开云优惠体育网页版入口

专利名称：一种用户电能质量特征分析方法、介质及系统

专利类型：发明专利

专利申请号：CN202310997573.5

专利申请（专利权）人：国网宁夏电力有限公司中卫供电公司,国网宁夏电力有限公司
权利人地址：宁夏回族自治区中卫市沙坡头区丰安东路13号

专利发明（设计）人：麦晓庆,韩涛,李鹏,胡长武,顾泽玉,侯凯,王仙,李明,张天湖,韩力,李博,田申,李鹏星,陈松,邓广志,王立欣

专利摘要：本发明公开了一种用户电能质量特征分析方法、介质及系统，属于电力系统分析领域，该方法包括：获取每个用户侧智能电表所采集到的用户有功功率作为数据源，采用滑窗MK变点检测与DDTW关联性分析，对每个用户进行不同工况的时段划分，组合母线下的用户工况；计算各段工况的最大互信息系数，对电能质量监测系统PQMS所监测到的多指标电能质量监测数据进行划分，并将每个时段的公共连接点PCC处的数据与用户处的数据关联分析，以高关联度指标作为此时段的用户电能质量特征标签；统计各时段的用户电能质量特征标签，作为工业全时段用户的电能质量特征标签。本发明能够解决一条母线上的多个工业用户的电能质量分析较为困难的问题。

主权利要求：
1.一种用户电能质量特征分析方法，其特征在于，包括以下步骤：S1：对一条母线下的多个用户，逐个获取每个用户侧智能电表所采集到的用户有功功率作为数据源，采用滑窗MK变点检测方式对所述用户有功功率进行变点检测，突变点将所述用户有功功率划分为多个子序列，采用DDTW算法对所述用户有功功率的子序列进行关联性分析，得到关联系数，根据所述关联系数对每个用户进行不同工况的时段划分，将所述一条母线下的多个用户的工况时段进行或集取和，得到多个用户不同工况稳定时的时段划分；
所述对一条母线下的多个用户，逐个获取用户侧智能电表所采集到的用户有功功率作为数据源，具体步骤包括：采用均值归一化方式对用户智能电表所采集到的15分钟级有功功率进行标准化处理，记用户有功功率监测数据为 ，具体公式如下：；
其中， 表示标准化后的有功功率，表示该用户的第个有功功率监测点，为功率数据集的均值，为功率数据集的方差，将标幺功率值记为 ；
对经过标准化的用户有功功率监测数据进行降噪处理后，作为所述数据源；
所述采用滑窗MK变点检测方式对所述用户有功功率进行变点检测，具体步骤包括：通过滑窗MK算法获得变更点，将所述标幺功率值 以突变点划分成不重叠的分区；
将 构造一个秩序列：
;
式中， ， ，秩序列 是第个时刻数值大于第个时刻时，数值个数的累加，从2到 依次递增，为正整数；定义统计量：
；
式中， 为标准正态分布， ， 和 分别是 的均值和方差；
按时间序列 的逆序列，重复计算 ，其中， ，并且令 ，当时， ;
计算 表示以上数据的显著性水平；
绘制序列曲线 和 序列曲线以及 的两条临界直线，序列曲线 和 序列曲线的交点对应的时刻为用户工况切换的时刻；
S2：根据所述多个用户不同工况稳定时的时段划分，计算各段工况的最大互信息系数，根据所述最大互信息系数，对电能质量监测系统PQMS所监测到的多指标电能质量监测数据进行划分，并将每个时段的公共连接点PCC处的多指标电能质量监测数据与用户处的有功功率关联分析，以高关联度指标作为此时段的用户电能质量特征标签；
S3：统计各时段的用户电能质量特征标签，作为工业全时段用户的电能质量特征标签。
2.根据权利要求1所述的一种用户电能质量特征分析方法，其特征在于，所述对经过标准化数据进行降噪处理，采用Hodrick?Prescott降噪滤波法。
3.根据权利要求1所述的一种用户电能质量特征分析方法，其特征在于，所述采用DDTW算法对所述用户有功功率的子序列进行关联性分析，得到关联系数，具体步骤包括：对所述各个子序列进行导数预处理，得到表征两个序列的时序曲线特征和变化趋势的新序列；
对所述各个子序列进行均值归一化计算；
定义矩阵D，再计算不同子序列中元素之间的欧氏距离的平方 ；
定义距离矩阵，设定矩阵初值为 ，通过迭代的方式不断更新距离矩阵，直至两序列中元素全部计算完毕，得到关联系数。
4.根据权利要求1所述的一种用户电能质量特征分析方法，其特征在于，根据所述关联系数对每个用户进行不同工况的时段划分的具体步骤包括：将关联系数从大到小进行排序，获得预设数量的关联系数序列，作为一个工况下的功率数据。
5.根据权利要求4所述的一种用户电能质量特征分析方法，其特征在于，所述根据所述多个用户不同工况稳定时的时段划分，计算各段工况采用计算最大互信息系数，根据所述最大互信息系数对电能质量监测系统PQMS所监测到的多指标电能质量监测数进行划分，具体步骤包括：获取单一工况切换时段用户的有功功率和电能质量监测数据的数据集，所述电能质量监测数据的数据集包括电能质量监测指标数据，对用户的有功功率数据与电能质量监测指标数据进行离散化处理；
计算离散化后的电能质量特征和有功功率之间的互信息；
将所述电能质量监测数据的数据集按照所述互信息的大小进行排序，构成一个顺序特征序列；
采用四分位概率模型，将四分位数作为该用户在该时段内的高关联关联度系数分界点，将关联系数大于该分界值所对应的电能质量指标作用户在该时段内的电能质量特征标签。
6.根据权利要求5所述的一种用户电能质量特征分析方法，其特征在于，所述电能质量监测指标数据包括：三相不平衡度、电压闪变值、各次谐波。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如权利要求1 6中任一项所述的用户~电能质量特征分析方法。
8.一种用户电能质量特征分析系统，其特征在于，包括：如权利要求7所述的计算机可读存储介质。 说明书 : 一种用户电能质量特征分析方法、介质及系统技术领域[0001] 本发明属于电力系统法分析技术领域，具体而言，涉及一种用户电能质量特征分析方法、介质及系统。背景技术[0002] 近年来，社会电气化水平的不断提高，一条母线上工业用户负荷数量与种类快速增加、电力电子型用电设备广泛使用，导致公共连接点PCC处的电能质量问题日趋严重，实施针对性电能质量问题治理愈发困难。通过分析工业用户电能质量特征，对促进供电方实现定制化管理服务、用户侧参与主动治理具有重要意义。[0003] 电能质量是衡量电能质量的主要指标有电压、频率和波形。电能质量也指优质供电，包括电压质量、电流质量、供电质量和用电质量。电能质量问题可以定义为：导致用电设备故障或不能正常工作的电压、电流或频率的偏差，其内容包括频率偏差、电压偏差、电压波动与闪变、三相不平衡、瞬时或暂态过电压、谐波波形畸变、电压暂降、中断、暂升以及供电连续性等。传统的电能质量机理建模分析无法满足现在的电能质量分析。近年来，社会电气化水平的不断提高，一条母线上工业用户负荷数量与种类快速增加、电力电子型用电设备广泛使用，导致PCC处的电能质量问题日趋严重，实施对用户的针对性电能质量分析较为困难。发明内容[0004] 有鉴于此，本发明在于提供一种用户电能质量特征分析方法、介质及系统，以解决上述一条母线上的多个工业用户的电能质量分析较为困难的问题。[0005] 为解决上述问题，本发明提供一种用户电能质量特征分析方法，其特征在于，包括以下步骤：[0006] S1：对一条母线下的多个用户，逐个获取每个用户侧智能电表所采集到的用户有功功率作为数据源，采用滑窗MK变点检测方式对所述用户有功功率进行变点检测，突变点将所述用户有功功率划分为多个子序列，采用DDTW算法对所述用户有功功率的子序列进行关联性分析，得到关联系数，根据所述关联系数对每个用户进行不同工况的时段划分，将所述一条母线下的多个用户的工况时段进行或集取和，得到多个用户不同工况稳定时的时段划分。[0007] S2：根据所述多个用户不同工况稳定时的时段划分，计算各段工况的最大互信息系数，根据所述最大互信息系数，对电能质量监测系统PQMS所监测到的多指标电能质量监测数据进行划分，并将每个时段的公共连接点PCC处的多指标电能质量监测数据与用户处的有功功率数据关联分析，以高关联度指标作为此时段的用户电能质量特征标签；[0008] S3：统计各时段的用户电能质量特征标签，作为工业全时段用户的电能质量特征标签。[0009] 通过上述步骤，利用现有的PQMS以及用户侧智能电表所储存的海量统计数据，并考虑到了各个工况下的全量电能质量特征分析，能够全面考虑到不同工况下用户的电能质量特征，再由短时到长时的统计，实现对用户长时工况特征的分析。实现全面、合理的得到用户的电能质量特征分析结果。[0010] 在上述技术方案的基础上，本发明的一种用户电能质量特征分析方法还可以做如下改进:[0011] 其中，所述对一条母线下的多个用户，逐个获取用户侧智能电表所采集到的用户有功功率作为数据源，具体步骤包括：[0012] 采用均值归一化方式对用户智能电表所采集到的15分钟级有功功率进行标准化处理，记用户有功功率监测数据为P＝{p1,p2,...,pn}，具体公式如下：[0013][0014] 其中，pi′表示标准化后的有功功率，pi表示该用户的第i个有功功率监测点，μ为功′率数据集的均值，σ为功率数据集的方差，将标幺功率值记为P＝[0015] {p1′,p′2,...,p′n}；[0016] 对经过标准化的用户有功功率监测数据进行降噪处理后，作为所述数据源。[0017] 所述对经过标准化数据进行降噪处理，采用Hodrick?Prescott降噪滤波法。[0018] 通过所述降噪处理消除由于负荷自身运行波动导致的数据变化。[0019] 进一步地，所述采用滑窗MK变点检测方式对所述用户有功功率进行变点检测，具体步骤包括：[0020] 通过滑窗MK算法获得变更点，将所述标幺功率值P′＝{p1′,p′2,...,p′n}以突变点划分成不重叠的分区；[0021] 将P′构造一个秩序列：[0022][0023] 式中， 秩序列sk是第i个时刻数值大于第j个时刻时，数值个数的累加，k从2到n依次递增，k为正整数；定义统计量：[0024][0025] 式中，UFk为标准正态分布，UFk＝0，E(sk)和D(sk)分别是sk的均值和方差；[0026] 按时间序列P′的逆序列，重复计算UFk,，其中，k′＝n+1?k，并且令UBk＝?UFk′，当k′＝1时，UB1＝0；[0027] 计算Uα表示以上数据的显著性水平；[0028] 绘制序列曲线UFk和UBk序列曲线以及Uα的两条临界直线，序列曲线UFk和UBk序列曲线的交点对应的时刻为用户工况切换的时刻。[0029] 进一步地，所述采用DDTW算法对所述用户有功功率的子序列进行关联性分析，得到关联系数，具体步骤包括：[0030] 对所述各个子序列进行导数预处理，得到表征两个序列的时序曲线特征和变化趋势的新序列；[0031] 对所述各个子序列进行均值归一化计算；[0032] 定义矩阵D，再计算不同子序列中元素之间的欧氏距离的平方Di,j；[0033] 定义距离矩阵l，设定矩阵初值为l1,1＝D1,1，通过迭代的方式不断更新距离矩阵，直至两序列中元素全部计算完毕，得到关联系数。[0034] 由于各个序列之间的长度可能不同，传统的DTW无法适用，因此采用DDTW导数动态时间规整算法，计算几个序列之间的关联性系数。[0035] 进一步地，根据所述关联系数对每个用户进行不同工况的时段划分的具体步骤包括：将关联系数从大到小进行排序，获得预设数量的关联系数序列，作为一个工况下的功率数据。[0036] 进一步地，所述根据所述多个用户不同工况稳定时的时段划分，计算各段工况采用计算最大互信息系数，根据所述最大互信息系数对电能质量监测系统PQMS所监测到的多指标电能质量监测数进行划分，具体步骤包括：[0037] 获取单一工况切换时段用户的有功功率和电能质量监测数据的数据集，所述电能质量监测数据的数据集包括电能质量监测指标数据，对用户的有功功率数据与电能质量监测指标数据进行离散化处理；[0038] 计算离散化后的电能质量特征和有功功率之间的互信息；[0039] 将所述电能质量监测数据的数据集按照所述互信息的大小进行排序，构成一个顺序特征序列；[0040] 采用四分位概率模型，将四分位数作为该用户在该时段内的高关联关联度系数分界点，将关联系数大于该分界值所对应的电能质量指标作用户在该时段内的电能质量特征标签。[0041] 本发明考虑到由于不同用户所含负荷的差异像较大，对于部分负荷，其有功功率越大、发射谐波电流越大、PCC处电能质量检测谐波也越大；但同样存在部分干扰源，其有功功率与谐波电流等电能质量监测数据存在负相关关系。因此，本发明采取可以不论正负相关性，将两个变量的强弱关系量化出来的最大互信息算法，来计算两者之间的关联性。[0042] 所述电能质量监测指标数据包括：三相不平衡度、电压闪变值、各次谐波。[0043] 本发明还包括一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现上述的用户电能质量特征分析方法。[0044] 本发明还包括一种用户电能质量特征分析系统，该系统包括上述的计算机可读存储介质。[0045] 与现有技术相比较，本发明提供的一种用户电能质量特征分析方法、介质及系统的有益效果是：利用现有的PQMS以及用户侧智能电表所储存的海量统计数据，通过采用滑窗MK变点检测方式可以由短时到长时的统计，实现对用户长时工况特征的分析。附图说明[0046] 图1为本发明实施例提供的一种用户电能质量特征分析方法的流程图。具体实施方式[0047] 图1为本发明实施例提供的一种用户电能质量特征分析方法的流程图，包括以下步骤：[0048] S1：对一条母线下的多个用户，逐个获取每个用户侧智能电表所采集到的用户有功功率作为数据源，采用滑窗MK变点检测方式对所述用户有功功率进行变点检测，突变点将所述用户有功功率划分为多个子序列，采用DDTW算法对所述用户有功功率的子序列进行关联性分析，得到关联系数，根据所述关联系数对每个用户进行不同工况的时段划分，将所述一条母线下的多个用户的工况时段进行或集取和，得到多个用户不同工况稳定时的时段划分；[0049] S2：根据所述多个用户不同工况稳定时的时段划分，计算各段工况的最大互信息系数，根据所述最大互信息系数，对电能质量监测系统PQMS所监测到的多指标电能质量监测数据进行划分，并将每个时段的公共连接点PCC处的多指标电能质量监测数据与用户处的有功功率数据关联分析，以高关联度指标作为此时段的用户电能质量特征标签；[0050] S3：统计各时段的用户电能质量特征标签，作为工业全时段用户的电能质量特征标签。[0051] 具体的，S1步骤中采用均值归一化方式对用户智能电表所采集到的15分钟级有功功率进行标准化处理，记用户有功功率监测数据为P＝{p1,p2,...,pn}，具体公式如下：[0052][0053] 其中，pi′表示标准化后的有功功率，pi表示该用户的第i个有功功率监测点，μ为功′率数据集的均值，σ为功率数据集的方差，将标幺功率值记为P＝[0054] {p1′,p′2,...,p′n}；[0055] 对经过标准化的用户有功功率监测数据进行降噪处理后，作为所述数据源。例如，以单日作为计算的最短时间周期，一日内用户含有96个15分钟级的有功功率监测值，n取值为96，若以若干天作为时间周期，则n取值为：96乘以天数。[0056] 所述对经过标准化数据进行降噪处理，采用Hodrick?Prescott降噪滤波法。[0057] 通过滑窗MK算法获得变更点，将所述标幺功率值P′＝{p1′,p′2,...,p′n}以变更点划分成不重叠的分区；对于用电时序t＝{t1,t2,…,tn}，假设时序内存在ω个突变点T＝(τ1,…,τω)，定义t1为第0个突变点τ0，tn为第ω+1个突变点τω+1；[0058] 将P′构造一个秩序列：[0059][0060] 式中， 秩序列sk是第i个时刻数值大于第j个时刻时，′数值个数的累加，k从2到n依次递增，k为正整数；序列P是有关有功功率数据的时间序列，定义统计量：[0061][0062] 式中，UFk为标准正态分布，在时间序列P′的正顺序情况下计算得到的统计量，形成相应的序列，UFk＝0，E(sk)和D(sk)分别是sk的均值和方差，且″′[0063] p1,p2,...,pn互相独立时，具有相同连续分布，可以推算出：[0064][0065] 按时间序列P′的逆序列，重复上述公式计算UFk′，其中，k′＝n+1?k，并且令UBk＝?UFk′，当k′＝1时，UB1＝0。[0066] 计算Uα表示以上数据的显著性水平，以历史经验设置Uα＝0.05；Uα的两条临界直线′ ′ ′分别为α1＝P0 .025,α2＝P0 .975，P0 .025表示数据集按从小到大数据排序，位于2.5％位置的功′率数值，P0 .975位于97.5％位置的功率数值。[0067] 绘制序列曲线UFk和UBk序列曲线以及Uα的两条临界直线，序列曲线UFk和UBk序列曲线的交点对应的时刻为用户工况切换的时刻。[0068] 对于序列A、B：序列A长度为a，功率值为：PA＝{pA1,pA2,...,pAa}，序列B长度为b，功率值为：PB＝{pB1,pB2,...,pBb}，[0069] 对两个序列进行导数预处理，得到表征两个序列的时序曲线特征和变化趋势的新′ ′序列，记为PA和PB；[0070] 对两序列进行均值归一化计算，得到PA″＝{pA1″,pA2″,...，pAa″}，PB″＝{pB1″,pB2″,...，pBb″}；[0071] 定义一个矩阵D，矩阵大小为a×b，采用欧式距离方法计算两序列的距离，二者之间的距离计算公式为：[0072] Di,j＝(pAi″?pBj″)2；[0073] 其中，pAi″为序列PA″中的第i个元素,0≤i≤a，pBj″为PB″中的第j个元素，0≤j≤b，再计算两个元素之间的欧氏距离的平方Di,j；[0074] 定义距离矩阵l，设定矩阵初值为l1,1＝D1,1，通过迭代的方式不断更新距离矩阵，更新计算公式为：[0075][0076] 不断迭代计算，直至两序列中元素全部计算完毕，得到DDTW距离，记为lx*k。[0077] 例如用户x有功功率时段划分后结果为：[0078][0079] Px＝{P1′,P2′,...,PA′}；[0080] 其中，例如功率时段P1′,P2′,P3′分别代表工况1、工况2、工况3，功率时段PA′表示工况1，则有如下对应关系：[0081] Px＝{P1′,P2′,...,PA′}→{工况1，工况2，...，工况1}；[0082] 至此，完成对单一用户工况的时序划分与工况辨别工作。[0083] 下面对一条母线下所接的所有用户采用滑窗MK变点检测方式进行变点检测，假设该母线下接入m个用户，得到包括m个用户的全部变点集合O，如下式所示：[0084][0085] 以上变点代表着各个用户的工况切换时刻，但由于各个用户的工况切换时刻、工况切换次数不同，因此各个用户的变点之间存在时间差；为获得各个用户给的共同工况稳定时刻，将上述变点集合O1至Om进行或集取和，得到多个用户不同工况稳定时的时段划分集合Oall，如下式所示：[0086] Oall＝O1∪O2∪...∪Om＝{t1,t2,...,tA1}；[0087] 根据所述多个用户不同工况稳定时的时段划分，计算各段工况的最大互信息系数。[0088] 以上述多用户工况组合划分时段结果，对用户侧智能电表监测数据以及多指标电能质量监测数据进行时段划分，记用户x有功功率时段划分后结果为：[0089][0090] Px＝{P1′,P2′,...,PA′}；[0091] 对k个电能质量监测指标：{X1,X2,…,Xc,…,Xk}监测数据进行时段划分，并以各个工况切换变点前后的各指标数据变化作为一组数据段，对A个变点，构建A个数据段。[0092] 对于用户x的有功功率:Yx＝{yx,1,yx,2,..,yx,α}，和电能质量监测数据集：[0093][0094] 其中，F中的M列表示其具有M个电能质量监测指标，包括三相不平衡度、电压闪变值、各次谐波等，N行表示各个电能质量监测指标具有N个采样值。[0095] 对电能质量监测数据集F和用户x的有功功率Yx进行离散化处理：[0096] 步骤1、F中的第i列有：电能质量特征最大值与最小值[fi,min,fi,max]，Yx有：有功功率最大值与最小值[ymin,ymax]，对M+1个特征进行n等分，兼顾计算量与计算精度，本实施例取n＝20。[0097] 步骤2、第m个区间里，用户有功功率采样点个数为Ny(n)，第i个电能质量特征fi个数为[0098] 步骤3、电能质量特征fi在第n个区间时，对应的功率Y在第m个区间的样本个数为[0099] 计算离散化后的电能质量特征fi和Yx有功功率之间的互信息，计算公式为：[0100][0101] 将所述电能质量监测数据集F按照所述互信息的H(fi,Y)大小进行排序，构成一个′顺序特征序列H，记为：[0102] H′＝{fi}；[0103] 其中，i取1到M，为正整数，且H(fi,Y)＞H(fi+1,Y)。[0104] 对顺序特征序列H′进行分析，采用四分位概率模型，选择四分位数作为该用户在该时段内的高关联度系数分界值，将关联系数大于该分界值所对应的电能质量指标，作为用户在该时段内的电能质量发射特性。高关联分界点用于在众多指标中划分出若干个高关联指标。[0105] 进一步地，采用上述DDTW关联度计算方式，计算各个工况分段内用户x与各个电能质量指标之间的关联系数，作用户在此时段内的电能质量特征标签，对各个时段的的电能质量发射特性进行统计，得到用户不同生产工况下的电能质量特征，对母线下连接的m个用户分别按照上述步骤进行电能质量特征分析，通过统计处理的得到工业全时段用户的电能质量特征标签，以掌握用户的电能质量的需求，从而相应的调整电网的供电的参数，以匹配用户的用电需求。

专利地区：宁夏

专利申请日期：2023-08-08

专利公开日期：2024-09-10

专利公告号：CN117039866B