[發明專利]一種基于狀態轉移概率電力系統監測數據失真的快速定位方法

有效

• 申請號: 201711340903.4
• 申請日: 2017-12-14
• 公開（公告）號: CN108132423B
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 李石君;梁杰;余放;汪毅能;楊濟海
• 申請（專利權）人: 武漢大學
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 42222 武漢科皓知識產權代理事務所(特殊普通合伙)
• 代理人: 魯力<國際申請>=<國際公布>=<進入國

1.一種基于狀態轉移概率電力系統監測數據失真的快速定位方法，其特征在于，包括以下步驟：

步驟1、監測數據屬性實體劃分，采集設備的原始監測數據，并將采集到的原始監測數據按照數據源的實體設備劃分為實體數據集合，具體包括：

步驟1.1、原始監測數據采集，并將采集到的原始檢測數據根據以下定義歸于集合中：

定義1、原始數據集合

D＝{d₁₁,d₁₂,...,d₂₁,d₂₂,...,d_n1,d_n2,...,d_nk}

其中，D表示系統中采集到的各類原始數據的屬性集合，d_ij表示第i設備的第j屬性，在實際信息采集中，由于電網各子系統的數據采集方式不盡相同，所以將各子系統采集后的數據匯總后往往是雜亂的數據集合；

步驟1.2、將采集的原始監測數據按實體來源地址分類，在數據采集過程，將數據按照來源索引字段進行分類，分類根據數據的類型選擇以下形式進行分類：

分類形式一：對于已采集數據的分類，針對定義1中已采集到的數據，需要按照數據屬性中的數據源索引字段分類，將來源于相同實體的監測數據分為一組

分類形式二：按實體采集監測數據分類，對于可按實體輸出監測數據的子系統，直接采集其監測數據，并在數據中注明實體的唯一屬性；

定義2 設備數據向量

d_i＝(d_i1,d_i2,...,d_ik)

其中，d_i表示來自于第i(1≤i≤n)設備的監測數據向量，d_ij表示第i設備的第j，(1≤j≤k)屬性；按任意實體設備i的數據源歸類的數據以向量的形式被d_i記錄

步驟1.3、構造屬性擴展矩陣：在電力通信系統中，電力電網包含各種子系統，各類設備通過協同工作來支撐一個子系統的正常運行，一套子系統的數據變化可以通過屬性擴展矩陣來形式化，其中屬性擴展矩陣基于以下定義

定義3 屬性擴展矩陣

其中，M(t)表示t時刻的屬性擴展矩陣，d_ij(t)表示第i(1≤i≤n)設備的第j，(1≤j≤k_i≤k)屬性在時刻t時的監測值；上式中定義了設備擁有的屬性數量的上界k，其中k＝max(k₁,k₂,...)表示子系統中擁有最多屬性設備的屬性個數，它規定了擴展矩陣的列數；電力子系統中不同設備的屬性個數是可以不同的，這樣擴展矩陣M(t)中的多數行向量沒有定義的屬性值，稱此類沒有定義的屬性為擴展屬性，他們的作用在于保持擴展矩陣的矩形結構以便于接下來的數學處理；擴展矩陣M(t)完整包含了電力子系統中在時刻t的屬性值；

步驟2、獲取電力設備的監測數據轉移概率，具體包括：

步驟2.1 數據的狀態劃分

電力設備各個屬性的值都有一定范圍正常域，當某一屬性值超出其正常域時，稱該屬性出現異常值；對于離散型屬性值，其定義域是可數的離散的點；對于連續型屬性值，其定義域是連續的區間；

根據具體的電力設備，將監測到的不同的數據值根據其定義域，劃分到不同的狀態中；

當設備處于正常狀態時，監測數據的狀態稱為穩定態；

對于離散型數據值，可根據具體數據屬性特點將不同的點歸為一類，組成一個狀態，或者直接將每一個點視為一個狀態；對于連續型數據值，或者將連續數值區間按具體特征劃分為片段，每個片段為一個狀態；

步驟2.2 設備的狀態

電力設備可運行在不同的狀態中，不同的設備狀態代表了設備運行的階段特征；不同的設備擁有不同的運行狀態，而電力數據不一致的本質表現是實際設備的運行狀態與監測數據狀態的不一致，即監測數據不能真實反映設備實際運行情況，設備的運行狀態多種多樣，而數據狀態的種類更多；一個設備狀態對應于一系列數據狀態的特定組合；

當電力系統中的設備穩定運行時，設備的各類監測數據值也應該穩定在一定范圍中，同時其變動規則也具有穩定性；當設備運行出現狀態改變時，一部分監測數據就會更大的概率偏離原來的狀態，進入新的狀態，從而打破之前這種穩定規則；

步驟2.3、統計歷史監測數據的狀態轉移頻率，基于以下定義獲取：

定義4 數據狀態轉移頻率

其中，f_ij表示對設備監測N_i+N_j次后數據從狀態i轉移到狀態j的頻率，N_i表示處于狀態i的次數，N_j表示處于狀態j的次數；

然后通過基于以下公式進行多次監測當期數據或直接統計歷史數據的方式來估算電力設備的狀態轉移概率

其中，P表示概率，ε表示一個正數，通過大量搜集電力設備監測數據的狀態轉移數據，計算得出的狀態轉移的頻率會依概率收斂；能夠通過多次監測當期數據或直接統計歷史數據的方式來估算電力設備的狀態轉移概率；

步驟3、獲取電力設備的多次監測轉移矩陣，具體包括：

步驟3.1數據轉移概率的馬爾可夫性與時齊性

由于每次監測數據本質是在離散的時間點上的采樣，同時依步驟2.2的狀態劃分方法，監測數據也被劃分為離散的狀態，所以電力監測數據的狀態轉移本質上是一個時間與狀態都離散的隨機過程；由于每次監測，數據所處的狀態只與上一次所處的狀態的相關，所以此隨機過程具有馬爾科夫性，本質是馬爾科夫鏈；對數據的每一次監測采樣獲得的結果與第一次監測所處的狀態是無關的，這說明數據的狀態轉移概率亦具有時齊性；

步驟3.2、獲取電力數據的多次轉移矩陣，基于以下定義：

定義6 單次狀態轉移矩陣

其中，E表示電力數據的單次狀態轉移矩陣，其元素p_ij表示數據從狀態i經歷一次監測時間間隔后轉移到狀態j的概率；其概率值可以通過步驟2.3中所述方法統計而來；單次狀態轉移矩陣E完整描述了任一電力數據經歷一次監測后所有狀態轉移的概率分布情況；根據切普曼-柯爾莫哥洛夫方程

得到電力數據經過任意次狀態轉移后的轉移矩陣，

由切普曼-柯爾莫哥洛夫方程可知，只需通過步驟3.2方法構造電力數據的單次狀態轉移矩陣，就能直接計算出任意m+n次后的狀態轉移矩陣，E^(n+m)中i行j列的元素表示數據以初始狀態i被監測，而后經歷m+n次監測后，數據處于狀態j的概率；通過這種計算方法得出來的多次轉移概率的實際意義是指當電力設備處于穩定狀態時，數據應該達到的理論狀態轉移概率；

步驟3.4、獲取次轉移后所處的理論概率分布，基于以下定義：

定義7 電力數據初始分布

其中，φ(0)表監測示數據的初始分布向量，元素(0≤j≤n)表示數據在初始時刻0所處的各個狀態的概率；根據切普曼-柯爾莫哥洛夫方程，可以得到任意m+n時刻的理論概率分布；

定理1 多次轉移狀態的理論概率分布

φ(m+n)＝φ(0)E^m+n

其中，φ(m+n)表示計算出的電力數據經歷m+n次轉移后所處的理論概率分布

步驟4、獲取失真數據定位與子系統失真程度度量，具體包括：

步驟4.1、計算電力數據狀態轉移分布的偏離度，基于以下定義：

定義9 電力數據狀態轉移分布的偏離度

δ＞v(m+n)＝||φ′(m+n)-φ(m+n)||₂

其中v(m+n)表示電力數據狀態轉移分布的偏離度，φ′(m+n)是電力設備在經歷m+n次監測后實際的統計出的轉移概率分布，φ(m+n)是電力設備經歷m+n次監測后的理論概率分布，通過向量的2-范數度量這兩種分布的偏離度；δ＞0是一個可以根據實際情況定義的偏離閾值，當δ＞v(m+n)時，說明設備數據的實際狀態轉移分布偏離程度在合理范圍內，當δ≤v(m+n)時，說明設備數據的實際轉移分布偏離度超出閾值；

當設備穩定運行時，出現δ≤v(m+n)，表明設備數據出現第一類失真征兆，因為數據在某些時刻以較大概率出現在了不常出現的狀態中；當設備運行過程中出現變化時，出現δ＞v(m+n)，表明設備出現第二類失真征兆，因為隨著設備的運行狀態的變化，監測數據理應發生相應狀態變化，而實際狀態分布并未發生較大變化；

步驟4.2、進行子系統中失真數據的定位，基于以下定義：

定義10 子系統的監測數據偏離矩陣

電網子系統是包含系統相應設備的有機整體，通過偏離矩陣可以快速定位子系統中失真的數據；

其中，V(t)表示子系統的監測數據經歷t個標準周期后的偏離矩陣，元素v_ij(t)表示經歷t個標準周期后子系統中第i個設備的第j個屬性的數據狀態轉移分布的偏離度；根據步驟2.1中擴展矩陣的性質，如果矩陣相應位置對應的設備不存在該屬性，則命令元素值為-1；

步驟4.3、進行失真定位，基于以下公式：

定義11 失真定位矩陣

其中，表示一個n×k的失真定位矩陣，元素只由數值0、1和-1組成，F表示矩陣0-1變換函數，它的功能是將矩陣中元素進行0-1變換，Δ(t)表示偏離閾矩陣，其元素δ_ij(t)表示對應于偏離度v_ij(t)的偏離閾值，函數f(z_ij∈V(t)-Δ(t))表示對其自變量進行0-1變換，其定義如下

定義11 元素0-1變換函數

失真定位矩陣的實際意義在于把所有超出閾值的元素標記為1而未超過閾值的標記為0，元素在矩陣中的位置又一一對應于數據在子系統中的位置；這樣一個失真定位矩陣就包含了一個子系統中失真數據的變化狀態與位置信息；

步驟4.4、進行缺失數據的處理，具體是執行缺失數據變換，基于以下公式

其中，g(d_ij)表示缺失變換函數，它將M(t)中所有為空值的元素映射為1，并進入當空值數據倍缺失變換函數映射為中的1元素時，表明其失真的屬性；在完整執行一次失真定位后，需要將本輪的原始數據作為歷史數據對狀態轉移頻率進行更新；這樣就能保證步驟3.2中構造的單次狀態轉移矩陣的概率元素具有實時準確性；

步驟4.5、進行數據失真定位，并計算與電力子系統失真程度度量，具體是：遍歷失真定位矩陣一次，記錄每一等于1的元素所在矩陣中位置一一對應了一個失真數據所在位置，其行標代表設備號；列表代該設備的屬性號；同時取出元素占所有元素的比例定量反映了電力子系統失真程度。