谐波源的定位方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供谐波源的定位方法、装置、设备及存储介质，该方法包括：获取待定位配电网的各个监测节点的电参量，其中，电参量包括电流值和电压值；基于预先训练的谐波源定位模型对各个监测节点的电参量进行重构，谐波源定位模型为基于谐波源特征的自适应字典稀疏模型，自适应字典稀疏模型的训练样本为基于多种不同类型的电能质量仿真模型生成的电参量组成的，自适应字典稀疏模型的训练过程为基于从训练样本中挑选部分电参量对自适应字典初始化，并对预设的初始化字典目标函数求解优化，抽取到最能代表电能质量的基原子进行稀疏编码，反复迭代的过程；基于重构的结果，对待定位配电网的谐波源进行定位。本发明专利技术可以快速准确地对谐波源进行定位。波源进行定位。波源进行定位。

【技术实现步骤摘要】
谐波源的定位方法、装置、设备及存储介质


[0001]本专利技术涉及谐波
，尤其涉及一种谐波源的定位方法、装置、设备及存储介质。

技术介绍

[0002]随着电力电子装置在各行各业的广泛应用，电网中的谐波污染愈加突出。电力系统中的谐波来自电气设备，也就是说来自发电设备和用电设备。由于发电机的转子产生的磁场不可能是完善的正弦波，因此发电机发出的电压波形不可能是一点不失真的正弦波。由于正弦电压加压于非线性负载，基波电流发生畸变就会产生谐波。配电网中谐波源产生的谐波不仅会影响用电设备的正常使用，而且还会造成用户电能质量的降低，严重时甚至会威胁到配电网的安全运行。
[0003]目前，谐波源的定位方法主要为采用各种人工智能算法对配电网中的谐波源进行定位，如采用支持向量机、极限学习机、深度学习等，该定位方法准确度高。
[0004]然而，采用各种人工智能算法需要预先获知谐波源的位置信息数据对模型进行训练，且需训练样本数量庞大，对未知谐波源的定位效果较差。因此，亟需一种快速且准确的谐波源的定位方法。

技术实现思路

[0005]本专利技术实施例提供了一种谐波源的定位方法、装置、设备及存储介质，以解决目前的谐波源定位不准确的问题。
[0006]第一方面，本专利技术实施例提供了一种谐波源的定位方法，包括：
[0007]获取待定位配电网的各个监测节点的电参量，其中，电参量包括电流值和电压值；
[0008]基于预先训练的谐波源定位模型对各个监测节点的电参量进行重构，其中，谐波源定位模型为基于谐波源特征的自适应字典稀疏模型，自适应字典稀疏模型的训练样本为基于多种不同类型的电能质量仿真模型生成的电参量组成的，自适应字典稀疏模型的训练过程为基于从训练样本中挑选部分电参量对自适应字典初始化，并对预设的初始化字典目标函数求解优化，抽取到最能代表电能质量的基原子进行稀疏编码，反复迭代的过程；
[0009]基于重构的结果，对待定位配电网的谐波源进行定位。
[0010]在一种可能的实现方式中，获取待定位配电网的各个监测节点的电参量，包括：
[0011]基于0
‑
1规划法、待定位配电网的节点约束条件以及待定位配电网的网络拓扑结构，对待定位配电网的节点安装监测装置的成本进行求解，确定待定位配电网的监测装置的安装位置和安装数量，并将安装有监测装置的节点作为监测节点；
[0012]获取各个监测节点的电参量。
[0013]在一种可能的实现方式中，节点安装监测装置的成本的目标函数f为：
[0014][0015]待定位配电网的节点约束条件为由h
ij
组成的矩阵H，
[0016][0017]基于待定位配电网的可观测性的约束方程为：
[0018]F(η)＝H
×
η≥I；
[0019]其中，ξ
i
表示在节点i安装监测装置的成本，η
i
＝1时，表示节点i安装有监测装置，当η
i
＝0时，表示节点i未安装监测装置；η＝[η1，η2，
…
η2，η
n
]T
，表示每个节点的监测装置的配置情况，I表示每个节点至少有一个监测装置可观测到，其矩阵元素都为1。
[0020]在一种可能的实现方式中，基于预先训练的谐波源定位模型对各个监测节点的电参量进行重构，包括：
[0021]基于谐波源定位模型，求解各个监测节点的电参量的稀疏表示矩阵；
[0022]对各个监测节点的电参量的稀疏表示矩阵进行反变换解码，确定各个监测节点的重构电流数据。
[0023]在一种可能的实现方式中，定位方法还包括：
[0024]按照预设步长设定多个不同的信噪比；
[0025]当待定位配电网处于目标信噪比时，获取待定位配电网的各个监测节点的电参量，并基于预先训练的谐波源定位模型对各个监测节点的电参量进行重构，基于重构结果，对待定位配电网处于目标信噪比时的谐波源进行定位；其中，目标信噪比为多个不同的信噪比中的任意一个信噪比；
[0026]基于待定位配电网在所有不同的信噪比时的谐波源的定位结果，确定谐波源定位模型的准确度。
[0027]在一种可能的实现方式中，初始化字典目标函数为：
[0028][0029]其中，D0为从训练样本中挑选出的P个训练样本的初始化字典，字典中的基原子个数为P，A0为训练样本集E在自适应字典D0上的稀疏表示矩阵，λ为正则化参数用于平衡信号重构误差和稀疏程度。
[0030]第二方面，本专利技术实施例提供了一种谐波源的定位装置，包括：
[0031]获取参数模块，用于获取待定位配电网的各个监测节点的电参量，其中，电参量包括电流值和电压值；
[0032]重构模块，用于基于预先训练的谐波源定位模型对各个监测节点的电参量进行重构，其中，谐波源定位模型为基于谐波源特征的自适应字典稀疏模型，自适应字典稀疏模型的训练样本为基于多种不同类型的电能质量仿真模型生成的电参量组成的，自适应字典稀疏模型的训练过程为基于从训练样本中挑选部分电参量对自适应字典初始化，并对预设的初始化字典目标函数求解优化，抽取到最能代表电能质量的基原子进行稀疏编码，反复迭代的过程；
[0033]定位模块，用于基于重构的结果，对待定位配电网的谐波源进行定位。
[0034]在一种可能的实现方式中，获取参数模块，用于基于0
‑
1规划法、待定位配电网的节点约束条件以及待定位配电网的网络拓扑结构，对待定位配电网的节点安装监测装置的成本进行求解，确定待定位配电网的监测装置的安装位置和安装数量，并将安装有监测装置的节点作为监测节点；获取各个监测节点的电参量。
[0035]在一种可能的实现方式中，节点安装监测装置的成本的目标函数f为：
[0036][0037]待定位配电网的节点约束条件为由h
ij
组成的矩阵H，
[0038][0039]基于待定位配电网的可观测性的约束方程为：
[0040]F(η)＝H
×
η≥I；
[0041]其中，ξ
i
表示在节点i安装监测装置的成本，η
i
＝1时，表示节点i安装有监测装置，当η
i
＝0时，表示节点i未安装监测装置；η＝[η1，η2，
…
η2，η
n
]T
，表示每个节点的监测装置的配置情况，I表示每个节点至少有一个监测装置可观测到，其矩阵元素都为1。
[0042]在一种可能的实现方式中，重构模块，用于基于谐波源定位模型，求解各个监测节点的电参量的稀疏表示矩阵；
[0043]对各个监测节点的电参量的稀疏表示矩阵进行反变换解码，确定各个监测节点的重构电流数据。
[0044]在一种可能的实现方式中，验证模块，用于按照预设步长设定多个不同的信噪比；
[0045]当待定位配电网处于目标信噪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种谐波源的定位方法，其特征在于，包括：获取待定位配电网的各个监测节点的电参量，其中，所述电参量包括电流值和电压值；基于预先训练的谐波源定位模型对各个监测节点的电参量进行重构，其中，所述谐波源定位模型为基于谐波源特征的自适应字典稀疏模型，所述自适应字典稀疏模型的训练样本为基于多种不同类型的电能质量仿真模型生成的电参量组成的，所述自适应字典稀疏模型的训练过程为基于从所述训练样本中挑选部分电参量对自适应字典初始化，并对预设的初始化字典目标函数求解优化，抽取到最能代表电能质量的基原子进行稀疏编码，反复迭代的过程；基于重构的结果，对所述待定位配电网的谐波源进行定位。2.如权利要求1所述的定位方法，其特征在于，所述获取待定位配电网的各个监测节点的电参量，包括：基于0
‑
1规划法、所述待定位配电网的节点约束条件以及所述待定位配电网的网络拓扑结构，对所述待定位配电网的节点安装监测装置的成本进行求解，确定所述待定位配电网的监测装置的安装位置和安装数量，并将安装有监测装置的节点作为监测节点；获取各个监测节点的电参量。3.如权利要求2所述的定位方法，其特征在于，所述节点安装监测装置的成本的目标函数f为：所述待定位配电网的节点约束条件为由h
ij
组成的矩阵H，基于所述待定位配电网的可观测性的约束方程为：F(η)＝H
×
η≥I；其中，ξ
i
表示在节点i安装监测装置的成本，η
i
＝1时，表示节点i安装有监测装置，当η
i
＝0时，表示节点i未安装监测装置；η＝[η1，η2，
…
η2，η
n
]
T
，表示每个节点的监测装置的配置情况，I表示每个节点至少有一个监测装置可观测到，其矩阵元素都为1。4.如权利要求1所述的定位方法，其特征在于，所述基于预先训练的谐波源定位模型对各个监测节点的电参量进行重构，包括：基于所述谐波源定位模型，求解各个监测节点的电参量的稀疏表示矩阵；对所述各个监测节点的电参量的稀疏表示矩阵进行反变换解码，确定各个监测节点的重构电流数据。5.如权利要求1所述的定位方法，其特征在于，所述定位方法还包括：按照...

【专利技术属性】
技术研发人员：闫鹏，相晨萌，周文，胡雪凯，周昊，杨少波，
申请(专利权)人：国家电网有限公司国网河北能源技术服务有限公司，
类型：发明
国别省市：