CN116125361A - 电压互感器误差评估方法、***、电子设备及存储介质 - Google Patents
电压互感器误差评估方法、***、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116125361A CN116125361A CN202310054409.0A CN202310054409A CN116125361A CN 116125361 A CN116125361 A CN 116125361A CN 202310054409 A CN202310054409 A CN 202310054409A CN 116125361 A CN116125361 A CN 116125361A
- Authority
- CN
- China
- Prior art keywords
- data set
- data
- phase
- historical
- constructing
- 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.)
- Granted
Links
- 238000003860 storage Methods 0.000 title claims description 15
- 238000011156 evaluation Methods 0.000 title abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 102000003780 Clusterin Human genes 0.000 claims description 3
- 108090000197 Clusterin Proteins 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 17
- 230000008859 change Effects 0.000 description 14
- 238000004590 computer program Methods 0.000 description 11
- 238000012795 verification Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 230000004927 fusion Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 101000614028 Vespa velutina Phospholipase A1 verutoxin-1 Proteins 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Protection Of Transformers (AREA)
Abstract
本发明提供了一种电压互感器误差评估方法包括：基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；对多特征历史数据集进行预处理，基于预处理结果构建离线建模数据集；根据离线建模数据集建立Q统计量计算模型，计算其控制限；基于实时采集的待测电压互感器的二次输出幅值数据和相位数据，构建多特征实时数据集；基于多特征实时数据集轻载时段幅值，构建在线监测数据集；基于在线监测数据集的Q统计量进行故障预警。本发明基于同组三相关系和高低压同相关系，可消除工业用户用电时，大负载频繁投切对三相不平衡的影响，显著提高负担工业用户负荷变电站中存在计量误差异常互感器的在线评估准确率。
Description
技术领域
本发明涉及电力计量技术领域，更具体地，涉及一种电压互感器误差评估方法、***、电子设备及存储介质。
背景技术
电压互感器（VT）是将高电压转换为低电压的计量设备，是发电公司、电网公司、电力用户之间精准贸易结算、公平公正交易、经济技术指标考核的唯一电压测量数据来源，电能贸易的公平公正依赖电压互感器的计量准确。
然而电压互感器在长期服役后，其计量性能易受多重因素影响而劣化甚至失准，失准的电压互感器会导致电能计算出现偏差，进而影响巨额电能贸易的公平公正。为此，国家市场监督管理总局计量司2019年发布的《实施强制管理的计量器具目录》将电压互感器纳入强制检定目录中。
当前，根据JJG 1021-2007《电力互感器》、JJG 314-2010《测量用电压互感器》检定规程规定，电压互感器采用“停电检定”方法，每4年检定一次。然而，电压互感器规模庞大，并仍以每年5%的速度递增，当前，停电检定方法面临多重难以解决的困境：1.设备在停电检定与在线运行时计量状态存在差异，停电检定结果不能完全反映在线运行的准确度，可能导致停电检定正常的电压互感器在入网运行时出现失准；2.当前电网的停电窗口少、时间短，且频繁停电也会严重影响供电可靠性，导致大量电压互感器难以制定停电检定计划；3.停电检定现场所用设备种类多且笨重，运维效率低。
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关注。该方法以同一变电站内存在电气物理联系的电压互感器群体为评估对象，通过多元统计方法协同分析电压互感器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电压互感器个体运行误差变化的在线评估。但三相电压平衡受负载因素影响较大，该类方法仅适用于供给负荷较为稳定的居民用户的高压变电站，在面对负担钢厂、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，因此，如何进一步提高对负担工业用户的负荷变电站中存在计量误差的电压互感器的故障预警能力是亟待解决的问题。
发明内容
本发明针对现有技术中存在的技术问题，提供一种电压互感器误差评估方法、***、电子设备及存储介质，用以解决如何进一步提高对负担工业用户的负荷变电站中存在计量误差的电压互感器的故障预警能力的问题。
根据本发明的第一方面，提供了一种电压互感器误差评估方法，包括：
基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；
基于预设预处理流程对所述多特征历史数据集进行预处理，基于得到的轻载时段历史幅值数据构建离线建模数据集；
根据所述离线建模数据集建立Q统计量计算模型，计算其控制限；
基于实时采集的所述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；
基于所述预设预处理流程对所述多特征实时数据集进行预处理，基于得到的轻载时段实时幅值数据构建在线监测数据集；
计算所述在线监测数据集的Q统计量，在其大于所述控制限时判定所述待测电压互感器故障。
在上述技术方案的基础上，本发明还可以作出如下改进。
优选的，所述构建同组三相不平衡历史数据集Unb，包括：
;
;
其中，、、分别为同组三相电压互感器VT的测量幅值，为三相VT测量幅值的均值。
所述构建高低压同相相差历史数据集Sub，包括：
；
其中，、、分别为变压器高压侧三相VT的测量相位，、、分别为变压器低压侧三相VT的测量相位。
优选的，所述基于预设预处理流程对所述多特征历史数据集进行预处理，基于得到的轻载时段历史幅值数据构建离线建模数据集的步骤，包括：
将所述多特征历史数据集进行差分和归一化处理，得到处理后的二维数组；
对所述二维数组进行轻重负荷感知，基于轻载时段幅值构建所述离线建模数据集。
优选的，所述对所述二维数组进行轻重负荷感知的步骤，包括：
基于密度聚类算法对所述二维数组聚类分离，得到同组三相不平衡变化和高低压同相相差变化都在0点附近的数据集群；
在数据集群对应的多个采集幅值时间区间中，将连续数据最多的区间设定为轻载时段。
优选的，所述归一化的步骤，包括：
；
其中，Dif为一阶差分数据。
优选的，所述根据所述离线建模数据集建立Q统计量计算模型，计算其控制限的步骤，包括：
对所述离线建模数据进行标准化处理，得到标准化建模数据集；
将所述标准化建模数据集转换为Q统计量，计算所述标准化建模数据集的协方差R，对所述协方差R作为奇异值分解；
基于主元分析法将所述标准化建模数据集中测量样本分解为主元成分和残差成分；
基于所述残差成分计算所述Q统计量的控制限。
优选的，所述计算所述在线监测数据集的Q统计量，在其大于所述控制限时判定所述待测电压互感器故障的步骤之后，包括：
计算所述Q统计量中多个变量的贡献值,基于Q贡献图法将贡献值最高的变量设定为异常变量，并基于所述异常变量发出故障警告。
根据本发明的第二方面，提供一种电压互感器误差评估***，包括：
历史数据模块，用于基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；
离线数据模块，用于基于预设预处理流程对所述多特征历史数据集进行预处理，基于得到的轻载时段历史幅值数据构建离线建模数据集；
限值计算模块，用于根据所述离线建模数据集建立Q统计量计算模型，计算其控制限；
实时数据模块，用于基于实时采集的所述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；
在线数据模块，用于基于所述预设预处理流程对所述多特征实时数据集进行预处理，基于得到的轻载时段实时幅值数据构建在线监测数据集；
故障判定模块，用于计算所述在线监测数据集的Q统计量，在其大于所述控制限时判定所述待测电压互感器故障。
根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现上述第一方面中任一电压互感器误差评估方法的步骤。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现上述第一方面中任一电压互感器误差评估方法的步骤。
本发明提供的一种电压互感器误差评估方法、***、电子设备及存储介质，方法包括：基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；对上述多特征历史数据集进行预处理，基于预处理结果构建离线建模数据集；根据上述离线建模数据集建立Q统计量计算模型，计算其控制限；基于实时采集的上述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；基于上述多特征实时数据集轻载时段幅值，构建在线监测数据集；计算上述在线监测数据集的Q统计量，在其大于上述控制限时判定上述待测电压互感器故障。本发明在基于信息物理融合的框架下，利用电压测量值的多特征参量自适应识别工业用户的投切状态，感知负荷轻重，筛选出工业用户稳定切出的轻载时段数据，消除工业用户用电时，大负载频繁投切对三相不平衡的影响，显著提高了负担工业用户负荷变电站中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误差评估方法流程图；
图2为本发明提供的220kV降压变电站一次接线图的示意图；
图3为本发明提供的一种电压互感器误差评估方法全流程图；
图4为本发明提供的历史数据三相不平衡及高低压相差时序波形图；
图5为本发明提供的轻载数据聚类筛选结果图；
图6为本发明提供的筛选数据在整体数据中的分布区间示意图；
图7为本发明提供的本发明方法与传统方法故障识别效果比对图；
图8为本发明提供的故障定位Q统计量贡献图；
图9为本发明提供的一种电压互感器误差评估***结构示意图；
图10为本发明提供的一种可能的电子设备的硬件结构示意图；
图11为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1为本发明提供的一种电压互感器误差评估方法流程图，如图1所示，方法包括：
步骤S100：基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；
需要说明的是，本实施例方法的执行主体可以是具有数据处理、网络通信及程序运行功能的计算机终端设备，例如：电脑、平板电脑等；也可以是具有相同相似功能的服务器设备，还可以是具有相似功能的云服务器，本实施例对此不做限制。为了便于理解，本实施例及下述各实施例将以服务器设备为例进行说明。
