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 PDF

Info

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
Application number
CN201611216052.8A
Other languages
English (en)
Inventor
杨洛
邹德虎
龚成明
陈天华
王毅
闪鑫
杜磊
陈建华
徐陆飞
黄华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
Original Assignee
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd filed Critical Nari Technology Co Ltd
Priority to CN201611216052.8A priority Critical patent/CN106655170A/zh
Publication of CN106655170A publication Critical patent/CN106655170A/zh
Pending legal-status Critical Current

Links

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

一种电力系统不良数据辨识方法
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。
CN201611216052.8A 2016-12-26 2016-12-26 一种电力系统不良数据辨识方法 Pending CN106655170A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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