CN104766248B - 一种有功坏数据辨识与修正方法 - Google Patents
一种有功坏数据辨识与修正方法 Download PDFInfo
- Publication number
- CN104766248B CN104766248B CN201510182201.2A CN201510182201A CN104766248B CN 104766248 B CN104766248 B CN 104766248B CN 201510182201 A CN201510182201 A CN 201510182201A CN 104766248 B CN104766248 B CN 104766248B
- Authority
- CN
- China
- Prior art keywords
- data
- node
- branch
- active
- formula
- 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
- 238000002715 modification method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 6
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 230000010354 integration Effects 0.000 claims description 2
- 238000011109 contamination Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012850 discrimination method Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种有功坏数据辨识与修正方法,属于电力系统能量管理、监视领域。该方法包括以下步骤:一、根据实时的网络拓扑结构情况,生成网络分块规则或从数据库在线调用对应的网络分块规则,将母网分割为一系列子网;二、依据节点、支路遥测配置与采集的有功信息,对母网以及各子网进行有功数据初始化,填充各节点、支路有功信息;三、在云环境中,对各子网进行分布式数据校对稽查,利用冗余信息修正可疑数据;四、母网整合各子网修正结果并对进行统筹辨识,修正剩余的可疑数据。本发明克服了现有状态估计存在的“残差污染”与“残差淹没”或计算量大的缺点。
Description
技术领域
本发明涉及坏数据辨识与修正方法,属于电力系统能量管理、监视领域,尤其涉及一种有功坏数据辨识与修正方法。
背景技术
在电力系统五大体系下,能量管理系统(EMS)处理的数据量迅速增长,这些数据包括电网及其相关设备的运行数据,为各级电网调控、管理、运维、分析提供基础支撑,但EMS受采集设备、通讯设备、通讯条件、人员等因素影响,会出现数据突变,毛刺,空点等与电网实际运行不一致的坏数据,这类数据在宏观上无规律性,一定条件下会严重干扰电网的稳定运行,成为电网安全稳定优质运行的极大隐患。
目前,针对电力系统坏数据的研究主要包括基于电路定律的辨识方法研究和基于历史数据的辨识方法研究。基于电路定律的方法中最著名的是状态估计及其变种算法,但是其不可避免的存在“残差污染”和“残差淹没”等问题,从而容易造成误辨或漏辨,另外由于需要求解非线性方程组,计算量大,耗时长;基于历史数据的方法主要有人工神经网络法、时间序列法、聚类分析法等,其从海量历史数据中挖掘电网运行的规律,通过提取特征曲线修正不满足规律的毛刺、空点等奇异点,这些方法对于运行规律过度依赖,对非常规曲线容易造成误辨。
随着信息时代的蓬勃发展,电网数据呈爆炸式增长,辨识算法在追求高精度的同时也需要具备实时性、可扩展性。云计算作为一种崭新的计算模式已逐步深入人心,Apache的开源项目Hadoop以其卓越的海量数据批处理能力闻名遐迩,但其对实时数据的处理能力较差,Twitter出于自身业务需求研发了一款实时云计算框架-Storm并将其开源。Storm将数据当作流进行处理,拥有处理高频海量数据的实时分布计算能力。
发明内容
本发明的目的是提供一种有功坏数据辨识与修正方法,以解决上述现有技术存在的问题,提高计算效率。
本发明提供的有功坏数据辨识与修正方法包括以下步骤:一、根据实时的网络拓扑结构情况,依据开关量信息经散列函数生成唯一标识符,通过搜索该标识符生成网络分块规则或从数据库在线调用对应的网络分块规则,将母网分割为一系列子网;二、依据节点、支路遥测配置与采集的有功信息,对母网以及各子网进行有功数据初始化,填充各节点、支路有功信息,其中节点包含注入有功功率数据,支路包括两侧支路功率;三、在云环境中,对各子网进行分布式数据校对稽查,利用冗余信息修正可疑数据;四、母网整合各子网辨识与修正结果并对整合后的结果进行统筹辨识,对剩余的可疑数据进行辨识与修正。
