15I II II請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機構(gòu)不承擔識別專利的責任。1電力互感器運行狀態(tài)在線評價技術(shù)規(guī)范本文件適用于電力互感器運行狀態(tài)下誤差在線評價，對電力互感器運行狀態(tài)下進行狀態(tài)評價工作platform比值誤差ratioerror2互感器的二次電流(電壓)相量逆時針轉(zhuǎn)180°后與一次電流(電壓)相量之間的相位差。規(guī)定二通過評價單元中評價總電能量與各個分評價單元之間分電能量關(guān)系進行計算，有功準確度等級等評價平臺中電能評價基本誤差用相對誤差表示，應滿足表1和表2技術(shù)參數(shù)規(guī)定。12負載電流I基本誤差(%)11(L或C)0.5(L或C)1注1:不平衡負載是指三項電能表電壓線路加對稱的三相參比電壓，任一相電流線路通線路無電流。注2:角中是加在同一組驅(qū)動元件的相(線)電壓與電流之間的相位注3:L—感性負載，C—容性負載。3表2單相電能表和平衡負載時三相電能表的基本誤差限值類別123有功電能表負載電流Ia--0.01In≤I＜0.05In1±0.4±1.0------0.05Ib≤I＜0.1Ib0.02In≤I＜0.05In1----±1.5±2.5--0.1Ib≤I≤Imax0.05In≤I≤Imax1±0.2±0.5±1.0±2.0----0.02In≤I＜0.1In0.5L±0.5±1.0------0.8C±0.5±1.0------0.1Ib≤I≤0.2Ib0.05In≤I≤0.1In0.5L----±1.5±2.5--0.8C----±1.5----0.2Ib≤I≤Imax0.1In≤I≤Imax0.5L±0.3±0.6±1.0±2.00.8C±0.3±0.6±1.0----±0.5±1.0±3.5----0.2Ib≤I≤Imax0.1In≤I≤Imax0.5C±0.5±1.0±2.5----無功電能表0.05Ib≤I＜0.1Ib0.02In≤I＜0.05InsinφC）1------±2.5±4.00.1Ib≤I≤Imax0.05In≤I≤Imax1------±2.0±3.00.1Ib≤I≤0.2Ib0.05In≤I≤0.1In0.5------±2.5±4.00.2Ib≤I≤Imax0.1In≤I≤Imax0.5------±2.0±3.00.2Ib≤I≤Imax0.1In≤I≤Imax0.25------±2.5±4.0相同；經(jīng)電流互感器接入的電能表最大電流Imax與互感器刺激額定擴展電流（1.2In,1.5In或2In）相同。%1±1.0相位差/(')±400.5±0.5相位差/(')±400.2±0.2相位差/(')0.1±1.0相位差/(')±544.5評價裝置和評價平臺運行誤差和計算誤差評價裝置和評價平臺存在誤差波動，其中電壓互感器運行誤差和計算誤差應按照表3、表4的規(guī)定執(zhí)表4電流互感器基本誤差限值%151級比值差/%一相位差/()一比值差/%一相位差/(')一比值差/%相位差/()比值差/%一相位差/()一比值差/%相位差/()0.1級比值差/%一相位差/()一0.1S級比值差/%相位差/()4.6評價裝置和評價平臺要求4.6.1電力互感器運行狀態(tài)評價方式電力互感器運行狀態(tài)通過評價平臺或評價裝置進行評價。4.6.2狀態(tài)評價數(shù)據(jù)安全要求電力互感器運行狀態(tài)評價數(shù)據(jù)應具有軟件防篡改和版本控制功能。應具有數(shù)據(jù)防修改、防丟失功能，不得修改原始數(shù)據(jù)的功能。評價結(jié)果原始數(shù)據(jù)應至少保存6個月的功能。4.6.3評價數(shù)據(jù)質(zhì)量要求評價平臺所在評價單元內(nèi)所有評價裝置應數(shù)據(jù)完整。對于出現(xiàn)異常波動數(shù)據(jù)的電力互感器能識別并進行異常數(shù)據(jù)報警。評價平臺應具有歷史數(shù)據(jù)查詢功能，應具有數(shù)據(jù)篩選分析功能。采用評價裝置進行狀態(tài)評價，評價數(shù)據(jù)為同一變電站(所)內(nèi)，一定時間范圍內(nèi)被評價電力互感器的瞬時測量值數(shù)據(jù)序列。采用評價平臺進行狀態(tài)評價，通過評價平臺內(nèi)數(shù)據(jù)篩選功能開展評價工作，對于遠程數(shù)據(jù)采集成功率低于90%、數(shù)據(jù)少于300個運行計算誤差評價周期、線損率大于10%或為負損的評價數(shù)據(jù)，評價單元應能準確識別并剔除。評價數(shù)據(jù)應根據(jù)設備運行情況自主實時同步更新，依據(jù)設備實際運行情況自主設置評價周期。4.6.4電壓互感器數(shù)據(jù)測量點要求5%abc+++++++++-4.6.5電流互感器數(shù)據(jù)測量點要求電流百分比I1/IN%a5+++++++++-a只針對0.1S,0.2S,0.5S級。4.6.6評價數(shù)據(jù)通信要求評價裝置或評價平臺通信接口滿足評價數(shù)據(jù)交換所需安全穩(wěn)定的有線和無線網(wǎng)絡；具備數(shù)據(jù)上傳6采用評價裝置評價電力互感器運行狀態(tài)，通過評價裝置實時數(shù)據(jù)判斷。誤差計算方法線損誤差評價閾值：電網(wǎng)輸電損耗的限額≤6.5%,變電站及其線路損耗限額≤1.5%,輸電線路損耗電力互感器運行狀態(tài)評價結(jié)果見表7。電力互感器狀態(tài)異常評價平臺電能狀態(tài)異常線評價平臺注：評價周期根據(jù)實際情況調(diào)整，一般為15天。采用評價裝置運行誤差按照5.3.3規(guī)定的判定閾值，判定電力互感器運行狀態(tài)。7采用評價平臺計算誤差按照5.3.4規(guī)定的判定閾值，判定電力互感器運行狀態(tài)。6.2.3評價周期6.2.4評價狀態(tài)處置8(資料性)評價裝置計算方法A.1計算方法框架:圖A.1計算方法框架被評價電壓互感器共A臺，依次編號為：1、2、3……A。在評價過程中，電壓互感器運行狀態(tài)以各臺被校電壓互感器在一定時間范圍內(nèi)的瞬時測量值數(shù)據(jù)序列為基礎，圍繞運行比值誤差、運行相位誤差構(gòu)建多約束、單目標尋優(yōu)計算模型，求解獲取各臺被校電壓互感器的運行比值誤差、運行相位誤差。對于各臺被校電壓互感器的瞬時測量值數(shù)據(jù)序列，分別開展預處理以獲取與尋優(yōu)計算模型相適配的數(shù)據(jù)序列。以每一分鐘為單位進行時間切片，依次抽取各臺互感器在各個時間切片中的瞬時測量值數(shù)據(jù)，并借助離散傅里葉變換來獲取基波有效值的測量結(jié)果、基波相位的測量結(jié)果；以互感器α和時間切片ts為例，基波有效值的測量結(jié)果、基波相位的測量結(jié)果分別為u(a.t)9(a.te)°A.2數(shù)據(jù)預處理對于各臺被校電壓互感器的瞬時測量值數(shù)據(jù)序列，分別開展預處理以獲取與尋優(yōu)計算模型相適配的數(shù)據(jù)序列。以每一分鐘為單位進行時間切片，依次抽取各臺互感器在各個時間切片中的瞬時測量值數(shù)據(jù)，并借助離散傅里葉變換來獲取基波有效值的測量結(jié)果、基波相位的測量結(jié)果；以互感器α和時間切片ts為例，基波有效值的測量結(jié)果、基波相位的測量結(jié)果分別為u(atg)`9(ate)°A.3設置初始解對于全部A臺被校電壓互感器，將其運行比值誤差、運行相位誤差均初始化為零，數(shù)學表達見式A.1。(r,1)——被校電壓互感器1的運行比值誤差；E(p,1)——被校電壓互感器1的運行相位誤差；E(r,a)——被校電壓互感器α的運行比值誤差；(p,a)——被校電壓互感器α的運行相位誤差，';9?∠??∠? (1,)(1,)(2,)(2,)?∠??∠? (1,)(1,)(2,)(2,),)——被校電壓互感器在時間切片上基波相位的測量結(jié)果，′;∑,)——運行比值誤差、運行相位誤差均處于允許誤差限值——運行相位誤差限值，′;以上為推薦約束，實際應用中可根據(jù)被校電壓互感器所屬的實際拓撲及其潛在電氣規(guī)律進行合理(資料性)2#電流互感器依據(jù)公式B.1、公式B.2、公式B.3構(gòu)建m(t)=Amp?(t)*eii()……………Im(t)——t時刻線路編號i的電流測量數(shù)據(jù)；eiθ;(t)——t時刻線路編號i的電流時序測量相位數(shù)據(jù)。……()——第i條線路電流時序矢量數(shù)據(jù)；()——第j條線路電流時序矢量數(shù)據(jù)。[∑=1|(∑1?(t)?)|]..(資料性)電力互感器運行狀態(tài)評價平臺評價數(shù)據(jù)計算方法采用回歸樹(CART)的方式，使通過選擇適當?shù)姆指铧c來執(zhí)行特征選擇，這些信息可以用來衡量每個特征的重要性；具體過程為輸出最終的擬合預測模型m,數(shù)據(jù)集D,s代表模型m在數(shù)據(jù)集D的性能評分，j表示數(shù)據(jù)集D的每個特征，K次重復實驗中每次迭代k,隨機重排序特征j,構(gòu)建一個單一特征錯亂分的數(shù)據(jù)集Vk,j,計算模型m在數(shù)據(jù)集Vk.j上的性能評分Sk,;,就得出了當前特征j的重要性分數(shù)i,,文中：m——基于溫度、濕度、磁場、電場、二次負荷、頻率特征的重要性排序預測模型；D——包含6個特征并且可設置隨機種子的數(shù)據(jù)集；j——代表溫度、濕度、磁場、電場、二次負荷、頻率特征，共6個；Dkj迭代次數(shù)為k,具有6個特征量中單一特征量的數(shù)據(jù)集。算法公式如下：………i;——基于單一特征量j的重要性分數(shù)；s——重要性排序預測模型在數(shù)據(jù)集中的性能評分；k——重復試驗中每次的迭代次數(shù)；K——代表重復試驗次數(shù)；Sk,j——重要性排序預測模型在迭代次數(shù)為k、單一特征量的數(shù)據(jù)集中的性能評分。將模型對數(shù)據(jù)集預測的決定系數(shù)(R方)做為回歸模型用于評估預測值和實際值的復合程度，f是預測值，y是實際平均值，R2越接近1,表示回歸分析中自變量對因變量的解釋越好，其表達式如下：…R2——表示重要性分數(shù)的預測值與實際值的復合程度；yi——單一特征量模型重要性分數(shù)的預測值；fi——單一特征量模型重要性分數(shù)的實際值；y——表示實際平均值。根據(jù)模型對數(shù)據(jù)集的預測結(jié)果，當前互感器數(shù)據(jù)集在線性回歸、隨機森林、梯度提升回歸、回歸樹、集成學習(Bagging)模型的R2分別如表C.1所示：DB15/T3739—2024表C.1預測結(jié)果線性回歸(LinearR)隨機森林回歸(RF)梯度提升(GBDT)回歸樹(CART)根據(jù)以上幾類模型的對比結(jié)果發(fā)現(xiàn)，隨機森林回歸(RF)、梯度提升(GB)、回歸樹(CART)模型擁有較好的效果，并在此基礎上采用集成學習(Bagging)的方式(如圖C.1所示),通過投票回