面向配电变压器降损的复杂电能质量数据分类方法与流程
本发明属于配用电,具体涉及一种面向配电变压器降损的复杂电能质量数据分类方法。
背景技术:
1、
2、电网损耗在能源消耗中占据较高比例,降低电网损耗是实现节能降损的重要举措,而配电变压器(以下简称“配变”)损耗占配电网总损耗50%以上。随着电网中分布式电源的增加和非线性负荷的接入,使得配电网中三相不平衡、谐波、电压偏差等电能质量问题日趋严重,最直接的影响是增加系统的有功电能损耗。例如,三相负荷不平衡会使相线中产生不平衡电流,对于三相四线制供电方式还会在中性线上产生零序电流,从而导致损耗增加。谐波电流会使变压器绕组产生趋肤效应和邻近效应,增大了绕组和导线的阻抗,引起变压器硅钢片、外壳等的发热。电压偏差不仅会影响变压器的铜耗,还会对变压器的空载损耗产生影响。
技术实现思路
1、有鉴于此,本发明针对现有技术的不足,提供的一种面向配电变压器降损的复杂电能质量数据分类方法,为解决上述技术问题,本发明所采用的技术方案是,包括: 基于配变电磁与损耗物理机制,将总损耗分解为固定损耗分量与可变损耗分量,其中固定损耗由电压及相关电能质量指标决定,可变损耗由电流及相关电能质量指标决定;
2、构建配变电能质量附加损耗的数学表征模型,定义参考损耗为不改变负荷状态下的最理想运行损耗,以所述参考损耗为基准计算电能质量附加损耗;
3、确定影响电能质量附加损耗的潜在变量集合,所述潜在变量包括电压/电流基波有效值、谐波含有率、三相不平衡度、谐波等效电阻及温度;
4、从所述潜在变量的先验分布中采样,通过非线性系统映射函数生成物理语义可解释的损耗数据样本集,所述样本集中的每个样本对应一组潜在变量的耦合观测值;
5、对所述损耗数据样本集进行标准化处理后,通过径向基核函数计算样本相似度矩阵,经双中心化修正后进行核主成分分析,提取主要变化方向得到线性表征矩阵,使线性表征矩阵满足线性混合假设;
6、采用盲源分离技术对所述线性表征矩阵进行耦合机理分析与解耦,将多变量强耦合的损耗模型转化为多个独立的单变量模型,得到配变损耗各个变量的物理可解释表征因子,进行损耗解耦并根据物理可解释表征因子定量分析不同变量对损耗的影响。
7、进一步的,所述固定损耗包括涡流损耗和磁滞损耗,所述可变损耗包括绕组损耗、绕组杂散损耗和其他杂散损耗;
8、所述固定损耗与可变损耗之间存在耦合关系,且所述可变损耗内部存在谐波损耗与三相不平衡损耗的耦合。
9、进一步的,电能质量附加损耗的数学表征模型表示为:
10、
11、其中,δp(t)是电能质量附加损耗功率,δw(t)是t时间段内电能质量附加损耗,p(u(t))代表固定损耗功率,u(t)为电压函数,p(β,γ,α,i(t),rhar)代表绕组损耗功率,β为三相电流不平衡度,α为电流谐波畸变率,γ为功率因数,rhar为配变等效谐波电阻;p0代表其他杂散损耗功率;pref(t)代表参考损耗功率。
12、进一步的,所述最理想运行损耗为最理想的电压电流所带来的配变基础损耗,此时配变电流/电压分别为三相基波正序有功电流和三相基波正序额定电压。
13、进一步的,从所述潜在变量的先验分布中采样,通过非线性系统映射函数生成物理语义可解释的损耗数据样本集的方法包括: 从先验分布p(z)中采样得到潜在变量取值z;从条件数据生成分布中采样得到配变分离损耗观测值x;x为一系列物理语义可解释的因素{v1,v2,...,vn}通过非线性系统映射函数作用相互耦合产生;即:
14、
15、其中,{v1,v2,...,vn}为配变损耗的各分离损耗值,潜在变量z为{v1,v2,...,vn}的近似表征,条件似然分布p(x/z)为从概率角度对未知函数 sim(.)的近似;
16、潜在变量表示z={z1,z2,...,zn},且,研究潜在变量zk对数据内部相对应的生成因子vk的有效表征控制,得出电能质量指标对损耗的影响规律。
17、进一步的,对损耗数据样本集进行标准化处理后,通过径向基核函数计算样本相似度矩阵,经双中心化修正后进行核主成分分析,提取主要变化方向得到线性表征矩阵的方法包括:
18、对原始非线性特征数据进行标准化处理,消除不同指标参数之间的量纲差异,使数据满足零均值、单位方差的统计特性,通过径向基核函数计算样本间的相似度矩阵,通过核技巧将原始非线性特征隐式映射至高维线性空间,使原本非线性的数据在该空间中呈现线性可分性;随后,对核矩阵进行双中心化修正,并利用核主成分分析提取主要变化方向进行降维,获得低维线性表征矩阵。
19、进一步的,所述盲源分离技术的模型满足,其中:是由n个测点/通道的观测向量,是由m个待估计源信号构成的向量,下标t是样本点索引;a是未知的n×m混合矩阵;通过分离矩阵 w使得为源信号的估计,其中,d为对角矩阵,p为置换矩阵; w为m×n解混合矩阵。
20、进一步的,采用盲源分离技术对所述线性表征矩阵进行耦合辨识,将多变量强耦合的损耗模型转化为多个独立的单变量模型,得到配变损耗各个变量的物理可解释表征因子,进行损耗解耦的方法包括:
21、采用递阶辨识算法,将高维复杂损耗耦合问题分解为低维易辨识的子问题,分别辨识固定损耗与可变损耗、可变损耗内部的耦合项,量化各耦合项对损耗的影响强度,确定解耦优先级;
22、从配变损耗形成的物理机制出发,将损耗分为参考损耗、电压损耗、谐波电流损耗、不平衡电流损耗、功率因数、无功电流损耗、直流损耗、杂散损耗等分离损耗,分离损耗的建模过程包括:
23、设电压和电流高精度采样数据分别为u(t)和i(t),进行傅里叶分解,得到直流分量、基波分量及各次谐波分量,通过积分运算将总损耗分解为直流损耗、基波损耗及各次谐波损耗,再从基波损耗中分离三相不平衡损耗与无功损耗;
24、针对可变损耗内部耦合分离时改进三相不平衡度、谐波畸变率的度量方式,构建相互独立且唯一对应分离损耗的电能质量指标体系;
25、针对固定损耗与可变损耗耦合:通过负荷模型建立电压与电流的数学关系,量化电压波动引起的可变损耗变化,基于耦合强度优先解耦强耦合项。
26、进一步的,进行损耗解耦并根据物理可解释表征因子定量分析不同变量对损耗的影响的方法包括:所述解耦得到的物理可解释表征因子满足以下物理约束关系,基于该约束关系,计算各表征因子对应的损耗值占配变总损耗的百分比,以此量化不同变量对损耗的影响程度。
27、物理约束关系包括:
28、
29、其中,wdc为直流损耗,w1为基波损耗,wk为k次谐波损耗,wref为参考损耗,wunb为不平衡损耗,wrea为无功损耗,w0为其他杂散损耗,wu为电压损耗,whar为谐波损耗,wδ为误差值。
30、10.如权利要求8所述的面向配电变压器降损的复杂电能质量数据分类方法,其特征在于,还包括解耦原则的实例化验证,包括:
31、针对三相不平衡场景:基于dyn11联结变压器的绕组结构,采用对称分量法计算负序/零序不平衡度,将总损耗中的不平衡损耗从基波损耗中分离,通过递阶辨识量化不平衡度对的影响权重,验证与谐波损耗的解耦独立性;
32、针对谐波场景:基于集肤效应与邻近效应修正谐波电阻,构建第h次谐波损耗的指数拟合模型,对比ieee常规模型、改进参数法与实验拟合法的损耗计算误差,验证与不平衡损耗的解耦有效性;
33、针对电压偏差场景:根据所述解耦原则,将电压偏差下的总损耗拆分为受电压影响的固定损耗分量与受电流影响的可变损耗分量,并将二者的差值确定为电压损耗;基于电压偏差百分比,将电压损耗从固定损耗中分离,在仿真模型中验证电压偏差下的独立变化特性。
34、与现有技术相比,本发明的有益效果如下:
35、1、本发明提供的数据-物理双驱动解耦方法,有效解决了传统配变损耗模型中存在的强耦合与多变量干扰问题。通过将总损耗精准分离为参考损耗、电压变量控制损耗、不平衡变量控制损耗、谐波变量控制损耗、三相不平衡变量控制损耗、无功电流变流控制损耗、温度变量控制损耗等独立分量,同时得到了各个变量的物理可解释表征因子,避免了复合电能质量场景下各因素的交叉影响与重复计算,。
36、通过物理可解释表征因子的大小能够定量分析不同变量对损耗的影响程度,从而找出对损耗影响最大的变量,有重点的对该种变量进行治理,最大效率的减少配变损耗。
37、这种基于物理语义的分离机制,使得原本复杂的非线性系统能够被拆解为多个单一变量的计算单元,显著降低了建模难度,同时提升了模型对不同运行工况的适应能力。
38、2、本发明兼顾了损耗计算模型的物理可解释性与计算精度。区别于单纯依赖数据拟合的黑箱模型,本发明基于配变电磁变换的物理机制界定损耗构成,利用盲源分离技术对各损耗分量进行解耦表征。这种方法不仅保留了物理解析法对损耗成因的清晰阐释,其与数据驱动方法的结合可通过以下逻辑实现对非线性频变特性(如集肤效应)的吸收,使得计算结果既能反映真实的物理过程,又能适应复杂多变的现场运行环境。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com