一种自适应统一电能质量数据时间尺度的方法与流程

本发明涉及电能质量分析领域，更具体地，涉及一种自适应统一电能质量数据时间尺度的方法。
背景技术：
：电压暂降：电力系统中某点工频电压方均根值突然降低至0.1p.u.～0.9p.u.，并在短暂持续10ms～1min后恢复正常的现象。自适应算法：自适应是指处理和分析过程中,根据处理数据的数据特征自动调整处理方法、处理顺序、处理参数、边界条件或约束条件，使其与所处理数据的统计分布特征、结构特征相适应，以取得最佳的处理效果。相关系数：相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。电力是国民经济发展的基础，供电质量的优劣直接影响到供电企业的生存和对国民经济发展的贡献，而电能质量扰动由于造成的经济损失巨大而成为了全社会关注的焦点。自20世纪80年代初期以来，随着产生电能质量扰动以及对其敏感的设备急剧增加，人们开始对电能质量开展大量的研究。到20世纪末，随着电力技术和各行业发展，大规模可再生能源、高新技术应用等，反应供用电双方扰动水平和矛盾的电能质量问题日益突出。为更好理解和认知电能质量，进行电能质量监测是最有效的途径，因此在过去二三十年，电能质量监测得到了快速发展。此外，随着20世纪计算机、信息技术和数字化技术在电力系统中的广泛应用，可获得电能质量数据量剧增。海量电能质量数据一方面为电能质量刻画、评估和治理创造了条件，另一方面对电力系统的数据处理和数据分析能力提出了挑战。电压暂降在电力系统中并不是一个新兴问题，电压暂降是系统中伴随各种故障而产生的短时扰动。随着各种精密技术的发展如个人电脑、自动控制技术，自动机械臂等，以这些技术或用电设备为代表的敏感负荷对电能质量的要求越来越严苛，电能质量无法满足用户需求，不经影响到了用户的用电过程，同时还可能损害用户的财产和商业信誉。电压暂降几乎是70％～90％电能质量问题的祸源，有相关的文章统计表明，电压暂降是约80％电能质量投诉事件的起因，所以必须要给予电压暂降事件足够的重视，在用户对电能质量要求日益提高的今天，研究电压暂降符合高品质用电的趋势。现代智能电网的一大特征是大量传感器、计量装置和监测装置的广泛应用，从而能够记录收集到大量的现场数据，为后续数据分析创造了条件。其中，电能质量波形数据以其涵盖的电磁暂态信息而独具一格，对这些数据中所包含信息的研究分析结果，可以广泛用于解决诸如故障诊断、系统设备运行状态监测、负荷监测和数据同步等问题。电能质量监测系统利用安装在用户侧的电能质量监测装置采集数据，并将数据及时同步至网络数据库，实现多个节点的实时监测，是及时发现和评估电能质量问题的有效措施。目前，国内外对于电能质量监测系统的研究已经取得了一定的成果，众多地区建立电能质量监测系统，海量的电能质量数据为电能质量问题的刻画、评估及治理创造了有利条件，但在分析这些数据之前，必须对监测数据的有效性进行验证。对pq数据进行管理和分析的花费可能比制造设备所花费的成本更高，并且如果存在错误的数据可能会使分析结论无效。目前的pq监测设备为了降低设备成本，监测设备可能并没有配置gps对时或者网络对时模块，依据设备本地时钟构建时间节点，但本地时钟随着时间会发生偏移，本地时钟的设置不正确或者时间偏移会使得监测设备传回的pq数据存在时间误差。示意图如图1所示，其中监测装置4本地时间偏移，偏移时间为δt，此时可以看出在时间上数据曲线存在明显的差异，为后续分析带来糟糕的结果。监测装置4中显示的时钟时间偏移δt都可以通过与来自其余监测装置的电压数据进行比较来进行校正。目前，国内外对于电能质量数据的研究侧重于对数据进行压缩及清洗，识别并删除异常数据。对数据进行压缩是针对监测点和监控站之间的通信问题以及大量的电能质量数据的传输问题，对数据进行压缩以减少数据存储空间和提高数据传输性能；其次，有研究利用模式相似性测度将电能质量数据进行压缩，满足实际电能质量数据压缩的需要。数据清洗是指由于监测装置在实际运行中因为各种因素导致上传的数据存在大量异常和缺失的情况，采用相关算法对数据异常进行识别，检测出数据的异常模式,判断异常数据是“有用数据”还是可被清洗的“无用数据”，对“无用数据”进行删除，并针对缺失数据提出缺失数据恢复方法。然而，目前国内外虽然对电能质量数据进行了很多研究，但是较多研究方向为利用电能质量数据进行后续问题的分析，例如数据压缩、利用电能质量数据进行后续问题的分析，几乎没有研究考虑到监测装置的时间偏移造成的电能质量数据出错，由于电压暂降是一个毫秒级的事件，监测装置微小的时间偏移就可能导致后续分析结果出错，目前的研究存在以下缺陷：1.目前的研究在分析数据之前没有考虑到不同监测点之间的数据存在时间上的误差。2.没有研究通过电能质量数据计算不同监测装置之间存在的时间偏移，并自动纠正，实现时间同步，进而实现电能质量数据的时间尺度统一。技术实现要素：本发明为克服上述现有技术所述的电能质量的研究没有考虑到不同监测点之间的数据存在时间上的误差的缺陷，提供一种自适应统一电能质量数据时间尺度的方法。所述方法包括以下步骤：s1：读取不同监测装置的电压波形；并分别计算其电压有效值；s2：计算不同电压波形的相关系数；s3：判断不同电压波形是否为同一暂降源引起，若为同一暂降源引起，则进行s4；若不为同一暂降源引起，则返回s1；s4：对不同电压波形进行实践延迟估计；s5：判断两个不同电压波形是否存在实践偏移；若存在时间偏移，则进行s6，若不存在时间偏移，则返回s1；s6：在参考输入端输入一段时间延迟，使之与基本输入端的时间延迟相等，从而使两路信号保持最大相似性。优选地，s2中相关系数的公式为：设x＝(x1,x2,x3,…,xn)，y＝(y1,y2,y3,…,yn)分别为两个长度为n的电压波形序列，则相关系数计算公式如下：其中为波形序列x的值的平均，为波形序列y的值得平均，xi为波形序列x的值，yi为波形序列y的值，n为电压波形长度；相关系数dcorrelation(x，y)取值在-1到1之间，dcorrelation(x，y)＝0时，称x，y不相关；|dcorrelation(x，y)|＝1时，称x，y完全相关，此时，x，y之间具有线性函数关系；0＜|dcorrelation(x，y)|＜1时，x的变动引起y的部分变动，dcorrelation(x，y)的绝对值越大，x的变动引起y的变动就越大，dcorrelation(x，y)＞0.8时称为高度相关，当dcorrelation(x，y)＜0.3时称为低度相关，其它时候为中度相关。优选地，s3中不同电压波形是否为同一暂降源引起的判断标准为：判断相关系数是否大于0.9，相关系数大于0.9则为同一暂降源引起，相关系数不大于0.9则不为同一暂降源引起。优选地，s4具体包括：对于两个波形，假设其中一个为x(n)，设时间延迟为d，即另一个波形y(n)＝x(n-d)，两边取傅里叶变换，可得：y(ω)＝x(ω)e-jωd两信号间存在时间延迟，x(n)变为x(n-d)，相当于x(t)经过了一个移相滤波器h(n)，该滤波器的传递函数为h(n)＝e-jωd，h(n)经推导表示为sinc(n-d)，这样信号的延迟效应就转换为信号通过一个无限权数的横向滤波器h(n)的效应。使用自适应滤波器通过lms(leastmeansquare，最小均方算法)自适应时延估计算法来实现时间延迟估计，就是用一个fir型自适应滤波器来模拟移相滤波器，在自适应滤波器的参考输入端输入一段时间延迟，使之与基本输入端的时间延迟相等，从而达到使两路信号保持最大相似性的目的。优选地，lms自适应时延估计算法原理具体为：源信号x(n)与v1(n)构成了输入信号x1(n)；另一路是源信号经过移相滤波器h(n)变成x(n-d)，即y(n)，与噪声v2(n)相加构成x2(n)；当自适应滤波器收敛时，x2(n)与y(n)均方误差达到最小，其中，y(n)滤波器输出；此时x(n-d)与其估计值的相似性最大，自适应滤波器的权矢量w(n)的峰值位置对应x(n)到x(n-d)的时延信息；计算w(n)最大值的坐标就可以得到时延估计值；d＝arg[max(w(n))]w(n)由基于最小均方准则的梯度法来得到；若滤波器输入为：x1(n)＝[x1(1)，x1(2)，...，x1(n)]滤波器权矢量为：w(n)＝[w(1)，w(2)，...，w(n)]滤波器输出为：y(n)＝wt(n)x1(n)＝x1t(n)w(n)误差e(n)用来表示期望输出x2(n)与滤波器实际输出y(n)之间的误差，定义为：e(n)＝x2(n)-y(n)＝x2(n)-wt(n)x1(n)当w(m)是常数矢量时，则均方误差性能函数的表达式为：其中，表示滤波器输入矢量的自相关函数，p＝e[x1(n)x2(n)]，表示输入矢量和期望响应的互相关矢量；权值的迭代表达式写为：其中n表示迭代步数，μ为自适应增益，表示均方误差ε(n)相对于权矢量w(m)的梯度，可得：代入可得：利用最速下降法来得到梯度矢量的估计值：由此，lms自适应时延估计三个基本关系式如下：滤波输出：y(n)＝wt(n)x1(n)估计误差：e(n)＝x2(n)-y(n)滤波器权向量的自适应：w(n+1)＝w(n)+μe(n)x1(n)。与现有技术相比，本发明技术方案的有益效果是：本发明利用电能质量数据中的电压暂降数据，计算不同电压暂降波形之间的相关系数，判断其是否为同一个暂降源传播到不同监测装置，利用最小均方自适应时延估计算法计算两个波形之间的时间偏差，并自动纠正，从而统一时间尺度，为后续分析得到正确的结果打下基础。本发明可以对电能质量数据进行时间尺度的统一，有助于电能质量数据分析的准确性，提升数据质量。附图说明图1为监测装置时间偏移示意图。图2为一种自适应统一电能质量数据时间尺度的方法。图3lms自适应时延估计算法原理图。图4a为表2序号1对应监测装置所得电压波形有效值图像。图4b为表2序号2对应监测装置所得电压波形有效值图像。图4c为表2序号3对应监测装置所得电压波形有效值图像。图5a为表3序号1和2对应监测装置所得电压波形图像。图5b为表3序号1和3对应监测装置所得电压波形图像。图5c为表3序号2和3对应监测装置所得电压波形图像。图6为图5a局部放大图。图7a为表5序号1和2统一时间尺度后不同监测装置所得电压波形图像。图7b为表5序号1和3统一时间尺度后不同监测装置所得电压波形图像。图7c为表5序号2和3统一时间尺度后不同监测装置所得电压波形图像。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。本发明提供一种自适应统一电能质量数据时间尺度的方法，所述方法流程图如图2所示；以真实监测数据为例，在相似性度量阶段，选取相关系数度量方法，此种方法被广泛应用于信号波形的分析和处理中，其优点在于简单直观，易于计算，可以很好地应用到如模式识别、聚类和分类等问题中。对于任意两个长度为n的电压波形序列，x＝(x1,x2,x3,…,xn)，y＝(y1,y2,y3,…,yn)，相关系数计算公式如下：其中为波形序列x的值的平均，为波形序列y的值得平均，xi为波形序列x的值，yi为波形序列y的值，n为电压波形长度；相关系数dcorrelation(x,y)取值在-1到1之间，dcorrelation(x,y)＝0时，称x，y不相关；|dcorrelation(x,y)|＝1时，称x，y完全相关，此时，x，y之间具有线性函数关系；|dcorrelation(x,y)|<1时，x的变动引起y的部分变动，dcorrelation(x,y)的绝对值越大，x的变动引起y的变动就越大，dcorrelation(x,y)>0.8时称为高度相关，当dcorrelation(x,y)<0.3时称为低度相关，其它时候为中度相关。在时间延迟估计阶段，基本步骤如下：(1)对于两个波形，假设其中一个为x(n)，设时间延迟为d，即另一个波形y(n)＝x(n-d)，两边取傅里叶变换，可得：y(ω)＝x(ω)e-jωd两信号间存在时间延迟，x(n)变为x(n-d)，相当于x(t)经过了一个移相滤波器h(n)，该滤波器的传递函数为h(n)＝e-jωd，h(n)经推导表示为sinc(n-d)，这样信号的延迟效应就转换为信号通过一个无限权数的横向滤波器h(n)的效应。(2)使用自适应滤波器通过lms自适应时延估计算法来实现时间延迟估计，就是用一个fir型自适应滤波器来模拟移相滤波器，在自适应滤波器的参考输入端输入一段时间延迟，使之与基本输入端的时间延迟相等，从而达到使两路信号保持最大相似性的目的。原理图如图3所示：由图所示，源信号x(n)与v1(n)构成了输入信号x1(n)；另一路是源信号经过移相滤波器h(n)变成x(n-d)，即y(n)，与噪声v2(n)相加构成x2(n)。在自适应迭代过程中，自适应滤波器逐步实现了对相移滤波器的模拟，并将源信号x(n)转变为x(n-d)。当自适应滤波器收敛时，x2(n)与y(n)均方误差达到最小，此时x(n-d)与其估计值的相似性最大，此时自适应滤波器的权矢量w(n)的峰值位置对应x(n)到x(n-d)的时延信息，此时计算w(n)最大值的坐标就可以得到时延估计值。d＝arg[max(w(n))]w(n)由基于最小均方准则的梯度法来得到，梯度法不需要进行复杂的矩阵求逆运算，是应用最广泛的最小均方算法的基础。方法的原理是先给定一个初始加权值，然后沿梯度的相反方向逐步改变加权值，最终在一定条件下收敛到最佳值。若滤波器输入为：x1(n)＝[x1(1)，x1(2)，...，x1(n)]滤波器权矢量为：w(n)＝[w(1)，w(2)，...，w(n)]滤波器输出为：y(n)＝wt(n)x1(n)＝x1t(n)w(n)误差e(n)，通常用来表示期望输出x2(n)与滤波器实际输出y(n)之间的误差，定义为：e(n)＝x2(n)-y(n)＝x2(n)-wt(n)x1(n)当w(m)是常数矢量时，则均方误差性能函数的表达式为：其中，表示滤波器输入矢量的自相关函数，p＝e[x1(n)x2(n)]，表示输入矢量和期望响应的互相关矢量；权值的迭代表达式写为：其中n表示迭代步数，μ为自适应增益，通常是一个常数，影响迭代收敛性和稳定性；表示均方误差ε(n)相对于权矢量w(m)的梯度，可得：代入可得：利用最速下降法来得到梯度矢量的估计值：由此，lms自适应时延估计三个基本关系式如下：滤波输出：y(n)＝wt(n)x1(n)估计误差：e(n)＝x2(n)-y(n)滤波器权向量的自适应：w(n+1)＝w(n)+μe(n)x1(n)借助某市供电局电能质量监测平台，导出电能质量监测数据，对数据进行分析处理，选取某市某一时刻不同变电站监测装置所得电压暂降数据，画出其图像有效值如表1所示：表1：序号数据名称1110kv里水站#2主变变低2017-10-0415-33-402110kv和顺站#2主变变低2017-10-0415-33-403110kv白岗站#1主变变低5012017-10-0415-33-404110kv和顺站#1主变变低2017-10-0415-33-405110kv里水站#3主变变低2017-10-0415-33-406110kv白岗站#2主变变低5022017-10-0415-33-407110kv逢涌站#1主变变低2017-10-0415-30-03选取三个不同站点数据，如表2所示：表2：序号数据名称1110kv里水站#2主变变低2017-10-0415-33-402110kv和顺站#2主变变低2017-10-0415-33-403110kv白岗站#2主变变低5022017-10-0415-33-40(一)相似性度量：画出两两之间的有效值比较：如图4a、4b、4c所示；进行相似性度量，计算不同监测装置所得电压波形a、b、c三相有效值的相关系数，结果取平均，如表3所示：表3序号12311//20.96531/30.98970.96471相关系数计算结果表明各电压波形高度相关，且发生在同一时间，即这三个波形由同一暂降源引起被不同站点的监测装置所监测到。画出不同监测装置所得电压波形图像图5a、5b、5c所示：可以看出，各监测装置之间存在着明显的时间偏差，选取图5a，进行放大，如图6所示；(二)时间延迟估计：进行时间延迟估计，搭建最小均方时延估计算法，导入数据进行计算，由于监测装置为每周波256个采样点，则20ms有256个采样点，计算结果如表4所示：表4换算为时间结果如表5所示：表5序号12310//22ms(装置2超前)0/34.7ms(装置1超前)6.7ms(装置2超前)0根据计算结果统一时间尺度，将滞后装置所滞后的采样点舍去，统一时间尺度后的波形如图7所示。可以看出，各监测装置之间时间偏差大大减小，误差在3个采样点之间，小于0.2ms，将统一时间尺度前后对比，如表6所示。表6序号12310//2小于0.2ms(装置2超前)0/3小于0.2ms(装置1超前)小于0.2ms(装置2超前)0结果证明，本方法能准确统一电能质量数据的时间尺度，为后续数据分析提供了良好的数据基础，可以有效减少数据分析中出现的错误。附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。当前第1页12