电力系统中的不良数据监测和辨识方法

电力系统中的不良数据检测和辨识方法介绍

西南交通大学电气学院10专业2班傅广港

摘要：简述了电力系统不良数据的检测和辨识的必要性。列举了目前较为主流的不良数据检测和辨识方法，并对这些方法优缺点作出评价。

关键词：不良数据；检测；辨识；优缺点

Ways to detect and identify the bad data in power system

Fu Guanggang

(College of Electrical and Engineering, Southwest Jiao Tong University) Abstract: This paper expounds the necessity of the bad data detection and the identification in power system, as well as the common methods to realize, and discuss the advantages and disadvantages.

Keywords: bad data ; detect; identify; advantage disadvantage

0引言

在电力系统的实际运行中, 由于量测量和量测通道的误差以及可能受到的干扰, 会出现各种测量误差。而我们电力系统的量测数据, 通常可看作有效的量测数据和量测噪声的线性组合, 通常情况下量测噪声为白噪声[1], 通过一定的技术处理(如数字滤波、提高量测冗余度等)一般可消除白噪声对电力系统状态估计结果的影响。但当量测数据中包含不良数据时, 这些不良数据对电力系统状态估计结果的影响是不容忽视的,电力系统中的不良数据可能会影响调度员做出错误的决策，进而影响电力系统的正常运行，甚至可能威胁整个电力系统的安全。因此，为了确保电力系统的稳定安全运行，对不良数据的处理有非常重要的意义[2].

1不良数据检测和辨识的研究现状

不良数据检测与辨识是电力系统状态估计的重要功能之一，其功能是在获得状态估计值的基础上依靠系统提供的多余信息，发现和排除测量采样数据中偶然出现的少数不良数据，以提高状态估计的可靠性。国内外已经提出了多种不良数据检测与辨识的方法，大致分为传统理论方法和新理论方法：

（1）传统不良数据检测法主要有：残差极值函数检测法、加权残差检测法或标准残差检

测法、测量量突变检测法、测量量残差检测法等；传统不良数据辨别法主要有：加权残差搜索辨识法、标准化残差搜索辨识法，非二次准则法、不良数据估计辨识法等。

（2） 不良数据检测新理论方法[2]主要包括：基于数据挖掘的模糊数学法、神经网络法、

聚类分析法、间隙统计法等。

2不良数据检测

对于m 维电力系统量测量，可用以下的时间序列表示[3]：

[][]()()1,2,,i i z z k v k i m =+= （1-1）

式中，k 为时标，()i v k 为量测噪声。系统量测方程为：

()(())()z t h x t v t =+ （1-2）

上式为非线性方程组，表示第t 个时间断面的状态量与量测量之间的关系。通过迭代计

算，获得状态量的估计值为ˆ()x t ，回代该状态估计值到（1-2）中，可获得量测估计值为ˆ()z

t ，从而获得量测估计残差列向量为：

ˆ()()()r t z t z

t =- （1-3） 对每一时间断面的残差建立目标函数极值为：

11ˆˆˆ()[()][()]T T J x

z h x R z h x r R r --=--= （1-4） 式中，R 为量测噪声协方差矩阵，在量测噪声为两两独立信号的假设前提下，R 为对角阵。

根据)ˆ(x

J 对不良数据检测是按以下假设检验方法进行： ⎩⎨⎧≥<不真，有不良数据，假设：

属真，无不良数据，假设：1100H )ˆ(H H )ˆ(H J J x J x J γγ （1-5） 式中，J γ对应于某一)(2K a χ，为检测的门槛值。

根据量测方程的雅可比矩阵H 和量测噪声协方差矩阵，定义以下量测残差灵敏度矩阵： 111()T W I H H R H R ---=- （1-6）

定义加权残差为：

w r = （1-7）

对应地，有加权残差灵敏度矩阵为：

11()T T w W I H R H H --= （1-8）

加权残差检测逐维对量测量进行假设检验：

⎪⎩⎪⎨⎧≥<10,,100,,0H H H H H H 不真，接受，假设：

属真，接受，假设：

i w i w i w i w r r γγ （1-9） 式中，i w ,γ为第i 维量测量的检测门槛值。

式（4-6）、（4-7）、（4-8）和（4-9）组成了不良数据加权残差检测的计算式。

同样地，定义标准化残差为：

N r = （1-10）

式中，[]D diag WR =。

相应地，标准化残差灵敏度矩阵为：

N W = （1-11）

与加权残差检测法相似，标准残差检测将逐维地对量测量进行假设检验：

⎪⎩⎪⎨⎧≥<10,,100,,0H H H H H H 不真，接受，假设：

属真，接受，假设：

i N i N i N i N r r γγ （1-12） 式中，i N ,γ为第i 维量测量的检测门槛值。对于假设的检验我们设立置信度的标准。协方差矩阵中的各元素反映的是量测量之间的变化关系，而有效检测量测数据异常变动的指标应是该量测数据的方差，即

（1-13）

可以选择()3i n σ或()5i n σ进行校验。

3不良数据辨识

在正常量测条件下，目标极值函数的数学期望和方差分别为：

ˆ[()][]ˆˆ[()][()]2w E J x Tr W m n K Var J x

E J x K K ==-=⎧⎨=-=⎩ （1-14） 式中，m 为量测列向量维数，n 为状态列向量维数。

ˆ()J x 为K 阶自由度2χ分布的随机变量，随着自由度的增大，)(2K χ逼近于正态分布。

当量测量中含有不良数据时，目标极值函数的数学期望和方差分别为：

()()()22ˆi i i n E z k z n σ=-⎡⎤⎡⎤⎣⎦⎣⎦