保护测量回路误差评估方法与流程

1.本发明涉及保护测量回路误差评估技术领域，具体涉及一种保护测量回路误差评估方法。


背景技术：

2.对电气量进行准确可靠的测量，是保证二次系统保护装置正确动作的重要工作之一。保护装置中的电压和电流互感器以及二次回路易产生测量误差，电力系统正常波动引起的电气量变化会干扰测量误差的统计，二次回路的测量误差更易受影响。因此针对保护装置中的二次回路，测量误差评估方法需深入研究。
3.为保证保护装置正确动作，评估保护测量回路的测量误差是提高灵敏性和准确性的重要工作。测量误差一般包括测量设备固有的系统误差、主观因素导致的人为误差与外部因素造成的随机误差。当前测量误差评估方法主要依赖于已知真实值，较少地考虑产生误差的影响因素，这些局限性使我们难以准确地评估测量误差，特别是在不确定系统时难度更大。电力系统中现有误差评估方法研究主要集中在电能计量装置综合误差分析(董洁.基于组态软件的电能计量装置误差校验系统设计[j].能源与环保,2021,43(09):234-239.)和电压互感器二次回路压降及其监测、检测方法方面(刘胜男，蔡永梅，李敏等.电能计量互感器二次回路故障远程诊断方法[j].计算技术与自动化,2023,42(01):33-38.)，而对于保护测量回路存在的测量误差问题及相应评估方法研究仍有待深入开展。
[0004]
因此，需要一种可以基于统计量越限的误差评估启动判据，并基于测量数据的三相贡献率大小，构建误差源相别与时间段定位判据，以此能够提高保护测量回路的误差评估准确性的保护测量回路误差评估方法。


技术实现要素：

[0005]
本发明的目的在于提供一种保护测量回路误差评估方法。以期解决背景技术中存在的技术问题。
[0006]
为了实现上述目的，本发明采用以下技术方案：
[0007]
一种保护测量回路误差评估方法，基于处理器执行，包括：
[0008]
获取三相数据；
[0009]
基于获取的三相数据进行前提性检验与数据预处理；
[0010]
基于因子分析，进行数据重构；
[0011]
基于预设统计量确定最优统计量及控制阈值；
[0012]
基于所述控制阈值确定误差评估启动判据；
[0013]
基于所述误差评估启动判据实现误差源的相别与时间段定位。
[0014]
在一些实施例中，所述获取三相数据包括：获取待评估装置的测量数据，基于所述测量数据中保护测量回路在第一预设时段的三相电压和/或三相电流数据构建原始数据集x
′
；
[0015]
所述基于获取的三相数据进行前提性检验与数据预处理包括：
[0016]
对所述构建原始数据集x
′
进行前提性检验，响应于第一预设条件被满足，确定标准化矩阵x。
[0017]
在一些实施例中，所述基于因子分析，进行数据重构包括：基于因子分析，结合参考因子数据，构建数据重构矩阵xy；
[0018]
所述基于预设统计量确定最优统计量及控制阈值；包括：基于标准化矩阵x、数据重构矩阵xy，确定残差向量e，并确定预设统计量及其对应的优化阈值，并基于预设统计量确定最优统计量t
x
和控制阈值δ
x
。
[0019]
在一些实施例中，所述基于所述控制阈值确定误差评估启动判据包括：基于所述控制阈值δ
x
′
，进行统计量越限判别，构成误差评估启动判据，实现误差评估启动；
[0020]
所述基于所述误差评估启动判据实现误差源的相别与时间段定位包括：基于预设统计量贡献率gn，实现误差源相别n定位，以贡献率比较阈值e
set
为基准，实现误差源时间段定位。
[0021]
在一些实施例中，所述参考因子数据包括：
[0022]
结合公共因子p、特殊因子ε与因子载荷矩阵a。
[0023]
所述预设统计量及其对应的优化阈值包括：
[0024]
统计量霍普金斯统计量t
h2
、霍特林统计量t2、q统计量q和三种统计量分别对应的优化阈值δq。
[0025]
在一些实施例中，所述前提性检验为kmo&bartlett检验，所述第一预设条件包括kmo》0.5且bartlett《0.01。
[0026]
在一些实施例中，所述数据预处理还包括：
[0027]
计算标准化矩阵x的协方差矩阵其中x
t
为x的转置矩阵；
[0028]
计算特征值并按照特征值从大到小的顺序构成对角矩阵λ＝diag{λ1，λ2，λ3}，以及特征向量x1、x2、x3。
[0029]
在一些实施例中，所述数据重构包括：
[0030]
针对标准化数据集，代入因子分析模型，应用公共因子p＝{p1，p2}表征正常电流波动数据、特殊因子ε＝{ε1，ε2，ε3}表征测量误差、因子载荷矩阵a＝{(a
11
，a
12
)；(a
21
，a
22
)；(a
31
，a
32
)}表征公共因子和标准化数据集的相关性。进一步基于因子与载荷系数的线性组合，构建数据重构矩阵其中
[0031]
在一些实施例中，所述基于所述控制阈值确定误差评估启动判据包括：
[0032]
基于t1区间数据计算
[0033]
针对1/4周波窗长的实时数据，计算适应统计量值t
x
，构建误差评估启动判据
[0034]
响应于满足启动判据，启动误差源定位；对连续1s不满足启动判据的数据，替换t1区间数据，以实现优化控制阈值的更新。
[0035]
在一些实施例中，所述基于所述误差评估启动判据实现误差源的相别与时间段定位包括：
[0036]
计算所述三相数据对误差源的贡献率gn(n＝a,b,c)；
[0037]
基于所述贡献率，判定最大值en＝max{ta,tb,tc}对应相为误差源的相别；并确定累计满足en≥e
set
的时间区间定位为误差源的时间段，其中e
set
为贡献率比较阈值。
[0038]
同时，本发明还公开了一种保护测量回路误差评估装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；
[0039]
所述至少一个存储器用于存储计算机指令；
[0040]
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现上述的保护测量回路误差评估方法。
[0041]
同时，本发明还公开了一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述的保护测量回路误差评估方法。
[0042]
有益效果
[0043]
本发明与现有技术相比，其显著优点是：
[0044]
本发明的方案通过获取后台监控系统三相测量电压/电流，基于前提性检验结果构建原始数据集，经标准化处理形成标准化矩阵，计算协方差矩阵及其对应的特征值和特征向量；利用因子分析剥离表征电网正常波动的公共因子和表征测量误差的特殊因子；在上述基础上进一步分析计算三种经典统计量、控制阈值，并实现统计方法的适应性选择；最后基于优化控制阈值和统计量贡献率构建误差评估判据，实现误差源相别和时间段定位。可以实现针对厂站继电保护二次测量回路误差评估问题，面向后台监控系统获取的三相测量电压/电流，利用数据处理与统计检验，提出保护测量回路误差评估的启动和定位判据，且可以达到测量误差评估精度不低于5％。
[0045]
本方案具有所需原始数据集少、误差评估结果准确、易于实现，能够很好地应用于发电厂、变电站保护测控等二次测量回路误差评估的效果。
附图说明
[0046]
图1是本实施例涉及保护测量回路误差评估方法的示意图；
[0047]
图2是本实施例涉及的线路保护测量回路仿真模型的示意图；
[0048]
图3为本发明实施例的原始数据集与5％测量误差的示意图；
[0049]
图4为本发明实施例的300～700误差源t2统计方法误差评估的示意图；
[0050]
图5为本发明实施例的300～700误差源t
h2
统计方法误差评估的示意图；
[0051]
图6为本发明实施例的300～700误差源q统计方法误差评估的示意图；
[0052]
图7为本发明实施例的300～700误差源en误差定位的示意图；
[0053]
图8为本发明实施例的电网正常波动原始数据集的示意图；
[0054]
图9为本发明实施例的电网异常波动原始数据集的示意图；
[0055]
图10为本发明实施例的正常波动误差评估的示意图；
[0056]
图11为本发明实施例的异常波动误差评估的示意图；
[0057]
图12为本发明实施例的多时间段误差源验证数据集的示意图；
[0058]
图13为本发明实施例的3
×
200误差源δ
x
误差评估的示意图；
[0059]
图14为本发明实施例的3
×
200误差源en误差定位的示意图。
具体实施方式
[0060]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术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技术，并不用于限定本技术。
[0061]
相反，本技术涵盖任何由权利要求定义的在本技术的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本技术有更好的了解，在下文对本技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本技术。
[0062]
以下将结合附图对本技术实施例所涉及的一种保护测量回路误差评估方法进行详细说明。值得注意的是，以下实施例仅仅用于解释本技术，并不构成对本技术的限定。
[0063]
本发明公开了一种保护测量回路误差评估方法，该方法由三相数据获取、数据标准化预处理、基于因子分析的数据重构、经典统计方法的适应性选择、误差评估启动判据、误差源的相别与时间段定位等构成。
[0064]
基于处理器执行，包括：
[0065]
步骤1、获取三相数据；
[0066]
步骤2、基于获取的三相数据进行前提性检验与数据预处理；
[0067]
步骤3、基于因子分析，进行数据重构；
[0068]
步骤4、基于预设统计量确定最优统计量及控制阈值；
[0069]
步骤5、基于所述控制阈值确定误差评估启动判据；
[0070]
步骤6、基于所述误差评估启动判据实现误差源的相别与时间段定位。
[0071]
如图1所示，在一些实施例中，步骤1包括：获取待评估装置的测量数据，基于所述测量数据中保护测量回路在第一预设时段的三相电压和/或三相电流数据构建原始数据集x
′
。
[0072]
在一些实施例中，针对待评估的保护装置，基于后台通信获取保护测量回路三相电流/三相电压，保存一定时段t1的测量数据区间，构建原始数据集x'，t1的选定根据数据分析的需要，推荐1s，每评估t1时段数据无异常，基于新数据替换更新数据区间，实现误差评估数据的实时性获取。
[0073]
例如，在电力系统正常运行条件下，由后台通信获取保护装置中二次回路的三相电流/电压数据，选取当前时刻前一个t1时段的原始数据集x'，如式(1)
[0074]
x'∈rn×mꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0075]
其中，n为t1数据区间的样本点数，推荐取1000；m表示原始数据集的维数，三相电流/电压数据取3。
[0076]
在一些实施例中，步骤2包括：对所述构建原始数据集x
′
进行前提性检验，响应于第一预设条件被满足，确定标准化矩阵x。
[0077]
在一些实施例中，所述前提性检验为kmo&bartlett检验，所述第一预设条件包括kmo》0.5且bartlett《0.01。
[0078]
在一些实施例中，所述数据预处理还包括：计算标准化矩阵x的协方差矩阵其中x
t
为x的转置矩阵；计算特征值并按照特征值从大到小的顺序构成对角矩阵λ＝diag{λ1，λ2，λ3}，以及特征向量x1、x2、x3。
[0079]
在本发明的方案中，考虑到测量数据幅度的不确定性，对同一数据区间采用标准化处理，以便于因子分析。标准化数据矩阵其中x'∈rn×m为原始数据矩阵，e(x')、δ(x')分别为原始数据的期望、标准差，n为数据集数目，m为数据集维度，针对三相系统m＝3。
[0080]
同时，在本发明的方案中可以基于协方差矩阵的特征值特征向量计算。计算标准化矩阵x的协方差矩阵其中x
t
为x的转置矩阵；计算特征值并基于从大到小顺序构成对角矩阵λ＝diag{λ1,λ2,λ3}，以及特征向量x1、x2、x3。
[0081]
例如，对x'进行基础数据统计分析，当相与相间的数据有显著的相关性，则可以基于此来识别和定义新的因素，故为因子分析方法的前提性检验。在描述分析中，常用的前提性检验是“kmo&bartlett检验”。kmo表征变量间简单相关系数平方和偏相关系数平方和的联系强度，越接近1联系越强；bartlett表征变量间是否各自独立及相关系数矩阵是否为单位矩阵，越接近0独立性越弱。如果变量之间有显著的相关性，则两系数平方的联系较强，其相关系数矩阵非单位矩阵，能够基于变量间的内在联系来进行数据分析。
[0082]
基于此，因子分析的前提性检验判别条件如表1：
[0083]
表1前提性检验kmo&bartlett
[0084][0085]
其中：适合因子分析方法的判据为kmo》0.5且bartlett《0.01，满足可启动数据预处理。
[0086]
在一些实施例中，考虑到原始采样数据存在着测量原理以及测量数量级等各种差异，在因子分析前需对x'的连续采样进行标准化操作，便于剔除其中的影响因素。首先计算每相电流/电压数据的期望e(x')和标准差δ(x')，采用减去期望再除以标准差的计算方式，得标准化数据矩阵，如式(2)
[0087][0088]
在一些实施例中，步骤3包括：基于因子分析，结合参考因子数据，构建数据重构矩阵xy。
[0089]
在一些实施例中，所述参考因子数据包括：结合公共因子p、特殊因子ε与因子载荷矩阵a。
[0090]
在一些实施例中，所述数据重构包括：
[0091]
针对标准化数据集，代入因子分析模型，应用公共因子p＝{p1，p2}表征正常电流波动数据、特殊因子ε＝{ε1，ε2，ε3}表征测量误差、因子载荷矩阵a＝{(a
11
，a
12
)；(a
21
，a
22
)；(a
31
，a
32
)}表征公共因子和标准化数据集的相关性。进一步基于因子与载荷系数的线性组合，构建数据重构矩阵其中
[0092]
本发明的方案中，针对标准化数据集，代入因子分析模型，应用公共因子p＝{p1,p2}表征正常电流波动数据、特殊因子ε＝{ε1，ε2，ε3}表征测量误差、因子载荷矩阵a＝{(a
11
，a
12
)；(a
21
，a
22
)；(a3，1a
32
)}表征公共因子和标准化数据集的相关性。进一步基于因子与载荷系数的线性组合，构建数据重构矩阵xy＝{x
y1
,x
y2
,x
y3
}，其中x
y1
＝a
11
p1+a
12
p2+ε1，其他类同。
[0093]
例如，电力系统的三相电流不平衡度具有短时不变的特性，使用因子分析法对保护测量回路的三相电流/电压数据进行特征提取和降维，相关性较高的公共因子视为电力系统正常波动信号，而相关性较低的特殊因子视为测量误差波动信号，因子载荷矩阵用以反映公共因子和标准化数据矩阵的相关性。当三相数据中某相或某区段含有测量误差时，基于因子分析法的可解释性因子会有某种程度的偏离。基于因子分析结果的线性组合设定数据重构矩阵的数据表达式，如式(3)
[0094]
xy＝a p+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0095]
其中：p表示公共因子，ε表示特殊因子，a表示因子载荷矩阵；考虑到标准化数据矩阵为3维，公共因子为2个，xy和ε为3维矩阵，p为2维矩阵，a为3
×
2矩阵。
[0096]
在一些实施例中，步骤4包括：基于标准化矩阵x、数据重构矩阵xy，确定残差向量e，并确定预设统计量及其对应的优化阈值，并基于预设统计量确定最优统计量t
x
和控制阈值δ
x
′
。
[0097]
在一些实施例中，所述预设统计量及其对应的优化阈值包括：统计量霍普金斯统计量t
h2
、霍特林统计量t2、q统计量q和三种统计量分别对应的优化阈值δq。
[0098]
本发明的方案中，为了更好地评估测量误差，引入三种经典统计方法，首先基于数据重构矩阵xy和标准化矩阵x计算残差向量e＝x-xy，进一步计算q统计量q＝||e||2、霍普金斯统计量霍特林统计量t2＝||λ
2,3-1/2
x
2,3
xy||2＝x
yt
x
2,3
λ
2,3-1
x
2,3t
xy，其中λ
2,3
＝diag{λ2,λ3}，x
2,3
＝{x2,x3}。
[0099]
同时，控制阈值是判断误差的基础，为了适应更大样本量，基于费希尔证明，分别对控制阈值作出优化设计，具体计算如式(4)。
[0100]
[0101]
其中δ
′q、分别为三种统计量的优化阈值，δ
spe
为e的标准差，e
spe
为e的期望值，θ为改进系数，推荐取1.2；z
α
是标准正态分布的上α分位点，α为置信度，指统计方法的可靠程度或准确性，推荐取95％；f
k,n-k；α
是自由度分别为k和n-k的f概率密度分布函数，k是公共因子的个数，推荐取2。
[0102]
由于不同的测量数据在选择不同的统计方法时其灵敏度不同，定义灵敏度其中t
x
(1,n)为区间1～n任意经典统计量，δ
x
′
为对应的优化控制阈值。通过比对灵敏度，最大灵敏度对应的统计方法表征误差评估效果最佳。
[0103]
例如，在本发明提出误差评估新方法中，采用计及欧氏距离与马氏距离的三种经典统计量与优化的控制阈值进行灵敏度比较，以最大灵敏度对应的统计方法作为误差评估的基准。因子分析处理标准化数据矩阵后，可计算残差向量e＝x-xy，按如下步骤选择最优适应性统计方法：
[0104]
(1)初步计算统计量。考虑到测量误差评估不能直接计算，需采用数据挖掘中的统计学技术处理和分析样本数据，提高对误差的描述准确性与检测灵敏性。数据挖掘指从数据或数据模式分析中进行知识挖掘，用于误差评估的统计学技术包括mae、rmse、iae、itae等，这些统计技术需要大量数据进行分析，数据收集和处理难度大，缺乏解释性。因此本发明引入三种经典统计量算法，统计量是对样本数据进行分析处理后再计算得到的，结果具有一定的系统性、直观性且可解释性强，便于比较。
[0105]
其中，q统计量是残差向量在残差空间内的欧氏距离平方，霍普金斯统计量是残差向量在残差空间内的马氏距离平方，霍特林统计量是主元向量在主元空间内的马氏距离平方，其计算如式(5)
[0106][0107]
其中：λ
a,z
＝diag{λa,λ
a+1
,
…
,λz}为x的协方差矩阵特征值对角矩阵，特征值的排列形式为λ1≥λ2≥
…
≥λm≥0，x3为λ3对应的特征向量，类似地，x
1,2
＝{x1,x2}；
[0108]
(2)优化控制阈值。传统的三种统计量控制阈值如式(6)，基于n
×
m原始数据集，由于可查的卡方分布表只列举到n＝40，而样本数为1000，故引入费希尔的证明：当n充分大时，等式(7)近似成立；由于经过试验传统的控制阈值不能准确地评估误差，故引入改进的控制阈值，如式(8)
[0109]
[0110][0111][0112]
其中：δq分别为三种统计量的传统阈值，δ
′q分别为三种统计量的优化阈值；f
k,n-k；α
是自由度分别为k和n-k、置信度为α的f概率密度分布函数，α指统计方法的可靠程度或准确性，推荐取95％；k是公共因子的个数，推荐取2；是自由度为n-k，置信度为α的卡方分布χ2；；c
α
是正态分布在检测水平为α下的临界值；z
α
是标准正态分布的上α分位点；δ
spe
为q统计量的标准差，e
spe
为q统计量的期望值，θ为改进系数，推荐取1.2；
[0113]
(3)确定最优适应性统计方法。针对5％测量误差，定义灵敏度为统计量最大值和该统计量对应控制阈值的比值，如式(9)，通过判别最大灵敏度，其对应的统计方法对于原始数据集的适应性最强，测量误差评估效果最优。
[0114][0115]
其中：t
x
(1,n)为数据区间1～n的经典统计量t2、t
h2
、q任意一种，δ
′
x
为各统计量对应的优化控制阈值。
[0116]
需要说明的是，本发明采用霍特林统计量、霍普金斯统计量、q统计量与费希尔证明等优化控制阈值方法，比较其对于保护测量回路三相电流/电压数据的灵敏度解决上述问题，但不仅限于此方法。
[0117]
在一些实施例中，步骤5包括：基于所述控制阈值δ
x
′
，进行统计量越限判别，构成误差评估启动判据，实现误差评估启动。
[0118]
在一些实施例中，所述基于所述控制阈值确定误差评估启动判据包括：基于t1区间数据计算针对1/4周波窗长的实时数据，计算适应统计量值t
x
，构建误差评估启动判据响应于满足启动判据，启动误差源定位；对连续1s不满足启动判据的数据，替换t1区间数据，以实现优化控制阈值的更新。
[0119]
例如，基于t1区间正常的原始数据集，计算得到优化控制阈值再对1/4周波窗长的实时数据，进行t
x
统计量计算，当统计量明显超过阈值，认为当前数据存在测量误差，启动误差评估，判据如式(10)，对连续1s不满足启动判据的数据，替换t1区间数据，实现优化控制阈值的更新。
[0120]
[0121]
在一些实施例中，步骤6包括：基于预设统计量贡献率gn，实现误差源相别n定位，以贡献率比较阈值e
set
为基准，实现误差源时间段定位。
[0122]
在一些实施例中，所述基于所述误差评估启动判据实现误差源的相别与时间段定位包括：基于预设公式(如式(11))计算所述三相数据对误差源的贡献率gn(n＝a,b,c)；基于所述贡献率，判定最大值en＝max{ta,tb,tc}对应相为误差源的相别；并确定累计满足en≥e
set
的时间区间定位为误差源的时间段，其中e
set
为贡献率比较阈值。以三相为例，其值e
set
＝1.05/3，1.05为误差判定可靠系数。
[0123]
例如，如图3所示，保护启动后，基于当前时刻前1/4周波窗长的实时数据内，计算三相测量数据对误差源的贡献率gn(n＝a,b,c)，如式(11)。基于贡献率的比较，判定最大值en＝max{ta,tb,tc}对应相为误差源的相别，同时累计满足en≥e
set
的时间区间定位为误差源的时间段。其中e
set
为贡献率比较阈值，以三相为例，贡献率之和为1，按5％的评估精度，e
set
＝1.05/3，1.05为误差判定可靠系数。
[0124][0125]
其中：ta为a相对于t
x
统计量的贡献率，其他类同，推荐取7位有效数字。
[0126]
这里强调，本发明提出的保护测量回路误差评估新方法可以实现5％误差评估精度，但需要保证至少t1时段原始数据集的可靠性，本发明提出的误差评估方法，将由统计方法的适应性不同分析计算不同过程量。
[0127]
仿真验证：
[0128]
为验证本发明提出的保护测量回路误差评估方法(下文以评估方法表示)，针对图1所示的保护测量回路误差评估模型，利用pscad/emtdc数字仿真软件搭建如图2所示的某保护测量回路仿真模型。网络拓扑简化如图，系统频率修改为50hz，系统采样频率为1khz，对应一个周期采样点数为20。另外，原始负荷分别设为有功1.667mw、无功0.2mvar。正常运行数据三相时间跨度相同，三相训练集数据共5000个，构建原始数据集区间为1～1000，以三相电流数据为例，根据系统参数计算得到原始数据集电流有效值，对a相数据产生测量误差，模拟5％随机数比例的有效值误差。验证数据与测量误差大小如图3所示，图中，蓝色为正常的历史数据，红色为模拟的异常数据。其中长度为400点的数据通过模拟误差作为验证算例1数据；长度为1000点的数据通过模拟负荷正常/异常波动作为验证算例2数据，其中三段长度为200点的数据通过模拟误差作为验证算例3数据。以上述三种算例说明本发明提出评估方法的可靠性和准确性。利用kmo&bartlett检验说明因子分析法的可行性，见表2。
[0129]
由表2结果可知，原始数据集的kmo检验值为0.753，同时，bartlett检验值为1876.019，相应的显著性为0.000，根据表1衡量标准可知该三相电流很适合进行因子分析算法。
[0130]
表2仿真验证前提性检验结果
[0131][0132]
1)基于δ
x
′
的误差评估验证：模拟的测量误差从样本点n＝300处开始叠加在验证
数据上，到n＝700恢复正常状态，输入原始数据集如图3所示。计算三种不同统计量及对应的优化控制阈值，由仿真结果可知，对于上精度小于5％的测量误差，在优化控制阈值δq′
＝0.3355的判别条件下，t
x
统计量立刻检测到了误差，并有持续的报警，由此启动误差评估。各统计方法的灵敏度计算结果如表3，仿真结果展示如图4-图6。
[0133]
由表3结果可知，t2统计方法的灵敏度最大，对于本样本数据适应性最优，因此选择霍特林统计方法作为误差评估启动依据，进一步评估误差源的相别与时间段定位。
[0134]
表3不同统计方法下误差评估的适应性
[0135][0136]
2)基于en的误差源定位验证：根据式(10)计算abc三相分别对统计量的贡献率，验证评估方法定位误差源相别的准确性，仿真图中红色代表含有误差的a相数据贡献率ga，蓝色和黑色代表不含误差的正常数据相贡献率gb、gc。根据仿真结果可知，评估方法定位准确，存在一定的波动是因为因子分析法对于其他过程数据的噪声十分敏感。另外，500～700的数据贡献率高于300～500点，说明随着时间点的推移误差存在一定程度的叠加，如果不能及时地发现误差并进行准确的定位，由于保护装置中二次回路存在误差导致的严重程度会增大。在实际应用中，可以通过误差评估模型的自适应来避免这种叠加。仿真结果展示如图7。
[0137]
3)电网正常/异常波动的误差评估验证：以厂用高压侧三相电流ic08b为例，为观察负荷波动对电流的影响，分别将有功负荷修改为3.334mw，无功负荷修改为0.8mvar，模拟电网异常/正常负荷波动，数据分别记为ic08b_a1，ic08b_a2。可以看出a1电流几乎成倍增加，a2电流略有波动，在
±
10％波动范围内，属于正常数据，以a1a2作对比分析，从而验证电网正常波动不误判。根据仿真结果可知，当电流在正常范围内波动时，t
x
统计量不会超过阈值δ
x
′
，不会导致误判；电网不正常波动得到的电流数据属于异常数据，所提出方法仍然启动误差评估。仿真结果展示如图8-图11。
[0138]
4)电网正常波动下多误差源的评估验证：对于ic08b_a(0-1000)，设置正常波动数据ic08b_a0(1～500)，ic08b_a2(501～1000)，控制阈值δ
x
′
＝0.00048，分别设置异常数据点n＝100～300，400～600，700～900，特别选取了包含误差点的正常波动区段n＝400～600进行电网正常波动下定位多个误差源的验证。根据仿真结果可知，本发明提出的评估方法在应对正常电网波动下的多重误差源，尤其是针对波动点，都能够精准定位误差，说明了所提出的基于因子分析与统计学技术的保护测量回路误差评估及定位新方法的可行性。仿真结果展示如图12-图14。
[0139]
综上可知，本发明的技术方案通过获取后台监控系统三相测量电压/电流，基于前提性检验结果构建原始数据集，经标准化处理形成标准化矩阵，计算协方差矩阵及其对应的特征值和特征向量；利用因子分析剥离表征电网正常波动的公共因子和表征测量误差的
特殊因子；在上述基础上进一步分析计算三种经典统计量、控制阈值，并实现统计方法的适应性选择；最后基于优化控制阈值和统计量贡献率构建误差评估判据，实现误差源相别和时间段定位。该方法所需原始数据集少、误差评估结果准确、易于实现，能够很好地应用于发电厂、变电站保护测控等二次测量回路误差评估中。
[0140]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种保护测量回路误差评估方法，基于处理器执行，其特征在于，包括：获取三相数据；基于获取的三相数据进行前提性检验与数据预处理；基于因子分析，进行数据重构；基于预设统计量确定最优统计量及控制阈值；基于所述控制阈值确定误差评估启动判据；基于所述误差评估启动判据实现误差源的相别与时间段定位。2.根据权利要求1所述的方法，其特征在于，所述获取三相数据包括：获取待评估装置的测量数据，基于所述测量数据中保护测量回路在第一预设时段的三相电压和/或三相电流数据构建原始数据集x
′
；所述基于获取的三相数据进行前提性检验与数据预处理包括：对所述构建原始数据集x
′
进行前提性检验，响应于第一预设条件被满足，确定标准化矩阵x。3.根据权利要求2所述的方法，其特征在于，所述基于因子分析，进行数据重构包括：基于因子分析，结合参考因子数据，构建数据重构矩阵x
y
；所述基于预设统计量确定最优统计量及控制阈值；包括：基于标准化矩阵x、数据重构矩阵x
y
，确定残差向量e，并确定预设统计量及其对应的优化阈值，并基于预设统计量确定最优统计量t
x
和控制阈值δ
x
′
。4.根据权利要求3所述的方法，其特征在于，所述基于所述控制阈值确定误差评估启动判据包括：基于所述控制阈值δ
x
′
，进行统计量越限判别，构成误差评估启动判据，实现误差评估启动；所述基于所述误差评估启动判据实现误差源的相别与时间段定位包括：基于预设统计量贡献率g
n
，实现误差源相别n定位，以贡献率比较阈值e
set
为基准，实现误差源时间段定位。5.根据权利要求4所述的方法，其特征在于，所述参考因子数据包括：结合公共因子p、特殊因子ε与因子载荷矩阵a。所述预设统计量及其对应的优化阈值包括：统计量霍普金斯统计量t
h2
、霍特林统计量t2、q统计量q和三种统计量分别对应的优化阈值δ
q
′
。6.根据权利要求5所述的方法，其特征在于，所述前提性检验为kmo&bartlett检验，所述第一预设条件包括kmo＞0.5且bartlett＜0.01。7.根据权利要求6所述的方法，其特征在于，所述数据预处理还包括：计算标准化矩阵x的协方差矩阵其中x
t
为x的转置矩阵；计算特征值并按照特征值从大到小的顺序构成对角矩阵λ＝diag{λ1，λ2，λ3}，以及特征向量x1、x2、x3。8.根据权利要求7所述的方法，其特征在于，所述数据重构包括：
针对标准化数据集，代入因子分析模型，应用公共因子p＝{p1，p2}表征正常电流波动数据、特殊因子ε＝{ε1，ε2，ε3}表征测量误差、因子载荷矩阵a＝{(a
11
，a
12
)；(a
21
，a
22
)；(a
31
，a
32
)}表征公共因子和标准化数据集的相关性。进一步基于因子与载荷系数的线性组合，构建数据重构矩阵其中9.根据权利要求8所述的方法，其特征在于，所述基于所述控制阈值确定误差评估启动判据包括：基于t1区间数据计算针对1/4周波窗长的实时数据，计算适应统计量值t
x
，构建误差评估启动判据响应于满足启动判据，启动误差源定位；对连续1s不满足启动判据的数据，替换t1区间数据，以实现优化控制阈值的更新。10.根据权利要求9所述的方法，其特征在于，所述基于所述误差评估启动判据实现误差源的相别与时间段定位包括：计算所述三相数据对误差源的贡献率g
n
(n＝a，b，c)；基于所述贡献率，判定最大值e
n
＝max{t
a
，t
b
，t
c
}对应相为误差源的相别；并确定累计满足e
n
≥e
set
的时间区间定位为误差源的时间段，其中e
set
为贡献率比较阈值。

技术总结
本发明提供了一种保护测量回路误差评估方法，基于处理器执行，包括：获取三相数据；基于获取的三相数据进行前提性检验与数据预处理；基于因子分析，进行数据重构；基于预设统计量确定最优统计量及控制阈值；基于所述控制阈值确定误差评估启动判据；基于所述误差评估启动判据实现误差源的相别与时间段定位。动判据实现误差源的相别与时间段定位。动判据实现误差源的相别与时间段定位。


技术研发人员：易亚文 江传宾 秦小元 赵静朴 蒋焮焮 王林 王锋 李方玖 李振兴 翁汉琍 龚世玉
受保护的技术使用者：三峡金沙江川云水电开发有限公司
技术研发日：2023.05.22
技术公布日：2023/9/23