CN104572333B - 用于检测、校正并验证数据流中的不良数据的系统和方法 - Google Patents
用于检测、校正并验证数据流中的不良数据的系统和方法 Download PDFInfo
- Publication number
- CN104572333B CN104572333B CN201410578376.0A CN201410578376A CN104572333B CN 104572333 B CN104572333 B CN 104572333B CN 201410578376 A CN201410578376 A CN 201410578376A CN 104572333 B CN104572333 B CN 104572333B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- data flow
- singular value
- exception
- 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 description 81
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims description 61
- 230000001052 transient effect Effects 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 15
- 238000013524 data verification Methods 0.000 claims description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000013213 extrapolation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 16
- 238000012937 correction Methods 0.000 description 25
- 230000002159 abnormal effect Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 17
- 238000009826 distribution Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241001123248 Arma Species 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001373 regressive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1415—Saving, restoring, recovering or retrying at system level
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
- G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
- G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure
- G01D3/032—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure affecting incoming signal, e.g. by averaging; gating undesired signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Maintenance And Management Of Digital Transmission (AREA)
- Selective Calling Equipment (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开一种用于管理数据流中的数据异常的发生的计算机系统。所述计算机系统包括与所述数据流通信的处理器。所述处理器被程序化用于从相量测量单元接收第一数据流。所述处理器还被程序化用于计算与所述第一数据流相关联的至少一个奇异值。所述处理器进一步被程序化用于使用所述至少一个奇异值来检测所述第一数据流内的第一数据异常。所述第一数据异常发生在第一时间段期间。所述处理器还被程序化用于将所述第一时间段指示为包含所述第一数据异常。
Description
技术领域
本发明总体涉及电力传输系统内的数据流,并且更确切地,涉及用于检测、校正并验证源自电力传输系统内的相量测量单元(PMU)的数据流中的不良数据的系统和方法。
背景技术
在一些已知的电力传输系统中,PMU测量所述传输系统内的某个点处的值(如电流和电压)。这些值从PMU收集并通过通信信道(如数据网络)传输至集中式系统,如相量数据集中器(PDC)。此类数据帮助电力传输系统的操作员分析系统状况和总体系统稳定性。然而,在数据收集或传输期间可能发生错误,这可导致PMU至PDC的数据流内呈现错误、缺失或在其他方面不准确的数据,即“不良数据异常”。如果操作员不注意或未考虑数据流中的这些异常,那么操作员就可能采取不适当的动作。
发明内容
一方面,提供一种用于管理数据流中的数据异常的发生的计算机系统。所述计算机系统包括与所述数据流通信的处理器。所述处理器被程序化用于从相量测量单元接收第一数据流。所述处理器还被程序化用于计算与所述第一数据流相关联的一个或多个奇异值。所述处理器进一步被程序化用于使用所述一个或多个奇异值来检测所述第一数据流内的第一数据异常。所述第一数据异常发生在第一时间段期间。所述处理器还被程序化用于将所述第一时间段指示为包含所述第一数据异常。
另一方面,提供至少一种非瞬时性计算机可读存储介质,其上具有计算机可执行指令。当由至少一个处理器执行时,所述计算机可执行指令使得所述处理器从相量测量单元接收第一数据流。所述计算机可执行指令还使得所述处理器计算与所述第一数据流相关联的一个或多个奇异值。所述计算机可执行指令进一步使得所述处理器使用所述一个或多个奇异值来检测所述第一数据流内的第一数据异常。所述第一数据异常发生在第一时间段期间。所述计算机可执行指令还使得所述处理器将所述第一时间段指示为包含所述第一数据异常。
又一方面,提供一种使用包括至少一个处理器的计算装置来管理数据流中的数据异常的发生的基于计算机的方法。所述方法包括由所述计算装置从相量测量单元接收第一数据流。所述方法还包括由所述处理器来计算与所述第一数据流相关联的一个或多个奇异值。所述方法进一步包括使用所述一个或多个奇异值来检测所述第一数据流内的第一数据异常。所述第一数据异常发生在第一时间段期间。所述方法还包括将所述第一时间段指示为包含所述第一数据异常。
附图说明
在参考附图阅读以下详细说明后,将更好地理解本发明的这些和其他特征、方面和优点,在附图中,类似的符号代表所有附图中类似的部分,其中:
图1是示例性传输网络和具有分布式发电机(DG)的示例性配电系统两者的一般示意图;
图2是用于分析图1中所示电力传输网络的示例性PDC系统的方框图;
图3是用于使用图2中所示PDC系统来监测并管理图1中所示电力网络的示例性广域测量系统(WAMS)的数据流程图,所述WAMS包括多个相量测量单元(PMU);
图4是示出两个时间相关的图的图解,包括针对从图3中所示PMU收集的数据流的数据值图和使用图2中所示PDC系统计算的窗口化奇异值分解(SVD)图;
图5是图1中所示包括多个电力发电机的电力系统内的示例性电力传输系统的图解,所述电力传输系统可以使用图3中所示WAMS进行监测;
图6是图5中所示发电机的发电机速度的PMU数据信号的示例性图,所述PMU数据信号中注入有不良数据;
图7是示出在环境条件下围绕一个不良数据异常的矩阵Y的最大奇异值的图形的示例性图;
图8是示出在瞬态条件下围绕另一个不良数据异常的矩阵Y的最大奇异值的图形的示例性图;
图9是示出用于矩阵Y的条件数的图形的示例性图;
图10是在瞬态条件下潮流(power flow)数据信号的图,其中具有插入所述数据信号中的损坏数据;
图11是示出来自图3中所示PMU的示例性“良好”数据流和“不良”数据流的图解,其中具有用于验证并校正替换值的示例性流程图;
图12是不良数据在环境条件下在近似时间t=50秒处的示例性图以及同一情况的更精确的视图;
图13是不良数据在瞬态条件(即干扰)下在近似时间t=305秒处的示例性图、关于相同的干扰和不良数据的更精确的视图以及初始干扰之后的稍后时间处的图;
图14是使用图3中所示PDC系统来检测图4中所示数据流中的不良数据的示例性方法的流程图;
图15是用于使用图3中所示PDC系统来校正与数据异常(如由图14中所示方法识别出的异常)相关联的不良数据值的示例性方法的流程图;
图16是用于使用图3中所示PDC系统来验证和/或调谐与数据异常相关联的替换值(如在图15中所示方法中识别出的替换值)的示例性方法的流程图;以及
图17示出如本说明书中描述的可在数据流的分析和运算期间使用的计算装置(连同其他相关计算部件)内的数据库的示例性配置。
除非另有说明,否则本说明书中所提供的附图用于示出本发明实施例的特征。可相信这些特征适用于包括本发明一个或多个实施例的各种系统。因此,附图并不意图包括所属领域中的普通技术人员已知的实践本说明书中公开的实施例所需的所有常规特征。
具体实施方式
在以下说明和随附权利要求书中,将参考多个术语,这些术语的定义如下。
除非上下文另有明确规定,否则单数形式“一个”、“一种”和“所述”包括复数参考。
“可选”或“可选地”意指后续描述的事件或情况可能会或可能不会发生,并且所述描述同时包括事件发生或者不发生的情况。
本说明书和权利要求书中使用的近似语言可以应用于修饰任何定量表示,这些定量表示可准许改变,但不会导致与之相关的基本功能发生变化。因此,由一个或多个如“约”和“大体上”等术语修饰的值并不限于所指定的精确值。在至少一些情况下,近似语言可能与用于测量值的仪器的精度对应。此处以及在整个说明书和权利要求书中,范围限制可以相结合和/或交替,除非上下文或语言另有说明,否则此类范围均指示并且包括本说明书中包含的所有子范围。
本说明书中使用的术语“非瞬时性计算机可读介质”旨在表示以任何方法或技术实施用于信息(如计算机可读指令、数据结构、程序模块和子模块、或任何装置中的其他数据)短期和长期存储的任何有形的基于计算机的装置。因此,本说明书中描述的方法可以被编码为包含在有形的非瞬时性计算机可读介质中的可执行指令,所述计算机可读介质包括(但不限于)存储装置和/或存储器装置。当处理器执行此类指令时,所述指令使得处理器执行本说明书中描述的方法的至少一部分。此外,本说明书中使用的术语“非瞬时性计算机可读介质”包括所有有形的计算机可读介质,包括(但不限于)非瞬时性计算机存储装置,所述非瞬时性计算机存储装置包括(但不限于)易失性和非易失性介质以及可移动和不可移动介质,如固件、物理和虚拟存储装置、CD-ROM、DVD和任何其他数字源(如网络或互联网),以及尚在发展的数字介质,唯独瞬时性传播信号除外。
本说明书中使用的术语“软件”和“固件”是可互换的,并且包括存储在存储器中以由装置(包括但不限于,移动装置、群集、个人计算机、工作站、客户端和服务器)执行的任何计算机程序。
本说明书中使用的术语“操作员”包括具有与运行和维护配电系统相关联的任何能力的任何人员,包括(但不限于)本说明书中描述的系统的用户、移位操作人员、维修技师和系统管理者。
本说明书中使用的术语“数据流”一般用于指代(例如)从一个装置收集并通过通信网络发送至另一个装置的一系列有序的数据值。更确切地,在一些实施例中,相量测量单元(PMU)从电力传输网络中的特定点捕获如电流和电压电平等数据值。在一些实施例中,这些值以每秒60次的频率收集,即每1/60秒收集一个值。PMU将这一系列的收集值作为“数据流”连续地发送至另一个计算装置,如相量数据集中器(PDC),以进一步处理。
本说明书中描述的方法和系统包括分析从PMU发送至PDC或电力传输网络内的其他管理系统的数据流。这些系统和方法涉及检测数据流内的异常、校正所述异常以及验证所述校正的可靠性。数据异常或“不良数据”可以是(例如,但不限于)缺失数据(即PDC未接收到的数据)或与电力网络上的实际值不相符或不指示所述实际值的数据(即不准确和/或错误的数据值)。在一些实施例中,PDC从给定PMU接收数据流,并且所述数据流包含一个或多个异常。PDC对数据流使用奇异值分解(SVD)并且通过检验所述数据流的一个或多个奇异值来检测异常。一个或多个奇异值的像差可指示数据内的异常。另外,在一些实施例中,计算用于异常数据的替换值。此外,在其他实施例中,通过将替换值与验证值进行比较来验证和/或校正替换值。验证值通过将具有异常的数据流与来自异常之前和异常时的另一个数据流的值进行比较来计算。因此,能以改进水平的可信度和可靠性将替换值插入数据流中。
已知的奇异值分解(SVD)方法是可用在信号处理中的线性代数数学工具。SVD将矩阵M因子分解成三个分量矩阵U、∑和V。矩阵∑的对角项是矩阵M的“奇异值”,所述奇异值的分析用途在本说明书中更详细地描述。
图1是示例性电力网络100的一般示意图。电力网络100通常包括通过输电网103输出电力的发电厂102,所述输电网103包括超高压输电网104和高压输电网106,电力通过所述超高压输电网104和高压输电网106传输至示例性配电系统110。电力网络100可包括(但不限于):任何数量、类型和配置的超高压输电网104、高压输电网106和配电系统110,以及配电系统110、高压输电网106(例如,大于110至265千伏(kV))和超高压电网104(例如,大于265kV)内的任何数量的消耗装置。
配电系统110包括低瓦数消耗装置112和工业中等瓦数消耗装置114。配电系统110还包括分布式发电机130,包括城市发电厂132、太阳能发电场134和风力发电场136。虽然配电系统110被示出为具有示例性数量和类型的分布式发电机130,但是配电系统110可包括任何数量和类型的分布式发电机130,包括(但不限于)柴油发电机、微型涡轮机、太阳能收集器阵列、光伏阵列和风力涡轮机。
图2是用于分析输电网103(图1中所示)的示例性PDC系统120的方框图。作为替代,可使用使得PDC系统120能够如本说明书中描述的那样操作的任何计算机体系结构。PDC系统120有利于收集、存储、分析、显示和传输与输电网103中的部件的配置、操作、监测和维护相关联的数据和操作命令。
另外,在示例性实施例中,PDC系统120包括存储器装置150和可操作地连接至存储器装置150以执行指令的处理器152。在一些实施例中,可执行指令存储在存储器装置150中。PDC系统120可配置用于通过对处理器152进行编程来执行本说明书中描述的一个或多个操作。例如,可通过将操作编程为一个或多个可执行指令并将所述可执行指令提供在存储器装置150中来对处理器152进行编程。处理器152可包括(例如,但不限于)多核心配置中的一个或多个处理单元。
此外,在示例性实施例中,存储器装置150为使得能够存储和检索如可执行指令和/或其他数据等信息的一个或多个装置。存储器装置150可包括一个或多个有形的非瞬时性计算机可读介质,例如但不限于,随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、固态盘、硬盘、只读存储器(ROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)和/或非易失性RAM(NVRAM)存储器。以上存储器类型仅为示例性的,并且因此不限于可用于计算机程序的存储的存储器类型。
另外,在示例性实施例中,存储器装置150可配置用于存储与部件相关联的各种操作数据和从与输电网103的部件相关联的PMU(图1中未示出)传输的各种操作数据,包括但不限于,输电网103中的关注点处的电压和电流、电力中出现的正弦波的幅值和相位角(即相量)以及时间同步数据。
在一些实施例中,PDC系统120包括联接至处理器152的展示接口154。展示接口154将信息(如用户界面和/或警报)展示给用户156。例如,展示接口154可包括显示适配器(未示出),所述显示适配器可连接至显示装置(未示出),如阴极射线管(CRT)、液晶显示器(LCD)、有机LED(OLED)显示器和/或具有显示器的手持装置。在一些实施例中,展示接口154包括一个或多个显示装置。另外或作为替代,展示接口154可包括音频输出装置(未示出),例如音频适配器和/或扬声器。
在一些实施例中,PDC系统120包括用户输入接口158。在示例性实施例中,用户输入接口158联接至处理器152并接收来自用户156的输入。用户输入接口158可包括例如键盘、指点装置、鼠标、触针和/或触敏面板(例如,触摸板或触摸屏)。单个部件如触摸屏可用作展示接口154和用户输入接口158两者的显示装置。
此外,通信接口160联接至处理器152并配置用于与一个或多个其他装置可通信地联接,所述装置如但不限于,输电网103中的部件、另一个PDC系统120、一个或多个PMU(图2中未示出)以及能够访问PDC系统120的任何装置(包括但不限于,便携式膝上型计算机、个人数字助理(PDA)和智能手机)。通信接口160可包括但不限于,有线网络适配器、无线网络适配器、移动电信适配器、串联通信适配器和/或并联通信适配器。通信接口160可从一个或多个远程装置接收数据和/或将数据传输至一个或多个远程装置。例如,一个PDC系统120的通信接口160可将事务信息传输至另一个PDC系统120和/或PMU(图2中未示出)的通信接口160。PDC系统120可以是网络支持的,以例如与远程台式计算机(未示出)远程通信。在示例性实施例中,通信接口160基于由电气电子工程师协会(IEEE)C37.118-2标准管理的通信协议来接收并处理来自PMU的信号。
另外,展示接口154和/或通信接口160两者都能够例如向用户156或另一个装置提供适合用于本说明书中描述的方法的信息。因此,展示接口154和通信接口160可被称为输出装置。类似地,用户输入接口158和通信接口160能够接收适合用于本说明书中描述的方法的信息,并且可被称为输入装置。
此外,处理器152和/或存储器装置150还能可操作地联接至存储装置162。存储装置162是适合用于存储和/或检索数据(例如但不限于,与数据库164相关的数据)的任何计算机操作的硬件。在示例性实施例中,存储装置162被集成在PDC系统120中。例如,PDC系统120可包括一个或多个硬盘驱动器作为存储装置162。此外,例如,存储装置162可包括呈廉价磁盘冗余阵列(RAID)配置的多个存储单元,如硬盘和/或固态盘。存储装置162可包括存储区域网络(SAN)、网络附加存储(NAS)系统和/或基于云的存储装置。作为替代,存储装置162在PDC系统120外部并可通过存储接口(未示出)来访问。
此外,在示例性实施例中,数据库164包含与部件相关联的各种静态和动态操作数据,其中一些操作数据可能是从与输电网103的部件相关联的PMU(图2中未示出)传输,所述操作数据包括(但不限于)输电网103中的关注点处的电压和电流值、电力中出现的正弦波的幅值和相位角以及时间同步数据。
本说明书中示出并描述的实施例以及本说明书中未具体描述但在本发明的方面的范围内的实施例构成用于记录、存储、检索并显示与电力传输系统相关联的操作数据的示例性装置。例如,PDC系统120和添加至其上或包括在其内的任何其他类似的计算机装置(当集成在一起时)包括足够的计算机可读存储介质,所述计算机可读存储介质使用足够的计算机可执行指令进行编程以便使用本说明书中描述的处理器来执行程序和技术。确切地说,PDC系统120以及添加至其上或包括在其内的任何其他类似的计算机装置(当集成在一起时)构成用于记录、存储、检索并显示与输电网103相关联的操作数据的示例性装置。
图3是包括多个相量测量单元(PMU)的示例性广域测量系统(WAMS)300的数据流程图,所述WAMS用于监测并管理电力网络100(图1中示出)。WAMS 300包括使用数据链路312来通信地联接一个或多个PMU 320和至少一个PDC系统120的数据网络310。每个PMU 320在特定的采样点(如变电站322)处通信地联接至输电网103(图1中示出)。此外,在一些实施例中,PMU 320和PDC 120通信地联接至时间同步源,例如像卫星340。无线数据链路342允许PMU 320和PDC 120与卫星340通信,以有利于同步使用已知加时间戳方法所收集的样本。
在示例性实施例中,在操作期间,PMU 320测量和/或收集来自输电网103内的采样点322的数据。此类数据例如可为相量数据。PMU320可每秒多次对数据值采样,如每秒10至60个样本。PMU 320还使时间与卫星340同步,以使所收集的数据值可加时间戳,从而允许来自PMU 320的值在分析期间将是与时间相关在一起的。PMU 320通过数据网络310将所测量的值作为“数据流”传输至管理装置,如PDC系统120。PDC系统120将这种数据流用于操作任务,如各种传输分析任务。然而,这些数据流可能包含“异常数据”。本说明书中使用的术语“不良数据”、“异常数据”和“数据异常”通常并广泛地指代因某原因而不正常的数据,例如像(但不限于)缺失数据、损坏数据,以及可因噪声、设备误操作或其他源而产生的数据界外值(outlier)。这类数据异常可例如从电压互感器(PT)、电流互感器(CT)、变电站接线、PMU320、路由器、光纤电缆、服务器产生。
图4是示出两个时间相关的图的图解400,包括针对从PMU 320(图3中示出)收集的数据流的数据值图410和使用PDC系统120(图2中示出)计算的加窗奇异值分解(SVD)图450。数据值图410在时间X轴412上绘制包括从PMU 320(图3中示出)接收的一系列数据点的数据流,从而定义曲线416。根据曲线416所示来自PMU 320的示例性数据,两个数据异常实例是明显的:(a)时间=2秒之后不久的时间处的数据尖峰418,以及(b)时间=6秒之后不久的时间处的缺失数据420。本说明书中描述的系统和方法被配置用于检测此类异常。
在示例性实施例中,在操作期间,管理系统(如PDC系统120)从PMU 320接收数据流。曲线416示出来自数据流的数据值。PDC系统120在数据流上进行操作。更确切地说,PDC系统120每秒多次在由来自数据流的最近数据样本组成的矩阵上执行SVD。在一些实施例中,从例如单个PMU 320分析单个数据信号。矩阵中的每行包括来自数据流的数据样本,但在时间上相对于其他行是交错的。矩阵的行数m和列数Nw可为可调整参数,并且可由操作员基于系统性质和/或信号性质、或其他因素来选择。例如,考虑用于与PMU 320相关联的数据流y1的以下矩阵Y:
其中k是电流的增加指数(即最新时间样本),y1(k)表示kth时间样本的时间样本值,并且y1(k-1)表示前一个时间样本等。因此,列数Nw是窗口大小,并且顶行表示最新Nw数据样本。顶行下的每行表示用于数据流y1的时间样本的滑动窗口,但与顶行之后的一些数量的时间样本交错。在示例性实施例中,第二行是第一行之后的一个时间样本,第三行是第二行之后的一个时间样本,等等,直至构造了m行。在其他实施例中,下部的行可由多于一个的时间样本来交错。在示例性实施例中,每秒收集50个样本。PDC系统120在每次接收到新样本时更新矩阵,从而使得时间样本产生一个移位,并且随后在每个样本之后执行SVD。SVD过程生成一个或多个奇异值451,每个所述奇异值451由SVD图450上绘制的单独曲线示出。曲线416所表示的SVD至数据流的应用在下文中更详细地描述。
在示例性实施例中,数据流的最大奇异值由曲线452示出,并且其他奇异值由附加曲线454示出。曲线452包括在图410中所示数据尖峰418的同一时帧期间的尖峰460,即最大奇异值的尖峰与实际数据值中的尖峰同步出现。在同一时帧期间,每个示例性附加曲线454中也存在明显的尖峰462,即也存在其他奇异值的尖峰。此外,最大奇异值曲线452还包括在图410中所示缺失数据420的同一时帧期间的平稳段464,即最大奇异值曲线与所述缺失数据同步出现残缺。在同一时帧期间,附加曲线454中还存在谷466。如由示例性图410和450所示,数据流416的奇异值451呈现对数据异常的指示。
在一些实施例中,可同步对来自多个PMU 320的多个数据流进行分析。例如,可以组成其中每行对应于一个数据流的矩阵,并且可在所述矩阵上执行SVD以便检测每个数据流或任何一个数据流中的数据异常。例如,考虑用于与p个PMU 320相关联的多个(p个)数据流y1-yp的以下矩阵Y:
其中yp表示pth数据流,k是电流的增加指数(即最新时间样本),yp(k)表示用于kth数据流的pth时间样本的时间样本值,并且yp(k-1)表示用于pth数据流的前一个时间样本等。因此,每行表示用于单个数据流的数据值的滑动窗口,行数等于数据流的数量,并且窗口大小(即列数)是由操作员基于系统性质和信号类型来选择的预选参数。在示例性实施例中,每秒从每个PMU 320收集50个样本。PDC系统120在每次接收到新样本时更新矩阵,从而使时间样本产生一个移位,并且随后在每个样本之后执行SVD。
图5是包括多个电力发电机的电力系统100(图1中示出)内的示例性电力传输系统500的图解,所述电力传输系统可以使用WAMS300(图3中示出)进行监测。在一些实施例中,传输系统500类似于传输系统103(图1中示出)。在示例性实施例中,传输系统500包括四个发电机502,标记为“G1”、“G2”、“G3”和“G4”。在一些实施例中,发电机502类似于发电厂102(图1中示出)。
传输系统500还包括将发电机502连接至电力消耗装置(图3中未示出)(例如像,工厂116(图1中示出)和分配网络110(图1中示出))的传输网络510。传输网络510包括将电力馈送至消耗装置的一系列传输线路512(在本说明书中也被称为“线路”)。传输线路512在接合点J1至J11(通常也被称为“节点”或“总线”)处汇聚在一起。接合点J1至J11可为例如电力变电站和/或互感器。每条线路512连接至两个接合点,这两个接合点分别在所述线路的任一端。例如,接合点J1由一条线路连接至接合点J5。在示例性实施例中,传输系统500包括4个发电机502,所述发电机502通过14条线路512和11个接合点J1至J11将电力馈送至消耗装置。
在示例性实施例中,PMU(图5中未示出)位于系统中的各个位置处(例如在接合点J1至J11处),以便监测电力系统的关键量,如总线电压、相位角和电流。为了测试不良数据检测,当在负载输入端(例如在总线J1处)注入高斯白噪声的情况下进行模拟。为了呈现典型瞬态条件,在总线J8处模拟持续5个周期(1个周期=1/60秒)持续时间的自净故障。根据这些测量,使用已知方程式来计算总线之间的线路潮流和电压角度差值以及所生成的速度。
图6至图9示出对来自发电机G1至G4的PMU数据信号的示例性分析,在所述PMU数据信号中,不良数据(即数据异常)在两个不同的点处注入,每个点表示可能在电力系统100(图1中示出)内经历的不同条件。
图6是用于发电机G1至G4的发电机速度的PMU数据信号的示例性图形600,所述PMU数据信号中注入有不良数据。本说明书中使用的“不良数据”一般指代其中引入对数据信号的一些损坏的事件。本说明书中使用的术语“不良数据”、“不良数据事件”和“不良数据异常”可互换地使用。例如,假设数据异常被注入到来自发电机G2304速度的数据信号中,那么第一个在时间t=50秒处并且第二个在t=305秒处。此外,假设传输网络在近似时间t=50秒处的条件为环境条件(即网络的稳态条件),并且在近似时间t=305秒处的条件为瞬态条件(即传输网络上的干扰事件(如网络分段)期间或正好在其之后的条件)。在环境条件下(即近似时间t=50秒),第一数据异常可辨识为尖峰602。在近似时间t=300处,瞬态条件发生,导致所有4个发电机G1至G4的发电机速度从近似时间t=300秒到t=340秒波动,如由振荡604看出。在瞬态条件下,第二数据异常在时间t=305秒处引入,并且作为发电机G2的同一信号的尖峰606而可见的。
图7是示出环境条件下(即在近似时间t=50秒处)围绕一个不良数据异常的沿Y轴的矩阵Y的最大奇异值的图形的示例性图形700。在示例性实施例中,不良数据检测包括构造矩阵Y。Y的每行表示一个发电机,例如发电机G1至G4(图6中示出),并且Y的每列包括发电机的发电机速度样本。因此,列数表示窗口长度。针对每个数据样本,Y矩阵移动一个样本,同时保持列数相同。对于每个Y矩阵,执行SVD,并且确定最大奇异值和最小奇异值。图7示出近似时间t=50秒处的最大奇异值的图形。最大奇异值中的尖峰702与不良数据的定时对应。
图8是示出瞬态条件下(即近似时间t=305秒)围绕另一个数据异常的沿Y轴的矩阵Y的最大奇异值的图形的另一个示例性图形800。在瞬态条件下因不良数据而形成的尖峰(如尖峰702(图7中示出))相对容易区分,因为最大奇异值相对稳定。然而,在瞬态条件下,最大奇异值图形也自然地在波动。在图8中,瞬态条件在近似时间t=300秒、即804处开始。尖峰806在近似时间t=305(对应于第二数据异常的定时)处是可见的。然而,与波动(如与自然瞬态条件相关联的那些)相比,尖峰806的峰值较小。
图9是示出用于矩阵Y的条件数的图形的示例性图形900。在示例性实施例中,为将尖峰806(图8中示出)与因瞬态条件波动而形成的自然的峰或谷区分开,监测Y矩阵的条件数。条件数被计算为最大奇异值与最小奇异值之间的比率。基于条件数的图形,三个尖峰是明显的:第一不良数据尖峰902在近似时间t=50秒处;瞬态条件尖峰904在近似时间t=300秒处;以及第二不良数据尖峰906在近似时间t=305秒处。与在不良数据期间相比,对于系统干扰而言,瞬态条件尖峰904的幅值要大得多。在示例性实施例中,瞬态条件尖峰904的峰值条件数为约14,000,其中第一不良数据尖峰902和第二不良数据尖峰906两者的峰值条件数为2000或2000以下。因此,通过监测条件数和例如实施阈值检查(例如像7,000),在系统干扰和不良数据之间进行区分是可能的。
此外,在一些实施例中,一旦识别出异常,就识别出替代数据值并将其插入数据流中。例如,在出于其他管理目的而使用来自数据流的值之前,PDC系统120可计算出用于与异常相关联的一个或多个数据值的替换值。在一些实施例中,替换值表示可能已使异常不发生的数据值的近似值。因此,替换值的插入试图“校正”异常。
数据异常(如本说明书中描述的那些)可能在不同类型的网络条件下发生。在一些情况下,异常可能在网络处于稳态时(即在环境条件下)发生。在其他情况下,异常可能在网络处于干扰期间中、即在瞬态条件(在本说明书中也被称为“干扰条件”)下发生。本说明书中使用的术语“干扰条件”一般指代在实际干扰期间在传输网络上发生的(如在分段期间在网络上可发生的)数据异常、或发电机突然离线、或导致网络上的显著波动的一些其他瞬态条件。此外,本说明书中使用的术语“环境条件”指代更正常的“稳态”操作条件,在所述操作条件下,传输网络不会经受显著干扰,如在负载需求仅存在微小变化时。环境条件典型地为信号内的高噪声。干扰条件典型地为信号内的高信噪比。
因此,在一些实施例中,数据异常被分类为在环境条件下或在干扰条件下发生,并且基于这种异常分类类型使用不同技术来计算替换值。
因此,在一些实施例中,使用已知的内插法或外推法技术中的一种或多种来针对异常计算替换值。在其他实施例中,使用基于回归的传递函数来针对异常计算替换值。传递函数模型基于使用最小误差平方的曲线拟合。模型使用良的数据值来构建,以使得一旦数据流中遇到不良数据,便可以使用所述模型来计算更准确的数据值。
在示例性实施例中,构造向量,所述向量被给出为:
ci=σiui, (3)
其中σi是时间样本i处的最大奇异值,并且ui是对应于σi的左奇异向量。向量ci在标称条件(t=0)下由最大奇异值归一化,以使向量ci具有绝对值1,即,因为奇异向量ui也被归一化。标量在每个时间步骤处获得,并且这个量由正在处理的标称测量值来调整。这个量是校正值。
图10是潮流数据信号在瞬态条件下的示例性图1000,其中具有插入所述信号中的损坏数据。在示例性实施例中,图1000包括两个图形:损坏信号1010和校正信号1020。损坏的信号1010表示在操作期间接收到的实际值,但还包括不良数据。不良数据在时间t=305秒处插入校正信号1010中,并且从而显示出在损坏信号1010中的下降1012。校正信号1020表示在使用上述方程式(1)和过程来对损坏信号1020执行计算之后获得的量。在时间t=305秒处的不良数据之前(如元件1011处),用于损坏信号1010和校正信号1020的值几乎相同。在不良数据事件期间(即在近似时间t=305秒处),与损坏信号1010相比,校正信号1020显示出小得多的下降1022,即在不良数据事件期间相对于损坏信号1010的改进值。在不良数据事件期间的这些校正值比在没有不良数据的情况下应当存在的实际值更好(即更接近该实际值),但在示例性实施例中,在1022处仍然存在可注意到的下降。
图11是示出来自PMU 320(图3中示出)的示例性“良好”数据流1102和“不良”数据流1104的图解,连同用于验证并校正替换值的示例性流程图1110。在一些实施例中,不良数据流1104类似于损坏信号1010(图10中示出)。在图11中所示示例性实施例中,“不良”数据流1104包含异常1106,即不良数据。在这种情况下,异常1106是数据值中的尖峰。替换值1112(即数据校正)如上所述进行计算。流程图1110表示用于在替换与不良数据相关联的值之前验证并校正替换值1112的示例性过程。
在示例性实施例中,至少一个其他数据流用于验证替换值1112。更确切地,使用来自至少两个信号的良好数据来计算1114传递函数。这个传递函数连同一个或多个未损坏信号(如良好数据流1102)一起用于生成数据验证值1116。这个数据验证值1116与上述数据校正算法的输出(即替换值1112)进行比较,以便验证结果。此外,在从校正算法所生成的值(即替换值1112,也被称为Y1corrected)与使用传递函数所生成的值(即数据验证值1116,也被称为Y1validated)中的任何差值都反馈回校正算法中以改进那个算法。
在操作期间,PDC系统120(图3中示出)从一个或多个PMU 320(图3中示出)接收良好数据流1102和不良数据流1104。PDC系统120使用来自数据流1102和1104两者的值来计算传递函数1114。在异常1106时,PDC系统120使用传递函数1114和数据值1117两者来计算用于良好数据流1102的数据验证值“Y2”,以便计算数据验证值1116。这个数据验证值1116表示基于不良数据流1104与良好数据流1102的比较(即传递函数1114)而应存在的不良数据流1104的近似值。然后,将数据验证值1116与替换值1112进行比较,并且生成后续误差1118。误差1118帮助量化替换值1112的准确性和/或完整性。
另外,在示例性实施例中,存在可用于计算1114验证传递函数的两种基本类型的算法,即块处理和递归。在块处理算法中,估算使用数据窗口来完成。针对每个新的数据窗口,计算新的估值。在递归算法中,估值使用每个新的数据样本进行更新。新的估值使用新数据点和前一个估值的组合来获得。递归算法领先一步估算数据样本。将被控制的系统行为可表示为以下自回归移动平均(ARMA)模型:
其在z轴上可表示为:
A(z)Y(z)=z-kB(z)U(z)+E(z), (5)
其中:
并且其中na是ARMA模型的自回归(AR)部分的次序,a1,a2,...,an是所述模型的AR部分的系数(即,递归线性滤波器的系数),nb是所述ARMA模型的移动平均(MA)部分的次序,b1,b2,...,bn是所述模型的MA部分的系数(即,非递归线性滤波器的系数),ut是输入信号样本,yt是输出信号样本,et是不相关的输出误差,k是采样延迟,并且A(z)、B(z)、U(z)等是z轴上的量。
在示例性实施例中,k是发电厂延迟,并且考虑到因系统输入端处的数模转换器(DAC)而存在的零阶保持(ZOH),所述发电厂延迟为1,并且误差e(t)是具有高斯分布的零均值随机噪声。可将递归估算方法用于在线估算的参数(参见下文的方程式(7))。预测误差ε(t)的平方随着参数向量θ(t)渐进地向实际值会合而最小化。参数向量和预测误差分别在方程式(5)和(6)中表示为:
预测输出被给出为:
其中X(t)是包含过去的输入和输出样本的回归量:
X(t)=[-y(t-1),...-y(t-na),u(t-1),...u(t-nb)]T. (10)
图12和图13是将实际数据信号与校正之后和进一步验证之后的信号进行比较的示例性图。图12表示在环境条件下在近似时间t=50秒处插入的不良数据。图13表示在瞬态条件下在近似时间t=305秒处插入的不良数据。
图12是不良数据在环境条件下在近似时间t=50秒处的示例性图1210和同一情况的更精确的视图1230。在示例性实施例中的图1210和1230两者中,描绘发电机速度随时间的实际信号1212,并且表示从发电机(如发电机G2(图5中示出))接收的实际信号的图形。不良信号在近似时间t=50秒处发生在实际信号1212内,显示为1222处的尖峰。校正信号1214表示在通过上文参照图10所描述的校正系统和方法来处理之后的实际信号1212的图形。在示例性实施例中,连续地对实际信号1212进行处理(即,每个数据样本),以便生成校正信号1214。在一些实施例中,校正信号1214仅可在检测到不良数据时计算并插入。验证信号1216表示在通过上文参照图11所描述的系统和方法来处理之后的校正信号1214的图形。在示例性实施例中,连续地对校正信号1214进行处理(即,每个数据样本),以便生成验证信号1216。在一些实施例中,验证信号1216仅可在检测到不良数据时(即在计算出校正信号1214时)计算并插入。
在示例性实施例中,校正信号1214示出在不良数据事件期间在近似时间t=50秒处,元件1224处的不太明显但仍可注意到的平稳段。然而,验证信号1216使得元件1226处的平稳段平滑,并看起来更接近在没有不良数据情况下的实际信号1212值的准确表示。
图13是不良数据在瞬态条件(即干扰)下在近似时间t=305秒处的示例性图1310、关于相同的干扰和不良数据的更精确的视图1320以及初始干扰之后的稍后时间处的图1330。在一些实施例中,实际信号1312、校正信号1314和验证信号1316类似于实际信号1212、校正信号1214和验证信号1216(全部在图12中示出)。在所有三个图1310、1320和1330中,描绘发电机速度随时间的实际信号1312,并且表示从发电机(如发电机G2304(图5中示出))接收的实际信号的图。不良信号在近似时间t=305秒处发生在实际信号1312内,显示为1322处的尖峰。验证信号1316表示在通过上文参照图11所描述的系统和方法来处理之后的校正信号1314的图。
在示例性实施例中,校正信号1314示出在不良数据事件期间在近似时间t=305秒处,元件1324处的不太明显但仍可注意到的平稳段。然而,验证信号1316使得元件1326处的平稳段平滑,并看起来更接近在没有不良数据情况下的实际信号1312值的准确表示。图1430描绘稍后时间的发电机速度,并且示出在没有不良数据发生时,三个图形1312、1314和1316中的每个是类似的。
图14至图16是用于检测、校准并验证数据流中的数据异常的示例性方法。图14示出检测数据流中的数据异常的示例性方法。图15示出校正数据流中的数据异常的示例性方法。图16示出验证校正值的示例性方法。虽然图14至图16中所示方法步骤是呈特定次序并且一起发生,但应理解,能够操作本说明书中描述的系统和方法的方法步骤的任何组合和/或方法步骤的次序都在本发明的范围内。
图14是使用PDC系统120(图3中示出)来检测图4中所示数据流中的不良数据的示例性方法1400的流程图。在示例性实施例中,方法1300包括从PMU、如PMU 320(图3中示出)接收1410第一数据流。方法1400还包括计算1420与第一数据流相关联的一个或多个奇异值。在一些实施例中,计算1420一个或多个奇异值包括在表示来自第一数据流的值的窗口的矩阵上执行奇异值分解。方法1400进一步包括使用至少一个或多个奇异值来检测1430第一数据流内的第一数据异常,所述第一数据异常发生在所述第一数据流内的第一时间段期间。在一些实施例中,检测1430第一数据异常包括在一个或多个奇异值的奇异值高于阈值的情况下检测第一数据异常。在其他实施例中,方法1400包括计算1440条件数值作为多个奇异值中的最大奇异值与最小奇异值之间的比率,并且使用所述条件数值来检测1450第一数据异常,从而将数据异常条件与干扰条件区分开。方法1400还包括将第一时间段指示1460为包含第一数据异常。
图15是用于使用PDC系统120(图3中示出)来校正与数据异常(如由方法1400(图14中示出)识别出的异常)相关联的不良数据值的示例性方法1500的流程图。方法1500包括将第一数据异常(如异常1106(图11中示出))分类1510为环境条件和干扰条件之一。方法1500还包括识别1520用于第一数据异常的至少一个替换值,如替换值1112(图11中示出)。在一些实施例中,识别1520替换值包括使用内插法和外推法中的至少一种来计算1530至少一个替换值。在其他实施例中,如果第一数据异常被分类为干扰条件,那么执行计算1530。在另一些实施例中,识别1520替换值包括使用基于回归的传递函数来计算1540至少一个替换值。在又一些实施例中,如果第一数据异常被分类为环境条件,那么执行计算1540。在其他实施例中,方法1500包括:使用一个或多个奇异值的最大值和与所述最大奇异值对应的左奇异向量来构造1550向量;以及至少部分基于所述向量来识别1560与第一数据异常相关联的替换值。方法1500进一步包括将至少一个替换值插入1570第一数据流内,从而消除第一数据异常的至少一部分。虽然示例性实施例被示出为使用方法1400来识别数据流中的异常,但应理解,方法1500可实践在能够实现本说明书中描述的系统和方法的任何装置识别出的异常上。
图16是用于使用PDC系统120(图3中示出)来验证和/或调谐与数据异常相关联的替换值(如方法1500(图15中示出)中识别的替换值)的示例性方法1600的流程图。方法1600包括从PMU(如PMU 320(图3中示出))接收1610第二数据流。方法1600还包括在第一数据异常发生之前计算1620第一数据流与第二数据流之间的传递函数,如传递函数514(图5中示出)。方法1600进一步包括在第一数据异常发生之后、至少部分基于传递函数和第二数据流在与第一数据异常对应的时间处的值来计算1630用于第一数据流的数据验证值,如模型值1116(图11中示出)。方法1600还包括将数据验证值与至少一个替换值进行比较1640。在一些实施例中,方法1600包括至少部分基于数据验证值来修改1650至少一个替换值。虽然示例性实施例被示出为使用方法1400(图14中示出)来识别数据流中的异常和/或使用方法1500(图15中示出)来验证和/或调谐与数据异常相关联的替换值,但应理解,方法1600可实践在能够实现本说明书中描述的系统和方法的任何装置识别出的异常和在能够实现本说明书中描述的系统和方法的任何装置识别出的替换值上。
图17示出如本说明书中描述的可在对数据流的分析和运算期间使用的计算装置1710(连同其他相关计算部件)内的数据库1720的示例性配置1700。数据库1720连接至计算装置1710内的执行特定任务的若干单独部件。在示例性实施例中,计算装置1710可以是PDC系统120(图2和图3中示出)。
在示例性实施例中,数据库1720包括PMU数据流数据1722、SVD数据1724和异常数据1726。PMU数据1722包括与来自如PMU320(图3中示出)的装置的数据流相关联的信息。SVD数据1724包括与数据流数据1722的奇异值分解相关联的信息,如图450(图4中示出)中所示奇异值。异常数据1726包括与异常检测、校正和核实相关联的信息,如识别出的异常1106(图11中示出)和相关联的时间段、传递函数(如传递函数1114(图11中示出))、替换值(如替换值1112(图11中示出))和/或数据验证值1116和比较误差1118(图11中示出)。
计算装置1710包括数据库1720和数据存储装置1730。计算装置1710还包括用于如上所述从PMU 320接收数据流并且检测异常的异常检测部件1740。计算装置1710还包括用于计算将插入数据流中的替换值的异常校正部件1750。还包括用于验证并校正替换值的校正验证部件1760。此外,计算装置1710包括用于与PMU 320通信的接收部件1770。处理部件1780帮助执行与系统相关联的计算机可执行指令。
本说明书中示出并描述的实施例以及本说明书中未具体描述但在本发明方面的范围内的实施例构成用于检测、校正并验证数据流中的不良数据的示例性装置。例如,PDC系统120和添加至其上或包括在其内的任何其他类似的计算机装置(当集成在一起时)包括足够的计算机可读存储介质,所述计算机可读存储介质使用足够的计算机可执行指令进行编程以便使用本说明书中描述的处理器来执行程序和技术。确切地说,PDC系统120和添加至其上或包括在其内的任何其他类似的计算机装置(当集成在一起时)构成用于检测、校正并验证数据流中的不良数据的示例性装置。
上所系统和方法提供一种用于检测、校正并验证数据流中的不良数据的方式。PMU从电力传输网络对读数(如电压和电流值)进行采样,并将这些值作为数据流来传输至集中式PDC。本说明书中描述的实施例允许PDC在将数据用于执行和管理传输网络之前检测并校正数据流中的错误。检测数据流中的异常(如来自缺失数据或错误数据的异常)允许识别不可靠数据。一旦识别出异常,就可计算替换值并将其插入数据流中,从而替换不良数据值。替换值可通过相对于另一个数据流对替换值进行检查来核实和/或修改。如果替换值与其他数据流偏离太多,那么可调整替换值。
本说明书中描述的方法、系统和设备的示例性技术效果包括以下项中的至少一项:(a)识别来自PMU的数据流内的异常;(b)生成用于异常数据的替换值;(c)将替换值与另一个数据流进行比较;(d)增加替换值的可靠性;以及(e)替换数据流中的不良值。
上文详细描述用于检测、校正并验证数据流中的不良数据的系统和方法的示例性实施例。本说明书中描述的系统和方法并不限于本说明书中所描述的特定实施例,而是相反,系统的部件和/或方法的步骤可独立地并且与本说明书中所描述的其他部件和/或步骤分开使用。例如,所述方法也可与涉及数据流分析的其他系统结合使用,并且不限于仅使用本说明书中描述的传输系统和方法来实践。相反,示例性实施例可与许多其他数据流分析应用结合实施和使用。
尽管各种实施例的具体特征可能在某些附图中显示,而未在其他附图中显示,但这仅是为了方便起见。根据本说明书中所描述的系统和方法的原理,附图中的任何特征可以结合其他任何附图中的任何特征进行参照和/或提出权利主张。
本说明书使用多个实例来公开本发明,包括最佳模式,同时也让所属领域的任何技术人员能够实践本发明,包括制造并使用任何装置或系统,以及实施所涵盖的任何方法。本发明的专利保护范围由权利要求书限定,并且可包括所属领域的技术人员想出的其他实例。如果此类其他实例的结构要素与权利要求书的字面意义相同,或如果此类其他实例包含的等效结构要素与权利要求书的字面意义无实质差别,则此类其他实例也应在权利要求书的范围内。
Claims (9)
1.一种用于管理数据流(1104)中的数据异常(1106)的发生的计算机系统(120),所述计算机系统(120)包括与所述数据流(1104)通信的处理器(152),所述处理器(152)被程序化用于:
从相量测量单元(320)接收第一数据流(1104);
使用所述第一数据流(1104)来计算多个奇异值;
使用所述多个奇异值来检测所述第一数据流(1104)内的第一数据异常(1106),所述第一数据异常(1106)发生在第一时间段期间;
将所述第一时间段指示为包含所述第一数据异常(1106):
其中所述处理器(152)进一步被程序化用于:
确定所述多个奇异值中的最大奇异值;
确定所述多个奇异值中的最小奇异值;
计算作为所述最大奇异值与所述最小奇异值之间比率的条件数值;以及
使用所述条件数值来检测所述第一数据异常(1106),从而促使将数据异常(1106)条件与瞬态条件区分开。
2.根据权利要求1所述的计算机系统,其中所述处理器(152)进一步被程序化用于在矩阵上执行奇异值分解,所述矩阵代表从所述第一数据流(1104)填充的值的窗口。
3.根据权利要求1所述的计算机系统,其中所述处理器(152)进一步被程序化用于在所述多个奇异值中的一个奇异值超过阈值的情况下检测所述第一数据异常(1106)。
4.根据权利要求1所述的计算机系统,其中所述处理器(152)进一步被程序化用于:
从多个相量测量单元(320)接收多个数据流(1104);以及
使用所述多个数据流(1104)来计算所述多个奇异值。
5.根据权利要求1所述的计算机系统,其中所述处理器(152)进一步被程序化用于:
确定所述多个奇异值中的最大奇异值;
确定与所述最大奇异值对应的左奇异向量;
使用所述最大奇异值和所述左奇异向量来构造向量;
至少部分基于所述向量来识别与所述第一数据异常(1106)相关联的替换值(1112);以及
将所述替换值(1112)插入所述第一数据流(1104)内,从而消除所述第一数据异常(1106)的至少一部分。
6.根据权利要求1所述的计算机系统,其中所述处理器(152)进一步被程序化用于:
将所述第一数据异常(1106)分类为在环境条件或瞬态条件下发生;
如果所述第一数据异常(1106)被分类为在瞬态条件下发生,使用内插法和外推法中的至少一种来计算替换值(1112);
如果所述第一数据异常(1106)被分类为在环境条件下发生,使用基于回归的传递函数来计算所述替换值(1112);以及
将所述替换值(1112)插入所述第一数据流(1104)内,从而消除所述第一数据异常(1106)的至少一部分。
7.根据权利要求1所述的计算机系统,其中所述处理器(152)进一步被程序化用于:
从另一个相量测量单元(320)接收第二数据流(1102),所述第二数据流(1102)包括在与所述第一数据异常(1106)对应的时间处的至少一个值;
计算所述第一数据流(1104)与所述第二数据流(1102)之间的传递函数(1114);
识别与所述第一数据异常(1106)相关联的替换值(1112);
至少部分基于所述传递函数(1114)和所述至少一个值来计算用于所述第一数据流(1104)的数据验证值(1116);
将所述数据验证值(1116)与所述替换值(1112)进行比较;以及
至少部分基于所述数据验证值(1116)来修改所述替换值(1112)。
8.至少一种非瞬时性计算机可读存储介质,其上具有计算机可执行指令,其中当由至少一个处理器(152)执行时,所述计算机可执行指令使得所述处理器(152)执行以下操作:
从相量测量单元(320)接收第一数据流(1104);
使用所述第一数据流(1104)来计算多个奇异值;
使用所述多个奇异值来检测所述第一数据流(1104)内的第一数据异常(1106),所述第一数据异常(1106)发生在第一时间段期间;
将所述第一时间段指示为包含所述第一数据异常(1106):
其中所述处理器(152)进一步被程序化用于:
确定所述多个奇异值中的最大奇异值;
确定所述多个奇异值中的最小奇异值;
计算作为所述最大奇异值与所述最小奇异值之间比率的条件数值;以及
使用所述条件数值来检测所述第一数据异常(1106),从而促使将数据异常(1106)条件与瞬态条件区分开。
9.根据权利要求8所述的计算机可读存储介质,其中所述计算机可执行指令进一步使得所述处理器(152)在矩阵上执行奇异值分解,所述矩阵代表从所述第一数据流(1104)填充的值的窗口。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/062,720 US9239760B2 (en) | 2013-10-24 | 2013-10-24 | Systems and methods for detecting, correcting, and validating bad data in data streams |
US14/062720 | 2013-10-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104572333A CN104572333A (zh) | 2015-04-29 |
CN104572333B true CN104572333B (zh) | 2019-04-23 |
Family
ID=51900085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410578376.0A Active CN104572333B (zh) | 2013-10-24 | 2014-10-24 | 用于检测、校正并验证数据流中的不良数据的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9239760B2 (zh) |
EP (1) | EP2866190A1 (zh) |
JP (1) | JP6467186B2 (zh) |
CN (1) | CN104572333B (zh) |
CA (1) | CA2867187A1 (zh) |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9239760B2 (en) * | 2013-10-24 | 2016-01-19 | General Electric Company | Systems and methods for detecting, correcting, and validating bad data in data streams |
US10133614B2 (en) * | 2015-03-24 | 2018-11-20 | Ca, Inc. | Anomaly classification, analytics and resolution based on annotated event logs |
US9909940B2 (en) * | 2015-04-27 | 2018-03-06 | General Electric Company | System and method for non-invasive generator damping torque estimation |
CN105298751B (zh) * | 2015-10-27 | 2017-12-19 | 南通大学 | 基于分布式检测和数据判测的垂直轴风力发电测试装置 |
CN105608060A (zh) * | 2015-12-21 | 2016-05-25 | 中国银联股份有限公司 | 基于离群点检测的行业趋势预测方法及其系统 |
WO2017196374A1 (en) * | 2016-05-13 | 2017-11-16 | Hitachi, Ltd | Similarity detection of abnormal waveforms using pmu measurement |
EP3288278B1 (en) * | 2016-08-23 | 2020-05-27 | General Electric Technology GmbH | Sensor system |
US10203714B2 (en) | 2016-09-29 | 2019-02-12 | Enel X North America, Inc. | Brown out prediction system including automated validation, estimation, and editing rules configuration engine |
US10191506B2 (en) | 2016-09-29 | 2019-01-29 | Enel X North America, Inc. | Demand response dispatch prediction system including automated validation, estimation, and editing rules configuration engine |
US10298012B2 (en) | 2016-09-29 | 2019-05-21 | Enel X North America, Inc. | Network operations center including automated validation, estimation, and editing configuration engine |
US10566791B2 (en) | 2016-09-29 | 2020-02-18 | Enel X North America, Inc. | Automated validation, estimation, and editing processor |
US10291022B2 (en) | 2016-09-29 | 2019-05-14 | Enel X North America, Inc. | Apparatus and method for automated configuration of estimation rules in a network operations center |
US10170910B2 (en) | 2016-09-29 | 2019-01-01 | Enel X North America, Inc. | Energy baselining system including automated validation, estimation, and editing rules configuration engine |
US10423186B2 (en) | 2016-09-29 | 2019-09-24 | Enel X North America, Inc. | Building control system including automated validation, estimation, and editing rules configuration engine |
US10461533B2 (en) | 2016-09-29 | 2019-10-29 | Enel X North America, Inc. | Apparatus and method for automated validation, estimation, and editing configuration |
JP7206657B2 (ja) * | 2017-09-15 | 2023-01-18 | 東京電力ホールディングス株式会社 | 盗電監視システム、盗電監視装置、盗電監視方法及びプログラム |
US10990072B2 (en) * | 2017-11-28 | 2021-04-27 | PXiSE Energy Solutions, LLC | Maintaining power grid stability using predicted data |
CN108680776A (zh) * | 2018-05-23 | 2018-10-19 | 浙江中凯科技股份有限公司 | 一种电信号的补偿系统及设备 |
US10795715B2 (en) | 2018-06-28 | 2020-10-06 | At&T Intellectual Property I, L.P. | Cloud oversubscription system |
DK201800635A1 (en) * | 2018-09-25 | 2020-04-28 | Scada International A/S | A method for improving reporting of operational data of a wind turbine |
CN109545113B (zh) | 2018-09-30 | 2022-09-06 | 合肥鑫晟光电科技有限公司 | 一种异常数据处理方法及装置 |
KR20210068507A (ko) * | 2018-10-01 | 2021-06-09 | 폭스바겐 악티엔게젤샤프트 | 전자 시스템의 신뢰성을 모니터링하기 위한 방법 및 장치 |
CN109884469A (zh) * | 2019-03-06 | 2019-06-14 | 山东理工大学 | 配电网故障区段与故障时刻的判定方法 |
US11657148B2 (en) | 2019-05-10 | 2023-05-23 | General Electric Company | Event analysis in an electric power system |
US10948527B2 (en) * | 2019-05-21 | 2021-03-16 | University Of Tennessee Research Foundation | Power system detection of sustained oscillations based on synchrophasor frequency measurements |
US10884038B1 (en) * | 2020-06-08 | 2021-01-05 | North China Electric Power University | Phasor estimation algorithm for PMU calibration |
US11290481B2 (en) | 2020-07-09 | 2022-03-29 | Bank Of America Corporation | Security threat detection by converting scripts using validation graphs |
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 |
US11056912B1 (en) | 2021-01-25 | 2021-07-06 | PXiSE Energy Solutions, LLC | Power system optimization using hierarchical clusters |
CN112966957A (zh) * | 2021-03-22 | 2021-06-15 | 国家电网有限公司大数据中心 | 一种数据链路异常定位方法、装置、电子设备及存储介质 |
US11363049B1 (en) | 2021-03-25 | 2022-06-14 | Bank Of America Corporation | Information security system and method for anomaly detection in data transmission |
EP4315544A1 (en) * | 2021-04-30 | 2024-02-07 | Siemens Corporation | Power system model calibration using measurement data |
CN113515512B (zh) * | 2021-06-22 | 2024-06-14 | 国网辽宁省电力有限公司鞍山供电公司 | 一种工业互联网平台数据的质量治理及提升方法 |
CN113468158B (zh) * | 2021-07-13 | 2023-10-31 | 广域铭岛数字科技有限公司 | 数据修复方法、系统、电子设备及介质 |
US20230036843A1 (en) * | 2021-07-22 | 2023-02-02 | Abb Schweiz Ag | Systems and Methods for Optimal Synchrophasor Data Recovery |
EP4160866A1 (de) * | 2021-09-29 | 2023-04-05 | Siemens Aktiengesellschaft | Verfahren zur steuerung eines energienetzes und netzsteuerungsanordnung |
CN114416587A (zh) * | 2022-01-26 | 2022-04-29 | 吉旗(成都)科技有限公司 | 流媒体数据测试方法、装置、电子设备及存储介质 |
CN114579933B (zh) * | 2022-05-05 | 2022-08-12 | 威胜集团有限公司 | 误差测量优化方法、装置、电子设备及可读存储介质 |
CN116269450B (zh) * | 2023-03-21 | 2023-12-19 | 苏州海臻医疗器械有限公司 | 一种基于肌电信号的患者肢体康复状态评估系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009048964A1 (en) * | 2007-10-09 | 2009-04-16 | Schweitzer Engineering Laboratories, Inc. | Real-time power system oscillation detection using modal analysis |
US7904261B2 (en) * | 2006-08-24 | 2011-03-08 | British Columbia Hydro And Power Authority | Method and system for using phasor measurements in state estimation of power systems |
CN103033789A (zh) * | 2012-12-26 | 2013-04-10 | 华北电力大学 | 一种同步相量测量单元pmu的静动态测试系统 |
CN104572333A (zh) * | 2013-10-24 | 2015-04-29 | 通用电气公司 | 用于检测、校正并验证数据流中的不良数据的系统和方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989007799A1 (en) | 1988-02-22 | 1989-08-24 | Eastman Kodak Company | Digital image noise suppression method using svd block transform |
US7085824B2 (en) * | 2001-02-23 | 2006-08-01 | Power Measurement Ltd. | Systems for in the field configuration of intelligent electronic devices |
US7475027B2 (en) | 2003-02-06 | 2009-01-06 | Mitsubishi Electric Research Laboratories, Inc. | On-line recommender system |
WO2005015366A2 (en) | 2003-08-08 | 2005-02-17 | Electric Power Group, Llc | Real-time performance monitoring and management system |
US8108184B2 (en) * | 2004-01-15 | 2012-01-31 | Bruce Fardanesh | Methods and systems for power systems analysis: a non-iterative state solver/estimator for power systems operation and control |
JP5017678B2 (ja) * | 2005-08-31 | 2012-09-05 | 鵬 陳山 | 信号検査方法および信号検査モジュール |
WO2007047868A2 (en) | 2005-10-18 | 2007-04-26 | Honeywell International Inc. | System, method, and computer program for early event detection |
US7912676B2 (en) * | 2006-07-25 | 2011-03-22 | Fisher-Rosemount Systems, Inc. | Method and system for detecting abnormal operation in a process plant |
US20090088990A1 (en) | 2007-09-30 | 2009-04-02 | Schweitzer Iii Edmund O | Synchronized phasor processor for a power system |
US8000914B2 (en) | 2008-03-04 | 2011-08-16 | Washington State University | Systems and methods for electromechanical oscillation monitoring |
US8788244B2 (en) | 2010-05-24 | 2014-07-22 | Washington State University | Systems and methods for global voltage security assessment in power systems |
CN101924364B (zh) | 2010-07-23 | 2013-05-01 | 清华大学 | 变电站-调度中心两级分布式电网的非线性状态估计方法 |
US8738191B2 (en) | 2010-09-17 | 2014-05-27 | Sarantos K. Aivaliotis | System and method for power grid management |
WO2012048734A1 (en) * | 2010-10-12 | 2012-04-19 | Abb Research Ltd | Method for controlling an industrial process |
US20130173322A1 (en) | 2011-12-30 | 2013-07-04 | Schneider Electric USA, Inc. | Energy Management with Correspondence Based Data Auditing Signoff |
-
2013
- 2013-10-24 US US14/062,720 patent/US9239760B2/en active Active
-
2014
- 2014-10-09 CA CA 2867187 patent/CA2867187A1/en not_active Abandoned
- 2014-10-17 JP JP2014212158A patent/JP6467186B2/ja active Active
- 2014-10-21 EP EP20140189789 patent/EP2866190A1/en not_active Ceased
- 2014-10-24 CN CN201410578376.0A patent/CN104572333B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7904261B2 (en) * | 2006-08-24 | 2011-03-08 | British Columbia Hydro And Power Authority | Method and system for using phasor measurements in state estimation of power systems |
WO2009048964A1 (en) * | 2007-10-09 | 2009-04-16 | Schweitzer Engineering Laboratories, Inc. | Real-time power system oscillation detection using modal analysis |
CN103033789A (zh) * | 2012-12-26 | 2013-04-10 | 华北电力大学 | 一种同步相量测量单元pmu的静动态测试系统 |
CN103033789B (zh) * | 2012-12-26 | 2015-12-09 | 华北电力大学 | 一种同步相量测量单元pmu的静动态测试系统 |
CN104572333A (zh) * | 2013-10-24 | 2015-04-29 | 通用电气公司 | 用于检测、校正并验证数据流中的不良数据的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104572333A (zh) | 2015-04-29 |
US9239760B2 (en) | 2016-01-19 |
US20150121160A1 (en) | 2015-04-30 |
EP2866190A1 (en) | 2015-04-29 |
JP6467186B2 (ja) | 2019-02-06 |
CA2867187A1 (en) | 2015-04-24 |
JP2015082843A (ja) | 2015-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104572333B (zh) | 用于检测、校正并验证数据流中的不良数据的系统和方法 | |
US9746511B2 (en) | Estimating the locations of power system events using PMU measurements | |
US10025336B2 (en) | System and method for analyzing oscillatory stability in electrical power transmission systems | |
US20150371151A1 (en) | Energy infrastructure sensor data rectification using regression models | |
US9753066B2 (en) | Methods and apparatus of analyzing electrical power grid data | |
US9910081B2 (en) | Performance analysis of power grid monitors | |
US20150094965A1 (en) | Electrical Power Grid Monitoring Apparatus, Articles of Manufacture, and Methods of Monitoring Equipment of an Electrical Power Grid | |
US20190033351A1 (en) | Data cost effective fast similarity search with priority access | |
Dey et al. | Solar farm voltage anomaly detection using high-resolution μPMU data-driven unsupervised machine learning | |
CN109040084A (zh) | 一种网络流量异常检测方法、装置、设备及存储介质 | |
Kezunovic et al. | Life cycle management tools for synchrophasor systems: Why we need them and what they should entail | |
Bank et al. | Generator trip identification using wide-area measurements and historical data analysis | |
Ju et al. | Indices for automated identification of questionable generator models using synchrophasors | |
Jiang et al. | Synchrophasor measurement-based modal analysis in power grids | |
Abeysirigunawardena et al. | Data quality control and quality assurance practices for Ocean Networks Canada observatories | |
Venturi et al. | The role of accurate measurements within smartgrids | |
Romero et al. | Developing a PQ monitoring system for assessing power quality and critical areas detection | |
Pagel et al. | Clustering analytics for streaming smart grid datasets | |
JP7038011B2 (ja) | 電力系統運用支援装置および方法、並びに振動抑制システム | |
GB2599698A (en) | High-resolution electrical measurement data processing | |
Ginocchi et al. | Global sensitivity analysis of state estimation for power distribution systems | |
Ingram et al. | Situational Awareness of Grid Anomalies (SAGA) for Visual Analytics—Near-Real-Time Cyber-Physical Resiliency Through Machine Learning | |
Firouzjah et al. | Multi-objective allocation of measuring system based on binary particle swarm optimization | |
Ezeora et al. | Statistical analysis of environmental measurements for design of energy-efficient monitoring systems | |
Ginocchi et al. | Optimal meter placement for distribution system state estimation: A global sensitivity analysis-based framework |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231228 Address after: Swiss Baden Patentee after: GENERAL ELECTRIC CO. LTD. Address before: New York State, USA Patentee before: General Electric Co. |
|
TR01 | Transfer of patent right |