一种基于相似特征融合的谐波主特征群筛选方法
【专利摘要】本发明涉及一种基于相似特征融合的谐波主特征群筛选方法，首先进行谐波电流类监测样本的去中心化，得到去中心化的数值，然后计算谐波电流类监测样本的相似度指标，最后基于相似度指标分布特性筛选主特征群。本发明能够快速确定监测点的主要谐波污染次数。
【专利说明】
一种基于相似特征融合的谐波主特征群筛选方法
技术领域
[0001] 本发明涉及电力系统谐波污染领域，特别是一种基于相似特征融合的谐波主特征 群筛选方法。
【背景技术】
[0002] 随着大量电力电子装置的并网运行及其它非线性负荷数量的增加，电力系统中的 谐波污染越来越严重。目前，已经构建了比较完备的电能质量在线监测网，能够监测电网电 压总谐波畸变率、各次谐波电压含有率和相角、电流总谐波畸变率、各次谐波电流含有率、 有效值和相角等谐波信息。大量的在线监测信息中有助于谐波污染用户建模，得到用户运 行的基本数据。但完备的谐波模型包含全部谐波电压、谐波电流监测指标，且指标间相互影 响，使得模型非常复杂而无法实现参数辨识。在工程实践中，需要辨识出哪些谐波监测指标 应该包含在模型中，哪些变量应该从模型中剔除，也就是需要从大量历史监测数据中确定 谐波主特征群，以便针对谐波主特征群建立工程实用模型。
[0003] 目前通常在公共连接点(Point of Common Coupling，PCC)监测用户电压和电流， 计算电压和电流的谐波成分，采用检测时间段内的最大值、平均值或95%大值评价用户对 电网电能质量的影响，并以此作为用户开展谐波治理的依据。这种做法其实就是采用谐波 电流源模型表征用户污染，并把监测数据作为用户模型参数，而没有考虑不同谐波次数之 间的相互影响，不是对用户谐波污染特性的本质反映。
[0004] 由于谐波源产生谐波的原理复杂，往往难以建立通用的数学模型。目前谐波源可 以采用等效电源、交叉频率导纳矩阵等模型，应用独立分量分析、最小二乘逼近和神经网络 等方法从监测样本数据辨识模型参数。其中，基于交叉频率导纳矩阵的谐波源模型考虑了 谐波电压对谐波电流的影响，但在不同工况下要重新计算模型参数。基于最小二乘逼近的 谐波源模型将谐波电流表示为基波、各次谐波电压分量和不受电压变化影响的电流恒定分 量的表达式，利用最小二乘逼近求取模型参数，精确度较高，但是存在模型参数求取困难等 问题。基于神经网络的谐波源建模不需要了解谐波源负荷的内部结构，但模型精度受训练 样本数制约。
[0005] 如果待分析工况与参数辨识的样本工况相接近，则计算误差主要由参数辨识精度 决定，而与选用的模型类型基本无关。当待分析工况与样本工况差异较大时，不同的谐波源 模型对计算误差影响较大。
[0006] 目前谐波源建模的思路是对模型结构进行简化，因而误差较大。如果能够从历史 监测数据中确定谐波主特征次数，针对主特征次数建立详细模型，就可以在保留模型精度 的同时大量减少参数辨识难度。
【发明内容】
[0007] 有鉴于此，本发明的目的是提出一种基于相似特征融合的谐波主特征群筛选方 法，能够快速确定监测点的主要谐波污染次数。
[0008] 本发明采用以下方案实现:一种基于相似特征融合的谐波主特征群筛选方法，具 体包括以下步骤：
[0009] 步骤SI:从谐波电流类监测样本减去各次谐波电流基准限值Co,对谐波电流类监 测样本去中心化，得到去中心化的数值C*;
[0010] 步骤S2:计算谐波电流类监测样本的相似度指标:记S24*24为C*中各次谐波之间的 相似度指标矩阵，S(i，j)表示第i次谐波电流与第j次谐波电流监测样本之间的相似度，其 中，I < i · i < 2?5，按下式计覚S(i · i)，结里仿干1与-1之间：
[0011]
[0012] 步骤S3:基于相似度指标分布特性筛选主特征群。
[0013] 进一步地，所述步骤Sl具体包括以下步骤：
[0014] 步骤Sl 1:设测点谐波电流测量值矩阵为Cm*25，其中Cm*25为m行，25列的矩阵;其中第 j列代表j次谐波，I < j < 25,第i行代表第i个测量值，I < i Sm;
[0015] 步骤S12:根据测点电压等级，规定各次谐波电流基准限值为Co，Co是1*25的行向 量，单位为A;
[0016] 步骤S13:对(："*25的每一行，减去谐波电流基准限值Co，得到去中心化的数值C*，C* 为m行，25列的矩阵，单位为A。其中，Co按照国标GB/T 14549-93规定。例如，下表就是注入 I OkV公共连接点的谐波电流允许值。
[0019] 进一步地，所述步骤S3具体包括以下步骤：
[0020] 步骤S31:将[-I，1 ]分为10个小区间，根据S(i，j) (I<i ^ 25，i< j ^ 25)取值并将 其分属各个区间，得到10个初始群；
[0021 ]步骤S32:计算每个初始群的中心Ck，所述Ck是每个群中S(i，j)的平均值；
[0022] 步骤S33:计算S(i，j)(I<i < 25，i< j < 25)与每个群中心的距离I(i，j) = I S(i， j)_CkI；
[0023] 步骤S34:将S(i，j)归属到与其距离最近的那个群；
[0024] 步骤S35:删除成员为空的群，得到新的群及其成员；
[0025] 步骤S36:回到步骤S32重新开始分群，直到两次迭代之间的分群结果不再变化，或 者迭代次数大于100为止；
[0026] 步骤S37:列出每个群中的S(i，j)下标，则每组下标代表一个谐波主特征群。
[0027] 与现有技术相比，本发明有以下有益效果：
[0028] 1、本发明定义了谐波电流类监测样本的相似度指标;提出一种基于谐波电流类监 测指标相似度的主特征群筛选方法，能够快速确定监测点的主要谐波污染次数。
[0029] 2、本发明采用大量在线监测数据进行统计计算，得到监测点谐波污染特征次数的 统计信息，而不仅仅是某种特殊运行工况下的计算结果，其结论更全面更合理。
【附图说明】
[0030] 图1为本发明的方法流程示意图。
【具体实施方式】
[0031] 下面结合附图及实施例对本发明做进一步说明。
[0032] 如图1所示，本实施例提供了一种基于相似特征融合的谐波主特征群筛选方法，具 体包括以下步骤：
[0033] 步骤SI:从谐波电流类监测样本减去各次谐波电流基准限值Co,对谐波电流类监 测样本去中心化，得到去中心化的数值C*;
[0034] 步骤S2:计算谐波电流类监测样本的相似度指标:记S24*24为C*中各次谐波之间的 相似度指标矩阵，S(i，j)表示第i次谐波电流与第j次谐波电流监测样本之间的相似度，其 中，I < i, j < 25,按下式计算S(i, j)，结果位于1与-1之间：
[0035]
[0036] 步骤S3:基于相似度指标分布特性筛选主特征群。
[0037] 在本实施例中，所述步骤Sl具体包括以下步骤：
[0038] 步骤Sl 1 :设测点谐波电流测量值矩阵为Cm*25，其中Cm*25为m行，25列的矩阵;其中第 j列代表j次谐波，I < j < 25,第i行代表第i个测量值，I < i Sm;
[0039] 步骤S12:根据测点电压等级，规定各次谐波电流基准限值为Co，Co是1*25的行向 量，单位为A;
[0040] 步骤S13:对(："*25的每一行，减去谐波电流基准限值Co，得到去中心化的数值C*，C* 为m行，25列的矩阵，单位为A。其中，Co按照国标GB/T 14549-93规定。例如，下表就是注入 I OkV公共连接点的谐波电流允许值。
[0042] 在本实施例中，所述步骤S3具体包括以下步骤：
[0043] 步骤S31:将[-I，1 ]分为10个小区间，根据S(i，j) (I<i ^ 25，i< j ^ 25)取值并将 其分属各个区间，得到10个初始群；
[0044] 步骤S32:计算每个初始群的中心Ck，所述Ck是每个群中S(i，j)的平均值；
[0045] 步骤S33:计算S(i，j) (I<i < 25，i< j < 25)与每个群中心的距离I(i，j) = I S(i， j)_CkI；
[0046] 步骤S34:将S(i，j)归属到与其距离最近的那个群；
[0047] 步骤S35:删除成员为空的群，得到新的群及其成员；
[0048] 步骤S36:回到步骤S32重新开始分群，直到两次迭代之间的分群结果不再变化，或 者迭代次数大于100为止；
[0049] 步骤S37:列出每个群中的S(i，j)下标，则每组下标代表一个谐波主特征群。
[0050] 以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与 修饰，皆应属本发明的涵盖范围。
【主权项】
1. 一种基于相似特征融合的谐波主特征群筛选方法，其特征在于包括W下步骤： 步骤S1:从谐波电流类监测样本减去各次谐波电流基准限值Co,对谐波电流类监测样本 去中屯、化，得到去中屯、化的数值C*; 步骤S2:计算谐波电流类监测样本的相似度指标:记S24*24为C*中各次谐波之间的相似 度指标矩阵，s(i，j)表示第i次谐波电流与第j次谐波电流监测样本之间的相似度，其中，1 <1^'<25，按下式计算5(1，如，结果位于1与-1之间：步骤S3:基于相似度指标分布特性筛选主特征群。2. 根据权利要求1所述的一种基于相似特征融合的谐波主特征群筛选方法，其特征在 于:所述步骤S1具体包括W下步骤： 步骤S11 :设测点谐波电流测量值矩阵为Cm*25，其中Cm*25为m行，25列的矩阵;其中第j列 代表j次谐波，1 ^ j ^ 25,第i行代表第i个测量值，1 ^ i <m; 步骤S12:根据测点电压等级，规定各次谐波电流基准限值为Co,Co是1*25的行向量，单 位为A; 步骤S13:对Cm*25的每一行，减去谐波电流基准限值Co,得到去中屯、化的数值C*，C*为m行， 25列的矩阵，单位为A。3. 根据权利要求1所述的一种基于相似特征融合的谐波主特征群筛选方法，其特征在 于:所述步骤S3具体包括W下步骤： 步骤S31:将[-1，1 ]分为10个小区间，根据S (i，j) (1 < i < 25，i < j < 25)取值并将其分 属各个区间，得到10个初始群； 步骤S32:计算每个初始群的中屯、ck，所述ck是每个群中S(i，j)的平均值； 步骤S33:计算S( i，j) (1 < i < 25，i< j < 25)与每个群中屯、的距离1 (i，j) = I S( i，j )-ck ; 步骤S34:将S( i，j)归属到与其距离最近的那个群； 步骤S35:删除成员为空的群，得到新的群及其成员； 步骤S36:回到步骤S32重新开始分群，直到两次迭代之间的分群结果不再变化，或者迭 代次数大于100为止； 步骤S37:列出每个群中的S( i，j)下标，则每组下标代表一个谐波主特征群。
【文档编号】G01R23/16GK105842535SQ201610162494
【公开日】2016年8月10日
【申请日】2016年3月22日
【发明人】邵振国, 陈锦植, 吴敏辉, 潘夏, 余桂钰, 陈烨霆, 林炜, 傅志成, 张婷婷, 涂承谦, 林坤杰, 张嫣
【申请人】国网福建省电力有限公司, 国家电网公司, 国网福建省电力有限公司宁德供电公司, 福州大学