АЛГОРИТМ И КОМПЬЮТЕРНАЯ ПРОГРАММА МОДЕЛИРОВАНИЯ НЕЛИНЕЙНЫХ НАГРУЗОК ПО ИЗМЕРЕННЫМ ПАРАМЕТРАМ РЕЖИМА ЭЛЕКТРИЧЕСКОЙ СЕТИ

ЦЕЛЬ. В данной работе представлены алгоритм и реализующая его компьютерная программа, разработанная на основе пакета MS Excel, для моделирования нелинейных нагрузок по измеренным параметрам, предназначенная для анализа несинусоидальных режимов и управления качеством электрической энергии в электрических сетях. МЕТОДЫ. Учитывая, что измеренные параметры режима представляют собой временные ряды случайных дискретных величин, для разработки моделей нелинейных нагрузок использовались методы математической статистики. РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ. Модель нелинейной нагрузки представляет собой набор величин активных и реактивных токов гармоник, для определения которых необходимо идентифицировать функции распределения рядов случайных величин токов гармоник, а затем определить их значения с вероятностью 0,95. ВЫВОДЫ. Разработанные алгоритм и компьютерная программа позволяют моделировать токи гармоник нелинейных нагрузок по измеренным параметрам режима сети, представляющим собой ряды случайных величин, которые имеют не только известные и хорошо представленные в специальной литературе функции распределения, но и их смеси.

гармоники, измерения, статистические методы, алгоритм, модель нелинейной нагрузки, компьютерная программа

1. Добрусин Л.Н. Проблема качества электроэнергии и электросбережения в России // Энергоэксперт. 2008. № 4 (9). С. 30-35.

2. Тargosz R., Chapman D., Application Note. Cost of poor power Quality [Электронный ресурс]. URL:http://www.leonardo-energy.org/resources/297/the-cost-of-poor-power-quality-5800e490f1e14. (20.09.2017).

3. Арриллага Дж., Брэдли Д., Боджер П. Гармоники в электрических системах / пер. с англ. М.: Энергоатомиздат, 1990, 320 с.

4. Коверникова Л.И. Некоторые свойства параметров режимов гармоник в сети с распределенными нелинейными нагрузками // Управление качеством электрической энергии: сб. тр. Междунар. науч.-практ. конф. (26-28 ноября 2014 г.). М.: Изд-во ООО «Центр полиграфических услуг “Радуга”», 2014. С. 101-108.

5. Irwin J.O. On a criterion for the rejection of outlying observations // Biometrika. 1925. Vol. 17. Issue 3-4. Р. 238-250.

6. Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников. 2-е изд., испр. М.: Физматлит, 2012. 816 с.

7. Лемешко Б.Ю., Лемешко С.Б., Постовалов С.Н., Чимитова Е.В. Статистический анализ данных, моделирование и исследование вероятностных закономерностей. Компьютерный подход. Новосибирск: Изд-во НГТУ, 2011. 888 с.

8. Закс Л. Статистическое оценивание / пер. с нем. В.Н. Варыгина; под ред. Ю.П. Адлера, В.Г. Горского. М.: Статистика, 1976. 598 с.

9. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификации и снижение размерности: справочное издание. М.: Финансы и статистика, 1989. 607 с.

10. Королев В.Ю. ЕМ-алгоритм, его модификации и их применение к задаче разделения смесей вероятностных распределений. Теоретический обзор. М.: Изд-во ИРИ РАН, 2007. 94 с.

11. Воронцов К.В. Лекции по статистическим (байесовским) алгоритмам классификации [Электронный ресурс]. URL: http://www.ccas.ru/voron/download/Bayes.pdf (20.09.2017).

12. Вадзинский Р.Н. Справочник по вероятностным распределениям. СПб.: Наука, 2001. 295 с.

13. Куллдорф Г. Введение в теорию оценивания по группированным и частично группированным выборкам / пер. с англ. Н.А. Бодина; под ред. Ю.В. Линника. М.: Наука, 1966. 176 с.