电力系统
.146.
电力系统保护与控羽
要多次状态估计的计算,因此计算量极大,在实际应用上存在不足。
(2)与传统的不良数据辨识方法相比,一些新理论如模糊数学和数据挖掘算法应运而生,显示出了数据挖掘对潜在问题以及规律有更高的预见性和较好的检测能力,如基于GSA的聚类算法能对电力系统不良数据进行正确检测和辨识,有效避免了误检和漏检现象。因此将较前沿的数据挖掘技术应用在电力系统不良数据检测和辨识当中,有着较好的前景。
5研究方向展望
电力系统不良数据检测和辨识的研究已有很长时间,并且取得了丰硕的研究成果,随着新理论、新技术的不断涌现,在理论方面特别是在实际应用需要方面,.检测和辨识不良数据仍有很多问题值得深入研究。我们认为在以下几个方面有重要的研究价值:
(1)抗差估计理论【35】应用于电力系统不良数据检测和辨识的进一步研究。
(2)虽然基于数据挖掘的GSA的肘形判据应用于电力系统不良数据检测和辨识的仿真结果比较理想,但这只是原来一些方法相比的结果;再说,究竟将其应用在实际当中,效果如何有待进一步研究,目前已有将聚类分析用于状态估计的文献,因此,可以考虑将GSA与电力系统状态估计相结合,用于电力系统不良数据检测和辨识。
(3)目前提出了一种新的方法——基于有效指
数的k.means聚类算法【361,可以考虑将这种算法应用在电力系统不良数据检测和辨识当中,如果结果理想,则比文中提到的GSA算法要简便,而且效果会更佳。
(4)新理论应用在电力系统不良数据检测和辨识中的理论探讨和实用化的可行性研究。并且这些理论应用在多种类型和多个相关不良数据的检测和辨识的研究。参考文献
[1]M
BDo
CuttoFilho,et
a1.Bibliography
on
Power
SystemState
Estimation(1968-1989)[J].IEEETram
on
PowerSystem,1990,5(3).
[2]HuangShyh.tier.Enhancementof
AnomalousData
MininginPowerSystem
Predicting Aided
State
Estimation[J].IEEETram
on
powerSystems,2004,
19(11:610-619.
[3]Baldick
R,ClementsK
A.Pinjo-Dazigal
Z,eta1.
Implementing
Non-QuadraticObjective
Functions
for
万
方数据StateEstimationandBadData
Rejection[J].IEEETram
on
Power
Systems,1997,12(11.
[4]
刘浩.状态估计中不良数据的混合检测辨识法【J】.电工技术杂志,1999,1l(6):18.20.
LIUHao.HybridDetectionand
IdentificationMethod
ofBadData
inState
Estimation[J].Electro
Technical
Journal,1999,ll(6):18-20(inChinese).
[5]张海波,李林川.电力系统状态估计的混合不良数据检测方法【J1.电网技术,2001,25(10):17.20.
ZHANGHai—bo,LILin-chuan.AHybridApproachfor
Detection
of
Bad
Datain
Power
System
State
Estimation[J].Power
System
Technology,2001,25(10):
17 20(inChinese).
[6]Wu
FF.PowerSystemState
Estimation:aSurvey[J].
Electrical
Power&System,1990,12(2).
[7]
相年德,王世缨,于尔铿.电力系统状态估计中的不良数据估计识别法【J】.清华大学学报,1979,19(4):
l 19.XIANG
Nian.de,WANG
Shi-ying。YUEr-keng.The
Estimation.1dentificationApproachofBadDatainPower
System
State
Estimation[J].Journal
of
Tsinghua
University,1979,19(41:1.19(inChinese).
[8]
马志强.系统的可观测性与不良数据的再估计识别阴.电网技术,1979,3(21:66.79.
MAZhi.qiang.TheSystemObservabilityandBadData
Identification
ofthe
Re.estimation[J].PowerSystem
Technology,1979,3(2):66-79(in
Chinese).
[9]
MiliL,ChenialMG,
RousseeuwP
J.RobustStateEstimationof
ElectricalPower
Systems[J].IEEE
Transactionon
Circuits
andSystems(11:Fundamental
Theory
andApplications,1994,41(5).
[10]MiliL,ChenialMG,Viachare
NS,eta1.RobustState
EstimationBasedon
ProjectStatistic[J1.1EEE
Tram
on
Power
Systems,1996,11(21.
L11]HoltenL,GjesvikA,AnnaS,eta1.Comparisonof
Different
MethodsforStateEstimation[J].IEEETrans
on
PowerSystems,1988,3(4).
[12]Handschin
E,Kliokys
E.TransformerTapPosition
Estimationand
BadData
Detection
Using
Dynamic
Signal
Modeling[J].IEEE
Tram
on
PowerSystems,
1995,10(2).
[13]CelikM
K,AburAli.A
RobustWLAV
StateEstimator
Using
Transformations[J].IEEETram
on
Power
Systems,1997,12(¨.
[“]CharytoniukW,ChenM
S,KotasP,et
a1.Demand
Forecasting
in
Power
Distribution
Systems
Using
Nonparametric
ProbabilityTram
DeusityEstimation【J】.IEEE
onPower
Systems,1999,14(4):1200.1206.
[15]于尔铿.电力系统状态估计[M】.北京:水利电力出版
社,1985.
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