一种基于多源数据融合的厂站不良数据检测方法及装置制造方法及图纸

技术编号:14650287 阅读:167 留言:0更新日期:2017-02-16 10:14
本发明专利技术涉及一种基于多源数据融合的厂站不良数据检测方法及装置,属于计算机软件与电力系统自动化技术领域。本发明专利技术基于变电站的稳态数据,构建变电站相应数据辨识主体的检测模型;根据所构建的不同数据辨识主体的检测模型,制定相应不良数据检测模型的辨识规则;融合PMU动态数据,利用辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断,以确定量测值和或状态量的品质及估计值。本发明专利技术根据变电站的稳态数据构建变电站不良数据检测模型;融合变电站PMU动态数据,构建变电站不良数据校验与评估机制;从而实现覆盖变电站设备量测、设备状态的不良数据的自动检测和状态估计,提高了厂站端数据上送的准确性。

【技术实现步骤摘要】

本专利技术涉及一种基于多源数据融合的厂站不良数据检测方法及装置,属于计算机软件与电力系统自动化

技术介绍
由于电力系统中获得实时数据各个环节的误差,使得调度中心获得的实时数据是低精度、不完整、偶尔还有不良数据的生数据。传统的做法是调度中心通过状态估计对这些数据进行梳理,使之能够反映系统真实情况,但由于传送到调度中心的信息量的局部冗余度不足,通过传统状态估计模型和算法的改进已无法从根本上解决调度中心自动化技术数据的可靠性问题、拓扑错误等导致的集中式状态估计不可用问题。因此迫切需要厂站端实现不良数居检测功能,以屏蔽坏数据、生数据,保证厂站端上送数据的准确可靠。
技术实现思路
本专利技术的目的是提供一种基于多源数据融合的厂站不良数据检测方法及装置,以解决目前上述厂站端上送数据准确性低的问题。本专利技术为解决上述技术问题而提供一种基于多源数据融合的厂站不良数据检测方法,该检测方法包括以下步骤:1)基于变电站的稳态数据,构建变电站相应数据辨识主体的检测模型;2)根据所构建的不同数据辨识主体的检测模型,制定相应不良数据检测模型的辨识规则;3)融合PMU动态数据,利用步骤2)中的辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断,以确定量测值和或状态量的品质及估计值。进一步地,所述的数据辨识主体至少包括厂站、母线、主变和间隔中的一项,当数据辨识主体为厂站时,其检测模型包括有功功率平衡检测模型和无功功率检测模型;当数据辨识主体为母线时,其对应的检测模型包括有功功率平衡检测模型和无功功率平衡检测模型;当数据辨识主体为间隔时,其对应的检测模型包括有功检测、无功检测、功率因数检测和设备状态检测;当数据辨识主体为主变时,其对应的检测模型为有功功率平衡检测模型和无功功率平衡检测模型。进一步地,当数据辨识主体为厂站、母线和或主变时,其对应的不良数据有功平衡检测模型和无功平衡检测模型的辨识规则分别为:其中Pi为进线有功功率,Qi为进线无功功率,n为进线个数;当数据辨识主体为间隔时,其对应的不良数据有功检测模型、无功检测模型、功率因数检测模型和设备状态检测模型的辨识规则分别为:|(P-(Ua*Ia*cosφ+Ub*Ib*cosφ+Uc*Ic*cosφ))|<0.02S==0&&I<1||S==1&&U>1其中,P为间隔有功率,Q为间隔无功功率,cosφ为间隔功率因数,Ua为间隔A相电压,Ub为间隔B相电压,Uc为间隔C相电压,Ia为间隔A相电流,Ib为间隔B相电流,Ic为间隔C相电流;S表示开关,S==0即开关分位;I表示线路电流,I<1即线路无流;U表示线路电压,U>1即线路有压;&&表示逻辑与,||表示逻辑或。进一步地,所述步骤3)的判断过程如下:A.根据步骤2)中的规则,判断相应数据辨识主体的检测模型的稳态数据是否异常;B.若异常,则获取与上述稳态数据相对应的PMU动态数据,并将该PMU动态数据带入相应的不良数据检测模型辨识规则中,判断是否满足所设定规则,若满足,则说明上述稳态数据为不合理数据,且与该稳态数据对应PMU动态数据为该稳态数据的估计值。进一步地,该方法还包括将变电站稳态数据、动态数据、数据检测结果、检测模型及限值在内进行展示的步骤。本专利技术还提供了一种基于多源数据融合的厂站不良数据检测装置,该检测装置包括,检测模型构建模块、辨识规则制定模块和判断模块,所述的检测模型构建模块用于根据变电站的稳态数据,构建变电站相应数据辨识主体的检测模型;所述的辨识规则制定模块用于根据所构建的不同数据辨识主体的检测模型,制定相应不良数据检测模型的辨识规则;所述的判断模块用于融合PMU动态数据,利用辨识规则制定模块中的辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断,以确定量测值和或状态量的品质及估计值。进一步地,所述检测模型构建模块中的数据辨识主体至少包括厂站、母线、主变和间隔中的一项,当数据辨识主体为厂站时,其检测模型包括有功功率平衡检测模型和无功功率检测模型;当数据辨识主体为母线时,其对应的检测模型包括有功功率平衡检测模型和无功功率平衡检测模型;当数据辨识主体为间隔时,其对应的检测模型包括有功检测、无功检测、功率因数检测和设备状态检测;当数据辨识主体为主变时,其对应的检测模型为有功功率平衡检测模型和无功功率平衡检测模型。进一步地,当数据辨识主体为厂站、母线和或主变时,其对应的不良数据有功平衡检测模型和无功平衡检测模型的辨识规则分别为:其中Pi为进线有功功率,Qi为进线无功功率,n为进线个数;当数据辨识主体为间隔时,其对应的不良数据有功检测模型、无功检测模型、功率因数检测模型和设备状态检测模型的辨识规则分别为:|(P-(Ua*Ia*cosφ+Ub*Ib*cosφ+Uc*Ic*cosφ))|<0.02S==0&&I<1||S==1&&U>1其中,P为间隔有功率,Q为间隔无功功率,cosφ为间隔功率因数,Ua为间隔A相电压,Ub为间隔B相电压,Uc为间隔C相电压,Ia为间隔A相电流,Ib为间隔B相电流,Ic为间隔C相电流;S表示开关,S==0即开关分位;I表示线路电流,I<1即线路无流;U表示线路电压,U>1即线路有压;&&表示逻辑与,||表示逻辑或。进一步地,所述判断模块的判断过程如下:A.用于根据辨识规则制定模块中的规则,判断相应数据辨识主体的检测模型的稳态数据是否异常;B.若异常,则获取与上述稳态数据相对应的PMU动态数据,并将该PMU动态数据带入相应的不良数据检测模型辨识规则中,判断是否满足所设定规则,若满足,则说明上述稳态数据为不合理数据,且与该稳态数据对应PMU动态数据为该稳态数据的估计值。进一步地,该装置还包括将变电站稳态数据、动态数据、数据检测结果、检测模型及限值在内进行展示的模块。本专利技术的有益效果是:本专利技术基于变电站的稳态数据,构建变电站相应数据辨识主体的检测模型;根据所构建的不同数据辨识主体的检测模型,制定相应不良数据检测模型的辨识规则;融合PMU动态数据,利用辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断,以确定量测值和或状态量的品质及估计值。本专利技术根据变电站的稳态数据构建变电站不良数据检测模型;融合变电站PMU(相量量测单元)动态数据,构建变电站不良数据校验与评估机制;从而实现覆盖变电站设备量测、设备状态的不良数据的自动检测和状态估计,提高了厂站端数据上送的准确性。附图说明图1是本专利技术厂站不良数据检测装置的构成图;图2是本专利技术所采用的不良数据检测模型构成图;图3是本专利技术厂站不良数据检测方法的流程图;图4是检测模型单元配置图;图5是检测模型参数设置图;图6是PMU动态数据映射配置图;图7是不良数据检测可视化展示图。具体实施方式下面结合附图对本专利技术的具体实施方式做进一步的说明。本专利技术基于多源数据融合的厂站不良数据检测方法的实施例本专利技术基于变电站的稳态数据,构建变电站相应数据辨识主体的检测模型;根据所构建的不同数据辨识主体的检测模型,制定相应不良数据检测模型的辨识规则;融合PMU动态数据,利用辨识规则对参本文档来自技高网...
一种基于多源数据融合的厂站不良数据检测方法及装置

【技术保护点】
一种基于多源数据融合的厂站不良数据检测方法,其特征在于,该检测方法包括以下步骤:1)基于变电站的稳态数据,构建变电站相应数据辨识主体的检测模型;2)根据所构建的不同数据辨识主体的检测模型,制定相应不良数据检测模型的辨识规则;3)融合PMU动态数据,利用步骤2)中的辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断,以确定量测值和或状态量的品质及估计值。

【技术特征摘要】
1.一种基于多源数据融合的厂站不良数据检测方法,其特征在于,该检测方法包括以下步骤:1)基于变电站的稳态数据,构建变电站相应数据辨识主体的检测模型;2)根据所构建的不同数据辨识主体的检测模型,制定相应不良数据检测模型的辨识规则;3)融合PMU动态数据,利用步骤2)中的辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断,以确定量测值和或状态量的品质及估计值。2.根据权利要求1所述的基于多源数据融合的厂站不良数据检测方法,其特征在于,所述的数据辨识主体至少包括厂站、母线、主变和间隔中的一项,当数据辨识主体为厂站时,其检测模型包括有功功率平衡检测模型和无功功率检测模型;当数据辨识主体为母线时,其对应的检测模型包括有功功率平衡检测模型和无功功率平衡检测模型;当数据辨识主体为间隔时,其对应的检测模型包括有功检测、无功检测、功率因数检测和设备状态检测;当数据辨识主体为主变时,其对应的检测模型为有功功率平衡检测模型和无功功率平衡检测模型。3.根据权利要求2所述的基于多源数据融合的厂站不良数据检测方法,其特征在于,当数据辨识主体为厂站、母线和或主变时,其对应的不良数据有功平衡检测模型和无功平衡检测模型的辨识规则分别为:|Σi=0n(Pi)|<20]]>|Σi=0n(Qi)|<30]]>其中Pi为进线有功功率,Qi为进线无功功率,n为进线个数;当数据辨识主体为间隔时,其对应的不良数据有功检测模型、无功检测模型、功率因数检测模型和设备状态检测模型的辨识规则分别为:|(P-(Ua*Ia*cosφ+Ub*Ib*cosφ+Uc*Ic*cosφ))|<0.02|(Q-(Ua*Ia+Ub*Ib+Uc*Ic)*1-cosφ*cosφ)|/Q<0.02]]>|(cosφ-P/(P*P+Q*Q))|/cosφ<0.02]]>S==0&&I<1||S==1&&U>1其中,P为间隔有功率,Q为间隔无功功率,cosφ为间隔功率因数,Ua为间隔A相电压,Ub为间隔B相电压,Uc为间隔C相电压,Ia为间隔A相电流,Ib为间隔B相电流,Ic为间隔C相电流;S表示开关,S==0即开关分位;I表示线路电流,I<1即线路无流;U表示线路电压,U>1即线路有压;&&表示逻辑与,||表示逻辑或。4.根据权利要求1所述的基于多源数据融合的厂站不良数据检测方法,其特征在于,所述步骤3)的判断过程如下:A.根据步骤2)中的规则,判断相应数据辨识主体的检测模型的稳态数据是否异常;B.若异常,则获取与上述稳态数据相对应的PMU动态数据,并将该PMU动态数据带入相应的不良数据检测模型辨识规则中,判断是否满足所设定规则,若满足,则说明上述稳态数据为不合理数据,且与该稳态数据对应PMU动态数据为该稳态数据的估计值。5.根据权利要求1所述的基于多源数据融合的厂站不良数据检测方法,其特征在于,该方法还包括将变电站稳态数据、动态数据、数据检测结果、检测模型及限值在内进行展示的步骤。6.一种基于多源数据融合的厂站不良数据检测装置,其特征在于,该检测装...

【专利技术属性】
技术研发人员:卫星郭利军胡斌李红李宝潭张海庭吴正青李永照陈哲赵群辉孙振庞涛包芳朱斌斌王卫东张思远牛雪鹏
申请(专利权)人:许继电气股份有限公司许昌许继软件技术有限公司
类型:发明
国别省市:河南;41

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1