电能质量预测与预警机制及其应用

丁泽俊，刘平，欧阳森，曾江，黄瑞艺

（1.南方电网科学研究院，广州510080；2.华南理工大学电力学院，广州510640）

电能质量预测与预警机制及其应用

丁泽俊1，刘平2，欧阳森2，曾江2，黄瑞艺2

（1.南方电网科学研究院，广州510080；2.华南理工大学电力学院，广州510640）

提出了电能质量预测与预警机制，基于历史数据对未来阶段的电能质量状况进行预测与预警，使电能质量问题得到等级化分析。结合配电网的特点和现状，提出了适合于配网的基于线性回归模型、随机时间序列模型和灰色模型的优选组合预测模型，预测电能质量的未来状况。在此基础上，提出了电能质量的预警等级及其过程、构建预警机制、发布电能质量预警信息。最后，实例与应用分析验证了设计的电能质量预测与预警机制的实用性和有效性。

电能质量；预测；预警；应用

随着工业规模的扩大和科学技术的发展，日益突出的电能质量问题引起了电力部门和电力用户的高度重视，越来越多的变电站开始对电能质量进行监测[1]。深入挖掘电能质量监测数据，对电能质量的变化趋势做出科学预测与预警，成为保证电网安全、经济运行必不可少的措施之一[2-3]。

电能质量监测数据具有一定的规律性，其变化趋势随负荷的变化而变化，而负荷预测技术已相当成熟，这就为电能质量的预测提供了可行性。预警技术已在天气预报、自然灾害等领域得到广泛应用。目前国内还没有关于电能质量预测与预警的研究报告。鉴于当前各地电网都逐步建立了包括数以百计监测终端的电能质量监测网络，获取了丰富的电能质量数据，南方电网更是建立了数以千计的电能质量监测网络，获取了整个电网多年的监测数据，具备进行电能质量预测与预警的研究基础。

本文提出了电能质量预测与预警机制。电能质量预测的基本思想是深入、全面分析电能质量监测数据，探索数据之间的内在联系和发展变化规律[4-6]，对电能质量变化发展做出预先估计和推测。电能质量预警是依据电能质量国家标准，建立预警阈值，根据电能质量监测数据及预测数据，对可能导致污染甚至引发电网事故的相关线路进行预警报告，便于供电部门提前制定治理措施，确保电网安全稳定运行。

1 电能质量预测与预警整体结构

电能质量预测与预警的整体结构如图1所示。电能质量监测数据包括电压偏差、频率偏差、电压暂降、谐波畸变率等诸多指标。预测模块是应用数学模型，对未来电能质量的诸多指标进行预测；预警模块是根据各指标预警等级，比较原始数据（包括电能质量监测数据和预测数据）与预警阈值，发布各指标预警信息。预测模块与预警模块配合，能更准确地跟踪配网运行状况[7]，更好地保证用户供电，有利于电网规划和电能质量决策的制定。

图1 电能质量预测与预警整体结构Fig.1Overall structure of power quality forecast and warning

2 电能质量预测机制

电能质量预测模块的核心功能就是通过深入分析配网电能质量监测数据，科学地估计和推测电能质量指标的变化趋势。对特定区域进行定期电能质量预测，有利于掌握配网电能质量水平走向，及时发现潜在的电能质量问题[7]。预测模块架构详见图1所示，包括数据处理、模型处理、结果输出3个子模块。预测精度取决于模型选取的合理性，因此模型处理子模块是预测模块的核心组成部分。由于线性回归模型、随机时间序列模型和灰色模型都是单一预测模型，很难准确预测受多因素影响的电能质量问题。为提高预测精度，应用模型处理子模块，形成优选组合预测模型，预测电能质量的未来状况。

2.1 基于线性回归模型的预测算法

电能质量线性回归模型的预测算法就是根据电能质量的历史数据，应用回归分析方法，对未来的电能质量进行预测。运用线性回归模型有以下优势：模型参数估计算法成熟，计算原理与结构形式简单，预测速度快，对历史上没有出现的电能质量状况有较好的预测。

根据电能质量监测装置测得n对数据（xi，yi），xi为电能质量指标的监测时间，yi为监测值，设立模型为

用最小二乘法估计参数a和b，即可在给定时间点x0，求出相应电能质量预测值y0。

2.2 基于随机时间序列模型的预测算法

运用随机时间序列模型预测电能质量充分考虑了电能质量数据在时间上关联性，所需监测数据量少、工作量小、计算快，而且反映了电能质量近期变化的连续性。

通常情况下，电能质量序列{yt}为非平稳序列，需要经过d阶差分，即

变为平稳序列。针对监测数据的自相关函数和偏相关函数特征，进行模型识别。若不能识别为自回归模型AR（auto-regressive model）、滑动平均模型MA（moving average model）、ARMA混合模型（auto-regressive and moving average model）中的某一类，加大阶数。此3种模型的参数计算方法在参考文献[8]中有详细介绍。

2.3 基于灰色模型的预测算法

灰色模型预测算法在建模时无需计算统计量特征，当电能质量历史数据非线性变化时，仍然适用。灰色算法要求的电能质量数据量少，不必考虑其分布规律和变化趋势，预测精度高，因此可以应用灰色模型GM（1，1）对未来电能质量预测。下面简要介绍其预测流程。运用灰色模型预测电能质量首先要用一次累加法1-AGO（accumulated generatingoperation）处理电能质量监测数据x(0)=（x(0)（1），x(0)（2），…，x(0)（n））生成{x(1)}。根据序列{x(1)}，建立微分序列模型为

利用最小二乘法，求解辨识参数a和μ，代入微分方程，得

对式（4）累减还原，得预测模型为

2.4 优选组合预测模型

以上任何一种预测模型不能在任何时刻充分反映电能质量数据的变化，也就是说很难准确描述电能质量的实际复杂变化规律。优选组合预测模型集结了多种单一预测模型所包含的信息，建立在最大信息利用的基础上，进行最优组合。因此，以优选组合模型为核心的预测算法可以极大改善电能质量的预测结果。

目前，优选组合预测算法可分为等权平均组合预测法和方差——协方差优选组合预测法。等权平均组合预测法是最简单的一种，针对不同预测模型的预测值赋予相同的权重，进行平均组合。由于电能质量监测数据变化规律复杂，不同的预测算法的预测精度有所不同，对较为精确的预测值应赋予较大的权重，因此本文选择方差——协方差优选组合预测法来确定不同预测值的权重。

基于线性回归模型、随机时间序列模型、灰色模型的方差——协方差优选组合预测模型的计算流程如下：

（1）f1、f2、f3分别是线性回归模型、随机时间序列模型和灰色模型关于某项电能质量指标f的预测值，fc是优选组合预测值，预测误差分别是e1、e2、e3和ec；

（2）ω1、ω2和ω3分别是线性回归模型、随机时间序列模型和灰色模型的权系数，则有

（3）优选组合预测值fc的方差为

记：

（4）在约束条件为∑ωi=1情况下，对Var（ec）引入拉格朗日乘子求极小值，得

（5）根据求得权系数，可得该电能质量指标的优选组合预测值fc。

若e1、e2、e3服从零均值正态分布，σii（i=1，2，3）估计式为

（6）式（13）中，n为电能质量监测数据数目。由此可给出ωi（i=1，2，3）的估计式为

对于3种单一模型的组合预测，可验证有

表明优选组合预测模型要优于各种单一预测模型。

3 电能质量预警机制

电能质量预警机制的核心功能是对电能质量指标超标的线路及时给出预警，发现配网潜在的电能质量问题，做到电能质量问题的早发现、早解决。预警模块的架构详见图1，其输入原始数据是监测数据或者预测数据，因而形成两种不同的预警机制：基于监测数据的告警机制和基于预测数据的预警机制。依据制定的预警等级和阈值，对比原始数据，发布预警信息。

电能质量指标可分为稳态指标和暂态指标，稳态指标包括电压偏差、总谐波畸变率、三相不平衡度等，暂态指标包括电压暂降、暂升和短时中断等。由于暂态指标无相关国家标准作为参考来设定阈值，因此本文仅针对稳态指标制定预警等级和阈值。鉴于篇幅所限，本文以谐波和电压偏差两个指标为例，说明电能质量预警机制。

3.1 电能质量的预警等级划分及其意义

预警信息发布的合理性取决于预警等级划分的科学性，因此制定预警等级在预警模块中起着重要的作用。结合南方电网的实际情况，电能质量预警等级从轻微到严重可划分4个等级：1级绿色警告、2级黄色警告、3级红色警告、4级特级警告。根据电能质量国际和国家标准体系的规定[9-11]，本文制定了如表1所示的电压偏差和总谐波畸变率两项指标的预警等级与阈值。

预警等级解析：

1级绿色警告认为各项指标的状态良好，没有出现值得令人担扰的电能质量问题。

表1 电能质量预警等级Tab.1Power quality warning level

2级黄色警告认为各项指标的状态一般，电能质量仅需关注其中一些比较注重的指标。

3级红色警告认为各项指标的状态较差，电能质量需要进行密切监测，以防其进一步恶化，造成不良影响。

4级特级警告认为各项指标的状态差，电能质量已经出现超标，在不影响系统或设备运行的情况下，应该对超标的线路采取措施进行治理。

制定电能质量预警等级具有重要的现实意义。配网运行出现故障时，电能质量监测装置采集到的数据会涌入电网调度中心，调度人员会因海量数据而难以决策，错失处理事故良机。因此，区分电能质量的严重程度，将电能质量做等级化处理，使电网运行监控人员对电能质量的程度、等级一目了然。根据不同的等级，有条不紊地采取不同的治理方案，高效、准时地处理电能质量问题，最大程度上保证配电网的安全稳定运行。

3.2 电能质量的预警过程

3.2.1 基于监测数据的告警机制

该预警机制主要针对配网运行时电能质量监测数据的挖掘。对比监测数据与预警阈值，依据预警等级，将电能质量告警信息及时、准确地传递给电网运行监控人员，使监控人员快速掌握电能质量的历史状态，及时有效地采取治理措施，防止电能质量问题严重性进一步加深，将损失降至最低。

3.2.2 基于预测数据的预警机制

该预警机制的预警过程与前者基本相似，不同的是原始数据来源。与监测数据相比，预测数据具有超前性。构建基于预测数据的预警机制，可以在电能质量指标异常或超标前，发布预警信息，使监控人员对未来电能质量状况有了深刻认识，提前有针对性地制定电能质量的预防性措施。

4 实例与应用分析

4.1 实例

本文采用某供电局变电站电能质量监测装置提供的2009年1月—9月份的电压偏差与谐波畸变率数据（如表2和表3所示）进行实例分析。利用线性回归模型、随机时间序列模型、灰色模型和优选组合模型对该变电站监测点2009年10月的电压偏差和谐波畸变率进行预测，并与真实值相比较，结果如表4和表5所示。

表2 该变电站监测点电压偏差统计情况Tab.2Voltage deviations of this substation monitoring

表3 该变电站监测点谐波畸变率统计情况Tab.3Harmonic distortion rates of substation monitoring

表4 电压偏差预测值与真实值比较情况Tab.4Comparison between the predicted value and the real value of voltage deviation （%）

表5 谐波畸变率预测值与真实值比较情况Tab.5Comparison between the predicted value and the real value of harmonic distortion rate （%）

由表4可见，不同的预测模型的电压偏差预测值与真实值相比，相对误差有所不同。对于监测点1，灰色模型的预测值与真实值极为接近，而监测点2的随机时间序列模型预测值与真实值较为接近，同样的情况也存在于表5中。所以针对某个监测点，选择某种预测模型所得预测值可能比优选组合预测值更接近于真实值，但优选组合预测模型集结了多种单一模型所包含的信息，进行了优化组合。因此，从表4和表5可以看出，就整体而言，应用优选组合预测模型所得的预测值与真实值相比，相对误差更小，预测精度更高。

根据电压偏差和谐波畸变率的监测值和预测值，结合表1，进行预警分析，结果如表6所示。

表6 该变电站监测点2009年1—10月电压偏差与谐波畸变率预警等级Tab.6Warning levels of voltage deviation and harmonic distortion rate from January to October in 2009

4.2 应用

目前，基于电能质量预测与预警的高级功能模块已经在南方电网电能质量监测平台中投入运行，运行效果良好，改善了南方电网的电能质量问题。鉴于篇幅所限，只给出本平台实际应用中的部分截图（图2～图5）。其中，图3～图5分别是从南方电网电能质量监测平台中获得的某供电局的谐波畸变率的短期预测、中期预测、长期预测界面图，图中实线表示其历史值，虚线表示其预测值。

图2 南方电网电能质量监测主界面Fig.2Main interface of southern power grid power quality monitoring platform

图3 谐波畸变率短期预测界面Fig.3Short-term prediction of harmonic distortion

图4 谐波畸变率中期预测界面Fig.4Medium-term prediction of harmonic distortion

图5 谐波畸变率长期预测界面Fig.5Long-term prediction of harmonic distortion

5 结论

（1）根据配网现状和电能质量监测数据特点，提出了基于优选组合预测模型的预测机制，预测未来的电能质量指标。实例分析表明该机制具有较好的预测效果。

（2）在预测的基础上构建了电能质量预警机制，发布预警信息。应用分析表明该机制在实际中运行效果良好，对其他地区配电网电能质量监测系统的建设具有重要的借鉴价值。

（3）由于电能质量暂态指标暂无相关国家标准作为制定依据，因此本文并没有针对暂态指标制定预警等级和阈值，实际中可结合电网监测记录和运行经验进行制定。

[1]王林，王倩，郭汉桥（WangLin，WangQian，GuoHanqiao）．基于IEC61850的智能电能质量监测设备模型（An intelligent electronic device model for monitoring power quality based on IEC 61850）[J]．电网技术（Power System Technology），2007，31（S2）：268-271.

[2]裴林，郑建辉，孙怡（Pei Lin，Zheng Jianhui，Sun Yi）．电能质量综合监测管理系统的研究（Study on power quality comprehensive monitoring and management system）[J]．电力系统保护与控制（Power System Protection and Control），2008，36（23）：49-53.

[3]王玲，康健，邹宏亮，等（Wang Ling，Kang Jian，Zou Hongliang，et al）．实时电能质量监测系统的构建及应用（Construction and application of real-time power quality monitoring system）[J]．电力系统保护与控制（Power System Protection and Control），2011，39（2）：108-111.

[4]金鑫，罗滇生，孙广强，等（Jin Xin，Luo Diansheng，SunGuangqiang，et al）．中长期电力负荷预测模型筛选与组合方法（Sifting and combination method of medium-and long-term load forecasting model）[J]．电力系统及其自动化学报（ProceedingsoftheCSU-EPSA），2012，24（4）：150-156．

[5]康重庆，夏清，张伯明（Kang Chongqing，Xia Qing，Zhang Boming）．电力系统负荷预测研究综述与发展方向的探讨（Review of power system load forecasting and its development）[J]．电力系统自动化（Automation of Electric Power Systems），2004，28（17）：1-11.

[6]杨科，谭伦农（Yang Ke，Tan Lunnong）．电力市场环境下中长期负荷预测的应用分析（Analysis of long-term load forecasting application in power market environment）[J]．电力系统及其自动化学报（Proceedings of the CSU-EPSA），2011，23（3）：54-57．

[7]王芳，顾伟，袁晓东，等（Wang Fang，Gu Wei，Yuan Xiaodong，et al）．面向智能电网的新一代电能质量管理平台（Power quality management platform for smart grid）[J]．电力自动化设备（ElectronicPowerAutomationEquipment），2012，32（7）：134-139.

[8]牛东晓，曹树华，赵磊，等．电力负荷预测技术及其应用[M]．北京：中国电力出版社，2004．

[9]肖湘宁，韩民晓，徐永海．电能质量分析与控制[M]．北京：中国电力出版社，2004．

[10]电能质量国家标准应用指南[M]．北京：中国标准出版社，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，韩正伟，林锦国（Shao Ruping，Han Zhengwei，Lin Jinguo）．电能质量指标分析（Analysis of indexes of power quality）[J]．电力系统及其自动化学报（Proceedings of the CSU-EPSA），2007，19（3）：118-121．

[13]郑伟，周喜超，安哲，等（Zheng Wei，Zhou Xichao，An Zhe，et al）.电网特殊负荷的电能质量管理（Power quality management of special loads in power grid）[J].电力建设（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

丁泽俊（1986—），女，硕士，助理研究员，研究方向为智能电网及电能质量。Email：dingzejun1986@163.com

2013-11-28；

2014-04-29

刘平（1991—），男，通信作者，硕士研究生，研究方向为电能质量分析与控制。Email：hescut@foxmail.com

欧阳森（1974—），男，博士，副研究员，研究方向为电能质量分析与控制和智能化电器。Email：ouyangs@scut.edu.cn