基于云平台电能质量监测的谐波责任量化方法及系统技术方案

本发明专利技术公开了基于云平台电能质量监测的谐波责任量化方法及系统，包括：从云平台电能质量在线监测装置获取电压电流数据；根据电压电流数据，建立被解释变量矩阵和解释变量矩阵；并根据被解释变量矩阵和解释变量矩阵，构造回归方程；设置窗宽

【技术实现步骤摘要】
基于云平台电能质量监测的谐波责任量化方法及系统


[0001]本专利技术涉及云平台电能质量在线监测装置的扩展应用及谐波责任量化
，具体涉及基于云平台电能质量监测的谐波责任量化方法及系统
。

技术介绍

[0002]随着电网设备的不断更新，用户侧电能质量检测装置
(
即电能质量检测平台
)
也迅速发展，对其测量数据的扩展应用问题越来越引起重视，通过装置的测量数据定量划分接入系统中各谐波源的谐波责任是实现电能质量智能管理
、
控制的前提
。
[0003]现有谐波责任量化方法对检测数据的利用不够充分，在用户侧的各谐波源之间相关性较强时无法有效的进行谐波责任量化，同时现有谐波责任量化方法抵抗背景谐波波动的能力也较弱
。
[0004]有鉴于此，特提出本申请
。

技术实现思路

[0005]本专利技术所要解决的技术问题是现有谐波责任量化方法对检测数据的利用不够充分，在用户侧的各谐波源之间相关性较强时无法有效的进行谐波责任量化，同时现有谐波责任量化方法抵抗背景谐波波动的能力也较弱，进而导致谐波责任指标计算不精准
。
[0006]本专利技术目的在于提供基于云平台电能质量监测的谐波责任量化方法及系统，本专利技术充分利用通过电能质量检测平台得到的电压
、
电流数据，引入权重矩阵筛选出背景谐波相似的点参与回归，解决了谐波源含有相关性且背景谐波波动大时的谐波责任量化问题；在进行回归系数的计算过程中考虑了回归系数的变化，通过加权的方式减小了背景谐波波动的影响；同时，通过引入惩罚项削弱了谐波源之间含有相关性对回归结果的影响
。
本专利技术方法计算结果更准确快速，误差较小，具有良好的实用性
。
[0007]本专利技术通过下述技术方案实现：
[0008]第一方面，本专利技术提供了基于云平台电能质量监测的谐波责任量化方法，包括：
[0009]从云平台电能质量在线监测装置获取电压电流数据；电压电流数据包括关注母线电压数据和谐波源端口电流数据；
[0010]根据电压电流数据，建立被解释变量矩阵和解释变量矩阵；并根据被解释变量矩阵和解释变量矩阵，构造回归方程；
[0011]设置窗宽
、
惩罚项系数的初始变化范围，并根据窗宽和关注母线电压数据，计算权重矩阵；
[0012]根据权重矩阵
、
被解释变量矩阵
、
窗宽和惩罚项系数，计算初始变化范围内的方差膨胀因子和信息量准则指标，并确定最终惩罚项系数
、
最终窗宽和更新权重矩阵；
[0013]根据最终惩罚项系数
、
最终窗宽和更新后的权重矩阵，求解回归方程的回归系数；并根据回归系数，计算谐波责任指标
。
[0014]进一步地，关注母线电压数据为关注母线上的谐波电压；
[0015]谐波源端口电流数据为各谐波源向电力系统中注入的谐波电流，即为各谐波源支路的测量电流
。
[0016]进一步地，回归方程的表达式为：
[0017]y
i
＝
X
i
W
β
i
+
ε
[0018][0019]其中，
y
i
是被解释变量矩阵中的第
i
个元素，
X
i
是解释变量矩阵的第
i
行，
β
i
是回归系数矩阵
β
的第
i
列，
W
是权重矩阵，
ε
是回归残差；
Z
Xk
(k
＝1，2，
…
，
p)
是关注母线
X
与谐波源
k
之间的谐波转移阻抗；
V
X0
为背景谐波电压；
V
Xk
(k
＝1，2，
…
，
p)
为对应谐波源作用于关注母线上的谐波电压；
θ
k
(k
＝1，2，
…
，
p)
为
V
Xk
与关注母线的谐波电压
V
X
的夹角；
θ0为
V
X0
与关注母线的谐波电压
V
X
的夹角；
β
np
为回归系数矩阵第
n
行，第
p
列的元素
。
[0020]进一步地，权重矩阵
W
的计算公式为：
[0021][0022]其中，权重矩阵中对角元素通过高斯函数计算，计算公式为：其中
d
ij
为
i
时刻关注母线谐波电压的实部与虚部作为横坐标与纵坐标和
j
刻关注母线谐波电压的实部与虚部作为横坐标与纵坐标之间的马氏距离
。
[0023]进一步地，确定最终惩罚项系数
、
最终窗宽和更新权重矩阵，包括：
[0024]根据初始变化范围内的方差膨胀因子和信息量准则指标，选择小于第一预设值的方差膨胀因子作为最终惩罚项系数，并选择最小的信息量准则指标作为最终窗宽；
[0025]根据最终惩罚项系数和最终窗宽，更新权重矩阵
。
[0026]进一步地，惩罚项系数
VIF
的计算公式为：
[0027][0028]其中，
diag
表示提取矩阵的主对角元素；
S
为帽子矩阵，帽子矩阵
S
为：
S
＝
[S
1 S2ꢀ…ꢀ
S
n
]T
；为样本点
i
处的帽子向量；
X
i
为
X
的第
i
行；
X
为解释变量矩阵，
W
i
为权重矩阵
W
中的元素，为归一化后的解释变量矩阵，
λ
为惩罚项系数，
I
为单位矩阵；
[0029]窗宽
AIC
的计算公式为：
[0030][0031]其中，
RSS
为残差平方和，残差平方和
RSS
＝
y
T
(I
‑
S)
T
(I
‑
S)y
；
tr(
·
)
为矩阵的迹；
n
为采样点数
。
[0032]进一步地，根据最终惩罚项系数
、
最终窗宽和更新后的权重矩阵，求解回归方程的回归系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于云平台电能质量监测的谐波责任量化方法，其特征在于，包括：从云平台电能质量在线监测装置获取电压电流数据；所述电压电流数据包括关注母线电压数据和谐波源端口电流数据；根据所述电压电流数据，建立被解释变量矩阵和解释变量矩阵；并根据被解释变量矩阵和解释变量矩阵，构造回归方程；设置窗宽
、
惩罚项系数的初始变化范围，并根据所述窗宽和关注母线电压数据，计算权重矩阵；根据所述权重矩阵
、
被解释变量矩阵
、
窗宽和惩罚项系数，计算初始变化范围内的方差膨胀因子和信息量准则指标，并确定最终惩罚项系数
、
最终窗宽和更新权重矩阵；根据所述最终惩罚项系数
、
最终窗宽和更新后的权重矩阵，求解回归方程的回归系数；并根据所述回归系数，计算谐波责任指标
。2.
根据权利要求1所述的基于云平台电能质量监测的谐波责任量化方法，其特征在于，所述关注母线电压数据为关注母线上的谐波电压；所述谐波源端口电流数据为各谐波源向电力系统中注入的谐波电流，即为各谐波源支路的测量电流
。3.
根据权利要求1所述的基于云平台电能质量监测的谐波责任量化方法，其特征在于，所述回归方程的表达式为：
y
i
＝
X
i
W
β
i
+
ε
其中，
y
i
是被解释变量矩阵中的第
i
个元素，
X
i
是解释变量矩阵的第
i
行，
β
i
是回归系数矩阵
β
的第
i
列，
W
是权重矩阵，
ε
是回归残差；
Z
Xk
(k
＝
1,2,
…
,p)
是关注母线
X
与谐波源
k
之间的谐波转移阻抗；
V
X0
为背景谐波电压；
V
Xk
(k
＝
1,2,
…
,p)
为对应谐波源作用于关注母线上的谐波电压；
θ
k
(k
＝
1,2,
…
,p)
为
V
Xk
与关注母线的谐波电压的夹角；
θ0为
V
X0
与关注母线的谐波电压的夹角；
β
np
为回归系数矩阵第
n
行，第
p
列的元素
。4.
根据权利要求1所述的基于云平台电能质量监测的谐波责任量化方法，其特征在于，所述权重矩阵
W
的计算公式为：其中，权重矩阵中对角元素通过高斯函数计算，计算公式为：其中
d
ij
为
i
时刻关注母线谐波电压的实部与虚部作为横坐标与纵坐标和
j
刻关注母线谐波电压的实部与虚部作为横坐标与纵坐标之间的马氏距离
。5.
根据权利要求1所述的基于云平台电能质量监测的谐波责任量化方法，其特征在于，
所述确定最终惩罚项系数
、
最终窗宽和更新权重矩阵，包括：根据初始变化范围内的方差膨胀因子和信息量准则指标，选择小于第一预设值的方差膨胀因子作为最终惩罚项系数，并选择最小的信息量准则指标作为最终窗宽；根据所述最终惩罚项系数和最终窗宽，更新权重矩阵

【专利技术属性】
技术研发人员：罗忠游，赵普志，王开科，徐方维，侯冰，南东亮，张建宇，祁晓笑，王川，段玉，谢佩昂，李志杰，王利超，
申请(专利权)人：四川大学上海辰彧科技有限公司，
类型：发明
国别省市：