基于多源非同步量测数据的可信度确定方法、系统及设备技术方案

本发明专利技术提供了基于多源非同步量测数据的可信度确定方法、系统及设备，包括：获取量测数据和所述量测数据的状态；基于所述量测数据的状态选择对应的预先构建的可信度模型；将所述量测数据输入到所述量测数据的状态对应的所述预先构建的可信度模型确定所述量测数据的可信度；其中，所述可信度模型是由历史多源非同步量测数据通过相关度分析确定的典型日负荷曲线，基于所述典型日负荷曲线的斜率划分时段，并由各时段中历史多源非同步量测与模拟得到的实时量测数据确定的可信度构建而成的。本发明专利技术通过相关度分析得出典型日负荷曲线，在此基础上划分时段，能更精细化地反应可信度的大小和变化情况，并提高了对各时段的可信度的精度。度。度。

【技术实现步骤摘要】
基于多源非同步量测数据的可信度确定方法、系统及设备


[0001]本专利技术涉及数据处理分析领域，具体涉及基于多源非同步量测数据的可信度确定方法、系统及设备。

技术介绍

[0002]随着配电网智能化升级建设，获得了海量多源异构数据，这些数据来源于数据采集与监视控制(SCADA)系统、高级量测体系(AMI)、资产管理系统等，呈现出高容量、多样性等特点。多源量测数据包括SCADA、AMI等系统共同提供的电压、电流、有功功率、无功功率等量测数据，多源量测数据的引入有效地解决了长期以来配电网观测不全或缺失的问题。所谓多源非同步量测的可信度，是指其与对应实时量测的相对误差，该误差由量测设备误差和量测时延等因素造成。为建立多源非同步量测数据的可信度模型，需要获取多源量测实时数据，以及出现各种不同程度时延的多源量测数据。现有的智能电表只能采集到出现时延的多源量测，无法获取实时量测，且同一块电表在某读表间隔内只能获取一种时延程度的多源非同步量测数据。
[0003]多源非同步量测的可信度与负荷变化程度关系密切，在负荷变化缓慢的阶段，多源非同步量测的误差范围较小，可信度较高；反之，在负荷变化剧烈的阶段，多源非同步量测的误差范围较大，可信度较低。
[0004]近年来，不少学者对量测数据可信度误差进行了研究，主要包括一种配变负荷量测可信度的计算方法，用于修正量测设备方差，提高中压配电网状态估计精度。该方法基于大量实测电表数据，操作简单，效果显著，但是仍然存在进一步研究的空间。首先，该方法基于采集周期为15min的变压器负荷数据，通过相邻采集时刻的负荷变化分布参数，线性地估计时延以秒为单位的异步量测的可信度，模型较为粗略；其次，该方法未对低压配电网开展研究，但是低压配电网节点众多，受限于通信信道容量，量测不同步的问题更加显著；最后，该方法虽然计及了不同步的AMI量测的不确定性，但是仍以确定的数值描述状态估计结果，未讨论基于上述不确定量测的状态估计结果的不确定性，缺乏对结果可靠性的探究。

技术实现思路

[0005]为了解决现有技术对量测数据可信度误差研究比较粗糙，不能对量测数据的可信度做出准确判断的问题，本专利技术提出了基于多源非同步量测数据的可信度确定方法，包括：
[0006]获取量测数据和所述量测数据的状态；
[0007]基于所述量测数据的状态选择对应的预先构建的可信度模型；
[0008]将所述量测数据输入到所述量测数据的状态对应的所述预先构建的可信度模型确定所述量测数据的可信度；
[0009]其中，所述可信度模型是由历史多源非同步量测数据通过相关度分析确定的典型日负荷曲线，基于所述典型日负荷曲线的斜率划分时段，并由各时段中历史多源非同步量测与模拟得到的实时量测数据确定的可信度构建而成的。
[0010]可选的，所述可信度模型包括离线可信度模型和在线可信度模型；所述可信度模型的构建，包括：
[0011]获取配电变压器在设定时段内的历史多源非同步量测数据，并将所述设定时段内每日的多源非同步量测数据拟合为日负荷曲线；
[0012]对所述日负荷曲线进行归一化处理，并按照Pearson相关系数公式计算任意两日负荷曲线间的相关度；
[0013]由所有日负荷曲线间的相关度构成相关矩阵；
[0014]计算每一条归一化日负荷曲线与其他归一化日负荷曲线之间的相关系数的平均值，并从中选择最大值作为典型日负荷曲线；
[0015]基于所述典型日负荷曲线的斜率对所述典型日负荷曲线进行时段划分；
[0016]模拟计算离线和在线不同场景下多源非同步量测数据与实时量测的可信度；
[0017]采用不同的可信度归纳方法分别对离线和在线场景下的可信度进行归纳整理，得到离线可信度模型和在线可信度模型。
[0018]可选的，所述模拟计算离线和在线不同场景下多源非同步量测数据与实时量测的可信度包括：
[0019]在离线场景下，模拟常规智能电表采集周期下的实时量测和存在不同程度时延的多源非同步量测数据，并根据所述实时量测和存在不同程度时延的多源非同步量测数据结合可信度计算式得到离线场景下对应的可信度；
[0020]在线场景下，模拟采集时刻的实时量测，以及采集时刻的前一个或前两个读表间隔的存在时延的多源非同步量测，并由存在不同程度时延的多源非同步量测数据和实时量测结合可信度计算式得到在线场景下对应的可信度。
[0021]可选的，所述下采用不同的可信度归纳方法分别对离线和在线场景下的可信度进行归纳整理，得到离线可信度模型和在线可信度模型，包括：
[0022]对离线场景下的可信度，将各时段所含采集时刻的可信度归入同一集合中，由所述集合作为离线可信度模型；
[0023]对在线场景下的可信度，将同一时延的可信度归为同一可信度集合；
[0024]将每个时段中各采集时刻出现相同程度时延的可信度合并，得到各时段的可信度集合；
[0025]由各时段的可信度集合作为在线可信度模型。
[0026]可选的，所述可信度按下式计算：
[0027][0028]式中，为第i个电表在第d天的t～t+2T
A
时间段内的电能，W
i,d,t
为第i个电表在第d天的t～t+T
A
时间段内的电能，为配变台区处SCADA有功量测P
Sd,t
数值，为叠加有功功率，T
A
为多源非同步量测的采集周期。
[0029]可选的，所述基于所述量测数据的状态选择对应的预先构建的可信度模型，包括：
[0030]当所述量测数据为离线状态时，选择预先构建的离线可信度模型；
[0031]当所述量测数据为在线状态时，选择预先构建的在线可信度模型。
[0032]可选的，还包括：对所述可信度集合进行概率分布检验，得到所述可信度集合的分布类型。
[0033]再一方面，本专利技术还提供了一种可信度模型的构建方法，包括：
[0034]获取配电变压器在设定时段内的历史多源非同步量测数据，并将所述设定时段内每日的多源非同步量测数据拟合为日负荷曲线；
[0035]对所述日负荷曲线进行归一化处理，并按照Pearson相关系数公式计算任意两日负荷曲线间的相关度；
[0036]由所有日负荷曲线间的相关度构成相关矩阵；
[0037]计算每一条归一化日负荷曲线与其他归一化日负荷曲线之间的相关系数的平均值，并从中选择最大值作为典型日负荷曲线；
[0038]基于所述典型日负荷曲线的斜率对所述典型日负荷曲线进行时段划分；
[0039]模拟计算离线和在线不同场景下多源非同步量测数据与实时量测的可信度；
[0040]采用不同的可信度归纳方法分别对离线和在线场景下的可信度进行归纳整理，得到离线可信度模型和在线可信度模型。
[0041]可选的，所述模拟计算离线和在线不同场景下多源非同步量测数据与实时量测的可信度包括：
[0042]在离线场景本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多源非同步量测数据的可信度确定方法，其特征在于，包括：获取量测数据和所述量测数据的状态；基于所述量测数据的状态选择对应的预先构建的可信度模型；将所述量测数据输入到所述量测数据的状态对应的所述预先构建的可信度模型确定所述量测数据的可信度；其中，所述可信度模型是由历史多源非同步量测数据通过相关度分析确定的典型日负荷曲线，基于所述典型日负荷曲线的斜率划分时段，并由各时段中历史多源非同步量测与模拟得到的实时量测数据确定的可信度构建而成的。2.如权利要求1所述的方法，其特征在于，所述可信度模型包括离线可信度模型和在线可信度模型；所述可信度模型的构建，包括：获取配电变压器在设定时段内的历史多源非同步量测数据，并将所述设定时段内每日的多源非同步量测数据拟合为日负荷曲线；对所述日负荷曲线进行归一化处理，并按照Pearson相关系数公式计算任意两日负荷曲线间的相关度；由所有日负荷曲线间的相关度构成相关矩阵；计算每一条归一化日负荷曲线与其他归一化日负荷曲线之间的相关系数的平均值，并从中选择最大值作为典型日负荷曲线；基于所述典型日负荷曲线的斜率对所述典型日负荷曲线进行时段划分；模拟计算离线和在线不同场景下多源非同步量测数据与实时量测的可信度；采用不同的可信度归纳方法分别对离线和在线场景下的可信度进行归纳整理，得到所述离线可信度模型和所述在线可信度模型。3.如权利要求2所述的方法，其特征在于，所述模拟计算离线和在线不同场景下多源非同步量测数据与实时量测的可信度包括：在离线场景下，模拟常规智能电表采集周期下的实时量测和存在不同程度时延的多源非同步量测数据，并根据所述实时量测和存在不同程度时延的多源非同步量测数据结合可信度计算式得到离线场景下对应的可信度；在线场景下，模拟采集时刻的实时量测，以及采集时刻的前一个或前两个读表间隔的存在时延的多源非同步量测，并由存在不同程度时延的多源非同步量测数据和实时量测结合可信度计算式得到在线场景下对应的可信度。4.如权利要求3所述的方法，其特征在于，所述采用不同的可信度归纳方法分别对离线和在线场景下的可信度进行归纳整理，得到离线可信度模型和在线可信度模型，包括：对离线场景下的可信度，将各时段所含采集时刻的可信度归入同一集合中，由所述集合作为离线可信度模型；对在线场景下的可信度，将同一时延的可信度归为同一可信度集合；将每个时段中各采集时刻出现相同程度时延的可信度合并，得到各时段的可信度集合；由各时段的可信度集合作为在线可信度模型。5.如权利要求3所述的方法，其特征在于，所述可信度计算式如下式所示：
式中，为第i个电表在第d天的t～t+2T
A
时间段内的电能，W
i,d,t
为第i个电表在第d天的t～t+T
A
时间段内的电能，为配变台区处SCADA有功量测P
Sd,t
数值，为叠加有功功率，T
A
为多源非同步量测的采集周期。6.如权利要求2所述的方法，其特征在于，所述基于所述量测数据的状态选择对应的预先构建的可信度模型，包括：当所述量测数据为离线状态时，选择预先构建的离线可信度模型；当所述量测数据为在线状态时，选择预先构建的在线可信度模型。7.如权利要求4所述的方法，其特征在于，还包括：对所述可信度集合进行概率分布检验，得到所述可信度集合的分布类型。8.一种可信度模型的构建方法，其特征在于，包括：获取配电变压器在设定时段内的历史多源非同步量测数据，并将所述设定时段内每日的多源非同步量测数据拟合为日负荷曲线；对所述日负荷曲线进行归一化处理，并按照Pearson相关系数公式计算任意两日负荷曲线间的相关度；由所有日负荷曲线间的相关度构成相关矩阵；计算每一条归一化日负荷曲线与其他归一化日负荷曲线之间的相关系数的平均值，并从中选择最大值作为典型日负荷曲线；基于所述典型日负荷曲线的斜率对所述典型日负荷曲线进行时段划分；模拟计算离线和在线不同场景下多源非同步量测数据与实时量测的可信度；采用不同的可信度归纳方法分别对离线和在线场景下的可信度进行归纳整理，得到离线可信度模型和在线可信度模型。9.如权利要求8所述的方法，其特征在于，所述模拟计算离线和在线不同场景下多源非同步量测数据与实时量测的可信度包括：在离线场景下，模拟常规智能电表采集周期下的实时量测和存在不同程度时延的多源非同步量测数据，并根据所述实时量测和存在不同程度时延的多源非同步量测数据结合可信度计算式得到离线场景下对应的可信度；在线场景下，模拟采集时刻的实时量测，以及采集时刻的前一个或前两个读表间隔的存在时延的多源非同步量测，并由存在不同程度时延的多源非同步量测数据和实时量测结合可信度计算式得到在线场景下对应的可信度。10.如权利要求8所述的方法，其特征在于，所述采用不同的可信度归纳方法分别对离线和在线场景下的可信度进行归纳整理，得到离线可信度模型和在线可信度模型，包括：对离线场景下的可信度，将各时段所含采集时刻的可信度归入同一集合中，由所述...

【专利技术属性】
技术研发人员：秦四军，王鹏，郭屾，张冀川，林佳颖，谭传玉，白帅涛，张明宇，张治明，孙浩洋，张永芳，吕琦，姚志国，
申请(专利权)人：国家电网有限公司国网浙江省电力有限公司，
类型：发明
国别省市：