电网谐波污染程度的评价方法、装置及系统

1.本发明属于电力系统电能质量算法分析领域，具体涉及一种电网谐波污染程度的评价方法、装置及系统。


背景技术：

2.随着经济社会的发展，当前电力系统中存在着大量的非线性负荷，同时，由于国家近年来大力推行新能源技术的发展，使得分布式电源在电网中的渗透率越来愈高。分布式电源通过并网逆变器接入电网，一定程度上导致电网谐波电压电流的污染日益严重。为了进行谐波溯源，方便对电网谐波水平进行控制，需要掌握电网谐波的特征及分布情况，因此对电网的谐波特征分析已经成为当前电力系统研究的热点问题之一，其中谐波潮流是分析谐波重要手段之一，它通过谐波潮流计算得到各次谐波的分布，能在一定程度上反映谐波特征情况。
3.然而，确定性的谐波潮流未能反映出电网中非线性负荷波动所引起谐波分布的不确定性，此外，分布式电源如光伏、风电等，其本身存在一定的间歇性和不确定性，从而其也会对电网谐波潮流的不确定性产生较大影响。概率性的谐波潮流通过引入概率分布特征来表征谐波源的分布特征，能够很好的描述随机因素对谐波潮流分布的影响，从而能更好的反映出谐波潮流的实际情况，为运行决策人员提高更丰富的信息。
4.概率性的谐波潮流可以通过最大熵原理来求取谐波概率分布特征。最大熵原理可以在已知条件(信息)的约束条件下，信息熵达到最大值，使用这种方法计算谐波源的分布特征，可以在已知谐波数据的约束下，得到最少偏见的概率分布解。当数据的约束条件足够多时，构建的最大熵模型的参数也会过多，使用常规的参数求解方法求取模型的参数时，将会导致大量的计算量，且往往找不到精确解。因此，如何根据谐波源的数据特征，基于最大熵原理，确定谐波概率分布函数的参数，拟合谐波概率分布函数，并利用谐波概率分布函数进行电网谐波污染程度评价，成为十分重要的研究课题。


技术实现要素：

5.针对上述问题，本发明提出一种电网谐波污染程度的评价方法、装置及系统，能够实现谐波概率分布函数的精确求解，并利用谐波概率分布函数进行电网谐波污染程度评价。
6.为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
7.第一方面，本发明提供了一种电网谐波污染程度的评价方法，包括：
8.获取各电网谐波样本数据，并计算出各电网谐波样本数据的各阶中心矩；
9.基于所述电网谐波样本数据的各阶中心矩，构建谐波的最大熵模型；
10.将所述最大熵模型转换为最优化模型；
11.利用修正打洞函数对所述最优化模型进行优化，获得最优化模型的全局最优值；
12.基于所述全局最优值和最大熵模型，生成谐波概率分布函数；
13.利用所述谐波概率分布函数评价电网谐波的污染程度。
14.可选地，所述获取各电网谐波样本数据，并计算出各电网谐波样本数据的各阶中心矩，包括：
15.获取各电网谐波样本数据；
16.计算所述电网谐波样本数据的期望值；
17.基于所述期望值，计算出各电网谐波样本数据的各阶中心矩。
18.可选地，所述电网谐波样本数据的各阶中心矩通过以下公式计算：
[0019][0020][0021]
式中，为电网谐波样本数据的第i阶中心矩，m为中心矩的阶数，t为电网谐波样本数据的样本总数，xj为第j个电网谐波样本数据，为电网谐波样本数据的期望值。
[0022]
可选地，所述最大熵模型包括目标函数和约束条件；
[0023]
所述目标函数的表达式为：
[0024][0025]
式中，x为随机谐波变量，h(x)为随机谐波变量x的信息熵；f(x)为随机谐波变量x随机谐波变量x待求概率分布函数，ω为积分区间；
[0026]
所述约束条件的表达式为：
[0027][0028][0029]
式中，ui(x)为随机变量x对应第i阶中心矩的数字特征，为电网谐波样本数据的第i阶中心矩，m为中心矩的阶数。
[0030]
可选地，所述最优化模型的目标函数的表达式为：
[0031][0032]
式中，为拉格朗日系数的估计解，r(i)为第i阶中心矩的估计误差，ui(x)为随机变量x对应第i阶中心矩的数字特征，为电网谐波样本数据的第i阶中心矩，m为中心矩的阶数。
[0033]
可选地，所述修正打洞函数的表达式为：
[0034][0035]
式中，g(y,y
*
)为修正打洞函数；g(y)为最优化模型的目标函数；y
*
