CN103914613A - 电力系统动态状态估计中异常情况的检测方法 - Google Patents
电力系统动态状态估计中异常情况的检测方法 Download PDFInfo
- Publication number
- CN103914613A CN103914613A CN201410076986.0A CN201410076986A CN103914613A CN 103914613 A CN103914613 A CN 103914613A CN 201410076986 A CN201410076986 A CN 201410076986A CN 103914613 A CN103914613 A CN 103914613A
- Authority
- CN
- China
- Prior art keywords
- state estimation
- abnormal conditions
- power system
- vector
- network topology
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明提供一种电力系统动态状态估计中异常情况的检测方法,所述方法包括以下步骤:在电力系统动态状态估计中,获取第k步预测的状态采用如下公式计算量测预测误差矢量εk:输入量测量Zk,通过加权最小二乘法进行状态估计,获得状态矢量的估计值根据所述估计值计算残差矢量rk:并根据所述残差矢量rk计算标准残差矢量rNk:式中,Nkj为矩阵Nk的第j行第j列元素;当max{rNkj}>γr,j=1,…,m时,判定为电力系统状态估计过程中存在异常情况;式中,γr为用于残差矢量rN检测的门槛值。本发明的一种电力系统动态状态估计中异常情况的检测方法,能够有效提高动态状态估计的准确率。
Description
技术领域
本发明涉及电力系统状态估计领域,特别是涉及一种电力系统动态状态估计中异常情况的检测方法。
背景技术
电力系统状态估计是电力系统调度中心能量管理系统(EMS)的核心功能之一,是大部分在线应用的高级软件的基础,已被广泛应用于电力系统中,发挥了重要的作用。大多数情况下,电力系统处于平稳状态,负荷变化缓慢,EMS中的量测量一般基于同一个时刻断面,从而可采用静态状态估计实现完整的状态计算,能够满足电力系统监视和控制的需要。
动态状态估计可以提前估计下一时刻的状态,能为优化调度和预防控制提供预报数据。但在动态状态估计中,电网可能存在正常扰动,例如:开关变位、负荷波动等都会引起潮流转移和变化,特别是在故障状态下,会有大量遥信变位信号,若此时状态估计结果与上一时段相比,发生突变,通常很难区分是由于量测量变化和开关的正常动作引起的,还是存在网络拓扑错误、量测坏数据的情况。
现有的坏数据的检测与辨识方法,大多是在假设系统拓扑结构正确的前提下进行检测与辨识的,而系统拓扑错误辨识是在假设量测系统正常、无坏数据的情况下进行辨识的。当系统量测量突然变化与坏数据同时发生以及网络拓扑错误和坏数据同时发生,原有方法将不再适用。
发明内容
基于此,本发明提供一种电力系统动态状态估计中异常情况的检测方法,能够提高动态状态估计的准确率。
为实现上述目的,本发明采用如下的技术方案:
一种电力系统动态状态估计中异常情况的检测方法,包括以下步骤:
在电力系统动态状态估计中,获取第k步预测的状态采用如下公式计算量测预测误差矢量εk:式中,Zk为m维量测矢量,为量测函数,εfk为预测误差,εmk为量测误差;
输入量测量Zk,通过加权最小二乘法进行状态估计,获得状态矢量的估计值
根据所述估计值计算残差矢量rk:并根据所述残差矢量rk计算标准残差矢量rNk:式中,Nkj为矩阵Nk的第j行第j列元素;
当max{rNkj}>γr,j=1,…,m时,判定为电力系统状态估计过程中存在异常情况;式中,γr为用于残差矢量rN检测的门槛值。
由以上方案可以看出,本发明的一种电力系统动态状态估计中异常情况的检测方法,首先建立判断指标,计算出标准残差,然后根据该标准残差辨识出电力系统状态估计过程中是否存在异常情况,从而为后续的异常情况处理打下基础。本发明能够准确辨识出动态状态估计中引起状态估计和状态预测结果不一致的原因,有效提高了动态状态估计的准确率。
附图说明
图1为本发明的一种电力系统动态状态估计中异常情况的检测方法的实现步骤框图;
图2为本发明一种电力系统动态状态估计中异常情况的检测方法的具体步骤流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示是本发明的一种电力系统动态状态估计中异常情况的检测方法的实现步骤框图。步骤一是建立判断指标;步骤二是辨识异常情况;步骤三是处理异常情况。其具体实施的步骤流程如图2所示。
步骤一、建立判断指标。
1)在电力系统动态状态估计中,假设开始第k步预测与估计,则首先通过预测模型获取第k步预测的状态然后采用如下公式计算量测预测误差矢量εk:
式(1)中,Zk为m维量测矢量,为量测函数,εfk为预测误差,εmk为量测误差。一般情况下,量测预测误差服从正态分布,εk~N(0,Dk),其协方差为:
Dk=HRkHT+Mk (2)
式(2)中,H为量测雅可比矩阵,Rk为预测误差协方差矩阵,Mk为量测误差方差。
2)输入量测量Zk,通过加权最小二乘法进行状态估计,获得状态矢量的估计值
3)根据所述估计值计算残差矢量rk,公式如下:
式(3)中,一般情况下,残差服从正态分布,rk~N(0,Nk)分布;然后根据所述残差矢量rk计算标准残差矢量rNk,计算公式如下:
式(4)中,Nkj为矩阵Nk的第j行第j列元素。这里,用于残差矢量rN检测的门槛值取为γr=8。
步骤二、辨识异常情况。
当max{rNkj}>γr,j=1,…,m时,判定为电力系统状态估计过程中存在异常情况;式中,γr为用于残差矢量rN检测的门槛值。由于当系统中存在异常情况时,量测预报误差ε明显变大,因此本发明中当标准残差max{rNkj}>γr,j=1,…,m时,可以认为电力系统状态估计过程中存在异常情况。
作为一个较好的实施例,所述异常情况可以包括:网络拓扑错误、量测坏数据或量测量突变等。具体的,在已经知道系统中存在异常情况的条件下,本发明还可以更进一步的辨识出是否存在网络拓扑错误。因此作为一个较好的实施例,本发明的方法中在建立判断指标时还可以包括如下步骤:
4)计算量测预测误差矢量εk,计算公式如下:
式(5)中,Mkj是矩阵Mk的第j行第j列元素,系数λj取决于坏数据j的取值。
5)计算加权量测预测误差矢量εWk,计算公式如下:
式(6)中
6)根据所述加权量测预测误差矢量εWk计算标准加权量测预测误差εNWk,计算公式为:
本发明,考虑到标准加权量测预测误差εNW中包含了预测误差和量测误差,因此当max{εNWkj}>γε,j=1,…,m,γε=7.5时,就可以判定为系统中存在网络拓扑错误。
网络拓扑错误指遥信量测量与实际开关状态不一致,主要有两种情况:遥信量变化而实际开关未变;遥信量未变而实际开关已变。我们把第一种情况称为第一种网络拓扑错误、第二种情况称为第二种网络拓扑错误。当存在第一种网络拓扑错误时,由于整个系统的状态未发生变化,因此计算得到的标准加权量测预测误差矢量中,超过门槛值γε的数量较少且较集中,将与这些超越门槛值对应的量测量相关联的开关辨识为第一种网络拓扑错误;另外当存在第二种网络拓扑错误时,由于整个系统状态发生变化,因此计算得到的标准加权量测预测误差矢量中,超过门槛值γε的数量较多。此时计算标准残差矢量rN,若rNj>γr,j=1,…,m的数量较多,则认为存在第二种网络拓扑错误,否则,认为存在量测量错误或者量测量突变的情况。具体的,作为一个较好的实施例,为了区分这两种网络拓扑错误,本发明的方法还可以包括如下步骤:
a)当max{rNkj}>γr,j=1,…,m,m为量测总数,遥信量发生变化,存在max{εNWkj}>γε,但越限数量少于一个预设阈值时,将与超越门槛值对应的量测量相关联的开关辨识为遥信量变化而实际开关未变的第一种网络拓扑错误;
b)当max{rNkj}>γr,j=1,…,m,遥信量未发生变化,存在max{εNWkj}>γε,且越限数量多于所述预设阈值时,判定为存在遥信量未变而实际开关已变的第二种网络拓扑错误;否则判定为存在量测量错误或量测量突变。
步骤三、处理异常情况。
作为一个较好的实施例,本发明在判定电力系统状态估计过程中存在异常情况之后,还可以包括步骤:对所述异常情况进行处理。
具体的,本发明对所述异常情况进行处理的过程可以包括如下:
1)对所述第一种网络拓扑错误进行处理:对第一种网络拓扑错误比较容易处理,只需要根据辨识后的结构修改网络拓扑结构即可;
2)对所述第二种网络拓扑错误进行处理:对于第二种网络拓扑错误,系统中的潮流分布会发生比较大的变化,标准加权量测预测误差矢量中超过门槛值γε的数量较多,因此根据残差的大小建立一个可疑开关表,然后按照顺序依次改变开关状态,重新状态估计并计算残差,直到标准加权量测预测误差矢量中不存在超过门槛值的情况为止;
3)对量测坏数据进行处理:在辨识出网络拓扑错误并处理完后,重新进行状态估计,由于量测量错误导致的状态估计结果是错误的,而量测量发生突变属于真实存在的运行情况,因此量测量发生突变时,计算得到的残差矢量不存在超越门槛值的情况,但标准加权量测预测误差仍存在越限情况。即,若此时仍然存在rNj>γr,j=1,…,m,可认为存在量测量错误,则可以采用加权最小二乘法状态估计,辨识出量测坏数据并进行修正。
4)对量测量突变进行处理:当完成前两步骤中所述的网络拓扑错误和量测坏数据的处理后,若系统量测量对应的参数发生突变时,虽然状态估计结果发生突变,与动态状态估计预测结果不一致,但结果正确,不需要进行修正。
通过以上方案可以看出,本发明的一种电力系统动态状态估计中异常情况的检测方法,首先建立判断指标,计算出标准残差,然后根据该标准残差辨识出电力系统状态估计过程中是否存在异常情况,从而为后续的异常情况处理打下基础。本发明能够准确辨识出动态状态估计中引起状态估计和状态预测结果不一致的原因,并对各种异常情况进行处理,有效提高了动态状态估计的准确率。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种电力系统动态状态估计中异常情况的检测方法,其特征在于,包括以下步骤:
在电力系统动态状态估计中,获取第k步预测的状态采用如下公式计算量测预测误差矢量εk:式中,Zk为m维量测矢量,为量测函数,εfk为预测误差,εmk为量测误差;
输入量测量Zk,通过加权最小二乘法进行状态估计,获得状态矢量的估计值
根据所述估计值计算残差矢量rk:并根据所述残差矢量rk计算标准残差矢量rNk:式中,Nkj为矩阵Nk的第j行第j列元素;
当max{rNkj}>γr,j=1,…,m时,判定为电力系统状态估计过程中存在异常情况;式中,γr为用于残差矢量rN检测的门槛值。
2.根据权利要求1所述的电力系统动态状态估计中异常情况的检测方法,其特征在于,所述异常情况包括:网络拓扑错误、量测坏数据或量测量突变。
3.根据权利要求2所述的电力系统动态状态估计中异常情况的检测方法,其特征在于,还包括步骤:
计算量测预测误差矢量εk:并计算加权量测预测误差矢量εWk:根据所述加权量测预测误差矢量εWk计算标准加权量测预测误差εNWk:式中,Mkj是矩阵Mk的第j行第j列元素,系数λj取决于坏数据j的取值;
当max{εNWkj}>γε,j=1,…,m,γε=7.5时,判定为存在网络拓扑错误。
4.根据权利要求3所述的电力系统动态状态估计中异常情况的检测方法,其特征在于,当max{rNkj}>γr,j=1,…,m,m为量测总数,遥信量发生变化,存在max{εNWkj}>γε,但越限数量少于预设阈值时,将与超越所述门槛值对应的量测量相关联的开关辨识为遥信量变化而实际开关未变的第一种网络拓扑错误;
当max{rNkj}>γr,j=1,…,m,遥信量未发生变化,存在max{εNWkj}>γε,且越限数量多于预设阈值时,判定为存在遥信量未变而实际开关已变的第二种网络拓扑错误;否则判定为存在量测量错误或量测量突变。
5.根据权利要求4所述的电力系统动态状态估计中异常情况的检测方法,其特征在于,在判定电力系统状态估计过程中存在异常情况之后,还包括步骤:对所述异常情况进行处理。
6.根据权利要求5所述的电力系统动态状态估计中异常情况的检测方法,其特征在于,对所述异常情况进行处理的过程包括:
对所述第一种网络拓扑错误进行处理,根据辨识后的结构修改网络拓扑结构;
对所述第二种网络拓扑错误进行处理,根据残差的大小建立一个可疑开关表,按照顺序依次改变开关状态,重新状态估计并计算残差,直到标准加权量测预测误差矢量中不存在超过门槛值的情况为止;
对量测坏数据进行处理,在辨识出网络拓扑错误并处理完后,重新进行状态估计,若此时仍然存在rNj>γr,j=1,…,m,则采用加权最小二乘法状态估计,辨识出量测坏数据并进行修正;
对量测量突变进行处理,当完成网络拓扑错误和量测坏数据的处理后,若系统量测量对应的参数发生突变,与动态状态估计预测结果不一致但结果正确,不进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410076986.0A CN103914613B (zh) | 2014-03-04 | 2014-03-04 | 电力系统动态状态估计中异常情况的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410076986.0A CN103914613B (zh) | 2014-03-04 | 2014-03-04 | 电力系统动态状态估计中异常情况的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103914613A true CN103914613A (zh) | 2014-07-09 |
CN103914613B CN103914613B (zh) | 2017-02-01 |
Family
ID=51040289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410076986.0A Active CN103914613B (zh) | 2014-03-04 | 2014-03-04 | 电力系统动态状态估计中异常情况的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103914613B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271809A (zh) * | 2017-05-18 | 2017-10-20 | 国家电网公司 | 一种面向大数据应用的电力设备状态量动态阈值获取方法 |
CN111313405A (zh) * | 2020-02-29 | 2020-06-19 | 上海电力大学 | 一种基于多量测断面的中压配电网拓扑辨识方法 |
CN113191485A (zh) * | 2021-04-26 | 2021-07-30 | 东北大学 | 一种基于narx神经网络的电力信息网络安全检测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336904A (zh) * | 2013-07-08 | 2013-10-02 | 国家电网公司 | 一种基于分段线性权因子函数的抗差状态估计方法 |
CN103413053A (zh) * | 2013-08-21 | 2013-11-27 | 国家电网公司 | 一种基于内点法的电力系统抗差状态估计方法 |
WO2013187975A1 (en) * | 2012-06-15 | 2013-12-19 | Abb Research Ltd. | Parallel computation of dynamic state estimation for power system |
-
2014
- 2014-03-04 CN CN201410076986.0A patent/CN103914613B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013187975A1 (en) * | 2012-06-15 | 2013-12-19 | Abb Research Ltd. | Parallel computation of dynamic state estimation for power system |
CN103336904A (zh) * | 2013-07-08 | 2013-10-02 | 国家电网公司 | 一种基于分段线性权因子函数的抗差状态估计方法 |
CN103413053A (zh) * | 2013-08-21 | 2013-11-27 | 国家电网公司 | 一种基于内点法的电力系统抗差状态估计方法 |
Non-Patent Citations (1)
Title |
---|
张永超: "电力系统不良数据检测和辨识方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271809A (zh) * | 2017-05-18 | 2017-10-20 | 国家电网公司 | 一种面向大数据应用的电力设备状态量动态阈值获取方法 |
CN107271809B (zh) * | 2017-05-18 | 2020-01-31 | 国家电网公司 | 一种面向大数据应用的电力设备状态量动态阈值获取方法 |
CN111313405A (zh) * | 2020-02-29 | 2020-06-19 | 上海电力大学 | 一种基于多量测断面的中压配电网拓扑辨识方法 |
CN111313405B (zh) * | 2020-02-29 | 2022-04-01 | 上海电力大学 | 一种基于多量测断面的中压配电网拓扑辨识方法 |
CN113191485A (zh) * | 2021-04-26 | 2021-07-30 | 东北大学 | 一种基于narx神经网络的电力信息网络安全检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103914613B (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110894038B (zh) | 电梯门系统运行状态的预测方法及装置 | |
CN110365647B (zh) | 一种基于pca和bp神经网络的虚假数据注入攻击检测方法 | |
CN103914613A (zh) | 电力系统动态状态估计中异常情况的检测方法 | |
CN106295850A (zh) | 一种基于历史量测的不良数据辨识方法及系统 | |
US20010000395A1 (en) | System for managing an elevator group | |
CN104954192A (zh) | 一种网络流量监测方法和设备 | |
CN104075749A (zh) | 物联网中设备异常状态检测的方法及系统 | |
TW201126289A (en) | Method and apparatus for monitoring a process and/or a technical installation | |
CN109495327B (zh) | 一种基于大数据分析的用户活动异常检测和流量预测方法 | |
KR101941854B1 (ko) | 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법 | |
CN110163436A (zh) | 基于动态瓶颈预测的智能车间生产优化方法 | |
CN108549955B (zh) | 一种充电桩异常率确定方法及装置 | |
CN105674943A (zh) | 一种通用的多点非线性整体变形预测方法 | |
CN103389427B (zh) | Gis设备运行状态在线检测方法与系统 | |
CN107657121B (zh) | 基于腐蚀级别评定的飞机结构性能预测处理方法及系统 | |
CN109894475B (zh) | 一种冷轧连退设备劣化趋势预警方法及装置 | |
CN101341449A (zh) | 基于信息可信度的增进的状态估计 | |
CN113094702B (zh) | 基于lstm网络的虚假数据注入攻击检测方法及其装置 | |
KR101538758B1 (ko) | 정보 통신 시스템에서의 장애 예측 장치 및 방법 | |
CN103364669B (zh) | Gis设备运行状态在线检测方法与系统 | |
CN104376367B (zh) | 一种基于气温因素和非线性自回归时序模型的短期负荷预测方法 | |
CN111885084A (zh) | 一种入侵检测方法、装置及电子设备 | |
US11463849B2 (en) | Data processing device, data analyzing device, data processing system and method for processing data | |
CN116578807A (zh) | 一种面向多信息融合的采煤机定位置信度评价方法 | |
US6931301B2 (en) | System processing time computation method computation device, and recording medium with computation program recorded thereon |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |