公开/公告号CN112485589A
专利类型发明专利
公开/公告日2021-03-12
原文格式PDF
申请/专利号CN202011286112.X
申请日2020-11-17
分类号G01R31/08(20060101);
代理机构32492 无锡智麦知识产权代理事务所(普通合伙);
代理人宋春荣
地址 230601 安徽省合肥市经济开发区紫云路299号
入库时间 2023-06-19 10:11:51
技术领域
本发明属于感知方法,具体涉及一种基于分布式实时数据仓库的台区停电及故障实时感知方法。
背景技术
电网在生产生活中扮演着越来越重要的角色。随着科技的发展,我国的电网由原来的单发电机组电网逐渐向分布式电网发展。分布式电网具有多个独立的发电设备,每个分布式网络内也分布着不同的用电设备。
这种电网的缺陷在于:上级电网往往只收集下级电网上报的相关数据,而不关注下级电网内部运行的数据。如果发生事故,例如停电,跳闸,输电线路损毁等,那么剧烈的电网数据变动可以体现在下级电网上报的数据中。如果只是下级电网的输电质量产生了波动,例如电压波动、三相电压不平衡、谐波所占比例过高、频率偏差等,而这些输电质量问题尚未构成电网事故,那么由于子电网的“内部消化”作用,则上级电网可能完全无法了解下级电网是否产生了故障。而且由于电网互相是连通的,一个子电网产生的故障很可能会波及周围电网,因此故障范围大小也是需要感知的内容。
现有技术尚无法解决上述问题,因此需要一种针对分布式电网电能质量进行感知的方法。
发明内容
本发明针对现有技术的缺陷,提供一种基于分布式实时数据仓库的台区停电及故障实时感知方法。
本发明是这样实现的:一种基于分布式实时数据仓库的台区停电及故障实时感知方法,包括下述步骤:
步骤一:构建数据矩阵;
步骤二:采样或接受上报数据;
步骤三:核算标志位形成完整数据矩阵;
步骤四:事故感知;
步骤五:故障感知。
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法,其中,所述的步骤一包括,
构建下述结构的数据矩阵
Z=[a
上述数据矩阵的行有无限多,列共有10列;每列数据的物理意义分别为,
第一列a
第二列a
第三列a
第四列a
第五列a
第六列a
第七列a
第八列a
第九列a
第十列a
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法,其中,所述的步骤二包括,
当下层数据为基层电网数据时,进行采样;当下层数据为非基层电网数据时,接受下级电网的上报数据,无论采集数据还是上报的数据,均符合下述要求,
采样或上报的数据包括下述四种,即分别针对谐波所占比例、电压波动比例、三相电压不平衡、频率偏差值进行采样,
采样频率根据需要进行,以电网频率的10-20倍频率为采样频率,
上报频率与采样频率相同,
本申请的采样或上报内容都不是直接取得所需数据,而是采集相关基础数据然后根据基础数据计算得到的,具体为:
针对谐波所占比例:对电网电能采样,计算谐波所占比例,该比例用百分比表示,该所占比例为采样数据,
电压波动比例:采集电网电压,将电网电压与标准值进行相减并取绝对值,然后将差值与标准值相除,得到百分比数值,得到的百分比数值为本申请采样的内容,
三相电压不平衡:用电压负序分量与正序分量的方均根,并百分比表示,该百分比值为本申请的采样内容,
频率偏差:采集电网频率,用该频率与标准频率的差作为频率偏差的采样内容,由于本申请只需要使用其数值部分,因此所述的采样内容为频率偏差的绝对值。
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法,其中,所述的步骤三包括,
设定阈值,所述的阈值,按照下述标准设定:
所述的谐波所占比例的阈值为5%,
所述的电压波动比例的阈值为5%,
所述的三相电压不平衡的阈值2%,
所述的频率偏差值的阈值为0.2Hz,
根据步骤二中实际采样或上报数据的值,以上述阈值为标准,若实际采样或上报数据的值小于等于阈值,则置相应标志位为1,否则置相应标志位为0。
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法,其中,所述的步骤四包括,
步骤4.1:形成事故感知矩阵
取数据矩阵中的前6列数据形成事故感知矩阵,在事故感知矩阵中,第一列数据a
步骤4.2:感知事故范围
取事故矩阵后四列,如果同列中有任意两行的数据均为0,那么该两行对应节点的特定事故相关性增加1,并判定有事故,否则相关性保持不变,
步骤4.3:输出事故范围
将步骤4.2感知到的结果输出,
如果步骤4.2感知到的结果为无事故,那么执行步骤五;
如果步骤4.2感知到的结果为有事故,则输出事故类型和事故范围。
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法,其中,所述的步骤五包括,
步骤5.1:形成故障感知矩阵
取数据矩阵中的前2列数据和后4列数据形成故障感知矩阵,在事故障知矩阵中,第一列数据a
步骤5.2:感知事故范围
由于故障相关性的计算是对称的,即a节点与b节点的故障相关性,与b节点与a节点的故障相关性是相同的,因此本步骤后续计算中只计算a→b的故障相关性,不重复计算b→a的故障相关性,
步骤5.2.1:谐波所占比例故障相关性
对于第三列数据,若第a行第3列的元素c
其中,a、b表示感知故障矩阵的行数,且a≠b,
若
步骤5.2.2:电压波动比例故障相关性
对于第四列数据,若第a行第4列的元素c
其中c
若
步骤5.2.3:三相电压不平衡故障相关性
对于第五列数据,若第a行第5列的元素c
其中c
若
步骤5.2.4:频率偏差值故障相关性
对于第六列数据,若第a行第6列的元素c
其中c
若
步骤5.3:故障范围输出
若步骤5.2判定的结果为无故障,则输出无故障;
若步骤5.2判定的结果为有故障,则输出故障类型及故障范围。
本发明的显著效果是:本发明针对特定电网参数进行收集或上报,并在收集或上报的时候就进行事故判断,节约了大量运算工作量。在事故和故障两个层面,分别感知影响范围,不仅能够了解分布式电网事故或故障类型,同时也能感知影响范围。
具体实施方式
一种基于分布式实时数据仓库的台区停电及故障实时感知方法,包括下述内容:
步骤一:构建数据矩阵
构建下述结构的数据矩阵
Z=[a
上述数据矩阵的行有无限多,列共有10列;每列数据的物理意义分别为,
第一列a
第二列a
第三列a
第四列a
第五列a
第六列a
第七列a
第八列a
第九列a
第十列a
上述数据矩阵之所以有无限多行,是因为随着时间的推移,子节点的采样或者上报数据会不断的填写到该数据矩阵中,因此该数据矩阵理论上有无限多行。
在实际操作中,由于存储空间的限制,一般采用24小时备份制度,即24小时内的数据直接存储在运算计算机中,超过24小时的数据备份到服务器的备份硬盘中。3个月以上的数据根据实际需要,可以考虑压缩后归档存储,也可以考虑直接丢弃该部分数据。
步骤二:采样或接受上报数据
当下层数据为基层电网数据时,进行采样;当下层数据为非基层电网数据时,接受下级电网的上报数据。无论采集数据还是上报的数据,均符合下述要求。
采样或上报的数据包括下述四种,即分别针对谐波所占比例、电压波动比例、三相电压不平衡、频率偏差值进行采样。
采样频率根据需要进行,一般以电网频率的10-20倍频率为采样频率。
虽然采样频率可以根据需要调整,但是只要是同一次评价活动,该采样频率一旦确定就不再更改。
上报频率与采样频率相同。
本申请的采样或上报内容都不是直接取得所需数据,而是采集相关基础数据然后根据基础数据计算得到的,具体为
针对谐波所占比例:对电网电能采样,计算谐波所占比例,该比例用百分比表示,该所占比例为采样数据。
电压波动比例:采集电网电压,将电网电压与标准值进行相减并取绝对值,然后将差值与标准值相除,得到百分比数值,得到的百分比数值为本申请采样的内容。
三相电压不平衡:用电压负序分量与正序分量的方均根,并百分比表示,该百分比值为本申请的采样内容。
频率偏差:采集电网频率,用该频率与标准频率的差作为频率偏差的采样内容。由于本申请只需要使用其数值部分,因此所述的采样内容为频率偏差的绝对值。
步骤三:核算标志位形成完整数据矩阵
设定阈值,所述的阈值,按照下述标准设定:
所述的谐波所占比例的阈值为5%,
所述的电压波动比例的阈值为5%,
所述的三相电压不平衡的阈值2%,
所述的频率偏差值的阈值为0.2Hz。
根据步骤二中实际采样或上报数据的值,以上述阈值为标准,若实际采样或上报数据的值小于等于阈值,则置相应标志位为1,否则置相应标志位为0。
例如某节点在某时刻上报数据如下表所示
那么根据上述阈值判断标准,则相应标志位的值分别为
假设该节点为分布式系统的第5个子节点,上报数据为第384次上报数据,那么形成的该条数据矩阵为
步骤四:事故感知
步骤4.1:形成事故感知矩阵
取数据矩阵中的前6列数据形成事故感知矩阵。在事故感知矩阵中,第一列数据a
例如数据矩阵的一部分如下表所示
取384次上报数据形成事故感知矩阵,则得到的384次事故感知矩阵如下所示
步骤4.2:感知事故范围
取事故矩阵后四列,如果同列中有任意两行的数据均为0,那么该两行对应节点的特定事故相关性增加1,并判定有事故,否则相关性保持不变。
仍以384次上报数据形成事故感知矩阵为例,该事故感知矩阵为
第三列只有1个数据0,则所有节点的相关性均保持不变;
第四列有3个数据0,则节点2、节点3和节点5,三个节点中任意两个的电压波动比例事故具备相关性;
第五列、第六列与第三列类似,也只有1个数据0,所有节点的相关性均保持不变。
如果事故感知矩阵中后四列的数据均为1,则判定无事故。
步骤4.3:输出事故范围
将步骤4.2感知到的结果输出。
如果步骤4.2感知到的结果为无事故,那么执行步骤五;
如果步骤4.2感知到的结果为有事故,则输出事故类型和事故范围。
仍以384次上报数据形成事故感知矩阵为例,判定结果为有事故,事故类型为电压波动比例事故,事故范围为节点2、节点3和节点5。
步骤五:故障感知
步骤5.1:形成故障感知矩阵
取数据矩阵中的前2列数据和后4列数据形成故障感知矩阵。在事故障知矩阵中,第一列数据a
例如数据矩阵的一部分如下表所示
取385次上报数据形成故障感知矩阵,则得到的385次故障感知矩阵如下所示
步骤5.2:感知事故范围
由于故障相关性的计算是对称的,即a节点与b节点的故障相关性,与b节点与a节点的故障相关性是相同的,因此本步骤后续计算中只计算a→b的故障相关性,不重复计算b→a的故障相关性。
步骤5.2.1:谐波所占比例故障相关性
对于第三列数据,若第a行第3列的元素c
其中,a、b表示感知故障矩阵的行数,且a≠b,
若
步骤5.2.2:电压波动比例故障相关性
对于第四列数据,若第a行第4列的元素c
其中c
若
步骤5.2.3:三相电压不平衡故障相关性
对于第五列数据,若第a行第5列的元素c
其中c
若
步骤5.2.4:频率偏差值故障相关性
对于第六列数据,若第a行第6列的元素c
其中c
若
步骤5.3:故障范围输出
若步骤5.2判定的结果为无故障,则输出无故障;
若步骤5.2判定的结果为有故障,则输出故障类型及故障范围。
例如前述例子中,存在故障,故障分别为
谐波所占比例故障,故障范围为节点1、节点2、节点3、节点4、节点5;
电压波动比例故障,故障范围为节点1、节点2、节点3、节点4、节点5;
三相电压不平衡故障,故障范围为节点1、节点2、节点3、节点4、节点5;
频率偏差值故障,故障范围为节点1、节点2、节点3、节点4、节点5。
机译: 可扩展的分布式实时数据仓库的系统和方法
机译: 可伸缩分布式实时数据仓库的系统和方法
机译: 可扩展的分布式实时数据仓库的系统和方法