基于电能表暂态扰动特征的停电类型快速研判方法.pdf

Microcomputer Applications Vol.39,No.11,2023文章编号：10 0 7-7 57 X（2 0 2 3)11-0 16 8-0 3基于电能表暂态扰动特征的停电类型快速研判方法开发应用微型电脑应用2 0 2 3年第39 卷第11期姚伟1，吴钰1，李家睿1，王璐，杜璇，高新亭2（1.国网上海市电力公司松江供电公司，上海2 0 16 9 9；2.上海博英信息科技有限公司，上海2 0 0 2 41）摘要：为了提升停电类型研判的精准度，提出基于电能表暂态扰动特征的停电类型快速研判方法。在电能表暂态扰动特征采样信号内，通过希尔伯特变换方法，提取瞬时基波幅值，利用滑移奇异值分解方法抑制采样信号噪声，获取奇异值特征波形，利用包络极值算法，采集采样信号内主要频率点，获取频谱；提取电能表暂态扰动特征量并使其归一化，判断停电类型。实验证明，所提方法能够精准研判停电类型，具有较好的抗噪性能。关键词：电能表；暂态扰动；停电类型；希尔伯特变换中图分类号：TM769Based on Transient Disturbance Characteristics of Electricity MetersYAO Wei,WU Yu,LI Jiarui,WANG Lu,DU Xuan,GAO Xinting?(1.State Grid Shanghai Electric Power Company Songjiang Power Supply Company,Shanghai 201699,China;2.Shanghai Proinvent Info Tech Co.,Ltd,Shanghai 200241,China)Abstract:In order to improve the accuracy of power outage type judgment,a fast judgment method of power outage type basedon transient disturbance characteristics of electric energy meter is proposed.In the transient disturbance characteristic samplingsignal of electric energy meter,the instantaneous fundamental amplitude is extracted by Hilbert transform method,the noise ofthe sampling signal is suppressed by sliding singular value decomposition method,and the characteristic waveform of singularvalue is obtained.The main frequency points in the sampling signal are collected by envelope extremum algorithm to obtain thefrequency spectrum.The characteristic quantity of transient disturbance of electric energy meter is extracted and normalized tojudge the type of power outage.Experiments show that the proposed method can accurately judge the type of power outage,and has good anti-noise performance.Key words:electric energy meter;transient disturbance;types of power failure;Hilbert transform0引言为了保证供电的经济性和安全性，提高供电可靠性是电力企业追求的目标，需要通过电网可靠性管理来保障供电电能质量-3。一且发生停电事故，如果电网的可靠性管理不善，极易发生一系列连锁反应，严重影响电网的供电，造成大面积停电，加大经济损失。为了提高电力企业的可靠性管理水平，有必要进行停电类型的判断研究。电能表暂态扰动特征是指频谱、持续时间与扰动的随机性特征，存在短时电压改变与不同瞬变现象，通过分析电能表暂态扰动特征能够辨识出不同电能质量扰动类型，进而获取电网故障类型。丁芃等5提出基于模型辨辩识的配电线路永久性故障判定方法，通过分析各种故障停电线路的频域作者简介：姚伟（198 9一），男，本科，工程师，研究方向为电力系统调度运行技术、配电网发展规划；吴钰（198 8 一）,女，硕士，工程师，研究方向为负荷预测；李家睿（198 2 一），男，本科，高级工程师，研究方向为电网运行、调度、自动化；王璐（198 8 一），女，满族，硕士，工程师，研究方向为配电网规划、咨询；杜璇（198 8 一），男，本科，工程师，研究方向为电网规划咨询及设备开发；高新亭（1993一），女，本科，工程师，研究方向为电网规划咨询及设备开发。文献标志码：AA Fast Method for Determining Power Outage Types扰动特征的停电类型快速研判方法。1基于电能表暂态扰动特征的停电类型快速研判方法1.1检测电能表暂态扰动特征信号基于希尔伯特变换和滑移奇异值分解方法，检测电能表暂态扰动特征信号。具体步骤如下。168.特性，利用模型辨识原理辨识停电线路内部结构，判断线路故障性质；吕小红等6 提出基于灰色经验融合的电网故障研判模型，利用灰色信息融合方法融合专家经验和现场数据，提取和现场数据非常接近的专家经验，实现故障研判。但以往的研究方法容易受到余信息的干扰，抗噪性能较差，且并未涉及停电类型研判，为此，提出基于电能表暂态Microcomputer Applications Vol.39,No.11,2023步骤1:在电能表暂态扰动特征采样信号y(k)内提取基波信号l(k)并得到电能表暂态扰动特征采样信号y(k)的FFT(Fast Fourier Transfor，快速傅立叶变换)序列Y(k)。通过FFTSHIFT初始变换Y（k），获取最终变换结果Y.（k)。经过变换后,Y,（k)内的暂态扰动特征高频成分由100Hz低通滤波器实施过滤Gk）。Y,（k)X G(k)即频域滤波结果,频域滤波结果经由 FFT-SHIFT变换使频率成分回到最初地点，同时利用IFFT（I n-vertFastFourierTransfor，反向快速傅里叶变换）获取N点电能表暂态扰动特征基频信号l(k），公式如下：l(k)=IFFT(FFTSHIFT(Y,(k):G(k)步骤2:通过希尔伯特变换获取瞬时电能表暂态扰动特征基波幅值a(k），公式如下：a(k)=abs(HT(l(k)步骤3：在采样信号y(k)中筛选出基频信号l(k），得到高频信号h（k），公式如下：h(k)=y(k)-l(k)步骤4：通过基于滑移奇异值分解的噪声抑制方法抑制h(k)内的噪声获取奇异值特征波形，设初始特征采样点k=0；设k=k十1,在电能表暂态扰动特征高频信号h内选取M个频率点，通过M个数据点构建向量q，通过向量组建Hankel矩阵Hk，矩阵H包含R行M一R十1列，公式如下：q:(1)q:(2)H=：LQ(R)qk(R+1).其中,2 R(M+1)/2，一般情况下R的取值为2。奇异值分解矩阵Hk。公式如下：Hk=UAVT其中，U与VT为正交矩阵。获取对角矩阵A的公式如下：00A=：LO0其中，矩阵H内的奇异值即对角元素。获取矩阵H：内奇异值特征波形p（k），公式如下：p(k)=(oi)2反复操作上述过程，至k与N一致为止。步骤5：阈值滤波处理p(k），得到无噪声的奇异值特征波形pa（k），公式如下：(b(k)，p(k)入pa(k)=其他其中，入是自适应估算阈值。步骤6：通过包络极值算法，获取变换后的采样信号Y(k)内仅存在关键频率点的频谱Y（k），令不同邻近极大值点间存在Mi、M 2、M,、M.-1个频率点，极大值包络计算公式如下：|Y:(h)=Y(j-1 I+,I()-YG-c=0,1,Mj-1,j=1,2,.,L-1开发应用其中，极大值序列是Yi（j）。计算Y,（k）的极大值，选取符合以下公式的频率点ki，公式如下：Y,(ki=-2)|Y,(ki-i)|Y2(ki+1)/Y2(ki+2)/Y2(k,)/e其中，阈值是，一般情况下取值为0.0 0 9pu。通过初始化Y（k）=0，得到全部符合式（10）的频率点ki即关键频率点，同时Ym（k,）=2|Y（k,）/N，便可获取仅存在关键频率点的频谱X，（k）。(1)步骤7:输出电能表暂态扰动特征波形a（k）、p a（k）与Ym(k)。1.2提取量(2)在特征波形a(k）、p a(k)与Ym（k)内提取量。（1）电能表暂态扰动特征F1即频谱Ym（k)内不同频率点的频率值，用于初步判断中有没有谐波、振荡暂态、电压缺(3)口、电压尖峰与电压闪变的扰动类型。（2）电能表暂态扰动特征F2即频谱Y（k)内的基频幅值，用于判断中有没有电压暂降、中断与暂升的扰动类型。（3）电能表暂态扰动特征F3即总谐波畸变率，用于判断中有没有谐波的扰动类型，表达公式如下：F3=Q:（2)q:(M-R+1)7q:(3)q(M-R+2)：Q(M)070M,微型电脑应用2 0 2 3年第39 卷第11期(10)12YHYN2其中，高次谐波幅值较小，因此仅考虑到30 次谐波，即H=(4)30,第次谐波的FFT频谱是Y，基频的FFT频谱是Y1。（4）电能表暂态扰动特征F4F6 分别是暂降、中断与暂升持续时间，用于判断电能表暂态扰动特征中有没有电压振荡的扰动类型；特征F4是基波幅值a内幅值低于（1.0 十(5)pu的持续时间,参数用于避免FFT低通滤波导致的基波幅值误差，一般情况下=0.0 1pu；特征F5是基波幅值内幅值低于(0.2 十)pu的持续时间；特征F6是基波幅值a内幅值超过(1.2 一)pu低于(1.9 一)pu的持续时间。(6)（5）特征F7与F8分别是无噪声存在的奇异值特征波形parms内脉冲数量与最大脉冲宽度，用于辅助判断电能表暂态扰动特征中有没有脉冲暂态、电压缺口与电压尖峰的扰动类型。(7)（6）电能表暂态扰动特征F9即电能表暂态扰动特征高频信号h内幅值超过0.2 pu且低于一0.2 pu的脉冲极性，用于判断电能表暂态扰动特征中有没有电压缺口与电压尖峰的扰动类型。（7）电能表暂态扰动特征F10与F11分别是无噪声存(8)在的奇异值特征波形palooo内最大脉冲宽度与半个周期中最大脉冲数量，用于判断电能表暂态扰动特征中有没有振荡暂态。pa1000的获取方式是将低通滤波器的截止频率10 0 Hz更换成10 0 0 Hz，然后通过基于希尔伯特变换与滑移奇异值分解方法，二次处理电能表暂态扰动特征采样信号，获取瞬时基波幅值a1000与无噪声存在的奇异值特征波形pa100。1.3停电类型快速研判方法(9)计算这个频带内11个电能表暂态扰动特征量之和，归一化处理11个电能表暂态扰动特征量之和，公式如下：.169.(11)Microcomputer Applications Vol.39,No.11,2023其中，小波分解的具体层数是0，零序电压分量是6%，第个电能表暂态扰动特征提取分量是E，归一化处理后的电能表暂态扰动特征量之和是e。按照归一化处理结果判断停电类型，停电类型分别是单相接地故障、两相接地故障、两相短路与三相短路，当故障相电能表暂态扰动特征量大于非故障相的电能表暂态扰动特征量时，则停电类型为单相接地故障；当故障相电能表暂态扰动特征量较小，两故障相的电能表暂态扰动特征量均较大时，则停电类型为两相接地故障；当两故障相的电能表暂态扰动特征量均较大并差距较小时，则停电类型为两相短路；当三相的电能表暂态扰动特征量均较大，且电能表暂态扰动特征量的大小和故障时间有关时，则停电类型为三相短路。2实验分析2.1构建仿真实验环境以某省配电网为原型，在MATLAB设计一个配电线路自动停电故障仿真平台，其中包含停电故障数据存储模块、电路线路模块与控制工况模块，该平台的结构图如图1本文方法停电停电停电故障类型距离/km5单相接45地故障855两相接45地故障855两相45短路855三相45短路85根据表1可知，随着停电故障距离的不断增加，3种方法停电类型研判的准确率均有所下降，本文方法准确率下降幅度明显低于其余2 种方法，在不同停电故障距离时的停电类型研判准确率均显著高于其余2 种方法，研判准确率是99.1%,其余2 种方法的准确率分别是8 4.8%与8 3.4%。实验证明，随着停电故障距离的不断增加，本文方法停电类型研判的准确率较高，依旧具有较好的停电类型研判性能。2.2.3停电类型研判耗时为检验设计方法的运算量，设置不同的信号的采样长开发应用7250所示。E,=221b%(f)20-5f=1Ee一max(E)本文方法研判的故障数量/组939392131130128686867207205202微型电脑应用2 0 2 3年第39 卷第11期(12)PSCAD/EMTDC控制工况模块(PowerSystems1ComputerAidedDesign,电磁暂态仿真软件）数据处理与特1征提取等图1配电线路自动停电故障仿真平台结构图2.2对比分析2.2.22停电类型研判准确率利用本文方法、文献5方法与文献6 方法研判该输电线路的停电类型，比较分析3种方法停电类型的研判性能，研判性能按照停电类型研判的准确率判断，停电类型研判准确率越高，则研判性能越好。通过不同的停电故障距离，验证3种方法停电类型研判性能，测试结果如表1所示。表13种方法停电类型研判的准确率文献5方法类型研判研判的故障准确率/%数量/组100.090100.08098.967100.012699.211597.7106100.063100.05598.54199.520098.618697.1162度，测试电能表暂态扰动特征的停电类型研判所耗费的运算时间，如表2 所示。表2 3种方法停电类型研判的运算时间采样长度/bit运算时间/s(采样时间/s)本文方法2560(0.2)0.0725120(0.4)0.14976800.6)0.231.170.控制指令电电路线路模块读取数据1程序1文献5方法文献6 方法停电类型研判研判的故障准确率/%数量/组96.89186.08172.06596.212087.810980.99292.66480.96060.35696.218189.416877.9142文献5方法0.0970.1930.367仿真数据存储数据模块一一一111(下转第17 3页配机硬盘文献6 方法停电类型研判准确率/%97.887.169.991.683.270.294.188.282.487.080.868.3文献6 方法0.1340.2940.435Microcomputer Applications Vol.39,No.11,202322，2 3，37，41，46）和停机时间（小于2 42 6 s内，即停机重启后2426s内），这些是需要重点关注和改善的方面。双CART方法有效提取到了异常数据的属性子空间，同时也减少了传统CART算法的穴余计算量，并识别到了机加工关键尺寸数据的主要影响因子和改善方向。表1双CART输出路径（初始N。和Ro）部分示意表双CART后初始NCART树路径和R路径1：机台号（2,9,）停机时间（=2 42 6 s）No=30路径7：机台号（2,4，）R=60%停机时间（2 42 6 s，40 542 s）路径9：机台号（1,9，）温差 10 59表2 双CART输出最优路径结果（AUC阈值 0.9）双CART后初始NCART树路径和RN=50,R=70%2总结本文提出了使用双CART方法进行数据子空间提取处开发应用理分析，并应用到机加工关键尺寸数据分析，实例表明双CART方法应用分类效果显著，可以从大量无规则的数据中提取有强相关的数据子空间，并且使用双CART方法识别到了影响尺寸质量的主要属性因子及风险路径，明确了机加工设备长时间停机重启后的重点监控时段时长，给出了在此时段内需要进行特殊监控的建议，即现场工艺人员重点关注此时段产出质量并持续调整机加工设备关键参数，结果验证了训练测试AUC改善措施实施后工艺能力指数得到了提升。AUC.AUC之差/%0.950.940.890.830.820.87训练测试AUCAUCAUC之差/%路径1：机台号（2,9，）0.950.94停机时间（=2 42 6 s）微型电脑应用2 0 2 3年第39 卷第11期参考文献11刘爱琴，葛凌云，杨海峰，等.利用子空间划分的局部离群数据挖掘算法J.小型微型计算机系统，2 0 11，632(8):1628-1632.2 张勇，陈菊。基于决策树的网络高维数据软子空间聚15类方法研究J.现代电子技术，2 0 19，42（2 0）：8 1-8 3.3孙伟伟.基于基尼指标加权的离群子空间与离群数据挖掘方法J.电脑开发与应用，2 0 12，2 5（10）：35-37.4江艳秋.基于融合马田系统的不平衡财务数据分类器研究J.微型电脑应用，2 0 2 1，37（8）：147-149.5魏伟一，张国治.Python数据挖掘与机器学习M.北京：清华大学出版社，2 0 2 1.16 江志农，魏东海，王磊，等.基于CART决策树的柴油机故障诊断方法研究.北京化工大学学报（自然科学版),2 0 18,45(4):7 1-7 5.（收稿日期：2 0 2 2-0 1-19）(上接第17 0 页)根据表2 可知，在不同的信号的采样长度下，本文方法的运算时间较其他2 种方法均较短，且运算时间小于采样时间，说明本文方法采用的希尔伯特变换方法和滑移奇异值分解方法能够降低运算的复杂度和减少运算量，使电能表暂态特征的停电类型研判在具有较强的抗噪性的同时具有较短的运算时间，能够为实现实时电能表电能质量监测提供支持。3总结电能表暂态扰动特征能够有效评估电能质量，不同停电类型会导致电能质量出现不同的变化，因此提出一种基于电能表暂态扰动特征的停电类型快速研判方法，提升停电类型研判的准确性，精准研判停电类型可有效节省维修人员的工作时间，提升电网管理的可靠性。参考文献1尚慧玉，王崇宇，陈明辉，等.灾害天气条件下电力系统故障诊断特征匹配方法J.电力建设，2 0 18，39(10):37-43.2张怀鹏，马耀东，张栋，等.基于有源滤波器的分布式电源并网后电能质量的仿真分析J.微型电脑应用，2021,37(1):165-167.3王鸿玺，唐如意，吴一敌，等.基于HPLC的智能抄表技术在客户侧泛在电力物联网中的研究及应用J.电力系统保护与控制，2 0 2 0，48（3）：92-98.4赵高尚，刘道伟，陈树勇，等.基于尺度不变特征转换的暂态稳定边界特征提取门.中国电机工程学报，2019,39(S1):84-94.5丁芃，朱珂，朱裕庆，等.基于模型辨识的配电线路永久性故障判定方法J.电工技术学报，2 0 19,34（5）：1004-1012.6吕小红，张敏，曹文忠，等.基于灰色经验融合的电网故障研判模型.中国电力，2 0 18,51（4）：2 7-32.（收稿日期：2 0 2 2-0 1-2 4）.173