[發明專利]一種基于LSTM模型的在線PMU數據糾錯方法及系統

有效

• 申請號: 201911149072.1
• 申請日: 2019-11-21
• 公開（公告）號: CN110866652B
• 公開（公告）日: 2023-02-28
• 發明（設計）人: 丁宣文;鄭玲;滕予非;李小鵬;劉明忠;周文越;陳菲;張旭;龍呈;朱鑫;吳杰;代宇涵;張純;孫永超
• 申請（專利權）人: 國網四川省電力公司電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/0464;G06N3/0442
• 代理公司: 成都行之智信知識產權代理有限公司 51256
• 代理人: 徐海林

1.一種基于LSTM模型的在線PMU數據糾錯方法，其特征在于，所述方法包括：

S1：對電網正常運行下的PMU歷史幅值數據做歸一化處理；

S2：利用歸一化處理后的PMU數據訓練LSTM神經網絡并建立預測模型；所述預測模型用于預測電網下一時段的PMU幅值信息；

S3：將當前PMU數據歸一化處理后輸入預測模型，預測電網下一時段的PMU數值；

S4：比較預測結果相對于實測值的誤差，根據設定的誤差閾值確定錯誤數據；

步驟S3包括：選取當前電網運行狀況下的PMU數據中的某相幅值信息組成時間序列，把這一序列輸入到預測模型中，通過預測模型預測電網下一時段的幅值信息；

步驟S4包括：比較預測結果相對于實測值的誤差，根據設定的誤差閾值確定錯誤數據；當預測誤差小于預設門檻值時，判定實測數據無錯誤，無需進行修正；反之則實測數據存在錯誤，需要進一步修正；

對于PMU電壓通過修正方程對PMU數據在線實時糾錯，修正方程為：

其中，U是選擇的PMU電壓數據，U_r是真實電壓幅值，U_p是電壓幅值的預測值，Δe是預設電壓門檻值。

2.根據權利要求1所述的基于LSTM模型的在線PMU數據糾錯方法，其特征在于，所述方法還包括S5：對于錯誤的實測數據采用預測數據進行更換。

3.根據權利要求1所述的基于LSTM模型的在線PMU數據糾錯方法，其特征在于，所述步驟S1包括：

根據時間序列選取電網正常運行狀態下的PMU數據，對PMU數據做歸一化處理，將幅值數據映射到(0,1)區間內，建立標準化數據；所述歸一化公式為：

其中，x_i'是幅值歸一化后的標準數據，x_i是i時刻的幅值，x_max和x_min是選取的PMU數據中的最大值和最小值。

4.根據權利要求1所述的基于LSTM模型的在線PMU數據糾錯方法，其特征在于，所述步驟S2包括：

利用歸一化后的PMU數據訓練LSTM神經網絡并建立預測模型，其中選用sigmoid為激活函數，損失函數采用均方誤差函數，優化器為Adam優化算法，其中，激活函數sigmoid如下：

其中，f(z)是通過激活函數縮放后的數值，z為輸入電壓幅值；

均方誤差函數為：

其中，MSE為均方誤差值，m為采樣次數，h_i為真實值，為預測值。

5.根據權利要求2所述的基于LSTM模型的在線PMU數據糾錯方法，其特征在于，所述步驟S5包括：將判定錯誤的PMU數據由預測數據替代。

6.一種基于LSTM模型的在線PMU數據糾錯系統，其特征在于，所述系統包括：

數據處理單元，用于對電網正常運行下的PMU歷史幅值數據做歸一化處理；

預測模型建立單元，用于利用歸一化處理后的PMU數據訓練LSTM神經網絡并建立預測模型；

預設單元，用于將當前PMU數據歸一化處理后輸入預測模型，預測電網下一時段的PMU數值；

比較單元，用于比較預測結果相對于實測值的誤差，根據設定的誤差閾值確定錯誤數據；

其中，預測模型建立單元選取當前電網運行狀況下的PMU數據中的某相幅值信息組成時間序列，把這一序列輸入到預測模型中，通過預測模型預測電網下一時段的幅值信息；

預設單元比較預測結果相對于實測值的誤差，根據設定的誤差閾值確定錯誤數據；當預測誤差小于預設門檻值時，判定實測數據無錯誤，無需進行修正；反之則實測數據存在錯誤，需要進一步修正；

對于PMU電壓通過修正方程對PMU數據在線實時糾錯，修正方程為：

其中，U是選擇的PMU電壓數據，U_r是真實電壓幅值，U_p是電壓幅值的預測值，Δe是預設電壓門檻值。

7.根據權利要求6所述的基于LSTM模型的在線PMU數據糾錯系統，其特征在于，所述系統還包括更換單元，用于對于錯誤的實測數據采用預測數據進行更換。