一種基于相似特征融合的諧波主特征群篩選方法
【專利摘要】本發(fā)明涉及一種基于相似特征融合的諧波主特征群篩選方法，首先進(jìn)行諧波電流類監(jiān)測(cè)樣本的去中心化，得到去中心化的數(shù)值，然后計(jì)算諧波電流類監(jiān)測(cè)樣本的相似度指標(biāo)，最后基于相似度指標(biāo)分布特性篩選主特征群。本發(fā)明能夠快速確定監(jiān)測(cè)點(diǎn)的主要諧波污染次數(shù)。
【專利說(shuō)明】
一種基于相似特征融合的諧波主特征群篩選方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及電力系統(tǒng)諧波污染領(lǐng)域，特別是一種基于相似特征融合的諧波主特征 群篩選方法。
【背景技術(shù)】
[0002] 隨著大量電力電子裝置的并網(wǎng)運(yùn)行及其它非線性負(fù)荷數(shù)量的增加，電力系統(tǒng)中的 諧波污染越來(lái)越嚴(yán)重。目前，已經(jīng)構(gòu)建了比較完備的電能質(zhì)量在線監(jiān)測(cè)網(wǎng)，能夠監(jiān)測(cè)電網(wǎng)電 壓總諧波畸變率、各次諧波電壓含有率和相角、電流總諧波畸變率、各次諧波電流含有率、 有效值和相角等諧波信息。大量的在線監(jiān)測(cè)信息中有助于諧波污染用戶建模，得到用戶運(yùn) 行的基本數(shù)據(jù)。但完備的諧波模型包含全部諧波電壓、諧波電流監(jiān)測(cè)指標(biāo)，且指標(biāo)間相互影 響，使得模型非常復(fù)雜而無(wú)法實(shí)現(xiàn)參數(shù)辨識(shí)。在工程實(shí)踐中，需要辨識(shí)出哪些諧波監(jiān)測(cè)指標(biāo) 應(yīng)該包含在模型中，哪些變量應(yīng)該從模型中剔除，也就是需要從大量歷史監(jiān)測(cè)數(shù)據(jù)中確定 諧波主特征群，以便針對(duì)諧波主特征群建立工程實(shí)用模型。
[0003] 目前通常在公共連接點(diǎn)(Point of Common Coupling，PCC)監(jiān)測(cè)用戶電壓和電流， 計(jì)算電壓和電流的諧波成分，采用檢測(cè)時(shí)間段內(nèi)的最大值、平均值或95%大值評(píng)價(jià)用戶對(duì) 電網(wǎng)電能質(zhì)量的影響，并以此作為用戶開(kāi)展諧波治理的依據(jù)。這種做法其實(shí)就是采用諧波 電流源模型表征用戶污染，并把監(jiān)測(cè)數(shù)據(jù)作為用戶模型參數(shù)，而沒(méi)有考慮不同諧波次數(shù)之 間的相互影響，不是對(duì)用戶諧波污染特性的本質(zhì)反映。
[0004] 由于諧波源產(chǎn)生諧波的原理復(fù)雜，往往難以建立通用的數(shù)學(xué)模型。目前諧波源可 以采用等效電源、交叉頻率導(dǎo)納矩陣等模型，應(yīng)用獨(dú)立分量分析、最小二乘逼近和神經(jīng)網(wǎng)絡(luò) 等方法從監(jiān)測(cè)樣本數(shù)據(jù)辨識(shí)模型參數(shù)。其中，基于交叉頻率導(dǎo)納矩陣的諧波源模型考慮了 諧波電壓對(duì)諧波電流的影響，但在不同工況下要重新計(jì)算模型參數(shù)?；谧钚《吮平?諧波源模型將諧波電流表示為基波、各次諧波電壓分量和不受電壓變化影響的電流恒定分 量的表達(dá)式，利用最小二乘逼近求取模型參數(shù)，精確度較高，但是存在模型參數(shù)求取困難等 問(wèn)題?；谏窠?jīng)網(wǎng)絡(luò)的諧波源建模不需要了解諧波源負(fù)荷的內(nèi)部結(jié)構(gòu)，但模型精度受訓(xùn)練 樣本數(shù)制約。
[0005] 如果待分析工況與參數(shù)辨識(shí)的樣本工況相接近，則計(jì)算誤差主要由參數(shù)辨識(shí)精度 決定，而與選用的模型類型基本無(wú)關(guān)。當(dāng)待分析工況與樣本工況差異較大時(shí)，不同的諧波源 模型對(duì)計(jì)算誤差影響較大。
[0006] 目前諧波源建模的思路是對(duì)模型結(jié)構(gòu)進(jìn)行簡(jiǎn)化，因而誤差較大。如果能夠從歷史 監(jiān)測(cè)數(shù)據(jù)中確定諧波主特征次數(shù)，針對(duì)主特征次數(shù)建立詳細(xì)模型，就可以在保留模型精度 的同時(shí)大量減少參數(shù)辨識(shí)難度。

【發(fā)明內(nèi)容】

[0007] 有鑒于此，本發(fā)明的目的是提出一種基于相似特征融合的諧波主特征群篩選方 法，能夠快速確定監(jiān)測(cè)點(diǎn)的主要諧波污染次數(shù)。
[0008] 本發(fā)明采用以下方案實(shí)現(xiàn):一種基于相似特征融合的諧波主特征群篩選方法，具 體包括以下步驟：
[0009] 步驟SI:從諧波電流類監(jiān)測(cè)樣本減去各次諧波電流基準(zhǔn)限值Co,對(duì)諧波電流類監(jiān) 測(cè)樣本去中心化，得到去中心化的數(shù)值C*;
[0010] 步驟S2:計(jì)算諧波電流類監(jiān)測(cè)樣本的相似度指標(biāo):記S24*24為C*中各次諧波之間的 相似度指標(biāo)矩陣，S(i，j)表示第i次諧波電流與第j次諧波電流監(jiān)測(cè)樣本之間的相似度，其 中，I < i · i < 2?5，按下式計(jì)覚S(i · i)，結(jié)里仿干1與-1之間：
[0011]
[0012] 步驟S3:基于相似度指標(biāo)分布特性篩選主特征群。
[0013] 進(jìn)一步地，所述步驟Sl具體包括以下步驟：
[0014] 步驟Sl 1:設(shè)測(cè)點(diǎn)諧波電流測(cè)量值矩陣為Cm*25，其中Cm*25為m行，25列的矩陣;其中第 j列代表j次諧波，I < j < 25,第i行代表第i個(gè)測(cè)量值，I < i Sm;
[0015] 步驟S12:根據(jù)測(cè)點(diǎn)電壓等級(jí)，規(guī)定各次諧波電流基準(zhǔn)限值為Co，Co是1*25的行向 量，單位為A;
[0016] 步驟S13:對(duì)(："*25的每一行，減去諧波電流基準(zhǔn)限值Co，得到去中心化的數(shù)值C*，C* 為m行，25列的矩陣，單位為A。其中，Co按照國(guó)標(biāo)GB/T 14549-93規(guī)定。例如，下表就是注入 I OkV公共連接點(diǎn)的諧波電流允許值。
[0019] 進(jìn)一步地，所述步驟S3具體包括以下步驟：
[0020] 步驟S31:將[-I，1 ]分為10個(gè)小區(qū)間，根據(jù)S(i，j) (I<i ^ 25，i< j ^ 25)取值并將 其分屬各個(gè)區(qū)間，得到10個(gè)初始群；
[0021 ]步驟S32:計(jì)算每個(gè)初始群的中心Ck，所述Ck是每個(gè)群中S(i，j)的平均值；
[0022] 步驟S33:計(jì)算S(i，j)(I<i < 25，i< j < 25)與每個(gè)群中心的距離I(i，j) = I S(i， j)_CkI；
[0023] 步驟S34:將S(i，j)歸屬到與其距離最近的那個(gè)群；
[0024] 步驟S35:刪除成員為空的群，得到新的群及其成員；
[0025] 步驟S36:回到步驟S32重新開(kāi)始分群，直到兩次迭代之間的分群結(jié)果不再變化，或 者迭代次數(shù)大于100為止；
[0026] 步驟S37:列出每個(gè)群中的S(i，j)下標(biāo)，則每組下標(biāo)代表一個(gè)諧波主特征群。
[0027] 與現(xiàn)有技術(shù)相比，本發(fā)明有以下有益效果：
[0028] 1、本發(fā)明定義了諧波電流類監(jiān)測(cè)樣本的相似度指標(biāo);提出一種基于諧波電流類監(jiān) 測(cè)指標(biāo)相似度的主特征群篩選方法，能夠快速確定監(jiān)測(cè)點(diǎn)的主要諧波污染次數(shù)。
[0029] 2、本發(fā)明采用大量在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)計(jì)算，得到監(jiān)測(cè)點(diǎn)諧波污染特征次數(shù)的 統(tǒng)計(jì)信息，而不僅僅是某種特殊運(yùn)行工況下的計(jì)算結(jié)果，其結(jié)論更全面更合理。
【附圖說(shuō)明】
[0030] 圖1為本發(fā)明的方法流程示意圖。
【具體實(shí)施方式】
[0031] 下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。
[0032] 如圖1所示，本實(shí)施例提供了一種基于相似特征融合的諧波主特征群篩選方法，具 體包括以下步驟：
[0033] 步驟SI:從諧波電流類監(jiān)測(cè)樣本減去各次諧波電流基準(zhǔn)限值Co,對(duì)諧波電流類監(jiān) 測(cè)樣本去中心化，得到去中心化的數(shù)值C*;
[0034] 步驟S2:計(jì)算諧波電流類監(jiān)測(cè)樣本的相似度指標(biāo):記S24*24為C*中各次諧波之間的 相似度指標(biāo)矩陣，S(i，j)表示第i次諧波電流與第j次諧波電流監(jiān)測(cè)樣本之間的相似度，其 中，I < i, j < 25,按下式計(jì)算S(i, j)，結(jié)果位于1與-1之間：
[0035]
[0036] 步驟S3:基于相似度指標(biāo)分布特性篩選主特征群。
[0037] 在本實(shí)施例中，所述步驟Sl具體包括以下步驟：
[0038] 步驟Sl 1 :設(shè)測(cè)點(diǎn)諧波電流測(cè)量值矩陣為Cm*25，其中Cm*25為m行，25列的矩陣;其中第 j列代表j次諧波，I < j < 25,第i行代表第i個(gè)測(cè)量值，I < i Sm;
[0039] 步驟S12:根據(jù)測(cè)點(diǎn)電壓等級(jí)，規(guī)定各次諧波電流基準(zhǔn)限值為Co，Co是1*25的行向 量，單位為A;
[0040] 步驟S13:對(duì)(："*25的每一行，減去諧波電流基準(zhǔn)限值Co，得到去中心化的數(shù)值C*，C* 為m行，25列的矩陣，單位為A。其中，Co按照國(guó)標(biāo)GB/T 14549-93規(guī)定。例如，下表就是注入 I OkV公共連接點(diǎn)的諧波電流允許值。

[0042] 在本實(shí)施例中，所述步驟S3具體包括以下步驟：
[0043] 步驟S31:將[-I，1 ]分為10個(gè)小區(qū)間，根據(jù)S(i，j) (I<i ^ 25，i< j ^ 25)取值并將 其分屬各個(gè)區(qū)間，得到10個(gè)初始群；
[0044] 步驟S32:計(jì)算每個(gè)初始群的中心Ck，所述Ck是每個(gè)群中S(i，j)的平均值；
[0045] 步驟S33:計(jì)算S(i，j) (I<i < 25，i< j < 25)與每個(gè)群中心的距離I(i，j) = I S(i， j)_CkI；
[0046] 步驟S34:將S(i，j)歸屬到與其距離最近的那個(gè)群；
[0047] 步驟S35:刪除成員為空的群，得到新的群及其成員；
[0048] 步驟S36:回到步驟S32重新開(kāi)始分群，直到兩次迭代之間的分群結(jié)果不再變化，或 者迭代次數(shù)大于100為止；
[0049] 步驟S37:列出每個(gè)群中的S(i，j)下標(biāo)，則每組下標(biāo)代表一個(gè)諧波主特征群。
[0050] 以上所述僅為本發(fā)明的較佳實(shí)施例，凡依本發(fā)明申請(qǐng)專利范圍所做的均等變化與 修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。
【主權(quán)項(xiàng)】
1. 一種基于相似特征融合的諧波主特征群篩選方法，其特征在于包括W下步驟： 步驟S1:從諧波電流類監(jiān)測(cè)樣本減去各次諧波電流基準(zhǔn)限值Co,對(duì)諧波電流類監(jiān)測(cè)樣本 去中屯、化，得到去中屯、化的數(shù)值C*; 步驟S2:計(jì)算諧波電流類監(jiān)測(cè)樣本的相似度指標(biāo):記S24*24為C*中各次諧波之間的相似 度指標(biāo)矩陣，s(i，j)表示第i次諧波電流與第j次諧波電流監(jiān)測(cè)樣本之間的相似度，其中，1 <1^'<25，按下式計(jì)算5(1，如，結(jié)果位于1與-1之間：步驟S3:基于相似度指標(biāo)分布特性篩選主特征群。2. 根據(jù)權(quán)利要求1所述的一種基于相似特征融合的諧波主特征群篩選方法，其特征在 于:所述步驟S1具體包括W下步驟： 步驟S11 :設(shè)測(cè)點(diǎn)諧波電流測(cè)量值矩陣為Cm*25，其中Cm*25為m行，25列的矩陣;其中第j列 代表j次諧波，1 ^ j ^ 25,第i行代表第i個(gè)測(cè)量值，1 ^ i <m; 步驟S12:根據(jù)測(cè)點(diǎn)電壓等級(jí)，規(guī)定各次諧波電流基準(zhǔn)限值為Co,Co是1*25的行向量，單 位為A; 步驟S13:對(duì)Cm*25的每一行，減去諧波電流基準(zhǔn)限值Co,得到去中屯、化的數(shù)值C*，C*為m行， 25列的矩陣，單位為A。3. 根據(jù)權(quán)利要求1所述的一種基于相似特征融合的諧波主特征群篩選方法，其特征在 于:所述步驟S3具體包括W下步驟： 步驟S31:將[-1，1 ]分為10個(gè)小區(qū)間，根據(jù)S (i，j) (1 < i < 25，i < j < 25)取值并將其分 屬各個(gè)區(qū)間，得到10個(gè)初始群； 步驟S32:計(jì)算每個(gè)初始群的中屯、ck，所述ck是每個(gè)群中S(i，j)的平均值； 步驟S33:計(jì)算S( i，j) (1 < i < 25，i< j < 25)與每個(gè)群中屯、的距離1 (i，j) = I S( i，j )-ck ; 步驟S34:將S( i，j)歸屬到與其距離最近的那個(gè)群； 步驟S35:刪除成員為空的群，得到新的群及其成員； 步驟S36:回到步驟S32重新開(kāi)始分群，直到兩次迭代之間的分群結(jié)果不再變化，或者迭 代次數(shù)大于100為止； 步驟S37:列出每個(gè)群中的S( i，j)下標(biāo)，則每組下標(biāo)代表一個(gè)諧波主特征群。
【文檔編號(hào)】G01R23/16GK105842535SQ201610162494
【公開(kāi)日】2016年8月10日
【申請(qǐng)日】2016年3月22日
【發(fā)明人】邵振國(guó), 陳錦植, 吳敏輝, 潘夏, 余桂鈺, 陳燁霆, 林煒, 傅志成, 張婷婷, 涂承謙, 林坤杰, 張嫣
【申請(qǐng)人】國(guó)網(wǎng)福建省電力有限公司, 國(guó)家電網(wǎng)公司, 國(guó)網(wǎng)福建省電力有限公司寧德供電公司, 福州大學(xué)