CN111625769A - 一种基于拉格朗日插值和三次指数平滑的pmu-scada数据对时与融合方法 - Google Patents

一种基于拉格朗日插值和三次指数平滑的pmu-scada数据对时与融合方法 Download PDF

Info

Publication number
CN111625769A
CN111625769A CN201910629557.4A CN201910629557A CN111625769A CN 111625769 A CN111625769 A CN 111625769A CN 201910629557 A CN201910629557 A CN 201910629557A CN 111625769 A CN111625769 A CN 111625769A
Authority
CN
China
Prior art keywords
data
pmu
scada
time
time sequence
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
CN201910629557.4A
Other languages
English (en)
Inventor
周军海
向非凡
秦拯
张吉昕
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.)
China South Power Grid International Co ltd
Hunan University
Original Assignee
Hunan 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 Hunan University filed Critical Hunan University
Priority to CN201910629557.4A priority Critical patent/CN111625769A/zh
Publication of CN111625769A publication Critical patent/CN111625769A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Electric Clocks (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)

Abstract

本发明涉及一种基于拉格朗日插值和三次指数平滑的PMU‑SCADA数据对时与融合方法。其发明内容主要包括(1)基于拉格朗日插值的SCADA三相电压电流幅值时序数据填充方法；(2)基于三次指数平滑的PMU三相电压电流幅值时序数据降噪方法；(3)基于欧式距离时序模式匹配的SCADA填充时序数据和PMU降噪时序数据对时与融合方法。

Description

一种基于拉格朗日插值和三次指数平滑的PMU-SCADA数据对 时与融合方法
技术领域
本发明涉及数据挖掘与处理领域，一种基于拉格朗日插值和三次指数平滑的PMU-SCADA数据对时与融合方法。
背景技术
随着国家经济迅速发展，各类产业的负荷需求急速增加，电网中节点的数量随之迅速增多。为了获取电网中节点电力数据，需在电网中安装大量的测量装置。通过这些测量装置，获取到电力数据，利用数据挖掘、数据分析等技术，对电力数据进行挖掘与分析，提取出高价值电力信息，实现电网智能在线安全监控、实时故障诊断,促进电网智能化发展。但是，不同测量装置的测量类型、数据采集频率及应用广泛性等都有差异，如PMU(PhasorMeasurement Unit)，即基于GPS的同步相量测量装置，数据采集频率为10毫秒，测量值的类型有三相电压电流的幅值与相角、有功和无功功率、频率、频率变化率，应用不广泛。而SCADA(Supervisory Control And Data Acquisition)，即数据采集与监视控制系统，数据采集频率为1分钟，测量值的类型有电压电流幅值、有功和无功功率，应用极广泛。在测量数据的实时性和测量类型的丰富性方面，PMU具有优势，但是在应用广泛性方面，SCADA具有优势。因此，可利用数据融合技术，对PMU、SCADA的测量数据进行数据融合，获取测量类型丰富、测量数据实时性强、测量范围广泛的PMU-SCADA融合数据，为电网智能化提供数据支持。
由于SCADA数据的时标信息依靠SCADA主机系统进行授时，PMU数据的时标信息依靠GPS系统进行授时，导致PMU数据和SCADA数据存在时标不一致问题。因此，在实现PMU-SCADA数据融合时，需先对PMU数据和SCADA数据进行对时校准。
随着电力数据的类型不断增加，利用数据融合技术获取高价值的融合数据，将成为电网智能化过程中必不可少的环节。本发明将拉格朗日插值和三次指数平滑相结合，对PMU-SCADA数据进行对时与融合，获取测量类型丰富、测量数据实时性强、测量范围广泛的PMU-SCADA融合数据，为电网智能化提供数据支持。
发明内容
本发明目的旨在解决SCADA-PMU数据对时与融合问题。
为此，本发明提出了一种基于拉格朗日插值和三次指数平滑的PMU-SCADA数据对时与融合方法，主要包括三大内容：
(1)基于拉格朗日插值的SCADA三相电压电流幅值时序数据填充方法；
(2)基于三次指数平滑的PMU三相电压电流幅值时序数据降噪方法；
(3)基于欧式距离时序模式匹配的SCADA填充时序数据和PMU降噪时序数据对时与融合方法。
具体内容如下：
如图1总体技术路线图，采用方法(1)对SCADA时序数据进行数据填充，获得SCADA填充时序数据；采用方法(2)对PMU时序数据进行降噪处理，获得PMU降噪时序数据；采用方法(3)，对SCADA填充后的时序数据子序列和PMU降噪后的时序数据子序列进行模式匹配，实现SCADA与PMU的对时校准，从而完成SCADA数据和PMU数据融合。
以下(1)(2)(3)方法详细叙述中，所有时序数据的下标type＝{UA、UB、UC、IA、IB、IC}表示物理量{A相电压、B相电压、C相电压、A相电流、B相电流、C相电流}的集合。T表示大于一分钟的时长。
(1)基于拉格朗日插值的SCADA三相电压电流幅值时序数据填充方法。
提取P测量点2T时长的SCADA数据的三相电压电流幅值时序数据，定义为
Figure BDA0002128250030000031
其中
Figure BDA0002128250030000032
表示tm时刻SCADA物理量值，时标间隔为1分钟。
根据PMU数据的时标间隔，基于拉格朗日插值法，对时序数据SCADA_Seqtype进行数据填充，解决SCADA数据与PMU数据时间频率不一致问题。拉格朗日插值公式为：
Figure BDA0002128250030000033
其中SCADA(t)为插值多项式，输出t时刻的填充值；lj(t)为插值基函数；tm表示SCADA物理量
Figure BDA0002128250030000034
对应的时间。
(2)基于三次指数平滑的PMU三相电压电流幅值时序数据降噪方法。
提取P测量点2T时长PMU数据的三相电压电流幅值时序数据，定义为
Figure BDA0002128250030000035
其中
Figure BDA0002128250030000036
表示tn时刻PMU物理量值，时间间隔为10毫秒。
基于三次指数平滑方法对时序数据PMU_Seqtype进行降噪处理，解决PMU三相电压电流幅值时序数据因抖动频率过高、信号噪声较大，导致对时过程中难以校准基准点的问题。三次指数平滑处理公式为：
Figure BDA0002128250030000037
其中，PMUi表示PMU_Seqtype中第i个数据点，Ti表示第i步后平滑趋势，Ci表示周期长度。PMUi+h表示第i+h步预测值。α、β、γ参数介于[0,1]之间，本发明中α、β、γ参数取值分别为0.44、0.22、0.91。
(3)基于欧式距离时序模式匹配的SCADA填充时序数据和PMU降噪时序数据对时与融合方法。
提取T时长SCADA填充后的时序数据子序列集，定义为
Figure BDA0002128250030000041
其中
Figure BDA0002128250030000042
表示ti时刻SCADA物理量。提取T时长PMU降噪后的时序数据子序列，定义为
Figure BDA0002128250030000043
其中
Figure BDA0002128250030000044
表示tj时刻PMU物理量。i、j取[1,n/2+1]范围内整数。
基于欧式距离时序模式匹配，利用PMU降噪子序列，以滑动窗口形式从SCADA子序列集中查找最优子序列，定义为
Figure BDA0002128250030000045
其中k为常量，表示SCADA子序列集中第k条子序列，
Figure BDA0002128250030000046
表示tk时刻SCADA物理量。具体查找方法如最优子序列查找算法所示。
根据最优子序列与PMU降噪子序列，利用时标误差公式和平均误差公式，计算SCADA数据与PMU数据平均时标误差Timeerror。根据平均时标误差Timeerror，实现SCADA数据和PMU数据的对时校准，从而完成SCADA数据和PMU数据融合。最优子序列查找算法如下：
Figure BDA0002128250030000047
Figure BDA0002128250030000051
时标误差公式为：timetype＝timep-times，其中timetype表示SCADA数据与PMU数据在相同时标下的绝对误差，timep表示PMU子序列首位数据时标，times表示SCADA子序列首位数据时标。通过计算一段时间T内的最小平均误差进行对时。平均误差公式为：
Figure BDA0002128250030000052
其中Timeerror表示SCADA数据与PMU数据平均误差，num(type)表示type的数量。
附图说明
图1为本发明总体技术路线图
图2为本发明实施路线图
具体实施方式
结合附图2实施路线图，本发明步骤如下：
第一步：数据准备
获取P测量点的SCADA数据，提取出2T时间段内的三相电压、电流幅值时序数据SCADA_Seqtype。
获取P测量点的PMU数据，提取出2T时间段内的三相电压、电流幅值时序数据PMU_Seqtype。
T取大于一分钟的时长。
第二步：时序数据预处理
基于拉格朗日插值法，对时序数据SCADA_Seqtype进行数据填充，填充数据的时标间隔与PMU数据的时标间隔相等，即10毫秒。
基于三次指数平滑法，对时序数据PMU_Seqtype进行降噪处理，α、β、γ参数取值分别为0.44、0.22、0.91，初值取
Figure BDA0002128250030000061
第三步：时序数据模式匹配
从SCADA填充后的时序数据中，提取T时长的子序列集
Figure BDA0002128250030000062
从PMU降噪后的时序数据中，提取出T时长的子序列PMU_SeqSontype。利用PMU降噪子序列，根据最优子序列查找算法，以滑动窗口形式查找出最优子序列
Figure BDA0002128250030000063
第四步：时序数据对时与融合
取最优子序列
Figure BDA0002128250030000064
的数据
Figure BDA0002128250030000065
的时标times。取PMU子序列PMU_NewSeqtype的数据
Figure BDA0002128250030000066
的时标timep。根据平均误差公式，计算平均误差Timeerror。
根据平均时间误差Timeerror，对SCADA填充时序数据和PMU降噪时序数据进行对时，即SCADA填充时序数据时标整体平移Timeerror个单位，从而完成SCADA数据和PMU数据融合。

Claims (4)

1.一种基于拉格朗日插值和三次指数平滑的PMU-SCADA数据对时与融合方法，其特征是：
(1)基于拉格朗日插值的SCADA三相电压电流幅值时序数据填充方法；
(2)基于三次指数平滑的PMU三相电压电流幅值时序数据降噪方法；
(3)基于欧式距离时序模式匹配的SCADA填充时序数据和PMU降噪时序数据对时与融合方法。
2.根据权利要求1所述的基于拉格朗日插值的SCADA三相电压电流幅值时序数据填充方法，其特征是，针对SCADA时序数据与PMU时序数据采样频率不一致问题，提取P测量点2T时长的SCADA数据的三相电压电流幅值时序数据，根据PMU数据采集频率，基于拉格朗日插值法对时序数据进行数据填充，实现SCADA数据与PMU数据时间频率一致性。
3.根据权利要求1所述的基于三次指数平滑的PMU三相电压电流幅值时序数据降噪方法，其特征是，针对PMU三相电压电流幅值时序数据因抖动频率过高、信号噪声较大，导致对时过程中难以校准基准点的问题，通过提取P测量点2T时长PMU数据的三相电压电流幅值时序数据，基于三次指数平滑方法对时序数据进行降噪处理，实现PMU时序数据的平滑降噪。
4.根据权利要求1所述的基于欧式距离时序模式匹配的SCADA填充时序数据和PMU降噪时序数据对时与融合方法，其特征是，针对PMU-SCADA数据融合时，PMU和SCADA时标不一致的问题，通过提取T时长填充后的SCADA时序数据子序列集，以及降噪后的PMU时序数据子序列，基于欧式距离时序模式匹配，实现SCADA与PMU的对时校准，从而完成SCADA数据和PMU数据融合。
CN201910629557.4A 2019-07-12 2019-07-12 一种基于拉格朗日插值和三次指数平滑的pmu-scada数据对时与融合方法 Pending CN111625769A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910629557.4A CN111625769A (zh) 2019-07-12 2019-07-12 一种基于拉格朗日插值和三次指数平滑的pmu-scada数据对时与融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910629557.4A CN111625769A (zh) 2019-07-12 2019-07-12 一种基于拉格朗日插值和三次指数平滑的pmu-scada数据对时与融合方法

Publications (1)

Publication Number Publication Date
CN111625769A true CN111625769A (zh) 2020-09-04

Family

ID=72258785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910629557.4A Pending CN111625769A (zh) 2019-07-12 2019-07-12 一种基于拉格朗日插值和三次指数平滑的pmu-scada数据对时与融合方法

Country Status (1)

Country Link
CN (1) CN111625769A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112837180A (zh) * 2021-02-05 2021-05-25 国网湖南省电力有限公司 用于电力系统的scada-pmu数据融合方法
CN112859402A (zh) * 2021-01-18 2021-05-28 北京理工大学重庆创新中心 一种液晶可变相位延迟器相位响应加速方法和加速系统
CN113506440A (zh) * 2021-09-08 2021-10-15 四川国蓝中天环境科技集团有限公司 一种拉格朗日坐标系下多源数据融合的交通状态估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘栋 等: "基于WAMS/SCADA混合量测的机组一次调频综合分析与精益化评价方法", 《电气应用》 *
吴星 等: "基于WAMS/SCADA数据兼容的三种状态估计算法比较研究", 《华东电力》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112859402A (zh) * 2021-01-18 2021-05-28 北京理工大学重庆创新中心 一种液晶可变相位延迟器相位响应加速方法和加速系统
CN112859402B (zh) * 2021-01-18 2022-09-09 北京理工大学重庆创新中心 一种液晶可变相位延迟器相位响应加速方法和加速系统
CN112837180A (zh) * 2021-02-05 2021-05-25 国网湖南省电力有限公司 用于电力系统的scada-pmu数据融合方法
CN112837180B (zh) * 2021-02-05 2022-06-03 国网湖南省电力有限公司 用于电力系统的scada-pmu数据融合方法
CN113506440A (zh) * 2021-09-08 2021-10-15 四川国蓝中天环境科技集团有限公司 一种拉格朗日坐标系下多源数据融合的交通状态估计方法
CN113506440B (zh) * 2021-09-08 2021-11-30 四川国蓝中天环境科技集团有限公司 一种拉格朗日坐标系下多源数据融合的交通状态估计方法

Similar Documents

Publication Publication Date Title
CN111625769A (zh) 一种基于拉格朗日插值和三次指数平滑的pmu-scada数据对时与融合方法
CN109828183B (zh) 适用于暂态录波型故障指示器的波形同步校正方法及系统
CN103575980A (zh) 系统频率测量方法、同步相量测量方法及设备
JPWO2008126240A1 (ja) 同期フェーザ測定装置及びこれを用いた母線間位相角差測定装置
CN108614155B (zh) 一种加入汉明窗的同步相量测量方法及系统
CN102902879A (zh) 一种基于fpga硬件dft递推的同步相量计算方法
CN103018555B (zh) 一种高精度的电力参数软件同步采样方法
CN103941088A (zh) 一种基于三相信号的电力系统频率快速测量方法
CN107656151A (zh) 实现全时序电网量测数据同步采样及处理的测控方法
CN104181391A (zh) 数字功率计谐波检测的方法
CN103983847A (zh) 一种同步相量测量中基于rls的自适应频率跟踪测量方法
CN104316768A (zh) 一种三相不平衡扰动源定位的负序阻抗参数估算方法
CN104155517A (zh) 一种数字化电能表非整周期采样误差补偿方法及系统
CN104483836A (zh) 一种遥测数据的在线稳态处理方法
CN102095935A (zh) 一种交流电信号的瞬时相位测量方法
Oleinikova et al. PMU measurements application for transmission line temperature and sag estimation algorithm development
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
CN105044459B (zh) 一种谐波分析方法
CN104393620A (zh) 一种预测电流光伏并网逆变器控制方法及装置
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
CN108020715A (zh) 一种单相正弦信号幅值与相位快速检测方法
CN105429629A (zh) 基于fpga的锁相方法及其锁相环
CN103176030B (zh) 配电系统的间谐波检测方法
CN111308202B (zh) 一种基于谐波自适应检测方法的广谱同步相量采集系统
CN108982962B (zh) 适于接入多间隔电气量的保护、测量一体化系统及方法

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
TA01 Transfer of patent application right

Effective date of registration: 20210409

Address after: Yuelu District City, Hunan province 410082 Changsha Lushan Road No. 1 Hunan University

Applicant after: HUNAN University

Applicant after: China South Power Grid International Co.,Ltd.

Address before: Yuelu District City, Hunan province 410082 Changsha Lushan Road No. 1

Applicant before: HUNAN University

TA01 Transfer of patent application right
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200904

WD01 Invention patent application deemed withdrawn after publication