用于同步发电机在线参数辨识的坏数据集检测和识别方法
【专利摘要】本发明公开了一种用于同步发电机在线参数辨识的坏数据集检测和识别方法。同步发电机在线辨识领域中尚无有效的坏数据集检测和识别方法。本发明采用的技术方案为：采集一段时间内同步发电机信号，并作为数据集存入数据库中，分为输入数据和输出数据，并统计输出数据的采样总个数；确定发电机待辨识参数，并构建参数向量；构建同步发电机在线参数辨识的等价非线性优化问题，并求解得到输出结果；计算输出结果下的参数辨识目标函数，并检验；如果通不过检验，对各数据集目标函数进行检验。本发明只用计算一次参数辨识的目标函数就可进行坏数据检测；重复利用目标函数中各个数据集对应部分，便可快速、便捷地进行坏数据集的识别分析。
【专利说明】
用于同步发电机在线参数辨识的坏数据集检测和识别方法
技术领域
[0001] 本发明属于电力系统的动态参数辨识领域，尤其是一种用于同步发电机在线参数 辨识的坏数据集检测和识别方法。
【背景技术】
[0002] 随着全球能源互联网的战略发展，电网的运行规划和稳定分析越来越突出其重要 价值，并且这些应用和分析往往都是基于电力系统动态仿真来进行，因此电力系统动态模 型参数，尤其是发电机模型参数的准确性就显得至关重要。另一方面，向量测量技术的发展 使同步发电机的动态信号能够用于在线参数辨识，并且为了提高模型参数的准确性，采集 大量数据以用于发电机在线参数辨识中。这样在参数辨识过程中就不得不面对一个问题： 如此多的数据集中的数据是否都是好的，如果存在不好的数据，那么就要找到相应坏的数 据集并将其剔除，毕竟坏数据集的存在会导致辨识结果的下降。
[0003] 目前而言，坏数据的检测和识别方法都只存在于电力系统状态估计领域。它们主 要是通过分析状态估计目标函数的概率密度分布特性进行坏数据检测，并且根据各个测量 装置的修正测量特性进行坏数据识别。但是由于状态估计与参数辨识的问题模型的不同， 导致这些方法只能应用于基于静态信号的电力系统状态估计中，并不能分析基于动态信号 的同步发电机在线参数辨识问题中是否存在坏数据。
[0004] 从上述可以看出，同步发电机在线辨识领域中尚无有效的坏数据集检测和识别方 法。
【发明内容】
[0005] 本发明根据同步发电机在线参数辨识问题特点以及相应的目标函数的概率密度 分布特性，提供一种用于同步发电机在线参数辨识的坏数据集检测和识别方法，其能够高 效、便捷地对坏数据集进行检测和识别，以提高参数辨识结果。
[0006] 为此，本发明采用的技术方案是：用于同步发电机在线参数辨识的坏数据集检测 和识别方法，包括如下步骤：
[0007] 第一步：当同步发电机在线运行时，发电厂的在线监测系统采集一段时间内的发 电机信号，包括同步发电机机端三相电压信号、机端三相电流信号、发电机有功功率信号、 无功功率信号以及相应的发电机励磁信号，然后，这些信号作为一个数据集的数据存入发 电厂子站数据库中；
[0008] 第二步:将多个时间段对应的多个数据集的数据进行划分，即将第i个数据集中的 机端三相电压信号和发电机励磁信号划分为输入数据m，而第i个数据集的其他信号则划 分为输出数据，其中1 = 1，2，...~，~表示数据集的总数，然后，统计第1个数据集的输出 数据得到对应数据集的采样总个数nmi;
[0009] 第三步:确定同步发电机需要辨识的参数并构建长度为nP的参数向量Θ，其中1^表 示同步发电机需要辨识参数的个数；
[0010] 第四步:构建同步发电机在线参数辨识的等价非线性优化问题P，并利用内点算法 求解等价非线性优化问题p，并得到输出结果￡ ;
[0011] 第五步:利用输出结果I，计算同步发电机在线参数辨识的目标函数
[0012] 第六步:对目标函数f进行卡方检验H，如果通过检验，则说明使用的数据集中没 有坏数据，则跳到第八步；如果没有通过检验，则说明使用的数据集中存在坏数据，则进入 第七步，进行坏数据的识别；
[0013] 第七步:对每一个数据集进行坏数据识别检测，例如对第i个数据集的输出结果I,· 对应的目标函数i；进行卡方检验Hi，如果通过检验，则说明第i个数据集不是坏数据集，为 有效数据集;如果没有通过检验，则说明第i个数据集是坏数据集，其中i = 1，2，... ns，&表 示数据集的总数；
[0014] 第八步:输出坏数据集辨识及识别结果。
[0015] 本发明基于同步发电机在线参数辨识问题特点以及相应的目标函数的概率密度 分布特性，实现了同步发电机坏数据集的检测和识别，填补了同步发电机在线参数辨识问 题中的坏数据集分析的空白。本发明只用计算一次参数辨识的目标函数就可进行坏数据检 测；重复利用目标函数中各个数据集对应部分，便可快速，便捷地进行坏数据集的识别分 析;可以直接应用于在线同步发电机参数辨识领域，以改善辨识结果。
[0016] 进一步，在第四步中，所述的发电机在线参数辨识的等价非线性优化问题P具有如 下形式：
[0017]
[0018] 其中，下标i表示第i个数据集，ns表示数据集的总数;下标k表示第k个时刻，m表示 所有离散化后的时刻总数;〇bj.表示优化目标，s.t.表示约束条件;F表示离散化后的表征 同步发电机的动态过程和输出特性的非线性函数，X表不同步发电机动态过程中的尚散化 的状态变量，U表示输入数据，Z为离散化的输出状态，^表示输出数据;k = 0为仿真时段的 初始时刻，XQ为状态变量的初值，W表示发电厂的同步发电机在线监测系统采样设备相应的 采样误差。
[0019] 进一步，在第五步中，在线参数辨识的目标函数？具有如下形式：
[0020]
[0021]其中，下标i表示第i个数据集，ns表示数据集的总数;下标k表示第k个时刻，m表示 所有离散化后的时刻总数;Zm表示输出数据，;g表示求解等价非线性优化问题P后得到的输 出结果;W表示发电厂的同步发电机在线监测系统采样设备相应的采样误差。
[0022] 进一步，在第六步中，对目标函数/进行卡方检验Η具有如下形式：
[0023]
[0024] 其中，下标i表示第i个数据集，ns表示数据集的总数，nmi表示第i个数据集的输出 数据的采样总个数，~表示同步发电机需要辨识参数的个数
）表示自由 度为
、可信度为α的卡方检验值，X表示任意正实数。
[0025] 进一步，在第七步中，第i个数据集的输出结果.1对应的目标函数/:具有如下形 式：
[0026]
[0027] 其中，下标i表示第i个数据集，i = 1，2，. . .ns，ns表示数据集的总数;下标k表示第k 个时刻，nt表示所有离散化后的时刻总数;^表示输出数据，i表示求解等价非线性优化问 题P后得到的输出结果;W表示发电厂的同步发电机在线监测系统采样设备相应的采样误 差。
[0028] 进一步，在第七步中，第i个数据集的输出结果％对应的目标函数进行卡方检验 Hl具有如下形式：
[0029]
[0030] 其中，下标i表示第i个数据集，ns表示数据集的总数，nmi表示第i个数据集的输出 数据的采样总个数，n P表示同步发电机需要辨识参数的个数，x2(nmi-nP/ nc；，a)表示自由度为 nmi-nP/n。、可信度为a的卡方检验值，X表示任意正实数。
[0031] 本发明提出了一种用于同步发电机在线参数辨识的坏数据集检测和识别方法，该 方法基于同步发电机在线参数辨识问题特点以及相应的目标函数的概率密度分布特性，实 现了同步发电机坏数据集的检测和识别，拓展了已有的同步发电机参数辨识问题中的坏数 据检测和识别的应用范围。
[0032] 与现有技术相比，本发明主要有以下有益效果：
[0033] 1.提出的用于同步发电机在线参数辨识的坏数据集检测和识别方法，能正确的分 析同步发电机参数辨识问题中的数据的有效性。
[0034] 2.提出的用于同步发电机在线参数辨识的坏数据集检测和识别方法，只用计算一 次参数辨识的目标函数就可进行坏数据检测；重复利用目标函数中各个数据集对应部分， 便可快速，便捷地进行坏数据集的识别分析。
[0035] 3.所计算得到的坏数据集检测和识别结果，可直接应用于同步发电机参数辨识， 提升了辨识结果的准确性。
【附图说明】
[0036]图1是本发明的流程图。
[0037]图2是本发明同步发电机在线辨识优化目标概率分布图。
[0038]图3是本发明同步发电机在线辨识单数据集对应的优化目标概率分布图。
【具体实施方式】
[0039] 如图1所示的用于在线同步发电机参数辨识的参数可辨识性分析方法，其步骤如 下：
[0040] 第一步：当同步发电机在线运行时，发电厂的在线监测系统采集一段时间内的发 电机信号，包括同步发电机机端三相电压信号，机端三相电流信号，发电机有功功率信号， 无功功率信号，以及相应的发电机励磁信号。然后，这些信号作为一个数据集的数据存入发 电厂子站数据库中。
[0041] 第二步:将多个时间段对应的多个数据集的数据进行划分。即，将第i个数据集中 的机端电压信号和励磁信号划分为输入数据m，而第i个数据集的其他信号则划分为输出 数据z mi，其中1 = 1，2，...118，118表示数据集的总数。然后，统计第1个数据集的输出数据得到 对应数据集的采样总个数n mi。
[0042]第三步:确定同步发电机需要辨识的参数并构建长度为nP的参数向量Θ，其中~表 示同步发电机需要辨识参数的个数。
[0043] 第四步:构建同步发电机在线参数辨识的等价非线性优化问题P，并利用内点算法 求解非线性优化问题P，并得到输出结果I。
[0044] 第五步:利用输出结果￡，计算同步发电机在线参数辨识的目标函数/。
[0045] 第六步:对目标函数/进行卡方检验H，如果通过检验，则说明使用的数据集中没 有坏数据，则跳到第八步；如果没有通过检验，则说明使用的数据集中存在坏数据，则进入 第七步，进行坏数据的识别。
[0046] 第七步:对每一个数据集进行坏数据识别检测，例如对第i个数据集的输出结果之 对应的目标函数1进行卡方检验出，如果通过检验，则说明第i个数据集不是坏数据集;如 果没有通过检验，则说明第i个数据集是坏数据集，其中i = l，2, . . .118，118表示数据集的总 数。
[0047] 第八步:输出坏数据集辨识及识别结果，并结束进程。
[0048] 所述第四步的发电机在线参数辨识的等价非线性优化问题P具有如下形式：
[0049]
[0050] 其中，下标i表示第i个数据集，ns表示数据集的总数;下标k表示第k个时刻，m表示 所有离散化后的时刻总数;〇bj.表示优化目标，s.t.表示约束条件;F表示离散化后的表征 同步发电机的动态过程和输出特性的非线性函数，X表不同步发电机动态过程中的尚散化 的状态变量，u表示输入数据，z为离散化的输出状态，^表示输出数据;k = 0为仿真时段的 初始时刻，XQ为状态变量的初值，W表示发电厂的同步发电机在线监测系统采样设备相应的 采样误差。
[0051] 所述第五步的利用输出结果￡,计算同步发电机在线参数辨识的目标函数/具有 如下形式：
[0052]
[0053] 其中，下标i表示第i个数据集，ns表示数据集的总数;下标k表示第k个时刻，m表示 所有离散化后的时刻总数表示输出数据4表示求解问题P后得到的输出结果;W表示发 电厂的同步发电机在线监测系统采样设备相应的采样误差。
[0054] 所述的第六步的对目标函数/进行卡方检验Η具有如下形式：
[0055]
[0056] 其中，下标i表示第i个数据集，ns表示数据集的总数，nmi表示第i个数据集的输出 数据的采样总个数，nP表示参数的总个数，
：示自由度戈可 信度为α的卡方检验值，X表示任意正实数。
[0057] 所述第七步的第i个数据集的输出结果I对应的目标函数尤具有如下形式：
[0058]
[0059] 其中，下标i表示第i个数据集，i = l，2，...ns，ns表示数据集的总数;下标k表示第k 个时刻，nt表示所有离散化后的时刻总数;zm表示输出数据4表示求解问题P后得到的输出 结果;W表示发电厂的同步发电机在线监测系统采样设备相应的采样误差。
[0060] 所述第七步的第i个数据集的输出结果I对应的目标函数$进行卡方检验出具有 如下形式：
[0061]
[0062]其中，下标i表示第i个数据集，ns表示数据集的总数，nmi表示第i个数据集的输出 数据的采样总个数，nP表示参数的总个数，Χ2(ηηι-ηΡΑ^，α)表示自由度为n mi-nP/n。，可信度 为α的卡方检验值，X表示任意正实数。
[0063] 应用例
[0064]本申请的发明人使用Matlab编程语言开发了实现同步发电机在线参数辨识的坏 数据集检测和识别方法（即本发明）的计算程序，并使用一台装配有Intel^Core? i7-4790 3.60GHz CPU和16GB内存的PC机完成了本应用例的测试和验证。
[0065] 在应用过程中，将发电厂厂站端数据采集与监控系统采集的发电机相关联数据， 划分为发电机的输入数据和输出数据。测试使用的同步发电机配有相应的励磁装置和调速 装置，在同步发电机建模过程使用4轴6阶同步发电机模型用于描述发电机的动态过程的输 出过程，表1列出了测试用的同步发电机的信息。
[0066] 表1:测试用的同步发电机参数标称值
[0067]
[0068] 针对测试的同步发电机，首先使用单个数据集进行同步发电机的参数辨识，并计 算该数据集下同步发电机的目标函数的统计特性，并于图2中展示。从中可以观察出，目标 函数的统计概率密度特性和用于检验的卡方分布基本重合。这表明提出的坏数据检测方法 能够对坏数据进行检测。
[0069] 然后，在28个扰动数据集中加入7个坏数据集，并分析各个数据集对应目标函数的 统计分布。图3展示了各个数据集对应目标函数的统计分布，很明显地可以这些分布可以分 为两类:好数据集分布以及坏数据集分布。对于好数据集分布而言，其基本上和用于坏数据 集识别的卡方分布重合;而坏数据集却很不一样，远大于卡方分布。这个意味着提出的坏数 据识别方法能够准确的对坏数据进行辨识。
[0070]进一步地，计算剔除坏数据前后发电机参数的辨识误差。剔除坏数据前后的参数 总的辨识误差分别是12.32%和6.32%，表2展示了剔除坏数据前后有较大差异的参数。 [0071 ]表2:剔除坏数据集前后的发电机参数辨识误差
[0072]
[0073] 从中可以看出，剔除了坏数据集后参数的辨识结果更准确，尤其对于发电机的交 轴暂态时间常数和次暂态时间常数而言，改善的效果更佳明显。这个说明本发明具有改善 参数辨识结果的作用。
【主权项】
1. 用于同步发电机在线参数辨识的坏数据集检测和识别方法，包括如下步骤： 第一步：当同步发电机在线运行时，发电厂的在线监测系统采集一段时间内的发电机 信号，包括同步发电机机端Ξ相电压信号、机端Ξ相电流信号、发电机有功功率信号、无功 功率信号W及相应的发电机励磁信号，然后，运些信号作为一个数据集的数据存入发电厂 子站数据库中； 第二步:将多个时间段对应的多个数据集的数据进行划分，即将第i个数据集中的机端 Ξ相电压信号和发电机励磁信号划分为输入数据m，而第i个数据集的其他信号则划分为 输出数据Zmi，其中1 = 1，2，...山，^表示数据集的总数，然后，统计第1个数据集的输出数据 得到对应数据集的采样总个数nmi; 第Ξ步：确定同步发电机需要辨识的参数并构建长度为np的参数向量Θ，其中np表示同 步发电机需要辨识参数的个数； 第四步:构建同步发电机在线参数辨识的等价非线性优化问题P，并利用内点算法求解 等价非线性优化问题P，并得到输出结果乏； 第五步:利用输出结果g，计算同步发电机在线参数辨识的目标函数/ ; 第六步:对目标函数/进行卡方检验H，如果通过检验，则说明使用的数据集中没有坏 数据，则跳到第八步；如果没有通过检验，则说明使用的数据集中存在坏数据，则进入第屯 步，进行坏数据的识别； 第屯步:对每一个数据集进行坏数据识别检测； 第八步:输出坏数据集辨识及识别结果。2. 根据权利要求1所述的用于同步发电机在线参数辨识的坏数据集检测和识别方法， 其特征在于， 在第四步中，所述的发电机在线参数辨识的等价非线性优化问题P具有如下形式：其中，下标i表示第i个数据集，ns表示数据集的总数;下标k表示第k个时刻，η康示所有 离散化后的时刻总数;obj .表示优化目标，S. t.表示约束条件;F表示离散化后的表征同步 发电机的动态过程和输出特性的非线性函数，X表示同步发电机动态过程中的离散化的状 态变量，U表示输入数据，Z为离散化的输出状态，Zm表示输出数据;k = 0为仿真时段的初始 时刻，X0为状态变量的初值，W表示发电厂的同步发电机在线监测系统采样设备相应的采样 误差。3. 根据权利要求1所述的用于同步发电机在线参数辨识的坏数据集检测和识别方法， 其特征在于， 在第五步中，在线参数辨识的目标函数/具有如下形式：其中，下标i表示第i个数据集，ns表示数据集的总数;下标k表示第k个时刻，η康示所有 离散化后的时刻总数;Zm表示输出数据4表示求解等价非线性优化问题Ρ后得到的输出结 果;W表示发电厂的同步发电机在线监测系统采样设备相应的采样误差。4. 根据权利要求1所述的用于同步发电机在线参数辨识的坏数据集检测和识别方法， 其特征在于， 在第六步中，对目标函数/进行卡方检验Η具有如下形式：7 其中，下标i表示第i个数据集，ns表示数据集的总数，nmi表示第i个数据集的输出数据 的采样总个数，np表示同步发电机需要辨识参数的个数：衰示自由度为、可信度为α的卡方检验值，X表示任意正实数。5. 根据权利要求1所述的用于同步发电机在线参数辨识的坏数据集检测和识别方法， 其特征在于， 在第屯步中，第i个数据集的输出结果襄对应的目标函数^具有如下形式：其中，下标i表示第i个数据集，i = 1，2，... ns，ns表示数据集的总数;下标k表示第k个时 刻，η康示所有离散化后的时刻总数;Zm表示输出数据，：|表示求解等价非线性优化问题P后 得到的输出结果;W表示发电厂的同步发电机在线监测系统采样设备相应的采样误差。6. 根据权利要求1所述的用于同步发电机在线参数辨识的坏数据集检测和识别方法， 其特征在于， 在第屯步中，第i个数据集的输出结果冬对应的目标函数进行卡方检验出具有如下形 式，其中，下标i表示第i个数据集，ns表示数据集的总数，nmi表示第i个数据集的输出数据 的采样总个数，np表示同步发电机需要辨识参数的个数，x2(nm广np/nc，a)表示自由度为nm广 np/n。、可信度为α的卡方检验值，X表示任意正实数。
【文档编号】G06F17/50GK105975710SQ201610326810
【公开日】2016年9月28日
【申请日】2016年5月17日
【发明人】朱泽翔, 江全元, 熊鸿韬, 孙维真, 吴跨宇, 沈轶君, 陆海清
【申请人】国网浙江省电力公司电力科学研究院, 国家电网公司, 浙江大学, 国网浙江省电力公司, 杭州意能电力技术有限公司