[發明專利]一種電力系統不良數據的辨識方法及系統

在審

• 申請號: 201810234014.8
• 申請日: 2018-03-21
• 公開（公告）號: CN110298369A
• 公開（公告）日: 2019-10-01
• 發明（設計）人: 王磊;馬曉忱;黃宇鵬;李強;楊勇;劉益超;安亮亮;康曉華;陳鄭平;謝巧云;陳雪凈;占震濱;常乃超;張偉;王軼禹;胡靜;吳錕
• 申請（專利權）人: 中國電力科學研究院有限公司;國網甘肅省電力公司電力科學研究院;國網甘肅省電力公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

一種電力系統不良數據的辨識方法及系統，包括：將獲取的電力系統的網絡模型信息和歷史數據進行訓練，得到神經網絡模型；將獲取的當前量測數據帶入所述神經網絡模型得到量測殘差；對所述量測殘差進行聚類分析，辨識電力系統不良數據的數量和位置信息。本發明避免了傳統辨識方法的殘差污染和殘差淹沒的問題，適用于各種類型不良數據的辨識，對存在不良數據的電力系統能準確辨識，提升了不良數據辨識的準確性和應用靈活性。

技術領域

本發明涉及電力系統自動化領域，具體涉及一種電力系統不良數據的辨識方法及系統。

背景技術

電力系統能量管理系統使用的數據是通過SCADA系統獲取的，從各廠站設備采集的量測數據，受采集儀表精度、數據傳輸通道、傳輸模式、傳輸延時等因素影響，不可避免地存在量測誤差，產生較大誤差的數據稱之為不良數據。電力系統中存在的不良數據會對潮流分析計算、狀態估計和在線分析軟件的功能產生影響，調度員決策受到不良數據的干擾也會影響電力系統的正常運行。因此，電力系統不良數據的辨識對電網安全穩定運行有著重要的意義。

傳統狀態估計不良數據辨識的實用化工作在實際工程中面臨很多困難，需要運維人員具備扎實的專業知識和豐富的實戰經驗，并且傳統不良數據的辨識方法利用狀態估計計算得到的量測殘差進行分析，面對多個具有強相關關系的不良數據的情況，往往會出現殘差污染和殘差淹沒的現象，影響不良數據辨識的準確性。

發明內容

為了解決現有技術中所存在的上述不足，本發明提供一種電力系統不良數據的辨識方法及系統。

本發明提供的技術方案是：一種電力系統不良數據的辨識方法，包括：

將獲取的電力系統的網絡模型信息和歷史數據進行訓練，得到神經網絡模型；

將獲取的當前量測數據帶入所述神經網絡模型得到量測殘差；

對所述量測殘差進行聚類分析，辨識電力系統不良數據的數量和位置信息。

優選的，所述對所述量測殘差進行聚類分析，確定電力系統不良數據的數量和位置信息，包括：

將量測殘差設定為多個聚類；

根據設定的聚類數量、聚類的間隙值和離散度獲得最佳聚類個數；

基于所述最佳聚類個數對所述量測殘差進行聚類，得到聚類結果；

在所述聚類結果中確定電力系統不良數據的數量和位置。

優選的，所述根據設定的聚類數量、聚類的間隙值獲得最佳聚類個數，包括：

設定聚類數量為k；

當設定k＝1，此時如果滿足下式時，所述最佳聚類個數為1；

gap(k)≥gap(k+1)-s_k+1

當設定k>1時，滿足下式的最小k值為最佳聚類個數；

angel(k)＜angel(k+1)

式中：gap(k)：量測殘差的k個聚類的間隙值；gap(k+1)：量測殘差的k+1個聚類的間隙值；s_k+1：參考數據集的聚類離散度的標準差；angel(k)：ln W(k)～k曲線在k處的夾角；angel(k+1)：ln W(k)～k曲線在k+1處的夾角。

優選的，所述量測殘差的k個聚類的間隙值gap(k)，按下式計算：

gap(k)＝E[ln W_r(k)]-ln W(k)

式中：W_r(k)：參考數據集聚類離散度；W(k)：量測殘差的聚類離散度；E[ln W_r(k)]：參考數據集聚類離散度期望值。