谐波污染分区评价值,从经过步骤S41~S45得到的所有谐波污染分区选取最佳谐波污染分区结果。
所述步骤S46中计算谐波污染分区评价值公式为:
Claims (8)
1.一种谐波污染分区方法,其特征在于,包括以下步骤:
S1、采集配电网各节点的谐波电压数据,并对谐波电压数据进行填充,得到谐波电压序列;
S2、根据谐波电压序列,计算配电网两节点间的关联度矩阵;
S3、根据配电网两节点间的关联度矩阵,计算平均值和节点数期望值;
S4、根据平均值和节点数期望值,对谐波污染进行分区,并计算谐波污染分区评价值,得到最佳谐波污染分区结果。
2.根据权利要求1所述的谐波污染分区方法,其特征在于,所述S1中对谐波电压数据进行填充的方法为:根据采样时间去查找谐波电压数据中的丢失点,取丢失点左右相邻采样时间点的谐波电压值的平均值作为丢失点的谐波电压值。
7.根据权利要求6所述的谐波污染分区方法,其特征在于,所述S4包括以下分步骤:
S42、从配电网中选取一节点,作为参考节点;
S43、判断将参考节点作为中心,以平均值为半径的圆内是否存在不少于节点数期望的节点,若是,则该参考节点和其邻域内节点为一个谐波污染分区,并跳转至步骤S44,若否,则该参考点为噪声点,并跳转至步骤S44;
S44、从配电网中选取下一节点,作为参考节点,并跳转至步骤S43,直到配电网中所有节点遍历完;
S46、计算谐波污染分区评价值,从经过步骤S41~S45得到的所有谐波污染分区选取最佳谐波污染分区结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211119913.6A CN115204757A (zh) | 2022-09-15 | 2022-09-15 | 一种谐波污染分区方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211119913.6A CN115204757A (zh) | 2022-09-15 | 2022-09-15 | 一种谐波污染分区方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115204757A true CN115204757A (zh) | 2022-10-18 |
Family
ID=83572983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211119913.6A Pending CN115204757A (zh) | 2022-09-15 | 2022-09-15 | 一种谐波污染分区方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204757A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6584433B1 (en) * | 2000-10-04 | 2003-06-24 | Hewlett-Packard Development Company Lp | Harmonic average based clustering method and system |
WO2007072400A2 (en) * | 2005-12-20 | 2007-06-28 | Koninklijke Philips Electronics N.V. | A method and apparatus for determining the location of nodes in a wireless network |
CN102323469A (zh) * | 2011-07-27 | 2012-01-18 | 四川大学 | 谐波负荷状态监测*** |
US20120089264A1 (en) * | 2007-08-27 | 2012-04-12 | Patel Sureshchandra B | System and method of loadflow calculation for electrical power system |
CN108242812A (zh) * | 2018-03-19 | 2018-07-03 | 东北大学 | 基于模块度优化的双阶段无功电压分区方法及*** |
CN108281963A (zh) * | 2018-01-17 | 2018-07-13 | 浙江大学 | 一种适用于含多个柔性多状态开关的配电网分区方法 |
CN110850164A (zh) * | 2019-10-25 | 2020-02-28 | 华北电力大学 | 考虑背景谐波电压波动和阻抗变化的多谐波责任划分方法 |
CN111898499A (zh) * | 2020-07-17 | 2020-11-06 | 东南大学 | 基于互近似熵与聚类的多谐波源谐波责任划分方法 |
CN114444589A (zh) * | 2022-01-25 | 2022-05-06 | 国网山西省电力公司电力科学研究院 | 一种基于kDBA聚类的谐波污染分区方法 |
CN114912356A (zh) * | 2022-05-12 | 2022-08-16 | 国网重庆市电力公司电力科学研究院 | 冲击性负荷的分段概率谐波模型构建方法 |
-
2022
- 2022-09-15 CN CN202211119913.6A patent/CN115204757A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6584433B1 (en) * | 2000-10-04 | 2003-06-24 | Hewlett-Packard Development Company Lp | Harmonic average based clustering method and system |
WO2007072400A2 (en) * | 2005-12-20 | 2007-06-28 | Koninklijke Philips Electronics N.V. | A method and apparatus for determining the location of nodes in a wireless network |
