Perception of Abnormal Compensation for User Reactive Power Based on Joint Distribution of Measurement Data

ZHANG Ao; SU Sheng; AI Yuan; JING Biao; LI Bin; YANG Hongming

doi:10.7500/AEPS20221117003

您当前的位置：

首页 >

文章列表页 >

Perception of Abnormal Compensation for User Reactive Power Based on Joint Distribution of Measurement Data

Application Research | 更新时间：2025-06-16

- Perception of Abnormal Compensation for User Reactive Power Based on Joint Distribution of Measurement Data
- Automation of Electric Power Systems Vol. 47, Issue 16, Pages: 142-151(2023)
- 作者机构：
  
  1.电网防灾减灾全国重点实验室(长沙理工大学),湖南省长沙市 410114
  2.云南电网有限责任公司计量中心,云南省昆明市 650051
  3.云南电网有限责任公司玉溪供电局,云南省玉溪市 653101
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(71931003);Key Projects of Hunan Provincial Department of Education(19A011)
- DOI：10.7500/AEPS20221117003
  CLC：
- Received：17 November 2022，
  
  Revised：2023-04-03，
  
  Published Online：25 June 2023，
  
  Published：25 August 2023
- 稿件说明：
移动端阅览
张傲,苏盛,艾渊等.基于计量数据联合分布的用户无功补偿异常感知[J].电力系统自动化,2023,47(16):142-151.

ZHANG Ao,SU Sheng,AI Yuan,et al.Perception of Abnormal Compensation for User Reactive Power Based on Joint Distribution of Measurement Data[J].Automation of Electric Power Systems,2023,47(16):142-151.
张傲,苏盛,艾渊等.基于计量数据联合分布的用户无功补偿异常感知[J].电力系统自动化,2023,47(16):142-151. DOI： 10.7500/AEPS20221117003.

ZHANG Ao,SU Sheng,AI Yuan,et al.Perception of Abnormal Compensation for User Reactive Power Based on Joint Distribution of Measurement Data[J].Automation of Electric Power Systems,2023,47(16):142-151. DOI： 10.7500/AEPS20221117003.

摘要

工商业用户数量庞大，因缺乏必要的专业知识而难以及时感知无功补偿故障异常，容易长期带病运行，降低用电功率因数、推高用能成本。利用用户无功补偿装置正常运行时会将功率因数控制在目标区间、有功负荷和功率因数具有大致固定的联合分布的特点，提出基于计量数据联合分布的用户无功补偿异常感知方法。首先

基于用户计量数据生成有功功率和功率因数的频数分布矩阵，以此表征用户无功补偿装置的运行状态；然后

应用二维卷积神经网络对正常和故障时的样本频数分布矩阵集进行训练和测试；当待检日样本的频数分布矩阵被模型诊断为异常标签时，认为当日无功补偿装置处于故障异常状态。基于现场故障数据的测试分析表明，所提方法在准确率及误检率上均有较好的表现，可及时提示用户修复设备、提高用电能效。

Abstract

The number of industrial and commercial users is huge

and it is difficult to perceive the abnormal reactive power compensation fault in time due to the lack of necessary professional knowledge

which is easy to cause operating with defect for a long time

reducing the power factor of electricity consumption and increasing up the cost of energy consumption. Taking advantages of the characteristics of controlling the power factor in the target range and the active load and power factor having roughly fixed joint distribution during the normal operation of the user reactive power compensation device

a perception method of abnormal compensation for user reactive power based on the joint distribution of measurement data is proposed. First

the frequency distribution matrix of active power and power factor is generated based on the user metering data

so as to characterize the operation status of the reactive power compensation device for the user. Then

the two-dimensional convolutional neural network (CNN) is applied to train and test the sample frequency distribution matrix sets in normal and failure conditions. When the frequency distribution matrix of the sample to be inspected is diagnosed as an abnormal label by the model

it is considered that the reactive power compensation device on that day is in an abnormal fault state. The test analysis based on the field fault data shows that the proposed method has good performance in accuracy and false detection rate

which can prompt users to repair the equipment and improve the power efficiency in time.

关键词

Keywords

references

程汉湘 . 无功补偿理论及其应用［M］. 北京：机械工业出版社， 2016 .

CHENG Hanxiang . Reactive power compensation theory and its application ［M］. Beijing ： China Machine Press ， 2016 .

赵新卫 . 中低压电网无功补偿实用技术［M］. 北京：电子工业出版社， 2011 .

ZHAO Xinwei . Practical technology of reactive power compensation in medium and low voltage power grid ［M］. Beijing ： Publishing House of Electronics Industry ， 2011 .

刘晟源，章天晗，林振智，等 . 数据赋能低压配用电系统精益化运行的关键技术与算法［J］. 电力系统自动化， 2023 ， 47 （ 3 ）： 187 - 199 .

LIU Shengyuan ， ZHANG Tianhan ， LIN Zhenzhi ， et al . Key technologies and algorithms for lean operation of low-voltage power distribution system based on data empowerment ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 3 ）： 187 - 199 .

陈晓宇，郑建勇，梅军 . 基于LC振荡频率变化量的电容器组早期故障在线智能预警方法及其实现［J］. 电力系统保护与控制， 2015 ， 43 （ 5 ）： 144 - 149 .

CHEN Xiaoyu ， ZHENG Jianyong ， MEI Jun . Power capacitor banks failure warning method based online intelligence LC oscillation frequency variation and its implementation ［J］. Power System Protection and Control ， 2015 ， 43 （ 5 ）： 144 - 149 .

NGUYEN T H ， LEE D . Deterioration monitoring of DC-link capacitors in AC machine drives by current injection ［J］. IEEE Transactions on Power Electronics ， 2015 ， 30 （ 3 ）： 1126 - 1130 .

SOLIMAN H ， WANG H ， BLAABJERG F . A review of the condition monitoring of capacitors in power electronic converters ［J］. IEEE Transactions on Industry Applications ， 2016 ， 52 （ 6 ）： 4976 - 4989 .

GHADRDAN M ， PEYGHAMI S ， MOKHTARI H ， et al . Condition monitoring of DC-link electrolytic capacitor in back-to-back converters based on dissipation factor ［J］. IEEE Transactions on Power Electronics ， 2022 ， 37 （ 8 ）： 9733 - 9744 .

沈彦君 . 低压配电网无功补偿设备故障在线监测系统应用研究［D］. 广州：华南理工大学， 2012 .

SHEN Yanjun . Research on application of online fault monitoring system for reactive power compensation equipment in low voltage distribution network ［D］. Guangzhou ： South China University of Technology ， 2012 .

刘苏，黄纯，侯帅帅，等 . 基于DDTW距离与DBSCAN算法的户变关系识别方法［J］. 电力系统自动化， 2021 ， 45 （ 18 ）： 71 - 77 .

LIU Su ， HUANG Chun ， HOU Shuaishuai ， et al . Identification method for household-transformer relationship based on derivative dynamic time warping distance and density-based spatial clustering of application with noise algorithm ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 18 ）： 71 - 77 .

唐冬来，倪平波，张捷，等 . 基于离散弗雷歇距离的户变关系识别方法［J］. 电力系统自动化， 2021 ， 45 （ 6 ）： 223 - 230 .

TANG Donglai ， NI Pingbo ， ZHANG Jie ， et al . Identification method for relationship between household transformers based on discrete Frechet distance ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 6 ）： 223 - 230 .

金晟，苏盛，薛阳，等 . 数据驱动窃电检测方法综述与低误报率研究展望［J］. 电力系统自动化， 2022 ， 46 （ 1 ）： 3 - 14 .

JIN Sheng ， SU Sheng ， XUE Yang ， et al . Review on data-driven based electricity theft detection method and research prospect for low false positive rate ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 1 ）： 3 - 14 .

金晟，苏盛，曹一家，等 . 基于格兰杰归因分析的高损台区窃电检测［J］. 电力系统自动化， 2020 ， 44 （ 23 ）： 82 - 89 .

JIN Sheng ， SU Sheng ， CAO Yijia ， et al . Electricity-theft detection for high-loss distribution area based on Granger causality analysis ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 23 ）： 82 - 89 .

翟中祥，刘翔斌，蒙文川，等 . 数据驱动的用户无功补偿装置远程故障感知［J/OL］. 电网技术［ 2023-03-30 ］. https：//doi.org/10.13335/j.1000-3673.pst.2022.1488 https://doi.org/10.13335/j.1000-3673.pst.2022.1488 .

ZHAI Zhongxiang ， LIU Xiangbin ， MENG Wenchuan ， et al . Remote fault sensing of data-driven user reactive power compensation device ［J/OL］. Power System Technology ［ 2023-03-30 ］. https：//doi.org/10.13335/j.1000-3673.pst.2022.1488 https://doi.org/10.13335/j.1000-3673.pst.2022.1488 .

黄书俊，刘鑫，苏盛，等 . 基于多表合一的居民水电异常使用行为分析［J/OL］. 电力自动化设备［ 2023-01-31 ］. https：//kns-cnki-net.webvpn.ahjzu.edu.cn/kcms/detail /detail.aspx？FileName=DLZS20221207001&DbName=CAPJ2022 https://kns-cnki-net.webvpn.ahjzu.edu.cn/kcms/detail/detail.aspx?FileName=DLZS20221207001&DbName=CAPJ2022 .

HUANG Shujun ， LIU Xin ， SU Sheng ， et al . Analysis of abnormalutilization of water and electricity of residential users based on multi-meter integration ［J/OL］. Electric Power Automation Equipment ［ 2023-01-31 ］. https：//kns-cnki-net.webvpn.ahjzu.edu.cn/kcms/detail/detail.aspx？FileName=DLZS20221207001&DbName=CAPJ2022 https://kns-cnki-net.webvpn.ahjzu.edu.cn/kcms/detail/detail.aspx?FileName=DLZS20221207001&DbName=CAPJ2022 .

段偲默，苗世洪，李力行，等 . 计及预测误差动态相关性的多风电场联合出力不确定性模型［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 31 - 37 .

DUAN Simo ， MIAO Shihong ， LI Lixing ， et al . Uncertainty model of combined output for multiple wind farms considering dynamic correlation of prediction errors ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 31 - 37 .

苏文博，孙士民，刘娟，等 . 预防10 kV系统电压无功控制装置故障策略研究［J］. 电力自动化设备， 2007 ， 27 （ 4 ）： 35 - 38 .

SU Wenbo ， SUN Shimin ， LIU Juan ， et al . Strategies to prevent faults of voltage and reactive power control equipment for 10 kV system ［J］. Electric Power Automation Equipment ， 2007 ， 27 （ 4 ）： 35 - 38 .

许加柱，李晓芳，黄际元，等 . 低压配电网智能监测与控制终端软硬件设计［J］. 电工电能新技术， 2012 ， 31 （ 4 ）： 79 - 82 .

XU Jiazhu ， LI Xiaofang ， HUANG Jiyuan ， et al . Software and hardware design of intelligent monitor and control terminal for low-voltage distribution system ［J］. Advanced Technology of Electrical Engineering and Energy ， 2012 ， 31 （ 4 ）： 79 - 82 .

肖雄，王健翔，张勇军，等 . 一种用于轴承故障诊断的二维卷积神经网络优化方法［J］. 中国电机工程学报， 2019 ， 39 （ 15 ）： 4558 - 4568 .

XIAO Xiong ， WANG Jianxiang ， ZHANG Yongjun ， et al . A two-dimensional convolutional neural network optimization method for bearing fault diagnosis ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 15 ）： 4558 - 4568 .

刘梓权，王慧芳，曹靖，等 . 基于卷积神经网络的电力设备缺陷文本分类模型研究［J］. 电网技术， 2018 ， 42 （ 2 ）： 644 - 651 .

LIU Ziquan ， WANG Huifang ， CAO Jing ， et al . A classification model of power equipment defect texts based on convolutional neural network ［J］. Power System Technology ， 2018 ， 42 （ 2 ）： 644 - 651 .

袁文海，刘彪，徐浩，等 . 基于复合神经网络的GIS局放故障类型识别［J］. 电力科学与技术学报， 2021 ， 36 （ 4 ）： 157 - 164 .

YUAN Wenhai ， LIU Biao ， XU Hao ， et al . Partial discharge fault type identification of GIS based on composite neural network ［J］. Journal of Electric Power Science and Technology ， 2021 ， 36 （ 4 ）： 157 - 164 .

陈达，朱林，张健，等 . 基于卷积神经网络的暂态电压稳定评估及风险量化［J］. 电力系统自动化， 2021 ， 45 （ 14 ）： 65 - 71 .

CHEN Da ， ZHU Lin ， ZHANG Jian ， et al . Transient voltage stability assessment and risk quantification based on convolutional neural network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 14 ）： 65 - 71 .

NEBAUER C . Evaluation of convolutional neural networks for visual recognition ［J］. IEEE Transactions on Neural Networks ， 1998 ， 9 （ 4 ）： 685 - 696 .

景惠甜，韩丽，高志宇 . 基于卷积神经网络特征提取的风电功率爬坡预测［J］. 电力系统自动化， 2021 ， 45 （ 4 ）： 98 - 105 .

JING Huitian ， HAN Li ， GAO Zhiyu . Wind power ramp forecast based on feature extraction using convolutional neural network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 4 ）： 98 - 105 .

TANG Y ， TENG Q ， ZHANG L ， et al . Layer-wise training convolutional neural networks with smaller filters for human activity recognition using wearable sensors ［J］. IEEE Sensors Journal ， 2021 ， 21 （ 1 ）： 581 - 592 .

广东省市场监督管理局 . 电力用户无功补偿配置设计规范标准： DB44/T 2180—2019 ［S］. 2019 ．

Guangdong Provincial Administration for Market Regulation . Code for design of reactive power compensation configuration for power users ： DB44/T 2180—2019 ［S］. 2019 .

国家质量监督检验检疫总局，中国国家标准化管理委员会 . 电力电容器低压功率因数补偿装置： GB/T 22582—2008 ［S］. 北京：中国标准出版社， 2009 .

General Administration of Quality Supervision ， Inspection and Quarantine of the People's Republic of China ， Standardization Administration of the People's Republic of China . Power capacitors—low-voltage power factor correction banks ： GB/T 22582—2008 ［S］. Beijing ： Standards Press of China ， 2009 .

黄刚，颜伟，王浩，等 . 基于多层次非负稀疏编码和SVM的窃电检测方法［J］. 重庆大学学报， 2022 ， 45 （ 7 ）： 1 - 12 .

HUANG Gang ， YAN Wei ， WANG Hao ， et al . Detection method of stealing electricity based on multi-level non-negative sparse coding and SVM ［J］. Journal of Chongqing University ， 2022 ， 45 （ 7 ）： 1 - 12 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Flexible Interconnection Switch of Medium-voltage Feeder Based on Cascaded Reactive Power Compensation

Multi-mode Flexible Switching Strategy of Multi-functional Grid-connected Converters for Active Support to Transient Voltage

Voltage Compensation Capability Analysis and Improvement Method for Unified Power Quality Conditioner with Energy Storage

Related Author

AI Yuan

PENG Neng

PENG Minxuan

LI Qionglin

DAI Shuangyin

SUN Jianjun

ZHA Xiaoming

GUO Qi

Related Institution

State Grid Henan Electric Power Company

School of Electrical Engineering and Automation, Wuhan University

Hubei Key Laboratory of Power Equipment & System Security for Integrated Energy (Wuhan University)

National Electric Power Conversion and Control Engineering Technology Research Center(Hunan University)

Jinzhong Power Supply Company, State Grid Shanxi Electric Power Company

⁰