[發(fā)明專利]一種基于改進(jìn)魯棒容積卡爾曼濾波的數(shù)據(jù)清洗方法

有效

• 申請?zhí)枺?/td>: 201910478867.0
• 申請日: 2019-06-04
• 公開（公告）號: CN110334087B
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計）人: 孫輝;胡姝博;孫越峰;高正男;彭飛翔;周瑋
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: G06F16/215
• 分類號: G06F16/215
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 李曉亮;潘迅

一種基于改進(jìn)魯棒容積卡爾曼濾波的數(shù)據(jù)清洗方法，屬于數(shù)據(jù)處理技術(shù)領(lǐng)域。首先，整理原始量測數(shù)據(jù)，建立電力系統(tǒng)的動態(tài)模型。其次，建立容積卡爾曼濾波CKF基本方程，得到數(shù)據(jù)清洗要用到的前期準(zhǔn)備數(shù)據(jù)。再次，對k+1時刻的電力系統(tǒng)量測裝置采集到的原始量測數(shù)據(jù)z_k+1進(jìn)行不良數(shù)據(jù)辨識、修正過程；對k+1時刻的原始量測數(shù)據(jù)z_k+1進(jìn)行數(shù)據(jù)清洗。最后，計算得到下一時刻數(shù)據(jù)清洗的前期準(zhǔn)備數(shù)據(jù)，并對下一時刻的電力系統(tǒng)量測數(shù)據(jù)進(jìn)行清洗，得到數(shù)據(jù)清洗值的集合。本發(fā)明考慮量測數(shù)據(jù)之間的相關(guān)性，通過將突變數(shù)據(jù)辨識過程與數(shù)據(jù)相關(guān)性強(qiáng)弱程度辨識過程進(jìn)行結(jié)合，對波動型數(shù)據(jù)和不良數(shù)據(jù)進(jìn)行區(qū)分，并通過修正因子對不良數(shù)據(jù)完成清洗，提高數(shù)據(jù)清洗準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，涉及電力系統(tǒng)數(shù)據(jù)清洗方法，特別涉及到一種基于改進(jìn)魯棒容積卡爾曼濾波的數(shù)據(jù)清洗方法。

背景技術(shù)

數(shù)據(jù)清洗，就是對缺失、錯誤數(shù)據(jù)等不良數(shù)據(jù)的辨識修正過程，即對“臟”數(shù)據(jù)的“清洗”過程，將“臟”數(shù)據(jù)補(bǔ)全或更正為更接近真實(shí)數(shù)據(jù)的可靠數(shù)據(jù)。由于電力系統(tǒng)量測誤差及數(shù)據(jù)傳輸干擾等問題，通過量測裝置最終收集得到的量測數(shù)據(jù)不可避免會存在“臟”數(shù)據(jù)。如果不對“臟”數(shù)據(jù)加以處理便直接使用，將會對后續(xù)分析帶來巨大的誤差。目前大多直接將超過量測標(biāo)準(zhǔn)差一定倍數(shù)的突變數(shù)據(jù)當(dāng)作“臟”數(shù)據(jù)，但是隨著風(fēng)電等新能源并網(wǎng)趨勢的發(fā)展，這種具有隨機(jī)性、間歇性的新能源出力將導(dǎo)致電力系統(tǒng)功率產(chǎn)生波動，量測數(shù)據(jù)也隨之成為變化不穩(wěn)定的波動型數(shù)據(jù)。因此，目前電力系統(tǒng)中的突變數(shù)據(jù)不僅包括“臟”數(shù)據(jù)，還包含了大量量測正確的波動型數(shù)據(jù)，若不加區(qū)分的對所有突變數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，可能反而會把正確數(shù)據(jù)處理成“臟”數(shù)據(jù)。

發(fā)明內(nèi)容

本發(fā)明目的是在對量測數(shù)據(jù)的數(shù)據(jù)清洗過程中，提出一種基于改進(jìn)魯棒容積卡爾曼濾波的數(shù)據(jù)清洗方法，該方法考慮量測數(shù)據(jù)之間的相關(guān)性，通過將突變數(shù)據(jù)辨識過程與數(shù)據(jù)相關(guān)性強(qiáng)弱程度辨識過程進(jìn)行結(jié)合，對波動型數(shù)據(jù)和不良數(shù)據(jù)進(jìn)行區(qū)分，并通過修正因子對不良數(shù)據(jù)完成清洗，提高數(shù)據(jù)清洗準(zhǔn)確性。

為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是：

一種基于改進(jìn)魯棒容積卡爾曼濾波的數(shù)據(jù)清洗方法，包括以下步驟：

步驟1：整理原始量測數(shù)據(jù)。在某一時刻時，通過電力系統(tǒng)量測裝置采集得到原始數(shù)據(jù)組成的向量為z，設(shè)定需要數(shù)據(jù)清洗的時刻個數(shù)為N，即得到需要清洗的總數(shù)據(jù)集合為{z₁，z₂，z₃，…，z_N}。以k代表時刻，則需要利用k時刻的數(shù)據(jù)對k+1時刻進(jìn)行預(yù)測，從而對k+1時刻的數(shù)據(jù)z_k+1進(jìn)行清洗。

步驟2：建立電力系統(tǒng)的動態(tài)模型，得到電力系統(tǒng)動態(tài)方程和量測方程如下所示：

x_k+1＝f(x_k)+q_k (1)

z_k+1＝h(x_k+1)+r_k+1 (2)

式中：k表示時刻；x_k和x_k+1分別是k時刻和k+1時刻的狀態(tài)向量，包括電力系統(tǒng)電壓幅值、相角等；z_k+1是k+1時刻的量測向量，包括電力系統(tǒng)功率、電壓等；f(·)和h(·)分別是電力系統(tǒng)的狀態(tài)轉(zhuǎn)移函數(shù)和量測函數(shù)；q_k和r_k+1分別為k時刻的過程噪聲和k+1時刻的量測噪聲，滿足均值為0、方差陣分別為Q和R的正態(tài)分布。

步驟3：設(shè)定起始時刻k＝1，則k+1＝2，表示利用第1個時刻的前期準(zhǔn)備數(shù)據(jù)，對第2個時刻的數(shù)據(jù)z₂進(jìn)行清洗。