US20120089264A1 (en) * | 2007-08-27 | 2012-04-12 | Patel Sureshchandra B | System and method of loadflow calculation for electrical power system |
CN102323469A (zh) * | 2011-07-27 | 2012-01-18 | 四川大学 | 谐波负荷状态监测*** |
CN108281963A (zh) * | 2018-01-17 | 2018-07-13 | 浙江大学 | 一种适用于含多个柔性多状态开关的配电网分区方法 |
CN108242812A (zh) * | 2018-03-19 | 2018-07-03 | 东北大学 | 基于模块度优化的双阶段无功电压分区方法及*** |
CN110850164A (zh) * | 2019-10-25 | 2020-02-28 | 华北电力大学 | 考虑背景谐波电压波动和阻抗变化的多谐波责任划分方法 |
CN111898499A (zh) * | 2020-07-17 | 2020-11-06 | 东南大学 | 基于互近似熵与聚类的多谐波源谐波责任划分方法 |
CN114444589A (zh) * | 2022-01-25 | 2022-05-06 | 国网山西省电力公司电力科学研究院 | 一种基于kDBA聚类的谐波污染分区方法 |
CN114912356A (zh) * | 2022-05-12 | 2022-08-16 | 国网重庆市电力公司电力科学研究院 | 冲击性负荷的分段概率谐波模型构建方法 |
Non-Patent Citations (7)
Title |
---|
DENG JIANG: "Figure on Difference Information", 《JOURNAL OF GREY SYSTEMS》 * |
QI FEI 等: "Research on the responsibility partition of harmonic pollution and harmonic impedance based on the total least-squares regression method", 《2014 INTERNATIONAL CONFERENCE ON POWER SYSTEM TECHNOLOGY》 * |
李晓萍: "K-means算法对综合商场客户价值分类的研究", 《电子技术与软件工程》 * |
王杨 等: "基于kDBA++聚类算法的谐波污染分区策略", 《工程科学与技术》 * |
胡金磊 等: "基于自适应DBSCAN 算法的开关柜绝缘状态评价方法", 《电工技术学报》 * |
陈叶旺等: "密度峰值聚类算法综述", 《计算机研究与发展》 * |
雷达 等: "基于DBSCAN聚类和数据筛选的***谐波阻抗估算", 《电测与仪表》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110568374B (zh) | 基于考虑内外特性的锂离子电池剩余使用寿命预测方法 | |
CN111401755B (zh) | 基于马尔科夫链的多新能源出力场景生成方法、装置及*** | |
CN108985381B (zh) | 氮氧化物排放量预测模型的确定方法、装置及设备 | |
CN107909212B (zh) | 基于中尺度风电功率发展过程序列化的爬坡事件预测方法 | |
CN109583588B (zh) | 一种短期风速预测方法及*** | |
CN111639191A (zh) | 一种新型冠状病毒知识图谱模拟疫情发展趋势的预测方法 | |
CN112668802A (zh) | 一种基于设计参数的施工碳排放预测方法 | |
CN110555058A (zh) | 基于改进决策树的电力通信设备状态的预测方法 | |
CN114970353A (zh) | 基于缺失数据填充的mswi过程二噁英排放软测量方法 | |
CN110287237B (zh) | 一种基于社会网络结构分析社团数据挖掘方法 | |
CN115758151A (zh) | 联合诊断模型建立方法、光伏组件故障诊断方法 | |
CN111062539A (zh) | 基于次级用电量特性聚类分析的总电量预测方法 | |
CN117910668A (zh) | 一种考虑多不确定性因素的电力***演化路径规划方法 | |
CN114358193A (zh) | 基于油色谱的变压器状态诊断方法、终端及存储介质 | |
CN116667369B (zh) | 一种基于图卷积神经网络的分布式光伏电压控制方法 | |
CN114266396A (zh) | 一种基于电网特征智能筛选的暂态稳定判别方法 | |
CN115204757A (zh) | 一种谐波污染分区方法 | |
CN116662412B (zh) | 一种电网配用电大数据的数据挖掘方法 | |
CN113704565A (zh) | 基于全局区间误差的学习型时空索引方法、装置及介质 | |
CN109934917B (zh) | 基于机器学习预测计算强度的并行化点云生成dem方法 | |
CN116319377A (zh) | 一种抵御网络攻击的配电网分布式动态状态估计方法 | |
CN115579885A (zh) | 一种电网拓扑分析方法及装置 | |
Zhang et al. | An improved genetic algorithm for the re-entrant and flexible job-shop scheduling problem | |
CN115101136A (zh) | 一种大型铝电解槽全局阳极效应预测方法 | |
CN114298133A (zh) | 短期风速混合预测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221018 |