基于支持向量机的电力系统不良数据在线检测辨识与修正

《基于支持向量机的电力系统不良数据在线检测辨识与修正》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第36卷第1期四川电力技术Vo1．36，No．I2013年2月SichuanElectricPowerTechnologyFeb：-2013基于支持向量机的电力系统不良数据在线检测辨识与修正包永金(宜宾电业局，四川宜宾644000)摘要：SVM是数据挖掘中一种具有优良模式识别性能的新方法，该方法具有学习速度快、全局最优和泛化能力强等优点。首先利用支持向量机回归(SVR)构建辨识遥测不良数据的模型，在状态估计前通过比较预测值与实测值之间的差值来一次性辨识遥测不良数据。接着将状态估计后得到的标准残差作为支持向量机分类(s

2、vc)的输入，依靠拓扑错误的残差特性来分类辨识出拓扑错误。通过对IEEE一30母线的仿真分析证明了该方法的有效性，现行状态估计器的效率及合格率可以得到很好的提高。关键词：不良数据；电力系统状态估计；检测辨识；支持向量机Abstract：SVMisanewmethodwithexcellentpatternrecognitionpropertiesindatamining，whichhastheadvantagesoffastlearning，globaloptimumandhighgeneralization．Fir

3、stly，suppo~vectormachineregressionisutilizedtoestablishtheidenti-ficationmodelforthetelemetricbaddata，whichcomparesthediferencesbetweenthepredictedvaluesandthemeasuredval·uesbeforestateestimation．Thentheobtmnedstandardresidualsafterstateestimationareusedasthein

4、putofSVCclassifica．tion，andthetopologyerrorisidentifiedbasedonthecharacteristicsoftheseresiduals．TheeficiencyoftheproposedmethodisprovenbythesimulationanalysisofIEEE一30busmodel，thustheeficiencyandthepercentofpassoftheexistingstateestimatorscanbehighlyimproved．K

5、eywords：baddata；powersystemstateestimation；detectionandidentification；supportvectormachine中图分类号：TM744文献标志码：A文章编号：1003—6954(2013)01—0o59—05计计算后，利用量测残差进行假设检验的统计理论0引言方法。J。在很多情况下这些方法都表现得很好，不过仍然存在着一些缺点：难于辨识多相关不良数在能量管理系统(energymanagementsystem，据，对于关键量测点的不良数据和包含不相关支路E

6、MS)中，电力系统状态估计负责处理由SCADA采集时的拓扑结构错误无法辨识。而且这些方法很难同到的包含噪声的冗余数据以便为诸如：经济分配、安时处理遥测和遥信不良数据。针对以上这些问题，全分析等应用软件提供精确的实时数据。电力系统又提出了基于数据挖掘的方法。主要有基于神经网运行人员通过分析这些软件的结果来采取决策。如络(ANN)-7]、基于模糊理论和聚类分析及基于果所使用的实时数据库中包含错误数据，这些应用间歇统计(GSA)等一些方法。基于神经网络的软件的结果可能毫无意义，根据这些结果采取的决方法大多采用典型工况的正确

7、量测数据作为训练样策也很可能对电力系统的安全运行产生危险。故而本来构造了一个神经元网络，用估计前滤波来辨识不良数据辨识是状态估计中一项十分重要的任务。各种形式的不良数据。但由于神经网络算法的固有现行电力系统中有很多状态估计的方法uJ。特性，不能从根本上避免训练过饱和及陷入局部最在正常运行(噪声数据主要来自量测不准确)的条小值的问题，且随着时间的推移，训练样本集应该动件下，这些方法通常都会获得很好的结果。不过当态更新，但此类文献也没有提出对样本集更新的动出现较大的量测误差和拓扑结构错误的时候，情况态处理措施。可能就不一

8、样了。不良数据辨识的方法正是基于这支持向量机(supportvectormachine，SVM)是数些问题而提出的。大多数的方法都是在进行状态估据挖掘中一种具有优良模式识别性能的新方法。利·59·第36卷第1期四JII电力技术Vo1．36。No．12013年2月SichuanElectricPowerTechnologyFeb．，2013用SV