在具体实现中，上述基于历史幅值数据和历史相位数据构建多特征历史数据集的步骤包括：
步骤S101：收集刚投运或完成周检后变电站变压器两侧的高压组和低压组（同一电压计量节点的三相电压互感器为一组，）电压互感器（VT）二次输出信号的历史数据，选择一天的幅值和相位数据（优选以0到24时最临近监测日期的数据），，，，，其中,j为组号，n为一天的数据量，和分别为第j组VT第i个二次输出的三相幅值和相位。
步骤S102：根据所述计算两组VT的三相不平衡度,其中由公式（1）、（2）计算。根据所述高压侧任意一组相位和低压侧任意一组相位，,，优选的以高压第一组和低压第一组，计算VT的同相相差,其中由公式（3）计算。； (1)
； (2)
； (3)
步骤S200：基于预设预处理流程对所述多特征历史数据集进行预处理，基于得到的轻载时段历史幅值数据构建离线建模数据集；
需要说明的是，上述预设预处理流程的步骤包括对上述多特征历史数据集进行差分和归一化处理。
上述预设预处理流程可以包括：
步骤S201：将所述多特征历史数据集进行差分和归一化处理，得到处理后的二维数组；
在具体实现中，计算所述和的一阶差分向量和。
步骤S202：对所述二维数组进行轻重负荷感知，基于轻载时段幅值构建所述离线建模数据集。
在具体实现中，对所述和进行如式（4）所示归一化处理得到数据范围为0到1之间的数据集和，再以所述和构成二维数据。
步骤S203：基于密度聚类算法对所述二维数组聚类分离，得到同组三相不平衡变化和高低压同相相差变化都在0点附近的数据集群；
在具体实现中，采用密度聚类方法，优选的以DBSCAN方法，从数据中聚类分离出同组三相不平衡变化和高低压同相相差变化均在0点附近的集群。
； (4)
步骤S204：在数据集群对应的多个采集幅值时间区间中，将连续数据最多的区间设定为轻载时段。
在具体实现中，将对应所述幅值的序列中，筛选出连续数据最多的区间，，构造建模数据集。
步骤S300：根据所述离线建模数据集建立Q统计量计算模型，计算其控制限；
在具体实现中，上述构建Q统计量计算模型，计算其控制限的步骤具体包括：
步骤S301：对所述离线建模数据进行标准化处理，得到标准化建模数据集；
在具体实现中，对所述建模数据集做如公式（5）所示标准化处理，得到标准化建模数据集。
(5)
其中，m为所述建模数据集X的数据量，为所述X的均值向量，为所述X标准差矩阵，其中为X的第i个测量变量的标准差。
步骤S302：将所述标准化建模数据集转换为Q统计量，计算所述标准化建模数据集的协方差R，对所述协方差R作为奇异值分解；
在具体实现中，将所述数据集转换为Q统计量，计算建模数据集的协方差，对所述R作奇异值分解：
; (6)
其中，为酉矩阵，为对角矩阵，且满足。
为空间的一组标准基，U的前个线性无关向量构成主元空间，后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。
步骤S303：基于主元分析法将所述标准化建模数据集中测量样本分解为主元成分和残差成分；
在具体实现中，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：
; (7)
其中，，，和分别为在和上的投影。
步骤S304：基于所述残差成分计算所述Q统计量的控制限。
在具体实现中，计算用于监测残差成分的Q统计量控制限：
; (8)
其中，控制限表示置信水平为a时的Q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：
; (9)
其中，，，为标准正太分布在置信水平a下的阈值。
步骤S400：基于实时采集的所述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；
在具体实现中，采集待测电压互感器VT的二次输出幅值和相位数据，在达到预设数据长度，构造同组三相不平衡和高低压同相相差多特征数据集。
其中，上述构造同组三相不平衡和高低压同相相差多特征数据集的具体步骤包括：
步骤S401：采集变电站被监测的两组电压互感器（VT）二次输出，生成不断更新的时序输出幅值和相位，在达到数据预设长度，优选的以一日采集的数据量为数据预设长度，生成采集幅值和相位数据，其中第次达到预设长度的采集幅值和相位数据为和。
步骤S402：根据所述计算VT的三相不平衡度,其中由公式（1）、（2）计算。根据所述和计算VT的同相相差,其中由公式（3）计算。
步骤S500：基于所述预设预处理流程对所述多特征实时数据集进行预处理，基于得到的轻载时段实时幅值数据构建在线监测数据集；
在具体实现中，上述构建在线监测数据集的步骤包括：
步骤S501：计算所述和的一阶差分向量和。
步骤S502：对所述和进行如公式（4）所示归一化处理得到数据范围为0到1之间的数据集和，再以所述和构成二维数据，采用密度聚类方法，从数据中聚类分离出同组三相不平衡变化和高低压同相相差变化均在0点附近的集群。
步骤S503：将对应所述幅值的序列中，筛选出连续数据最多的区间，，构造在线监测数据集。
步骤S600：计算所述在线监测数据集的Q统计量，在其大于所述控制限时判定所述待测电压互感器故障。
在具体实现中，计算在线监测数据集的Q统计量，当其大于控制限则判断出现故障，并发出该分段对应台体的故障告警，若未超限，则继续对待测电压互感器进行监测。
其中，基于在线监测数据集的Q统计量进行故障告警的步骤包括：
步骤S601：将第i段筛选的所述轻载在线监测数据集做如公式（5）所示标准化处理，得到标准化建模数据集。
步骤S602：根据公式（6）、（7）、（8）将所述数据集转换为监测统计量。
步骤603：将所述监测统计量与控制限比较，当统计量超出控制限，则判断异常。
步骤S604：计算所述Q统计量中多个变量的贡献值,基于Q贡献图法将贡献值最高的变量设定为异常变量，并基于所述异常变量发出故障警告。
在具体实现中，将超控制限的Q统计量带入公式（6）计算各变量对Q统计量的贡献值，采用Q贡献图法进行故障诊断，贡献率最高的变量可视为发生异常变化的变量，对变量对应的VT发出故障告警。
; (10)
其中，为的第个分量，为的第i个行向量。
若没有出现超限的情况，则继续对待测电压互感器进行监测，标记下次采集数据编号i+1。
本发明提供的一种电压互感器误差评估方法、***、电子设备及存储介质，方法包括：基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；对上述多特征历史数据集进行预处理，基于预处理结果构建离线建模数据集；根据上述离线建模数据集建立Q统计量计算模型，计算其控制限；基于实时采集的上述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；基于上述多特征实时数据集轻载时段幅值，构建在线监测数据集；计算上述在线监测数据集的Q统计量，在其大于上述控制限时判定上述待测电压互感器故障。本发明在基于信息物理融合的框架下，利用电压测量值的多特征参量自适应识别工业用户的投切状态，感知负荷轻重，筛选出工业用户稳定切出的轻载时段数据，消除工业用户用电时，大负载频繁投切对三相不平衡的影响，显著提高了负担工业用户负荷变电站中存在计量误差异常互感器的辨识能力。同时本发明方法可以自适应筛选每日变电站工业用户负荷稳定切出时间段的数据，为后续数据驱动方法提供更可靠的建模和监测数据集。
在一种可能的应用场景中，参见图2，图2为本发明提供的220kV降压变电站一次接线图的示意图；在本应用场景中，该变电站为220kV降压变电站，包含220kV和110kV两个电压等级，其一次接线如图2所示，运行方式为双母线分列运行，每条母线上配置一组VT。本实施例以变压器I两侧的两组VT，VT-1和VT-3为例，解释本发明提供的电压互感器误差评估方法，由于两组VT在线评估方法相同，后续均以高压侧VT-1组在线评估流程为例说明。
为了进一步说明本应用场景中本实施例中的在线评估流程，参见图3，图3为本发明提供的一种电压互感器误差评估方法全流程图，在图3中，本实施例方法包括：
步骤S1：收集变电站历史幅值和相位数据，构造同组三相不平衡和高低压同相相差的多特征数据集。
本实施例选用刚完成离线检定的变电站，在被监测220kV母线VT-1和110kV母线VT-3这两组VT二次输出上安装高精度同步采集装置，该装置精度等级高于0.05级，采集的特征量输出频次1个/s，对于0.2级VT，可忽略采集装置引入的误差。由于变电站刚完成检定，可认为当前VT计量性能正常，可以首个0时至24时采集的数据作为历史数据。其中幅值为，，，，其中,j为组号，j=1表示VT-1组，j=2表示VT-3组，和分别为第j组VT第i个二次输出的三相幅值和相位。
根据所述计算VT-1的三相不平衡度,其中由公式（1）、（2）计算。根据所述、及公式（3）计算VT的同相相差，及时序如图4所示。
步骤S2：对多特征数据集进行差分和归一化处理组成二维数组，对数组聚类以实现历史数据轻重负荷感知，截取轻载时段幅值构造离线建模数据集。
计算所述和的一阶差分向量和。再对所述和进行如式（4）所示归一化处理得到数据范围为0到1之间的数据集和，再以所述和构成二维数据，采用DBSCAN聚类方法，从数据中聚类分离出同组三相不平衡变化和高低压同相相差变化同时最小的集群，如图5所示。
最后，将对应所述幅值X0的序列中，筛选出连续数据最多的区间，，构造建模数据集。图6以三相不平衡曲线展示筛选数据在整体数据中的分布区间。
步骤S3：根据离线建模数据集建立Q统计量计算模型，计算其控制限。
依据公式（5），对所述建模数据集做如步骤S2所示标准化处理，得到标准化建模数据集。然后，计算所述建模数据集的协方差，并依据公式（6）对所述作奇异值分解，得到空间的一组标准基，主元个数k在本问题为1，U的前1个线性无关向量构成主元空间，后2个线性无关向量构成残差空间，再依据公式（7）、（8）、（9），将测量样本分解为主元成分和残差成分，得到用于监测残差成分的统计量控制限。
步骤S4：采集VT的二次输出幅值和相位数据，在达到预设数据长度，构造同组三相不平衡和高低压同相相差多特征数据集。
在具体实现中，生成历史数据后，继续采集变电站被监测的两组电压互感器（VT）二次输出，生成不断更新的时序输出幅值和相位，在达到一日采集的数据量1440点，生成第段采集幅值数据和第段采集相位数据。
与步骤S1类似，根据所述计算VT的三相不平衡度,其中由公式（1）、（2）计算。根据所述计算VT的同相相差,其中由公式（3）计算。
步骤S5：对采集数据进行轻重负荷感知，截取轻载时段幅值构造在线监测数据集。
与步骤S2类似，计算所述和的一阶差分向量和，对所述和进行如公式（4）所示归一化处理得到数据范围为0到1之间的数据集和，再以所述和构成二维数据，采用DBSCAN聚类方法，从数据中聚类分离出同组三相不平衡变化和高低压同相相差变化均在0点附近的集群。将对应所述幅值的序列中，筛选出连续数据最多的区间，，构造在线监测数据集。
步骤S6：计算在线监测数据集的Q统计量，当其大于控制限则判断出现故障，并发出该分段对应台体的故障告警，若未超限，重复步骤3-6。
与步骤S3类似，将所述在线监测数据集做如公式（5）所示标准化处理，得到标准化建模数据集。然后，根据公式（6）、（7）、（8）将所述数据集转换为监测统计量。将所述监测统计量与控制限比较，当统计量超出控制限，则判断异常。以实施例在某天第100点左右A相出现正向0.3%左右误差突变为例，本方法与传统方法比对结果如图7所示。
图7包含出现故障当天及前一天的Q统计量曲线，其中，传统方法不对建模和在线监测数据筛选，无法区分在工业用户负荷与误差漂移对三相不平衡的影响，在工业用户负荷投入时，Q统计量由于工业用户负荷频繁投切出现超出控制限的情况，当工业用户负荷切出时，统计量稳定低于控制限，识别不到误差异常变化。而本方法Q统计量在出现误差异常变化前一天基本稳定在控制限以下，异常变化后稳定超出控制限，可明确识别故障发生。
在出现异常后，将超控制限的Q统计量带入公式（6）计算各变量对统计量的贡献值，采用贡献图法进行故障诊断，如图8所示。
图8所示，判断贡献率最高的VT-1 A相VT发生异常变化，对其发出故障告警，与实际故障一致。若第I段采集数据未出现异常，则重复步骤3-6，采集数据编号为I+1。
与现有技术相比，本发明的有益技术效果为：
（1）本发明提出的方法可以自适应筛选每日变电站工业用户负荷稳定切出时间段的数据，为后续数据驱动方法提供更可靠的建模和监测数据集。
（2）本发明提出的方法基于同组三相关系和高低压同相关系，可消除工业用户用电时，大负载频繁投切对三相不平衡的影响，显著提高负担工业用户负荷变电站中存在计量误差异常互感器的在线评估准确率。
请参阅图9，图9为本发明实施例提供的一种电压互感器误差评估***结构图示意图，如图9所示，一种电压互感器误差评估***，包括历史数据模块100、离线数据模块200、限值计算模块300、实时数据模块400、在线数据模块500和故障判定模块600，其中：
历史数据模块100，用于基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；离线数据模块200，用于对所述多特征历史数据集进行预处理，基于预处理结果构建离线建模数据集；限值计算模块300，用于根据所述离线建模数据集建立Q统计量计算模型，计算其控制限；实时数据模块400，用于基于实时采集的所述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；在线数据模块500，用于基于所述多特征实时数据集轻载时段幅值，构建在线监测数据集；故障判定模块600，用于计算所述在线监测数据集的Q统计量，在其大于所述控制限时判定所述待测电压互感器故障。
可以理解的是，本发明提供的一种电压互感器误差评估***与前述各实施例提供的电压互感器误差评估方法相对应，电压互感器误差评估***的相关技术特征可参考电压互感器误差评估方法的相关技术特征，在此不再赘述。
请参阅图10，图10为本发明实施例提供的电子设备的实施例示意图。如图10所示，本发明实施例提供了一种电子设备，包括存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序1311，处理器1320执行计算机程序1311时实现以下步骤：
基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；对上述多特征历史数据集进行预处理，基于预处理结果构建离线建模数据集；根据上述离线建模数据集建立Q统计量计算模型，计算其控制限；基于实时采集的上述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；基于上述多特征实时数据集轻载时段幅值，构建在线监测数据集；计算上述在线监测数据集的Q统计量，在其大于上述控制限时判定上述待测电压互感器故障。
请参阅图11，图11为本发明提供的一种计算机可读存储介质的实施例示意图。如图11所示，本实施例提供了一种计算机可读存储介质1400，其上存储有计算机程序1411，该计算机程序1411被处理器执行时实现如下步骤：
基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；对上述多特征历史数据集进行预处理，基于预处理结果构建离线建模数据集；根据上述离线建模数据集建立Q统计量计算模型，计算其控制限；基于实时采集的上述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；基于上述多特征实时数据集轻载时段幅值，构建在线监测数据集；计算上述在线监测数据集的Q统计量，在其大于上述控制限时判定上述待测电压互感器故障。
本发明实施例提供的一种电压互感器误差评估方法、***及存储介质，方法包括：基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；对上述多特征历史数据集进行预处理，基于预处理结果构建离线建模数据集；根据上述离线建模数据集建立Q统计量计算模型，计算其控制限；基于实时采集的上述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；基于上述多特征实时数据集轻载时段幅值，构建在线监测数据集；计算上述在线监测数据集的Q统计量，在其大于上述控制限时判定上述待测电压互感器故障。本发明在基于信息物理融合的框架下，利用电压测量值的多特征参量自适应识别工业用户的投切状态，感知负荷轻重，筛选出工业用户稳定切出的轻载时段数据，消除工业用户用电时，大负载频繁投切对三相不平衡的影响，显著提高了负担工业用户负荷变电站中存在计量误差异常互感器的辨识能力。
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 (10)
1.一种电压互感器误差评估方法，其特征在于，所述方法包括：
基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；
基于预设预处理流程对所述多特征历史数据集进行预处理，基于得到的轻载时段历史幅值数据构建离线建模数据集；
根据所述离线建模数据集建立Q统计量计算模型，计算其控制限；
基于实时采集的所述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；
基于所述预设预处理流程对所述多特征实时数据集进行预处理，基于得到的轻载时段实时幅值数据构建在线监测数据集；
计算所述在线监测数据集的Q统计量，在其大于所述控制限时判定所述待测电压互感器故障。
2.根据权利要求1所述的电压互感器误差评估方法，其特征在于，所述构建同组三相不平衡历史数据集Unb，包括：
;
;
其中，、、分别为同组三相电压互感器VT的测量幅值，为三相VT测量幅值的均值；
所述构建高低压同相相差历史数据集Sub，包括：
；
其中，、、分别为变压器高压侧三相VT的测量相位，、、分别为变压器低压侧三相VT的测量相位。
3.根据权利要求2所述的电压互感器误差评估方法，其特征在于，所述基于预设预处理流程对所述多特征历史数据集进行预处理，基于得到的轻载时段历史幅值数据构建离线建模数据集的步骤，包括：
将所述多特征历史数据集进行差分和归一化处理，得到处理后的二维数组；
对所述二维数组进行轻重负荷感知，基于轻载时段幅值构建所述离线建模数据集。
4.根据权利要求3所述的电压互感器误差评估方法，其特征在于，所述对所述二维数组进行轻重负荷感知的步骤，包括：
基于密度聚类算法对所述二维数组聚类分离，得到同组三相不平衡变化和高低压同相相差变化都在0点附近的数据集群；
在数据集群对应的多个采集幅值时间区间中，将连续数据最多的区间tsel设定为轻载时段。
5.根据权利要求4所述的电压互感器误差评估方法，其特征在于，所述归一化的步骤，包括：
；
其中，Dif为一阶差分数据。
6.根据权利要求1所述的电压互感器误差评估方法，其特征在于，所述根据所述离线建模数据集建立Q统计量计算模型，计算其控制限的步骤，包括：
对所述离线建模数据进行标准化处理，得到标准化建模数据集；
将所述标准化建模数据集转换为Q统计量，计算所述标准化建模数据集的协方差R，对所述协方差R作为奇异值分解；
基于主元分析法将所述标准化建模数据集中测量样本分解为主元成分和残差成分；
基于所述残差成分计算所述Q统计量的控制限。
7.根据权利要求1所述的电压互感器误差评估方法，其特征在于，所述计算所述在线监测数据集的Q统计量，在其大于所述控制限时判定所述待测电压互感器故障的步骤之后，包括：
计算所述Q统计量中多个变量的贡献值Qxi,基于Q贡献图法将贡献值最高的变量设定为异常变量，并基于所述异常变量发出故障警告。
8.一种电压互感器误差评估***，其特征在于，包括：
历史数据模块，用于基于变电站的历史幅值数据和历史相位数据，构建同组三相不平衡和高低压同相相差的多特征历史数据集；
离线数据模块，用于基于预设预处理流程对所述多特征历史数据集进行预处理，基于得到的轻载时段历史幅值数据构建离线建模数据集；
限值计算模块，用于根据所述离线建模数据集建立Q统计量计算模型，计算其控制限；
实时数据模块，用于基于实时采集的所述变电站中待测电压互感器的二次输出幅值数据和相位数据，构建同组三相不平衡和高低压同相相差的多特征实时数据集；
在线数据模块，用于基于所述预设预处理流程对所述多特征实时数据集进行预处理，基于得到的轻载时段实时幅值数据构建在线监测数据集；
故障判定模块，用于计算所述在线监测数据集的Q统计量，在其大于所述控制限时判定所述待测电压互感器故障。
9.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-7任一项所述的电压互感器误差评估方法的步骤。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-7任一项所述的电压互感器误差评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310054409.0A CN116125361B (zh) | 2023-02-03 | 2023-02-03 | 电压互感器误差评估方法、***、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310054409.0A CN116125361B (zh) | 2023-02-03 | 2023-02-03 | 电压互感器误差评估方法、***、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116125361A true CN116125361A (zh) | 2023-05-16 |
| CN116125361B CN116125361B (zh) | 2023-07-18 |
Family
ID=86300548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310054409.0A Active CN116125361B (zh) | 2023-02-03 | 2023-02-03 | 电压互感器误差评估方法、***、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116125361B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116500532A (zh) * | 2023-06-25 | 2023-07-28 | 云南电网有限责任公司 | 同步交叉采样的高压电压互感器计量异常评估方法及*** |
| CN116679254A (zh) * | 2023-07-27 | 2023-09-01 | 威胜集团有限公司 | 一种电压互感器初始误差计算方法 |
| CN116736212A (zh) * | 2023-06-20 | 2023-09-12 | 威胜集团有限公司 | 一种互感器运行误差在线监测及计量方法 |
| CN117093834A (zh) * | 2023-10-19 | 2023-11-21 | 华中科技大学 | 一种三相电压***异常监测方法 |
| CN118051746A (zh) * | 2024-04-16 | 2024-05-17 | 华中科技大学 | 一种电压互感器中性线故障监测方法及*** |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4612617A (en) * | 1983-03-02 | 1986-09-16 | Siemens-Allis, Inc. | Method and apparatus for monitoring instantaneous electrical parameters of a power distribution system |
| WO2012090036A1 (en) * | 2010-12-31 | 2012-07-05 | Abb Technology Ltd | A method and an apparatus for supervision of current transformer in a differential protection system |
| CN110095744A (zh) * | 2019-04-04 | 2019-08-06 | 国网江苏省电力有限公司电力科学研究院 | 一种电子式互感器误差预测方法 |
| CN110333474A (zh) * | 2019-06-28 | 2019-10-15 | 中国电力科学研究院有限公司 | 一种在线检测互感器计量异常状态的方法和*** |
| CN112485747A (zh) * | 2020-11-28 | 2021-03-12 | 国网江西省电力有限公司供电服务管理中心 | 一种电容式电压互感器误差状态评估方法 |
| CN112731260A (zh) * | 2021-03-30 | 2021-04-30 | 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 |
| CN113702895A (zh) * | 2021-10-28 | 2021-11-26 | 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 |
| CN114460521A (zh) * | 2021-12-24 | 2022-05-10 | 广东电网有限责任公司 | 电流互感器误差状态判别方法、装置、终端设备及介质 |
| WO2022095544A1 (zh) * | 2020-11-03 | 2022-05-12 | 国网辽宁省电力有限公司电力科学研究院 | 三相同轴高温超导电缆通流试验***及暂、稳态试验方法 |
| CN114492675A (zh) * | 2022-04-01 | 2022-05-13 | 武汉格蓝若智能技术有限公司 | 一种电容式电压互感器故障原因智能诊断方法 |
| CN114740418A (zh) * | 2022-05-05 | 2022-07-12 | 合肥工业大学 | 一种电容式电压互感器误差在线检测方法 |
| 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*** |
-
2023
- 2023-02-03 CN CN202310054409.0A patent/CN116125361B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4612617A (en) * | 1983-03-02 | 1986-09-16 | Siemens-Allis, Inc. | Method and apparatus for monitoring instantaneous electrical parameters of a power distribution system |
| WO2012090036A1 (en) * | 2010-12-31 | 2012-07-05 | Abb Technology Ltd | A method and an apparatus for supervision of current transformer in a differential protection system |
| CN110095744A (zh) * | 2019-04-04 | 2019-08-06 | 国网江苏省电力有限公司电力科学研究院 | 一种电子式互感器误差预测方法 |
| CN110333474A (zh) * | 2019-06-28 | 2019-10-15 | 中国电力科学研究院有限公司 | 一种在线检测互感器计量异常状态的方法和*** |
| WO2022095544A1 (zh) * | 2020-11-03 | 2022-05-12 | 国网辽宁省电力有限公司电力科学研究院 | 三相同轴高温超导电缆通流试验***及暂、稳态试验方法 |
| CN112485747A (zh) * | 2020-11-28 | 2021-03-12 | 国网江西省电力有限公司供电服务管理中心 | 一种电容式电压互感器误差状态评估方法 |
| CN112731260A (zh) * | 2021-03-30 | 2021-04-30 | 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 |
| CN113702895A (zh) * | 2021-10-28 | 2021-11-26 | 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 |
| CN114460521A (zh) * | 2021-12-24 | 2022-05-10 | 广东电网有限责任公司 | 电流互感器误差状态判别方法、装置、终端设备及介质 |
| CN114492675A (zh) * | 2022-04-01 | 2022-05-13 | 武汉格蓝若智能技术有限公司 | 一种电容式电压互感器故障原因智能诊断方法 |
| CN114740418A (zh) * | 2022-05-05 | 2022-07-12 | 合肥工业大学 | 一种电容式电压互感器误差在线检测方法 |
| 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*** |
Non-Patent Citations (2)
| Title |
|---|
| ZHENHUA LI 等: "Online Evaluation for the Accuracy of Electronic Voltage Transformer Based on Recursive Principal Components Analysis", ENERGIES, pages 1 - 11 * |
| 钟悦 等: "考虑多因素的电子式电压互感器误差组合预测方法研究", 电力科学与技术学报, pages 1 - 8 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116736212A (zh) * | 2023-06-20 | 2023-09-12 | 威胜集团有限公司 | 一种互感器运行误差在线监测及计量方法 |
| CN116736212B (zh) * | 2023-06-20 | 2024-02-06 | 威胜集团有限公司 | 一种互感器运行误差在线监测及计量方法 |
| CN116500532A (zh) * | 2023-06-25 | 2023-07-28 | 云南电网有限责任公司 | 同步交叉采样的高压电压互感器计量异常评估方法及*** |
| CN116500532B (zh) * | 2023-06-25 | 2023-11-14 | 云南电网有限责任公司 | 同步交叉采样的高压电压互感器计量异常评估方法及*** |
| CN116679254A (zh) * | 2023-07-27 | 2023-09-01 | 威胜集团有限公司 | 一种电压互感器初始误差计算方法 |
| CN116679254B (zh) * | 2023-07-27 | 2023-10-20 | 威胜集团有限公司 | 一种电压互感器初始误差计算方法 |
| CN117093834A (zh) * | 2023-10-19 | 2023-11-21 | 华中科技大学 | 一种三相电压***异常监测方法 |
| CN117093834B (zh) * | 2023-10-19 | 2024-01-02 | 华中科技大学 | 一种三相电压***异常监测方法 |
| CN118051746A (zh) * | 2024-04-16 | 2024-05-17 | 华中科技大学 | 一种电压互感器中性线故障监测方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116125361B (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116125361B (zh) | 电压互感器误差评估方法、***、电子设备及存储介质 | |
| CN108375715B (zh) | 一种配电网线路故障风险日预测方法及*** | |
| CN107346899B (zh) | 一种光伏电站***稳定性评估方法及*** | |
| 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 | |
| CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
| CN109813544B (zh) | 一种基于在线监测的旋转机械早期故障诊断方法及*** | |
| CN109274097A (zh) | 一种基于随机矩阵理论的电力***暂态稳定态势评估方法 | |
| CN113050018B (zh) | 基于数据驱动评估结果变化趋势的电压互感器状态评估方法及*** | |
| CN109409658A (zh) | 一种配电网运行风险感知方法和装置 | |
| CN112288303A (zh) | 确定线损率的方式、装置 | |
| CN112202597A (zh) | 一种低压台区通信网络节点重要度的评估方法 | |
| CN103246939A (zh) | 基于安全稳定裕度的电网运行安全风险事件在线辨识方法 | |
| CN104300532A (zh) | 一种基于矩阵因子的电压暂降评估流程 | |
| CN109901022B (zh) | 基于同步量测数据的配电网区域定位方法 | |
| CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
| CN104834305A (zh) | 基于dms***的配网自动化终端遥测异常分析***及方法 | |
| CN115685045B (zh) | 一种电压互感器在线评估方法 | |
| Maslennikov et al. | Implementation of ROSE for on-line voltage stability analysis at ISO New England | |
| Dehghanian et al. | Optimal RTU placement in power distribution systems using a novel method based on analytical hierarchical process (AHP) | |
| Moradzadeh et al. | Image processing-based data integrity attack detection in dynamic line rating forecasting applications | |
| CN115693692A (zh) | 基于配电网电压数据分析的电压合格率提升方法 | |
| CN109492913B (zh) | 一种配电终端的模块化风险预测方法、装置及可存储介质 | |
| CN112001073A (zh) | 一种牵引供电***的可靠性分析研究方法 | |
| Zhang et al. | Consistency analysis of SCADA data from field power systems | |
| Rocha-Doria et al. | Synchrophasor applications in distribution systems: real-life experience |
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 |