CN110516692A - 一种基于超平面聚类的pmu数据检测方法 - Google Patents

一种基于超平面聚类的pmu数据检测方法 Download PDF

Info

Publication number
CN110516692A
CN110516692A CN201910146067.9A CN201910146067A CN110516692A CN 110516692 A CN110516692 A CN 110516692A CN 201910146067 A CN201910146067 A CN 201910146067A CN 110516692 A CN110516692 A CN 110516692A
Authority
CN
China
Prior art keywords
data
pmu
hyperplane
clustering
line
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
CN201910146067.9A
Other languages
English (en)
Inventor
薛安成
冷爽
严毅
徐飞阳
孔贺
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201910146067.9A priority Critical patent/CN110516692A/zh
Publication of CN110516692A publication Critical patent/CN110516692A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本专利提出了一种基于超平面聚类的PMU数据检测方法。该检测方法可以检测出在PMU数据有阶跃型偏差情况下的相角坏数据，从而辨别出可用的好数据。首先，获得线路在一段时间内的PMU测量数据，计算出正序分量；其次，使用超平面聚类对以线路传输有功功率为y轴，线路相角差为x轴的数据进行聚类；最后使用判据对聚类进行筛选，选取出正确数据。

Description

一种基于超平面聚类的PMU数据检测方法
技术领域
本发明属于电力系统运行控制保护领域，具体涉及一种基于超平面聚类的PMU数据检测方法。
背景技术
目前，PMU数据已经成为智能电网重要的数据源之一。基于PMU/WAMS已开展一系列高级应用，如参数辨识，状态估计，电力系统监测与控制等。PMU的特点在于能够提供时标一致的相量量测数据，PMU的数据的准确性是各类高级应用的基础。然而，现场实测PMU数据表明部分PMU相角量测数据存在质量问题；同时，研究表明，时间同步、电力互感器、PMU算法、恶意攻击等因素可能会导致实测PMU数据存在偏差。时间同步方面，现有研究指出，恶劣天气可能会干扰GPS接收装置，导致时间同步产生偏差；GPS接收器失去卫星授时信号的时长与单相PMU相角量测之间存在线性关系；利用干扰装置可对GPS接收进行干扰，产生固定授时偏差。在系统稳态时，同步偏差Δt将会使变电站内PMU相角量测产生2πf0Δt的偏差。此外，动态情况下的电容式电压互感器的铁磁谐振、瞬变响应问题，电流互感器的饱和问题、PMU算法中频谱泄露、频率波动等因素带来的误差问题等均对PMU数据精度存在影响。
为保证PMU高级应用的可信性，精确的PMU量测数据是关键。因此，针对PMU测量数据的辨识对于使用高级应用十分重要。本专利针对PMU数据的偏差问题，提出了一种基于超平面聚类的PMU数据检测方法，旨在对数据偏差进行区分并分离出正确数据。
发明内容
本发明提供了一种基于超平面聚类的PMU数据检测方法，该方法针对PMU相角存在偏差的情况，将有偏差数据和无偏差数据进行区分，从而得到精确数据以应用于电力系统的控制与保护。
方案如下：
一种基于超平面聚类的PMU数据检测方法，其特征包含以下步骤：
步骤1：装设PMU测量装置，采集数据样本。
步骤2：将数据进行处理，使用超平面聚类对数据进行聚类。
步骤3：使用判据对非正常数据进行判断。
所述步骤1中，在单回输电线路两端装设PMU装置，测量单回输电线路两端的三相电压、电流相量，以及线路两端的注入有功功率和无功功率；
所述步骤2中，通过PMU装置测量得到单回线路两端的三相电压、电流相量，以及线路两端注入有功功率和无功功率；
取线路两端电压相角差Δθ＝θm-θn作为横坐标，线路始端注入有功功率Pm作为纵坐标，作出散点图(Δθ(i),Pm(i))。
直流潮流公式为：
在高压输电线路中，X>>R，且可以认为线路两端电压为额定值,故公式可简化为：
故可通过计算各个点与过原点的随机直线的距离来对数据进行分类，即超平面聚类。其中直线为：
P＝kΔθ (3)
对应各个点对直线的距离为：
(其中，k(j)表示第j类聚类中心线斜率)
根据每个点对各聚类中心线的距离大小，通过不断迭代，将数据分为两类，此时中心线应在各聚类数据的中心。
所述步骤3中，根据判据对数据的好坏进行判断，即区分出两类聚类中哪一个是可用的好数据。
判据：
利用直流潮流公式(1)计算出从步骤2中获取聚类中心线的斜率k(i)(i＝1,2)，形成指标：
形成判据：
λki＝|1-γki| (6)
若第i类数据的判据λki更小，则可认为数据类别i为正常数据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的基于超平面聚类的PMU数据检测方法流程示意图；
图2为本发明实施例所举出的仿真线路拓扑结构。
图3为本发明实施例的聚类结果示意图。
具体实施方式
图1为本发明的流程图，包括以下步骤：
步骤一：获取线路两端PMU的数据，提取出正序分量。
步骤二：对以线路传输有功功率为y轴，线路两端相角差为x轴的线路数据进行超平面聚类，对于阶跃型的数据偏差，可以清晰得出两种类别。
步骤三：对于这两种类别，使用判据进行判别，同时满足两个判据的即为正确数据，可应用于PMU的高级应用。
下面以实例来对本发明所述方法进行论证。
本实施例利用PSCAD搭建220kV仿真系统，如图2所示，对单回配电线路L1的正序序参数进行辨识。220kV线路L1为单回线，线路长度为40.358km；正序参数设计值为：电阻R1＝1.625Ω、电抗XL1＝12.289Ω、电纳BL1＝7.887e-5*2S。
实验一：(1)直接利用仿真数据不加处理；(2)利用在幅值(I,U,Pm,Pn)上加噪声后的无偏差仿真数据，计算出其对应的判据，作为对比。
实验二：加上相角的偏差后，经过超平面聚类分成两类，如图3所示。对这两类数据分别计算判据1、2，分辨出正确数据。
由给出的判据可知，实验二中第二类聚类数据为正确数据。与实验一正确数据对比可得，第二类数据的判据λk2更接近于实验一的数据，实验一的判据数值几乎一致，可以判定第二类数据为正确数据。
如上述实验结果所示本发明所述方法适用于PMU数据的检测，本专利可以有效地区分PMU数据的有效性，且检测结果有较高的可信度。
综上，本发明所述的基于超平面聚类的PMU数据检测方法可行，且具有工程应用价值。
值得注意的是，本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (4)

1.一种基于超平面聚类的PMU数据检测方法，其特征包含以下步骤：
步骤1、装设PMU测量装置，采集数据样本;
步骤2、将数据进行处理，使用超平面聚类对数据进行聚类;
步骤3、使用判据对数据的好坏进行判断。
2.根据要求1所述的基于超平面聚类的PMU数据检测方法，其特征在于：所述步骤1中，在单回输电线路两端装设PMU装置，测量单回输电线路两端的三相电压、电流相量，以及线路两端的注入有功功率和无功功率。
3.根据要求1所述的基于超平面聚类的PMU数据检测方法，其特征在于：在所述步骤2中，通过PMU装置测量得到单回线路两端的三相电压、电流相量，以及线路两端注入有功功率和无功功率；
取线路两端电压相角差作为横坐标，线路始端注入有功功率作为纵坐标，作出散点图（,）;
直流潮流公式为：
（1）
在高压输电线路中，X>>R，且可以认为线路两端电压为额定值,故公式可简化为：
（2）
故可通过计算各个点与过原点的随机直线的距离来对数据进行分类，即超平面聚类;其中直线为：
（3）
对应各个点对直线的距离为：
（4）
(其中，k(j)表示第j类聚类中心线斜率)
根据每个点对各聚类中心线的距离大小，通过不断迭代，将数据分为两类，此时中心线应在各聚类数据的中心。
4.根据要求1所述的基于超平面聚类的PMU数据检测方法，其特征在于：所述步骤3中，根据判据对数据的好坏进行判断，即区分出两类聚类中哪一个是可用的好数据;
判据：利用直流潮流公式（1）计算出，从步骤2中获取聚类中心线的斜率（i=1,2），形成指标：
（5）
形成判据：
（6）
若第i类数据的判据更小，则可认为数据类别i为好数据。
CN201910146067.9A 2019-02-27 2019-02-27 一种基于超平面聚类的pmu数据检测方法 Pending CN110516692A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910146067.9A CN110516692A (zh) 2019-02-27 2019-02-27 一种基于超平面聚类的pmu数据检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910146067.9A CN110516692A (zh) 2019-02-27 2019-02-27 一种基于超平面聚类的pmu数据检测方法

Publications (1)

Publication Number Publication Date
CN110516692A true CN110516692A (zh) 2019-11-29

Family

ID=68622445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910146067.9A Pending CN110516692A (zh) 2019-02-27 2019-02-27 一种基于超平面聚类的pmu数据检测方法

Country Status (1)

Country Link
CN (1) CN110516692A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733081A (zh) * 2020-12-28 2021-04-30 国网新疆电力有限公司 基于谱聚类的pmu不良数据检测方法
CN113076658A (zh) * 2021-04-22 2021-07-06 华北电力大学 一种考虑线路两端同步误差的pmu幅值数据恢复方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733081A (zh) * 2020-12-28 2021-04-30 国网新疆电力有限公司 基于谱聚类的pmu不良数据检测方法
CN113076658A (zh) * 2021-04-22 2021-07-06 华北电力大学 一种考虑线路两端同步误差的pmu幅值数据恢复方法

Similar Documents

Publication Publication Date Title
Singh et al. Applications of phasor measurement units (PMUs) in electric power system networks incorporated with FACTS controllers
Macii et al. Accuracy analysis and enhancement of DFT-based synchrophasor estimators in off-nominal conditions
Muscas Power quality monitoring in modern electric distribution systems
CN106597229B (zh) 35kV以上变电设备绝缘在线监测系统的工作方法
US20080059088A1 (en) Method and system for state estimation in power systems
Xue et al. Robust identification method for transmission line parameters that considers PMU phase angle error
CN106324340B (zh) 一种同步相量和频率测量动态性能的方法
CN110687399B (zh) 一种配电网故障指示器波形故障开始时刻判断方法
CN110516692A (zh) 一种基于超平面聚类的pmu数据检测方法
CN106208050B (zh) 一种基于pmu的电网支路静态参数检测辨识方法
Xue et al. A novel method for screening the PMU phase angle difference data based on hyperplane clustering
CN108896944B (zh) 一种同步测量装置实验室校准仪及其同步相量测量方法
CN109870649A (zh) 一种交流充电桩检定装置的校准系统及方法
Zhao et al. Recent development of frequency estimation methods for future smart grid
CN109560550A (zh) 基于优化量测的电网谐波状态估计方法
CN109636663A (zh) 背靠背配电变压器的户变关系识别方法与装置
CN110417009A (zh) 基于不同采样周期数据的配电网混合抗差状态估计方法
Veilumuthu et al. Optimal PMU placement and observability of power system using PSAT
CN105823964B (zh) 面向智能变电站的输电线路综合故障定位方法
Han et al. A new assessment for the total harmonic contributions at the point of common coupling
Seger et al. Power system monitoring through low-voltage distribution network using freePMU
Xue et al. A new robust identification method for transmission line parameters based on ADALINE and IGG Method
Gomathi et al. Optimal location of PMUs for complete observability of power system network
CN108982954B (zh) 适用于馈线终端的计算相电压幅值与相位的方法及系统
CN109901022A (zh) 基于同步量测数据的配电网区域定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191129