一种基于时间序列相关度的10kV配网谐波源辨识方法

摘要

本发明公开了一种基于时间序列相关度的10kV配网谐波源辨识方法，其技术方案是：把电流总谐波畸变率看作一组时间序列，认为其由三个不同的成分组成：趋势、波动性和随机性成分。首先，利用二次滑动平均法来计算谐波电流总谐波畸变率的趋势成分；然后，利用历史数据与趋势成分的数值求取电流总谐波畸变率中的波动性成分，并对求取的波动性成分进行加权平均，消除随机性成分的影响，从而求得波动指数。再利用相关性分析法，分别求取各馈线的趋势成分与母线的趋势成分以及馈线的波动指数与母线的波动指数之间的相关度，最后结合谐波电流数据求出各馈线的总谐波源嫌疑度。本发明针对谐波数据变化规律而不受其它条件限制，可以快速对谐波源线路进行辨识。

主权项

一种基于时间序列相关度的10kV配网谐波源辨识方法,其特征在于：首先，对谐波电流进行频谱分析，获取谐波电流的频谱；其次，计算出谐波电流总谐波畸变率的趋势成分，获取数据的变化趋势规律；然后，利用历史数据与趋势成分的数值求取电流总谐波畸变率中的波动性成分，并对求取的波动性成分进行加权平均，消除随机性成分的影响，从而求得波动指数；之后再利用相关性分析法，分别求取各馈线的趋势成分与母线的趋势成分之间的趋势相关度以及馈线的波动指数与母线的波动指数之间的波动指数相关度，实现谐波源的初步筛选；最后利用各馈线的趋势相关度和波动指数相关度，结合谐波电流数据求出各馈线的谐波源嫌疑度，并根据嫌疑度的大小进行排序，从而实现谐波源的快速辨识；其包括以下步骤：(1)、利用电能质量检测仪实现3s检测一次电流总畸变率和电流值，检测时间至少24h，采集公共连接点PCC的电流总谐波畸变率95％值THD_PI95％、n条馈线的电流总谐波畸变率的95％值THD_nI95％，并求取n条馈线24h的基波电流95％值I_n95％、最大值I_nmax、最小值I_nmin和2到25次谐波电流的95％频谱图，根据各线路的频谱初步对谐波源进行辨识；(2)、计算母线和馈线随时间变化的电流总谐波畸变率的趋势成分对收集到的k个电流总谐波畸变率测量数据x₁,x₂,…,x_k，进行时间跨度为N的二次滑动平均，N可以根据数据的实际情况取值，N取得越大，滑动平均的平滑作用越大，由下列式子可求得各线路的电流总谐波畸变率的趋势成分：1)计算一次、二次滑动平均值$M_t^{\left(1\right)}=\frac{1}{N}(x_{t-N+1}+x_{t-N+2}+...+x_t),$其中t＝N,N+1,…,k$M_t^{\left(2\right)}=\frac{1}{N}(M_{t-N+1}^{\left(1\right)}+M_{t-N+2}^{\left(1\right)}+...+M_t^{\left(1\right)}),$其中t＝2N‑1,2N,…,k2)计算截距和斜率$a_t=2M_t^{\left(1\right)}-M_t^{\left(2\right)}$$b_t=\frac{2}{N-1}(M_t^{\left(1\right)}-M_t^{\left(2\right)}),$其中t＝2N‑1,2N,…,k3)计算趋势成份：${\hat{x}}_{t+1}=a_t+b_t=\frac{2N}{N-1}{M}_t^{\left(1\right)}-\frac{N+1}{N-1}{M}_t^{\left(2\right)},$其中t＝2N‑1,2N,…,k‑1由于上式没有求取前2N‑1个数据的趋势成分，因此前2N个数据的趋势成分用一次滑动平均值表示：即：${\hat{x}}_t=\frac{1}{N}(x_1+x_2+...+x_{2N-1}),$其中t＝1,2,…2N‑1对母线及各馈线都进行上述计算，便求得所有线路的趋势成分；(3)、计算母线和馈线随时间变化的电流总谐波畸变率的波动成分1)先求取波动性成分其中i＝1,2,…,k2)对波动性成分进行加权平均，求取波动指数$W_j=\frac{1}{N}(w_{(N*j-N+1)}+w_{(N*j-N+2)}+...+w_{(N*j)}),$其中j＝1,2,…k/N式中若k/N不为整数，则根据情况舍弃前2N‑1波动性成分的最前数据，使k/N为整数，对母线及各馈线都进行上述计算，便求得所有线路的波动指数；(4)、趋势成分、波动性的相关性分析采用回归分析中的相关度ρ，对不同数据之间，假设为x，y之间相关程度作出判断，其公式如下：$\rho (x,y)=\frac{COV(x,y)}{{\sigma }_x\times {\sigma }_y}$把母线的趋势成分和各馈线的趋势成分分别代入上式求取各条馈线的趋势成分与母线的相关度n表示第n条馈线，再把母线的波动指数和各馈线的波动指数W也代入上式求取各条馈线的波动指数与母线的相关度(5)、求取趋势成分的谐波源嫌疑度各馈线的趋势成分的谐波源嫌疑度计算如下：$p_n^1={\rho }_n^1*\frac{I_{n95\%}}{\max \left(I_{i95\%}\right)},$其中i＝1,2,…,n式中，I_n95％为第n馈线的24h的基波电流95％值，max(I_i95％)为所有馈线24h基波电流95％值的最大值；(6)、求取波动指数的谐波源嫌疑度各馈线的波动指数的谐波源嫌疑度计算如下：$p_n^2={\rho }_n^2*\frac{I_{i\max }-I_{i\min }}{\max (I_{i\max }-I_{i\min })},$其中i＝1,2,…,n式中，(I_nmax‑I_nmin)为某条馈线24h的基波电流最大值与最小值之差，max(I_imax‑I_imin)为所有馈线24h的基波电流最大值与最小值之差的最大值；(7)、求取总谐波源嫌疑度对趋势成分谐波源嫌疑度和波动指数谐波源嫌疑度分别由大到小进行排序，实现谐波源的分项查找，进而可以快速辨识趋势变化和波动性最接近母线的馈线，但是分项排序只能部分反映母线和馈线的部分关系，因此，对两部分嫌疑度进行求和，求取第n条馈线的总谐波源嫌疑度：$P_n=P_n^1+P_n^2$根据所有馈线的总谐波源嫌疑度大小进行由大到小排序，最终实现谐波源的快速辨识。