CN115542064B - 一种互感器误差状态实时监测方法及装置 - Google Patents
一种互感器误差状态实时监测方法及装置 Download PDFInfo
- Publication number
- CN115542064B CN115542064B CN202211524416.4A CN202211524416A CN115542064B CN 115542064 B CN115542064 B CN 115542064B CN 202211524416 A CN202211524416 A CN 202211524416A CN 115542064 B CN115542064 B CN 115542064B
- Authority
- CN
- China
- Prior art keywords
- mutual inductor
- state
- matrix
- error
- transformer
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims abstract description 123
- 238000005070 sampling Methods 0.000 claims abstract description 36
- 238000012806 monitoring device Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011155 quantitative monitoring Methods 0.000 description 1
- 238000011160 research 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
- 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
-
- 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
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种互感器误差状态实时监测方法，其中，所述方法包括以下步骤：采集在不同误差状态下互感器二次侧的相关数据集；基于所述相关数据集，建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型；将在线采样数据通过所述预测模型进行互感器误差状态的实时监测。本发明还公开了一种互感器误差状态实时监测装置。本发明解决了在不断电的情况下，如何准确且快速的对互感器误差状态进行实时监测并输出结果的问题。
Description
技术领域
本发明涉及电力技术领域，尤其涉及一种互感器误差状态实时监测方法及装置。
背景技术
目前，电容式电压互感器（Capacitance type voltage transformer，以下简称CVT）已广泛应用于电力***中，不仅在变电站线路出口上使用，而且大量应用在母线上以代替电磁式电压互感器。在电能计量上，CVT是关口计量主要组成设备，其误差决定着计量准确性，发电厂与电网分开核算效益，电能计量的准确性关乎电网、电场、用户之间的经济效益。在实际运行中受设计水平、制造工艺多种因素制约，特别是线路投切、投入或者退出某些设备等***操作过程影响，CVT运行故障率居高不下，对电网安全稳定运行造成严重影响。如何有效地对CVT误差状态进行有效监测，及时发现和消除故障，具有重要的现实意义，也是电网数字化智能化升级改造发展的基础之一。
申请号为CN202021594243.X的专利文献公开一种计量互感器测量误差在线检测***，包括第一计量互感器在线检测仪和第二计量互感器在线检测仪，所述第一计量互感器在线检测仪分别与输电线第一端的第一电压互感器和第一电流互感器连接，所述第二计量互感器在线检测仪分别与所述输电线第二端的第二电压互感器和第二电流互感器连接，所述第一计量互感器在线检测仪和所述第二计量互感器在线检测仪时钟同步。该***无法解决在不断电的情况下，如何准确且快速的对互感器误差状态进行实时监测并输出结果的问题。因此，亟待提出一种互感器误差状态实时监测方法及装置，解决在不断电的情况下，如何准确且快速的对互感器误差状态进行实时监测并输出结果的问题。
发明内容
本发明的主要目的是提供一种互感器误差状态实时监测方法及装置，解决了在不断电的情况下，如何准确且快速的对互感器误差状态进行实时监测并输出结果的问题。
为实现上述目的，第一方面，本发明提供一种互感器误差状态实时监测方法，其中，所述方法包括以下步骤：
S1、采集在不同误差状态下互感器二次侧的相关数据集；所述相关数据集包括互感器二次侧幅值数据矩阵和相角数据矩阵；
S2、基于所述相关数据集，建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型；所述建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型包括：建立幅值数据矩阵与互感器状态矩阵之间的预测模型以及相角数据矩阵与互感器状态矩阵之间的预测模型；
S3、将在线采样数据通过所述预测模型进行互感器误差状态的实时监测。
优选方案之一，所述互感器误差状态包括：正常状态、警告状态和异常状态。
优选方案之一，所述步骤S1中互感器二次侧的相关数据集为：
其中，k为互感器数目的整数倍，n为采样数据点数。
优选方案之一，所述步骤S2中建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型，具体为：
S21、将所述相关数据集与互感器状态矩阵进行标准化处理；
S22、分别提取所述相关数据集和互感器状态矩阵的主成分；
S23、计算回归系数，通过所述相关数据集的主成分分别对标准化处理后的相关数据集与互感器状态矩阵进行回归建模，并记录回归系数和残差矩阵；
S24、基于所述回归系数以及相关数据集的主成分完成预测模型的构建。
优选方案之一，所述步骤S23计算回归系数的之后，还包括：
进行迭代判断，计算所述残差矩阵的矩阵范数，并将所述矩阵范数与预设残差阈值进行比较，当所述矩阵范数小于残差阈值，则结束迭代；否则重复上述步骤S21至步骤S23。
优选方案之一，所述步骤S3中将在线采样数据通过所述预测模型进行互感器误差状态的实时监测，具体为：
S31、将在线采样数据进行预处理；
S32、计算所述在线采样数据的主成分；
S33、基于所述在线采样数据的主成分与回归系数，计算互感器误差状态预测值，并判断所述互感器的误差状态。
优选方案之一，所述步骤S32计算所述在线采样数据的主成分之后，还包括：
通过所述在线采样数据的主成分与所述回归系数计算所述在线采样数据的残差矩阵，并进行迭代判断。
优选方案之一，所述步骤S33判断所述互感器的误差状态具体为：
若所述互感器误差状态预测值位于第一阈值区间，则所述互感器处于正常状态；若所述互感器误差状态预测值位于第二阈值区间，则所述互感器处于警告状态；若所述互感器误差状态预测值位于第三阈值区间，则所述互感器处于异常状态。
第二方面，本发明还提供一种互感器误差状态实时监测装置，所述装置包括存储单元和处理单元，所述存储单元中存储可在所述处理单元上运行的计算机程序；所述处理单元执行所述计算机程序时实现如上述的一种互感器误差状态实时监测方法。
本发明的上述技术方案中，该互感器误差状态实时监测方法包括以下步骤：采集在不同误差状态下互感器二次侧的相关数据集；所述相关数据集包括互感器二次侧幅值数据矩阵和相角数据矩阵；基于所述相关数据集，建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型；所述建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型包括：建立幅值数据矩阵与互感器状态矩阵之间的预测模型以及相角数据矩阵与互感器状态矩阵之间的预测模型；将在线采样数据通过所述预测模型进行互感器误差状态的实时监测。本发明解决了在不断电的情况下，如何准确且快速的对互感器误差状态进行实时监测并输出结果的问题。
本发明，将在线采样数据通过所述预测模型进行互感器误差状态的实时监测，计算互感器误差状态的预测值，将互感器误差状态的定性监测转换成互感器误差状态的预测值的定量监测，以满足不同应用的需求。
本发明，所述预测模型对样本数据数量要求低，对于数据样本少但检测变量多的场景和环境实用性更强。
附图说明
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于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示出的结构获得其他的附图。
图1为本发明实施例一种互感器误差状态实时监测方法的流程示意图；
图2为本发明实施例步骤S2的流程示意图；
图3为本发明实施例步骤S3的流程示意图。
本发明目的的实现、功能特点及优点将结合实施方式，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明的一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
并且，本发明各个实施方式之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
实施例1：
参见图1-图3，根据本发明的一方面，本发明提供一种互感器误差状态实时监测方法，其中，所述方法包括以下步骤：
S1、采集在不同误差状态下互感器二次侧的相关数据集；所述相关数据集包括互感器二次侧幅值数据矩阵和相角数据矩阵；
S2、基于所述相关数据集，建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型；所述建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型包括：建立幅值数据矩阵与互感器状态矩阵之间的预测模型以及相角数据矩阵与互感器状态矩阵之间的预测模型；
S3、将在线采样数据通过所述预测模型进行互感器误差状态的实时监测。
具体地，在本实施例中，所述互感器误差状态包括：正常状态、警告状态和异常状态。
具体地，在本实施例中，所述步骤S1中互感器二次侧的相关数据集为：
其中，k为互感器数目的整数倍，n为采样数据点数；
所述相关数据集包括互感器二次侧幅值数据矩阵和相角数据矩阵；基于所述幅值数据矩阵和相角数据矩阵分别建立互感器二次侧幅值数据矩阵和相角数据矩阵与互感器状态矩阵之间的预测模型，其中，建立所述幅值数据矩阵与互感器状态矩阵之间的预测模型，与建立所述相角数据矩阵与互感器状态矩阵之间的预测模型的步骤相同。
具体地，在本实施例中，以电压互感器为例，建立所述幅值数据矩阵与互感器状态矩阵之间的预测模型为例进行说明；所述电压互感器二次侧幅值数据矩阵为：
其中，为幅值数据矩阵；
其中，为相角数据矩阵；
所述电压互感器不同误差状态下的互感器状态矩阵为：
其中，为互感器状态矩阵。
具体地，在本实施例中，所述步骤S2中建立互感器二次侧相关数据集与互感器状态矩阵之间的预测模型包括：建立幅值数据矩阵与互感器状态矩阵之间的预测模型以及相角数据矩阵与互感器状态矩阵之间的预测模型；所述幅值数据矩阵和互感器状态矩阵之间预测模型的建立与所述相角数据矩阵和互感器状态矩阵的建立步骤相同，本发明以建立幅值数据矩阵与互感器状态矩阵之间的模型为例进行说明。
具体地，在本实施例中，步骤S21中将所述相关数据集与互感器状态矩阵进行标准化处理，通过对采样数据进行标准化处理，从而使数据具有可比性；具体为，将所述幅值数据矩阵和互感器状态矩阵进行标准化处理；幅值数据矩阵由k个行向量组成，单个行向量对应单个电压互感器的n次采样数据，对所述幅值数据矩阵内每个行向量进行以下处理：
计算所述的平均值：
根据所述计算其方差：
最后根据计算得到的平均值和方差对所述是幅值数据矩阵进行标准化处理得到：
同理，对所述互感器状态矩阵进行标准化处理得到：
具体地，在本实施例中，步骤S22中分别提取所述相关数据集和互感器状态矩阵的主成分；具体为，分别提取所述幅值数据矩阵和互感器状态矩阵的主成分，根据所述幅值数据矩阵和互感器状态矩阵获取其自协方差矩阵：
对上述自协方差矩阵进行特征值分解，分别去最大特征值对应的特征向量和，并计算得到主成分与：
具体地，在本实施例中，步骤S23中计算回归系数，通过所述相关数据集的主成分分别对标准化处理后的相关数据集与互感器状态矩阵进行回归建模，并记录回归系数和残差矩阵；具体为：通过所述幅值数据矩阵计算得到的主成分分别对所述幅值数据矩阵与互感器状态矩阵进行回归建模，得到系数，与残差矩阵，：
具体地，在本实施例中，在步骤S23计算回归系数之后，还包括：
进行迭代判断，计算所述残差矩阵的矩阵范数，并将所述矩阵范数与预设残差阈值进行比较，当所述矩阵范数小于残差阈值，则结束迭代；否则重复上述步骤S21至步骤S23；具体为，计算残差矩阵，的矩阵范数，，并将所述矩阵范数，分别与预设的残差阈值，进行比较，若所述矩阵范数，均小于所述预设的残差阈值，，则结束迭代，否则对残差矩阵，重复执行步骤S21至步骤S23。
具体地，在本实施例中，所述步骤S24中基于所述回归系数以及相关数据集的主成分完成预测模型的构建；具体为，基于所述回归系数，以及相关数据集的主成分完成预测模型的构建，设迭代次数为，则可以得到每次迭代的主成分映射向量与回归系数，，也即模型参数：
具体地，在本实施例中，所述步骤S3中将在线采样数据通过所述预测模型进行互感器误差状态的实时监测，包括将在线采样的幅值数据矩阵和相角数据矩阵分别通过步骤S2中构建的预测模型得到分别得到互感器误差状态关于幅值数据和相角数据的预测值，通过所述预测值再判断所述互感器的误差状态，根据在线采样的幅值数据矩阵和相角数据矩阵通过预测模型进行互感器误差状态的实时监测过程步骤相同，本发明以幅值数据矩阵为例进行具体说明。
具体地，在本实施例中，所述步骤S31中将在线采样数据进行预处理，具体为对在线采样的幅值数据矩阵进行标准化处理为：
将标准化处理后的在线采样的幅值数据矩阵进行矩阵按列堆叠：
其中，p为电压互感器数目，k为p的整数倍，堆叠次数为k/p取整。
具体地，在本实施例中，所述步骤S32中计算所述在线采样数据的主成分；具体为，通过每次迭代的主成分映射向量和在线采样的幅值数据矩阵计算得到第i次迭代的主成分：
具体地，在本实施例中，所述步骤S32计算所述在线采样数据的主成分之后，还包括：通过所述在线采样数据的主成分与所述回归系数计算所述在线采样数据的残差矩阵，并进行迭代判断；具体为，通过第i次的迭代的主成分、在线采样的幅值数据矩阵以及回归系数计算第i次迭代的残差：
若迭代次数i小于迭代次数，则以为输入重新执行步骤S32并重新计算其残差，若迭代次数i小于迭代次数，则执行后续步骤。
具体地，在本实施例中，步骤S33中基于所述在线采样数据的主成分与回归系数，计算互感器误差状态预测值，并判断所述互感器的误差状态，具体为，根据所述在线采样的幅值数据矩阵的主成分以及回归系数计算电压互感器基于幅值的误差状态的第一预测值：
同理，根据所述在线采样的相角数据矩阵的主成分以及回归系数可计算得到电压互感器基于相角的误差状态的第二预测值；
具体地，在本实施例中所述步骤S33中判断所述互感器的误差状态具体为：若所述互感器误差状态预测值位于第一阈值区间，则所述互感器处于正常状态；若所述互感器误差状态预测值位于第二阈值区间，则所述互感器处于警告状态；若所述互感器误差状态预测值位于第三阈值区间，则所述互感器处于异常状态。在本发明中，若所述电压互感器基于幅值的误差状态的第一预测值，所述电压互感器基于相角的误差状态的第二预测值位于第一阈值区间或第二阈值区间或第三阈值区间，则所述互感器分别处于正常状态或警告状态或异常状态；若所述电压互感器基于幅值的误差状态的第一预测值位于第二阈值区间，所述电压互感器基于相角的误差状态的第二预测值位于第一阈值区间或第二阈值区间或第三阈值区间，则所述互感器分别处于警告状态或警告状态或异常状态；若所述电压互感器基于幅值的误差状态的第一预测值位于第三阈值区间，以及所述电压互感器基于相角的误差状态的第二预测值位于第一阈值区间或第二阈值区间或第三阈值区间，则所述互感器均处于异常状态。
具体的，在本实施例中，开展不停电条件下在运CVT计量误差在线监测和故障诊断工作，以便实时掌握CVT计量误差状态，更具有针对性地知道CVT运维工作，对于保证电力***安全、稳定、经济运行具有重要意义。同时针对在运CVT计量误差在线监测和故障诊断的相关技术路线，研究方法可推广至其他类型电力互感器在线监测方案中，可极大地推动后续系列化产品与方案的规划设计。另一方面，对电网公司客户而言，同样具有十分重要的现实意义：不需要设备停电就可以了解设备状况，提高电力***的运行效率；监测时电压就是设备运行电压，较预防性试验时的电压更能灵敏地发现缺陷及异常；在线监测得到的大量数据以及对数据的判断分析可以为状态检修提供依据，克服传统预防性检修的不足。
实施例2：
根据本发明的另一方面，本发明提供一种互感器误差状态实时监测装置，所述装置包括存储单元和处理单元，所述存储单元中存储可在所述处理单元上运行的计算机程序；所述处理单元执行所述计算机程序时实现如上述的一种互感器误差状态实时监测方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围。
Claims (8)
1.一种互感器误差状态实时监测方法，其特征在于，包括以下步骤：
S1、采集在不同误差状态下互感器二次侧的相关数据集；所述相关数据集包括互感器二次侧幅值数据矩阵和相角数据矩阵；
S2、基于所述相关数据集，建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型；所述建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型包括：建立幅值数据矩阵与互感器状态矩阵之间的预测模型以及相角数据矩阵与互感器状态矩阵之间的预测模型；
所述步骤S2中建立互感器二次侧相关数据集与互感器不同误差状态下的互感器状态矩阵之间的预测模型，具体步骤为：
S21、将所述相关数据集与互感器状态矩阵进行标准化处理；
S22、分别提取所述相关数据集和互感器状态矩阵的主成分；
S23、计算回归系数，通过所述相关数据集的主成分分别对标准化处理后的相关数据集与互感器状态矩阵进行回归建模，并记录回归系数和残差矩阵；
S24、基于所述回归系数以及相关数据集的主成分完成预测模型的构建；
所述互感器不同误差状态下的互感器状态矩阵为：
，
为第k个互感器在第n个采样数据点的状态，所述互感器状态矩阵内各互感器的采样数据点的状态包括正常状态、警告状态和异常状态；
S3、将在线采样数据通过所述预测模型进行互感器误差状态的实时监测。
2.根据权利要求1所述的一种互感器误差状态实时监测方法，其特征在于，所述互感器误差状态包括：正常状态、警告状态和异常状态。
3.根据权利要求1所述的一种互感器误差状态实时监测方法，其特征在于，所述步骤S1中互感器二次侧的相关数据集为：
，
其中，x为采样数据，k为互感器数目的整数倍，n为采样数据点数。
4.根据权利要求1所述的一种互感器误差状态实时监测方法，其特征在于，所述步骤S23计算回归系数的之后，还包括：
进行迭代判断，计算所述残差矩阵的矩阵范数，并将所述矩阵范数与预设残差阈值进行比较，当所述矩阵范数小于残差阈值，则结束迭代；否则重复上述步骤S21至步骤S23。
5.根据权利要求4所述的一种互感器误差状态实时监测方法，其特征在于，所述步骤S3中将在线采样数据通过所述预测模型进行互感器误差状态的实时监测，具体步骤为：
S31、将在线采样数据进行预处理；
S32、计算所述在线采样数据的主成分；
S33、基于所述在线采样数据的主成分与回归系数，计算互感器误差状态预测值，并判断所述互感器的误差状态。
6.根据权利要求5所述的一种互感器误差状态实时监测方法，其特征在于，所述步骤S32计算所述在线采样数据的主成分之后，还包括：
通过所述在线采样数据的主成分与所述回归系数计算所述在线采样数据的残差矩阵，并进行迭代判断。
7.根据权利要求5所述的一种互感器误差状态实时监测方法，其特征在于，所述步骤S33判断所述互感器的误差状态具体为：
若所述互感器误差状态预测值位于第一阈值区间，则所述互感器处于正常状态；若所述互感器误差状态预测值位于第二阈值区间，则所述互感器处于警告状态；若所述互感器误差状态预测值位于第三阈值区间，则所述互感器处于异常状态。
8.一种互感器误差状态实时监测装置，其特征在于，包括存储单元和处理单元，所述存储单元中存储可在所述处理单元上运行的计算机程序；所述处理单元执行所述计算机程序时实现如权利要求1-7任一项所述的一种互感器误差状态实时监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211524416.4A CN115542064B (zh) | 2022-12-01 | 2022-12-01 | 一种互感器误差状态实时监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211524416.4A CN115542064B (zh) | 2022-12-01 | 2022-12-01 | 一种互感器误差状态实时监测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115542064A CN115542064A (zh) | 2022-12-30 |
| CN115542064B true CN115542064B (zh) | 2023-04-07 |
Family
ID=84721767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211524416.4A Active CN115542064B (zh) | 2022-12-01 | 2022-12-01 | 一种互感器误差状态实时监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115542064B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117849558B (zh) * | 2024-03-06 | 2024-05-24 | 武汉格蓝若智能技术股份有限公司 | 电容式电压互感器主电容击穿故障在线监测方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5858519B2 (ja) * | 2011-08-31 | 2016-02-10 | 国立研究開発法人産業技術総合研究所 | 電子式変流器の誤差評価装置 |
| CN106548021B (zh) * | 2016-11-03 | 2018-01-05 | 华中科技大学 | 一种基于高维随机矩阵的电子式互感器误差状态评估方法 |
| CN107255792A (zh) * | 2017-06-20 | 2017-10-17 | 华中科技大学 | 一种电子式电压互感器误差在线监测方法及*** |
| CN109444791B (zh) * | 2018-11-09 | 2020-09-18 | 华中科技大学 | 一种电容式电压互感器误差状态评估方法和*** |
| CN110632545B (zh) * | 2019-09-25 | 2021-09-21 | 国网江苏省电力有限公司电力科学研究院 | 基于回归神经网络电子式互感器误差风险评估方法和装置 |
| CN113050017A (zh) * | 2021-03-02 | 2021-06-29 | 合肥工业大学 | 一种电子式互感器误差状态智能监测及故障诊断*** |
-
2022
- 2022-12-01 CN CN202211524416.4A patent/CN115542064B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115542064A (zh) | 2022-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109444791B (zh) | 一种电容式电压互感器误差状态评估方法和*** | |
| CN111444168B (zh) | 一种配电室变压器日最大负荷异常数据检测处理方法 | |
| CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
| CN110632545B (zh) | 基于回归神经网络电子式互感器误差风险评估方法和装置 | |
| CN111398886B (zh) | 一种自动化检定流水线表位在线异常的检测方法及*** | |
| CN115542064B (zh) | 一种互感器误差状态实时监测方法及装置 | |
| CN109284933B (zh) | 一种基于数理统计的电子式互感器状态评估***及方法 | |
| CN114460521A (zh) | 电流互感器误差状态判别方法、装置、终端设备及介质 | |
| CN112285634B (zh) | 一种双母线结构中高压电压互感器测量误差异常识别方法 | |
| CN105719094A (zh) | 一种输电设备状态评估方法 | |
| CN114065875A (zh) | 基于大数据的电力电网故障识别*** | |
| CN114740418A (zh) | 一种电容式电压互感器误差在线检测方法 | |
| CN109902735B (zh) | 一种实现变电站内三相电压互感器运行误差评估的方法 | |
| 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 | |
| CN116662771A (zh) | 电容式电压互感器自适应pca误差定量评价的方法及*** | |
| CN109884436B (zh) | 电力电容器成套装置在线监测方法 | |
| CN115685045A (zh) | 一种电压互感器在线评估方法 | |
| 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 | |
| Yanming et al. | DGA based insulation diagnosis of power transformer via ANN | |
| CN115575880B (zh) | 一种电力互感器计量误差状态在线检测方法 | |
| CN116068339A (zh) | 电力***线路故障检测判别方法 | |
| CN116938676A (zh) | 一种基于数据源分析的通信风险联合预警方法 | |
| CN115951292A (zh) | 一种电子式电压互感器误差状态在线评估方法及装置 | |
| CN115130550A (zh) | 一种基于梯度提升决策树的配电变压器故障识别方法 | |
| CN115144807A (zh) | 差分滤噪和载流分级的电流互感器在线评估方法、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |