一种基于历史数据的电力系统不良偏差识别方法及系统与流程

1.本发明属于电力系统不良偏差纠正技术领域，特别涉及一种基于历史数据的电力系统不良偏差识别方法及系统。


背景技术：

2.状态推断是电力系统运行中的一个重要研究项目，可以用来处理远程信息和遥感信息，进而计算得到可靠的电力系统状态参数。电力系统的参数测量通常通过scada(监控和数据采集)系统或wams(广域测量系统)获得，该系统由物理测量单元和网络传输设备组成。因此，测量数据有可能因各种电气干扰和数据传输故障而产生不良偏差。虽然测量数据不能直接用于系统控制和调度，但测量数据的不良偏差会导致对电力系统状态判断出现错误，从而导致整个电力系统发生严重的连锁故障。
3.在电力系统状态估计和不良偏差校正方面，人们做了大量的工作。示例性的，2012年，abur等人提出了一种基于权重调整方法的系统方法，用于检测和识别pmu测量中的不良偏差数据；sun等人在2013年提出了一种电力系统状态估计方法，该方法利用信息论从一组模拟和数字测量值计算出准确的实时电力系统模型；在2015年，chen等人在celik和abur提出带变换的加权最小绝对值状态估计(wlav-t)的工作基础上，提出了计算wlav-t的最佳旋转角度和比例因子的系统方法，推导了带最佳变换的鲁棒wlav估计方法(wlav-ot)；rana等人设计了新的应用场景，并于2018年提出了一种适用于包含分布式能源的微电网的分布式动态状态估计方法；最近，一些研究人员将一些深度学习方法引入到状态推断中，例如，tian等人提出了两种使用神经网络的pmu数据驱动状态推断的新校准方法。
4.然而，基于上述现有方法的不良偏差识别和纠正仍然存在一些不足，具体包括：
5.(1)目前电力系统中的大多数识别和校正方法都集中于传输线电抗和拓扑等参数的误差，而没有考虑测量数据中的误差；一些参数误差识别方法使用增强状态估计来同时识别测量和参数中的误差，但它们通常假设测量没有误差；此外，参数始终是静态的，基本上不会改变，因此参数识别方法在测量中不能有良好的性能。
6.(2)现有的状态估计方法通常考虑对当前测量快照的处理，但不使用历史测量，当测量中出现某些连续误差时，无法通过单个测量快照纠正不良偏差。
7.综上，亟需一种新的基于历史数据的电力系统不良偏差识别方法及系统。


技术实现要素：

8.本发明的目的在于提供一种基于历史数据的电力系统不良偏差识别方法及系统，以解决上述存在的一个或多个技术问题。本发明提供的方法，能够实现电力系统状态的不良偏差识别，识别准确度较高。
9.为达到上述目的，本发明采用以下技术方案：
10.本发明提供的一种基于历史数据的电力系统不良偏差识别方法，包括以下步骤：
11.获取预设时间段内的电力系统原始测量数据；
12.采用状态估计模型对所述电力系统原始测量数据进行处理，获得多个推测偏差值；
13.对所述多个推测偏差值进行识别以去掉无效偏差值和预设可接受偏差值，获得不良偏差；
14.其中，所述状态估计模型表示为，
15.z＝h(x)+e
ꢀꢀꢀꢀꢀꢀ
(1)
[0016][0017][0018][0019]
式中，z是测量向量，x是电网的状态向量，e是测量误差的向量，h(x)是与状态相关的函数；p
inj
是电力系统中各母线的注入有功功率测量，p
line
是电网中每条输电线路的线路有功功率测量值，θ是电力系统中各母线的电压相角测量值；w是由每个测量的历史值计算的方差倒数矩阵，作为最小二乘模型的权重系数；μr、σr分别是所有历史残差的总体平均值、方差，r
ik
是ri的每个测量值；ri为测量值和估计测量值之间的残差，作为原始测量值估计精度的度量指标。
[0020]
本发明方法的进一步改进在于，所述获取预设时间段内的电力系统原始测量数据中，
[0021]
每个电力系统原始测量数据均包括测量向量、电网中的母线数量、测量向量的维数和测量数据对应的时间。
[0022]
本发明方法的进一步改进在于，所述对所述多个推测偏差值进行识别以去掉无效偏差值和预设可接受偏差值，获得不良偏差中，r
ik
残差测量值大于10％或者小于0，则别为不良偏差。
[0023]
本发明方法的进一步改进在于，在所述对所述多个推测偏差值进行识别以去掉无效偏差值和预设可接受偏差值，获得不良偏差之后，还包括：
[0024]
对识别为不良偏差的数据进行处理，包括构造一个t分布统计量来检验历史测量残差的平均值是否与预期平均值相同，表达式为：
[0025]
根据统计量t的计算结果判断并设定假设，确定xk和rk的结果值；检查完每个可疑测量值后，将xk的最终结果作为系统状态θk；
[0026]
其中，判断并设定假设的具体过程包括：当统计量t的绝对值大于时，接受假设h1，删除中的zk和h(x)i中的h(x)，再次计算j(x)并更新xk和rk的结果，否则接受假设h0，用更新的值，然后解j(x)得到xk的结果；
[0027]
假设h1为最近历史测量残差的平均值与所有历史测量残差的总体平均值不同；
[0028]
假设h0为最近历史测量残差的平均值与所有历史测量残差的总体平均值相同。
[0029]
本发明方法的进一步改进在于，在直流条件下，电压幅值均等于1p.u.，上状态向量x以电压相位角作为状态变量。
[0030]
本发明方法的进一步改进在于，a为3。
[0031]
本发明提供的一种基于历史数据的电力系统不良偏差识别系统，包括：
[0032]
测量数据获取模块，用于获取预设时间段内的电力系统原始测量数据；
[0033]
偏差值获取模块，用于采用状态估计模型对所述电力系统原始测量数据进行处理，获得多个推测偏差值；
[0034]
识别模块，用于对所述多个推测偏差值进行识别以去掉无效偏差值和预设可接受偏差值，获得不良偏差；
[0035]
其中，所述状态估计模型表示为，
[0036]
z＝h(x)+e
ꢀꢀꢀꢀꢀꢀ
(1)
[0037][0038][0039][0040]
式中，z是测量向量，x是电网的状态向量，e是测量误差的向量，h(x)是与状态相关的函数；p
inj
是电力系统中各母线的注入有功功率测量，p
line
是电网中每条输电线路的线路有功功率测量值，θ是电力系统中各母线的电压相角测量值；w是由每个测量的历史值计算的方差倒数矩阵，作为最小二乘模型的权重系数；μr、σr分别是所有历史残差的总体平均值、方差，r
ik
是ri的每个测量值；ri为测量值和估计测量值之间的残差，作为原始测量值估计精度的度量指标。
[0041]
本发明系统的进一步改进在于，所述获取预设时间段内的电力系统原始测量数据中，
[0042]
每个电力系统原始测量数据均包括测量向量、电网中的母线数量、测量向量的维数和测量数据对应的时间。
[0043]
本发明系统的进一步改进在于，所述对所述多个推测偏差值进行识别以去掉无效偏差值和预设可接受偏差值，获得不良偏差中，
[0044]rik
残差测量值大于10％或者小于0，则别为不良偏差。
[0045]
与现有技术相比，本发明具有以下有益效果：
[0046]
本发明中，以最小二乘优化模型作为基本算法来获得测量残差的初始结果，然后设置了一个基于假设检验和归一化测量残差的搜索策略，以发现历史测量数据中的连续误差，最后更新推测用的参数进行计算，能够实现电力系统状态的不良偏差识别，识别准确度较高。
附图说明
[0047]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0048]
图1是本发明实施例的一种基于历史数据的电力系统不良偏差识别方法的流程示意图；
[0049]
图2是本发明实施例中，第一种偏差模式示意图；
[0050]
图3是本发明实施例中，第一种偏差模式实验对比结果示意图；
[0051]
图4是本发明实施例中，第二种偏差模式示意图；
[0052]
图5是本发明实施例中，第二种偏差模式实验对比结果示意图。
具体实施方式
[0053]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0054]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0055]
下面结合附图对本发明做进一步详细描述：
[0056]
请参阅图1，本发明实施例的一种基于历史数据的电力系统不良偏差识别方法，具体步骤包括：
[0057]
获取预设时间段内的电力系统原始测量数据；
[0058]
采用状态估计模型对所述电力系统原始测量数据进行处理，获得多个推测偏差值；
[0059]
对所述多个推测偏差值进行识别以去掉无效偏差值和可接受偏差值，获得不良偏差。
[0060]
本发明实施例中，每个电力系统原始测量数据均包括测量向量、电网中的母线数量、测量向量的维数和测量数据对应的时间。
[0061]
本发明实施例中，所述状态估计模型表示为，
[0062]
z＝h(x)+e
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0063][0064][0065][0066]
式中，z是测量向量，x是电网的状态向量，p
inj
是电力系统中各母线的注入有功功率测量，p
line
是电网中每条输电线路的线路有功功率测量值，θ是电力系统中各母线的电压相角测量值；h(x)是与状态相关的函数，e是测量误差的向量；w是由每个测量的历史值计算的方差倒数矩阵，作为最小二乘模型的权重系数；计算测量值zk和估计测量值h(xk)之间的残差rk，作为原始测量值估计精度的度量指标；对步骤s3中的残差rk进行规范化处理。μr和σr是所有历史残差的总体平均值和方差，r
ik
是ri的每个测量值，如果r
ik
残差测量值大于10％或者小于0，则可以识别为不良偏差；
[0067]
本发明实施例中，对识别为不良偏差的数据进行处理，构造一个t分布统计量来检验历史测量残差的平均值是否与预期平均值相同：
[0068]
根据统计量t的计算结果判断并设定假设，确定xk和rk的结果值；检查完每个可疑测量值后，将xk的最终结果作为系统状态θk。
[0069]
本发明实施例示例性优选的，上述步骤s3中统计量t判断并设定假设的具体过程是：
[0070]
当统计量t的绝对值大于时，接受假设h1，删除中的zk和h(x)i中的h(x)，再次计算j(x)并更新xk和rk的结果，否则我们接受假设h0，用i更新的值，然后解j(x)得到xk的结果。
[0071]
所述的假设h1为最近历史测量残差的平均值与所有历史测量残差的总体平均值显著不同。
[0072]
所述的h0为最近历史测量残差的平均值与所有历史测量残差的总体平均值趋于相同。
[0073]
示例性的，在直流条件下，电压幅值均等于1p.u.，上述状态向量x以电压相位角作为状态变量。
[0074]
示例性的，a为3。
[0075]
请参阅图2至图5，本发明实施例通过ieee-30-bus系统，来验证本发明的不良偏差识别和状态推断校正算法的性能，利用本发明的方法确定的数值和真实值进行比较，电力系统中的测量实际上是对电流和电压等模拟信号的数据采样，当测量设备或数据传输过程中出现某些故障时，测量可能会受到干扰或改变，从而产生不良偏差。因此，考虑到测量的物理特性，假设以下两种情况下存在不良测量：
[0076]
(1)第一种偏差模式如图2所示，测量数据流中出现了一个错误数据，使用
matpower软件在matlab上生成ieee-30-bus系统的测量数据，该系统是一个包含30个总线和41条传输线的电力系统模型，生成了17个测量快照，每个快照是101维向量，包括p
inj
(30
×
1)、p
line
(41
×
1)和θ(30
×
1)，选择θ
10
(10号母线上的电压相角测量值)来造成不良偏差。然后我们在{z0，z1，
…
，z
16
}中替换θ
10
的原始值。图3中显示了每个时间点的θ
10
的结果，θ
10
的真值设置为1p.u，以直接显示真值和估计值之间的差异，虚线是未经处理的不良偏差值，从图3中查看比较算法中θ
10
(下方的线条)的推断值和lse状态推断结果(上方的线条)的θ
10
值。可以看出，算法在校正测量偏差方面具有更好的性能。与直接状态推断相比，该算法可以提高状态推断结果的精度。
[0077]
(2)第二种偏差模式如图4所示，测量是从不断变化的模拟信号中采样的(图中信号曲线上的黑点是测量的采样点)。因此，在信号中发生干扰后，测量值将在趋于稳定之前振荡一段时间，比较的结果如图5所示，lse状态推断结果对于每个快照的θ
10
值与真实值的偏差有所减少，但减少非常有限，并且在推断结束后的系统状态中仍然存在连续偏差。而基于历史测量数据的算法可以识别连续的不良测量并准确地纠正偏差，其数据与正确的值基本趋于一致。
[0078]
对算法在不同的不良偏差情况下的性能进行测试。在图5所示的第二种偏差模式下设置了具有相同发生模式的不同类型和数量的不良偏差，包括θ5(母线5处的电压相位角测量)、母线3处的注入有功功率测量p
inj
(用p3
inj
)和母线6至8之间传输线路的线路有功功率测量p
line
(用p6-8
line
)。表1中的实验结果表明，我们的算法能够准确的识别连续的不良偏差，并且通过算法校正的系统状态均方差远小于通过传统方法直接推断的结果。利用我们的辨识和校正算法，可以明显提高估计结果的精度。
[0079]
表1.不同条件下的实验结果对比
[0080][0081]
综上所述，本发明实施例提供了一种基于历史数据识别和校正电力系统不良偏差的方法，具体步骤包括：利用数据测量设备获取电力系统原始测量数据，测量矢量zk，母线数量n，测量向量维数m，测量数据对应的时间t＝1,2，
…
，k；状态估计模型建立；基于状态推断计模型，建立识别不良偏差和校正系统状态测量误差引起的偏差的算法：计算测量值zk和估计测量值h(xk)的残差rk，作为原始测量值估计精度的度量指标；对残差rk进行规范化处理；根据历史残差对识别为不良偏差的可疑测量进一步处理；将xk的最终结果作为系统状态θk。本发明能修正由不良偏差数据引起的状态偏差，从而得出更精准的系统状态，实现了电力系统状态的不良偏差识别和偏差校正，识别准确度高，校正修正精度高。
[0082]
下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未纰漏的细节，请参照本发明方法实施例。
[0083]
本发明再一实施例中，本发明实施例提供的一种基于历史数据的电力系统不良偏差识别系统，其特征在于，包括：
[0084]
测量数据获取模块，用于获取预设时间段内的电力系统原始测量数据；
[0085]
偏差值获取模块，用于采用状态估计模型对所述电力系统原始测量数据进行处理，获得多个推测偏差值；
[0086]
识别模块，用于对所述多个推测偏差值进行识别以去掉无效偏差值和预设可接受偏差值，获得不良偏差；
[0087]
其中，所述状态估计模型表示为，
[0088]
z＝h(x)+e
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0089][0090][0091][0092]
式中，z是测量向量，x是电网的状态向量，e是测量误差的向量，h(x)是与状态相关的函数；p
inj
是电力系统中各母线的注入有功功率测量，p
line
是电网中每条输电线路的线路有功功率测量值，θ是电力系统中各母线的电压相角测量值；w是由每个测量的历史值计算的方差倒数矩阵，作为最小二乘模型的权重系数；μr、σr分别是所有历史残差的总体平均值、方差，r
ik
是ri的每个测量值；ri为测量值和估计测量值之间的残差，作为原始测量值估计精度的度量指标。
[0093]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术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，本技术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。
[0094]
本技术是参照根据本技术实施例的方法、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。
[0095]
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。
[0096]
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。
[0097]
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，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：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，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。