System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力系统区间谐波状态估计,特别是一种用于区间谐波状态估计的非同步监测数据筛选方法。
技术介绍
1、随着大量分布式电源和电力电子设备接入电网,电力系统的谐波污染问题愈发严重。为保障电网的安全稳定运行,需要对谐波进行治理,谐波状态估计能够为谐波治理提供有力的技术支撑。
2、电力系统区间谐波状态估计(interval harmonic state estimation,ihse)的量测数据由谐波监测数据组成。因此,谐波监测数据的质量对ihse的准确性至关重要。谐波监测数据来源于电能质量监测装置(power quality monitoring device,pqmd)。pqmd记录统计周期内(一般3min)电能质量数据的最大值、最小值、95%概率大值和平均值等,且不同测点的pqmd检测时段是非同步的。ihse选取统计周期内谐波监测数据的最大值和最小值构建区间谐波量测数据集,同时需要选取某一个pqmd的采样时段作为估计时段。因此,当系统状态变化较大时,pqmd的非同步性可能导致ihse中一些量测数据偏离实际值,成为不良数据。随着大量的新能源接入电网,使得电网的状态呈现出很强的随机性和波动性,故谐波监测数据在ihse中的应用受到了限制。如何筛选出谐波监测数据中的不良数据,为ihse提供高质量的量测数据集,有待进一步研究。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种用于区间谐波状态估计的非同步监测数据筛选方法,能够精确地筛选出谐波监测数据中的不良数据,为
2、为实现上述目的,本专利技术采用如下技术方案:一种用于区间谐波状态估计的非同步监测数据筛选方法,包括以下步骤:
3、s1:构建谐波监测数据最大值和最小值的量测时间序列,分别计算谐波监测数据最大值和最小值的协方差矩阵;
4、s2:分别计算谐波监测数据最大值和最小值的标准化误差;
5、s3:设置标准化误差的阈值,将谐波监测数据最大值和最小值中标准化误差大于阈值的数据标记为可疑不良数据,并记录其量测号;
6、s4:计算谐波监测数据最大值和最小值在当前采样时段和上一采样时段的相关系数矩阵;
7、s5:找出可疑不良数据在当前采样时段和上一采样时段的强相关性数据集;对比可疑不良数据在两个采样时段内的强相关性数据集的变化情况,如果两个数据集不变或者变化很小,则认为该可疑不良数据为正常数据;如果两个数据集变化很大,则认为该可疑不良数据为不良数据;
8、s6:剔除谐波监测数据中的不良数据,将谐波监测数据的最大值和最小值转换为区间数的型式,由此构建区间谐波量测数据集;
9、s7:取谐波电压幅值和谐波电压相角为状态量,构建区间谐波状态估计模型;
10、s8:将区间谐波状态估计模型转换为线性优化模型,采用线性规划算法进行求解,得到新的迭代解区间;
11、s9:设置收敛条件,判断是否满足收敛条件,如果满足收敛条件,则结束计算,输出区间谐波状态估计结果;如果不满足收敛条件,则设置k=k+1并将最新的迭代解区间代替初始解区间重新执行步骤s8-s9。
12、在一较佳的实施例中,步骤1中,以第n个采样时段为例:
13、
14、式中:qii(n)表示第i个量测数据在采样时段n的自方差;zi(k)表示第i个量测数据的时间序列;k表示时标;表示第i个量测数据在时间序列长度内的平均值;qij(n)表示第i个量测数据和第j个量测数据在采样时段n的协方差;e表示数学期望;m表示量测数据总数量;n表示时间序列长度,取n=100。
15、在一较佳的实施例中,步骤2中,分别计算谐波监测数据最大值和最小值的标准化误差:
16、
17、式中:zi(n)表示第i个量测数据在采样时段n的数值;||表示绝对值;
18、设置标准化误差的阈值为2.5,将谐波监测数据最大值和最小值中标准化误差大于2.5的数据标记为可疑不良数据,并记录其量测号。
19、在一较佳的实施例中,步骤4中,计算谐波监测数据最大值和最小值在当前采样时段和上一采样时段的相关系数矩阵,以采样时段n为例:
20、
21、式中:pii(n)表示相关系数矩阵在采样时段n的对角元素;pij(n)表示相关系数矩阵在采样时段n的非对角元素;
22、找出可疑不良数据在当前采样时段和上一采样时段的强相关性数据集,当|pij|>0.7时,认为第i个量测数据和第j个量测数据具备强相关性,由此记录可疑不良数据在两个采样时段内的强相关性数据集;
23、对比可疑不良数据在两个采样时段内的强相关性数据集的变化情况,如果两个数据集不变或者变化很小,则认为该可疑不良数据为正常数据;如果两个数据集变化很大,则认为该可疑不良数据为不良数据。
24、在一较佳的实施例中,步骤7中,取谐波电压幅值和谐波电压相角为状态量,构建区间谐波状态估计模型:
25、
26、式中:xi和表示第i个状态量的下界和上界;x表示状态量的区间向量;h表示量测函数;z表示区间谐波量测数据集;s.t.表示约束条件。
27、在一较佳的实施例中,步骤8中,将区间谐波状态估计模型转换为线性优化模型,设状态量的初始解区间为x(0),在初始解区间中点对量测函数泰勒展开并忽略高次项后得到如下表达式:
28、
29、式中:和x(0)表示x(0)的上界和下界,j表示量测函数在处进行一阶泰勒展开后的雅可比矩阵;令则有:
30、
31、式中:z和表示z的下界和上界;令则模型的求解被转换为求解两个如下的线性优化问题:
32、
33、
34、采用线性规划算法对式(7)-(8)进行求解可得修正量δx,进而求得系统状态量上下界的第一次近似解如下:
35、
36、将代替代入修正方程重复迭代计算可求得更加逼近真实解的估计结果解区间,设置迭代结束的收敛条件如下:
37、
38、式中:k表示迭代次数;ε表示收敛阈值,取ε=10-3;
39、如果满足收敛条件,则结束计算,输出区间谐波状态估计结果;如果不满足收敛条件,则设置k=k+1并将最新的迭代解区间代替初始解区间重新迭代求解。
40、与现有技术相比,本专利技术具有以下有益效果:本专利技术选取一定的时间序列长度,构建谐波监测数据最大值和最小值的量测时间序列。通过分析谐波监测数据最大值和最小值的自方差变化规律,筛选出谐波监测数据最大值和最小值中的可疑不良数据。该方法能够缩小谐波监测数据中不良数据的筛选范围。其次,计算谐波监测数据最大值和最小值在当前采样时段和上一采样时段的相关系数矩阵,通过相关系数矩阵找出可疑不良数据在两个时段的强相关性数据集并对比两个数据集的变化情况,从而筛选出可疑不良数本文档来自技高网...
【技术保护点】
1.一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于包括以下步骤:
2.根据权利要求1所述的一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于步骤1中,以第n个采样时段为例:
3.根据权利要求1所述的一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于步骤2中,分别计算谐波监测数据最大值和最小值的标准化误差:
4.根据权利要求1所述的一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于步骤4中,计算谐波监测数据最大值和最小值在当前采样时段和上一采样时段的相关系数矩阵,以采样时段n为例:
5.根据权利要求1所述的一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于步骤7中,取谐波电压幅值和谐波电压相角为状态量,构建区间谐波状态估计模型:
6.根据权利要求1所述的一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于步骤8中,将区间谐波状态估计模型转换为线性优化模型,设状态量的初始解区间为x(0),在初始解区间中点对量测函数泰勒展开并忽略高次项后得到如下表达式:
【技术特征摘要】
1.一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于包括以下步骤:
2.根据权利要求1所述的一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于步骤1中,以第n个采样时段为例:
3.根据权利要求1所述的一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于步骤2中,分别计算谐波监测数据最大值和最小值的标准化误差:
4.根据权利要求1所述的一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于步骤4中,计算谐波监测数据最大...
【专利技术属性】
技术研发人员:邵振国,詹翔,陈飞雄,张嫣,丁嘉鑫,
申请(专利权)人:福州大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。