一种适用于大电网的不良数据检测与辨识方法技术

本发明专利技术涉及一种适用于大电网的不良数据检测与辨识方法，所述方法运用在电力系统状态估计过程中；所述方法包括以下步骤：检测不良数据并确定其中的可疑数据集；确定所述可疑数据集中的关联可疑数据集；确定可疑数据集中的坏数据；删除所述可疑数据集中的坏数据。本发明专利技术能广泛应用于当前网省级电网以及全国电网，并能够适应未来大电网在线分析需求，能够快速准确的剔除量测信息中的坏数据，提高状态估计精度。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及，所述方法运用在电力系统状态估计过程中；所述方法包括以下步骤：检测不良数据并确定其中的可疑数据集；确定所述可疑数据集中的关联可疑数据集；确定可疑数据集中的坏数据；删除所述可疑数据集中的坏数据。本专利技术能广泛应用于当前网省级电网以及全国电网，并能够适应未来大电网在线分析需求，能够快速准确的剔除量测信息中的坏数据，提高状态估计精度。【专利说明】—种适用于大电网的不良数据检测与辨识方法
: 本专利技术涉及一种不良数据检测与辨识方法，更具体涉及。
技术介绍
: 电力系统状态估计是现代能量管理系统的重要组成部分，其量测数据大部分来源于SCADA系统，信息除了含有正常的量测噪声外，还可能含有不良数据。不良数据的存在，将导致估计结果受到污染，甚至使之严重扭曲。不良数据的检测与辨识是电力系统状态估计的重要功能之一，其目的在于排除量测采样数据中偶然出现的少量不良数据，以提高状态估计的可靠性。 电力系统状态估计是利用实时量测系统的冗余度来提高数据精度，排除随机干扰所引起的错误信息，进而估计或预测系统的运行状态。基于状态估计的不良数据检测与辨识的方法主要有残差搜索法、非二次准则法、零残差法和估计辨识法。这些方法主要是将加权残差或标准残差值作为特征值，假设其服从某一概率分布，并按照一定的置信度水平确定一个门槛值，进行假设检验。找到可疑测量数据后，将其从测量数据中排除或减小其权值，得到新的状态估计值。以上检测辨识法中可能存在的缺点:可能会出现残差污染和残差淹没现象，从而造成漏检或误检，影响辨识的效果，进一步影响估计效果。由于算法采用非线性残差方程，辨识过程中需进行多次状态估计，因此计算量极大，而状态估计对实时性有一定的要求，不宜作为在线实时估计方法。此外采用线性化残差方程，利用残差灵敏度矩阵的子矩阵计算测量的估计值，由于灵敏度矩阵是高维满阵，因此这种方法计算量仍然很大。另外，当出现多个不良数据的情况下，使用这种方法经常会发生错误辨识的现象。针对各种方法中的缺陷，状态估计法也出现了许多改进的研究分支。 传统检测与辨识方法以加权残差rw或标准残差rn作为不良数据辨识法，得到可疑量测数据集后，逐一降低其权值或直接从量测数据中剔除，再重新进行状态估计，如此循环直到满足收敛条件为止。该类方法的缺点是计算量很大，计算速度慢；若限定了检测次数，又容易出现残差污染和残差淹没现象，造成漏检或误检现象，影响辨识效果。尤其在量测数据少，而且数据值不准确，不可靠的情况下(如配电网中)，残差污染和残差淹没现象更为严重。 电力系统状态估计在国内外已发展几十年，且不良数据检测与辨识的研究也从未停滞，但仍没有提出一个很好的检测辨识不良数据的有效方法，现提出以克服上述缺陷。
技术实现思路
: 本专利技术的目的是提供，该方法广泛应用于当前网省级电网以及全国电网，并能够适应未来大电网在线分析需求，能够快速准确的剔除量测信息中的坏数据，提高状态估计精度。 为实现上述目的，本专利技术采用以下技术方案:，所述方法运用在电力系统状态估计过程中；所述方法包括以下步骤: (I)确定全网的可疑数据集SUS ； (2)确定所述可疑数据集中的关联可疑数据集sus ； (3)辨识关联可疑数据集sus 中的坏数据。 本专利技术提供，所述步骤(I)的确定过程为: (1-1)进行全网的状态估计； (1-2)通过rn检测法确定可疑数据集SUS ； 所述rn检测法的检测过程为: ,十士Ui = IX...,m)(1) 式中，Htl为第i个量测数据不是可疑量测数据，H1为第i个量测数据是可疑量测数据；rN，i为第i个标准化残差，为第i个标准化残差的门槛值。 本专利技术提供，所述标准化残差的门槛值通过以下步骤确定: 定义W和Wn分别为mXm阶残差灵敏度矩阵和mXm阶标准化残差的灵敏度矩阵，则有 W,, = VdtW7C2) 标准化残差rN为: rN = ffNv (3) 其中，对角阵D = diag，R为与量测相对应的权重矩阵，V为含有不良数据的 m维误差矢量； 在正常量测条件下，有标准化残差rN的协方差矩阵为: E{i\.r[:) = Η\ (￡(νν" ))^' = ^D1WRW1 spD1 = ^D1 (WR)^D1(4) 其中，E表示期望函数，rN,z为所有量测的标准化残差，故有 Erl1-1 (i = l,2,...,m)(5) 所以当取误检概率Pe = 0.005，取所述标准化残差的门槛值> 为 r'NJ = 281 (/= 1,2,...,m) 本专利技术提供，所述步骤(2)的确定过程为: (2-1)关联矩阵的搜索； (2-2)最终形成关联可疑数据集。 本专利技术提供，所述步骤(2-1)在电力系统状态估计中，基于雅可比矩阵的关联可疑数据搜索过程为: 步骤(2-1-1):设置关联可疑数据集的个数η为I ; 步骤(2-1-2):新建第η个关联可疑数据集sus ； 步骤(2-1-3):判断全网所有可疑数据集SUS是否为空，如果不为空转步骤(2-1-4)，如果为空，则搜索过程结束； 步骤(2-1-4):从SUS中取出标准化残差最大的数据，假设为第i个数据，则将该数据从SUS中剔除，并加入到sus 中； 步骤(2-1-5):搜索雅可比矩阵第i行元素中的非零元素，并记录这些非零元素的列号，形成集合LOR ； 步骤(2-1-6):从LOR中依次取出列号，并搜索雅可比矩阵对应的列，记录各列中非O元素的行号，形成集合ROW ； 步骤(2-1-7):依次判断ROW中行号对应的数据是否属于集合SUS，如果存在属于集合SUS的数据，则把所有属于集合SUS的数据加入到关联可疑数据集SUS中，同时把这些属于集合SUS的数据从SUS中剔除，转步骤(2-1-8);如果不存在属于集合SUS的数据，则第η个关联可疑量测集sus 形成完毕，执行η = η+1，并转步骤(2_1_2)； 步骤(2-1-8):取出步骤(2-1-7)中属于集合SUS的数据对应的行号，并搜索雅可比矩阵对应行元素中的非O元素，记录非O元素所在列号，形成L0R，转步骤(2-1-6)； 通过以上8个步骤，形成所述步骤(2-2)的η个关联可疑数据集。 本专利技术提供，根据所述关联可疑数据集sus 计算每一个sus 的加权残差平方和J (χ): J(x) = TR_1 (7) 其中，ζ是关联可疑数据，R是对应的对角权重矩阵，h(x)是关联可疑数据的计算函数。 本专利技术提供，所述步骤(3)通过双层不良数据辨识法确定坏数据。 本专利技术提供，所述双层不良数据辨识法过程为: 步骤(8-1):设置当前要处理的关联可疑量测集序号k = I ; 步骤(8-2):取出第k个关联可疑数据集，计算此集合中所有数据的加权残差平方和，记为J(X); 步骤(8-3):取出第k个关联可疑数据集中标准化残差最大且未被辨识的数据SUS ，基于Givens正交行变换法，快速修正状态估计因子表和快速删除所述可疑数据sus ； 步骤(8-4):快速求解所述关联可疑数据集sus 中所有数据的所述加权残差平方和Γ (X); 步骤(8-5):辨识所述可疑数本文档来自技高网...

【技术保护点】
一种适用于大电网的不良数据检测与辨识方法，所述方法运用在电力系统状态估计过程中；其特征在于：所述方法包括以下步骤：(1)确定全网的可疑数据集SUS；(2)确定所述可疑数据集中的关联可疑数据集sus[n]；(3)辨识关联可疑数据集sus[n]中的坏数据。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵昆，窦成龙，颜磊，邹昱，徐杰，张印，
申请(专利权)人：国家电网公司，中国电力科学研究院，国网辽宁省电力有限公司，
类型：发明
国别省市：北京;11