CN106655170A - 一种电力系统不良数据辨识方法 - Google Patents
一种电力系统不良数据辨识方法 Download PDFInfo
- Publication number
- CN106655170A CN106655170A CN201611216052.8A CN201611216052A CN106655170A CN 106655170 A CN106655170 A CN 106655170A CN 201611216052 A CN201611216052 A CN 201611216052A CN 106655170 A CN106655170 A CN 106655170A
- Authority
- CN
- China
- Prior art keywords
- vector
- optimization model
- data identification
- measurement error
- power system
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002411 adverse Effects 0.000 title abstract 6
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 239000013598 vector Substances 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 9
- 230000035945 sensitivity Effects 0.000 claims abstract description 8
- 239000000203 mixture Substances 0.000 claims 1
- 239000002994 raw material Substances 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000000694 effects 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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种电力系统不良数据辨识方法,包括,对系统进行状态估计,得到残差向量和残差灵敏度矩阵;建立不良数据辨识的稀疏优化模型;采用优化方法求解稀疏优化模型,得到量测误差向量;将量测误差估计向量中每一个元素与预设的阈值比较,大于阈值的元素的即为不良数据。本发明摒弃传统的“假设检验”的概率论思路,创造性的挖掘出了稀疏优化模型,进而将不良数据辨识问题转化成一个优化问题,大大提高了实用性和可靠性。
Description
技术领域
本发明涉及一种电力系统不良数据辨识方法,属于电力系统运行与控制技术领域。
背景技术
电力系统状态估计是现代能量管理系统的重要组成部分,量测数据在信息的采集和传输过程中,除了受正常的噪声影响外,还有可能含有不良数据,其不会导致状态估计的结果收到影响。故进行不良数据的检测与辨识具有重要的实际价值,以剔除不良数据,提高状态估计的精度和可靠性。
已有的不良数据辨识的方法主要有残差搜索法、非二次准则法、零残差法和估计辨识法。这些方法主要是基于概率论思想,以加权残差或标准残差值作为特征值,并依据其分布特性,通过置信度水平设置门槛值,最终通过假设检验确定可疑测量数据后,将其从测量数据中排除或减小其权值,得到新的状态估计值。但这些方法可能会出现残差污染和残差淹没现象,存在漏检或误检不良数据,影响不良数据辨识的效果。同时该过程中多次求解非线性方程组,因此实时性差。
发明内容
为了解决上述技术问题,本发明提供了一种电力系统不良数据辨识方法。
为了达到上述目的,本发明所采用的技术方案是:
一种电力系统不良数据辨识方法,包括,
对系统进行状态估计,得到残差向量和残差灵敏度矩阵;
建立不良数据辨识的稀疏优化模型;
采用优化方法求解稀疏优化模型,得到量测误差向量;
将量测误差估计向量中每一个元素与预设的阈值比较,大于阈值的元素即为不良数据。
采用最小二乘法对系统进行状态估计。
稀疏优化模型为,
min||v||1
s.t.W v=r
其中,W为残差灵敏度矩阵,v为测量误差向量,r为残差向量,|| ||1表示v的一范数。
稀疏优化模型为l1范数优化模型。
阈值ξ∈(0.001,0.01)。
量测误差估计向量中不大于阈值的元素为正常数据。
本发明所达到的有益效果:本发明摒弃传统的“假设检验”的概率论思路,创造性的挖掘出了稀疏优化模型,进而将不良数据辨识问题转化成一个优化问题,大大提高了实用性和可靠性。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
观点分析:通过最小二乘法状态估计可以估计出残差向量其中,是状态量估计值,Z是量测值,h()为线性化后的量测函数向量,不良数据辨识的目的是通过r了解测量误差v=Z-h(x),其中,x是状态量真值,根据状态估计理论,r=Wv,W为残差灵敏度矩阵,但是W是一个非满秩矩阵,也就是说,已知r的情况下,v是具有无穷多组解的,所以传统观点认为通过r求v是不对的,但是本申请认为,通常情况下,不良数据的正常量测误差是远小于正常数据测误差,这意味着x中,相比较于不良数量测点处,大多数正常数量的量测误差非常小,故x是一个高度稀疏的向量,于是可以将不良数据辨识变成一个l1范数优化问题。具体方案如图1所示,一种电力系统不良数据辨识方法,包括以下步骤:
步骤1,采用最小二乘法对系统进行状态估计,得到残差向量和残差灵敏度矩阵。
步骤2,建立不良数据辨识的稀疏优化模型。
该稀疏优化模型为l1范数优化模型,具体如下:
min||v||1
s.t.W v=r
其中,W为残差灵敏度矩阵,v为测量误差向量,r为残差向量,|| ||1表示v的一范数。
步骤3,采用优化方法求解稀疏优化模型,得到量测误差向量。
步骤4,将量测误差估计向量中每一个元素与预设的阈值ξ比较,ξ∈(0.001,0.01),大于阈值ξ的元素即为不良数据,不大于阈值ξ的元素为正常数据。
上述方法摒弃传统的“假设检验”的概率论思路,创造性的挖掘出了稀疏优化模型,进而将不良数据辨识问题转化成一个优化问题,大大提高了实用性和可靠性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种电力系统不良数据辨识方法,其特征在于:包括,
对系统进行状态估计,得到残差向量和残差灵敏度矩阵;
建立不良数据辨识的稀疏优化模型;
采用优化方法求解稀疏优化模型,得到量测误差向量;
将量测误差估计向量中每一个元素与预设的阈值比较,大于阈值的元素的即为不良数据。
2.根据权利要求1所述的一种电力系统不良数据辨识方法,其特征在于:采用最小二乘法对系统进行状态估计。
3.根据权利要求1所述的一种电力系统不良数据辨识方法,其特征在于:稀疏优化模型为,
m in||v||1
s.t.W v=r
其中,W为残差灵敏度矩阵,v为测量误差向量,r为残差向量,||||1表示v的一范数。
4.根据权利要求3所述的一种电力系统不良数据辨识方法,其特征在于:稀疏优化模型为l1范数优化模型。
5.根据权利要求1所述的一种电力系统不良数据辨识方法,其特征在于:阈值ξ∈(0.001,0.01)。
6.根据权利要求1所述的一种电力系统不良数据辨识方法,其特征在于:量测误差估计向量中不大于阈值的元素为正常数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611216052.8A CN106655170A (zh) | 2016-12-26 | 2016-12-26 | 一种电力系统不良数据辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611216052.8A CN106655170A (zh) | 2016-12-26 | 2016-12-26 | 一种电力系统不良数据辨识方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106655170A true CN106655170A (zh) | 2017-05-10 |
Family
ID=58826965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611216052.8A Pending CN106655170A (zh) | 2016-12-26 | 2016-12-26 | 一种电力系统不良数据辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106655170A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108879654A (zh) * | 2018-06-04 | 2018-11-23 | 国网浙江省电力有限公司 | 基于遥测异动设备异常远方诊断方法 |
CN112230087A (zh) * | 2020-10-13 | 2021-01-15 | 全球能源互联网研究院有限公司 | 一种线性状态估计方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134999A (zh) * | 2014-08-06 | 2014-11-05 | 国家电网公司 | 基于多数据源的配电网量测有效性分析实用化计算方法 |
CN104199441A (zh) * | 2014-08-22 | 2014-12-10 | 清华大学 | 基于稀疏贡献图的高炉多工况故障分离方法及系统 |
CN104836223A (zh) * | 2014-11-14 | 2015-08-12 | 浙江大学 | 电网参数错误与不良数据协同辨识与估计方法 |
CN106099920A (zh) * | 2016-07-13 | 2016-11-09 | 武汉大学 | 一种基于参数估计的现代输电网虚假数据攻击方法 |
-
2016
- 2016-12-26 CN CN201611216052.8A patent/CN106655170A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134999A (zh) * | 2014-08-06 | 2014-11-05 | 国家电网公司 | 基于多数据源的配电网量测有效性分析实用化计算方法 |
CN104199441A (zh) * | 2014-08-22 | 2014-12-10 | 清华大学 | 基于稀疏贡献图的高炉多工况故障分离方法及系统 |
CN104836223A (zh) * | 2014-11-14 | 2015-08-12 | 浙江大学 | 电网参数错误与不良数据协同辨识与估计方法 |
CN106099920A (zh) * | 2016-07-13 | 2016-11-09 | 武汉大学 | 一种基于参数估计的现代输电网虚假数据攻击方法 |
Non-Patent Citations (2)
Title |
---|
王军华: "基于近似l0范数的稳健稀疏重构算法", 《电子学报》 * |
陈海占: "电力系统状态估计的程序实现及算法研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108879654A (zh) * | 2018-06-04 | 2018-11-23 | 国网浙江省电力有限公司 | 基于遥测异动设备异常远方诊断方法 |
CN112230087A (zh) * | 2020-10-13 | 2021-01-15 | 全球能源互联网研究院有限公司 | 一种线性状态估计方法、装置、电子设备及存储介质 |
CN112230087B (zh) * | 2020-10-13 | 2022-08-05 | 全球能源互联网研究院有限公司 | 一种线性状态估计方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117093879B (zh) | 一种数据中心智能化运营管理方法及系统 | |
WO2019174142A1 (zh) | 一种多模式的退化过程建模及剩余寿命预测方法 | |
CN107370150B (zh) | 基于同步相量量测的电力系统状态估计不良数据处理方法 | |
CN104166718B (zh) | 一种适用于大电网的不良数据检测与辨识方法 | |
WO2019080367A1 (zh) | 一种机械设备健康状态评估方法 | |
CN107943757B (zh) | 一种基于稀疏分量分析模态识别中的阶数确定方法 | |
CN107833211B (zh) | 基于红外图像的零值绝缘子自动检测方法及装置 | |
CN102646163B (zh) | 用于电力线弧垂计算的悬挂曲线模型判定方法 | |
CN103499382B (zh) | 一种基于振动数据融合和图像识别的变压器故障诊断方法 | |
CN103631681A (zh) | 一种在线修复风电场异常数据的方法 | |
CN103558519A (zh) | 一种gis局部放电超声波信号识别方法 | |
CN108090515B (zh) | 一种基于数据融合的环境等级评估方法 | |
CN110895251B (zh) | 一种基于湿天线成因判别的无线微波监测露水强度方法 | |
CN109359432A (zh) | 一种动量轮寿命预测方法 | |
WO2020177706A1 (zh) | 配电网故障区段与故障时刻的判定方法 | |
Sun et al. | Feature extraction and pattern identification for anemometer condition diagnosis | |
CN106655170A (zh) | 一种电力系统不良数据辨识方法 | |
Hao et al. | Detection of bird nests on power line patrol using single shot detector | |
CN112804197B (zh) | 基于数据还原的电力网络恶意攻击检测方法及系统 | |
CN117407665A (zh) | 一种基于生成对抗网络的退役电池时序数据缺失值填充方法 | |
CN112014821B (zh) | 一种基于雷达宽带特征的未知车辆目标识别方法 | |
CN116317103A (zh) | 一种配电网电压数据处理方法 | |
CN108132395B (zh) | 一种电连接器加速退化试验方案优化方法 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN109190717A (zh) | 一种基于ICA与kNN的多源传感器故障检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |