一种基于模型预测的电能质量控制方法技术

本发明专利技术涉及电能质量控制技术领域，公开了一种基于模型预测的电能质量控制方法，数据采集模块实时采集包含电压、电流、频率、相位信息的电网运行参数，依输入参数迅速算出谐波含量、电压偏差、三相不平衡度等指标，在规定时间内完成。预测模块连中央处理器，接收指标，用时间序列算法结合历史数据。控制策略生成模块据预测结果，用优化算法生成含无功补偿投切、滤波器参数调整指令的策略。执行模块驱动调节设备，快速响应，超阈值及时改善电能质量，还反馈结果给中央处理器优化后续控制。本发明专利技术的优点在于：前瞻性精准控制、高度适应性与智能化、高效资源利用与成本控制、实时性与可靠性保障。

【技术实现步骤摘要】

本专利技术涉及电能质量控制，具体是指一种基于模型预测的电能质量控制方法。

技术介绍

1、随着现代工业的飞速发展以及各类电力电子设备的广泛应用，电网中的电能质量问题日益凸显。诸如谐波污染、电压波动与闪变、三相不平衡等电能质量问题，不仅会影响电力系统自身的稳定运行，降低供电可靠性，还可能对工业生产中的精密设备造成损害，引发生产中断、产品质量下降等严重后果，给企业带来巨大的经济损失。

2、传统的电能质量控制方法往往具有滞后性，多是在电能质量问题已经发生后，才采取相应的补偿或调节措施。例如，基于固定参数的无功补偿装置，只能按照预设的参数进行无功功率的补偿，无法实时跟踪电网运行状态的动态变化，难以应对复杂多变的电能质量干扰。而且，一些简单的监测手段仅能对当前时刻的电能质量指标进行测量，缺乏对未来电能质量趋势的预判能力，使得电力运维人员难以及时调整控制策略，提前预防潜在的电能质量恶化情况。

3、此外，电网规模的不断扩大和用电负荷的持续增长，进一步加剧了电能质量管控的难度。不同地区、不同时段的电网运行工况差异巨大，传统方法难以兼顾各种复杂情况，无本文档来自技高网...

【技术保护点】

1.一种基于模型预测的电能质量控制方法，其特征在于，包括：

2.根据权利要求1所述的一种基于模型预测的电能质量控制方法，其特征在于：数据采集模块采用高精度的传感器阵列，由电压传感器、电流传感器、频率传感器以及相位传感器组成，这些传感器事先经过校准以确保采集数据的准确性，具备强大的抗干扰能力，满足行业相关标准要求，此外，还能够对采集的原始数据依次进行滤波、放大、模数转换操作，处理后传输至中央处理器。

3.根据权利要求1所述的一种基于模型预测的电能质量控制方法，其特征在于：在构建电能质量分析模型时，广泛收集大量不同工况下的电网运行数据作为训练样本，先对样本数据进行特征...

【技术特征摘要】

1.一种基于模型预测的电能质量控制方法，其特征在于，包括：

2.根据权利要求1所述的一种基于模型预测的电能质量控制方法，其特征在于：数据采集模块采用高精度的传感器阵列，由电压传感器、电流传感器、频率传感器以及相位传感器组成，这些传感器事先经过校准以确保采集数据的准确性，具备强大的抗干扰能力，满足行业相关标准要求，此外，还能够对采集的原始数据依次进行滤波、放大、模数转换操作，处理后传输至中央处理器。

3.根据权利要求1所述的一种基于模型预测的电能质量控制方法，其特征在于：在构建电能质量分析模型时，广泛收集大量不同工况下的电网运行数据作为训练样本，先对样本数据进行特征提取与归一化处理，随后采用深度学习算法，例如卷积神经网络或者循环神经网络，搭建模型结构，通过反复训练来调整模型参数，直至模型在验证集上的准确率达到预先设定的阈值，而且该模型具备在线学习功能，能够依据新接入的电网运行数据实时更新模型参数，以此适应电网的动态变化情况。

4.根据权利要求1所述的一种基于模型预测的电能质量控制方法，其特征在于：预测模块所采用的基于时间序列的预测算法为混合模型，有效结合自回归移动平均模型arima和长短期记忆网络lstm二者的优势，其中arima模型负责对电能质量数据的线性特征进行建模，而lstm模型则专注于捕捉数据的非线性...

【专利技术属性】
技术研发人员：罗飞来，
申请(专利权)人：上海熹源电气有限公司，
类型：发明
国别省市：