CN114386510A - 一种电力系统量测错误辨识方法及系统 - Google Patents

一种电力系统量测错误辨识方法及系统 Download PDF

Info

Publication number
CN114386510A
CN114386510A CN202210033973.XA CN202210033973A CN114386510A CN 114386510 A CN114386510 A CN 114386510A CN 202210033973 A CN202210033973 A CN 202210033973A CN 114386510 A CN114386510 A CN 114386510A
Authority
CN
China
Prior art keywords
measurement
residual
error
suspicious
moment
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
CN202210033973.XA
Other languages
English (en)
Inventor
陈伟
冯雅琳
宋晓川
胡博文
周亚东
王云
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.)
National Network Xi'an Environmental Protection Technology Center Co ltd
Electric Power Research Institute of State Grid Shaanxi Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Shanxi Electric Power 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 Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd
Priority to CN202210033973.XA priority Critical patent/CN114386510A/zh
Publication of CN114386510A publication Critical patent/CN114386510A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电力系统量测错误辨识方法及系统，所述方法包括：1)电力系统量测数据的整理和选取；2)基于最小二乘状态估计方法构建错误量测残差筛选方法；3)基于历史量测残差和假设检验方法识别量测错误；4)基于量测错误的辨识结果，使用状态估计迭代计算校正量测错误引起的量测量和系统状态估计量的误差。本发明所公开的基于历史量测残差的电力系统量测错误辨识方法或系统，实现简单、计算复杂度低，通过对历史数据的二次利用可大大减少实时计算的资源开销，提高电力系统状态估计结果的准确性和稳定性。

Description

一种电力系统量测错误辨识方法及系统
技术领域
本发明属于电力系统数据安全技术领域，特别涉及一种电力系统量测错误辨识方法及系统。
背景技术
电力系统是一个复杂的信息物理融合系统，其稳定运行控制离不开各类物理量测数据的收集反馈；这些量测数据通常通过SCADA(Supervisory Control And DataAcquisition，监控和数据采集)系统或WAMS(Wide Area Measurement System，广域测量系统)获得；这些系统通常由部署在电网各节点上的物理测量组件和网络传输设备组成。
上述量测数据有可能产生偏差(示例性的，如因各种电气干扰和数据传输故障而导致)，虽然量测数据一般不直接用于系统控制和调度，但量测数据的偏差会导致状态估计结果出现误差，从而导致整个电力系统发生严重的连锁故障。因此，对量测数据中的错误量测进行辨识和校正就变的尤为重要。
然而量测错误发生的规律较为随机，无法使用直接式的检索进行消除；另外，量测错误的多源性导致其具有多种类型，而目前的大多数检测方法并未考虑量测错误的产生类型且对所有量测错误使用相同的技术手段进行处理，这就导致某些系统性的连续量测错误会对其他正常量测产生持续性的干扰，改变其正常值，拉低量测的整体精度。综上，亟需一种电力系统量测错误辨识方法及系统。
发明内容
本发明的目的在于提供一种电力系统量测错误辨识方法及系统，以解决上述存在的一个或多个技术问题。本发明具体提供了一种基于历史量测残差的电力系统量测错误辨识方法和系统，可识别混合在正常量测中的错误量测数据，且具有较好的精度。
为达到上述目的，本发明采用以下技术方案：
本发明提供的一种电力系统量测错误辨识方法，包括以下步骤：
获取电力系统的预设时刻量测向量；
获取所述预设时刻量测向量的各元素初始残差；
将所述各元素初始残差进行归一化处理，获得归一化处理后的各元素残差值；基于所述归一化处理后的各元素残差值进行假设检验，获得预设时刻可疑元素；
对于每个预设时刻可疑元素，获取可疑元素的多个历史时刻残差值；基于预设时刻可疑元素残差值和可疑元素的多个历史时刻残差值，获取预设时刻可疑元素的错误类型，完成电力系统量测错误辨识。
本发明方法的进一步改进在于，所述预设时刻量测向量包括节点注入功率、支路功率、节点电压和相角中的一种或多种。
本发明方法的进一步改进在于，所述获取所述预设时刻量测向量的各元素初始残差的步骤具体包括：
基于所述预设时刻量测向量与电力系统状态量的数学物理模型，获取量测方程及系数矩阵；
基于所述预设时刻量测向量和所述系数矩阵，计算获得所述预设时刻量测向量的初始状态估计结果；
将所述初始状态估计结果输入所述量测方程，计算获得所述预设时刻量测向量的各元素初始残差。
本发明方法的进一步改进在于，所述基于所述预设时刻量测向量和所述系数矩阵，计算获得所述预设时刻量测向量的初始状态估计结果的步骤具体包括：
基于所述预设时刻量测向量和所述系数矩阵，使用最小二乘状态估计方法，计算获得所述预设时刻量测向量的初始状态估计结果。
本发明方法的进一步改进在于，将所述各元素初始残差进行归一化处理，获得归一化处理后的各元素残差值的步骤具体包括：
获取所述预设时刻量测向量的前预设数量的历史时刻量测残差，计算所述历史时刻量测残差的总体均值及方差；
基于所述总体均值及方差，对所述预设时刻量测向量的各元素初始残差做归一化处理，获得归一化处理后的各元素残差值。
本发明方法的进一步改进在于，所述基于所述归一化处理后的各元素残差值进行假设检验，获得预设时刻可疑元素的步骤具体包括：
假设归一化处理后的各元素残差值均服从标准正态分布，对全部残差值做双侧检验；将数值不属于标准正态分布的残差值对应的元素认定为可疑元素。
本发明方法的进一步改进在于，所述基于预设时刻可疑元素残差值和可疑元素的多个历史时刻残差值，获取预设时刻可疑元素的错误类型，完成电力系统量测错误辨识的步骤包括：
基于可疑元素的多个历史时刻残差值构建检验统计量，并对可疑元素残差均值是否等于历史时刻残差总体均值进行检验，获得假设检验结果；
根据假设检验结果对可疑元素的错误类型做出判断，获得判断结果，完成电力系统量测错误辨识。
本发明方法的进一步改进在于，所述检验统计量表示为，
Figure BDA0003467581690000031
计算该检验统计量值，并采用t检验检验假设：
Figure BDA0003467581690000032
式中，T为所构建的检验统计量，a为可疑元素历史时刻残差值个数，
Figure BDA0003467581690000033
为第i个可疑元素的残差均值，μr为历史时刻残差总体均值，S*为可疑元素的多个历史时刻残差值的修正样本标准差；
若假设H0成立，则错误类型为偶然的独立错误；
若假设H1成立，则错误类型为系统性的连续错误。
本发明提供的一种电力系统量测错误辨识系统，包括：
量测向量获取模块，用于获取电力系统的预设时刻量测向量；
初始残差获取模块，用于获取所述预设时刻量测向量的各元素初始残差；
可疑元素获取模块，用于将所述各元素初始残差进行归一化处理，获得归一化处理后的各元素残差值；基于所述归一化处理后的各元素残差值进行假设检验，获得预设时刻可疑元素；
错误类型获取模块，用于对于每个预设时刻可疑元素，获取可疑元素的多个历史时刻残差值；基于预设时刻可疑元素残差值和可疑元素的多个历史时刻残差值，获取预设时刻可疑元素的错误类型，完成电力系统量测错误辨识。
与现有技术相比，本发明具有以下有益效果：
本发明具体公开了一种利用历史量测残差和最小二乘状态估计模型识别混合在正常量测中的错误量测的方法，且可以通过基于假设检验的搜索策略来搜索历史量测数据中存在的连续型错误量测。本发明可以实现对错误量测类型的识别，从而针对不同错误类型实施不同的校正策略，减小了状态估计阶段错误量测对其他正常量测的影响，避免了传统方法在校正错误量测的同时带来的整体量测精度的下降问题。本发明提供的方法对系统状态量的校正结果比传统的估计方法具有更好的精度。
进一步具体解释性的，本发明所利用的数据全部来自可获取的电力系统量测数据，获取成本低，在传统状态估计的基础上未增加更多的数据需求，同时实现了传统状态估计无法实现的量测错误辨识和校正，这使得本发明与传统的方法相比，具有明显优势。具体的，本发明在量测错误辨识和校正模型建立过程中，只需要利用传统状态估计所需的量测数据，获取成本较低；本发明使用的算法与模型结构简单容易实现，同时具有低的时间复杂度，降低了计算开销；本发明通过对历史量测残差的利用，增强了对量测错误的辨识能力，且通过校正方法提高了电力系统状态估计结果的准确度。
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，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，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的附图。
图1是本发明实施例的一种基于历史量测残差的电力系统量测错误辨识方法的流程示意图；
图2是本发明实施例中，量测错误数据实例示意图；
图3是本发明实施例中，量测误差校正结果示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。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他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述：
请参阅图1，本发明实施例的一种基于历史量测残差的电力系统量测错误辨识方法，其依靠电力系统中的数学物理方程建立起约束各量测量的问题模型，再通过模型的求解对量测错误进行识别和校正；本发明实施例的上述方法具体包括以下步骤：
步骤1，从电力系统的量测系统中获取当前时刻的量测断面，以及电力系统的拓扑参数；
步骤2，基于电力系统数学物理模型构建系统状态量x与量测量z之间的线性方程组，获取方程组系数矩阵H(x)；
步骤3，使用最小二乘状态估计模型，输入步骤1中所获取当前时刻量测数据以及步骤2中获取的量测方程系数矩阵H(x)，计算获得量测数据的初始状态估计结果，然后将该结果代入量测方程，并计算各量测量的初始残差；
本发明实施例步骤3具体示例性可选的，包括：
步骤3.1，将步骤1中获取的当前时刻量测断面数据整理为量测向量z：
Figure BDA0003467581690000061
其中，Pinj为节点注入有功功率，维度为电网节点数N；Pline为支路有功功率，维度为支路数M；θ为节点电压相角，维度为节点数N；
步骤3.2，初始化系统状态向量x；由于本方法只考虑直流状况下的电力系统运行状态，故系统状态量只包括节点电压相角，x取维度为N的0值列向量；
步骤3.3，求解最小二乘优化模型：minxJ(x)＝[z-H(x)]TW[z-H(x)]，可得系统状态估计值xk，代入量测方程组H(x)，求得状态估计校正后的量测值H(xk),然后计算当前时刻量测残差值rk＝z-H(xk)；
步骤4，取当前时刻前最近的多个历史量测残差，并计算所获取的历史残差的总体均值及方差，然后对残差值做归一化处理；
本发明实施例步骤4具体示例性可选的，包括：
步骤4.1，获取当前时刻前的a组历史量测残差数据{rk-a+1,rk-a+2,...,rk}；
步骤4.2，计算全部历史量测残差的均值：
Figure BDA0003467581690000071
M为量测向量的维数，a为历史量测残差的组数；
步骤4.3，计算全部历史量测残差的方差σr；
步骤4.4，归一化当前时刻量测残差值：
Figure BDA0003467581690000072
步骤5，对各量测量的归一化残差进行假设检验；假设归一化残差均服从标准正态分布并对全部残差值做双侧检验，对于数值显著不属于标准正态分布的残差值，认为该残差对应量测为可疑量测，并取该残差最近的多个历史值；
本发明实施例步骤5具体示例性可选的，包括：
步骤5.1，设定可疑量测残差阈值：
Figure BDA0003467581690000073
该阈值为标准正态分布上侧分位数在置信度取α＝0.05时的值；
步骤5.2，对当前时刻量测残差进行遍历，并判断
Figure BDA0003467581690000074
是否成立，若成立则将其对应量测标记为可疑量测；
步骤5.3，在历史量测残差中取出该可疑量测对应的离当前时刻最近的a个残差值
Figure BDA0003467581690000075
步骤6，基于步骤5中获取的多个可疑量测历史残差值构建检验统计量，并检验假设：该可疑量测残差均值是否等于历史残差总体均值；然后根据假设检验结果对可疑量测的错误类型做出判断，并根据预设策略进行校正，重新计算状态估计结果。然后根据重新计算的状态估计结果对系统状态量和量测残差值进行更新；
本发明实施例步骤6具体示例性可选的，包括：
步骤6.1，使用步骤5中获取的可疑量测历史残差
Figure BDA0003467581690000076
计算可疑量测残差的平均值
Figure BDA0003467581690000077
和修正样本方差S*；
步骤6.2，构建检验统计量：
Figure BDA0003467581690000078
计算该检验统计量值，并采用t检验检验假设：
Figure BDA0003467581690000081
步骤6.3，如果原假设H0成立，则认为该量测错误为一个偶然的独立错误，将该量测值用状态估计校正后的值替换：
Figure BDA0003467581690000082
然后使用更新后的zk,xk重新求解步骤3.4中的优化问题J(x)，再使用求解结果更新系统状态量xk；
步骤6.4，如果假设H1成立，则认为该量测错误为一个系统性的连续错误，将该量测zi从量测向量z中删除，并将该量测对应的系数矩阵中的行向量H(x)i删除，然后用修正后的量测向量和系数矩阵求解步骤3.4中的优化问题J(x)，得到重新求解的系统状态估计结果
Figure BDA0003467581690000083
然后使用校正后的
Figure BDA0003467581690000084
代入量测方程组，计算更新后的量测残差
Figure BDA0003467581690000085
示例性解释性的，本发明实施例中所提到的量测数据是指在当前时刻获取的电力系统量测数据，通常包含节点注入功率、支路功率、节点电压和相角等。该类数据往往从电力系统中部署的SCADA、WAMS等量测系统获取。
示例性解释性的，步骤1中提到的电力系统拓扑参数是指电力系统的简化电网模型中母线节点的数量N和量测数据的个数M。
示例性解释性的，步骤2中提到的电力系统数学物理模型是指一组描述电力系统各物理量间数学关系的约束方程，可以据此建立起量测量和系统状态量之间的线性方程组。
示例性解释性的，步骤4中提到的多个历史量测残差是指以当前时刻为基准，最近产生的一些量测残差数据，具体数量由人工设定。该量测残差由状态估计计算所得的估计量和实际测得的测量量之间的差值归一化计算后获得。
示例性解释性的，步骤6中提到的t检验是指一种假设检验方法，主要用于样本容量较小，且样本标准差未知时对正态总体的检验，判断两个平均值的差异是否显著。由于本发明中所利用的历史量测残差均进行了归一化，因此在本发明中我们假设量测残差在正常状况下应服从标准正态分布。且由于需要进行检验的可疑量测值个数较少(步骤5.3中的a值，由人工设定，一般取10以下)，总体标准差未知，因此我们采用t检验作为对可疑量测的检验方法。
本发明实施例提供的方法中，在量测错误辨识和校正模型建立过程中，只需要利用传统状态估计所需的量测数据，获取成本较低；使用的算法与模型结构简单容易实现，同时具有低的时间复杂度，降低了计算开销；通过对历史量测残差的利用，增强了系统对量测错误的辨识能力，且通过校正方法提高了电力系统状态估计结果的准确度。
本发明实施例中的方法具体包括数据获取过程、初始状态估计过程、残差检验过程和错误辨识(示例性可选的，还可以加入校正过程)。图1是本发明的基于历史量测残差的电力系统量测错误辨识系统流程图；表1是一个14节点电力系统量测数据实例；表2是该电力系统量测方程系数矩阵实例。
表1.电力系统量测数据实例
Figure BDA0003467581690000091
表2.电力系统量测方程系数矩阵实例
Figure BDA0003467581690000101
本发明实施例的数据获取具体过程如下：
(1)通过电力系统量测数据采集设备，以固定格式从数据源服务器下载所需当前时刻量测数据；
(2)根据下载的量测数据确定电力系统母线节点个数N及量测向量维度M。
本发明实施例通过最小二乘状态估计模型，获得基于当前时刻量测数据的初始状态估计结果，具体过程如下：
(1)将当前时刻量测断面数据整理为量测向量z：
Figure BDA0003467581690000102
其中，Pinj为节点注入有功功率，维度为电网节点数N。Pline为支路有功功率，维度为支路数M。θ为节点电压相角，维度为节点数N；
(2)初始化系统状态向量x。由于本方法只考虑直流状况下的电力系统运行状态，故系统状态量只包括节点电压相角，x取维度为N的0值列向量；
(3)求解最小二乘优化模型：
Figure BDA0003467581690000111
可得系统状态估计值xk，代入量测方程组H(x)，求得状态估计校正后的量测值H(xk),然后计算当前时刻量测残差值rk＝z-H(xk)。
本发明实施例的残差检验过程中，具体过程包括：
(1)获取当前时刻前的a组历史量测残差数据{rk-a+1,rk-a+2,...,rk}；
(2)计算全部历史量测残差的均值：
Figure BDA0003467581690000112
M为量测向量的维数，a为历史量测残差的组数；
(3)计算全部历史量测残差的方差σr；
(4)归一化当前时刻量测残差值：
Figure BDA0003467581690000113
(5)设定可疑量测残差阈值：
Figure BDA0003467581690000114
该阈值为标准正态分布上侧分位数在置信度取α＝0.05时的值；
(6)对当前时刻量测残差进行遍历，并判断
Figure BDA0003467581690000115
是否成立，若成立则将其对应量测标记为可疑量测；
(7)在历史量测残差中取出该可疑量测对应的离当前时刻最近的a个残差值
Figure BDA0003467581690000116
本发明实施例的错误辨识和校正过程，具体包括：
(1)使用步骤5中获取的可疑量测历史残差
Figure BDA0003467581690000117
计算可疑量测残差的平均值
Figure BDA0003467581690000118
和修正样本方差S*；
(2)构建检验统计量：
Figure BDA0003467581690000121
计算该检验统计量值，并采用t检验检验假设：
Figure BDA0003467581690000122
(3)如果原假设H0成立，则认为该量测错误为一个偶然的独立错误，将该量测值用状态估计校正后的值替换：
Figure BDA0003467581690000123
然后使用更新后的zk,xk重新求解步骤3.4中的优化问题J(x)，再使用求解结果更新系统状态量xk；
(4)如果假设H1成立，则认为该量测错误为一个系统性的连续错误，将该量测zi从量测向量z中删除，并将该量测对应的系数矩阵中的行向量H(x)i删除，然后用修正后的量测向量和系数矩阵求解步骤3.4中的优化问题J(x)，得到重新求解的系统状态估计结果
Figure BDA0003467581690000124
然后使用校正后的
Figure BDA0003467581690000125
代入量测方程组，计算更新后的量测残差
Figure BDA0003467581690000126
请参阅图2和图3，图2是错误量测实例数据，该错误导致量测数据出现了一个相对真值偏移振荡，从而产生了一系列量测错误。图3是应用本发明所述量测错误辨识方法后状态估计结果的误差校正结果。表3是对量测错误辨识和校正方法的性能评估结果，且展示了本发明提出的方法与传统状态估计方法对量测误差校正效果的对比。
表3.性能评估结果
Figure BDA0003467581690000127
本发明实施例中，分别测试了本发明方法及传统状态估计方法在4种量测错误情形下的性能表现。由表3中的实验结果可见，在所示4种不同的量测错误类型下，本发明提出的辨识方法均能成功辨识错误量测，且利用本发明方法校正后的量测均方误差远小于传统状态估计方法校正后的量测均方误差。
下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未纰漏的细节，请参照本发明方法实施例。
本发明实施例还提供了一种基于历史量测残差的电力系统量测错误辨识系统，包括数据获取模块、状态估计模块、残差检验模块、错误辨识和校正模块四个模块，可实现电力系统量测错误的辨识，并通过对错误量测的策略化处理和最小二乘状态估计模型的计算实现对量测错误造成的系统状态估计误差的校正，包括：
数据获取模块，从电力系统量测系统中获取当前时刻量测数据，以及历史量测残差和电力系统拓扑参数，并根据电力系统数学物理模型建立量测方程组，提取量测方程系数矩阵；
状态估计模块，基于最小二乘状态优化模型，输入数据获取模块得到的相关数据，计算获得量测数据的初始状态估计结果，然后将该结果代入量测方程，并计算各量测量的初始残差；
残差检验模块，计算所有获取的历史残差的总体均值及方差，用以对残差值做归一化处理。然后对各量测量的归一化残差进行假设检验：假设归一化残差均服从标准正态分布并对全部残差值做双侧检验，对于数值显著不属于标准正态分布的残差值，将该残差对应量测标记为可疑量测，并取该残差最近的多个历史值；
错误辨识和校正模块，使用获取的多个可疑量测历史残差值构建检验统计量，并检验假设：该可疑量测残差均值是否等于历史残差总体均值。然后根据假设检验结果对可疑量测的错误类型做出判断，并根据预设策略进行校正，重新计算状态估计结果。然后根据重新计算的状态估计结果对系统状态量和量测残差值进行更新。
综上所述，本发明实施例公开了一种基于历史量测残差的电力系统量测错误辨识方法和系统，所述方法包括：1)电力系统量测数据的整理和选取；2)基于最小二乘状态估计方法构建错误量测残差筛选方法；3)基于历史量测残差和假设检验方法识别量测错误；4)基于量测错误的辨识结果，使用状态估计迭代计算校正量测错误引起的量测量和系统状态估计量的误差；本发明所公开的基于历史量测残差的电力系统量测错误辨识方法和系统，实现简单、计算复杂度低，通过对历史数据的二次利用大大减少了实时计算的资源开销，提高了电力系统状态估计结果的准确性和稳定性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (9)

1.一种电力系统量测错误辨识方法，其特征在于，包括以下步骤：
获取电力系统的预设时刻量测向量；
获取所述预设时刻量测向量的各元素初始残差；
将所述各元素初始残差进行归一化处理，获得归一化处理后的各元素残差值；基于所述归一化处理后的各元素残差值进行假设检验，获得预设时刻可疑元素；
对于每个预设时刻可疑元素，获取可疑元素的多个历史时刻残差值；基于预设时刻可疑元素残差值和可疑元素的多个历史时刻残差值，获取预设时刻可疑元素的错误类型，完成电力系统量测错误辨识。
2.根据权利要求1所述的一种电力系统量测错误辨识方法，其特征在于，所述预设时刻量测向量包括节点注入功率、支路功率、节点电压和相角中的一种或多种。
3.根据权利要求1所述的一种电力系统量测错误辨识方法，其特征在于，所述获取所述预设时刻量测向量的各元素初始残差的步骤具体包括：
基于所述预设时刻量测向量与电力系统状态量的数学物理模型，获取量测方程及系数矩阵；
基于所述预设时刻量测向量和所述系数矩阵，计算获得所述预设时刻量测向量的初始状态估计结果；
将所述初始状态估计结果输入所述量测方程，计算获得所述预设时刻量测向量的各元素初始残差。
4.根据权利要求3所述的一种电力系统量测错误辨识方法，其特征在于，所述基于所述预设时刻量测向量和所述系数矩阵，计算获得所述预设时刻量测向量的初始状态估计结果的步骤具体包括：
基于所述预设时刻量测向量和所述系数矩阵，使用最小二乘状态估计方法，计算获得所述预设时刻量测向量的初始状态估计结果。
5.根据权利要求1所述的一种电力系统量测错误辨识方法，其特征在于，将所述各元素初始残差进行归一化处理，获得归一化处理后的各元素残差值的步骤具体包括：
获取所述预设时刻量测向量的前预设数量的历史时刻量测残差，计算所述历史时刻量测残差的总体均值及方差；
基于所述总体均值及方差，对所述预设时刻量测向量的各元素初始残差做归一化处理，获得归一化处理后的各元素残差值。
6.根据权利要求1所述的一种电力系统量测错误辨识方法，其特征在于，所述基于所述归一化处理后的各元素残差值进行假设检验，获得预设时刻可疑元素的步骤具体包括：
假设归一化处理后的各元素残差值均服从标准正态分布，对全部残差值做双侧检验；将数值不属于标准正态分布的残差值对应的元素认定为可疑元素。
7.根据权利要求1所述的一种电力系统量测错误辨识方法，其特征在于，所述基于预设时刻可疑元素残差值和可疑元素的多个历史时刻残差值，获取预设时刻可疑元素的错误类型，完成电力系统量测错误辨识的步骤包括：
基于可疑元素的多个历史时刻残差值构建检验统计量，并对可疑元素残差均值是否等于历史时刻残差总体均值进行检验，获得假设检验结果；
根据假设检验结果对可疑元素的错误类型做出判断，获得判断结果，完成电力系统量测错误辨识。
8.根据权利要求7所述的一种电力系统量测错误辨识方法，其特征在于，所述检验统计量表示为，
Figure FDA0003467581680000021
计算该检验统计量值，并采用t检验检验假设：
Figure FDA0003467581680000022
式中，T为所构建的检验统计量，a为可疑元素历史时刻残差值个数，
Figure FDA0003467581680000023
为第i个可疑元素的残差均值，μr为历史时刻残差总体均值，S*为可疑元素的多个历史时刻残差值的修正样本标准差；
若假设H0成立，则错误类型为偶然的独立错误；
若假设H1成立，则错误类型为系统性的连续错误。
9.一种电力系统量测错误辨识系统，其特征在于，包括：
量测向量获取模块，用于获取电力系统的预设时刻量测向量；
初始残差获取模块，用于获取所述预设时刻量测向量的各元素初始残差；
可疑元素获取模块，用于将所述各元素初始残差进行归一化处理，获得归一化处理后的各元素残差值；基于所述归一化处理后的各元素残差值进行假设检验，获得预设时刻可疑元素；
错误类型获取模块，用于对于每个预设时刻可疑元素，获取可疑元素的多个历史时刻残差值；基于预设时刻可疑元素残差值和可疑元素的多个历史时刻残差值，获取预设时刻可疑元素的错误类型，完成电力系统量测错误辨识。
CN202210033973.XA 2022-01-12 2022-01-12 一种电力系统量测错误辨识方法及系统 Pending CN114386510A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210033973.XA CN114386510A (zh) 2022-01-12 2022-01-12 一种电力系统量测错误辨识方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210033973.XA CN114386510A (zh) 2022-01-12 2022-01-12 一种电力系统量测错误辨识方法及系统

Publications (1)

Publication Number Publication Date
CN114386510A true CN114386510A (zh) 2022-04-22

Family

ID=81202598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210033973.XA Pending CN114386510A (zh) 2022-01-12 2022-01-12 一种电力系统量测错误辨识方法及系统

Country Status (1)

Country Link
CN (1) CN114386510A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115372294A (zh) * 2022-09-15 2022-11-22 中国市政工程东北设计研究总院有限公司 一种石墨管稳定性判别方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115372294A (zh) * 2022-09-15 2022-11-22 中国市政工程东北设计研究总院有限公司 一种石墨管稳定性判别方法

Similar Documents

Publication Publication Date Title
CN106505557B (zh) 一种遥测错误辨识方法及装置
CN106786560B (zh) 一种电力系统稳定特征自动提取方法及装置
CN111106603B (zh) 一种输电断面热稳定功率极限区间识别方法及系统
WO2017016021A1 (zh) 一种基于影响增量的状态枚举可靠性评估方法及其装置
CN115800272B (zh) 基于拓扑识别的电网故障分析方法、系统、终端及介质
CN112330488B (zh) 基于迁移学习的电网频率态势预测方法
CN111881124A (zh) 一种基于改进算法的状态估计的数据处理方法及系统
CN117951626B (zh) 一种基于智能优化算法的电网异常状态检测方法及系统
CN111025041A (zh) 电动汽车充电桩监测方法及其系统、计算机设备、介质
CN112507605A (zh) 基于AnoGAN的配电网异常检测方法
CN116150630A (zh) 一种数据异常值检测方法及存储介质
CN114386510A (zh) 一种电力系统量测错误辨识方法及系统
CN117269649A (zh) 一种用于电能能源调度的安全检测方法及系统
CN108459920A (zh) 一种试验数据野值的辨识与修正方法
CN110348540B (zh) 基于聚类的电力系统暂态功角稳定故障筛选方法及装置
Gastoni et al. Robust state-estimation procedure based on the maximum agreement between measurements
EP3767415B1 (en) Device, method, and computer program that identify abnormal facilities
CN117909864A (zh) 一种电力故障预测系统及方法
CN114021338A (zh) 一种基于多源数据融合的可靠性评估方法
CN112332420A (zh) 电力系统风险评估中的分层负荷削减量确定装置及方法
CN107132500A (zh) 一种同步相量测量单元在线校准方法与装置
CN115795222A (zh) 基于同步相量测量的电网不良参数辨识和校正方法
CN114928302A (zh) 电机控制器的母线电压采样方法及装置
CN114386837A (zh) 一种基于历史数据的电力系统不良偏差识别方法及系统
CN113887990A (zh) 电气设备维修决策优化方法

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
TA01 Transfer of patent application right

Effective date of registration: 20240402

Address after: 710000 the 12th and 14th floors of the main building of the scientific research complex, No. 669, Hangtian Middle Road, national civil aerospace industry base, Xi'an, Shaanxi Province

Applicant after: Electric Power Research Institute of State Grid Shaanxi Electric Power Co.,Ltd.

Country or region after: China

Applicant after: National Network (Xi'an) Environmental Protection Technology Center Co.,Ltd.

Address before: No.669, Hangtian Middle Road, Chang'an District, Xi'an City, Shaanxi Province

Applicant before: STATE GRID SHAANXI ELECTRIC POWER Research Institute

Country or region before: China