CN115248906B - 一种发电机出线双电流互感器的状态误差识别方法及*** - Google Patents

一种发电机出线双电流互感器的状态误差识别方法及*** Download PDF

Info

Publication number
CN115248906B
CN115248906B CN202211158911.8A CN202211158911A CN115248906B CN 115248906 B CN115248906 B CN 115248906B CN 202211158911 A CN202211158911 A CN 202211158911A CN 115248906 B CN115248906 B CN 115248906B
Authority
CN
China
Prior art keywords
phase
sequence
current
abnormal
data set
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
CN202211158911.8A
Other languages
English (en)
Other versions
CN115248906A (zh
Inventor
刘义
陈应林
张常春
陈勉舟
张荣霞
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.)
Wuhan Gelanruo Intelligent Technology Co ltd
Original Assignee
Wuhan Glory Road Intelligent Technology Co ltd
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 Wuhan Glory Road Intelligent Technology Co ltd filed Critical Wuhan Glory Road Intelligent Technology Co ltd
Priority to CN202211158911.8A priority Critical patent/CN115248906B/zh
Publication of CN115248906A publication Critical patent/CN115248906A/zh
Application granted granted Critical
Publication of CN115248906B publication Critical patent/CN115248906B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/62—Testing of transformers
    • 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
    • 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
    • Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明提供一种发电机出线双电流互感器的状态误差识别方法及***，该方法包括：获取双电流互感器在正常状态下的历史三相电流测量值；基于三相零序不平衡和三相负序不平衡，构建三相关系特征量数据集，通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数，设定预定边界条件，并设置置信区间，基于核密度函数和置信区间得到对应的异常边界阈值；获取在线运行的三相电流测量值，基于异常边界阈值及三相统计量参数判断各相电流互感器是否异常。通过该方案可以实现电流互感器异常状态的在线检测，不仅检测结果准确可靠，而且能够满足长时间监测需求。

Description

一种发电机出线双电流互感器的状态误差识别方法及***
技术领域
本发明属于电力设备性能评估领域，尤其涉及一种发电机出线双电流互感器的状态误差识别方法及***。
背景技术
电流互感器（CT）是电力***中的重要计量设备。其一次绕组串联在输变电主回路内，二次绕组根据不同要求，分别接入测量仪表、继电保护或自动装置等设备，用于将一次回路的大电流变化为二次侧小电流，以便测控保护计量设备安全采集。电流互感器的准确可靠性对于电力***的安全运行、控制保护、电能计量、贸易结算具有重大意义。
在发电站中，发电机出口电流互感器主要测量发电机输出电流，在某些发电机线路结构中，发电机不会接入母线，而是直接供电。出口电流互感器的检验，因发电机的出线电流更大，需要更大的电流实验电源。相较于其他母线电流互感器，大电流互感器的现场接线更加困难。因此某些发电机出线结构中，在发电机出线上串联两个电流互感器，用以保证发电机出口电流互感器的准确性，确保准确公正的计量发电，并保证发电机组的安全运行。两组电流互感器串联在同一条发电机的出线上，测量同一条线路上的三相电流，即流经两组电流互感器中任意同相的电流互感器的电流应保持一致，每组出线上的电流互感器的电流保持动态平衡。
及时发现电流互感器异常，减少电流互感器误差越限运行时间，对于保证电能计量的准确性、可靠性具有重要意义。当前，对于这些电流互感器的状态检测，常用的误差检测方法主要分为离线检验和在线检验：离线检验的流程需要被检互感器及周边设备长时间停电，对电网正常运行会造成较大影响，且离线检定时工况与在线运营时的工况存在差异，无法反映被检互感器运行误差的动态变化；在线检测流程中，虽然满足运行时的相关工况条件的一致性，能够较为准确的计算待测CT的误差，但是需要在电流状态下接入标准互感器，容易存在安全隐患因而不宜长时间的进行检测。
发明内容
有鉴于此，本发明实施例提供了一种发电机出线双电流互感器的状态误差识别方法及***，用于解决现有电流互感器误差检测离线影响电网正常运行，在线不能进行长时间监测的问题。
在本发明实施例的第一方面，提供了一种发电机出线双电流互感器的状态误差识别方法，包括：
获取双电流互感器在正常状态下的历史三相电流测量值；
基于三相零序不平衡和三相负序不平衡，构建三相关系特征量数据集，通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数，设定预定边界条件，并设置置信区间，基于核密度函数和置信区间得到对应的异常边界阈值；
获取在线运行的三相电流测量值，基于异常边界阈值及三相统计量参数判断各相电流互感器是否异常。
在本发明实施例的第二方面，提供了一种发电机出线双电流互感器的状态误差识别***，包括：
历史数据获取模块，用于获取双电流互感器在正常状态下的历史三相电流测量值；
边界阈值计算模块，用于基于三相零序不平衡和三相负序不平衡，构建三相关系特征量数据集，通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数，设定预定边界条件，并设置置信区间，基于核密度函数和置信区间得到对应的异常边界阈值；
识别判断模块，用于获取在线运行的三相电流测量值，基于异常边界阈值及三相统计量参数判断各相电流互感器是否异常。
在本发明实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
在本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中，获取历史三相电流数据，基于核密度估计构造三相电流不平衡的概率密度函数，通过设定阈值，根据三相电流不平衡程度与所设阈值比较，判断两组CT的运行状态， 根据所判断的两组CT的运行状态，获取组内各相的统计量参数的最大值，判断存在异常的电流互感器组中的异常相。从而实现在线在对发电机出线串联的电流互感器误差状态检测，不仅检测结果准确可靠，而且能够实现长时间在线监测。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。
图1为本发明一个实施例提供的一种发电机出线双电流互感器的状态误差识别方法的流程示意图；
图2为本发明一个实施例提供的一种发电机出线双电流互感器的状态误差识别***的结构示意图；
图3为本发明一个实施例提供的一种电子设备的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
应当理解，本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或***、设备没有限定于已列出的步骤或单元。此外，“第一”“第二”用于区分不同对象，并非用于描述特定顺序。
请参阅图1，本发明实施例提供的一种发电机出线双电流互感器的状态误差识别方法的流程示意图，包括：
S101、获取双电流互感器在正常状态下的历史三相电流测量值；
所述电流互感器安装与发电机出线，且在发电机出线上串联有两个电流互感器，两个电流互感器测量同一条线路上的三相电流。
具体的，统计发电机出线双电流互感器在正常运行状态下两组电流互感器测量的 三相电流历史数据，将第一组电流互感器测得的三相电流值记为
Figure 616323DEST_PATH_IMAGE001
，第二组电流 互感器测得的三相电流值记为
Figure 394923DEST_PATH_IMAGE002
。对于历史时段
Figure 324702DEST_PATH_IMAGE003
，历史数据集为DH={（i1A(0),i1B (0),i1C(0),i2A(0),i2B(0),i2C(0)）, （i1A(1),i1B(1), i1C(1), i2A(1),i2B(1), i2C(1)）,…, （i1A(t),i1B(t), i1C(t), i2A(t),i2B(t), i2C(t)）,…,( i1A(T-1),i1B(T-1), i1C(T-1), i2A (T-1),i2B(T-1), i2C(T-1))}。
其中，
Figure 643688DEST_PATH_IMAGE004
,表示t时刻第i组电流互感器的第j相的电流值，