为待求的局部极小点，y为待求的全局极小点；q》0,p》0,p、q、y0为给定常数；ω为积分区间；||
·
||是欧几里得范数。
[0036]
可选地，所述利用修正打洞函数对所述最优化模型进行优化，获得最优化模型的全局最优值，包括以下步骤：
[0037]
在预设的循环次数内，重复执行以下步骤：
[0038]
使用经典非线性规划算法对所述最优化模型的目标函数求取第一局部极小点y
*
；
[0039]
在所述在局部极小点处构造修正打洞函数g(y,y
*
)；
[0040]
使用经典非线性规划算法对构造的修正打洞函数g(y,y
*
)求取第二局部极小值y；
[0041]
若g(y,y
*
)≤0，第二局部极小值y是更好的极小点，令y
*
＝y，作为新的局部极小值，在新的局部极小值处再次构造修正打洞函数，重新求解g(y,y
*
)；
[0042]
若g(y,y
*
)》0，取p:＝dp，d为比例系数，p
min
为p的最小取值；
[0043]
若p》p
min
，将p代入g(y,y
*
)，重新求解g(y,y
*
)；
[0044]
若p≤p
min
，取p:＝p/d，q:＝q/d，若q《q
max
，将p,q代入g(y,y
*
)，重新求解g(y,y
*
)，否则，认为y＝(λ1,λ2,
…
λm)是全局极小点，即为最优化模型的全局最优值。
[0045]
可选地，所述基于所述全局最优值和最大熵模型，生成谐波概率分布函数，包括以下步骤：
[0046]
基于所述全局最优值y＝(λ1,λ2,
…
λm)，计算出
[0047]
基于所述最大熵模型的目标函数和约束，构造拉格朗日方程；
[0048]
对所述拉格朗日方程求偏导数，生成符合最大熵分布下的概率分布函数；
[0049][0050]
将λ0、λi、ui(x)带入所述符合最大熵分布下的概率分布函数，生成谐波概率分布函数。
[0051]
第二方面，本发明提供了一种电网谐波污染程度的评价装置，包括：
[0052]
计算模块，用于获取各电网谐波样本数据，并计算出各电网谐波样本数据的各阶中心矩；
[0053]
模型构建模块，用于基于所述电网谐波样本数据的各阶中心矩，构建谐波的最大熵模型；
[0054]
模型转换模块，用于将所述最大熵模型转换为最优化模型；
[0055]
模型优化模块，用于利用修正打洞函数对所述最优化模型进行优化，获得最优化模型的全局最优值；
[0056]
谐波概率分布函数生成模块，用于基于所述全局最优值和最大熵模型，生成谐波概率分布函数；
[0057]
评价模块，用于利用所述谐波概率分布函数评价电网谐波的污染程度。
[0058]
第三方面，本发明提供了一种电网谐波污染程度的评价系统，包括存储介质和处理器；
[0059]
所述存储介质用于存储指令；
[0060]
所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述的方法。
[0061]
与现有技术相比，本发明的有益效果：
[0062]
本发明将求取谐波源概率分布函数的最大熵模型转化为求取最优化模型的目标函数模型，并利用修正打洞函数求取最优化模型参数的全局最优解，拟合谐波的概率分布函数，最终利用谐波概率分布函数评价电网谐波的污染程度。本发明能够避免了对最大熵非线性方程组的解析法的复杂的计算，同时解决了常规优化算法容易陷入目标函数局部最优解的局限，具有更快的求解速度，有利于谐波概率分布函数的精确求解。
附图说明
[0063]
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：
[0064]
图1为本发明一种实施例的电网谐波污染程度的评价方法的流程；
[0065]
图2为本发明一种实施方式中使用所述电网谐波污染程度的评价方法生成的各次谐波概率分布函数的曲线。
具体实施方式
[0066]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。
[0067]
下面结合附图对本发明的应用原理作详细的描述。
[0068]
实施例1
[0069]
本发明实施例中提供了一种电网谐波污染程度的评价方法，如图1所示，包括以下步骤：
[0070]
(1)获取各电网谐波样本数据，并计算出各电网谐波样本数据的各阶中心矩；
[0071]
(2)基于所述电网谐波样本数据的各阶中心矩，构建谐波的最大熵模型；
[0072]
(3)将所述最大熵模型转换为最优化模型；
[0073]
(4)利用修正打洞函数对所述最优化模型进行优化，获得最优化模型的全局最优值；
[0074]
(5)基于所述全局最优值和最大熵模型，生成谐波概率分布函数；
[0075]
(6)利用所述谐波概率分布函数评价电网谐波的污染程度。
[0076]
在本发明实施例的一种具体实施方式中，所述获取各电网谐波样本数据，并计算出各电网谐波样本数据的各阶中心矩，包括：
[0077]
获取各电网谐波样本数据，记为{x1,x2,
…
,x
t
}；在具体实施过程中，所述电网谐波样本数据可以是谐波电压数据，也可以是谐波电流数据；
[0078]
计算所述电网谐波样本数据的期望值；所述期望值的计算公式为：
[0079][0080]
t为电网谐波样本数据的样本总数，xj为第j个电网谐波样本数据，为电网谐波样本数据的期望值；
[0081]
基于所述期望值，计算出各电网谐波样本数据的各阶中心矩；所述电网谐波样本数据的各阶中心矩通过以下公式计算：
[0082][0083]
式中，为电网谐波样本数据的第i阶中心矩，m为中心矩的阶数。
[0084]
为求解电网中的谐波概率分布，引入最大熵原理，其含有的主观因素最少，能够通过已知条件求解一种信息熵最大的概率分布。在本发明实施例的一种具体实施方式中，所述最大熵模型包括目标函数和约束条件；
[0085]
其中，所述目标函数的表达式为：
[0086][0087]
式中，x为随机谐波变量，h(x)为随机谐波变量x的信息熵；f(x)为随机谐波变量x随机谐波变量x待求概率分布函数，ω为积分区间；
[0088]
所述约束条件的表达式为：
[0089][0090][0091]
式中，ui(x)为随机变量x对应第i阶中心矩的数字特征，为电网谐波样本数据的第i阶中心矩，m为中心矩的阶数。
[0092]
在本发明实施例的一种具体实施方式中，所述将所述最大熵模型转换为最优化模型，包括以下步骤：
[0093]
使用拉格朗日算法对式(3)和(4)构造拉格朗日方程
[0094][0095]
式中，f(x)为随机谐波变量x的待求概率分布函数；λ0,λi,i＝1,2,
…
,m为拉格朗日系数；ui(x)为随机变量x对应第i阶中心矩的数字特征；ω为积分区间。
[0096]
将方程(5)对f(x)求偏导数，解得符合最大熵分布下的概率分布函数：
[0097][0098]
得到式(6)需要求出拉格朗日系数λ0,λi,i＝1,2,
…
,m，将式(4)代入式(6)，得到
[0099][0100]
化简得
[0101][0102]
对式(7)求偏导数得到
[0103][0104]
对式(8)求偏导数得到
[0105][0106]
由式(9)与式(10)得
[0107][0108]
式(11)中m取不同数值，得到关于参数λi的非线性方程组。对上式进行求解，将会得到与精确解近似的估计解但是存在误差，令误差为：
[0109][0110]
式中，r(i)为求解实际值与估计值的误差，为拉格朗日系数的估计解。
[0111]
为了使求得的估计值尽可能得接近精确值，使误差的绝对值之和最小，构造最优化模型的目标函数minr：
[0112][0113]
为了适应目标函数的特征，更好得提升优化求解速度，本发明实施例中提出一种
新的双参数修正打洞函数，具体地，所述修正打洞函数的表达式为：
[0114][0115][0116]
式中，g(y,y
*
)为修正打洞函数；g(y)为最优化模型的目标函数；y
*
为待求的局部极小点，y为待求的全局极小点；q》0,p》0,p、q、y0为给定常数；ω为积分区间；||
·
||是欧几里得范数。
[0117]
所述利用修正打洞函数对所述最优化模型进行优化，获得最优化模型的全局最优值，包括以下步骤：
[0118]
1.初始化：
[0119]
选择修正打洞函数的初始化参数：p0∈(0,1)，q0∈(100,1000)，比例系数d∈(0,1)；
[0120]
选择参数的变化限制值p
min
和q
max
，当参数超过变化限制值时停止循环；
[0121]
选择目标函数：g(y)＝minr。
[0122]
2.使用经典非线性规划算法对目标函数g(y)求取初始局部极小点y
*
＝(λ1,λ2,
…
λm)
*
；
[0123]
3.取初始化参数p＝p0，q＝q0，
[0124]
4.在局部极小点处构造修正打洞函数：
[0125][0126]
5.使用经典非线性规划算法对构造的修正打洞函数求新的局部极小值y＝(λ1,λ2,
…
λm)，若g(y,y
*
)≤0，说明y是更好的极小点，令y
*
＝y，转至4.。若g(y,y
*
)》0，取p:＝dp，若p》p
min
，转至4.，否则，p:＝p/d转至6.。
[0127]
6.取q:＝q/d，若q《q
max
，转至4.，否则，认为y＝(λ1,λ2,
…
λm)是全局极小点，即为最优化模型的全局最优值。
[0128]
所述基于所述全局最优值和最大熵模型，生成谐波概率分布函数，包括以下步骤：
[0129]
基于所述全局最优值y＝(λ1,λ2,
…
λm)，计算出
[0130]
基于所述最大熵模型的目标函数和约束，构造拉格朗日方程；
[0131]
对所述拉格朗日方程求偏导数，生成符合最大熵分布下的概率分布函数；
[0132][0133]
将λ0、λi、ui(x)带入所述符合最大熵分布下的概率分布函数，生成谐波概率分布函数。
[0134]
在本发明实施例的一种具体实施方式中，选取某110kv风电谐波电流样本数据，以其中5、7、11、13次谐波为例，使用本发明实施例中提出的方法生成各次谐波概率分布函数
的曲线，具体参见图2。
[0135]
国标《电能质量公用电网谐波》(gb/t14549-1993)中规定了公用电网谐波的允许值及其测试方式，将谐波测量中的95％概率值，作为评判电网谐波电压电流是否越限的标准。剔除函数曲线上最大的5％数据，剩下数据的最大值为谐波电流的95％概率值，得到各次谐波电流的95％概率值，与电网各次谐波电流允许值比较如下表1所示。
[0136]
表1
[0137]
谐波次数57111395％概率值(a)2.91002.67771.87621.0820电流允许值(a)9.66.84.33.7
[0138]
由表1中的数据可得，所选谐波电流样本数据中的5、7、11、13次谐波电流均没有超过规定的谐波电流允许值，谐波污染情况不严重。
[0139]
实施例2
[0140]
本发明实施例中提供了一种电网谐波污染程度的评价装置，包括：
[0141]
计算模块，用于获取各电网谐波样本数据，并计算出各电网谐波样本数据的各阶中心矩；
[0142]
模型构建模块，用于基于所述电网谐波样本数据的各阶中心矩，构建谐波的最大熵模型；
[0143]
模型转换模块，用于将所述最大熵模型转换为最优化模型；
[0144]
模型优化模块，用于利用修正打洞函数对所述最优化模型进行优化，获得最优化模型的全局最优值；
[0145]
谐波概率分布函数生成模块，用于基于所述全局最优值和最大熵模型，生成谐波概率分布函数；
[0146]
评价模块，用于利用所述谐波概率分布函数评价电网谐波的污染程度。
[0147]
其余部分均与实施例1相同。
[0148]
实施例3
[0149]
本发明实施例中提供了一种电网谐波污染程度的评价系统，包括存储介质和处理器；
[0150]
所述存储介质用于存储指令；
[0151]
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述的方法。
[0152]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0153]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产
生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0154]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0155]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0156]
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
[0157]
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。