CN108446861B - 基于有向图排序的电力调度系统多源数据质量评价方法 - Google Patents
基于有向图排序的电力调度系统多源数据质量评价方法 Download PDFInfo
- Publication number
- CN108446861B CN108446861B CN201810265830.5A CN201810265830A CN108446861B CN 108446861 B CN108446861 B CN 108446861B CN 201810265830 A CN201810265830 A CN 201810265830A CN 108446861 B CN108446861 B CN 108446861B
- Authority
- CN
- China
- Prior art keywords
- credibility
- node
- final
- key
- data
- 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 abstract description 43
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 27
- 238000005259 measurement Methods 0.000 claims abstract description 112
- 239000011159 matrix material Substances 0.000 claims abstract description 40
- 230000007704 transition Effects 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- VWTINHYPRWEBQY-UHFFFAOYSA-N denatonium Chemical compound [O-]C(=O)C1=CC=CC=C1.C=1C=CC=CC=1C[N+](CC)(CC)CC(=O)NC1=C(C)C=CC=C1C VWTINHYPRWEBQY-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法，包括：根据电力平衡原理计算关键量测和节点的偏爱可信度；结合节点连通关系形成的状态转移矩阵，使用有向图的节点排序算法，计算节点和关键量测的最终可信度；通过比较单个关键量测的不同数据源的最终可信度，选择最大的最终可信度作为真正数据。本发明通过可信度表征评价关键量测的各个数据的质量，通过状态转移矩阵考虑了节点连通关系，使用有向图的节点排序算法计算得到关键量测关于每个数据源最终可信度，从中选择可信度最高的作为真正数据，解决了现有技术中无法直接对数据源的可信度进行评价的技术问题。本发明还提供相应的计算机可读存储介质。
Description
技术领域
本发明涉及电力调度技术领域，尤其涉及基于有向图排序的电力调度系统多源数据质量评价方法。
背景技术
随着信息和通讯技术的发展，目前电力调度系统数据采集的来源除了通过传统的数据采集与监控系统(SCADA)中的远动装置(RTU)外，相关键量测量单元(PMU)、保护信息子站装置、电能量计量采集装置(ERTU)等多种功能类型的装置都能够对电力系统的状态关键量测数据进行采集，而且每种采集装置同时具备多个通道进行数据采集。这些不同类型的数据源在电力调度系统主站端使用时应根据其数据质量的可信度进行选择，实时挑选出可信度最高的数据源，作为后续监视、分析、应用的基础数据。数据源的可信度受到采集频率、传输精度、通讯网络、装置性能等方面的影响。
数据源的采集频率方面：远动装置的采集频率一般为秒级，相关键量测量单元的采集频率一般为毫秒级，电能量计量采集装置的采集频率可达分钟级别，保护信息子站装置采集故障前后的关键量测数据可达微秒级别。采集频率的不同，就有不同的数据延时。一般来说，采集频率高的数据源，准确性更高。
数据源的传输精度方面：由于通讯规约的限制，部分规约传输数据不支持浮点类型，或者浮点数据精度很低。这就导致传输的数据精度有部分损失。
数据源的通讯网络方面：现有电力调度系统主站和子站直接通讯网络包括百兆或千兆双绞线、光纤网络、通讯电缆、电话线等不同类型。不同的通讯网络传输时延、丢包率等不同，对数据质量也有影响。
数据源的站端装置性能方面：站端装置包括站控层装置、间隔层装置、过程层装置，这些装置实时测量、采样、转换、传输站内一次设备的关键量测数据，由于装置的性能不同，在整个过程中难免会有精度损失。
调度主站端对多源数据的采集频率、传输精度、通讯网络、装置性能等方面是无法准确掌握和量化的。从而无法通过这些方面直接对数据源的可信度进行评价。
因此，现有技术中无法通过这些方面直接对数据源的可信度进行评价是本领域技术人员需要解决的技术问题。
发明内容
本发明提供了基于有向图排序的电力调度系统多源数据质量评价方法，用于解决现有技术中无法直接对数据源的可信度进行评价的技术问题。
本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法，包括：
根据电力平衡原理计算关键量测和节点的偏爱可信度；
结合节点连通关系形成的状态转移矩阵，使用有向图的节点排序算法，计算节点和关键量测的最终可信度；
通过比较单个关键量测的不同数据源的最终可信度，选择最大的最终可信度作为真正数据。
优选地，所述根据电力平衡原理计算关键量测和节点的偏爱可信度具体包括：
根据电力平衡原理设定至少一个与电力平衡原理对应的关键量测；
将数据源中的数据代入电力平衡原理方程，逐个判断关键量测是否满足与该关键量测相关的电力平衡原理方程，若是，则记录该关键量测的偏爱可信度加一，若否，则记录该关键量测的偏爱可信度减一，直到所有关键量测的偏爱可信度计算完毕；
计算节点内的全部关键量测的偏爱可信度的平均值作为该节点的偏爱可信度。
优选地，所述结合节点连通关系形成的状态转移矩阵，使用有向图的节点排序算法，计算节点和关键量测的最终可信度具体包括：
建立节点连通关系对应的状态转移矩阵；
通过有向图的节点排序算法的迭代公式计算出每个节点的最终可信度；
通过节点的最终可信度求出该节点内的关键量测的最终可信度；
所述有向图的节点排序算法的迭代公式为：
其中，rn+1、rn为最终可信度，最终可信度的初始值r0为预设参数，α为预设的衰减因子，T为状态转移矩阵，
为归一化处理后的单位偏爱向量，n为预设的迭代次数。
优选地，所述通过节点的最终可信度求出该节点内的关键量测的最终可信度具体为：
逐一计算关键量测的最终可信度直到一个数据源的所有关键量测的最终可信度计算完毕，所述关键量测的最终可信度计算方法为：用节点的最终可信度乘以待计算的关键量测的偏爱可信度再除以该节点的偏爱可信度得到关键量测的最终可信度。
优选地，所述通过比较单个关键量测的不同数据源的最终可信度，选择最大的最终可信度作为真正数据具体包括：
根据计算获得的节点和关键量测的最终可信度统计单个关键量测的来自所有数据源的最终可信度并选择最终可信度的最大值作为该关键量测的真正数据。
优选地，所述根据电力平衡原理计算关键量测和节点的偏爱可信度之前还包括：
获取数据源的断面数据。
优选地，所述根据电力平衡原理计算关键量测和节点的偏爱可信度之前还包括：
为每个关键量测设定初始偏爱可信度。
优选地，所述建立节点连通关系对应的状态转移矩阵具体为：
根据网络图的节点链接的入度和出度信息形成节点网络图的状态转移矩阵：
其中，n表示节点个数，且矩阵中每个项根据转移矩阵的定义计算，具体公式为：
其中，wi表示节点i的出度。
优选地，所述电力平衡原理方程包括：母线有功平衡原理方程、母线无功平衡方程、线路有功平衡方程、线路无功平衡方程、变压器有功平衡方程、变压器无功平衡方程。
本发明提供的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于有向图排序的电力调度系统多源数据质量评价方法的步骤。
从以上技术方案可以看出，本发明具有以下优点：
本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法，包括：根据电力平衡原理计算关键量测和节点的偏爱可信度；结合节点连通关系形成的状态转移矩阵，使用有向图的节点排序算法，计算节点和关键量测的最终可信度；通过比较单个关键量测的不同数据源的最终可信度，选择最大的最终可信度作为真正数据。本发明通过可信度表征评价关键量测的各个数据的质量，通过状态转移矩阵考虑了节点连通关系，使用有向图的节点排序算法结合状态转移矩阵和偏爱可信度计算得到关键量测关于每个数据源最终可信度，从中选择可信度最高的作为真正数据，较为准确地选择出质量较好的数据，为电力调度系统的数据稳定提供了有力的支持，解决了现有技术中无法直接对数据源的可信度进行评价的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的一个实施例的流程图；
图2为本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的另一个实施例的流程图；
图3为本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的另一个实施例的流程图；
图4为本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的一个应用例中4节点系统的示意图。
具体实施方式
本发明提供了基于有向图排序的电力调度系统多源数据质量评价方法，用于解决现有技术中无法直接对数据源的可信度进行评价的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例中，文献[1]为王树禾.图论.北京：科学出版社.2004，文献[2]为M.Bianchini,M.Gori,and F.Scarselli.Inside Page-Rank.Tech.rep.,University ofSiena,2003，文献[3]为卢建刚,黄凯,张辉,曾建勇,顾全.电网调度自动化信息分析考核系统.电力系统自动化,2006。
为了清楚的表明本专利的内容，如下介绍《图论》中的出度和入度的概念。在有向图中有节点和边组成，每个节点既有指向该节点的边，也有从该节点流出的边。其中指向一个节点的所有边的条数成为该节点的入度；相应的，从一个节点流出的边的条数成为该节点的出度。为了便于分析，节点i的入度表示为li，出度表示为wi。有关有向图的详细概念可以参见文献[1]的有关内容。
为了清楚的表明本专利的内容，如下介绍转移概率矩阵的概念。转移概率矩阵(Transition Matrix)是俄国数学家马尔科夫提出的，他发现一个系统的某些因素在转移中，第n次结果只受第n-1的结果影响，即只与当前所处状态有关，而与过去状态无关。在有向图中转移概率矩阵表明了相邻节点之间，信息从上一个节点流入下一个节点的概率。为了便于分析，用矩阵T表示有向图的转移矩阵，其中Tij表示有向图中任一节点i和节点j之间的转移概率，其定义如下：
其中，wi表示节点i的出度。
为了能够更为清晰表述本发明，在这里进一步介绍基于转移概率矩阵的有向图排序算法，该算法在Web页面排序上得到了成功应用，所以该算法又叫页面排序算法(PageRank)。页面排序算法的本质是认为一个页面如果被其他几个重要的页面指向，该页面也有很高的重要性。在Web页面及页面之间的链接关系组成的有向图上，页面排序算法首先假设每个页面有一个初始重要性r0，然后通过如下迭代过程计算每个页面的最终的重要性：
其中矩阵T表示有向图的转移矩阵，α是衰减因子，
是N维的单位向量。直观的理解，一个页面节点的重要性由两部分组成：第1部分就是公式(2)的前半部分，表示有α的概率从指向该页面节点的其他节点汇集重要性；第2部分就是公式(2)的后半部分，表示有(1-α)的概率从该页面节点自身的继承其本来的重要性。实际使用中向量ε可以替换成每个节点数值不同的偏爱向量。
有关PageRank算法的详细说明可以参见文献[2]的内容。
请参阅图1，本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的一个实施例，包括：
101、根据电力平衡原理计算关键量测和节点的偏爱可信度；
102、结合节点连通关系形成的状态转移矩阵，使用有向图的节点排序算法，计算节点和关键量测的最终可信度；
103、通过比较单个关键量测的不同数据源的最终可信度，选择最大的最终可信度作为真正数据。
本发明通过可信度表征评价关键量测的各个数据的质量，通过状态转移矩阵考虑了节点连通关系，使用有向图的节点排序算法结合状态转移矩阵和偏爱可信度计算的到关键量测关于每个数据源最终可信度，从中选择可信度最高的作为真正数据，较为准确地选择出质量较好的数据，为电力调度系统的数据稳定提供了有力的支持，解决了现有技术中无法通过这些方面直接对数据源的可信度进行评价是本领域技术人员需要解决的技术问题。
请参阅图2，本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的另一个实施例，包括：
201、获取数据源的断面数据；
202、为每个关键量测设定初始偏爱可信度；
203、根据电力平衡原理设定至少一个与电力平衡原理对应的关键量测；
204、将数据源中的数据代入电力平衡原理方程，逐个判断关键量测是否满足与该关键量测相关的电力平衡原理方程，若是，则记录该关键量测的偏爱可信度加一，若否，则记录该关键量测的偏爱可信度减一，直到所有关键量测的偏爱可信度计算完毕；
205、计算节点内的全部关键量测的偏爱可信度的平均值作为该节点的偏爱可信度；
206、建立节点连通关系对应的状态转移矩阵；
207、通过有向图的节点排序算法的迭代公式计算出每个节点的最终可信度；
208、通过节点的最终可信度求出该节点内的关键量测的最终可信度；
有向图的节点排序算法的迭代公式为：
其中，rn+1、rn为最终可信度，最终可信度的初始值r0为预设参数，α为预设的衰减因子，T为状态转移矩阵，
为归一化处理后的单位偏爱向量，n为预设的迭代次数，ε是偏爱向量，可以是偏爱可信度加上节点间的方向形成。
通过节点的最终可信度求出该节点内的关键量测的最终可信度的具体步骤为：逐一计算关键量测的最终可信度直到一个数据源的所有关键量测的最终可信度计算完毕，关键量测的最终可信度计算方法为：用节点的最终可信度乘以待计算的关键量测的偏爱可信度再除以该节点的偏爱可信度得到关键量测的最终可信度。
209、根据计算获得的节点和关键量测的最终可信度统计单个关键量测的来自所有数据源的最终可信度并选择最终可信度的最大值作为该关键量测的真正数据。
建立节点连通关系对应的状态转移矩阵具体步骤为：
根据网络图的节点链接的入度和出度信息形成节点网络图的状态转移矩阵：
其中，n表示节点个数，且矩阵中每个项根据转移矩阵的定义计算，具体公式为：
其中，wi表示节点i的出度。
电力平衡原理方程包括：母线有功平衡原理方程、母线无功平衡方程、线路有功平衡方程、线路无功平衡方程、变压器有功平衡方程、变压器无功平衡方程。
以上是对本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的另一个实施例进行详细的描述，以下将对本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的另一个实施例进行详细的描述。
请参阅图3，本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的另一个实施例为：
为每个量测点的每种数据源赋予静态初始可信度，静态初始可信度依据数据采集源的通道通讯条件，比如光纤网络直接采集通道的可信度大于普通调度数据网络通道；网络直接采集通道可信度大于转发通道。
获取一种采集源(比如调度数据网直接采集通道的数据源)的断面数据。为了保证数据断面的完整性和后续迭代计算的收敛性，统一约定如果该采集源的数据在某些量测点没有采集，可以采用静态初始可信度稍低的其他数据源进行替代。
在获取同一数据采集源完整的断面数据之后，依据一次设备的电力平衡原理计算每个量测点的数据偏爱可信度。一次设备电力平衡原理是根据设备运行的特点通过设备本身的量测数据，再根据设备的电气特性进行局部平衡计算分析。设备平衡特征的计算方法很多，不同的设备有不同的计算方法，而且同一个设备不同量测之间有不同的计算方法。平衡计算方法可以根据实际需要进行筛选。
为了本专利方法的可操作性，并且结合电力系统分析中关键量测，约定可以采用如下平衡计算方法(但不限定为以下方法)：(a)母线有功平衡，表示母线相连的线路和变压器卷的有功的流入和流出的平衡关系，其相关的关键量测为母线所连接的线路和变压器卷的有功量测；(b)母线无功平衡，表示母线相连的线路和变压器卷的无功的流入和流出的平衡关系，其相关的关键量测为母线所连接的线路和变压器卷的无功量测；(c)线路有功平衡，表示线路两端的有功流入和流出之间的差值和线路自身的有功损耗平衡关系，其相关的关键量测为线路两端的有功量测；(d)线路无功平衡，表示线路两端的无功流入和流出之间的差值和线路自身的有功损耗平衡关系，其相关的关键量测为线路两端的无功量测；d)线路电流平衡，表示线路两端的电流流入和流出之间的差值和线路对地电流的平衡关系，其相关的关键量测为线路两端的电流量测；(e)变压器有功平衡，其相关的关键量测为变压器各侧的有功量测；(f)变压器无功平衡，其相关的关键量测为变压器各侧的无功量测；(g)PQI不匹配，表示通过有功无功和母线电压计算出的电流和采集的电流量测不匹配，其相关的关键量测为变压器各侧的有功无功电流量测、线路两端的有功无功电流量测以及母线的电压量测；(h)母线电压不合理，表示母线采集电压和通过支路有功无功电流计算的电压误差较大，其相关的关键量测为母线电压及母线连接的变压器卷的有功无功电流量测、线路的有功无功电流量测；(i)遥信不对位，表示开关或刀闸的状态位置和相关的遥测值数据不一致，其相关的关键量测为开关刀闸状态量测和开关刀闸所在间隔的主设备的有功无功电流量测。根据上述平衡计算方法，对于满足平衡原理的相关关键量测的可信度加1；对于不满足平衡原理的相关关键量测的可信度减1,。通过全部平衡计算分析之后，每个节点内的关键量测i都有一个偏爱可信度ki，对于整个节点的偏爱可信度采用节点内全部量测可信度的平均值：
这样就形成了关键量测和节点的偏爱可信度rb。
进一步，根据电力系统节点支路模型构造方法，从当前系统中的电网结构构造出有向网络图。其中节点和节点之间的连接方向已经通过潮流方向确定。并根据网络图的节点链接的入度和出度信息形成节点网络图的状态转移矩阵：
其中n表示节点个数，矩阵中每一项根据公式(1)进行定义。
通过采用公式(2)中定义的基于有向图的排序算法进行迭代计算，计算每个节点的最终可信度。为此需要先对如下参数进行确定：(a)初始可信度向量r0，即每个节点的初始可信度。采用概率论的原理，初始情况下，一个节点可信和不可信的可能性相同，同时综合考虑节点内的关键量测的静态初始可信度的均值进行确定；(b)偏爱向量ε，即每个节点的偏爱可信度，采用通过电力平衡计算分析之后的可信度作为偏爱可信度，通过归一化处理形成单位偏爱向量
(c)衰减因子α，该因子为了控制迭代计算的收敛速度。由于电网是典型的复杂网络，在文献[2]中说明了网页组成的互联网络也是典型的复杂网络，该网络的衰减因子可以控制在0.85左右，该参数可以根据长期实验效果进行修正确定；(d)迭代次数n,该参数表示迭代计算的次数，一般情况下通过衰减因子α已经能够控制迭代的收敛性，一次完整的迭代计算可能超过几十次，但是实际计算时，经过10次左右的计算，可信度已经很少变化，所以为了计算效率，这里取迭代次数10，该迭代次数也可以根据长期实验效果进行修正确定。
通过对初始可信度向量r0、偏爱向量ε、衰减因子α和迭代次数的参数确定之后，依据状态转移矩阵T，通过公式(2)进行迭代计算，得到每个节点的最终可信度rn。
进一步，把通过迭代计算得到的每个节点的最新可信度反馈到节点内的每个关键量测i上，通过如下公式计算关键量测i的最终可信度mi：
通过上述计算就形成了一种数据源的所有关键量测的最终可信度，对应所有数据源采用同样的计算过程，就形成每个数据源的所有关键量测的可信度。
通过对单个关键量测的所有数据源的可信度排序，选择可信度最高的数据源作为该关键量测的真正数据，用于后续的监视和分析，能够有效提高电量调度系统运行的准确性和可靠性。
根据本发明提供的基于有向图排序的电力调度系统多源数据质量评价方法的另一个实施例，可以应用到4节点的系统中，以下将介绍该实施例应用到4节点系统的应用例。
首先将图4中4个节点根据一种数据源的信息赋予初始可信度(0.25,0.25,0.25,0.25),同时假设4个节点的对该数据源的偏爱可信度为(0.1,0.3,0.4,0,2)实际的计算中节点的偏爱可信度是通过节点内的该数据源的关键量测的偏爱可信度计算,取衰减因子为0.85。根据图2中4个节点的连接关系，形成如下转移矩阵：
然后采用公式(2)中定义的迭代算法进行迭代，最终得到4个节点的可信度为(0.071,0.273,0.240,0,257)。
进一步根据节点的最终可信度，计算节点内的关键量测点的可信度。比如第i个节点的量测的偏爱可信度k，则按照公式(5)的方法第i个量测的最终可信度为(0.071/0.1)*k。
通过对其他数据源的量测采用同样的计算方法，形成一个测点的多个数据源的最终可信度，取可信度最高的选作为该量测的真正监视数据。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
本发明提供的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的基于有向图排序的电力调度系统多源数据质量评价方法的步骤。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.基于有向图排序的电力调度系统多源数据质量评价方法，其特征在于，包括：
根据电力平衡原理设定至少一个与电力平衡原理对应的关键量测；
将数据源中的数据代入电力平衡原理方程，逐个判断关键量测是否满足与该关键量测相关的电力平衡原理方程，若是，则记录该关键量测的偏爱可信度加一，若否，则记录该关键量测的偏爱可信度减一，直到所有关键量测的偏爱可信度计算完毕；
计算节点内的全部关键量测的偏爱可信度的平均值作为该节点的偏爱可信度；
建立节点连通关系对应的状态转移矩阵；
通过有向图的节点排序算法的迭代公式计算出每个节点的最终可信度；
通过节点的最终可信度求出该节点内的关键量测的最终可信度；
所述有向图的节点排序算法的迭代公式为：
其中，rn+1、rn为最终可信度，最终可信度的初始值r0为预设参数，α为预设的衰减因子，T为状态转移矩阵，
为归一化处理后的单位偏爱向量，n为预设的迭代次数；通过比较单个关键量测的不同数据源的最终可信度，选择最大的最终可信度作为真正数据。
2.根据权利要求1所述的基于有向图排序的电力调度系统多源数据质量评价方法，其特征在于，所述通过节点的最终可信度求出该节点内的关键量测的最终可信度具体为：
逐一计算关键量测的最终可信度直到一个数据源的所有关键量测的最终可信度计算完毕，所述关键量测的最终可信度计算方法为：用节点的最终可信度乘以待计算的关键量测的偏爱可信度再除以该节点的偏爱可信度得到关键量测的最终可信度。
3.根据权利要求1所述的基于有向图排序的电力调度系统多源数据质量评价方法，其特征在于，所述通过比较单个关键量测的不同数据源的最终可信度，选择最大的最终可信度作为真正数据具体包括：
根据计算获得的节点和关键量测的最终可信度统计单个关键量测的来自所有数据源的最终可信度并选择最终可信度的最大值作为该关键量测的真正数据。
4.根据权利要求1所述的基于有向图排序的电力调度系统多源数据质量评价方法，其特征在于，所述根据电力平衡原理计算关键量测和节点的偏爱可信度之前还包括：
获取数据源的断面数据。
5.根据权利要求1所述的基于有向图排序的电力调度系统多源数据质量评价方法，其特征在于，所述根据电力平衡原理计算关键量测和节点的偏爱可信度之前还包括：
为每个关键量测设定初始偏爱可信度。
6.根据权利要求2所述的基于有向图排序的电力调度系统多源数据质量评价方法，其特征在于，所述建立节点连通关系对应的状态转移矩阵具体为：
根据网络图的节点链接的入度和出度信息形成节点网络图的状态转移矩阵：
其中，n表示节点个数，且矩阵中每个项根据转移矩阵的定义计算，具体公式为：
其中，wi表示节点i的出度。
7.根据权利要求1所述的基于有向图排序的电力调度系统多源数据质量评价方法，其特征在于，所述电力平衡原理方程包括：母线有功平衡原理方程、母线无功平衡方程、线路有功平衡方程、线路无功平衡方程、变压器有功平衡方程、变压器无功平衡方程。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于有向图排序的电力调度系统多源数据质量评价方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810265830.5A CN108446861B (zh) | 2018-03-28 | 2018-03-28 | 基于有向图排序的电力调度系统多源数据质量评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810265830.5A CN108446861B (zh) | 2018-03-28 | 2018-03-28 | 基于有向图排序的电力调度系统多源数据质量评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108446861A CN108446861A (zh) | 2018-08-24 |
| CN108446861B true CN108446861B (zh) | 2022-02-15 |
Family
ID=63197272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810265830.5A Active CN108446861B (zh) | 2018-03-28 | 2018-03-28 | 基于有向图排序的电力调度系统多源数据质量评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108446861B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111309370B (zh) * | 2019-11-15 | 2023-08-15 | 上海金融期货信息技术有限公司 | 多项目多系统环境的版本号有向图排序稽核方法和系统 |
| CN112256801B (zh) * | 2020-10-10 | 2024-04-09 | 深圳力维智联技术有限公司 | 抽取实体关系图中关键实体的方法、系统和存储介质 |
| CN117131464B (zh) * | 2023-10-25 | 2024-01-09 | 湖北华中电力科技开发有限责任公司 | 一种电网数据的可用性评估方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104020743A (zh) * | 2014-06-09 | 2014-09-03 | 三明学院 | 一种基于两层混合网络拓扑结构的分布式估计和控制方法 |
| CN106462620A (zh) * | 2014-06-02 | 2017-02-22 | 微软技术许可有限责任公司 | 巨型网络上的距离查询 |
| CN106998261A (zh) * | 2016-01-26 | 2017-08-01 | 浙江长兴友友桥网络科技有限公司 | 基于可信度模型的节点推荐方法及系统 |
| CN107430398A (zh) * | 2015-03-30 | 2017-12-01 | 环球油品公司 | 用于调谐工艺模型的系统和方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5787941B2 (ja) * | 2013-07-19 | 2015-09-30 | ヤフー株式会社 | トリガクエリ取得装置、トリガクエリ取得方法、およびプログラム |
-
2018
- 2018-03-28 CN CN201810265830.5A patent/CN108446861B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106462620A (zh) * | 2014-06-02 | 2017-02-22 | 微软技术许可有限责任公司 | 巨型网络上的距离查询 |
| CN104020743A (zh) * | 2014-06-09 | 2014-09-03 | 三明学院 | 一种基于两层混合网络拓扑结构的分布式估计和控制方法 |
| CN107430398A (zh) * | 2015-03-30 | 2017-12-01 | 环球油品公司 | 用于调谐工艺模型的系统和方法 |
| CN106998261A (zh) * | 2016-01-26 | 2017-08-01 | 浙江长兴友友桥网络科技有限公司 | 基于可信度模型的节点推荐方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于异构训练数据的排序学习算法研究;张螣;《中国优秀硕士论文全文数据库》;20161130(第11期);第1-33页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108446861A (zh) | 2018-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | Fine-granularity inference and estimations to network traffic for SDN | |
| James et al. | Delay aware power system synchrophasor recovery and prediction framework | |
| Aalamifar et al. | Modelling power line communication using network simulator-3 | |
| CN108446861B (zh) | 基于有向图排序的电力调度系统多源数据质量评价方法 | |
| AU2013201595B2 (en) | Method and apparatus for harmonic state estimation in power system | |
| CN113078630B (zh) | 一种基于实时量测数据的低压配电网拓扑辨识方法 | |
| CN104463351A (zh) | 基于电力业务需求的通信带宽预测方法及装置 | |
| Estebsari et al. | An improved fault location method for distribution networks exploiting emerging LV smart meters | |
| Srivastava et al. | Fault diagnosis, service restoration, and data loss mitigation through multi-agent system in a smart power distribution grid | |
| US20150051866A1 (en) | Method for optimizing phasor measurement unit placement | |
| CN112906251A (zh) | 一种配电网可靠性影响要素的分析方法及系统 | |
| Nie et al. | Multiple line-outage detection in power system with load stochastic perturbations | |
| Ghasemkhani et al. | An efficient multi-objective approach for designing of communication interfaces in smart grids | |
| Wang et al. | Multi‐objective optimisation method of power grid partitioning for wide‐area backup protection | |
| Zhao et al. | Approach for modelling of broadband low‐voltage PLC channels using graph theory | |
| Li et al. | A method for parameter identification of distribution network equipment based on sequential model‐based optimization | |
| Naidu et al. | Parameter estimation, selective auto‐reclosing and fault location for three‐terminal mixed transmission lines using synchronised data | |
| Johannesson et al. | Estimation of travelling wave arrival time in longitudinal differential protections for multi‐terminal HVDC systems | |
| Su et al. | TrendRank method for evaluating the importance of power grid nodes considering information network | |
| CN113285835B (zh) | 一种基于业务特征的载波网络链路丢包率推理方法 | |
| Tan et al. | Distributed software emulator for cyber-physical analysis in smart grid | |
| CN115051912A (zh) | 一种停电用户定位方法、装置、设备、介质 | |
| Leger et al. | Cyber-physical systems approach for wide area control applications | |
| CN103258114A (zh) | 一种基于多中心性测度的最小断点集脆弱性分析方法 | |
| Eggenschwiler et al. | Performance evaluation of distribution system state estimator using different measurement devices |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210719 Address after: 510663 3 building, 3, 4, 5 and J1 building, 11 building, No. 11, Ke Xiang Road, Luogang District Science City, Guangzhou, Guangdong. Applicant after: China South Power Grid International Co.,Ltd. Applicant after: NR ENGINEERING Co.,Ltd. Address before: 510663 3 building, 3, 4, 5 and J1 building, 11 building, No. 11, Ke Xiang Road, Luogang District Science City, Guangzhou, Guangdong. Applicant before: China South Power Grid International Co.,Ltd. Applicant before: POWER GRID TECHNOLOGY RESEARCH CENTER. CHINA SOUTHERN POWER GRID Applicant before: NR ENGINEERING Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |