运用多变量线性回归(MVLR对电能品质调查的因子分析研究
摘要 在过去的二十年中，全世界已完成了相当多关于电力品质监测的研究项目。在这些研究中收集的信息为预期的电气环境提供了一种具体的景象，并能帮助公共事业计划其与电力品质性能相关的未来电网。如果能采用一种适当的分析步骤，这些大量的从具备这种性质的大规模电力品质调查中的采样网点收集的数据就可能反映出关于电力品质或好或坏的影响。如果知道哪些特征因素在决定特有的电力品质干扰水平上更显著，那么可以预见，其他具有相同决定因素的网点也能反映相同的电力品质水平。这篇论文旨在评价在大规模电力品质调查中电力品质的干扰等级和影响电力品质水平或好或坏的因素。为此，在一份长期的电力品质数据中，澳大利亚国家电力品质标准调查数据已经做了分析并与这些显著的因素进行了对比。在这些分析中，多变量线性回归（MVLR）已被认定为一种研究复杂电力品质数据影响因素的行之有效的工具。
关键词 因素研究 电力品质数据研究 电力品质检测
1.介绍
如果能采用一种合适的诊断程序，这些大量的从大规模电力品质调查中的采样网点收集的数据就可能反映出关于电力品质或好或坏的影响。从一组特定的监控网点获得的调查结果可以用来推测其他没有被监控的在物理运行状况和相似客户组合上具有相同特征的网点的电力品质运行状况。这对电网规划人员进行网路规划和其他相关的电力品质研究是有用的。只有在特定的网点上决定电力品质最有影响的那些特征被知道的情况下，上述情况才是可能的。
因子分析用来确定那些导致不良的或更好的PQ水平的因素。这样的分析结果被用在PQ管理，规划和报告在公共设施中的实践。
这篇论文旨在评价在澳大利亚9个公共设施中的70个网点的PQ干扰水平和影响PQ水平的或好或坏的因素。这些被监控网点的特征，在对厂址的选择，PQ监控器的位置，网点类型和各种各样的负荷类型中用来识别不同用户组合的负荷类型的调查测量值分析时所采用的方法都要详细说明。这些调查的数据是用多变量线性回归分析的。 基于本文介绍的这种因素分析模型，它决定了在调查中是否任何存在于那些类别变量（也就是网点类型和负荷类型）和PQ干扰水平间的关系都要测量。
2. 现有的调查数据的讨论
经过大量的针对因子分析的PQ数据分析技术的寻找之后表明MVLR是一种可靠的，有效的对PQ调查数据分析的分析工具。MVLR使得我们在没有因子分析所需的模型下认识得以发展。
A 选址
240/415V网络的测量点是根据相互参与的公共网络的实用效能选择的。这些网点遍布地理区域和整体供电点，还有各类负荷区，也就是主要的居民区，商业区，工厂，农村或偏远地区。这些测量点一组是在最可能反映电力品质问题的区域选取的，剩下的网点位置是从正常的电网部分选取的。共同的网点选取标准适用于所有情况。在选取的过程中，以下几点是要考虑的：
（1） 有历史故障的网络 （2） 反映支线长度和回路布置的操作图表|地图 （3） 对网络有主要影响的负荷信息 （4） 之前有关的调查数据 （5） 在调查末期主要计划的系统改变
B. 分变量定义
任何没有定量的变量都要分类。分变量的取值是几个可能的分类之一。在这项研究中定义分变量，（就是网点和负荷种类）是以从各个设备处获得的信息为基础的。当分析分类变量时，我们着重处理于特定类别的对象的数量和所占的比例（如网点和负荷的种类）。一旦负荷类型被认定为属于居民类，商业类，工厂类，农村或偏远地区，相应的网点类型就被认定为贫乏的网点，也就是说极端网点通常选择在240/415V分配器（支路）的末端而一般网点通常选择在靠近11kV/ 415V变电所的支路或一个分配器的开始段。在选择具有特定电力品质问题的网点时，下面的指导需要遵守：
（1） 恒定的电压和在城镇郊区的不平衡居民区
（2） 有闪电倾向的下垂工业区域或者能够看到发动机启动影响的区域 （3） 城市中心外面具有谐波的商业区（如购物中心）
（4） 受到电容器整流和闪电影响的瞬态区域
网点的选择倾向于混合的分配器（居民区，商业区，工业去）即使一种负载可能处于支配地位。另一种选择倾向是指定具有可能被各自负载类型所控制的网点。
3.多变量线性回归(MVLR
A．概论
多变量线性回归能对分类变量如网点类型和负载类型等进行单一模型的拟合，并能将这些网点的具有单一扰动类型的电力质量数据分类之间的关系考虑在内。这种对于电力质量数据的因子分析能够容许不同因素的不均匀性代表，这种代表能够用来建立对所有网点的电力质量监控的有效见解。在这篇论文中，用MSExcel进行MVLR分析，规划求解加载项与最小二乘拟合。
用到MVLR的网点类型是： 网点类型（平均值，极值）
负载类型（居民区，商业区，工业区，农村，偏远地区）
到底是网点类型还是负载类型是决定PQ问题时最重要的因素是非常重要的。 例如，假设电压不平衡率是由下面的变量类型决定的 VUF = K0 + KSite (site type+ KLoad(Load typ
在这里，常数KSite和KLoad是由多变量线性回归的方法确定的，为了减少变量的数量，假设KSite(平均数及KLoad(商业的为零，即它们包含于K0，方程是通过用最小二乘法所有常数融入MS Excel的求解器进行求解的。下面一节给出了该方法的描述。 B 该范例显示了MVLR的应用 假如，每个网点都是用以下分类的
