電能質量預測與預警機制及其應用

丁澤俊，劉平，歐陽森，曾江，黃瑞藝

（1.南方電網科學研究院，廣州510080；2.華南理工大學電力學院，廣州510640）

電能質量預測與預警機制及其應用

丁澤俊1，劉平2，歐陽森2，曾江2，黃瑞藝2

（1.南方電網科學研究院，廣州510080；2.華南理工大學電力學院，廣州510640）

提出了電能質量預測與預警機制，基于歷史數據對未來階段的電能質量狀況進行預測與預警，使電能質量問題得到等級化分析。結合配電網的特點和現狀，提出了適合于配網的基于線性回歸模型、隨機時間序列模型和灰色模型的優選組合預測模型，預測電能質量的未來狀況。在此基礎上，提出了電能質量的預警等級及其過程、構建預警機制、發布電能質量預警信息。最后，實例與應用分析驗證了設計的電能質量預測與預警機制的實用性和有效性。

電能質量；預測；預警；應用

隨著工業規模的擴大和科學技術的發展，日益突出的電能質量問題引起了電力部門和電力用戶的高度重視，越來越多的變電站開始對電能質量進行監測[1]。深入挖掘電能質量監測數據，對電能質量的變化趨勢做出科學預測與預警，成為保證電網安全、經濟運行必不可少的措施之一[2-3]。

電能質量監測數據具有一定的規律性，其變化趨勢隨負荷的變化而變化，而負荷預測技術已相當成熟，這就為電能質量的預測提供了可行性。預警技術已在天氣預報、自然災害等領域得到廣泛應用。目前國內還沒有關于電能質量預測與預警的研究報告。鑒于當前各地電網都逐步建立了包括數以百計監測終端的電能質量監測網絡，獲取了豐富的電能質量數據，南方電網更是建立了數以千計的電能質量監測網絡，獲取了整個電網多年的監測數據，具備進行電能質量預測與預警的研究基礎。

本文提出了電能質量預測與預警機制。電能質量預測的基本思想是深入、全面分析電能質量監測數據，探索數據之間的內在聯系和發展變化規律[4-6]，對電能質量變化發展做出預先估計和推測。電能質量預警是依據電能質量國家標準，建立預警閾值，根據電能質量監測數據及預測數據，對可能導致污染甚至引發電網事故的相關線路進行預警報告，便于供電部門提前制定治理措施，確保電網安全穩定運行。

1 電能質量預測與預警整體結構

電能質量預測與預警的整體結構如圖1所示。電能質量監測數據包括電壓偏差、頻率偏差、電壓暫降、諧波畸變率等諸多指標。預測模塊是應用數學模型，對未來電能質量的諸多指標進行預測；預警模塊是根據各指標預警等級，比較原始數據（包括電能質量監測數據和預測數據）與預警閾值，發布各指標預警信息。預測模塊與預警模塊配合，能更準確地跟蹤配網運行狀況[7]，更好地保證用戶供電，有利于電網規劃和電能質量決策的制定。

圖1 電能質量預測與預警整體結構Fig.1Overall structure of power quality forecast and warning

2 電能質量預測機制

電能質量預測模塊的核心功能就是通過深入分析配網電能質量監測數據，科學地估計和推測電能質量指標的變化趨勢。對特定區域進行定期電能質量預測，有利于掌握配網電能質量水平走向，及時發現潛在的電能質量問題[7]。預測模塊架構詳見圖1所示，包括數據處理、模型處理、結果輸出3個子模塊。預測精度取決于模型選取的合理性，因此模型處理子模塊是預測模塊的核心組成部分。由于線性回歸模型、隨機時間序列模型和灰色模型都是單一預測模型，很難準確預測受多因素影響的電能質量問題。為提高預測精度，應用模型處理子模塊，形成優選組合預測模型，預測電能質量的未來狀況。

2.1 基于線性回歸模型的預測算法

電能質量線性回歸模型的預測算法就是根據電能質量的歷史數據，應用回歸分析方法，對未來的電能質量進行預測。運用線性回歸模型有以下優勢：模型參數估計算法成熟，計算原理與結構形式簡單，預測速度快，對歷史上沒有出現的電能質量狀況有較好的預測。

根據電能質量監測裝置測得n對數據（xi，yi），xi為電能質量指標的監測時間，yi為監測值，設立模型為

用最小二乘法估計參數a和b，即可在給定時間點x0，求出相應電能質量預測值y0。

2.2 基于隨機時間序列模型的預測算法

運用隨機時間序列模型預測電能質量充分考慮了電能質量數據在時間上關聯性，所需監測數據量少、工作量小、計算快，而且反映了電能質量近期變化的連續性。

通常情況下，電能質量序列{yt}為非平穩序列，需要經過d階差分，即

變為平穩序列。針對監測數據的自相關函數和偏相關函數特征，進行模型識別。若不能識別為自回歸模型AR（auto-regressive model）、滑動平均模型MA（moving average model）、ARMA混合模型（auto-regressive and moving average model）中的某一類，加大階數。此3種模型的參數計算方法在參考文獻[8]中有詳細介紹。

2.3 基于灰色模型的預測算法

灰色模型預測算法在建模時無需計算統計量特征，當電能質量歷史數據非線性變化時，仍然適用。灰色算法要求的電能質量數據量少，不必考慮其分布規律和變化趨勢，預測精度高，因此可以應用灰色模型GM（1，1）對未來電能質量預測。下面簡要介紹其預測流程。運用灰色模型預測電能質量首先要用一次累加法1-AGO（accumulated generatingoperation）處理電能質量監測數據x(0)=（x(0)（1），x(0)（2），…，x(0)（n））生成{x(1)}。根據序列{x(1)}，建立微分序列模型為

利用最小二乘法，求解辨識參數a和μ，代入微分方程，得

對式（4）累減還原，得預測模型為

2.4 優選組合預測模型

以上任何一種預測模型不能在任何時刻充分反映電能質量數據的變化，也就是說很難準確描述電能質量的實際復雜變化規律。優選組合預測模型集結了多種單一預測模型所包含的信息，建立在最大信息利用的基礎上，進行最優組合。因此，以優選組合模型為核心的預測算法可以極大改善電能質量的預測結果。

目前，優選組合預測算法可分為等權平均組合預測法和方差——協方差優選組合預測法。等權平均組合預測法是最簡單的一種，針對不同預測模型的預測值賦予相同的權重，進行平均組合。由于電能質量監測數據變化規律復雜，不同的預測算法的預測精度有所不同，對較為精確的預測值應賦予較大的權重，因此本文選擇方差——協方差優選組合預測法來確定不同預測值的權重。

基于線性回歸模型、隨機時間序列模型、灰色模型的方差——協方差優選組合預測模型的計算流程如下：

（1）f1、f2、f3分別是線性回歸模型、隨機時間序列模型和灰色模型關于某項電能質量指標f的預測值，fc是優選組合預測值，預測誤差分別是e1、e2、e3和ec；

（2）ω1、ω2和ω3分別是線性回歸模型、隨機時間序列模型和灰色模型的權系數，則有

（3）優選組合預測值fc的方差為

記：

（4）在約束條件為∑ωi=1情況下，對Var（ec）引入拉格朗日乘子求極小值，得

（5）根據求得權系數，可得該電能質量指標的優選組合預測值fc。

若e1、e2、e3服從零均值正態分布，σii（i=1，2，3）估計式為

（6）式（13）中，n為電能質量監測數據數目。由此可給出ωi（i=1，2，3）的估計式為

對于3種單一模型的組合預測，可驗證有

表明優選組合預測模型要優于各種單一預測模型。

3 電能質量預警機制

電能質量預警機制的核心功能是對電能質量指標超標的線路及時給出預警，發現配網潛在的電能質量問題，做到電能質量問題的早發現、早解決。預警模塊的架構詳見圖1，其輸入原始數據是監測數據或者預測數據，因而形成兩種不同的預警機制：基于監測數據的告警機制和基于預測數據的預警機制。依據制定的預警等級和閾值，對比原始數據，發布預警信息。

電能質量指標可分為穩態指標和暫態指標，穩態指標包括電壓偏差、總諧波畸變率、三相不平衡度等，暫態指標包括電壓暫降、暫升和短時中斷等。由于暫態指標無相關國家標準作為參考來設定閾值，因此本文僅針對穩態指標制定預警等級和閾值。鑒于篇幅所限，本文以諧波和電壓偏差兩個指標為例，說明電能質量預警機制。

3.1 電能質量的預警等級劃分及其意義

預警信息發布的合理性取決于預警等級劃分的科學性，因此制定預警等級在預警模塊中起著重要的作用。結合南方電網的實際情況，電能質量預警等級從輕微到嚴重可劃分4個等級：1級綠色警告、2級黃色警告、3級紅色警告、4級特級警告。根據電能質量國際和國家標準體系的規定[9-11]，本文制定了如表1所示的電壓偏差和總諧波畸變率兩項指標的預警等級與閾值。

預警等級解析：

1級綠色警告認為各項指標的狀態良好，沒有出現值得令人擔擾的電能質量問題。

表1 電能質量預警等級Tab.1Power quality warning level

2級黃色警告認為各項指標的狀態一般，電能質量僅需關注其中一些比較注重的指標。

3級紅色警告認為各項指標的狀態較差，電能質量需要進行密切監測，以防其進一步惡化，造成不良影響。

4級特級警告認為各項指標的狀態差，電能質量已經出現超標，在不影響系統或設備運行的情況下，應該對超標的線路采取措施進行治理。

制定電能質量預警等級具有重要的現實意義。配網運行出現故障時，電能質量監測裝置采集到的數據會涌入電網調度中心，調度人員會因海量數據而難以決策，錯失處理事故良機。因此，區分電能質量的嚴重程度，將電能質量做等級化處理，使電網運行監控人員對電能質量的程度、等級一目了然。根據不同的等級，有條不紊地采取不同的治理方案，高效、準時地處理電能質量問題，最大程度上保證配電網的安全穩定運行。

3.2 電能質量的預警過程

3.2.1 基于監測數據的告警機制

該預警機制主要針對配網運行時電能質量監測數據的挖掘。對比監測數據與預警閾值，依據預警等級，將電能質量告警信息及時、準確地傳遞給電網運行監控人員，使監控人員快速掌握電能質量的歷史狀態，及時有效地采取治理措施，防止電能質量問題嚴重性進一步加深，將損失降至最低。

3.2.2 基于預測數據的預警機制

該預警機制的預警過程與前者基本相似，不同的是原始數據來源。與監測數據相比，預測數據具有超前性。構建基于預測數據的預警機制，可以在電能質量指標異常或超標前，發布預警信息，使監控人員對未來電能質量狀況有了深刻認識，提前有針對性地制定電能質量的預防性措施。

4 實例與應用分析

4.1 實例

本文采用某供電局變電站電能質量監測裝置提供的2009年1月—9月份的電壓偏差與諧波畸變率數據（如表2和表3所示）進行實例分析。利用線性回歸模型、隨機時間序列模型、灰色模型和優選組合模型對該變電站監測點2009年10月的電壓偏差和諧波畸變率進行預測，并與真實值相比較，結果如表4和表5所示。

表2 該變電站監測點電壓偏差統計情況Tab.2Voltage deviations of this substation monitoring

表3 該變電站監測點諧波畸變率統計情況Tab.3Harmonic distortion rates of substation monitoring

表4 電壓偏差預測值與真實值比較情況Tab.4Comparison between the predicted value and the real value of voltage deviation （%）

表5 諧波畸變率預測值與真實值比較情況Tab.5Comparison between the predicted value and the real value of harmonic distortion rate （%）

由表4可見，不同的預測模型的電壓偏差預測值與真實值相比，相對誤差有所不同。對于監測點1，灰色模型的預測值與真實值極為接近，而監測點2的隨機時間序列模型預測值與真實值較為接近，同樣的情況也存在于表5中。所以針對某個監測點，選擇某種預測模型所得預測值可能比優選組合預測值更接近于真實值，但優選組合預測模型集結了多種單一模型所包含的信息，進行了優化組合。因此，從表4和表5可以看出，就整體而言，應用優選組合預測模型所得的預測值與真實值相比，相對誤差更小，預測精度更高。

根據電壓偏差和諧波畸變率的監測值和預測值，結合表1，進行預警分析，結果如表6所示。

表6 該變電站監測點2009年1—10月電壓偏差與諧波畸變率預警等級Tab.6Warning levels of voltage deviation and harmonic distortion rate from January to October in 2009

4.2 應用

目前，基于電能質量預測與預警的高級功能模塊已經在南方電網電能質量監測平臺中投入運行，運行效果良好，改善了南方電網的電能質量問題。鑒于篇幅所限，只給出本平臺實際應用中的部分截圖（圖2～圖5）。其中，圖3～圖5分別是從南方電網電能質量監測平臺中獲得的某供電局的諧波畸變率的短期預測、中期預測、長期預測界面圖，圖中實線表示其歷史值，虛線表示其預測值。

圖2 南方電網電能質量監測主界面Fig.2Main interface of southern power grid power quality monitoring platform

圖3 諧波畸變率短期預測界面Fig.3Short-term prediction of harmonic distortion

圖4 諧波畸變率中期預測界面Fig.4Medium-term prediction of harmonic distortion

圖5 諧波畸變率長期預測界面Fig.5Long-term prediction of harmonic distortion

5 結論

（1）根據配網現狀和電能質量監測數據特點，提出了基于優選組合預測模型的預測機制，預測未來的電能質量指標。實例分析表明該機制具有較好的預測效果。

（2）在預測的基礎上構建了電能質量預警機制，發布預警信息。應用分析表明該機制在實際中運行效果良好，對其他地區配電網電能質量監測系統的建設具有重要的借鑒價值。

（3）由于電能質量暫態指標暫無相關國家標準作為制定依據，因此本文并沒有針對暫態指標制定預警等級和閾值，實際中可結合電網監測記錄和運行經驗進行制定。

[1]王林，王倩，郭漢橋（WangLin，WangQian，GuoHanqiao）．基于IEC61850的智能電能質量監測設備模型（An intelligent electronic device model for monitoring power quality based on IEC 61850）[J]．電網技術（Power System Technology），2007，31（S2）：268-271.

[2]裴林，鄭建輝，孫怡（Pei Lin，Zheng Jianhui，Sun Yi）．電能質量綜合監測管理系統的研究（Study on power quality comprehensive monitoring and management system）[J]．電力系統保護與控制（Power System Protection and Control），2008，36（23）：49-53.

[3]王玲，康健，鄒宏亮，等（Wang Ling，Kang Jian，Zou Hongliang，et al）．實時電能質量監測系統的構建及應用（Construction and application of real-time power quality monitoring system）[J]．電力系統保護與控制（Power System Protection and Control），2011，39（2）：108-111.

[4]金鑫，羅滇生，孫廣強，等（Jin Xin，Luo Diansheng，SunGuangqiang，et al）．中長期電力負荷預測模型篩選與組合方法（Sifting and combination method of medium-and long-term load forecasting model）[J]．電力系統及其自動化學報（ProceedingsoftheCSU-EPSA），2012，24（4）：150-156．

[5]康重慶，夏清，張伯明（Kang Chongqing，Xia Qing，Zhang Boming）．電力系統負荷預測研究綜述與發展方向的探討（Review of power system load forecasting and its development）[J]．電力系統自動化（Automation of Electric Power Systems），2004，28（17）：1-11.

[6]楊科，譚倫農（Yang Ke，Tan Lunnong）．電力市場環境下中長期負荷預測的應用分析（Analysis of long-term load forecasting application in power market environment）[J]．電力系統及其自動化學報（Proceedings of the CSU-EPSA），2011，23（3）：54-57．

[7]王芳，顧偉，袁曉東，等（Wang Fang，Gu Wei，Yuan Xiaodong，et al）．面向智能電網的新一代電能質量管理平臺（Power quality management platform for smart grid）[J]．電力自動化設備（ElectronicPowerAutomationEquipment），2012，32（7）：134-139.

[8]牛東曉，曹樹華，趙磊，等．電力負荷預測技術及其應用[M]．北京：中國電力出版社，2004．

[9]肖湘寧，韓民曉，徐永海．電能質量分析與控制[M]．北京：中國電力出版社，2004．

[10]電能質量國家標準應用指南[M]．北京：中國標準出版社，2009．

[11]Chang G W．Some issues on modeling and measurements when applying IEEE Standard 519—1992[C]//IEEE Power andEnergySocietyGeneral Meeting.Pittsburgh，USA，2008.

[12]邵如平，韓正偉，林錦國（Shao Ruping，Han Zhengwei，Lin Jinguo）．電能質量指標分析（Analysis of indexes of power quality）[J]．電力系統及其自動化學報（Proceedings of the CSU-EPSA），2007，19（3）：118-121．

[13]鄭偉，周喜超，安哲，等（Zheng Wei，Zhou Xichao，An Zhe，et al）.電網特殊負荷的電能質量管理（Power quality management of special loads in power grid）[J].電力建設（Electric Power Construction），2011，32（11）：81-84.

Mechanism of Power Quality Forecast and Early Warning and Their Application

DING Zejun1，LIU Ping2，OUYANG Sen2，ZENG Jiang2，HUANG Ruiyi2
（1.Southern Power Grid Research Institute，Guangzhou 510080，China；2.School of Electric Power，South China University of Technology，Guangzhou 510640，China）

The power quality forecast and early warning mechanism are proposed，and the historical data are utilized to effectively predict the future stage of electric energy quality and then provides early warning.In addi-tion，the power quality problem can be addressed by grading analysis．According to the characteristics and the status quo of power grid，the combination forecast is proposed，which is based on linear regression model，gray model and random time series model，to predict the power quality in the future．Furthur，the power quality warning level and its process is proposed，then the early warning mechanism of power quality is built up.Finally，the example and application analysis verify that the power quality forecast and early warning mechanism have the strong practicality and effectiveness．

power quality；forecast；early warning；application

TM727

A

1003-8930（2015）10-0087-06

10.3969/j.issn.1003-8930.2015.10.14

丁澤俊（1986—），女，碩士，助理研究員，研究方向為智能電網及電能質量。Email：dingzejun1986@163.com

2013-11-28；

2014-04-29

劉平（1991—），男，通信作者，碩士研究生，研究方向為電能質量分析與控制。Email：hescut@foxmail.com

歐陽森（1974—），男，博士，副研究員，研究方向為電能質量分析與控制和智能化電器。Email：ouyangs@scut.edu.cn