CN104392069B - 一种广域测量系统时延特性建模方法 - Google Patents
一种广域测量系统时延特性建模方法 Download PDFInfo
- Publication number
- CN104392069B CN104392069B CN201410763974.5A CN201410763974A CN104392069B CN 104392069 B CN104392069 B CN 104392069B CN 201410763974 A CN201410763974 A CN 201410763974A CN 104392069 B CN104392069 B CN 104392069B
- Authority
- CN
- China
- Prior art keywords
- delay
- mrow
- data
- wams
- pmu
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000005315 distribution function Methods 0.000 claims abstract description 7
- 230000001934 delay Effects 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 33
- 238000007476 Maximum Likelihood Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000004744 fabric Substances 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
一种广域测量系统时延特性建模方法,涉及一种时延建模方法,目前广域测量系统中,在进行时延测量时,往往是基于实验条件下的测量,测量结果很难准确电力系统实际运行工况下的时延特性。本发明包括以下步骤:一)计算各PMU子站到WAMS主站通信时延;二)对时延数据进行预处理;1)去除错误的或者通信严重堵塞的PMU子站数据;2)对正常的PMU子站大时延数据进行剔除;三)对预处理后的时延数据进行频率计算;四)采用定量的指标对采用不同概率密度函数拟合的结果进行比较;选择最佳分布函数。本技术方案方法简单可靠,对系统无影响,处理快,易于实现,使得建立的模型更为准确。
Description
技术领域
本发明涉及一种时延建模方法,具体涉及一种广域测量系统时延特性建模的方法。
背景技术
广域测量系统解决了高精度的相量同步测量问题,为引入广域控制解决低频振荡、互联电网之间稳定控制等问题提出了新的思路,但广域测量系统的时延特性是广域系统控制器的设计所必须考虑的因素,因此成为研究广域控制不可忽略的问题,准确有效的时延模型对于指导时延补偿,探索时延对WAMS控制系统的影响具有重要意义。
目前广域测量系统中,在进行时延测量时,往往是基于实验条件下的测量,测量结果很难准确电力系统实际运行工况下的时延特性。对于测得的PMU信息时延的研究主要是对单时延或固定时延的简单分析,并且忽略了时延的随机性,对信息时延的建模方法较少涉及。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供一种广域测量系统时延特性建模方法,以达到指导时延补偿的目的。为此,本发明采取以下技术方案。
一种广域测量系统时延特性建模方法,其特征在于包括以下步骤:
一)计算各PMU子站到WAMS主站通信时延;在广域测量系统主站搭建时延测试环境,当PMU子站测量数据到达主站时,获取当前主站GPS时标t2,同时从PMU测量数据中获取数据帧中所包含的GPS时标t1,两个时标差为对应PMU子站到达主站的通信时延Δt,Δt=t2-t1;
二)对时延数据进行预处理,包括去除错误的或者通信严重堵塞的PMU子站数据和对正常的PMU子站大时延数据进行剔除;
1)去除错误的或者通信严重堵塞的PMU子站数据,当一PMU子站的大部分测量时延大于100ms时,认为该PMU子站处于故障情况,去除该PMU子站数据;
2)对正常的PMU子站大时延数据进行剔除,剔除方法为:
a)计算时延测量值的均值时延测量值的均方差σ;
b)剔除大于的数据;κ为比例系数;
三)对预处理后的时延数据进行频率计算,即计算时延为ims的测量值出现的频数占总体的比值,采用最大似然估计法对数据进行拟合,并确定模型的参数;
四)采用定量的指标对采用不同概率密度函数拟合的结果进行比较;选择最佳分布函数。
作为对上述技术方案的进一步完善和补充,本发明还包括以下附加技术特征。
在步骤2)对正常的PMU子站大时延数据进行剔除时,还包括:
c)回到步骤a),重新计算时延测量值的均值时延测量值的均方差σ;不断循环,直至不存在大于的数据。
在步骤3)中,拟合处理采用最大似然估计法作为拟合方法,其假设样本的概率分布为一确定的分布,该分布的概率密度函数为f(x|θ),x为测量值,θ为该分布的未知参数,以θ0表示参数的真实值,表示最大似然估计值;定义似然函数为:
xi为已知的样本测量值,似然函数L是未知参数θ的函数;当时,L达到极大值,此时得到的概率分布函数与实际情况最为接近,θ最接近θ0。
似然函数最大值的求取方法为:
当满足以下方程:
即可得到
其中:
在步骤4)采用定量的指标对采用不同概率密度函数拟合的结果进行比较;选择最佳分布函数时,
设定用于结果判断的RMSE指标:
f为拟合的概率密度函数,f(i)为时延为ims时的概率密度,yi为时延为ims的测量值出现的次数占总体的比值,N为时延的总数;对于同一组测量值,拟合指标RMSE越小,表明拟合越精确。
在步骤4)中,选择的概率密度函数包括莱斯分布、正态分布、Rayleigh分布、Weibull分布。
比例系数κ为3。
有益效果:
1、本发明中的时延测量方法简单可靠,只需对已有WAMS中主站软件进行简单拓展即可完成对各PMU子站到主站的总时延进行测试记录,并且不会对已有系统造成影响,保证已有系统正常工况下运行。
2、本发明中的数据预处理方法依据时延数据以及WAMS的特点对数据进行分类处理,对于堵塞的数据直接剔除,对于正常数据中的大时延采用建立的坏数据剔除方法进行剔除,能够高效快速地剔除坏数据。
3、本发明中的概率密度函数的拟合方法基于统计学中的最大似然法,易于编程实现,并且拟合效果较好。
4、本发明提出的方法采用概率模型进行建模,能够反映广域测量系统时延的随机特性,使得建立的模型更为准确。
附图说明
图1是电力系统WAMS结构图;
图2是某一PMU子站时延特性模型曲线。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
本发明包括以下步骤:
第一步:各PMU子站到WAMS主站通信时延的测量。
在广域测量系统主站搭建时延测试环境,当PMU子站测量数据到达主站时,获取当前主站GPS时标t2,同时从PMU测量数据中获取数据帧中所包含的GPS时标t1,依据WAMS的结构特点,可通过对两个时标相减运算得到该PMU子站测量结果到达主站的通信时延Δt,形如:
Δt=t2-t1
依据图1,广域测量系统包括主站、多个PMU子站、位于主站与PMU子站之间的通信前置机、路由器、纵向加密器、交换机,其中
Δt=Δtcal+Δtup+Δtsyn
Δtcal为PMU装置从采样到将数据打包传送到子站交换机的时延;Δtup为数据从子站交换机并通过加密装置加密后经调度数据网到达主站前置机的总的上传时延,Δtsyn为广域控制器接收处理指令的时延。
为获取足够的数据以更准确反映时延的特性,测量时间设为10min,根据PMU测量数据的传输速率,一般为25帧/s,得到的每个子站的数据量为15000组左右。
第二步:对时延数据进行预处理,主要包含两个方面:一是去除错误的或者通信严重堵塞的PMU子站数据;二是对正常的PMU子站大时延数据进行剔除。
1)去除错误的或者通信严重堵塞的PMU子站数据,当WAMS通信系统中某一PMU子站通信堵塞较为严重时,无法恢复至正常状态,会出现大部分测量时延均为几百毫秒至几秒钟的情况。此时,时延均值显著大于100ms,认为该PMU子站处于故障情况,研究正常运行工况下时延分布时不考虑该故障情况。
2)对正常的PMU子站大时延数据进行剔除,剔除方法采用以下流程:
a.计算时延测量值的均值均方差σ。
b.剔除大于的数据。
c.回到a继续进行,直到不存在大于的数据。
x为时延测量值,为时延测量值的均值,σ为时延测量值的方差,κ为一比例系数。
对于κ值的选择,主要依据所采用的概率密度函数的置信区间进行确定,保证一定的置信概率,对于不同的概率分布,κ可以取不同的值,为了尽可能避免剔除正常的数据,选择其中κ的最大值。
第三步:对预处理后的时延数据进行频率计算,即计算时延为ims的测量值出现的频数占总体的比值,采用最大似然估计法对数据进行拟合,并确定模型的参数。
拟合处理采用最大似然估计法作为拟合方法,具体原理如下:假设样本的概率分布为某一确定的分布,该分布的概率密度函数为f(x|θ),x为测量值,θ为该分布的未知参数,以θ0表示参数的真实值,表示最大似然估计值。
定义似然函数为:
xi为已知的样本测量值,似然函数L是未知参数θ的函数。当时,L达到极大值,此时得到的概率分布函数与实际情况最为接近,θ最接近θ0。
对于该似然函数最大值的求取:
当满足以下方程时,即可得到
第四步:采用定量的指标对采用不同概率密度函数拟合的结果进行比较;选择最佳分布函数。
概率密度函数选择的指标是指,为定量分析拟合效果的好坏,定义RMSE指标:
f为拟合的概率密度函数,f(i)为时延为ims时的概率密度,yi为时延为ims的测量值出现的次数占总体的比值,N为时延的总数。对于同一组测量值,拟合指标RMSE越小,表明拟合越精确,选择RMSE最小的概率密度函数即可得到模型。
实施例:
为验证本发明中的建模方法的有效性,对浙江省电网WAMS时延进行测量,并建立了基于概率分布的数学模型,本例采用正态分布、莱斯分布、Rayleigh分布、Weibull分布等四种典型分布进行检验,选取最佳模型。
按照发明内容中的第一步获取浙江省电网WAMS在实际运行工况下,75个PMU子站的时延数据。
采用第二步中的坏数据处理方法,首先对数据检查,直接剔除PMU子站时标错误导致的4个子站数据以及通信严重堵塞的5个子站数据,得到66个有效的子站测量数据;对于本例所选取的四种分布,κ取3时,正常数据都能以99%以上的置信概率落在[0,μ+3σ]之间。
对坏数据剔除后,采用第三步中的方法计算时延数据的频率,并对时延数据进行拟合,以某一子站数据为例,拟合曲线如图2所示。
采用第四步指标对不同分布拟合结果进行比对,结果如表1所示。
表166个PMU子站中不同分布的拟合指标
从表二可以看出,莱斯分布模型和正态分布模型均能有效的反映时延特性的概率分布,模型的参数由第三步中的拟合结果直接得到。
综上所述,本发明剔除的基于概率分布的广域测量系统时延特性的建模方法能够在电力系统实际运行工况下,对时延数据进行测量,并能够有效对坏数据进行剔除,得到准确的时延特性概率分布模型。本发明提出的方法与已有的主要依据实验条件下测量时延分布特性的方法相比,由于实际运行工况下,并测量大量数据,采用概率模型建模,能够得到更为准确的时延特性模型。
Claims (4)
1.一种广域测量系统时延特性建模方法,其特征在于包括以下步骤:
一)计算各PMU子站到WAMS主站通信时延;在广域测量系统主站搭建时延测试环境,当PMU子站测量数据到达主站时,获取当前主站GPS时标t2,同时从PMU测量数据中获取数据帧中所包含的GPS时标t1,两个时标差为对应PMU子站到达主站的通信时延Δt,Δt=t2-t1;
二)对时延数据进行预处理,包括去除错误的或者通信严重堵塞的PMU子站数据和对正常的PMU子站大时延数据进行剔除;
1)去除错误的或者通信严重堵塞的PMU子站数据,当一PMU子站的大部分测量时延大于100ms时,认为该PMU子站处于故障情况,去除该PMU子站数据;
2)对正常的PMU子站大时延数据进行剔除,剔除方法为:
a)计算时延测量值的均值时延测量值的均方差σ;
b)剔除大于的数据;κ为比例系数;
三)对预处理后的时延数据进行频率计算,即计算时延为ims的测量值出现的频数占总体的比值,采用最大似然估计法对数据进行拟合,并确定模型的参数;
拟合处理采用最大似然估计法作为拟合方法,其假设样本的概率分布为一确定的分布,该分布的概率密度函数为f(x|θ),x为测量值,θ为该分布的未知参数,以θ0表示参数的真实值,表示最大似然估计值;定义似然函数为:
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>|</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Pi;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mrow>
xi为已知的样本测量值,似然函数L是未知参数θ的函数;当时,L达到极大值,此时得到的概率分布函数与实际情况最为接近,θ最接近θ0;
似然函数最大值的求取方法为:
当满足以下方程:
<mrow>
<mfrac>
<mo>&part;</mo>
<mrow>
<mo>&part;</mo>
<mi>&theta;</mi>
</mrow>
</mfrac>
<mi>ln</mi>
<mi> </mi>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
即可得到
其中:
四)采用定量的指标对采用不同概率密度函数拟合的结果进行比较;选择最佳分布函数;
选择最佳分布函数时,
设定用于结果判断的RMSE指标:
<mrow>
<mi>R</mi>
<mi>M</mi>
<mi>S</mi>
<mi>E</mi>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>*</mo>
<mn>100</mn>
<mi>%</mi>
</mrow>
f为拟合的概率密度函数,f(i)为时延为ims时的概率密度,yi为时延为ims的测量值出现的次数占总体的比值,N为时延的总数;对于同一组测量值,拟合指标RMSE越小,表明拟合越精确。
2.根据权利要求1所述的一种广域测量系统时延特性建模方法,其特征在于:在步骤2)对正常的PMU子站大时延数据进行剔除时,还包括:
c)回到步骤a),重新计算时延测量值的均值时延测量值的均方差σ;不断循环,直至不存在大于的数据。
3.根据权利要求1所述的一种广域测量系统时延特性建模方法,其特征在于:在步骤四)中,选择的概率密度函数包括莱斯分布、正态分布、Rayleigh分布、Weibull分布。
4.根据权利要求1所述的一种广域测量系统时延特性建模方法,其特征在于:比例系数κ为3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410763974.5A CN104392069B (zh) | 2014-12-11 | 2014-12-11 | 一种广域测量系统时延特性建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410763974.5A CN104392069B (zh) | 2014-12-11 | 2014-12-11 | 一种广域测量系统时延特性建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104392069A CN104392069A (zh) | 2015-03-04 |
CN104392069B true CN104392069B (zh) | 2017-09-08 |
Family
ID=52609972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410763974.5A Active CN104392069B (zh) | 2014-12-11 | 2014-12-11 | 一种广域测量系统时延特性建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104392069B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105490832A (zh) * | 2015-11-17 | 2016-04-13 | 国网宁夏电力公司电力科学研究院 | 一种电力系统广域闭环控制系统通信时延的建模方法 |
CN108880946B (zh) * | 2018-08-03 | 2022-04-01 | 武汉大学 | 一种广域监测系统主站与pmu数据通信时延的估算方法 |
CN109861780B (zh) * | 2019-03-13 | 2020-06-23 | 浙江工业大学 | 一种wams时延信号补偿装置 |
CN110618336A (zh) * | 2019-10-24 | 2019-12-27 | 国网山东省电力公司青州市供电公司 | 一种电气试验测试数据管理系统 |
US20220140648A1 (en) * | 2020-10-30 | 2022-05-05 | University Of Tennessee Research Foundation | Methods, systems, and computer program products for adaptive wide-area damping control using a transfer function model derived from measurements |
CN112532472B (zh) * | 2020-11-09 | 2022-11-04 | 广东电网有限责任公司广州供电局 | 一种相量测量单元上传延时的测试方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102361353A (zh) * | 2011-10-26 | 2012-02-22 | 东北电网有限公司 | 基于双时间尺度延时估计的断面生数据对齐方法 |
CN102970180A (zh) * | 2012-11-01 | 2013-03-13 | 武汉大学 | 一种电力系统广域测量系统通信时延的实时仿真方法 |
CN103516508A (zh) * | 2013-09-17 | 2014-01-15 | 中国科学院计算技术研究所 | 一种单向和双向时延抖动测量中修正时钟漂移的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100299287A1 (en) * | 2009-05-22 | 2010-11-25 | Alcatel-Lucent Usa Inc. | Monitoring time-varying network streams using state-space models |
-
2014
- 2014-12-11 CN CN201410763974.5A patent/CN104392069B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102361353A (zh) * | 2011-10-26 | 2012-02-22 | 东北电网有限公司 | 基于双时间尺度延时估计的断面生数据对齐方法 |
CN102970180A (zh) * | 2012-11-01 | 2013-03-13 | 武汉大学 | 一种电力系统广域测量系统通信时延的实时仿真方法 |
CN103516508A (zh) * | 2013-09-17 | 2014-01-15 | 中国科学院计算技术研究所 | 一种单向和双向时延抖动测量中修正时钟漂移的方法及系统 |
Non-Patent Citations (2)
Title |
---|
"基于PMU动态同步相量测量的故障测距";靳夏宁等;《电网技术》;20131031;第37卷(第10期);第2932-2937页 * |
"数据链系统信息地空传输信道建模与性能分析";王好同等;《系统仿真学报》;20130430;第25卷(第4期);第631-634页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104392069A (zh) | 2015-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104392069B (zh) | 一种广域测量系统时延特性建模方法 | |
CN101907437B (zh) | 一种基于小波差分算法的电缆故障测距方法 | |
CN102680812A (zh) | 一种产品寿命评价方法和装置 | |
CN104218570B (zh) | 一种电能计量装置整体计量误差的在线评估方法和系统 | |
CN107027023A (zh) | 基于神经网络的VoIP无参考视频通信质量客观评价方法 | |
CN103646138A (zh) | 基于贝叶斯理论的定时截尾加速验收抽样试验优化设计方法 | |
CN107819631A (zh) | 一种设备异常检测方法、装置及设备 | |
CN104683182B (zh) | Idc机房网络服务质量检测方法及装置 | |
CN106529791A (zh) | 一种电力系统中支路重要度的评估方法 | |
CN105528288A (zh) | 一种软件测试方法以及装置 | |
CN105242231B (zh) | 数字化电能计量性能检测与溯源方法及闭环系统 | |
CN104655639A (zh) | 一种能准确获取裂缝特征的路面裂缝检测方法和系统 | |
CN103761183A (zh) | 考虑fde和fce的基于isq的软件可靠性增长模型的建立方法 | |
CN106951556A (zh) | 离线环境下配电网图模的一致性校验方法和系统 | |
CN106226785B (zh) | 电离层异常监测模型建立方法和装置 | |
CN104180822B (zh) | 一种变形监测基准点稳定性检验方法 | |
CN104112003B (zh) | 对游戏终端的性能进行检测的方法及系统 | |
CN106556877A (zh) | 一种地磁通化方法及装置 | |
CN103117823B (zh) | 一种短波信道模型建模方法 | |
CN110414086A (zh) | 一种基于灵敏度的综合应力加速因子计算方法 | |
CN104376174A (zh) | 一种基于线路阻抗比的交流线路参数辨识与修正方法 | |
CN106323808A (zh) | 一种基于微波水分仪的密度适时检测系统及检测方法 | |
CN1860717B (zh) | 由置信度、测试时间和选择性测试设备的误码率差错率的方法 | |
CN107341336A (zh) | 一种贮箱产品几何精度一致性评价方法 | |
CN109359047A (zh) | 一种基于系统特征状态的软件测试充分性度量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |