CN115685045B - 一种电压互感器在线评估方法 - Google Patents

Abstract

本发明提供一种电压互感器在线评估方法，方法包括：构造建模数据集X₀，在时序上以滑动窗自适应识别三相不平衡波动的峰值变化，对数据集X₀做分块；以Q统计量作为监测统计量，建立计算模型，计算不同分块数据集对应的统计量控制限；采集VT的二次输出信号，构造监测数据集

，并对监测数据集分段后各段自适应分块；计算各分段在线监测数据集不同分块的Q统计量，基于Q统计量与控制限的大小关系，判断电压互感器的异常。本发明评价结果可在摆脱计划性停电与实物标准器的双重依赖前提下，在变电站接有大用户负载导致评估标准波动的情况下，保证误差评估的准确性，为电能贸易公平及电网安稳运行提供保障。

Description

一种电压互感器在线评估方法

技术领域

本发明涉及配电设备状态评估与故障诊断领域，更具体地，涉及一种电压互感器在线评估方法。

背景技术

电压测量信号是电网最基础的量测数据之一，其准确可靠对于电力***的安全高效运行、贸易结算具有重大意义。电压互感器是获取电网电压测量信号最重要的测量设备，由测量误差反映的计量性能是其最重要的性能指标之一。电压互感器的整体故障率不高，但其测量误差一旦出现异常，可能引起电网保护误动作导致大面积停电或造成巨额电能贸易纠纷等极其严重的后果。

因此，对电压互感器强制开展“停电校验”工作，每四年检定一次，其核心目的是获取电压互感器的测量误差。但当前校验方法存在停电影响大、变电站位置偏僻、路途遥远、现场校验人员多、校验设备笨重、工作量巨大等难题，一个检定周期内无法对所有电压互感器校验全覆盖，当前电网存在大量存超期未校的互感器，给电网安全高效运行带来重大隐患。

当前，基于信息物理融合的电压互感器误差评估方法以工程适用性强的优势获得广泛应用，该方法以同一变电站内存在电气物理联系的VT群体为评估对象，通过多元统计方法协同分析VT群体输出的二次测量电压实时规模化数据中蕴含的信息，将测量数据转换为监测统计量，挖掘跟踪约束关系的实时状态利用信息物理融合方法实现对VT个体运行误差变化的在线评估。

专利CN109444791B公开了一种电容式电压互感器误差状态评估方法和***,该方法利用运行状态下采集的三相电容式电压互感器测量数据，根据统计特征参数划定统计阈值判断互感器误差异常状态。专利CN112285634B公开了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，该方法在专利CN109444791B的基础上又引入了同相互感器的测量数据进行协助判断，扩大了该类方法的适用性。但该类方法未能解决约束关系变化条件下的误差评估问题，因此仅适用于供给负荷较为稳定的居民用户的高压变电站，应用于负担钢厂、冶炼厂等工业用户负荷的变电站则出现评估偏差显著增大的问题，主要原因为：1.该方法默认在监测过程中，三相电压不平衡度保持单一平衡模态，无法区分大用户负载投切与误差异常导致的三相不平衡变化。2.该方法仅能刻画一条控制限，无法做到对不同三相不平衡稳定状态的针对性控制限刻画。

发明内容

本发明针对现有技术无法准确评估带大用户负载高压变电站的电压互感器误差状态的问题，提供一种电压互感器在线评估方法，自适应识别大用户投切状态，以此将建模数据和监测数据分块，进而在不同分块中分别划定控制限来识别计量误差异常VT的方法。

一种电压互感器在线评估方法包括：

步骤1，基于变电站同组电压互感器VT二次输出信号的历史数据，构造建模数据集 X ₀ ，并基于时序滑动窗自适应识别三相不平衡波动的峰值变化状态，对建模数据集 X ₀ 进行分块，划分为大用户负载投入建模数据集和大用户负载切出建模数据集，并分别对所述大用户负载投入建模数据集和大用户负载切出建模数据集进行归一化；

步骤2，以Q统计量作为监测统计量，分别计算所述大用户负载投入建模数据集和大用户负载切出建模数据集的Q统计量计算模型，以及基于Q统计量计算模型，分别计算所述大用户负载投入建模数据集和大用户负载切出建模数据集的Q统计量以及对应的统计量控制限；

步骤3，在线采集同组电压互感器VT的二次输出信号，构造监测数据集 X ₁ ，对监测数据集 X ₁ 进行分段且自适应分块，划分为大用户负载投入监测数据集和大用户负载切出监测数据集，并分别对所述大用户负载投入监测数据集和大用户负载切出监测数据集进行归一化；

步骤4，对于每段数据的大用户负载投入监测数据集和大用户负载切出监测数据集，基于对应的Q统计量计算模型，分别计算每段数据中的大用户负载投入监测数据集和大用户负载切出监测数据集的Q统计量；

步骤5，基于每段数据中的大用户负载投入监测数据集和大用户负载切出监测数据集的Q统计量与对应的统计量控制限的大小关系，判断同组电压互感器是否发生故障。

本发明提供的一种电压互感器在线评估方法，能自适应识别大用户负载投切的时刻，将数据分块，针对不同分块建立对应PCA模型并划定各自控制限来识别VT在不同三相不平衡状态下的计量误差异常，显著提高了存在计量误差异常互感器的辨识能力。

附图说明

图1为本发明提供的一种电压互感器在线评估方法流程图；

图2为电压互感器在线评估方法示意图；

图3为建模数据三相电压不平衡度示意图；

图4为建模数据三相电压不平衡度绝对值波动示意图；

图5为建模数据三相电压不平衡度移动最大值及其分块效果示意图；

图6为本发明方法与当前方法在第107段数据的识别效果比对示意图；

图7为本发明方法在第107段数据大用户负载切出分块的异常识别的贡献图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。另外，本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，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。

图1为本发明提供的一种电压互感器在线评估方法流程图，如图1所示，方法包括：

步骤1，基于变电站同组电压互感器VT二次输出信号的历史数据，构造建模数据集 X ₀ ，并基于时序滑动窗自适应识别三相不平衡波动的峰值变化状态，对建模数据集 X ₀ 进行分块，划分为大用户负载投入建模数据集和大用户负载切出建模数据集，并分别对所述大用户负载投入建模数据集和大用户负载切出建模数据集进行归一化。

具体的，步骤1包括：

步骤101、计算建模数据集 X ₀ 的三相不平衡度 Unb ₀ ，计算所述 Unb ₀ 的一阶差分向量，取所述绝对值得到反映三相平衡度绝对值波动变化的向量 FDA ^U ；

其中，步骤101包括：收集变电站同组（同一电压计量节点的三相VT为一组）VT二次输出信号的历史数据，鉴于线路负荷的投切一般具有按日的明显周期性，从中挑选新入网或完成周检时段附近的整日数据，优选一日24小时为片段的数据，，为采样点数，m=1，2，3，为三相，h为1小时数据点数，计算该计量节点的三相电压不平衡度。计算 Unb ₀ 的一阶差分向量，w为 Unb ₀ 的数据量，取绝对值获得三相电压不平衡度的绝对波动向量，即。

步骤102包括：设置滑动窗口，以移动滑动窗口的方式，计算 FDA ^U 在每一个滑动窗口内的最大值，并组成最大值数组向量 FDA _nh ，nh为滑动窗口大小；取最大值数组向量 FDA _nh 的一阶差分向量，标记和为建模数据集中大用户负载投入 x _on 的时间点和大用户负载切出 x _off 的时间点。

具体的，本发明以5小时数据量5h为滑动窗口大小，以当前位置的元素为窗口中心，计算 FDA ^U 局部5h个数据点范围内的最大值，每一个滑动窗口内的最大值组成数组向量。

比如， FDA ^U 中有100个数据点，以覆盖5个点的窗口为滑动窗口，以第2个点为中心，1、2、3、4、5的数据点被覆盖在滑动窗口内，取1、2、3、4、5的数据点中的数据最大值，然后以第4个数据点为中心，2、3、4、5、6的数据点被覆盖在滑动窗口内，取2、3、4、5、6的数据点中的数据最大值，以此类推，取每一个滑动窗口内的最大值，构成数组向量。

当没有足够的元素填满滑动窗口时，滑动窗口将自动在端点处截断，当滑动窗口被截断时，只根据滑动窗口内的元素计算最大值。

取向量的一阶差分向量，标记和为建模数据中大用户负载投入 x _on 的时间点和切出 x _off 的时间点，并以此将建模数据分块为含k个数据的大用户负载切出建模数据集和（24h-k）个数据的大用户负载投入建模数据集，由于和数据集无结构化差异，后续公式中均以 X ₀ 代指上述两类数据集。

分别对大用户负载切出建模数据集和大用户负载投入建模数据集做如公式（1）所示标准化处理，得到标准化建模数据集和。

(1)

式中，k为数据集 X ₀ 的向量大小，为数据集 X ₀ 的均值向量，标准差矩阵，为 X ₀ 的第n个测量变量的标准差，。

步骤2，以Q统计量作为监测统计量，分别计算所述大用户负载投入建模数据集和大用户负载切出建模数据集的Q统计量计算模型，以及基于Q统计量计算模型，分别计算所述大用户负载投入建模数据集和大用户负载切出建模数据集的Q统计量以及对应的统计量控制限。

作为实施例，所述步骤2，包括：对大用户负载投入建模数据集 X _(0,on) 和大用户负载切出建模数据集 X _(0,off) 进行归一化处理，得到归一化后的大用户负载投入建模数据集和大用户负载切出建模数据集；基于大用户负载投入建模数据集计算得到大用户负载投入的Q统计量计算模型 Q _(0,on) ，得到对应的大用户负载投入的统计量控制限；基于大用户负载切出建模数据集计算得到大用户负载切出的Q统计量计算模型 Q _(0,off) ，得到大用户负载切出的统计量控制限。

具体的，将建模数据集和分别转换为Q统计量（以下以代指上述两个建模数据集），首先对建模数据集的协方差

作奇异值分解：

(2)；

式中为酉矩阵，为对角矩阵，且满足。

为Rⁿ空间的一组标准基，U的前k（k＜n）个线性无关向量构成主元空间，后（n-k）个线性无关向量构成残差空间，主元个数k通常根据方差累计和百分比确定。

利用主元分析法（PCA）将测量样本分解为主元成分和残差成分：

(3)；

式中，，和分别为在和

上的投影。

计算建模时段数据集用于监测残差成分的Q统计量及其控制限：

   (4)；

式中，表示置信水平为a时，大用户负载投入建模数据集对应的统计量控制限，当Q统计量在控制限内，可认为监测过程正常。当残差成分服从正态分布时，控制限计算公式为：

         (5)；

式中，（num=1,2,3），j为残差成分中的数据元素编号，，为标准正太分布在置信水平a下的阈值。

其中，大用户负载投入建模数据集和大用户负载切出建模数据集采用相同的方法计算对应的Q统计量及统计量控制限。

将建模数据和带入公式（2）、（3）、（4）得到对应Q统计量 Q _(0,off) 和 Q _(0,on) ，对应建模数据相关参数分别带入公式（5）可得到大用户负载投出和接入时段的控制限和。

步骤3，在线采集同组电压互感器VT的二次输出信号，构造监测数据集 X ₁ ，对监测数据集 X ₁ 进行分段且自适应分块，划分为大用户负载投入监测数据集和大用户负载切出监测数据集，并分别对所述大用户负载投入监测数据集和大用户负载切出监测数据集进行归一化。

作为实施例，所述步骤3，包括：将监测数据集 X ₁ 以24小时为间隔划分，第i段监测数据子集为；将第i段监测数据子集以滑动窗口自适应分块，划分为大用户负载切出监测数据子集和大用户负载投入监测数据子集；对大用户负载切出监测数据子集和大用户负载投入监测数据子集进行归一化，得到归一化后的大用户负载切出监测数据子集和大用户负载投入监测数据子集。

具体的，步骤3具体包括：

首先采集同组电压互感器的三相输出信号，生成不断更新的时序输出信号，并以24小时将在线监测数据集 X分段，第i段监测数据子集为：。

计算各分段在线监测数据子集的三相电压不平衡度。根据分段i的大小，对第i段监测数据子集做步骤1的分块操作，从分段中得到点数为k_i的大用户负载切出在线监测数据集和点数为（24h-k_i）的大用户负载投入在线监测数据集。

对和分别根据建模数据集 X _(0,off) 和 X _(0,on) 做归一化处理，得到归一化后的在线监测数据集和。

步骤4，对于每段数据的大用户负载投入监测数据集和大用户负载切出监测数据集，基于对应的Q统计量计算模型，分别计算每段数据中的大用户负载投入监测数据集和大用户负载切出监测数据集的Q统计量。

可理解的是，将分段已分块的在线监测数据集和输入公式（3）的Q统计量计算模型，计算分段i中的Q统计量和。

步骤5，基于每段数据中的大用户负载投入监测数据集和大用户负载切出监测数据集的Q统计量与对应的统计量控制限的大小关系，判断同组电压互感器是否发生故障。

作为实施例，所述步骤5，包括：基于统计量和大用户负载切出的统计量控制限的大小关系以及统计量和大用户负载投入的统计量控制限的大小关系，判断同组电压互感器是否发生故障。

具体的，若统计量＞统计量控制限或者统计量＞统计量控制限，则同组电压互感器发生故障。也就是说，对于任一个监测数据集的两个统计量，只要有一个统计量大于对应的统计量控制限，该表明该组电压互感器发生故障。

作为实施例，所述步骤5之后还包括步骤6：基于超出统计量控制限的Q统计量，计算三相中每一相电压互感器的二次输出信号对所述超出统计量控制限的Q统计量的贡献值，将贡献值最高的电压互感器确定为发生异常的电压互感器，并发生故障告警。

可理解的是，上述步骤5只能识别出同组电压互感器发生了故障，但是并不是定位出是哪一相电压互感器发生了异常。本发明将超过统计量控制限的Q统计量带入公式（6）计算每一相对Q统计量的贡献值，采用Q贡献图法进行故障诊断，贡献值最高的一相电压互感器可视为发生异常变化的电压互感器，对该相电压互感器发出故障告警。

     (6)；

式中为的第n个分量，为的第n个行向量，n=1，2，3。

可参见图2，为电压互感器的在线评估方法，下面以一个具体的例子对本发明提供的电压互感器在线评估方法进行说明。

本实施例提供一220kV高压变电站三相CVT的在线评估方法，包括以下步骤：

步骤1：构造建模数据集 X ₀ ，基于时序滑动窗自适应识别三相不平衡波动的峰值变化，并以此对数据集 X ₀ 做分块和归一化处理。

实施例选用刚完成离线检测的变电站，该变电站采用双母线接线，两条母线上配置0.2级PT、四条出线上配置0.2级CVT，由于PT计量性能较CVT更为稳定，可比对CVT与PT输出获得CVT的实时误差以验证本发明。数据采集装置的准确度等级高于0.05级，采集的特征量输出频次1个/s，对于0.2级CVT，可忽略采集装置引入的误差。从0：01分开始采集六台A相CVT二次幅值和相位，生成不断更新的时序输出信号，截取数据首端一日1440点数据作为历史建模数据集，

，，计算所述计量节点的三相电压不平衡度，该节点三相电压不平衡度如图3所示。

计算所述 Unb ₀ 的一阶差分向量，取绝对值获得三相电压不平衡的绝对波动向量。不平衡度的绝对值波动大小如图4所示。

以5小时数据量300点为滑动窗口大小，计算 FDA ^U 局部300个数据点范围内的最大值组成的数组向量，的时序图如图5所示。计算的一阶差分向量，记录的最大值和最小值时刻，并将其作为大用户负载投入和切出的建模数据分块边界和，在图5中以虚线和实线标记，将建模数据集 X ₀ 分块为大用户负载切出建模数据集

和大用户负载投入建模数据集。

进一步，对建模数据集 X _(0,off) 和 X _(0,on) 标准化处理，得到和。其中，式中为 X _(0,off) 的均值向量，标准差矩阵，

为 X _(0,off) 的第i个测量变量的标准差，计算公式的参数定义同理。

步骤2：以Q统计量作为监测统计量，建立计算模型，计算不同分块所述统计量控制限。

依据公式（2）、（3）、（4），基于归一化建模数据集和建立各自Q统计量计算模型和，依据公式（5）设定大用户负载投出和接入数据分块的控制限分别为和。

步骤3：采集同组电压互感器的二次输出信号，构造监测数据集 ，并对监测数据集分段后各段自适应分块。

将采集数据首端1441点定义为在线监测数据集起始端，构造不断更新的在线监测数据集，以一天1440点为时间片段将在线监测数据集 X分割为多个片段，第i段在线监测数据为：。计算 X各分段在线监测数据的三相电压不平衡度。基于各分段进行分块操作，标记各分段大用户负载投入和切出的在线监测数据分块边界和，将第i段在线监测数据分为

和。进一步对和分别根据建模数据集 X _(0,off) 和 X _(0,on) 做归一化处理，得到归一化后的在线监测数据集和。

步骤4：计算各分块在线监测数据集Q统计量，基于Q统计量与对应的统计量控制限的大小关系，判断同组电压互感器是否发生故障。

将在线监测数据集输入计算模型，将输入计算模型，计算分段i中的Q统计量和，将与控制限比较，与控制限比较，若任意Q统计量超出对应控制限，则判断该组电压互感器异常，并发出故障告警。以第107段数据为例，经过CVT与PT输出比对得知，数据前300点在大用户负载未接入时段A相CVT出现了误差异常波动，达到了+0.2%。本方法与当前方法比对结果如下，的识别效果如图6所示，在大用户负载切出时段，识别到大量数据超限，在大用户负载投入时段数据正常，不分块的传统PCA方法识别效果如图6所示，在大用户负载切出时段未发现异常，在大用户负载投入时段识别到大量异常，发出误报。

最后将超过控制限的统计量带入公式（6）计算各相电压互感器对Q统计量的贡献值，采用Q贡献图法进行故障诊断，如图7所示，贡献率最高的A相电压互感器可视为发生异常变化的电压互感器，对变量对应的CVT发出故障告警。

本发明提供的一种电压互感器在线评估方法，具有以下技术效果：

(1)本发明提出的方法可以自适应识别变电站大用户负载每日投切的时刻，为后续数据驱动方法提供自适应数据分块方法。

(2)本发明提出的方法基于三相电压互感器的测量数据，可在摆脱实物标准器和停电双重依赖的前提下，保障带有大用户负载变电站VT的在线评估准确率，推动输变电设备的精准检修。

需要说明的是，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细描述的部分，可以参见其它实施例的相关描述。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（***）、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (9)

1.一种电压互感器在线评估方法，其特征在于，包括：

步骤1，基于变电站同组电压互感器VT二次输出信号的历史数据，构造建模数据集X ₀ ，并基于时序滑动窗自适应识别三相不平衡波动的峰值变化状态，对建模数据集X ₀ 进行分块，划分为大用户负载投入建模数据集和大用户负载切出建模数据集，并分别对所述大用户负载投入建模数据集和大用户负载切出建模数据集进行归一化；

步骤2，以Q统计量作为监测统计量，分别计算所述大用户负载投入建模数据集和大用户负载切出建模数据集的Q统计量计算模型，以及基于Q统计量计算模型，分别计算所述大用户负载投入建模数据集和大用户负载切出建模数据集的Q统计量以及对应的统计量控制限；

步骤3，在线采集同组电压互感器VT的二次输出信号，构造监测数据集X ₁ ，对监测数据集X ₁ 进行分段且自适应分块，划分为大用户负载投入监测数据集和大用户负载切出监测数据集，并分别对所述大用户负载投入监测数据集和大用户负载切出监测数据集进行归一化；

步骤4，对于每段数据的大用户负载投入监测数据集和大用户负载切出监测数据集，基于对应的Q统计量计算模型，分别计算每段数据中的大用户负载投入监测数据集和大用户负载切出监测数据集的Q统计量；

步骤5，基于每段数据中的大用户负载投入监测数据集和大用户负载切出监测数据集的Q统计量与对应的统计量控制限的大小关系，判断同组电压互感器是否发生故障。

2.根据权利要求1所述的电压互感器在线评估方法，其特征在于，所述步骤1，包括：

计算建模数据集X₁的三相不平衡度Unb ₀ ，计算所述Unb ₀ 的一阶差分向量Dif  ^U ，取所述Dif  ^U 绝对值得到反映三相平衡度绝对值波动变化的向量FDA ^U ；

采用滑动窗口，计算所述FDA ^U 在每一个滑动窗口大小内的最大值，形成最大值数组向量，在所述最大值数组向量中找到所述FDA ^U 在建模阶段整体正向、负向变化的最大值，为大用户负载投入和切出导致的三相不平衡波动绝对值峰值显著增大时刻x _on 和减小时刻x _off ；

将所述x _on 时刻和x _off 时刻之间的建模数据定义为大用户负载投入建模数据集X _(0,on) ，剩余数据为大用户负载切出建模数据集X _(0,off) 。

3.根据权利要求2所述的电压互感器在线评估方法，其特征在于，所述计算建模数据集X₁的三相不平衡度Unb ₀ ，计算所述Unb ₀ 的一阶差分向量Dif  ^U ，取所述Dif  ^U 绝对值得到反映三相平衡度绝对值波动变化的向量FDA ^U ，包括：

取历史24小时内的同组电压互感器的二次输出信号构造建模数据集，，m=1，2，3，为电压互感器三相的序号，h为1小时数据点数，计算该计量节点的三相电压不平衡度度；

计算Unb ₀ 的一阶差分向量，M为Unb ₀ 中数据的个数，三相电压不平衡的绝对波动向量；

所述采用滑动窗口，计算所述FDA ^U 在每一个滑动窗口大小内的最大值，形成最大值数组向量，在所述最大值数组向量中找到所述FDA ^U 在建模阶段整体正向、负向变化的最大值，为大用户负载投入和切出导致的三相不平衡波动绝对值峰值显著增大时刻x _on 和减小时刻x _off ，包括：

设置滑动窗口，以移动滑动窗口的方式，计算FDA ^U 在每一个滑动窗口内的最大值，并组成最大值数组向量FDA _nh ，nh为滑动窗口大小；

取最大值数组向量FDA _nh 的一阶差分向量，标记和为建模数据集中大用户负载投入x _on 的时间点和大用户负载切出x _off 的时间点。

4.根据权利要求1所述的电压互感器在线评估方法，其特征在于，所述步骤2，包括：

对大用户负载投入建模数据集X _(0,on) 和大用户负载切出建模数据集X _(0,off) 进行归一化处理，得到归一化后的大用户负载投入建模数据集和大用户负载切出建模数据集；

基于大用户负载投入建模数据集计算得到大用户负载投入的Q统计量计算模型Q _(0,on) ，得到对应的大用户负载投入的统计量控制限；

基于大用户负载切出建模数据集计算得到大用户负载切出的Q统计量计算模型Q _(0,off) ，得到大用户负载切出的统计量控制限。

5.根据权利要求4所述的电压互感器在线评估方法，其特征在于，所述基于大用户负载投入建模数据集计算得到大用户负载投入的Q统计量计算模型Q _(0,on) ，得到对应的大用户负载投入的统计量控制限，包括：

计算建模数据集的协方差作奇异值分解：

；

式中为酉矩阵，为对角矩阵，且满足；

为Rⁿ空间的一组标准基，U的前k个线性无关向量构成主元空间，k＜n，后n-k个线性无关向量构成残差空间；

利用主元分析法将测量样本分解为主元成分和残差成分：

；

式中 ， ，和分别为在和上的投影；

计算建模阶段大用户负载投入建模数据集的Q统计量计算模型及其统计量控制限：

；

式中，表示置信水平为a时，大用户负载投入建模数据集对应的统计量控制限：

；

式中，，，j为残差成分中的数据元素编号，，为标准正太分布在置信水平下的阈值；

采用与计算大用户负载投入的统计量控制限相同的方法计算大用户负载切出的统计量控制限。

6.根据权利要求1所述的电压互感器在线评估方法，其特征在于，所述步骤3，包括：

将监测数据集X ₁ 以24小时为间隔划分，第i段监测数据子集为X _i ；

将第i段监测数据子集X _i 以滑动窗口自适应分块，划分为大用户负载监测数据子集和大用户负载投入监测数据子集；

对大用户负载监测数据子集和大用户负载投入监测数据子集进行归一化，得到归一化后的大用户负载监测数据子集和大用户负载投入监测数据子集。

7.根据权利要求6所述的电压互感器在线评估方法，其特征在于，所述步骤4，包括：

分别计算大用户负载监测数据子集和大用户负载投入监测数据子集的Q统计量和；

所述步骤5，包括：

基于统计量和大用户负载切出的统计量控制限的大小关系以及统计量和大用户负载投入的统计量控制限的大小关系，判断同组电压互感器是否发生故障。

8.根据权利要求7所述的电压互感器在线评估方法，其特征在于，所述基于统计量和大用户负载切出的统计量控制限的大小关系以及统计量和大用户负载投入的统计量控制限的大小关系，判断同组电压互感器是否发生故障，包括：

若统计量＞统计量控制限或者统计量＞统计量控制限，则同组电压互感器发生故障。

9.根据权利要求1-8任一项所述的电压互感器在线评估方法，其特征在于，所述步骤5之后还包括：

基于超出统计量控制限的Q统计量，计算三相中每一相电压互感器的二次输出信号对所述超出统计量控制限的Q统计量的贡献值，将贡献值最高的电压互感器确定为发生异常的电压互感器，并发生故障告警。

Images