本发明克服了现有方法的诸多不足,辨识与修正同步进行,充分利用了分布式存储与计算的优势,通过将电网拓扑予以拆分,各子网在实时云计算平台Storm中进行并行辨识与修正,具有很好的加速比与可扩展性。
附图说明
图1是本发明的主要过程示意图。
图2是本发明的9节点网络拓扑分块示意图。
图3是本发明的序列化传输与反序列化过程示意图。
具体实施方式
下面结合附图和具体实施例进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
图1为本发明提供的云计算环境下的有功坏数据辨识与修正方法过程示意图,下面结合图1详细说明所述方法主要步骤:
步骤1,母网拓扑分块。随开关位置的不同,电力网络拓扑也会不断变化,对应于每种网络拓扑产生一种唯一的拓扑摘要,摘要生成的规则为对开关位置进行二进制编码,闭合与断开分别为1和0,对整个电力网络中的开关按顺序排列编码从而获得二进制编码串,串的长度随网络节点数的增长而增大,为了获得统一长度的拓扑摘要,对二进制编码串进行散列处理,散列函数可取MD5,SHA等。依据待辨识网络拓扑的摘要从数据库搜索对应的分块规则,如对应摘要不存在于数据库中,则采用宽度优先遍历算法对拓扑图进行分块规则生成,具体方式如下:
根据输入的分块数计算每个子网的节点数N,从边界节点开始依据宽度优先遍历选取最近的N个节点从母网中分离形成子网X,如分离使得母网不再是连通图,则统计每个子图的节点数,节点数如果远小于N则归入X,如近似等于N则作为新子网Y,如远大于N则对其进行子网分块,其中远小于,远大于的判定标准可设置为节点数之差小于或大于除此之外为近似等于;如分离后母网依旧是连通图,则按此方法进行递归分块,最终的分块数与输入的分块数不一定相等,因此输入值只是一个建议值。
按照所述方法产生的子网所包含的节点为实节点,各子网间通过边界节点相连,与子网边界节点相连的其他子网的边界节点同时被该子网所包含,为虚节点。
图2给出了9节点网络拓扑分块示意图,图中分块数为2,虚线框中为各子网的实节点,其中,子网1包含的实节点有1、2、3、4,虚节点有5、6;子网2包含的实节点有5、6、7、8、9,虚节点有3、4。
将产生的规则存入拓扑摘要对应的数据库表中,之后对应于此摘要只需从数据库直接读取并依此进行分块。
步骤2,有功数据初始化。依据采集的遥测信息对母网及每个子网的实节点与支路的两侧功率进行初始化,若对应遥测量不存在,则赋以随机大数作为伪量测。将各子网进行序列化提交至Storm集群中执行步骤3。
步骤3,分布式子网数据稽查。该步骤在云环境中进行,是整个算法中耗时最多的核心部分,同时辨识部分也是完全分布式并行计算的部分,每个子网运行在不同的线程或进程甚至在不同的计算机中,具体如下:
1)反序列化客户端提交的子网字节串,还原各子网内容,图3给出了序列化传输与反序列化过程示意图。
2)将每个子网分发给不同的工作单元,每个工作单元针对该子网所有的支路两侧功率判断是否满足式(1),若满足,则两侧功率皆为好数据,否则为未辨识数据。
|Pij+Pji|<δij (1)
式中,Pij、Pji分别为支路i-j起点为i的支路功率和起点为j的支路功率,δij为支路i-j对应的辨识阈值。
3)对所有未辨识节点注入功率,判断是否满足式(2),若满足,则注入功率和参与运算的支路功率皆为好数据。其中对于每个支路功率,分别代入两侧功率进行试探,直到满足式(2)或全部试探完毕为止。
式中,Pi为节点i注入功率,Ci为与节点i相连的节点集合,Pij为支路i-j且起点为i的支路功率,可用Pji替换,δi节点i的辨识阈值。
此时根据式(3)对未辨识的支路另一侧功率进行修正。
Pij=-Pji (3)
当不满足式(2),但参与运算的支路功率全为好数据时,根据式(4)对注入功率进行修正。
重复执行3)直到支路功率好数据的个数不再变化。
4)统筹各子网已辨识或修正的好数据,经序列化后返回本地主机。
步骤4,母网统筹辨识。反序列集群传回的好数据集并替换母网相应数据,由于坏数据分布的稀疏性与随机性,此时未辨识数据个数十分稀少,如果未辨识数据个数为0,则方法结束,否则则对母网进行步骤三中的第3)步,整合在子网中无法辨识的数据,如果数据全被辨识则方法结束,反之则执行如下辨识过程:
对应于未辨识支路功率,判断是否满足式(5),若满足,则根据式(6)对该功率进行修正。
式(5)、(6)中,Pi、Pj为节点i,j注入功率,Ci、Cj为与节点i、j相连的节点集合,Pij为支路i-j且起点为i的支路功率,δi'j为节点i与j对应的联合辨识阈值。
所述辨识阈值均应根据实际对误差的容忍度设置。
