电力系统
..144..
电力系统保护与控制
被学术界认可并被实际应用所证明,这种方法就是从大量的、不完全的、模糊的、随机的实际应用数据中提取正确、未知、可理解的以及有价值的信息,通过使用这种技术,存在于海量信息中的新的、有价值的信息可以被及时、有效地发现。于是,数据挖掘技术也就很自然地应用在了电力系统当中,特别是在不良数据的处理上涌现了很多的新方法和新理论;目前,不良数据的处理已经成为一个热门课题,国内外已经提出了多种不良数据检测与辨识的方法,大致分为以下两类:
(1)传统的不良数据检测方法有目标函数极值检测法、加权残差尺”检测法或标准化残差风检测法、测量量突变检测法等。传统的不良数据辨识方法主要有残差搜索法、非二次准则法、零残差法、估计辨识法IzJ等。
(2)相对传统的一些新理论和新方法主要有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传统的不良数据检测与辨识方法
针对传统的不良数据检测方法,文献【3】将其大体分为两类:量测量残差检测和量测量突变检测,这类方法简单,直观,但有其缺陷,前者检测的不良数据的可靠性不强,存在误检(即可靠数据被检测为不良数据)和漏检(即有的不良数据没有被查出来)的问题,于是文献【4】针对文献[3】中方法的缺点,就将其与状态预估结合起来以克服其缺点;后者可靠的前提是相邻采样时刻电力网络结构不变,且前一时刻的量测数据可靠,文献【5】就将上述文
献【3卅的两种方法结合起来在不同情况下选择相应
的检测方法。
黄彦全【6j采用突变量检测和抗差估计相结合的方法,先检测出突变量,再用抗差法进行检测,并在IEEEll8节点网络上进行了验证,该方法的结果说明:该方法既克服存在突变量时的误检,又克服了漏检的情况,有效地检测出不良数据,确保了状态估计结果的可靠性。
传统数据辨识方法都是将加权残差R。或者标准残差风作为特征值,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,然后对量测资料进行“非此即彼”的二值逻辑判断。1979年,我国文献【7.8】分别独立地提出了不良数据的估计识别方法,可用于多个不良数据的分析,这两种估计识别方法虽然数学处理上略有不同,但是基本思想是二致的。文献f9.14]所介绍的方法的共同缺点就是很可能出现残差污染和残差淹没现象,从而造成漏检
万
方数据和误检,在出现多个不良数据的情况下,使用这种方法经常会发生错误辨识的现象,影响了辨识效果。由于这种常规的不良数据辨识算法采用非线性残差方程,辨识过程中需要多次状态估计的计算,因此计算量极大。此外采用线性化残差方程,利用残差灵敏度矩阵的子矩阵计算测量的估计值,由于灵敏度矩阵是高维满阵,因此这种方法计算量仍很大。
近年来,国内外学者[15-18】对上述方法进行了研究,提出了许多有益的改进意见。首先用于抑制量测误差影响的方法是在迭代过程中改变量测量的权值,但是却增加了迭代次数,甚至不收敛,基于正则残差用检测方法,可较好地检测与辨识单个或者多个不相关不良量测,用增益矩阵的稀疏矩阵和用修正的量测值取代不良量测,加快了该方法的速度。针对文献【10】中的非二次准则法,应用快速GivenS变换,将新量测增加到己处理过的量测集中,可以用增益函数的增量近似代替正则残差的平方,避免了计算残差灵敏度矩阵。文献『19]通过分析量测误差对残差的影响范围,从而分离量测误差的传播区域,以避免在全系统内检测辨识不良数据,用降阶模型进行处理,只需计算阶数不高的残差灵敏度矩阵元素。上述对基于加权正则残差方法的改进,克服了该方法计算量大的缺点。
1990年我国学者相年德教授等人【7】提出用估计的测量误差检测和辨识不良测量,利用残差与测量误差之间的线性关系,用降阶残差灵敏度矩阵计算测量误差的估计值,张伯Dj月等At20】在文献【8】的基础上进行了改进,提出了递归测量误差估计辨识法,用线性递归方式计算测量误差的估计值,当增删可疑测量集中的测量时,不需要计算降阶残差灵敏度矩阵的元素,也不需要再估计,大大加快了计算速度。Mili等人19-10】同样利用降阶残差灵敏度矩阵和测量误差的估计值,提出了假设检验辨识(hypothesistestingidentification,缩写为HTI)的方法,并能证明这些误差估计值之间不相关。1991年vemPatiN等人121】利用正交变换在行处理方面的优势对文献【9.10】中的HTI方法进行了改进,HTI方法成功的关键是将全部不良测量列入可疑测量集。Yen在考虑测量精度、测量仪表和数据传输可靠性的基础上提出联合优化和辨识方法。
3新理论在不良数据检测与辨识中的应用
不良数据的处理一直是状态估计领域令人头痛的问题,尤其是有多种不良数据存在时更加困难,许多学者尝试用新理论解决这些难题f22。31。随着新理论的出现,特别是数据挖掘技术在电力系统中的
2010 电力系统不良数据检测与辨识方法的现状与发展刘 莉 1,翟登辉 2,姜新丽 2 (1.沈阳工程学院,辽宁 沈阳 110136;2.沈阳理工大学,辽宁 沈阳 110159) 摘要:...
电力系统不良数据的存在会降低电力系统状态估计的收敛性能,甚至造成电力系统状态估计的失败。回顾了国内外对电力系统不良数据检测与辨识方法的历史现状与发展,从对...
1.引言不良数据的检测与辨识是电力系统状态估计的重要功能之一。 其目的在于排除量测采样 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。目前电力系统发展...
电力系统不良数据检测与辨识方法的现状与发展[J]. 电力 系统保护与控制,2010,38(5):143-145. [3]刘兰 黄彦全 李云飞 绍明. 抗差估计法应用于状态估计中...
电力系统不良数据监测和辨识方法_专业资料。电力系统量测数据的质量是影响电力系统状态估计效率和结果的重要因素,而量测数据中客观地存在少量不良数据,检测和辨识这些...
摘要:不良数据检测和辨识是电力系统状态估计的重要组成部分;所采用的新息图方法...在线监测、绝缘在线监测、高压开关 SF6气体在线监测等项目,及时掌握设备运行状况...
不良数据检测和辨识是电力系统状态估计的重要组成部分 ; 所采用的新息图方法 ,...绝缘在线监测 、 高压开关 SF6 气体在线监测等项目 ,及时掌握设备运行状况 。 ...
16 , 200 5 RELAY 41 基于 GSA 的电力系统不良数据辨识算法杨 伟 ,胡军 ,...作为比较基准 , 参考数据集通过在待检测数据 范围内产生均匀分布的随机值的方法...
技术学院苏州校区,江苏 苏州 215137) 摘要:利用间隙统计算法(GSA)结合聚类分析,检测、辨识电力系统的不良数据 ,不同情况下的检测辨识仿真 , 证明了该方法的正确性...
另外, 线性规化和非线性规划方法也在电力系统状态...3 不良数据的检测与辨识不良数据的检测与辨识是...电力系统状态估计算法和不良数据的检测与辨识的现状...
热门文档