申请/专利权人：北京中大科慧科技发展有限公司

申请日：2019-07-05

公开（公告）日：2020-11-27

公开（公告）号：CN110417111B

主分类号：H02J9/06(20060101)

分类号：H02J9/06(20060101)

优先权：

专利状态码：有效-授权

法律状态：2020.11.27#授权;2019.11.29#实质审查的生效;2019.11.05#公开

摘要：本发明提供了一种电能质量检测方法，该电能质量检测方法包括步骤1，获取不间断电源对应电源属性信息，并根据该电源属性信息确定该不间断电源与不同负载之间的供电状态信息；步骤2，根据该供电状态信息，确定该不间断电源对应的市电供电状态信息和或蓄电池供电状态信息；步骤3，根据该市电供电状态信息和或该蓄电池供电状态信息，确定该不间断电源的逆变切换状态信息；步骤4，根据该逆变切换状态信息，确定该不间断电源对应的电能质量状态信息。

主权项：1.一种电能质量检测方法，其特征在于，所述电能质量检测方法包括如下步骤：步骤1，获取不间断电源对应电源属性信息，并根据所述电源属性信息确定所述不间断电源与不同负载之间的供电状态信息；步骤2，根据所述供电状态信息，确定所述不间断电源对应的市电供电状态信息和或蓄电池供电状态信息；步骤3，根据所述市电供电状态信息和或所述蓄电池供电状态信息，确定所述不间断电源的逆变切换状态信息；步骤4，根据所述逆变切换状态信息，确定所述不间断电源对应的电能质量状态信息；在所述步骤3中，根据所述市电供电状态信息和或所述蓄电池供电状态信息，确定所述不间断电源的逆变切换状态信息具体包括，步骤301，从所述市电供电状态信息和或所述蓄电池供电状态信息中，获取所述不间断电源以市电作为电力源和或以蓄电池作为电力源下，各自对应的电力源输出电压状态信息和不间断电源输出电压状态信息；步骤302，根据所述电力源输出电压状态信息和所述不间断电源输出电压状态信息，模拟得到所述不间断电源的逆变切换模型；步骤303，根据所述逆变切换模型，计算得到所述不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应的逆变切换状态信息；在所述步骤302中，根据所述电力源输出电压状态信息和所述不间断电源输出电压状态信息，模拟得到所述不间断电源的逆变切换模型具体包括，步骤3021，计算若干所述电力源输出电源状态信息和若干所述不间断电源输出电压状态信息之间若干逆变转换参数和若干输出电压关联系数；步骤3022，将所述若干逆变转换参数和所述若干输出电压关联系数，作为关于所述不间断电源运行状态神经网络对应的输入数据，以此获得对所述运行状态神经网络进行优化训练处理；步骤3023，根据所述运行状态神经网络优化训练处理的结果，模拟获得所述不间断电源的逆变切换模型。

全文数据：一种电能质量检测方法技术领域本发明涉及不间断电源系统的技术领域，特别涉及一种电能质量检测方法。背景技术数据中心是通过计算机硬件和软件作为系统载体，以进行相关数据信息的处理和存储中心。数据中心具备强大的数据处理和数据存储功能，其广泛应用于银行客户数据信息处理、金融行业数据信息处理或者互联网企业用户数据信息处理等多个不同大数据分析场合或者个人隐私数据处理场合中。为了保证动力系统供电的可靠性，现有数据中心都普遍采用不间断电源作为相应的动力系统，该不间断电源能够保证数据中心始终接收到来自外部交流电源或者蓄电池提供的电力能源。目前，不间断电源是利用高频开关技术，以高频开关元件替代传统工频变压器中的整流器和逆变器，这使得不间断电源相对于其他类型的不间断电源具有体积小和效率高的优点。由于不间断电源内部并没有隔离变压器，这导致其输出零线中存在一定的高频电流，而这些高频电流主要来自市电电网的谐波信号干扰、整流器和高频逆变器的脉动电流谐波信号干扰以及各种负载的谐波信号干扰等，这些谐波信号不仅信号强高，而且难以彻底消除。由于数据中心需要不间断电源提供电力才能持续工作运行，因此不间断电源供电的电能质量直接影响数据中心的工作运行正常与否，但是在实际应用中，不间断电源都会存在谐波污染、三相不平衡和输出功率无法正常补偿等不同类型的电能质量问题，为了保证不间断电源的高质量供电，现有技术急需一种能够对不间断电源的供电电能质量进行检测的方法，从而提高不间断电源的供电质量。发明内容针对现有技术存在的缺陷，本发明提供一种电能质量检测方法，该电能质量检测方法包括步骤1，获取不间断电源对应电源属性信息，并根据该电源属性信息确定该不间断电源与不同负载之间的供电状态信息；步骤2，根据该供电状态信息，确定该不间断电源对应的市电供电状态信息和或蓄电池供电状态信息；步骤3，根据该市电供电状态信息和或该蓄电池供电状态信息，确定该不间断电源的逆变切换状态信息；步骤4，根据该逆变切换状态信息，确定该不间断电源对应的电能质量状态信息。可见，本发明的电能质量检测方法通过实时获取不间断电源的电源属性信息，并根据该电源属性信息计算分析出该不间断电源在市电供电或者蓄电池供电状态下相应的电压逆变状态，，由于该电压逆变状态是不间断电源进行供电的必要电压转换过程，这样利用该电压逆变状态能够准确地确定该不间断电源当前供电过程中存在的谐波污染、三相平衡和输出功率补偿等方面的问题，从而为后续不间断电源供电电能质量的调整提供必要的依据。本发明提供一种电能质量检测方法，其特征在于，所述电能质量检测方法包括如下步骤：步骤1，获取不间断电源对应电源属性信息，并根据所述电源属性信息确定所述不间断电源与不同负载之间的供电状态信息；步骤2，根据所述供电状态信息，确定所述不间断电源对应的市电供电状态信息和或蓄电池供电状态信息；步骤3，根据所述市电供电状态信息和或所述蓄电池供电状态信息，确定所述不间断电源的逆变切换状态信息；步骤4，根据所述逆变切换状态信息，确定所述不间断电源对应的电能质量状态信息；进一步，在所述步骤1中，获取不间断电源对应电源属性信息，并根据所述电源属性信息确定所述不间断电源与不同负载之间的供电状态信息具体包括，步骤101，确定所述不间断电源的电路拓扑结构信息，以此计算获得关于所述不间断电源的第一电源属性信息；步骤102，确定所述不间断电源的输出电压状态信息，以此计算获得关于所述不间断电源的第二电源属性信息；步骤103，根据所述第一电源属性信息和所述第二电源属性信息，计算出所述不间断电源与所述不同负载之间的供电匹配参数，以此作为所述供电状态信息；进一步，在所述步骤101中，确定所述不间断电源的电路拓扑结构信息，以此计算获得关于所述不间断电源的第一电源属性信息具体包括，步骤1011，获取所述不间断电源与所述不同负载之间的电压变换连接模式，并根据所述电压变换连接模式确定所述不间断电源的电压变换精度，以此作为所述第一电源属性信息；步骤1012，若所述不间断电源与所述不同负载之间的电压变换连接模式为备用模式或者线路交互模式，则获取所述不间断电源与所述不同负载之间的实际电压单级变换梯度参数，再对所述实际电压单级变换梯度参数与理论电压变换梯度参数进行拟合对比运算，以此得到所述电压变换精度；步骤1013，若所述不间断电源与所述不同负载之间的电压变换连接模式为双变换模式，则获取所述不间断电源与所述不间断电源与所述不同负载之间的实际电压双极变换梯度参数，再对所述实际电压单级变换梯度参数与所述理论电压变换梯度参数进行拟合对比运算，以此得到所述电压变换精度；或者，在所述步骤102中，确定所述不间断电源的输出电压状态信息，以此计算获得关于所述不间断电源的第二电源属性信息具体包括，步骤1021，获取所述不间断电源与所述不同负载之间的电压输出模式，并根据所述电压输出模式确定所述不间断电源的电压输出稳定度，以此作为所述第二电源属性信息；步骤1022，若所述不间断电源与所述不同负载在预设时长范围内相互之间的电压输出模式为市电电压输出模式或者蓄电池电压输出模式，则获取所述不间断电源在所述预设时长范围内的输出电压波谷-波峰分布信息，再根据所述输出电压波谷-波峰分布信息和理想输出电压波谷-波峰分布参数，计算得到所述电压输出稳定度；步骤1023，若所述不间断电源与所述不同负载在所述预设时长范围内相互之间的电压输出模式为市电-蓄电池交替电压输出模式，则获取所述不间断电源在所述预设时长范围内对应的市电输出电压波谷-波峰分布信息、蓄电池输出电压波谷-波峰分布信息和市电-蓄电池交替供电切换频率参数，再根据所述市电输出电压波谷-波峰分布信息、所述蓄电池输出电压波谷-波峰分布信息和所述市电-蓄电池交替供电切换频率参数，计算得到所述电压输出稳定度；进一步，在所述步骤103中，根据所述第一电源属性信息和所述第二电源属性信息，计算出所述不间断电源与所述不同负载之间的供电匹配参数具体包括，步骤1031，将所述第一电源属性信息和所述第二电源属性信息分别进行关于预设工作供电持续时间的有效性判断处理，以此确定所述第一电源属性信息和所述第二电源属性信息各自对应的供电有效性；步骤1032，计算被确定具有供电有效性的所述第一电源属性信息和第二电源属性信息分别与所述不同负载之间的第一供电关联系数和第二供电关联系数；步骤1033，对所述第一供电关联系数和所述第二供电关联系数进行拟合运算处理，以此计算得到所述供电匹配参数；进一步，在所述步骤2中，根据所述供电状态信息，确定所述不间断电源对应的市电供电状态信息和或蓄电池供电状态信息具体包括，步骤201，从所述供电状态信息中，获取所述不间断电源在预设供电运行周期内对应的电力源状态信息和电力源切换频率信息；步骤202，根据所述电力源状态信息和所述电力源切换频率信息，将所述预设供电运行周期划分为一个或者多个市电供电阶段和蓄电池供电阶段；步骤203，根据所述市电供电阶段和所述蓄电池供电阶段在所述预设供电运行周期内的分布状态，计算得到所述不间断电源在市电供电情况下和或在蓄电池供电情况下各自对应的供电电压、供电电流、供电功率和供电频率中的至少一者，作为所述市电供电状态信息和或所述蓄电池供电状态信息；进一步，在所述步骤202中，根据所述电力源状态信息和所述电力源切换频率信息，将所述预设供电运行周期划分为一个或者多个市电供电阶段和蓄电池供电阶段具体包括，步骤2021，根据所述电力源状态信息和所述电力源切换频率信息，计算所述不间断电源以市电作为电力源和以蓄电池作为电力源各自对应的第一有效供电电压和第二有效供电电压；步骤2022，判断所述第一有效供电电压和所述第二有效供电电压与预设供电电压阈值之间的关系，若所述第一有效供电电压超过所述预设供电电压阈值或者所述第二有效供电电压超过所述预设供电电压阈值，则获取所述第一有效供电电压对应的第一供电持续时间或者所述第二有效供电电压对应的第二供电持续时间；步骤2023，获取所述第一供电持续时间和所述第二供电持续时间在所述预设供电运行周期对应的分布规律信息，以此确定所述预设供电运行周期对应包含的所述市电供电阶段和所述蓄电池供电阶段；进一步，在所述步骤3中，根据所述市电供电状态信息和或所述蓄电池供电状态信息，确定所述不间断电源的逆变切换状态信息具体包括，步骤301，从所述市电供电状态信息和或所述蓄电池供电状态信息中，获取所述不间断电源以市电作为电力源和或以蓄电池作为电力源下，各自对应的电力源输出电压状态信息和不间断电源输出电压状态信息；步骤302，根据所述电力源输出电压状态信息和所述不间断电源输出电压状态信息，模拟得到所述不间断电源的逆变切换模型；步骤303，根据所述逆变切换模型，计算得到所述不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应的逆变切换状态信息；进一步，在所述步骤302中，根据所述电力源输出电压状态信息和所述不间断电源输出电压状态信息，模拟得到所述不间断电源的逆变切换模型具体包括，步骤3021，计算若干所述电力源输出电源状态信息和若干所述不间断电源输出电压状态信息之间若干逆变转换参数和若干输出电压关联系数；步骤3022，将所述若干逆变转换参数和所述若干输出电压关联系数，作为关于所述不间断电源运行状态神经网络对应的输入数据，以此获得对所述运行状态神经网络进行优化训练处理；步骤3023，根据所述运行状态神经网络优化训练处理的结果，模拟获得所述不间断电源的逆变切换模型；进一步，在所述步骤4中，根据所述逆变切换状态信息，确定所述不间断电源对应的电能质量状态信息具体包括，步骤401，从所述逆变切换状态信息中，获取所述不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应的逆变输出电压值、逆变输出功率值、逆变输出电压相位变化值和逆变伴随谐波值中的至少一者；步骤402，将所述逆变输出电压值、所述逆变输出功率值、所述逆变输出电压相位变化值和所述逆变伴随谐波值中的至少一者作为关于所述不间断电源运行状态神经网络对应的输入数据，以此获得对所述运行状态神经网络进行优化训练处理；步骤403，根据所述运行状态神经网络优化训练处理的结果，计算得到所述电能质量状态信息；或者，在所述步骤4中，根据所述逆变切换状态信息，确定所述不间断电源对应的电能质量状态信息包括，步骤401B，按照相同的时间间隔，测量所述不间断电源最近P次供电电压，并将所述最近P次供电电压的测量值形成集合S，即S＝{S1、S2、S3……Sp}，其中Si为第i次测量的供电电压测量值，i＝1、2、3、...、P，将所述集合S代入下面公式1形成相应的监测函数在上述公式1中LS为所述监测函数，Si为所述集合S的第i个值，i＝1、2、3、...、P，∏为圆周率，为待求解的监测系数；步骤402B，利用下面公式2，求解得出所述监测系数在上述公式2中，Si为所述集合S的第i个值，i＝1、2、3、...、P，∏为圆周率；步骤403B，将上述步骤402B求解得到的监测系数代入下面公式3中，得到预测函数fX在上述公式3中，所述预测函数fX表示在当前时刻后推移X个所述时间间隔的所述不间断电源的电压预测值，且X为任意正整数，∏为圆周率；步骤404B，利用下面公式4计算出所述不间断电源对应电能质量状态处于最劣状态对应的时刻x1在上述公式4中，x1为所述不间断电源对应电能质量状态处于最劣状态对应的时刻，∏为圆周率；进一步，在所述步骤403中，根据所述运行状态神经网络优化训练处理的结果，计算得到所述电能质量状态信息具体包括，根据所述运行状态神经网络优化训练处理的结果，计算所述不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应谐波污染状态信息、三相平衡状态信息和输出功率补偿状态信息中的至少一者作为所述电能质量状态信息。相比于现有技术，该电能质量检测方法包括步骤1，获取不间断电源对应电源属性信息，并根据该电源属性信息确定该不间断电源与不同负载之间的供电状态信息；步骤2，根据该供电状态信息，确定该不间断电源对应的市电供电状态信息和或蓄电池供电状态信息；步骤3，根据该市电供电状态信息和或该蓄电池供电状态信息，确定该不间断电源的逆变切换状态信息；步骤4，根据该逆变切换状态信息，确定该不间断电源对应的电能质量状态信息。可见，本发明的电能质量检测方法通过实时获取不间断电源的电源属性信息，并根据该电源属性信息计算分析出该不间断电源在市电供电或者蓄电池供电状态下相应的电压逆变状态，，由于该电压逆变状态是不间断电源进行供电的必要电压转换过程，这样利用该电压逆变状态能够准确地确定该不间断电源当前供电过程中存在的谐波污染、三相平衡和输出功率补偿等方面的问题，从而为后续不间断电源供电电能质量的调整提供必要的依据。本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明提供的一种电能质量检测方法的流程示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。参阅图1，为本发明实施例提供的一种电能质量检测方法的结构示意图。该电能质量检测方法包括如下步骤：步骤1，获取不间断电源对应电源属性信息，并根据该电源属性信息确定该不间断电源与不同负载之间的供电状态信息。优选地，在该步骤1中，获取不间断电源对应电源属性信息，并根据该电源属性信息确定该不间断电源与不同负载之间的供电状态信息具体包括，步骤101，确定该不间断电源的电路拓扑结构信息，以此计算获得关于该不间断电源的第一电源属性信息；步骤102，确定该不间断电源的输出电压状态信息，以此计算获得关于该不间断电源的第二电源属性信息；步骤103，根据该第一电源属性信息和该第二电源属性信息，计算出该不间断电源与该不同负载之间的供电匹配参数，以此作为该供电状态信息。优选地，在该步骤101中，确定该不间断电源的电路拓扑结构信息，以此计算获得关于该不间断电源的第一电源属性信息具体包括，步骤1011，获取该不间断电源与该不同负载之间的电压变换连接模式，并根据该电压变换连接模式确定该不间断电源的电压变换精度，以此作为该第一电源属性信息；步骤1012，若该不间断电源与该不同负载之间的电压变换连接模式为备用模式或者线路交互模式，则获取该不间断电源与该不同负载之间的实际电压单级变换梯度参数，再对该实际电压单级变换梯度参数与理论电压变换梯度参数进行拟合对比运算，以此得到该电压变换精度；步骤1013，若该不间断电源与该不同负载之间的电压变换连接模式为双变换模式，则获取该不间断电源与该不间断电源与该不同负载之间的实际电压双极变换梯度参数，再对该实际电压单级变换梯度参数与该理论电压变换梯度参数进行拟合对比运算，以此得到该电压变换精度。优选地，在该步骤102中，确定该不间断电源的输出电压状态信息，以此计算获得关于该不间断电源的第二电源属性信息具体包括，步骤1021，获取该不间断电源与该不同负载之间的电压输出模式，并根据该电压输出模式确定该不间断电源的电压输出稳定度，以此作为该第二电源属性信息；步骤1022，若该不间断电源与该不同负载在预设时长范围内相互之间的电压输出模式为市电电压输出模式或者蓄电池电压输出模式，则获取该不间断电源在该预设时长范围内的输出电压波谷-波峰分布信息，再根据该输出电压波谷-波峰分布信息和理想输出电压波谷-波峰分布参数，计算得到该电压输出稳定度；步骤1023，若该不间断电源与该不同负载在该预设时长范围内相互之间的电压输出模式为市电-蓄电池交替电压输出模式，则获取该不间断电源在该预设时长范围内对应的市电输出电压波谷-波峰分布信息、蓄电池输出电压波谷-波峰分布信息和市电-蓄电池交替供电切换频率参数，再根据该市电输出电压波谷-波峰分布信息、该蓄电池输出电压波谷-波峰分布信息和该市电-蓄电池交替供电切换频率参数，计算得到该电压输出稳定度。优选地，在该步骤103中，根据该第一电源属性信息和该第二电源属性信息，计算出该不间断电源与该不同负载之间的供电匹配参数具体包括，步骤1031，将该第一电源属性信息和该第二电源属性信息分别进行关于预设工作供电持续时间的有效性判断处理，以此确定该第一电源属性信息和该第二电源属性信息各自对应的供电有效性；步骤1032，计算被确定具有供电有效性的该第一电源属性信息和第二电源属性信息分别与该不同负载之间的第一供电关联系数和第二供电关联系数；步骤1033，对该第一供电关联系数和该第二供电关联系数进行拟合运算处理，以此计算得到该供电匹配参数。步骤2，根据该供电状态信息，确定该不间断电源对应的市电供电状态信息和或蓄电池供电状态信息。优选地，在该步骤2中，根据该供电状态信息，确定该不间断电源对应的市电供电状态信息和或蓄电池供电状态信息具体包括，步骤201，从该供电状态信息中，获取该不间断电源在预设供电运行周期内对应的电力源状态信息和电力源切换频率信息；步骤202，根据该电力源状态信息和该电力源切换频率信息，将该预设供电运行周期划分为一个或者多个市电供电阶段和蓄电池供电阶段；步骤203，根据该市电供电阶段和该蓄电池供电阶段在该预设供电运行周期内的分布状态，计算得到该不间断电源在市电供电情况下和或在蓄电池供电情况下各自对应的供电电压、供电电流、供电功率和供电频率中的至少一者，作为该市电供电状态信息和或该蓄电池供电状态信息。优选地，在该步骤202中，根据该电力源状态信息和该电力源切换频率信息，将该预设供电运行周期划分为一个或者多个市电供电阶段和蓄电池供电阶段具体包括，步骤2021，根据该电力源状态信息和该电力源切换频率信息，计算该不间断电源以市电作为电力源和以蓄电池作为电力源各自对应的第一有效供电电压和第二有效供电电压；步骤2022，判断该第一有效供电电压和该第二有效供电电压与预设供电电压阈值之间的关系，若该第一有效供电电压超过该预设供电电压阈值或者该第二有效供电电压超过该预设供电电压阈值，则获取该第一有效供电电压对应的第一供电持续时间或者该第二有效供电电压对应的第二供电持续时间；步骤2023，获取该第一供电持续时间和该第二供电持续时间在该预设供电运行周期对应的分布规律信息，以此确定该预设供电运行周期对应包含的该市电供电阶段和该蓄电池供电阶段。步骤3，根据该市电供电状态信息和或该蓄电池供电状态信息，确定该不间断电源的逆变切换状态信息。优选地，在该步骤3中，根据该市电供电状态信息和或该蓄电池供电状态信息，确定该不间断电源的逆变切换状态信息具体包括，步骤301，从该市电供电状态信息和或该蓄电池供电状态信息中，获取该不间断电源以市电作为电力源和或以蓄电池作为电力源下，各自对应的电力源输出电压状态信息和不间断电源输出电压状态信息；步骤302，根据该电力源输出电压状态信息和该不间断电源输出电压状态信息，模拟得到该不间断电源的逆变切换模型；步骤303，根据该逆变切换模型，计算得到该不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应的逆变切换状态信息。优选地，在该步骤302中，根据该电力源输出电压状态信息和该不间断电源输出电压状态信息，模拟得到该不间断电源的逆变切换模型具体包括，步骤3021，计算若干该电力源输出电源状态信息和若干该不间断电源输出电压状态信息之间若干逆变转换参数和若干输出电压关联系数；步骤3022，将该若干逆变转换参数和该若干输出电压关联系数，作为关于该不间断电源运行状态神经网络对应的输入数据，以此获得对该运行状态神经网络进行优化训练处理；步骤3023，根据该运行状态神经网络优化训练处理的结果，模拟获得该不间断电源的逆变切换模型。步骤4，根据该逆变切换状态信息，确定该不间断电源对应的电能质量状态信息。优选地，在该步骤4中，根据该逆变切换状态信息，确定该不间断电源对应的电能质量状态信息具体包括，步骤401，从该逆变切换状态信息中，获取该不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应的逆变输出电压值、逆变输出功率值、逆变输出电压相位变化值和逆变伴随谐波值中的至少一者；步骤402，将该逆变输出电压值、该逆变输出功率值、该逆变输出电压相位变化值和该逆变伴随谐波值中的至少一者作为关于该不间断电源运行状态神经网络对应的输入数据，以此获得对该运行状态神经网络进行优化训练处理；步骤403，根据该运行状态神经网络优化训练处理的结果，计算得到该电能质量状态信息；优选地，在该步骤4中，根据该逆变切换状态信息，确定该不间断电源对应的电能质量状态信息包括，步骤401B，按照相同的时间间隔，测量该不间断电源最近P次供电电压，并将该最近P次供电电压的测量值形成集合S，即S＝{S1、S2、S3……Sp}，其中Si为第i次测量的供电电压测量值，i＝1、2、3、...、P，将该集合S代入下面公式1形成相应的监测函数在上述公式1中LS为该监测函数，Si为该集合S的第i个值，i＝1、2、3、...、P，∏为圆周率，为待求解的监测系数；步骤402B，利用下面公式2，求解得出该监测系数在上述公式2中，Si为该集合S的第i个值，i＝1、2、3、...、P，∏为圆周率；步骤403B，将上述步骤402B求解得到的监测系数代入下面公式3中，得到预测函数fX在上述公式3中，该预测函数fX表示在当前时刻后推移X个该时间间隔的该不间断电源的电压预测值，且X为任意正整数，∏为圆周率；步骤404B，利用下面公式4计算出该不间断电源对应电能质量状态处于最劣状态对应的时刻x1在上述公式4中，x1为该不间断电源对应电能质量状态处于最劣状态对应的时刻，∏为圆周率；通过上述根据该逆变切换状态信息，确定该不间断电源对应的电能质量状态信息的相关步骤，能够根据过去一段时间内的电压值预测未来任意一段时间内的该不间断电源对应的电压值，并且在该预测过程中，只要按照相同的时间间隔进行关于不间断电源的电压数据的采集获取，就能够实现该预测表达式的实时更新，使得该预测表达式具有更好的时效性，同时该预测过程并不需要额外的设置预设参数和进行人工干预就可以实现智能判断，通过上述相关步骤还可预测出最恶劣情况下的所述不间断电源的电压值所对应的时间，通过计算该对应的时间，则能判断最恶劣的情况下的电压值是否大于阈值，若电压值大于阈值，则发起预警，做到了不仅对过去和现在的电源质量的监测，还做到了对未来的预警，使得相应的检测方法更加完善且智能。优选地，在该步骤403中，根据该运行状态神经网络优化训练处理的结果，计算得到该电能质量状态信息具体包括，根据该运行状态神经网络优化训练处理的结果，计算该不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应谐波污染状态信息、三相平衡状态信息和输出功率补偿状态信息中的至少一者作为该电能质量状态信息。从上述实施例可以看出，该电能质量检测方法包括步骤1，获取不间断电源对应电源属性信息，并根据该电源属性信息确定该不间断电源与不同负载之间的供电状态信息；步骤2，根据该供电状态信息，确定该不间断电源对应的市电供电状态信息和或蓄电池供电状态信息；步骤3，根据该市电供电状态信息和或该蓄电池供电状态信息，确定该不间断电源的逆变切换状态信息；步骤4，根据该逆变切换状态信息，确定该不间断电源对应的电能质量状态信息。可见，本发明的电能质量检测方法通过实时获取不间断电源的电源属性信息，并根据该电源属性信息计算分析出该不间断电源在市电供电或者蓄电池供电状态下相应的电压逆变状态，，由于该电压逆变状态是不间断电源进行供电的必要电压转换过程，这样利用该电压逆变状态能够准确地确定该不间断电源当前供电过程中存在的谐波污染、三相平衡和输出功率补偿等方面的问题，从而为后续不间断电源供电电能质量的调整提供必要的依据。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

权利要求：1.一种电能质量检测方法，其特征在于，所述电能质量检测方法包括如下步骤：步骤1，获取不间断电源对应电源属性信息，并根据所述电源属性信息确定所述不间断电源与不同负载之间的供电状态信息；步骤2，根据所述供电状态信息，确定所述不间断电源对应的市电供电状态信息和或蓄电池供电状态信息；步骤3，根据所述市电供电状态信息和或所述蓄电池供电状态信息，确定所述不间断电源的逆变切换状态信息；步骤4，根据所述逆变切换状态信息，确定所述不间断电源对应的电能质量状态信息。2.如权利要求1所述的电能质量检测方法，其特征在于：在所述步骤1中，获取不间断电源对应电源属性信息，并根据所述电源属性信息确定所述不间断电源与不同负载之间的供电状态信息具体包括，步骤101，确定所述不间断电源的电路拓扑结构信息，以此计算获得关于所述不间断电源的第一电源属性信息；步骤102，确定所述不间断电源的输出电压状态信息，以此计算获得关于所述不间断电源的第二电源属性信息；步骤103，根据所述第一电源属性信息和所述第二电源属性信息，计算出所述不间断电源与所述不同负载之间的供电匹配参数，以此作为所述供电状态信息。3.如权利要求2所述的电能质量检测方法，其特征在于：在所述步骤101中，确定所述不间断电源的电路拓扑结构信息，以此计算获得关于所述不间断电源的第一电源属性信息具体包括，步骤1011，获取所述不间断电源与所述不同负载之间的电压变换连接模式，并根据所述电压变换连接模式确定所述不间断电源的电压变换精度，以此作为所述第一电源属性信息；步骤1012，若所述不间断电源与所述不同负载之间的电压变换连接模式为备用模式或者线路交互模式，则获取所述不间断电源与所述不同负载之间的实际电压单级变换梯度参数，再对所述实际电压单级变换梯度参数与理论电压变换梯度参数进行拟合对比运算，以此得到所述电压变换精度；步骤1013，若所述不间断电源与所述不同负载之间的电压变换连接模式为双变换模式，则获取所述不间断电源与所述不间断电源与所述不同负载之间的实际电压双极变换梯度参数，再对所述实际电压单级变换梯度参数与所述理论电压变换梯度参数进行拟合对比运算，以此得到所述电压变换精度；或者，在所述步骤102中，确定所述不间断电源的输出电压状态信息，以此计算获得关于所述不间断电源的第二电源属性信息具体包括，步骤1021，获取所述不间断电源与所述不同负载之间的电压输出模式，并根据所述电压输出模式确定所述不间断电源的电压输出稳定度，以此作为所述第二电源属性信息；步骤1022，若所述不间断电源与所述不同负载在预设时长范围内相互之间的电压输出模式为市电电压输出模式或者蓄电池电压输出模式，则获取所述不间断电源在所述预设时长范围内的输出电压波谷-波峰分布信息，再根据所述输出电压波谷-波峰分布信息和理想输出电压波谷-波峰分布参数，计算得到所述电压输出稳定度；步骤1023，若所述不间断电源与所述不同负载在所述预设时长范围内相互之间的电压输出模式为市电-蓄电池交替电压输出模式，则获取所述不间断电源在所述预设时长范围内对应的市电输出电压波谷-波峰分布信息、蓄电池输出电压波谷-波峰分布信息和市电-蓄电池交替供电切换频率参数，再根据所述市电输出电压波谷-波峰分布信息、所述蓄电池输出电压波谷-波峰分布信息和所述市电-蓄电池交替供电切换频率参数，计算得到所述电压输出稳定度。4.如权利要求2所述的电能质量检测方法，其特征在于：在所述步骤103中，根据所述第一电源属性信息和所述第二电源属性信息，计算出所述不间断电源与所述不同负载之间的供电匹配参数具体包括，步骤1031，将所述第一电源属性信息和所述第二电源属性信息分别进行关于预设工作供电持续时间的有效性判断处理，以此确定所述第一电源属性信息和所述第二电源属性信息各自对应的供电有效性；步骤1032，计算被确定具有供电有效性的所述第一电源属性信息和第二电源属性信息分别与所述不同负载之间的第一供电关联系数和第二供电关联系数；步骤1033，对所述第一供电关联系数和所述第二供电关联系数进行拟合运算处理，以此计算得到所述供电匹配参数。5.如权利要求1所述的电能质量检测方法，其特征在于：在所述步骤2中，根据所述供电状态信息，确定所述不间断电源对应的市电供电状态信息和或蓄电池供电状态信息具体包括，步骤201，从所述供电状态信息中，获取所述不间断电源在预设供电运行周期内对应的电力源状态信息和电力源切换频率信息；步骤202，根据所述电力源状态信息和所述电力源切换频率信息，将所述预设供电运行周期划分为一个或者多个市电供电阶段和蓄电池供电阶段；步骤203，根据所述市电供电阶段和所述蓄电池供电阶段在所述预设供电运行周期内的分布状态，计算得到所述不间断电源在市电供电情况下和或在蓄电池供电情况下各自对应的供电电压、供电电流、供电功率和供电频率中的至少一者，作为所述市电供电状态信息和或所述蓄电池供电状态信息。6.如权利要求5所述的电能质量检测方法，其特征在于：在所述步骤202中，根据所述电力源状态信息和所述电力源切换频率信息，将所述预设供电运行周期划分为一个或者多个市电供电阶段和蓄电池供电阶段具体包括，步骤2021，根据所述电力源状态信息和所述电力源切换频率信息，计算所述不间断电源以市电作为电力源和以蓄电池作为电力源各自对应的第一有效供电电压和第二有效供电电压；步骤2022，判断所述第一有效供电电压和所述第二有效供电电压与预设供电电压阈值之间的关系，若所述第一有效供电电压超过所述预设供电电压阈值或者所述第二有效供电电压超过所述预设供电电压阈值，则获取所述第一有效供电电压对应的第一供电持续时间或者所述第二有效供电电压对应的第二供电持续时间；步骤2023，获取所述第一供电持续时间和所述第二供电持续时间在所述预设供电运行周期对应的分布规律信息，以此确定所述预设供电运行周期对应包含的所述市电供电阶段和所述蓄电池供电阶段。7.如权利要求1所述的电能质量检测方法，其特征在于：在所述步骤3中，根据所述市电供电状态信息和或所述蓄电池供电状态信息，确定所述不间断电源的逆变切换状态信息具体包括，步骤301，从所述市电供电状态信息和或所述蓄电池供电状态信息中，获取所述不间断电源以市电作为电力源和或以蓄电池作为电力源下，各自对应的电力源输出电压状态信息和不间断电源输出电压状态信息；步骤302，根据所述电力源输出电压状态信息和所述不间断电源输出电压状态信息，模拟得到所述不间断电源的逆变切换模型；步骤303，根据所述逆变切换模型，计算得到所述不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应的逆变切换状态信息。8.如权利要求7所述的电能质量检测方法，其特征在于：在所述步骤302中，根据所述电力源输出电压状态信息和所述不间断电源输出电压状态信息，模拟得到所述不间断电源的逆变切换模型具体包括，步骤3021，计算若干所述电力源输出电源状态信息和若干所述不间断电源输出电压状态信息之间若干逆变转换参数和若干输出电压关联系数；步骤3022，将所述若干逆变转换参数和所述若干输出电压关联系数，作为关于所述不间断电源运行状态神经网络对应的输入数据，以此获得对所述运行状态神经网络进行优化训练处理；步骤3023，根据所述运行状态神经网络优化训练处理的结果，模拟获得所述不间断电源的逆变切换模型。9.如权利要求1所述的电能质量检测方法，其特征在于：在所述步骤4中，根据所述逆变切换状态信息，确定所述不间断电源对应的电能质量状态信息具体包括，步骤401A，从所述逆变切换状态信息中，获取所述不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应的逆变输出电压值、逆变输出功率值、逆变输出电压相位变化值和逆变伴随谐波值中的至少一者；步骤402A，将所述逆变输出电压值、所述逆变输出功率值、所述逆变输出电压相位变化值和所述逆变伴随谐波值中的至少一者作为关于所述不间断电源运行状态神经网络对应的输入数据，以此获得对所述运行状态神经网络进行优化训练处理；步骤403A，根据所述运行状态神经网络优化训练处理的结果，计算得到所述电能质量状态信息；或者，在所述步骤4中，根据所述逆变切换状态信息，确定所述不间断电源对应的电能质量状态信息包括，步骤401B，按照相同的时间间隔，测量所述不间断电源最近P次供电电压，并将所述最近P次供电电压的测量值形成集合S，即S＝{S1、S2、S3……Sp}，其中Si为第i次测量的供电电压测量值，i＝1、2、3、...、P，将所述集合S代入下面公式1形成相应的监测函数在上述公式1中LS为所述监测函数，Si为所述集合S的第i个值，i＝1、2、3、...、P，∏为圆周率，为待求解的监测系数；步骤402B，利用下面公式2，求解得出所述监测系数在上述公式2中，Si为所述集合S的第i个值，i＝1、2、3、...、P，∏为圆周率；步骤403B，将上述步骤402B求解得到的监测系数代入下面公式3中，得到预测函数fX在上述公式3中，所述预测函数fX表示在当前时刻后推移X个所述时间间隔的所述不间断电源的电压预测值，且X为任意正整数，∏为圆周率；步骤404B，利用下面公式4计算出所述不间断电源对应电能质量状态处于最劣状态对应的时刻x1在上述公式4中，x1为所述不间断电源对应电能质量状态处于最劣状态对应的时刻，∏为圆周率。10.如权利要求9所述的电能质量检测方法，其特征在于：在所述步骤403A中，根据所述运行状态神经网络优化训练处理的结果，计算得到所述电能质量状态信息具体包括，根据所述运行状态神经网络优化训练处理的结果，计算所述不间断电源以市电作为电力源和或以蓄电池作为电力源下各自对应谐波污染状态信息、三相平衡状态信息和输出功率补偿状态信息中的至少一者作为所述电能质量状态信息。

百度查询： 北京中大科慧科技发展有限公司 一种电能质量检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD