论文部分内容阅读
电子式互感器作为智能变电站中的关键测量设备,其稳定性和可靠性关系着智能电网的安全稳定运行。准确度作为衡量互感器测量性能的重要参量,其长期稳定性对测量设备的计量、继电保护等功能都有着非常重要的影响。现阶段,针对互感器的误差状态监测及评估技术的研究主要还是离线定期检修或短期在线校验,并不能实现长期的在线监测及评估。因此,如何在脱离高精度标准器情况下在线准确评估互感器的运行状态将是该领域的重点和难点。本文主要针对工程应用中的电子式互感器计量误差状态的评估和预测方法展开研究,主要内容如下:1.对EVT电气物理网络模型进行分析,结合一次电压物理特性,提出了基于相关性分析的EVT误差状态在线评估。利用主元分析法对EVT测量数据进行相关性分析,分离出一次系统波动引起的测量偏差和EVT异常产生的误差。在残差子空间构建表征互感器误差状态的Q统计量,通过比较Q统计特征量与其统计阈值之间的关系监测EVT的运行状态。仿真实验表明,所提方法能够准确地检测出EVT的异常误差,该方法可以大大提高EVT测量性能的评估效率,可用于工程应用中EVT的误差状态评估。2.针对传统的主元分析方法会产生误检测和误分类的可能性,应用自我调整性和时变性更强的递推主元分析方法。仿真结果表明:基于递推主元分析的电子式互感器测量误差状态评估更加适用于时间变化过程中的异常数据检测,并能准确的确定异常相。该方法具有较好的适用性,可以在没有标准互感器的情况下在线评估电子式互感器的计量误差变化,对预测电子式互感器的运行状态具备一定的借鉴意义。3.针对EVT误差状态预测,提出基于PCA-ARMA的EVT计量误差状态预测模型。通过采集三相EVT的输出数据,利用主元分析的方法提取互感器输出数据的误差特征量,将互感器误差状态的预测映射为电网信息物理相关性的预测。通过时间序列的方法预测EVT的计量误差状态在下一个采样时刻或未来某一时间段内的变化趋势。实验结果表明,基于PCA-ARMA的预测模型的比差特征量的预测值与实际值之间的平均误差约为5%,实现了EVT计量误差状态预测方法的探索。4.将机器学习算法应用到互感器误差趋势的预测,通过比较ARMA、ANN、SVR三种预测方法的性能,选择基于SVR的预测方法进行互感器的误差状态预测。经过仿真实验表明,基于RPCA-SVR的EVT误差状态预测方法优于基于RPCA-ARMA的预测方法,其比差、角差特征量的预测平均误差分别为4.1%和6.2%,能够准确实现对互感器实时运行状态的评估及未来运行状态的预测。