CN104393593B - 一种基于三态数据有效融合的方法 - Google Patents
一种基于三态数据有效融合的方法 Download PDFInfo
- Publication number
- CN104393593B CN104393593B CN201410700594.7A CN201410700594A CN104393593B CN 104393593 B CN104393593 B CN 104393593B CN 201410700594 A CN201410700594 A CN 201410700594A CN 104393593 B CN104393593 B CN 104393593B
- Authority
- CN
- China
- Prior art keywords
- data
- state
- fusion
- analysis
- source
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 230000001052 transient effect Effects 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 15
- 230000010354 integration Effects 0.000 claims description 14
- 230000002123 temporal effect Effects 0.000 claims description 11
- 238000010937 topological data analysis Methods 0.000 claims description 8
- 238000013499 data model Methods 0.000 claims description 4
- 238000007499 fusion processing Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 238000007405 data analysis Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
Abstract
本发明公开了一种变电站在线电力系统分析中基于三态数据有效融合的方法案,该方法利用一体化监控系统中动态、稳态、暂态三态数据的不同特性、融合后数据的使用目的,采用多种方法和手段对数据进行融合,输出数据根据时间要求划分不同品级。本发明能够有效利用变电站内高度冗余的多源量测信息,提高融合后坏数据的识别率,进一步提高了数据精度。
Description
技术领域
本发明涉及一种基于三态数据有效融合的方法,属于电力工程的继电保护自动化领域。
背景技术
传统的变电站当发生事故时,值班运行人员往往会陷入浩瀚的告警、事故信息中,无法从纷杂的告警信息中快速判断事故点及原因,因此无法及时的避免事故扩大。随着IEC61850标准在电力系统的深入应用及计算机技术的发展、一体化信息平台技术在变电站深入应用,从而实现了对电网三态(稳态、动态、暂态)数据的综合采集,为完善变电站高级应用综合分析及诊断提供了技术保障。变电站数据处理层可以根据三态数据的不同特点进行综合分析,实现变电站数据层的快速、准确的计算,为业务运行及维护人员提供帮助,提高电网的安全稳定运行。
本发明中根据实际业务的数据需求,配置需要融合的目标数据集,在方案实施的不同步骤中,逐步实现数据的辨识、监测、不同静度要求的融合结果,为智能电网的安全稳定运行提供了强有力的保障。
发明内容
发明目的:
本发明提供了一种基于三态数据有效融合的方法,其目的是提高电力系统运行的安全可靠性,适用于智能变电站中的110~550kV智能变电站站域差动保护。
技术方案:
一种基于三态数据有效融合的方法,其特征在于:利用专家数据库和建立在数据库规则基础之上的推理引擎,利用一体化监控平台提供的三态数据库,完成变电站网络系统的拓扑分析,剔出坏的状态量,然后利用传统的基尔霍夫定理、各个子系统的内部逻辑关系,建立量测量融合模型,完成稳态数据和动态数据的融合;具体步骤如下:
(1)选择需要融合的数据库集,根据需求可对所有或者部分多源数据,采用合适的算法进行融合,由于现在智能变电站数据量庞大,可对重要多源数据进行融合;
(2)对数据进行分类,按电压等级,子系统,量测类型进行分类,不同的数据采用不同的融合模型;
(3)对于量测数据,如果是多源数据,可以采用恰当的方法建模;如果不是多源的,但是变电站许多数据之间存在多种相关关系,可以利用这种关系,对数据融合提高精度和可靠性;
(4)对于非多源状态量,可以利用拓扑错误检测机制,建立数据模型和推理引擎对状态量进行甄别;
(5)根据输出品质需求和对时间要求的宽裕度,可以启动高精确度的融合进程,输出高品质数据。
对一些特殊的电力系统分析功能,进一步利用暂态数据分析对特别关心的数据进一步融合,形成高品质数据,供分析使用。
上述的基于三态数据有效融合的的方法,其特征在于:步骤如下:
(1)首先建立需要融合的目标数据集,再形成相关的多源数据集;对目标数据集分类;
(2)建立状态量分析的专家知识库和分析引擎;剔除错误的状态量;
(3)通过拓扑分析,获得零阻抗网络拓扑孤岛;在拓扑孤岛中,各个节点由于零阻抗的缘故,在同一时间断面,电压基本一致,电流和功率满足KCL定律;对多源模拟数据建立融合模型,特别是应该包含动态复数据,对融合结果采用基于正则化残差的搜索法对模拟量坏数据进行剔除,并算出坏数据的估计值;
(4)通过步骤(3)和步骤(2)的交替执行,最终剔除大部分坏数据;再建立量测量的融合模型,完成基于动态和稳态数据冗余的目标数据集的融合;
(5)通过人工干预或者自动进行暂态数据的分析,对步骤(4)得到的同一时间断面的冗余数据和暂态分析结果按照不同的权重进行步骤(2)-步骤(4)数据融合;经过暂态数据融合的数据可信度和准确度都有量级的提高,相应数据应置不同的标志。
优点及效果:
本发明是一种基于三态数据有效融合的方法,具有以下优点和有益效果:
该方法利用一体化监控系统中动态、稳态、暂态三态数据的不同特性、融合后数据的使用目的,采用多种方法和手段对数据进行融合,输出数据根据时间要求划分不同品级。本发明能够有效利用变电站内高度冗余的多源量测信息,提高融合后坏数据的识别率,进一步提高了数据精度。
具体实施方式
在线电力系统分析中,一些重要节点的量测数据,比如网络中的电压、电流、功率等,通常在自身所处的系统中或者其它系统中都有冗余,本发明公开变电站在线电力系统分析中多源数据融合的一种方案,该方案利用一体化监控系统中动态、稳态、暂态三态数据的不同特性、融合后数据的使用目的,采用多种方法和手段对数据进行融合,输出数据根据时间要求划分不同品级。
本发明涉及一种基于三态数据有效融合的方法,特别是110~550kV智能变电站站域三态数据数据融合的方法,其原理如下:
在变电站电力系统分析中,一些重要节点的量测数据,比如网络中的电压、电流、功率等,通常在自身所处的系统中或者其它系统中都有冗余,本发明是变电站在线电力系统分析中多源数据融合的一种方法,该方法利用一体化监控系统中动态、稳态、暂态三态数据的不同特性、融合后数据的使用目的,采用多种方法和手段对数据进行融合,输出数据根据时间要求划分不同品级。该方法包括:1、选择需要融合的数据库集,根据需求可对所有或者部分多源数据,采用合适的算法进行融合,如果需要极高的实时性,由于现在智能变电站数据量庞大,可对重要多源数据进行融合;2、对数据进行分类,按电压等级,子系统,量测类型进行分类,不同的数据采用不同的融合模型;3、对于量测数据,如果是多源数据,可以采用恰当的方法建模,如果不是多源的,但是变电站许多数据之间存在多种相关关系,可以利用这种关系,对数据融合提高精度和可靠性;4、对于非多源状态量,可以利用拓扑错误检测机制,建立数据模型和推理引擎对状态量进行甄别;5、根据输出品质需求和对时间要求的宽裕度,可以启动高精确度的融合进程,输出高品质数据。本发明能够有效利用变电站内高度冗余的多源量测信息,提高融合后坏数据的识别率,在必要的前提下进一步提高数据精度。
本发明涉及一种基于三态数据有效融合的方法,利用专家数据库和建立在数据库规则基础之上的推理引擎,利用一体化监控平台提供的三态数据库,完成变电站网络系统的拓扑分析,剔出坏的状态量,然后利用传统的基尔霍夫定理、各个子系统的内部逻辑关系,建立量测量融合模型,完成稳态数据和动态数据的融合。对一些特殊的电力系统分析功能,进一步利用暂态数据分析对特别关心的数据进一步融合,形成高品质数据,供分析使用。具体步骤如下:
(1)选择需要融合的数据库集,根据需求可对所有或者部分多源数据,采用合适的算法进行融合,由于现在智能变电站数据量庞大,可对重要多源数据进行融合。
(2)对数据进行分类,按电压等级,子系统,量测类型进行分类,不同的数据采用不同的融合模型。
(3)对于量测数据,如果是多源数据,可以采用恰当的方法建模;如果不是多源的,但是变电站许多数据之间存在多种相关关系,可以利用这种关系,对数据融合提高精度和可靠性。
(4)对于非多源状态量,可以利用拓扑错误检测机制,建立数据模型和推理引擎对状态量进行甄别。
(5)根据输出品质需求和对时间要求的宽裕度,可以启动高精确度的融合进程,输出高品质数据。
针对电力系统分析需要,提出了基于三态数据有效融合的多品级输出的方法,其步骤如下:
(1)首先建立需要融合的目标数据集,再形成相关的多源数据集;对目标数据集分类。
(2)建立状态量分析的专家知识库和分析引擎;剔除错误的状态量。
(3)通过拓扑分析,获得零阻抗网络拓扑孤岛;在拓扑孤岛中,各个节点由于零阻抗的缘故,在同一时间断面,电压基本一致,电流和功率满足KCL定律;对多源模拟数据建立融合模型,特别是应该包含动态复数据,对融合结果采用基于正则化残差的搜索法对模拟量坏数据进行剔除,并算出坏数据的估计值。
(4)通过步骤(3)和步骤(2)的交替执行,最终剔除大部分坏数据;再建立量测量的融合模型,完成基于动态和稳态数据冗余的目标数据集的融合。
(5)通过人工干预或者自动进行暂态数据的分析,对步骤(4)得到的同一时间断面的冗余数据和暂态分析结果按照不同的权重进行步骤(2)-步骤(4)数据融合;经过暂态数据融合的数据可信度和准确度都有量级的提高,相应数据应置不同的标志。
实施例1
一种变电站基于三态数据有效融合多品级输出的实现方法,具体步骤如下:
步骤1:选择需要融合的数据库集,该数据集对数据按电压等级,子系统,量测类型进行分类。电压等级,可分为1000KV,500KV,330KV,220KV,110KV,35KV;对量测数据分成不同子系统:主变系统,线路系统,母线系统等;量测类型分为状态量和模拟量。
步骤2:在不同的电压等级中,根据不同系统的网络特点,对量测量和状态量分别建立不同的模型。在监控系统中,量测量的坏数据剔除,多源数据的整合,都和拓扑分析有关。多源状态量的有效融合或者说剔除错误的拓扑数据,对量测量的正确融合结果有着重要作用。通过建立拓扑错误分析专家系统,该系统包括网络元件之间相互关联的规则库和能够高效运转的分析引擎。
规则的建立依赖以下原则:
a、对子系统网络中的断路器、开关根据所处子系统的特点分别建立依赖关系。
b、建立相互依赖的信息:开关位置和相关量测量的关系;开关位置和其他开关位置的关系。
c、建立时间上的依赖关系,包括暂时的依赖和固有的依赖:开关位置与当前量测量的依赖关系,与历史库中数据的依赖关系;开关位置与当前相关开关位置的关系,与历史库中数据的依赖关系。
d、与监控系统中告警事件、SOE事件、保护系统的信息等的依赖关系。
基于这四条原则,建立起一系列的规则。每当开关状态发生变化,或者一些依赖的量测量发生变化,如果满足启动分析条件,分析引擎按照规则自动分析,甄别拓扑状态。
步骤3:在网络中,根据拓扑分析,获得零阻抗网络拓扑孤岛;在拓扑故孤岛中,各个节点由于零阻抗的缘故,在同一时间断面,电压基本一致,电流和功率满足KCL定律。对多源模拟数据建立融合模型,特别是应该包含动态复数据,包含丰富的信息。对相互冗余的稳态数据、动态数据,分别取不同的权值系数带入模型进行计算,对动态数据之间的冗余、稳态数据之间的冗余可以根据先验数据或者这些物理量的几何分布特点设计模型,也可采用平均值的办法进行融合,采用基于正则化残差的搜索法对模拟量坏数据进行剔除,。
同一断面的动态数据和稳态数据的融合,数据直接从实时库获得,融合结果在20ms以内即可得到,但是不管是专家知识库引擎的推理,还是基于模型计算的量测量,通常建立一个前提,就是大部分数据是正确的,只有极个别数据是错误的。在极端情况下,融合结果可能是错误的,因此通过稳态动态数据融合的结果通常应置相应的标志。
步骤4:在第3步完成后,因为对部分错误量测剔除后,可重新执行第2步,之后再执行第3步。在第三步量测模型计算过程中,如果数据异常,可重复第四步。得出统一时间断面的最终的数据融合结果,根据需要可保存在实时数据库中,也可保存在历史数据库,以备电力分析使用。
步骤5:通过稳态和动态数据能够满足一般电力分析的实时性和准确性。如果系统发生重大事件,或者网络拓扑发生变化时,需要更为详尽、准确地数据,还需要通过对暂态数据分析实现。在IEC61850标准在电力系统应用后,暂态数据的接入可靠性与及时性都大大提高。暂态数据主要包括故障前后的模拟量通道波形,动作相别、动作时间及动作值等,利用故障后收到的上述暂态数据(录波信息)可以通过步骤3—4步对故障进行全面、细致的分析。
通过人工干预或者自动进行暂态数据的分析,对第4步得到的同一时间断面的冗余数据按照不同的权重进行数据融合。经过暂态数据融合的数据可信度和准确度都有量级的提高,相应数据应置不同的标志。
Claims (2)
1.一种基于三态数据有效融合的方法,其特征在于:利用专家数据库和建立在数据库规则基础之上的推理引擎,利用一体化监控平台提供的三态数据库,完成变电站网络系统的拓扑分析,剔除坏的状态量,然后利用传统的基尔霍夫定理、各个子系统的内部逻辑关系,建立量测量融合模型,完成稳态数据和动态数据的融合;具体步骤如下:
(1)选择需要融合的数据库集,根据需求可对所有或者部分多源数据,采用合适的算法进行融合,由于现在智能变电站数据量庞大,可对重要多源数据进行融合;
(2)对数据进行分类,按电压等级,子系统,量测类型进行分类,不同的数据采用不同的融合模型;
(3)对于量测数据,如果是多源数据,采用恰当的方法建模;如果不是多源的,但是变电站许多数据之间存在多种相关关系,利用这种关系,对数据融合提高精度和可靠性;
(4)对于非多源状态量,利用拓扑错误检测机制,建立数据模型和推理引擎对状态量进行甄别;
(5)根据输出品质需求和对时间要求的宽裕度,启动高精确度的融合进程,输出高品质数据。
2.根据权利要求1所述的基于三态数据有效融合的方法,其特征在于:基于三态数据有效融合的多品级输出的方法步骤如下:
(1)首先建立需要融合的目标数据集,再形成相关的多源数据集;对目标数据集分类;
(2)建立状态量分析的专家知识库和分析引擎;剔除错误的状态量;
(3)通过拓扑分析,获得零阻抗网络拓扑孤岛;在拓扑孤岛中,各个节点由于零阻抗的缘故,在同一时间断面,电压基本一致,电流和功率满足KCL定律;对多源模拟数据建立融合模型,其包含动态复数据,对融合结果采用基于正则化残差的搜索法对模拟量坏数据进行剔除,并算出坏数据的估计值;
(4)通过步骤(3)和步骤(2)的交替执行,最终剔除大部分坏数据;再建立量测量的融合模型,完成基于动态和稳态数据冗余的目标数据集的融合;
(5)通过人工干预或者自动进行暂态数据的分析,对步骤(4)得到的同一时间断面的冗余数据和暂态分析结果按照不同的权重进行步骤(2)-步骤(4)数据融合;经过暂态数据融合的数据可信度和准确度都有量级的提高,相应数据应置不同的标志。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410700594.7A CN104393593B (zh) | 2014-11-28 | 2014-11-28 | 一种基于三态数据有效融合的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410700594.7A CN104393593B (zh) | 2014-11-28 | 2014-11-28 | 一种基于三态数据有效融合的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104393593A CN104393593A (zh) | 2015-03-04 |
CN104393593B true CN104393593B (zh) | 2017-02-08 |
Family
ID=52611448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410700594.7A Active CN104393593B (zh) | 2014-11-28 | 2014-11-28 | 一种基于三态数据有效融合的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104393593B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241169A (zh) * | 2018-11-16 | 2019-01-18 | 广西电网有限责任公司电力科学研究院 | 配电网运行信息多源异构数据融合数据库集成方法 |
CN111884347B (zh) * | 2020-08-28 | 2021-07-13 | 国网山东省电力公司郯城县供电公司 | 多源电力信息融合的电力数据集中控制系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004334781A (ja) * | 2003-05-12 | 2004-11-25 | Tokyo Electric Power Co Inc:The | リアルタイム指標計算装置 |
CN201639363U (zh) * | 2010-03-25 | 2010-11-17 | 国电南瑞科技股份有限公司 | 智能变电站三态数据综合测控装置 |
CN102142716B (zh) * | 2011-02-17 | 2013-01-30 | 国电南瑞科技股份有限公司 | 一种基于三态数据多维协同处理的电网在线故障诊断方法 |
CN102819673B (zh) * | 2012-07-26 | 2015-04-08 | 中国农业科学院农田灌溉研究所 | 一种多源灌溉信息融合方法及装置 |
CN103093621B (zh) * | 2013-01-07 | 2015-09-23 | 北京世纪高通科技有限公司 | 一种多源交通信息融合的处理方法和装置 |
CN103427417B (zh) * | 2013-07-31 | 2015-10-14 | 国家电网公司 | 基于多源信息融合的配电网故障处理方法 |
-
2014
- 2014-11-28 CN CN201410700594.7A patent/CN104393593B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104393593A (zh) | 2015-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104270091B (zh) | 一种基于监控系统的光伏发电设备故障诊断方法 | |
CN103269279B (zh) | 一种主子站联合拓扑辨识方法 | |
CN105846780A (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
CN107102259A (zh) | 一种多信息融合的断路器状态监测方法和系统 | |
CN102522824B (zh) | 一种基于集控站调度主站的分布式状态估计计算方法 | |
CN104331837B (zh) | 电力系统暂态稳定最优切机控制策略搜索的简化方法 | |
CN111415059B (zh) | 一种实用模型机构建及在线应用方法 | |
CN104462779B (zh) | 采用快速建模与数据质量分析的理论线损在线计算方法 | |
CN109241169A (zh) | 配电网运行信息多源异构数据融合数据库集成方法 | |
CN104392056A (zh) | 一种直驱风电机组建模方法及装置 | |
CN103793585B (zh) | 一种提高理论线损计算完整性和准确性的方法 | |
CN108074198B (zh) | 一种电力系统pmu不良数据识别方法 | |
CN102800030B (zh) | 地区电网继电保护设备综合可靠性互动迭代评估方法 | |
CN106779095A (zh) | 基于kmp算法的智能变电站设备软压板校核的方法 | |
CN109428327A (zh) | 基于响应的电网关键支路与主导稳定模式识别方法及系统 | |
CN104393593B (zh) | 一种基于三态数据有效融合的方法 | |
CN106779267A (zh) | 一种基于多层模糊法的电力系统模型与数据质量评价方法 | |
CN112085233A (zh) | 基于站域bim数据融合多源信息的电力数字信息模型 | |
CN102522759B (zh) | 一种基于扰动后电压轨迹的电力系统暂态失稳实时判别方法 | |
CN104821657A (zh) | 基于ssd模型的数据辨识实现方法 | |
CN105701265B (zh) | 一种双馈风电机组建模方法及装置 | |
CN106856334A (zh) | 一种考虑柔性直流控制特性的电力系统状态估计方法 | |
Ni et al. | A Real-time Fault Diagnosis Method for Grid-Side Overcurrent in Train Traction System using Signal Time Series Feature Pattern Recognition | |
CN104466947B (zh) | 基于区间联络线量测的互联电网暂稳控制策略制定方法 | |
CN106786498A (zh) | 一种主站‑变电站数据协同辨识方法及其装置 |
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 |