Figure 342523DEST_PATH_IMAGE005
，
Figure 944887DEST_PATH_IMAGE006
。
S102、基于三相零序不平衡和三相负序不平衡，构建三相关系特征量数据集，通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数，设定预定边界条件，并设置置信区间，基于核密度函数和置信区间得到对应的异常边界阈值；
其中，分别计算合成电流的正序分量、负序分量和零序分量，将零序分量绝对值与正序分量绝对值的比值作为三相零序不平衡，将负序分量绝对值与正序分量绝对值的比值作为三相负序不平衡；
将两组电流互感器相同时刻的三相零序不平衡、三相负序不平衡作为数据对，得到三相不平衡特征量数据集。
具体的，根据同出线上两组电流互感器的历史数据集
Figure 706169DEST_PATH_IMAGE007
，采用三相零序不平衡
Figure 360004DEST_PATH_IMAGE008
和三相负序不平衡
Figure 913346DEST_PATH_IMAGE009
，构建三相关系特征量数据集。
三相零序不平衡和三相负序不平衡计算过程如下：
合成电流的正序分量
Figure 33748DEST_PATH_IMAGE010
；
合成电流的负序分量
Figure 875802DEST_PATH_IMAGE011
；
合成电流的零序分量
Figure 130066DEST_PATH_IMAGE012
；
则
Figure 475597DEST_PATH_IMAGE013
，
Figure 32480DEST_PATH_IMAGE014
。
三相关系特征量数据集的构建过程如下：
由于历史数据集
Figure 892989DEST_PATH_IMAGE015
是两组电流互感器在正常状态下测量的发电机上同一根出线 上的三相电流数据值，可以认为两组电流互感器测量数据为发电机出线的电流真实数据。 将两组电流互感器的数据分别计算对应时刻的
Figure 422715DEST_PATH_IMAGE016
数据对，输入同 一数据集
Figure 91593DEST_PATH_IMAGE017
中，构成真实发电机出线的三相电流的三相不平衡特征量数据集合：
Figure 209591DEST_PATH_IMAGE018
，
Figure 760658DEST_PATH_IMAGE019
，
Figure 232091DEST_PATH_IMAGE020
记 为
Figure 348951DEST_PATH_IMAGE021
简写，
Figure 575533DEST_PATH_IMAGE022
记为
Figure 613896DEST_PATH_IMAGE023
简写。
其中，基于三相关系特征量数据集，构建三相零序不平衡和三相负序不平衡的核密度函数为：
Figure 623441DEST_PATH_IMAGE024
式中，
Figure 125966DEST_PATH_IMAGE025
表示核密度函数，h表示窗宽，d表示维度，
Figure 929974DEST_PATH_IMAGE026
为核函数，
Figure 397513DEST_PATH_IMAGE027
表示数据 集中第i个数据，x表示函数中的密度中心点，p表示闵可夫斯基距离的范数参数，n表示数据 集中数据个数。
将
Figure 945169DEST_PATH_IMAGE028
代入
Figure 239884DEST_PATH_IMAGE029
；
Figure 73848DEST_PATH_IMAGE030
此处使用 二阶范式，即
Figure 86803DEST_PATH_IMAGE031
；窗宽h此处设为
Figure 828363DEST_PATH_IMAGE032
，
Figure 977585DEST_PATH_IMAGE033
为样本标准差，d 为X的维度，此处包含两维特征，则d=2。
优选的，将三相关系特征量数据集中的数据镜像投影至平面坐标系的第一象限和第四象限中，将中心对称投影至第三象限，整合得到新的三相关系特征量数据集；
将新的三相关系特征量数据集输入核密度函数中，并设定边界约束条件。
基于三相零序不平衡和三相负序不平衡计算过程可知
Figure 388974DEST_PATH_IMAGE034
且
Figure 688893DEST_PATH_IMAGE035
，直接构建核密度估计函数无法准确表征概率密度特征，为了使得概率密度 函数更符合分布特征，将三相不平衡特征量集合
Figure 578352DEST_PATH_IMAGE036
中的数据镜像投影到第一、第四象限 中，且中心对称投影到第三象限，将所有的数据整合成为一个新的数据集
Figure 113238DEST_PATH_IMAGE037
,
Figure 23425DEST_PATH_IMAGE038
。将
Figure 745394DEST_PATH_IMAGE039
中的数据输入到
Figure 563177DEST_PATH_IMAGE040
中，得到对应的核密度函数
Figure 359095DEST_PATH_IMAGE040
，并 增加约束条件，
Figure 236921DEST_PATH_IMAGE041
。
所述置信区间表示划定边界阈值的可靠性，置信区间不同，对应的上边界阈值也不同。
S103、获取在线运行的三相电流测量值，基于异常边界阈值及三相统计量参数判断各相电流互感器是否异常。
所述三相统计量参数表示在正常电流状态下，判断各相电流互感器的电流值异常波动程度的参数。
其中，获取两组电流互感器在线监测数据，计算三相不平衡值，将两组电流互感器的三相不平衡值输入核密度函数中，判断输出结果是否超出异常边界阈值；
若超出异常边界阈值，则根据历史三相电流极值和当前在线三相电流监测数据，计算对应组别中三相统计量参数，获取三相中统计量参数的最大值作为异常相。
具体的，从历史三相电流数据集
Figure 383869DEST_PATH_IMAGE042
中，获取其各组各相的最大最小电流幅值，
Figure 943026DEST_PATH_IMAGE043
，
Figure 983663DEST_PATH_IMAGE044
；
根据两组电流互感器的在线数据
Figure 498302DEST_PATH_IMAGE045
，计算实时的对应三相 不平衡数据
Figure 194863DEST_PATH_IMAGE046
,将两组电流互感器的三相不平衡 数据输入核密度函数，判断其是否超出上边界阈值，若未超出边界阈值则表明该组电流互 感器正常；
若超出上边界阈值，对于超出边界阈值的电流互感器，认为该组电流互感器存在 状态异常，需要寻找异常互感器的相位。采用公式
Figure 495394DEST_PATH_IMAGE047
，根据历 史三相电流数据中的最大最小极值和实时采集的三相数据值，计算三相统计量P，以反映各 相实时电流出现异常波动的程度。
Figure 328221DEST_PATH_IMAGE048
Figure 813429DEST_PATH_IMAGE049
Figure 669390DEST_PATH_IMAGE050
计算三相中P统计量最大的相，为该电流互感器组中的异常相，即
Figure 570349DEST_PATH_IMAGE051
。
本实施例中，不仅能实现在线电流互感器异常状态检测，而且误差识别准确性高、判断结果可靠，并能够满足长时间监测的需求。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图2为本发明实施例提供的一种发电机出线双电流互感器的状态误差识别***的结构示意图，该***包括：
历史数据获取模块210，用于获取双电流互感器在正常状态下的历史三相电流测量值；
边界阈值计算模块220，用于基于三相零序不平衡和三相负序不平衡，构建三相关系特征量数据集，通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数，设定预定边界条件，并设置置信区间，基于核密度函数和置信区间得到对应的异常边界阈值；
具体的，分别计算合成电流的正序分量、负序分量和零序分量，将零序分量绝对值与正序分量绝对值的比值作为三相零序不平衡，将负序分量绝对值与正序分量绝对值的比值作为三相负序不平衡；
将两组电流互感器相同时刻的三相零序不平衡、三相负序不平衡作为数据对，得到三相不平衡特征量数据集。
其中，所述通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数包括：
基于三相关系特征量数据集，构建三相零序不平衡和三相负序不平衡的核密度函数为：
Figure 788841DEST_PATH_IMAGE052
式中，
Figure 179371DEST_PATH_IMAGE053
表示核密度函数，h表示窗宽，d表示维度，
Figure 116103DEST_PATH_IMAGE054
为核函数，
Figure 354842DEST_PATH_IMAGE055
表示数据 集中第i个数据，x表示函数中的密度中心点，p表示闵可夫斯基距离的范数参数，n表示数据 集中数据个数。
其中，所述设定预定边界条件之前包括：
将三相关系特征量数据集中的数据镜像投影至平面坐标系的第一象限和第四象限中，将中心对称投影至第三象限，整合得到新的三相关系特征量数据集；
将新的三相关系特征量数据集输入核密度函数中，并设定边界约束条件。
识别判断模块230，用于获取在线运行的三相电流测量值，基于异常边界阈值及三相统计量参数判断各相电流互感器是否异常。
具体的，所述识别判断模块230包括：
判断单元，用于获取两组电流互感器在线监测数据，计算三相不平衡值，将两组电流互感器的三相不平衡值输入核密度函数中，判断输出结果是否超出异常边界阈值；
识别单元，用于若超出异常边界阈值，则根据历史三相电流极值和当前在线三相电流监测数据，计算对应组别中三相统计量参数，获取三相中统计量参数的最大值作为异常相。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，实现步骤S101至S103中部分或全部过程，所述的存储介质包括如ROM/RAM等。
在一个实施例中，如图3所示，图3是本发明一实施例提供的一种用于电流互感器的异常状态检测的电子设备的结构示意图，该电子设备可以为计算机。如图3所示，该实施例的电子设备3至少包括：存储器310、处理器320以及***总线330，所述存储器310包括存储其上的可运行的程序3101，本领域技术人员可以理解，图3中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图3对电子设备的各个构成部件进行具体的介绍：
存储器310可用于存储软件程序以及模块，处理器320通过运行存储在存储器310的软件程序以及模块，从而执行电子设备的各种功能应用以及数据处理。存储器310可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据电子设备的使用所创建的数据（比如缓存数据）等。此外，存储器310可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在存储器310上包含网络请求方法的可运行程序3101，所述可运行程序3101可以被分割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器310中，并由处理器320执行，以实现双电流互感器的状态误差检测等，所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序3101在所述电子设备3中的执行过程。例如，所述计算机程序3101可以被分割为历史数据获取模块、边界阈值计算模块和识别判断模块等。
处理器320是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器310内的软件程序和/或模块，以及调用存储在存储器310内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体状态监控。可选的，处理器320可包括一个或多个处理单元；优选的，处理器320可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器320中。
***总线330是用来连接计算机内部各功能部件，可以传送数据信息、地址信息、控制信息，其种类可以是例如PCI总线、ISA总线、CAN总线等。处理器320的指令通过总线传递至存储器310，存储器310反馈数据给处理器320，***总线330负责处理器320与存储器310之间的数据、指令交互。当然***总线330还可以接入其他设备，例如网络接口、显示设备等。
在本发明实施例中，该电子设备所包括的处理320执行的可运行程序包括：
获取双电流互感器在正常状态下的历史三相电流测量值；
基于三相零序不平衡和三相负序不平衡，构建三相关系特征量数据集，通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数，设定预定边界条件，并设置置信区间，基于核密度函数和置信区间得到对应的异常边界阈值；
获取在线运行的三相电流测量值，基于异常边界阈值及三相统计量参数判断各相电流互感器是否异常。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种发电机出线双电流互感器的状态误差识别方法，其特征在于，包括：
获取双电流互感器在正常状态下的历史三相电流测量值；
基于三相零序不平衡和三相负序不平衡，构建三相关系特征量数据集，通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数，设定预定边界条件，并设置置信区间，基于核密度函数和置信区间得到对应的异常边界阈值；
其中，所述设定预定边界条件之前包括：
将三相关系特征量数据集中的数据镜像投影至平面坐标系的第一象限和第四象限中，将中心对称投影至第三象限，整合得到新的三相关系特征量数据集；
将新的三相关系特征量数据集输入核密度函数中，并设定边界约束条件；
获取在线运行的三相电流测量值，基于异常边界阈值及三相统计量参数判断各相电流互感器是否异常。
2.根据权利要求1所述的方法，其特征在于，所述基于三相零序不平衡和三相负序不平衡，构建三相关系特征量数据集包括：
分别计算合成电流的正序分量、负序分量和零序分量，将零序分量绝对值与正序分量绝对值的比值作为三相零序不平衡，将负序分量绝对值与正序分量绝对值的比值作为三相负序不平衡；
将两组电流互感器相同时刻的三相零序不平衡、三相负序不平衡作为数据对，得到三相不平衡特征量数据集。
3.根据权利要求1所述的方法，其特征在于，所述通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数包括：
基于三相关系特征量数据集，构建三相零序不平衡和三相负序不平衡的核密度函数为：
Figure DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE004
表示核密度函数，h表示窗宽，d表示维度，
Figure DEST_PATH_IMAGE006
为核函数，
Figure DEST_PATH_IMAGE008
表示数据集中第i个数据，x表示函数中的密度中心点，p表示闵可夫斯基距离的范数参数，n表示数据集中数据个数。
4.根据权利要求1所述的方法，其特征在于，所述获取在线运行的三相电流测量值，基于异常边界阈值及三相统计量参数判断各相电流互感器是否异常包括：
获取两组电流互感器在线监测数据，计算三相不平衡值，将两组电流互感器的三相不平衡值输入核密度函数中，判断输出结果是否超出异常边界阈值；
若超出异常边界阈值，则根据历史三相电流极值和当前在线三相电流监测数据，计算对应组别中三相统计量参数，获取三相中统计量参数的最大值作为异常相。
5.一种发电机出线双电流互感器的状态误差识别***，其特征在于，包括：
历史数据获取模块，用于获取双电流互感器在正常状态下的历史三相电流测量值；
边界阈值计算模块，用于基于三相零序不平衡和三相负序不平衡，构建三相关系特征量数据集，通过核密度估计构建三相零序不平衡和三相负序不平衡的核密度函数，设定预定边界条件，并设置置信区间，基于核密度函数和置信区间得到对应的异常边界阈值；
其中，所述设定预定边界条件之前包括：
将三相关系特征量数据集中的数据镜像投影至平面坐标系的第一象限和第四象限中，将中心对称投影至第三象限，整合得到新的三相关系特征量数据集；
将新的三相关系特征量数据集输入核密度函数中，并设定边界约束条件；
识别判断模块，用于获取在线运行的三相电流测量值，基于异常边界阈值及三相统计量参数判断各相电流互感器是否异常。
6.根据权利要求5所述的***，其特征在于，所述识别判断模块包括：
判断单元，用于获取两组电流互感器在线监测数据，计算三相不平衡值，将两组电流互感器的三相不平衡值输入核密度函数中，判断输出结果是否超出异常边界阈值；
识别单元，用于若超出异常边界阈值，则根据历史三相电流极值和当前在线三相电流监测数据，计算对应组别中三相统计量参数，获取三相中统计量参数的最大值作为异常相。
7.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至4任一项所述的一种发电机出线双电流互感器的状态误差识别方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1至4任一项所述的一种发电机出线双电流互感器的状态误差识别方法的步骤。
CN202211158911.8A 2022-09-22 2022-09-22 一种发电机出线双电流互感器的状态误差识别方法及*** Active CN115248906B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211158911.8A CN115248906B (zh) 2022-09-22 2022-09-22 一种发电机出线双电流互感器的状态误差识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211158911.8A CN115248906B (zh) 2022-09-22 2022-09-22 一种发电机出线双电流互感器的状态误差识别方法及***

Publications (2)

Publication Number Publication Date
CN115248906A CN115248906A (zh) 2022-10-28
CN115248906B true CN115248906B (zh) 2023-01-06

Family

ID=83700240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211158911.8A Active CN115248906B (zh) 2022-09-22 2022-09-22 一种发电机出线双电流互感器的状态误差识别方法及***

Country Status (1)

Country Link
CN (1) CN115248906B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117169800B (zh) * 2023-10-25 2024-02-06 华中科技大学 一种基于知识引导的电流互感器在线监测方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108390390A (zh) * 2018-04-28 2018-08-10 长沙理工大学 一种含优先消纳风电能源路由器的三相不平衡主动配电网随机模糊潮流方法
CN114935688A (zh) * 2022-07-25 2022-08-23 山东大学 基于功率分段的电弧炉供电***谐波评估方法与***

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106921158B (zh) * 2017-02-09 2020-01-31 国网福建省电力有限公司 一种基于配电变压器时间序列的历史采集数据的需要系数分析方法
US10823777B2 (en) * 2018-04-16 2020-11-03 Schweitzer Engineering Laboratories, Inc. Detection and location of broken conductors for transmission lines
WO2021025612A1 (en) * 2019-08-05 2021-02-11 Sembcorp Industries Ltd A method and a system of detecting winding fault under online operation of an electrical machine
CN112731260B (zh) * 2021-03-30 2021-07-09 华中科技大学 基于概念漂移识别的电压互感器误差状态在线评估方法
CN115018139A (zh) * 2022-05-25 2022-09-06 国网湖南省电力有限公司 基于相间特征的电流互感器误差状态在线辨识方法及***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108390390A (zh) * 2018-04-28 2018-08-10 长沙理工大学 一种含优先消纳风电能源路由器的三相不平衡主动配电网随机模糊潮流方法
CN114935688A (zh) * 2022-07-25 2022-08-23 山东大学 基于功率分段的电弧炉供电***谐波评估方法与***

Also Published As

Publication number Publication date
CN115248906A (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
US9563722B2 (en) Sigma algebraic approximants as a diagnostic tool in power networks
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
CN115469259B (zh) 基于rbf神经网络的ct误差状态在线定量评估方法及装置
CN113985339B (zh) 智能电表的误差诊断方法及***、设备、存储介质
CN115480203B (zh) 一种电流互感器误差状态在线定量评估方法及***
CN115248906B (zh) 一种发电机出线双电流互感器的状态误差识别方法及***
CN115372881B (zh) 一种电压互感器计量误差评估方法及***
CN115392141B (zh) 一种自适应的电流互感器误差评估方法
CN115480204A (zh) 基于大数据推演的电流互感器运行误差在线评估优化方法
CN103324858A (zh) 配电网三相潮流状态估计方法
CN115508770A (zh) 一种基于kl-nb算法的电能表运行状态在线评估方法
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***
CN109901022A (zh) 基于同步量测数据的配电网区域定位方法
CN114942402B (zh) 一种异常电能表定位方法及***
CN115267641B (zh) 同塔双回输电线路中电流互感器误差异常识别方法、***
CN115343579B (zh) 一种电网故障分析方法、装置及电子设备
Abdolkarimzadeh et al. A novel and efficient power system state estimation algorithm based on Weighted Least Square (WLS) approach service
CN113376469A (zh) 一种电能质量扰动数据的分析方法
CN112749099A (zh) 一种pas应用性能的评估方法、***、终端设备及介质
CN111781553A (zh) 一种分压器校验***及方法
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
Bao et al. Evaluation of power grid data quality based on state estimation results
CN117421546A (zh) 基于初始误差的高压电流互感器误差逼近评估方法及***
CN115308477A (zh) 功率反向传输潮流反向的判断方法及装置、介质和设备

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
CP01 Change in the name or title of a patent holder

Address after: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee after: Wuhan Gelanruo Intelligent Technology Co.,Ltd.

Address before: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee before: WUHAN GLORY ROAD INTELLIGENT TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder