[發明專利]一種電力諧波預測方法及裝置

無效

• 申請號: 201310530730.8
• 申請日: 2013-10-31
• 公開（公告）號: CN103543332A
• 公開（公告）日: 2014-01-29
• 發明（設計）人: 劉曉華;曾慶輝;黃靜;燕飛;余紅波;詹清華;陳玉萍;麥洪;歐盛;邱明明
• 申請（專利權）人: 廣東電網公司佛山供電局;北京煜邦電力技術有限公司
• 主分類號: G01R23/16
• 分類號: G01R23/16
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 賈磊

技術領域

本發明涉及電網管理技術領域，特別涉及一種基于灰色預測原理的電力諧波預測方法及裝置。

背景技術

灰色系統預測方法是一種基于灰色系統理論的、對含有不確定因素的系統進行預測的方法。灰色系統預測方法通過對原始數據的整理，選取有關聯的數據序列，找出潛藏著的內在規律，建立微分方程模型，利用灰色預測技術，對某個事物發展變化的大小與時間作出預測。優點是要求數據少、不考慮分布規律、不考慮變化趨勢、運算方便、預測精度高、易于檢驗。因此，在實際中得到了廣泛應用。

在諸多電能質量問題中，電力系統諧波能夠引起保護及安全自動裝置誤動、使旋轉電機產生附加損耗、發熱和機械振動，導致電容器過熱，給電能計量及常及儀表帶來誤差，對通訊線路產生干擾等。在國際上，許多國家都先后對電網中的電壓畸變，各次諧波電壓、諧波電壓的數值、測量方法及非線性負荷的管理等制定了相應規定來加以嚴格限制。近年來由于電氣化鐵路的大量出現，以及可控硅整流裝置的廣泛應用，我國不少電網中的高次諧波含量的數值已大大超過了國際上公認的標準，我國電網的諧波污染已很嚴重。

為了更好的采取措施對電網諧波含量加以限制，必須具有相應的監測手段。為此，很多地區的重點電網已經在變電站配置安裝了電能質量在線監測裝置，并獲得大量的電力諧波監測數據。目前，各電網主要利用電力諧波監測數據對電能質量中的電網諧波水平進行考核評價、統計分析，還沒有進行更深入的諧波監測數據應用研究工作。

發明內容

為解決上述問題，本發明提出一種電力諧波預測方法及裝置，利用諧波監測數據進行變電站諧波電壓的發展趨勢預測，本技術方案對于電網進行諧波壓力評估、編制諧波治理規劃，提高電網諧波監測和治理水平，改善電能質量，都具有十分重要的理論研究和工程應用價值。

為實現上述目的，本發明提供了一種電力諧波預測方法，包括：

獲取電力諧波監測歷史數據；其中，所述電力諧波監測歷史數據為按同月份排列的電力諧波監測歷史數據；

根據所述電力諧波監測歷史數據建立同月份的年度發展時間序列的GM（1，1）預測模型；

利用所述GM（1，1）預測模型對未來年份的同月份電力諧波進行預測。

可選的，在本發明一實施例中，所述獲取電力諧波監測歷史數據的步驟還包括：

對獲取到的電力諧波監測歷史數據進行預處理，修正同月份電力諧波監測歷史數據中的異常值。

可選的，在本發明一實施例中，所述建立同月份的年度發展時間序列的GM（1，1）預測模型的步驟包括：

將電力諧波監測歷史數據代入相應月份的GM（1，1）預測模型，計算得到對應月份GM（1，1）預測模型的時間響應序列；

對所述對應月份GM（1，1）預測模型的時間響應序列作一階累減還原處理獲取同月份的年度發展時間序列的GM（1，1）預測模型。

可選的，在本發明一實施例中，所述對未來年份的同月份電力諧波進行預測的步驟包括：

利用所述GM(1，1)預測模型獲取相同月份的電力諧波時間序列的模擬值，比較所述電力諧波時間序列的模擬值與所述電力諧波監測歷史數據，判斷所述GM（1,1）預測模型的精確度，根據精確度對GM（1，1）預測模型進行修正；

利用所述電力諧波監測歷史數據通過相同月份的修正后的GM（1,1）預測模型對未來年份的同月份電力諧波進行預測。

可選的，在本發明一實施例中，所述對未來年份的同月份電力諧波進行預測的步驟還包括：

根據預測出的電力諧波顯示出未來年度的電力諧波變化曲線。

為實現上述目的，本發明還提供了一種電力諧波預測裝置，包括：

電力諧波監測歷史數據單元，用于獲取電力諧波監測歷史數據；其中，所述電力諧波監測歷史數據為按同月份排列的電力諧波監測歷史數據；

預測模型建立單元，用于根據所述電力諧波監測歷史數據建立同月份的年度發展時間序列的GM（1，1）預測模型；

預測單元，用于利用所述GM（1，1）預測模型對未來年份的同月份電力諧波進行預測。

可選的，在本發明一實施例中，所述電力諧波監測歷史數據單元還用于對獲取到的電力諧波監測歷史數據進行預處理，修正同月份電力諧波監測歷史數據中的異常值。

可選的，在本發明一實施例中，所述預測模型建立單元包括：

時間響應序列模塊，用于將電力諧波監測歷史數據代入相應月份的GM（1，1）預測模型，計算得到對應月份GM（1，1）預測模型的時間響應序列；