本發(fā)明涉及一種采用秩和比綜合評(píng)價(jià)的諧波污染用戶分級(jí)方法。

背景技術(shù)：

隨著非線性設(shè)備和分布式發(fā)電系統(tǒng)的不斷應(yīng)用，諧波分布范圍越來(lái)越廣，含量越來(lái)越高，電網(wǎng)中的諧波問(wèn)題變得更加復(fù)雜。對(duì)諧波用戶進(jìn)行合理的獎(jiǎng)懲，必須針對(duì)各諧波污染源量化用戶諧波的發(fā)射水平，處以必要的責(zé)任分擔(dān)。

目前已經(jīng)具備成熟的諧波監(jiān)測(cè)技術(shù)和裝置，可以為干擾用戶的諧波危害評(píng)估提供必要的測(cè)量數(shù)據(jù)。iec61000-3-6和我國(guó)諧波標(biāo)準(zhǔn)都采用測(cè)量時(shí)段內(nèi)(10分鐘)的95％概率大值作為諧波測(cè)量值，并與諧波發(fā)射限值對(duì)比，判斷越限與否。由于諧波干擾用戶的運(yùn)行具有一定的不確定性，在較長(zhǎng)時(shí)間內(nèi)(如1天)的諧波監(jiān)測(cè)序列具有時(shí)變特性，諧波注入水平也具有典型的時(shí)變特征。如果只采用越限與否的二值化判斷會(huì)喪失深層次運(yùn)行信息，工程上需要計(jì)及干擾用戶此特性，對(duì)其總體注入水平給出量化評(píng)價(jià)。

監(jiān)測(cè)用戶接入點(diǎn)的諧波電壓和諧波電流，并建立系統(tǒng)和用戶在公共連接點(diǎn)(pointofcommoncoupling,pcc)處的等效模型，可以判斷出主諧波源的位置，判斷諧波污染的主要責(zé)任方，這是一種定性評(píng)估方法。

目前，通過(guò)檢測(cè)pcc點(diǎn)的諧波電壓和電流實(shí)測(cè)值精確估算諧波阻抗，建立等效電路模型，能夠量化系統(tǒng)和用戶諧波發(fā)射水平確定系統(tǒng)和用戶側(cè)的責(zé)任分?jǐn)?，但是這類方法需要連續(xù)監(jiān)測(cè)節(jié)點(diǎn)諧波電壓和諧波電流。而目前的諧波監(jiān)測(cè)系統(tǒng)給出的是檢測(cè)時(shí)段內(nèi)的諧波統(tǒng)計(jì)值，無(wú)法用于諧波阻抗估計(jì)。此外，諧波阻抗隨著負(fù)荷、網(wǎng)絡(luò)參數(shù)和系統(tǒng)運(yùn)行情況而不斷變化，其時(shí)變特性會(huì)給諧波阻抗估計(jì)帶來(lái)較大誤差。

現(xiàn)如今，采用電能質(zhì)量監(jiān)測(cè)數(shù)據(jù)評(píng)估干擾用戶的諧波危害具有堅(jiān)實(shí)的工程基礎(chǔ)。但在評(píng)估手段上，將一個(gè)監(jiān)測(cè)周期內(nèi)的信息壓縮為統(tǒng)計(jì)性指標(biāo)直接與諧波限值比較做出合格與否的定性判斷，忽略了監(jiān)測(cè)信息隨時(shí)間變化的過(guò)程信息以及不確定性的用戶運(yùn)行特性，缺乏歷史數(shù)據(jù)挖掘及全面綜合分析的手段，并不能全面反映用戶真實(shí)諧波污染水平。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種采用秩和比綜合評(píng)價(jià)的諧波污染用戶分級(jí)方法，從海量諧波電流監(jiān)測(cè)數(shù)據(jù)提取用戶諧波污染的頻域特征，并挖掘用戶運(yùn)行的時(shí)域典型模態(tài)，利用秩和比綜合分析法評(píng)價(jià)各模態(tài)的污染量，從統(tǒng)計(jì)分析角度全面評(píng)估長(zhǎng)時(shí)間內(nèi)的用戶諧波污染注入量。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種采用秩和比綜合評(píng)價(jià)的諧波污染用戶分級(jí)方法，其特征在于，包括以下步驟：

步驟s1：輸入單日諧波電流監(jiān)測(cè)數(shù)據(jù)；

步驟s2：在時(shí)頻域上建立用戶諧波典型模態(tài)的模態(tài)模型；

步驟s3：基于秩和比綜合評(píng)價(jià)法評(píng)估用戶諧波危害。

進(jìn)一步的，所述步驟s2的具體內(nèi)容如下：

在頻域上利用主成分分析提取諧波污染特征量：

設(shè)原始數(shù)據(jù)矩陣為x＝(xij)n×p,其中n為評(píng)估對(duì)象個(gè)數(shù)，p為監(jiān)測(cè)數(shù)據(jù)的指標(biāo)個(gè)數(shù)，所述原始矩陣又可以表示為x＝(x1,x2,…xp)；xi＝(x1i,x2i,,…,xni)^t(i＝1,2,…,p)，其協(xié)方差矩陣σ是一個(gè)p階的非負(fù)定矩陣，計(jì)算如式(1)：

由協(xié)方差矩陣σ的特征值為以及相應(yīng)的單位正交化特征向量獲得k個(gè)樣本主成分為：

計(jì)算第k個(gè)主成分yk的貢獻(xiàn)率為和前m個(gè)樣本主成分的累積貢獻(xiàn)率為根據(jù)累計(jì)貢獻(xiàn)率達(dá)到85％選取的m個(gè)主成分能表達(dá)用戶諧波危害整體信息的原則提取出在頻域上影響用戶諧波污染危害的m個(gè)特征量；

在時(shí)域上利用聚類算法劃分用戶諧波典型模態(tài)，建立其模態(tài)模型：

設(shè)x＝(x1,x2,…,xn)^t是降維后的數(shù)據(jù)樣本的集合，xi＝(xi1,xi2,…,xim)(i＝1,2,…,n)，m為選取的m個(gè)主特征量；通過(guò)模糊聚類將該集合分成c類，記f＝(f1,f2,…fc)^t，其中聚類數(shù)c通過(guò)模糊有效性指標(biāo)xie-beni確定；如公式(2)，逐個(gè)代入聚類數(shù)計(jì)算vxb的值，取vxb為最小值時(shí)對(duì)應(yīng)的聚類數(shù)為最佳聚類數(shù)：

其中，uij為xj到fi的隸屬度，vi為fi類的聚類中心；

確定最佳聚類數(shù)的同時(shí)，初始化設(shè)置聚類中心矩陣v⁰，設(shè)置迭代閾值ε為系統(tǒng)默認(rèn)值，設(shè)置迭代計(jì)數(shù)器的值b＝0，然后進(jìn)行模糊聚類計(jì)算；u為隸屬度矩陣，表示為u(x)＝[uij]c×n，uij為xj到fi的隸屬度；v為聚類中心矩陣，聚類為不斷最小化目標(biāo)化函數(shù)，不斷進(jìn)行迭代的過(guò)程，如公式(3)：

其中m為加權(quán)指數(shù)；迭代過(guò)程中，通過(guò)式(4)、(5)更新樣本的隸屬度矩陣u和聚類中心矩陣v；用所得到的u和v代入公式(3)中的目標(biāo)函數(shù)j，判斷j的值是否小于閾值ε或者與上一次目標(biāo)函數(shù)值的差值是否小于閾值ε，如果滿足上述條件之一則停止迭代，否則返回公式(4)和公式(5)重新更新樣本的隸屬度矩陣u和聚類中心矩陣v；

采用模糊聚類分析劃分典型模態(tài),實(shí)質(zhì)上是將具有相似諧波危害特征的時(shí)段聚類在同一模態(tài)，構(gòu)成以下模態(tài)模型：

其中，nc表示各模態(tài)樣本的個(gè)數(shù)。

進(jìn)一步的，所述加權(quán)指數(shù)的取值范圍為1.5～2.5。

進(jìn)一步的，所述步驟s3的具體內(nèi)容如下：

步驟s31：針對(duì)每類模態(tài)中n個(gè)時(shí)段m次諧波評(píng)價(jià)指標(biāo)構(gòu)成的n×m數(shù)據(jù)矩陣，編出各次諧波對(duì)各個(gè)時(shí)段的秩，運(yùn)用非整次秩和比法將定量的指標(biāo)值轉(zhuǎn)換為半定量的秩次，所編的秩次除了最大指標(biāo)值和最小指標(biāo)值為整數(shù)外，其余為非整數(shù)，公式如下：

其中，r為秩次，r＝(rij)n×m，n為樣本數(shù)，x為原始指標(biāo)值，xmin、xmax分別為最小原始指標(biāo)值和最大原始指標(biāo)值；

步驟s32：提出評(píng)估用戶諧波污染危害的加權(quán)秩和比指標(biāo)wrsr，計(jì)算每類模態(tài)的加權(quán)秩和比wrsr，公式如下：

其中，wj為第j個(gè)指標(biāo)的權(quán)重系數(shù)，表現(xiàn)典型模態(tài)中各次諧波指標(biāo)對(duì)污染危害的程度不同，∑wj＝1，公式計(jì)算如式(9)、(10)、(11)：

步驟s33：然后計(jì)算概率單位，確定wrsr頻率分布表，列出各組頻數(shù)f,計(jì)算各組累計(jì)頻數(shù)∑f；確定各組wrsr秩次范圍r和平均秩次a，計(jì)算累計(jì)頻率p＝a*r/n；將百分率p轉(zhuǎn)換為概率單位probit，probit為百分率p對(duì)應(yīng)的標(biāo)準(zhǔn)正態(tài)離差u加5，按照查詢百分?jǐn)?shù)與概率單位對(duì)照表，最后向下的累計(jì)頻率按照1-1/4×n估計(jì)；

步驟s34：計(jì)算用戶諧波污染危害分布直線回歸方程，以累計(jì)頻率所對(duì)應(yīng)的概率單位probit為自變量，以wrsr值為因變量，計(jì)算直線回歸方程，即wrsr＝a+b×probit，a、b為計(jì)算得到的常系數(shù)；

步驟s35：將多日用戶諧波危害情況分檔排序：依據(jù)各分檔情況下概率單位probit值，按照回歸方程推算所對(duì)應(yīng)wrsr估計(jì)值，然后根據(jù)常用的分檔數(shù)對(duì)應(yīng)的百分位數(shù)及概率單位表，對(duì)評(píng)價(jià)對(duì)象分檔排序，實(shí)現(xiàn)諧波用戶污染危害分級(jí)。

本發(fā)明與現(xiàn)有技術(shù)相比具有以下有益效果：本發(fā)明考慮諧波用戶運(yùn)行的不確定性，分析海量諧波監(jiān)測(cè)數(shù)據(jù)的時(shí)、頻域特性，利用數(shù)據(jù)挖掘的方法劃分諧波用戶不同運(yùn)行特性下的典型模態(tài)，定量分析不同模態(tài)下污染用戶的諧波危害，建立綜合的評(píng)價(jià)標(biāo)準(zhǔn)；該方法結(jié)合實(shí)際數(shù)據(jù)具有的特征使評(píng)估結(jié)論更合理有效。

附圖說(shuō)明

圖1是本發(fā)明的方法流程圖。

具體實(shí)施方式

下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。

請(qǐng)參照?qǐng)D1，本發(fā)明提供一種采用秩和比綜合評(píng)價(jià)的諧波污染用戶分級(jí)方法，其特征在于，包括以下步驟：

步驟s1：輸入單日諧波電流監(jiān)測(cè)數(shù)據(jù)；

步驟s2：在時(shí)頻域上建立用戶諧波典型模態(tài)的模態(tài)模型；具體內(nèi)容如下：

1)在頻域上利用主成分分析提取諧波污染特征量：

設(shè)原始數(shù)據(jù)矩陣為x＝(xij)n×p,其中n為評(píng)估對(duì)象個(gè)數(shù)，p為監(jiān)測(cè)數(shù)據(jù)的指標(biāo)個(gè)數(shù)，所述原始矩陣又可以表示為x＝(x1,x2,…xp)；xi＝(x1i,x2i,,…,xni)^t(i＝1,2,…,p)，其協(xié)方差矩陣σ是一個(gè)p階的非負(fù)定矩陣，計(jì)算如式(1)：

由協(xié)方差矩陣σ的特征值為以及相應(yīng)的單位正交化特征向量獲得k個(gè)樣本主成分為：

計(jì)算第k個(gè)主成分yk的貢獻(xiàn)率為和前m個(gè)樣本主成分的累積貢獻(xiàn)率為根據(jù)累計(jì)貢獻(xiàn)率達(dá)到85％選取的m個(gè)主成分一般能表達(dá)用戶諧波危害整體信息的原則提取出在頻域上影響用戶諧波污染危害的m個(gè)特征量；

2)在時(shí)域上利用聚類算法劃分用戶諧波典型模態(tài)，建立其模態(tài)模型：

設(shè)x＝(x1,x2,…,xn)^t是降維后的數(shù)據(jù)樣本的集合，xi＝(xi1,xi2,…,xim)(i＝1,2,…,n)，m為選取的m個(gè)主特征量；通過(guò)模糊聚類將該集合分成c類，記f＝(f1,f2,…fc)^t，在模糊算法中需要提前設(shè)置聚類數(shù)c，本發(fā)明通過(guò)模糊有效性指標(biāo)xie-beni來(lái)確定聚類數(shù)c；如公式(2)，由于樣本數(shù)據(jù)不大，逐個(gè)代入聚類數(shù)計(jì)算vxb的值，取vxb為最小值時(shí)對(duì)應(yīng)的聚類數(shù)為最佳聚類數(shù)：

其中，uij為xj到fi的隸屬度，vi為fi類的聚類中心；

確定最佳聚類數(shù)的同時(shí)，初始化設(shè)置聚類中心矩陣v⁰，設(shè)置迭代閾值ε為系統(tǒng)默認(rèn)值，設(shè)置迭代計(jì)數(shù)器的值b＝0，然后進(jìn)行模糊聚類計(jì)算；u為隸屬度矩陣，表示為u(x)＝[uij]c×n，uij為xj到fi的隸屬度；v為聚類中心矩陣，聚類為不斷最小化目標(biāo)化函數(shù)，不斷進(jìn)行迭代的過(guò)程，如公式(3)：

其中m為加權(quán)指數(shù)，取值范圍為1.5～2.5，本發(fā)明取值為2。

迭代過(guò)程中，通過(guò)式(4)、(5)更新樣本的隸屬度矩陣u和聚類中心矩陣v；用所得到的u和v代入公式(3)中的目標(biāo)函數(shù)j，判斷j的值是否小于閾值ε或者與上一次目標(biāo)函數(shù)值的差值是否小于閾值ε，如果滿足上述條件之一則停止迭代，否則返回公式(4)和公式(5)重新更新樣本的隸屬度矩陣u和聚類中心矩陣v；

采用模糊聚類分析劃分典型模態(tài),實(shí)質(zhì)上是將具有相似諧波危害特征的時(shí)段聚類在同一模態(tài)，構(gòu)成以下模態(tài)模型：

其中，nc表示各模態(tài)樣本的個(gè)數(shù)，c為聚類數(shù)。

步驟s3：基于秩和比綜合評(píng)價(jià)法評(píng)估用戶諧波危害；定義一種加權(quán)秩和比指標(biāo)，定量評(píng)估每類典型模態(tài)的諧波污染程度。確定不同典型模態(tài)下評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)，評(píng)估污染用戶整體的諧波危害，具體內(nèi)容如下：

步驟s31：編秩，針對(duì)每類模態(tài)中n個(gè)時(shí)段m次諧波評(píng)價(jià)指標(biāo)構(gòu)成的n×m數(shù)據(jù)矩陣，編出各次諧波對(duì)各個(gè)時(shí)段的秩，運(yùn)用非整次秩和比法將定量的指標(biāo)值轉(zhuǎn)換為半定量的秩次，用類似于線性插值的方法進(jìn)行編秩，所編的秩次除了最大指標(biāo)值和最小指標(biāo)值為整數(shù)外，其余基本為非整數(shù)，公式如下：

其中，r為秩次，r＝(rij)n×m，n為樣本數(shù)，x為原始指標(biāo)值，xmin、xmax分別為最小原始指標(biāo)值和最大原始指標(biāo)值；

步驟s32：提出評(píng)估用戶諧波污染危害的加權(quán)秩和比指標(biāo)wrsr，計(jì)算每類模態(tài)的加權(quán)秩和比wrsr，公式如下：

其中，wj為第j個(gè)指標(biāo)的權(quán)重系數(shù)，表現(xiàn)典型模態(tài)中各次諧波指標(biāo)對(duì)污染危害的程度不同，∑wj＝1，公式計(jì)算如式(9)、(10)、(11)：

步驟s33：通過(guò)以上方法分別計(jì)算多日用戶的諧波危害和加權(quán)秩和比指標(biāo)值，然后計(jì)算概率單位，確定wrsr頻率分布表，列出各組頻數(shù)f,計(jì)算各組累計(jì)頻數(shù)∑f；確定各組wrsr秩次范圍r和平均秩次a，計(jì)算累計(jì)頻率p＝a*r/n；將百分率p轉(zhuǎn)換為概率單位probit，probit為百分率p對(duì)應(yīng)的標(biāo)準(zhǔn)正態(tài)離差u加5，按照查詢百分?jǐn)?shù)與概率單位對(duì)照表，最后向下的累計(jì)頻率按照1-1/4×n估計(jì)；

步驟s34：計(jì)算用戶諧波污染危害分布直線回歸方程，以累計(jì)頻率所對(duì)應(yīng)的概率單位probit為自變量，以wrsr值為因變量，計(jì)算直線回歸方程，即wrsr＝a+b×probit，a、b為計(jì)算得到的常系數(shù)；

步驟s35：將多日用戶諧波危害情況分檔排序：依據(jù)各分檔情況下概率單位probit值，按照回歸方程推算所對(duì)應(yīng)wrsr估計(jì)值，然后根據(jù)常用的分檔數(shù)對(duì)應(yīng)的百分位數(shù)及概率單位表，對(duì)評(píng)價(jià)對(duì)象分檔排序，實(shí)現(xiàn)諧波用戶污染危害分級(jí)。

以上所述僅為本發(fā)明的較佳實(shí)施例，凡依本發(fā)明申請(qǐng)專利范圍所做的均等變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。