Claims (5)
1.一种有功坏数据辨识与修正方法,其特征在于,所述方法包括以下步骤:
1)根据实时的网络拓扑结构情况,生成网络分块规则或从数据库在线调用对应的网络分块规则,将母网分割为一系列子网;
2)依据节点、支路遥测配置与采集的有功信息,对母网以及各子网进行有功数据初始化,填充各节点、支路有功信息;
3)在云环境中,对各子网进行分布式数据校对稽查,利用冗余信息修正未辨识数据;
4)母网整合各子网修正结果并对整合后的结果进行统筹辨识,修正剩余的未辨识数据;其中,
第3)步骤中,能使式(1)或式(2)成立的数据作为好数据,并且当支路一侧功率已辨识为好数据时,根据式(3)对另一侧未辨识功率数据进行修正:
|Pij+Pji|<δij (1)
Pij=-Pji (3)
式(1)-(3)中,Pi为节点i注入功率,Ci为与节点i相连的节点集合,Pij为支路i-j且起点为i的支路功率,Pji为支路j-i且起点为j的支路功率,δi,δij分别为节点i、支路i-j对应的辨识阈值。
2.根据权利要求1所述的有功坏数据辨识与修正方法,其特征在于,第1)步骤中,仅在网络拓扑结构第一次出现的情况下生成网络分块规则,并将该拓扑结构与分块规则存入数据库。
3.根据权利要求1所述的有功坏数据辨识与修正方法,其特征在于,第2)步骤中,对于无测点的有功数据使用随机大数填充。
4.根据权利要求1所述的有功坏数据辨识与修正方法,其特征在于,第4)步骤中,对剩余的未辨识数据,将能使式(2)成立的数据作为好数据,并根据式(3)修正对侧支路功率,在此之后,若仍存在未辨识支路功率,判断是否满足式(4),若满足,则根据式(5)对该功率进行修正:
式(4)、(5)中,Pj为节点j注入功率,Cj为与节点j相连的节点集合,δi'j为节点i与j对应的联合辨识阈值。
5.根据权利要求2所述的有功坏数据辨识与修正方法,其特征在于拓扑结构由网络开关位置数字化后经散列函数计算生成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510182201.2A CN104766248B (zh) | 2015-04-16 | 2015-04-16 | 一种有功坏数据辨识与修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510182201.2A CN104766248B (zh) | 2015-04-16 | 2015-04-16 | 一种有功坏数据辨识与修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104766248A CN104766248A (zh) | 2015-07-08 |
CN104766248B true CN104766248B (zh) | 2019-05-03 |
Family
ID=53648061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510182201.2A Active CN104766248B (zh) | 2015-04-16 | 2015-04-16 | 一种有功坏数据辨识与修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766248B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106887844B (zh) * | 2017-04-20 | 2019-05-21 | 清华大学 | 一种基于稀疏恢复的快速分解配电网三相状态估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383511A (zh) * | 2008-10-10 | 2009-03-11 | 清华大学 | 基于数据采集系统量测数据的电力系统状态估计方法 |
CN102522824A (zh) * | 2011-12-26 | 2012-06-27 | 国电南瑞科技股份有限公司 | 一种基于集控站调度主站的分布式状态估计计算方法 |
CN103077325A (zh) * | 2013-01-30 | 2013-05-01 | 西安交通大学 | 基于自适应分区状态估计的智能电网不良数据检测方法 |
CN103745109A (zh) * | 2014-01-10 | 2014-04-23 | 国家电网公司 | 一种基于pmu量测和scada量测的不良数据检测与辨识方法 |
-
2015
- 2015-04-16 CN CN201510182201.2A patent/CN104766248B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383511A (zh) * | 2008-10-10 | 2009-03-11 | 清华大学 | 基于数据采集系统量测数据的电力系统状态估计方法 |
CN102522824A (zh) * | 2011-12-26 | 2012-06-27 | 国电南瑞科技股份有限公司 | 一种基于集控站调度主站的分布式状态估计计算方法 |
CN103077325A (zh) * | 2013-01-30 | 2013-05-01 | 西安交通大学 | 基于自适应分区状态估计的智能电网不良数据检测方法 |
CN103745109A (zh) * | 2014-01-10 | 2014-04-23 | 国家电网公司 | 一种基于pmu量测和scada量测的不良数据检测与辨识方法 |
Non-Patent Citations (3)
Title |
---|
基于云计算的电力系统不良数据辨识算法研究;冯懿;《中国优秀硕士学位论文全文数据库》;20130615(第6期);正文第6-22,35-41页 |
电力自动化系统中的坏数据分析与处理;殷超 等;《理论与算法》;20131231(第17期);第32-33页 |
考虑分区的电网参数辨识与估计方法研究;宋林滔;《中国优秀硕士学位论文全文数据库》;20120115(第1期);正文第24-48页 |
Also Published As
Publication number | Publication date |
---|---|
CN104766248A (zh) | 2015-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106026092B (zh) | 一种用于含分布式电源的配电网孤岛划分方法 | |
CN107895176B (zh) | 一种面向水电机群广域监测诊断的雾计算系统及方法 | |
CN115412947B (zh) | 一种基于数字孪生与ai算法的故障仿真方法和系统 | |
CN106383296B (zh) | 一种基于相量分析的改进阻抗型有源配电网故障测距算法 | |
CN105656031B (zh) | 基于高斯混合分布特征的含风电电力系统安全风险评估方法 | |
CN105069704B (zh) | 一种提高分布式电源渗透率的快速遍历配电网重构方法 | |
CN109687438B (zh) | 一种计及高铁冲击负荷作用下的电网脆弱线路辨识方法 | |
CN106992519B (zh) | 一种基于信息间隙决策理论的电网负荷恢复鲁棒优化方法 | |
CN110932917A (zh) | 一种基于高频同步采集和边缘计算的台区拓扑发现方法 | |
CN103869192A (zh) | 智能电网线损检测方法和系统 | |
CN113092935A (zh) | 一种识别小负荷线路拓扑的方法及系统、设备、存储介质 | |
CN112966385A (zh) | 配电网网架拓扑薄弱点辨识方法与系统 | |
CN111192010A (zh) | 台账数据处理方法和装置 | |
CN116562596A (zh) | 一种退役电池处理方法、装置、退役电池仓储立库及介质 | |
CN115618249A (zh) | 一种基于LargeVis降维与DBSCAN聚类的低压配电台区相位识别方法 | |
CN110287237B (zh) | 一种基于社会网络结构分析社团数据挖掘方法 | |
CN106056466A (zh) | 基于FP‑growth算法的大电网关键线路识别方法 | |
CN104766248B (zh) | 一种有功坏数据辨识与修正方法 | |
Zhang et al. | Adaptive failure prediction using long short-term memory in optical network | |
CN110543499A (zh) | 一种基于多源数据融合的反窃电定位跟踪设备 | |
CN107276093B (zh) | 基于场景削减的电力系统概率潮流计算方法 | |
CN105305502B (zh) | 基于协调一致性的配电网络分布式电源控制方法及系统 | |
CN108183499A (zh) | 一种基于拉丁超立方抽样概率潮流的静态安全分析方法 | |
CN107240957B (zh) | 一种基于大数据流式计算用于电网监测预警的方法 | |
CN113282881B (zh) | 基于可达矩阵的电力信息物理系统鲁棒性分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |