[發明專利]一種基于WAMS大數據的輸電線路參數辨識及輸電網建模方法

在審

• 申請號: 201910905557.2
• 申請日: 2019-09-24
• 公開（公告）號: CN110619182A
• 公開（公告）日: 2019-12-27
• 發明（設計）人: 馬瑞;曹孝俊
• 申請（專利權）人: 長沙理工大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本文公開了一種基于WAMS大數據的輸電線路參數辨識及輸電網建模方法，其特征在于，該方法包括如下步驟：

步驟1：獲取給定時段內的電力系統廣域量測大數據；

步驟2：采用改進的孤立森林算法對廣域量測大數據進行異常檢測；

步驟3：針對異常數據，采用基于深度學習的方法進行補償優化；

步驟4：基于經過處理的廣域量測大數據和基于漸消記憶改進的最小二乘法對輸電線路進行參數辨識，并根據輸電線路兩端安裝并聯電抗的情況來分別計算線路阻抗和線路對地導納；

步驟5：基于步驟4辨識得到的各線路阻抗，再考慮輸電線路上的變壓器、電抗器、電容器、斷路器、接地開關、電壓互感器、電流互感器等等，建立輸電網的簡單等效模型。

2.根據權利要求1所述的一種基于WAMS大數據的輸電線路參數辨識及輸電網建模方法，其特征在于，所述步驟2中采用采用改進的孤立森林算法對廣域量測大數據進行異常檢測，該方法跟傳統方法對比而言，IForest算法的泛化能力更好，在面對不同來源和不同規模的數據集的時都表現出優異的異常檢測能力，進行異常檢測時的結構實現簡單、耗時少、精確度高并且穩定性更好。

3.根據權利要求1所述的一種基于WAMS大數據的輸電線路參數辨識及輸電網建模方法，其特征在于，所述步驟3中針對異常數據采用基于深度學習神經網絡的多變量時序數據補償優化方法，該方法基于長短期記憶(LSTM)神經網絡，對異常數據的補償優化所耗時間較短且誤差較小，而傳統方法對異常數據進行補償優化時誤差較大，訓練時間也較長。

4.根據權利要求1所述的一種基于WAMS大數據的輸電線路參數辨識及輸電網建模方法，其特征在于，所述步驟4中基于經過處理的廣域量測大數據和基于漸消記憶改進的最小二乘法對輸電線路進行參數動態辨識，針對長輸電線路，還必須考慮電阻、電抗和電納的修正系數才能進行準確的參數辨識；與傳統的最小二乘法相比，漸消記憶遞推最小二乘法的基本思想是給采樣數據賦予不同的權重，對老數據附加遺忘因子，以降低老數據所提供的信息量，增加新數據的信息量，這樣就既考慮了老數據的作用，又側重考慮了新數據提供的信息進行參數辨識，該方法成功避免了因大數據引起的“數據飽和”現象，極大提高了辨識的準確性。