一种有源配电网不良数据辨识方法和装置与流程

本发明涉及配电网
技术领域：
，具体涉及一种有源配电网不良数据辨识方法和装置。
背景技术：
：当前，随着大量间歇性电源、储能系统等分布式电源(distributedgeneration，dg)在配电网广泛应用，传统无源辐射状的配电网转变成潮流双向流动的有源配电网，通过在配电网中配置大量统计表计以达到传统意义上的数据采集是不实际的。为完成更好电网规划与调度的目的，需要借助状态估计实现实时数据跟踪与监测。但从实际考虑,状态估计的准确性是建立在准确的量测值的基础上，而量测通道的误差以及外界的信号干扰等因素，会出现量测误差很大的量测数据，即不良数据，在进行调度方式安排时，调度工作人员做出错误的调度决策，因此，完成不良数据的检测和辨识是实现正确状态估计的重要前提。现有技术中有源配电网不良数据辨识中大多数是利用加权残差或者标准残差为特征值，按照一定的置信度设置阈值，在对量测结果进行“非此即彼”的逻辑判断，该方法可能出现残差污染和残差淹没现象，造成误判或漏检的情况，尤其是出现多个不良数据时，容易发生错误判断，辨识效果差。技术实现要素：为了克服上述现有技术中辨识效果差的不足，本发明提供一种有源配电网不良数据辨识方法和装置，基于获取的配电网中所有量测量确定最优分区策略，并基于最优分区策略得到每个分区；确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合，避免出现残差污染和残差淹没现象，不会造成误判或漏检的情况，即使出现多个不良数据时，也不会发生错误判断，辨识效果好。为了实现上述发明目的，本发明采取如下技术方案：一方面，本发明提供一种有源配电网不良数据辨识方法，包括：基于获取的配电网中所有量测量确定最优分区策略，并基于最优分区策略得到每个分区；确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合；基于可疑量测量集合，采用假设检验辨识法对不良数据进行辨识。所述基于获取的配电网中所有量测量确定最优分区策略，包括：基于获取的配电网中所有量测量确定多个分区策略；通过f统计量对所述多个分区策略进行筛选，得到最优分区策略。所述多个分区策略的确定，包括：对量测量残差矢量进行标准化处理；基于标准化处理后的量测量残差矢量计算标准化残差协方差矩阵；基于标准化残差的协方差矩阵建立量测量间相似系数矩阵；基于量测量间相似系数矩阵得到多个分区策略。所述对量测残差矢量进行标准化处理，如下式：式中，rn为标准化处理后的量测量残差矢量，r为量测量残差矢量，d为中间量，且d＝diag(wr)，r为权值矩阵，w为残差灵敏度矩阵，v为量测量误差矢量，wn为标准化残差转换矩阵；所述量测量残差矢量r按下式确定：其中，z为量测量实际值，x为状态量实际值，为量测量估计值，代表状态量估计值，h为常数化状态估计矩阵，r为权值矩阵，w为残差灵敏度矩阵，t为转置，i为单位矩阵。所述基于标准化处理后的量测量残差矢量计算标准化残差协方差矩阵，如下式：式中，rn为标准化残差协方差矩阵，e表示期望。所述基于标准化残差的协方差矩阵建立量测量间相似系数矩阵，包括：将量测量i与量测量j间的相似程度rij作为量测量间相似系数矩阵中的第i行、第j列元素，建立量测量间相似系数矩阵；所述rij按下式确定：式中，rij为量测量i与量测量j间的相似程度，m为特征量总数，m为距离系数，xik为量测量i的第k个特征值，xjk为量测量j的第k个特征值，且xik和xjk均由rn确定。所述基于量测量间相似系数矩阵得到多个分区策略，包括：基于量测量间相似系数矩阵，采用传递闭包法按下式确定模糊等价矩阵：t(r)＝(rij(λ))n*n式中，t(r)为n*n的模糊等价矩阵，rij(λ)为t(r)的第i行、第j列元素，且λ为预设分区策略阈值；将λ按照预设步长由1逐次递减，得到多个分区策略。所述通过f统计量对所述多个分区策略进行筛选，得到最优分区策略，包括：基于预设显著性水平，通过查f临界值表得到预设显著性水平对应的临界值fα；选择f统计量大于fα对应的分区策略作为最优分区策略；所述f统计量按下式计算：式中，f为f统计量，r为分区个数，n为量测量个数，np为第p个分区中量测量个数，为第p个分区中量测量的第k个特征值的平均值，为所有量测量的第k个特征值的平均值，xpjk为第p个分区第j个量测量的第k个特征值。所述确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合，包括：将最优分区策略对应的各个分区中标准化处理后的量测量残差矢量与预设残差阈值对比，将超过预设的残差阈值的量测量确定为分区中的可疑量测量，形成可疑量测量集合；判断某个分区中是否包含不仅一个可疑量测量，若是，则结束，否则计算各个分区内所有正常量测量与聚类中心的距离，并将分区内正常量测量按所述正常量测量与聚类中心的距离从小到大的顺序加入到可疑量测量集合中。另一方面，本发明还提供一种有源配电网不良数据辨识装置，包括：确定模块，用于基于获取的配电网中所有量测量确定最优分区策略，并基于最优分区策略得到每个分区；构建模块，用于确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合；辨识模块，用于基于可疑量测量集合，采用假设检验辨识法对不良数据进行辨识。所述确定模块包括：分区策略确定单元，用于基于获取的配电网中所有量测量确定多个分区策略；最优分区策略确定单元，用于通过f统计量对所述多个分区策略进行筛选，得到最优分区策略。分区策略确定单元包括：标准化处理单元，用于对量测量残差矢量进行标准化处理；计算单元，用于基于标准化处理后的量测量残差矢量计算标准化残差协方差矩阵；建立单元，用于基于标准化残差的协方差矩阵建立量测量间相似系数矩阵；第一确定单元，用于基于量测量间相似系数矩阵得到多个分区策略。所述标准化处理单元按下式对量测残差矢量进行标准化处理：式中，rn为标准化处理后的量测量残差矢量，r为量测量残差矢量，d为中间量，且d＝diag(wr)，r为权值矩阵，w为残差灵敏度矩阵，v为量测量误差矢量，wn为标准化残差转换矩阵；所述量测量残差矢量r按下式确定：其中，z为量测量实际值，x为状态量实际值，为量测量估计值，代表状态量估计值，h为常数化状态估计矩阵，r为权值矩阵，w为残差灵敏度矩阵，t为转置，i为单位矩阵。所述计算单元按下式计算标准化残差协方差矩阵：式中，rn为标准化残差协方差矩阵，e表示期望。所述建立单元具体用于：按下式确定量测量i与量测量j间的相似程度：式中，rij为量测量i与量测量j间的相似程度，m为特征量总数，m为距离系数，xik为量测量i的第k个特征值，xjk为量测量j的第k个特征值，且xik和xjk均由rn确定；将量测量i与量测量j间的相似程度rij作为量测量间相似系数矩阵中的第i行、第j列元素，建立量测量间相似系数矩阵。所述第一确定单元具体用于：基于量测量间相似系数矩阵，采用传递闭包法按下式确定模糊等价矩阵：t(r)＝(rij(λ))n*n式中，t(r)为n*n的模糊等价矩阵，rij(λ)为t(r)的第i行、第j列元素，且λ为预设分区策略阈值；将λ按照预设步长由1逐次递减，得到多个分区策略。所述最优分区策略确定单元具体用于：基于预设显著性水平，通过查f临界值表得到预设显著性水平对应的临界值fα；按下式计算f统计量：式中，f为f统计量，r为分区个数，n为量测量个数，np为第p个分区中量测量个数，为第p个分区中量测量的第k个特征值的平均值，为所有量测量的第k个特征值的平均值，xpjk为第p个分区第j个量测量的第k个特征值；选择f统计量大于fα对应的分区策略作为最优分区策略。所述构建模块具体用于：将最优分区策略对应的各个分区中标准化处理后的量测量残差矢量与预设残差阈值对比，将超过预设的残差阈值的量测量确定为分区中的可疑量测量，形成可疑量测量集合；判断某个分区中是否包含不仅一个可疑量测量，若是，则结束，否则计算各个分区内所有正常量测量与聚类中心的距离，并将分区内正常量测量按所述正常量测量与聚类中心的距离从小到大的顺序加入到可疑量测量集合中。。与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：本发明提供的有源配电网不良数据辨识方法中，先基于获取的配电网中所有量测量确定最优分区策略，并基于最优分区策略得到每个分区；确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合，避免出现残差污染和残差淹没现象，不会造成误判或漏检的情况，即使出现多个不良数据时，也不会发生错误判断，辨识效果好；本发明提供的有源配电网不良数据辨识装置包括确定模块、构建模块和辨识模块，确定模块，用于基于获取的配电网中所有量测量确定最优分区策略，并基于最优分区策略得到每个分区；构建模块，用于确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合；辨识模块，用于基于可疑量测量集合，采用假设检验辨识法对不良数据进行辨识，避免出现残差污染和残差淹没现象，不会造成误判或漏检的情况，即使出现多个不良数据时，也不会发生错误判断，辨识效果好；本发明提供的技术方案通过增添可疑量测量，结合假设检验辨识法能够正确的辨识出不良数据，有效地对发生残差淹没的量测量进行辨识，提升了辨识的可靠性和鲁棒性。附图说明图1是本发明实施例1中有源配电网不良数据辨识方法流程图；图2是本发明实施例3中ieee33节点配电系统结构图。具体实施方式下面结合附图对本发明作进一步详细说明。实施例1本发明实施例1提供了一种有源配电网不良数据辨识方法，具体流程图如图1所示，具体过程如下：s101：基于获取的配电网中所有量测量确定最优分区策略，并基于最优分区策略得到每个分区；s102：确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合；s103：基于可疑量测量集合，采用假设检验辨识法(hti，hypothesistestingidentification)对不良数据进行辨识。上述s101中，基于获取的配电网中所有量测量确定最优分区策略，包括：基于获取的配电网中所有量测量确定多个分区策略；通过f统计量对所述多个分区策略进行筛选，得到最优分区策略。多个分区策略的具体确定过程如下：对量测量残差矢量进行标准化处理；基于标准化处理后的量测量残差矢量计算标准化残差协方差矩阵；基于标准化残差的协方差矩阵建立量测量间相似系数矩阵；基于量测量间相似系数矩阵得到多个分区策略。上述按下式对量测残差矢量进行标准化处理：式中，rn为标准化处理后的量测量残差矢量，r为量测量残差矢量，d为中间量，且d＝diag(wr)，r为权值矩阵，w为残差灵敏度矩阵，v为量测量误差矢量，wn为标准化残差转换矩阵；其中的量测量残差矢量r按下式确定：其中，z为量测量实际值，x为状态量实际值，为量测量估计值，代表状态量估计值，h为常数化状态估计矩阵，r为权值矩阵，w为残差灵敏度矩阵，t为转置，i为单位矩阵。量测量残差矢量r的表达式反映了量测量残差与量测量误差之间的关系，从量测量残差矢量r的表达式中可看出，残差灵敏度矩阵与量测的配置、网络结构、网络参数、运行状态等有关。另外，通过大量的实际运算表明，残差灵敏度矩阵与运行状态关系并不大，负荷变化和个别不良数据的变化仅可引起残差灵敏度矩阵的微小变化。因此，在电力系统网络结构和量测配置点不变的情况下，可将w阵视为常数阵。上述基于标准化处理后的量测量残差矢量，按下式计算标准化残差协方差矩阵：式中，rn为标准化残差协方差矩阵，e表示期望。由上述rn和rn各自的表达式可看出，标准化协方差对角元素均为1，矩阵当中的元素绝对值越大，代表节点残差之间的相互关系越大。在出现单个不良数据时，采用标准化协方差法来进行不良数据检测可取得较好效果。但是当发生多个不良数据或不良数据较大时，则会影响到其余量测点的残差，发生残差污染或淹没现象。而当量测残差之间的相互关系越大时，在这些量测之间也越容易发生残差污染与残差淹没。上述基于标准化残差的协方差矩阵建立量测量间相似系数矩阵，具体过程如下：将量测量i与量测量j间的相似程度rij作为量测量间相似系数矩阵中的第i行、第j列元素，建立量测量间相似系数矩阵；其中的rij按下式确定：式中，rij为量测量i与量测量j间的相似程度，rij位于[0,1]之间；m为特征量总数，m为距离系数，m可取0.02；xik为量测量i的第k个特征值，xjk为量测量j的第k个特征值，且xik和xjk均由rn确定。上述基于量测量间相似系数矩阵得到多个分区策略，具体过程如下：基于量测量间相似系数矩阵，采用传递闭包法按下式确定模糊等价矩阵：t(r)＝(rij(λ))n*n式中，t(r)为n*n的模糊等价矩阵，rij(λ)为t(r)的第i行、第j列元素，且λ为预设分区策略阈值；将λ按照预设步长(可为0.05)由1逐次递减，得到多个分区策略。上述s101中，通过f统计量对多个分区策略进行筛选，得到最优分区策略，f统计量的应用更进一步提高了辨识效果，具体过程如下：基于预设显著性水平，通过查f临界值表得到预设显著性水平对应的临界值fα；按下式计算f统计量：式中，f为f统计量，r为分区个数，n为量测量个数，np为第p个分区中量测量个数，为第p个分区中量测量的第k个特征值的平均值，为所有量测量的第k个特征值的平均值，xpjk为第p个分区第j个量测量的第k个特征值；选择f统计量大于fα对应的分区策略作为最优分区策略。若此时分区中仅有一个量测量，则需要计算量测量与各个分区平均值的距离，并将该量测量并入与该量测距离最短的区域中。最终，分类方案便可确定。上述s102中，确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合，具体过程如下：将最优分区策略对应的各个分区中标准化处理后的量测量残差矢量与预设残差阈值(可取2.5)对比，将超过预设的残差阈值的量测量确定为分区中的可疑量测量，形成可疑量测量集合(若有分区包含不仅一个可疑量测，有可能发生残差淹没现象，需要增加可疑量测集)；判断某个分区中是否包含不仅一个可疑量测量，若是，则结束，否则计算各个分区内所有正常量测量与聚类中心的距离，并将分区内正常量测量按所述正常量测量与聚类中心的距离从小到大的顺序加入到可疑量测量集合中。实施例2基于同一发明构思，本发明实施例2还提供一种有源配电网不良数据辨识装置，包括确定模块、构建模块和辨识模块，下面对上述几个模块的功能进行详细说明：其中的确定模块，用于基于获取的配电网中所有量测量确定最优分区策略，并基于最优分区策略得到每个分区；其中的构建模块，用于确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合；其中的辨识模块，用于基于可疑量测量集合，采用假设检验辨识法(hti，hypothesistestingidentification)对不良数据进行辨识。上述确定模块具体包括：分区策略确定单元，用于基于获取的配电网中所有量测量确定多个分区策略；最优分区策略确定单元，用于通过f统计量对所述多个分区策略进行筛选，得到最优分区策略。上述分区策略确定单元用于确定多个分区策略，其具体包括：标准化处理单元，用于对量测量残差矢量进行标准化处理；计算单元，用于基于标准化处理后的量测量残差矢量计算标准化残差协方差矩阵；建立单元，用于基于标准化残差的协方差矩阵建立量测量间相似系数矩阵；第一确定单元，用于基于量测量间相似系数矩阵得到多个分区策略。上述的标准化处理单元按下式对量测残差矢量进行标准化处理：式中，rn为标准化处理后的量测量残差矢量，r为量测量残差矢量，d为中间量，且d＝diag(wr)，r为权值矩阵，w为残差灵敏度矩阵，v为量测量误差矢量，wn为标准化残差转换矩阵；其中的量测量残差矢量r按下式确定：其中，z为量测量实际值，x为状态量实际值，为量测量估计值，代表状态量估计值，h为常数化状态估计矩阵，r为权值矩阵，w为残差灵敏度矩阵，t为转置，i为单位矩阵。上述计算单元按下式计算标准化残差协方差矩阵：式中，rn为标准化残差协方差矩阵，e表示期望。上述建立单元基于标准化残差的协方差矩阵，按下述过程建立量测量间相似系数矩阵：按下式确定量测量i与量测量j间的相似程度：式中，rij为量测量i与量测量j间的相似程度，m为特征量总数，m为距离系数，xik为量测量i的第k个特征值，xjk为量测量j的第k个特征值，且xik和xjk均由rn确定；将量测量i与量测量j间的相似程度rij作为量测量间相似系数矩阵中的第i行、第j列元素，建立量测量间相似系数矩阵。上述的第一确定单元基于量测量间相似系数矩阵，按下述过程得到多个分区策略：基于量测量间相似系数矩阵，采用传递闭包法按下式确定模糊等价矩阵：t(r)＝(rij(λ))n*n式中，t(r)为n*n的模糊等价矩阵，rij(λ)为t(r)的第i行、第j列元素，且λ为预设分区策略阈值；将λ按照预设步长由1逐次递减，得到多个分区策略。上述的最优分区策略确定单元通过f统计量对多个分区策略进行筛选，得到最优分区策略，具体过程如下：基于预设显著性水平，通过查f临界值表得到预设显著性水平对应的临界值fα；按下式计算f统计量：式中，f为f统计量，r为分区个数，n为量测量个数，np为第p个分区中量测量个数，为第p个分区中量测量的第k个特征值的平均值，为所有量测量的第k个特征值的平均值，xpjk为第p个分区第j个量测量的第k个特征值；选择f统计量大于fα对应的分区策略作为最优分区策略。上述的构建模块确定每个分区的可疑量测量，并基于所有分区的可疑量测量构建可疑量测量集合，具体过程如下：将最优分区策略对应的各个分区中标准化处理后的量测量残差矢量与预设残差阈值对比，将超过预设的残差阈值的量测量确定为分区中的可疑量测量，形成可疑量测量集合；判断某个分区中是否包含不仅一个可疑量测量，若是，则结束，否则计算各个分区内所有正常量测量与聚类中心的距离，并将分区内正常量测量按所述正常量测量与聚类中心的距离从小到大的顺序加入到可疑量测量集合中。实施例3本发明实施例3以图2所示的ieee33节点配电系统为例，基于ieee33节点配电系统进行不良数据辩识。图2中，节点5，7，13，17，19，26，29，24共计8个位置接入光伏发电系统，即在节点5接入光伏发电系统pv1，在节点7接入光伏发电系统pv2，在节点13接入光伏发电系统pv3，在节点17接入光伏发电系统pv4，在节点19接入光伏发电系统pv5，在节点26接入光伏发电系统pv7，在节点29接入光伏发电系统pv8，在节点24接入光伏发电系统pv6，接入容量分别为：10mw，20mw，5mw，15mw，20mw，10mw，15mw，5mw。对ieee33节点配电系统中分布式电源，利用t＝9h时采集的数据进行实验，所用量测包含所有节点注入功率与支路功率。其有功量测编号如表所示，包括节点注入功率，支路功率和电压模值三类，其中节点注入功率用pi表示，支路有功功率用pij表示，电压模值用vi，则有功量测测点分配表与无功量测测点分配表分别为表1和表2。表1表2结合模糊分类方法，在分区数为9时f与f0.05的差值最大，具有较高的显著性。选择这种分区方式，最佳分区策略统计表如表3所示：表3区号量测量区号量测量11，34，35，56，6167-10，43-4722，21，22，36-39711-15，48-50，5933，23-25，37，57816-18，51-53，6344，5，38-40，58，62919，20，54，55，6056，26-33，41，42分别从不良数据发生在弱相关与强相关节点上两种情况(在某量测点增加不良数据，通过分区算法分析后根据其是否在一个分区来判断相关量测点是否属于强相关或弱相关。如果分在一个区就属于强相关，否则即为弱相关；)对所提出的不良数据辨识方案进行测试：1)不良数据发生在弱相关节点上在量测号3、15处均添加10mw的不良数据，如表1中所示，它们位于不同分区当中，相关性较弱。将量测数据送入状态估计单元，同时进行标准化残差检测，弱相关节点间不良数据辩识结果如表4所示：表4量测点315残差3.7253.663由表4中可以看出，两个量测处在不同的分区内，所以并没有发生残差污染，模糊聚类的方法结合hti可以有效的辩识不良数据。2)不良数据发生在强相关节点上在量测号为6、33的量测处均添加10mw的不良数据。进行标准化残差检测，并结合hti，强相关节点间不良数据辩识结果如表5所示。表5量测点6263341残差4.9337.1356.1709.411是否为不良数据是否是否由表5中可以看出，直接利用残差协方差检测会发生残差污染，不能正确辩识不良数据。结合本文中残差聚类与hti，由于可以数据位于同一分区内，方法将所有可疑数据视为一类，计算出聚类中心，随后计算了其余量测与该中心的距离，在不影响可观测性前提下按距离由近及远的方式将量测添加入可疑量测量集合中，然后进行辩识。由表中数据可以看出，在采用本文方法对可疑量测集进行增添后，hti能够正确的辨识出不良数据，有效地对发生残差淹没的数据进行判断。为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。当前第1页12