CN107370150A - 基于同步相量量测的电力***状态估计不良数据处理方法 - Google Patents
基于同步相量量测的电力***状态估计不良数据处理方法 Download PDFInfo
- Publication number
- CN107370150A CN107370150A CN201710795550.0A CN201710795550A CN107370150A CN 107370150 A CN107370150 A CN 107370150A CN 201710795550 A CN201710795550 A CN 201710795550A CN 107370150 A CN107370150 A CN 107370150A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- msub
- measurement
- bad 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提出一种基于同步相量量测的电力***状态估计不良数据处理方法,属于电力***状态估计领域。该方法获取电网一个时间断面的全部同步向量测量单元的量测值建立测量集,得到表示测量集和状态量之间线性关系的量测方程;通过电力***线性状态估计得到电力***的状态估计量;计算测量集的估计值和测量残差向量;利用测量残差向量,计算测量集中每个量测值对应的不良数据指标和不良数据判断阈值;当所有量测值的不良数据指标均小于其对应的不良数据判断阈值时,表明没有不良数据,输出电力***状态估计量,不良数据处理结束。本发明通过利用测量残差估计实际的测量误差来进行不良数据的检测,方法可靠简单,准确度高,有较高的实用价值。
Description
技术领域
本发明属于电力***状态估计领域,主要涉及一种基于同步相量量测的电力***状态估计不良数据处理方法。
背景技术
同步相量测量单元(Phasor Measurement Unit,PMU)是新一代的电网测量装置,相比传统的测量装置,PMU同步性更好、刷新频率更高并且能提供电气量的相量数据。近年来,随着相量测量单元在电网中快速布置,大量的PMU量测数据为电力***分析计算提供了新的数据。然而相对有功功率量测来说,PMU相角量测数据的精度还不够,且由于网络通讯中断、测量设备故障等情况,PMU量测数据中可能存在严重偏离真实值的测量数据,即不良数据。
目前电力***的不良数据处理技术多是针对传统的测量数据,缺少对PMU数据的针对性方法。在全PMU测量下,电力***状态估计的量测方程为线性的,因此可直接求解最小二乘解或者状态估计值,但是由于最小二乘方法缺少鲁棒性,所以需要对测量数据中不良数据进行处理。不良数据处理包括状态估计前处理后,和状态估计时(后)进行处理,状态估计前的主要方法有量测量突变法等,状态估计后的简直方法有标准残差法,最大残差法等。
传统残差辨识方法是将加权残差或者标准残差作为特征值,利用概率论的假设检验,按照一定的置信水平确定一个门槛值,然后对测量量进行“非此即彼”的二值逻辑判断。但是残差较大不能完全等同测量误差较大,因此这些方法可靠性一般,可能会出现错判或者漏判的情况,并且无法处理多相关不良数据的情况。
发明内容
本发明的目的是为克服已有技术的不足之处,提出一种基于同步相量测量量测的电力***状态估计不良数据处理方法。本发明利用了现在正广泛应用于电网的同步测量相量测量,利用测量残差估计实际的测量误差来进行不良数据的检测,方法可靠简单,准确度高,有较高的实用价值。
本发明提出的基于同步相量量测的电力***状态估计不良数据处理方法,其特征在于,包括以下步骤:
1)获取电网一个时间断面的全部同步向量测量单元的量测值,包括电压相量的量测值和电流相量量测值,建立测量集Y;测量集Y为一个复数向量,当测量集Y中的所有量测值均为同步相量时,根据电网物理模型,测量集Y和状态量X之间为线性关系,量测方程写成如式(1)所示的矩阵形式:
Y=AX+ε(1)
其中,A为节点-支路导纳矩阵;假设测量集Y中同步相量测量单元量测值的个数为m,状态量X的状态个数为n,则秩rank(A)=n,ε为测量误差向量;
2)进行电力***线性状态估计,采用加权最小二乘法求解电力***的状态估计量,表达式如式(2)所示:
Xe=(AHWCWLSA)-1AHWCWLSY (2)
其中,WCWLS是m×m阶权重矩阵,为实对角矩阵;
3)根据步骤2)得到的状态估计量Xe和量测方程式(1)计算测量集的估计值Ye和测量残差向量r;
测量集的估计值Ye表达式如下:
Ye=AXe (3)
测量残差向量r,表达式如下:
r=Y-Ye (4)
同时,测量残差向量r表示为:
其中为残差灵敏度矩阵,YT表示测量集的真值,I表示单位矩阵;
根据式(5),测量误差向量的表达式更新为:
其中δY表示估计误差向量;
4)计算测量集Y中第i个量测值对应的不良数据指标Ri,i=1,2,……,m,表达式如下:
其中,<,>表示复向量空间中向量的点乘运算,[.]i表示矩阵[.]的第i列,δYi,ri分别表示δY和r的第i个分量;
计算第i个量测值所对应的不良数据判断阈值,表达式如下:
其中,ki表示可靠系数,ai和bi分别表示第i个量测值的幅值最大量测误差和相角最大量测误差,Zi表示第i个量测值的幅值;
5)重复步骤4),计算得到所有同步向量测量单元量测值的不良数据指标及其对应的不良数据判断阈值,并进行判定:
如果所有同步向量测量单元量测值的不良数据指标Ri均小于其对应的不良数据判断阈值,则说明此次状态估计所用的测量集Y中没有不良数据,输出步骤2)计算得到的电力***状态估计量,不良数据处理结束;否则将所有Ri指标超过其对应不良数据判断阈值的量测值标记为可疑数据,进入步骤6);
6)将步骤5)得到的所有可疑数据按照其对应的Ri指标从大到小的顺序进行排列,将对应的Ri指标最大的可疑数据标记为不良数据,并且将不良数据从测量集Y中剔除;
7)重新返回步骤2),经过步骤6)处理得到的新的测量集重新进行电力***状态估计,直到测量集中没有不良数据时,输出电力***状态估计量,不良数据处理结束。
本发明的特点及有益效果在于:
本发明提出的基于同步相量量测的电力***状态估计不良数据处理方法,通过对状态估计的残差和误差进行分析,提出了一种新的电网状态估计后不良数据检测和辨识处理技术。
本发明的检测方法简单可靠,通过对电网状态估计后测量集残差和误差之间关系的分析,推导得到测量集残差的近似估计值,并且据此构造检测测量集是否为不良数据的不良数据指标R,可以有效的辨识出不良数据。再通过一次剔除的方法,可以处理测量集中所有不良数据,包括多相关不良数据。
具体实施方式
本发明提出的基于同步相量量测的电力***状态估计不良数据处理方法,下面结合具体实施例进一步详细说明如下。
本发明提出的基于同步相量量测的电力***状态估计不良数据处理方法,包括以下步骤:
1)通过仿真或者实测获取电网一个时间断面的全部PMU的量测值,包括电压相量和电流相量数据,建立测量集Y。测量集Y为一个复数向量,当测量集Y中的所有量测值均为同步相量时,根据电网物理模型,测量集Y和状态量X之间为线性关系,量测方程可以写成如下的矩阵形式:
Y=AX+ε(1)
其中,A为节点-支路导纳矩阵,假设测量集Y中PMU量测值的个数为m,状态量X的状态个数为n,则秩rank(A)=n,其中的元素均为复数,ε为测量误差向量。
2)进行电力***线性状态估计,采用加权最小二乘法求解电力***的状态估计量,表达式如式(2)所示:
Xe=(AHWCWLSA)-1AHWCWLSY (2)
其中,WCWLS是m×m阶权重矩阵,为实对角矩阵。
3)根据步骤2)得到的状态估计量Xe和量测方程式(1)计算PMU测量集的估计值Ye和测量残差向量r;PMU测量集的估计值Ye表达式如下:
Ye=AXe (3)
PMU测量集残差向量r,表达式如下:
r=Y-Ye (4)
同时PMU测量残差向量r也可以表示为:
其中为残差灵敏度矩阵,YT表示测量集的真值,I表示单位矩阵。
根据式(5),PMU测量误差向量ε可以重新整理为:
其中δY表示估计误差向量;
对式(6)两边取模值,可得绝对测量误差向量表达式如下所示:
|ε|=|r|+|δY| (7)
由上式可知绝对测量误差向量|ε|可以分解为两个分量,即残差的模向量|r|=S|ε|和向量|δY|=(I-S)|ε|,可以证明这两个向量的内积为零,这两个向量是相互正交的。因此残差向量r只是测量误差向量ε的一部分,可以通过残差向量r来估计测量误差向量ε。
4)根据上述结论,定义并且计算测量集Y中第i(i=1,2,……,m)个量测值对应的不良数据指标Ri,表达式如下:
其中,<,>表示复向量空间中向量的点乘运算,[.]i表示矩阵[.]的第i列,δYi,ri分别表示δY和r的第i个分量。
进一步计算第i个量测值所对应的不良数据判断阈值,表达式如下:
其中,ki表示可靠系数,一般取1,当已知测量条件较为恶劣时,可适当增大ki的值,ai和bi分别表示第i个量测值的幅值最大量测误差和相角最大量测误差,Zi表示第i个量测值的幅值。
5)重复步骤4),计算得到所有PMU量测值的不良数据指标及其对应的不良数据判断阈值,并进行判定:
如果所有PMU量测值的不良数据指标Ri均小于其对应的不良数据判断阈值,则说明此次状态估计所用的测量集Y中没有不良数据,输出步骤2)计算得到的电力***状态估计量,不良数据处理结束;否则将所有Ri指标超过其对应不良数据判断阈值的量测值标记为可疑数据,进入步骤6)。
6)将步骤5)得到的所有可疑数据按照其对应的Ri指标从大到小的顺序进行排列,将对应的Ri指标最大的可疑数据标记为不良数据,并且将不良数据从测量集Y中剔除。
7)重新返回步骤2),经过步骤6)处理得到的新的测量集重新进行状态估计,直到测量集中没有不良数据时,输出电力***状态估计量,不良数据处理结束。
Claims (1)
1.一种基于同步相量量测的电力***状态估计不良数据处理方法,其特征在于,包括以下步骤:
1)获取电网一个时间断面的全部同步向量测量单元的量测值,包括电压相量的量测值和电流相量量测值,建立测量集Y;测量集Y为一个复数向量,当测量集Y中的所有量测值均为同步相量时,根据电网物理模型,测量集Y和状态量X之间为线性关系,量测方程写成如式(1)所示的矩阵形式:
Y=AX+ε (1)
其中,A为节点-支路导纳矩阵;假设测量集Y中同步相量测量单元量测值的个数为m,状态量X的状态个数为n,则秩rank(A)=n,ε为测量误差向量;
2)进行电力***线性状态估计,采用加权最小二乘法求解电力***的状态估计量,表达式如式(2)所示:
Xe=(AHWCWLSA)-1AHWCWLSY (2)
其中,WCWLS是m×m阶权重矩阵,为实对角矩阵;
3)根据步骤2)得到的状态估计量Xe和量测方程式(1)计算测量集的估计值Ye和测量残差向量r;
测量集的估计值Ye表达式如下:
Ye=AXe (3)
测量残差向量r,表达式如下:
r=Y-Ye (4)
同时,测量残差向量r表示为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mi>Y</mi>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mi>e</mi>
</msub>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>T</mi>
</msub>
<mo>+</mo>
<mi>&epsiv;</mi>
<mo>-</mo>
<mo>&lsqb;</mo>
<msub>
<mi>Y</mi>
<mi>T</mi>
</msub>
<mo>+</mo>
<mi>A</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mi>A</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mi>&epsiv;</mi>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>&epsiv;</mi>
<mo>-</mo>
<mi>A</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mi>&epsiv;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mo>&lsqb;</mo>
<mi>I</mi>
<mo>-</mo>
<mi>A</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mi>A</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mo>&rsqb;</mo>
<mi>&epsiv;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>S</mi>
<mi>&epsiv;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中为残差灵敏度矩阵,YT表示测量集的真值,I表示单位矩阵;
根据式(5),测量误差向量的表达式更新为:
<mrow>
<mi>&epsiv;</mi>
<mo>=</mo>
<mi>r</mi>
<mo>+</mo>
<mi>A</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mi>A</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mi>&epsiv;</mi>
<mo>=</mo>
<mi>r</mi>
<mo>+</mo>
<msub>
<mi>&delta;</mi>
<mi>Y</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中δY表示估计误差向量;
4)计算测量集Y中第i个量测值对应的不良数据指标Ri,i=1,2,……,m,表达式如下:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<mo><</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>Y</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>Y</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>></mo>
</mrow>
<mrow>
<mo><</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>></mo>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msubsup>
<mrow>
<mo>&lsqb;</mo>
<mi>A</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mi>W</mi>
<mi>A</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mi>W</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>i</mi>
<mi>H</mi>
</msubsup>
<mi>W</mi>
<msub>
<mrow>
<mo>&lsqb;</mo>
<mi>A</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mi>W</mi>
<mi>A</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mi>W</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mrow>
<mo>&lsqb;</mo>
<mi>I</mi>
<mo>-</mo>
<mi>A</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mi>W</mi>
<mi>A</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mi>W</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>i</mi>
<mi>H</mi>
</msubsup>
<mi>W</mi>
<msub>
<mrow>
<mo>&lsqb;</mo>
<mi>I</mi>
<mo>-</mo>
<mi>A</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mi>W</mi>
<mi>A</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mi>A</mi>
<mi>H</mi>
</msup>
<mi>W</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,<,>表示复向量空间中向量的点乘运算,[.]i表示矩阵[.]的第i列,δYi,ri分别表示δY和r的第i个分量;
计算第i个量测值所对应的不良数据判断阈值,表达式如下:
<mrow>
<msub>
<mi>&eta;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<msqrt>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<msubsup>
<mi>Z</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Z</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>cosb</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ki表示可靠系数,ai和bi分别表示第i个量测值的幅值最大量测误差和相角最大量测误差,Zi表示第i个量测值的幅值;
5)重复步骤4),计算得到所有同步向量测量单元量测值的不良数据指标及其对应的不良数据判断阈值,并进行判定:
如果所有同步向量测量单元量测值的不良数据指标Ri均小于其对应的不良数据判断阈值,则说明此次状态估计所用的测量集Y中没有不良数据,输出步骤2)计算得到的电力***状态估计量,不良数据处理结束;否则将所有Ri指标超过其对应不良数据判断阈值的量测值标记为可疑数据,进入步骤6);
6)将步骤5)得到的所有可疑数据按照其对应的Ri指标从大到小的顺序进行排列,将对应的Ri指标最大的可疑数据标记为不良数据,并且将不良数据从测量集Y中剔除;
7)重新返回步骤2),经过步骤6)处理得到的新的测量集重新进行电力***状态估计,直到测量集中没有不良数据时,输出电力***状态估计量,不良数据处理结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710795550.0A CN107370150B (zh) | 2017-09-06 | 2017-09-06 | 基于同步相量量测的电力***状态估计不良数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710795550.0A CN107370150B (zh) | 2017-09-06 | 2017-09-06 | 基于同步相量量测的电力***状态估计不良数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107370150A true CN107370150A (zh) | 2017-11-21 |
CN107370150B CN107370150B (zh) | 2019-08-16 |
Family
ID=60311007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710795550.0A Active CN107370150B (zh) | 2017-09-06 | 2017-09-06 | 基于同步相量量测的电力***状态估计不良数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107370150B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108022046A (zh) * | 2017-12-05 | 2018-05-11 | 国网江西省电力有限公司景德镇供电分公司 | 一种电力***数据质量评估方法、存储介质及设备 |
CN109193639A (zh) * | 2018-10-10 | 2019-01-11 | 河海大学 | 一种电力***抗差估计方法 |
CN109818349A (zh) * | 2019-03-13 | 2019-05-28 | 东北大学 | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 |
CN109975594A (zh) * | 2019-02-28 | 2019-07-05 | 北京交通大学 | 一种用于同步测量***中数据压缩的相量主成分分析方法 |
CN112230087A (zh) * | 2020-10-13 | 2021-01-15 | 全球能源互联网研究院有限公司 | 一种线性状态估计方法、装置、电子设备及存储介质 |
CN113191485A (zh) * | 2021-04-26 | 2021-07-30 | 东北大学 | 一种基于narx神经网络的电力信息网络安全检测***及方法 |
CN116298515A (zh) * | 2023-05-23 | 2023-06-23 | 北京鼎诚鸿安科技发展有限公司 | 同步波形测量终端及其测量方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801162A (zh) * | 2012-08-23 | 2012-11-28 | 清华大学 | 一种两阶段线性加权最小二乘电力***状态估计方法 |
US8634965B1 (en) * | 2010-12-03 | 2014-01-21 | Bei Gou | Computer-based method for power system state estimation |
CN103745109A (zh) * | 2014-01-10 | 2014-04-23 | 国家电网公司 | 一种基于pmu量测和scada量测的不良数据检测与辨识方法 |
CN104836223A (zh) * | 2014-11-14 | 2015-08-12 | 浙江大学 | 电网参数错误与不良数据协同辨识与估计方法 |
US20150274328A1 (en) * | 2014-03-28 | 2015-10-01 | Rincon Research Corporation | Automated Detection and Characterization of Earth-Orbiting Satellite Maneuvers |
CN105406471A (zh) * | 2015-12-23 | 2016-03-16 | 云南电力调度控制中心 | 电网不良数据辨识与估计方法 |
-
2017
- 2017-09-06 CN CN201710795550.0A patent/CN107370150B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8634965B1 (en) * | 2010-12-03 | 2014-01-21 | Bei Gou | Computer-based method for power system state estimation |
CN102801162A (zh) * | 2012-08-23 | 2012-11-28 | 清华大学 | 一种两阶段线性加权最小二乘电力***状态估计方法 |
CN103745109A (zh) * | 2014-01-10 | 2014-04-23 | 国家电网公司 | 一种基于pmu量测和scada量测的不良数据检测与辨识方法 |
US20150274328A1 (en) * | 2014-03-28 | 2015-10-01 | Rincon Research Corporation | Automated Detection and Characterization of Earth-Orbiting Satellite Maneuvers |
CN104836223A (zh) * | 2014-11-14 | 2015-08-12 | 浙江大学 | 电网参数错误与不良数据协同辨识与估计方法 |
CN105406471A (zh) * | 2015-12-23 | 2016-03-16 | 云南电力调度控制中心 | 电网不良数据辨识与估计方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108022046A (zh) * | 2017-12-05 | 2018-05-11 | 国网江西省电力有限公司景德镇供电分公司 | 一种电力***数据质量评估方法、存储介质及设备 |
CN109193639A (zh) * | 2018-10-10 | 2019-01-11 | 河海大学 | 一种电力***抗差估计方法 |
CN109193639B (zh) * | 2018-10-10 | 2021-05-11 | 河海大学 | 一种电力***抗差估计方法 |
CN109975594A (zh) * | 2019-02-28 | 2019-07-05 | 北京交通大学 | 一种用于同步测量***中数据压缩的相量主成分分析方法 |
CN109818349A (zh) * | 2019-03-13 | 2019-05-28 | 东北大学 | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 |
CN109818349B (zh) * | 2019-03-13 | 2022-04-22 | 东北大学 | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 |
CN112230087A (zh) * | 2020-10-13 | 2021-01-15 | 全球能源互联网研究院有限公司 | 一种线性状态估计方法、装置、电子设备及存储介质 |
CN112230087B (zh) * | 2020-10-13 | 2022-08-05 | 全球能源互联网研究院有限公司 | 一种线性状态估计方法、装置、电子设备及存储介质 |
CN113191485A (zh) * | 2021-04-26 | 2021-07-30 | 东北大学 | 一种基于narx神经网络的电力信息网络安全检测***及方法 |
CN113191485B (zh) * | 2021-04-26 | 2024-05-10 | 东北大学 | 一种基于narx神经网络的电力信息网络安全检测***及方法 |
CN116298515A (zh) * | 2023-05-23 | 2023-06-23 | 北京鼎诚鸿安科技发展有限公司 | 同步波形测量终端及其测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107370150B (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107370150A (zh) | 基于同步相量量测的电力***状态估计不良数据处理方法 | |
CN104836223B (zh) | 电网参数错误与不良数据协同辨识与估计方法 | |
CN106127047B (zh) | 一种基于延森-香农距离的电力***恶意数据检测方法 | |
CN103324847B (zh) | 电力***动态不良数据检测与辨识方法 | |
CN107390127A (zh) | 一种soc估算方法 | |
CN105572596B (zh) | 锂电池soc估算方法及*** | |
CN108896924A (zh) | 基于深度置信网络和卡尔曼滤波融合的锂离子电池荷电状态估计方法 | |
CN104360284A (zh) | 一种磷酸铁锂系动力锂离子电池自放电特性的检测新方法 | |
CN110400231B (zh) | 一种加权非线性贝叶斯的电能计量设备失效率预估方法 | |
CN106383287A (zh) | 通过提高数据同步性提升电网稳定断面测量精度的方法 | |
CN105759216B (zh) | 一种软包锂离子电池荷电状态估算方法 | |
CN103066591B (zh) | 一种基于实时测量的电网参数偏差识别方法 | |
CN106407555B (zh) | 基于加速因子不变原则的加速退化数据分析方法 | |
CN107453484A (zh) | 一种基于wams信息的scada数据校准方法 | |
CN106208050B (zh) | 一种基于pmu的电网支路静态参数检测辨识方法 | |
CN110190600A (zh) | 一种基于ami量测近邻回归的三相配电网拓扑辨识方法 | |
CN105406471A (zh) | 电网不良数据辨识与估计方法 | |
CN106597288A (zh) | 一种电源soc估算方法 | |
CN108876788A (zh) | 基于多尺度重构误差融合的绝缘子显著性检测方法 | |
Chen et al. | The battery state of charge estimation based weighted least squares support vector machine | |
CN102706431B (zh) | 一种计量数据检测方法及*** | |
CN107565867A (zh) | 一种基于轨迹灵敏度的同步发电机参数辨识方法 | |
CN104776827A (zh) | Gps高程异常数据的粗差探测方法 | |
CN102280877B (zh) | 一种多量测断面的电力***不良支路参数辨识方法 | |
CN104393588B (zh) | 一种基于最小均方误差的最优pmu布置方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |