电力系统中的不良数据监测和辨识方法.doc

《电力系统中的不良数据监测和辨识方法.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、电力系统中的不良数据检测和辨识方法介绍西南交通大学电气学院10专业2班傅广港摘要：简述了电力系统不良数据的检测和辨识的必要性。列举了目前较为主流的不良数据检测和辨识方法，并对这些方法优缺点作出评价。关键词：不良数据；检测；辨识；优缺点WaystodetectandidentifythebaddatainpowersystemFuGuanggang(CollegeofElectricalandEngineering,SouthwestJiaoTongUniversity)Abstract:Thispaperexpoundsthenecessityofthebaddatadet

2、ectionandtheidentificationinpowersystem,aswellasthecommonmethodstorealize,anddiscusstheadvantagesanddisadvantages.Keywords:baddata;detect;identify;advantagedisadvantage0引言在电力系统的实际运行中,由于量测量和量测通道的误差以及可能受到的干扰,会出现各种测量误差。而我们电力系统的量测数据,通常可看作有效的量测数据和量测噪声的线性组合,通常情况下量测噪声为白噪声,通过一定的技术处理(如数字滤波、提高量测冗余度等

3、)一般可消除白噪声对电力系统状态估计结果的影响。但当量测数据中包含不良数据时,这些不良数据对电力系统状态估计结果的影响是不容忽视的,电力系统中的不良数据可能会影响调度员做出错误的决策，进而影响电力系统的正常运行，甚至可能威胁整个电力系统的安全。因此，为了确保电力系统的稳定安全运行，对不良数据的处理有非常重要的意义.1不良数据检测和辨识的研究现状不良数据检测与辨识是电力系统状态估计的重要功能之一，其功能是在获得状态估计值的基础上依靠系统提供的多余信息，发现和排除测量采样数据中偶然出现的少数不良数据，以提高状态估计的可靠性。国内外已经提出了多种不良数据检测与辨识的方法，大致分为

4、传统理论方法和新理论方法：（1）传统不良数据检测法主要有：残差极值函数检测法、加权残差检测法或标准残差检测法、测量量突变检测法、测量量残差检测法等；传统不良数据辨别法主要有：加权残差搜索辨识法、标准化残差搜索辨识法，非二次准则法、不良数据估计辨识法等。（1）不良数据检测新理论方法主要包括：基于数据挖掘的模糊数学法、神经网络法、聚类分析法、间隙统计法等。2不良数据检测对于m维电力系统量测量，可用以下的时间序列表示：（1-1）式中，k为时标，为量测噪声。系统量测方程为：（1-2）上式为非线性方程组，表示第t个时间断面的状态量与量测量之间的关系。通过迭代计算，获得状态量的估计值为

5、，回代该状态估计值到（1-2）中，可获得量测估计值为，从而获得量测估计残差列向量为：（1-3）对每一时间断面的残差建立目标函数极值为：（1-4）式中，为量测噪声协方差矩阵，在量测噪声为两两独立信号的假设前提下，为对角阵。根据对不良数据检测是按以下假设检验方法进行：（1-5）式中，对应于某一，为检测的门槛值。根据量测方程的雅可比矩阵和量测噪声协方差矩阵，定义以下量测残差灵敏度矩阵：（1-6）定义加权残差为：（1-7）对应地，有加权残差灵敏度矩阵为：（1-8）加权残差检测逐维对量测量进行假设检验：（1-9）式中，为第维量测量的检测门槛值。式（4-6）、（4-7）、（4-8）和（

6、4-9）组成了不良数据加权残差检测的计算式。同样地，定义标准化残差为：（1-10）式中，。相应地，标准化残差灵敏度矩阵为：（1-11）与加权残差检测法相似，标准残差检测将逐维地对量测量进行假设检验：（1-12）式中，为第维量测量的检测门槛值。对于假设的检验我们设立置信度的标准。协方差矩阵中的各元素反映的是量测量之间的变化关系，而有效检测量测数据异常变动的指标应是该量测数据的方差，即（1-13）可以选择或进行校验。3不良数据辨识在正常量测条件下，目标极值函数的数学期望和方差分别为：（1-14）式中，m为量测列向量维数，n为状态列向量维数。为K阶自由度分布的随机变量，随着自由度

7、的增大，逼近于正态分布。当量测量中含有不良数据时，目标极值函数的数学期望和方差分别为：（1-15）式中，为第i个量测量不良数据加权值。式（4-15）等号右边由两项组成，一项是正常量测信号的统计特征，另一项为不良数据信息，因此，当量测量中存在不良数据时，极值函数值将增大。考虑到正常量测的极值函数值服从自由度为K的分布，不良数据检测的门槛值由误检概率确定。为克服多个不良数据情况下加权残差辨识法和标准化残差辨识法效率低下的缺点，同时也为了防止估计结果受到不良数据的污染，一种改进方法就是采用非二次准则的估计器，在估计迭代过