一种基于WAMS信息的SCADA数据校准方法与流程

本发明涉及一种数据校准方法，具体讲涉及一种基于wams信息的scada数据校准方法。

背景技术：

电力系统状态估计是ems中重要的网络分析功能，更是电网安全评估、预防控制和运行分析等各种高级应用的基础。其量测数据大部分是通过数据采集和监控系统(scada)得到，数据的质量对电网能否稳定的运行具有重要的作用，但是由于系统中可能存在布局的不合理、对系统操作管理不严格和数据传输的通道不顺畅等各方面的原因，极有可能包含有误差较大的不良数据。导致用于状态估计的量测数据除了含有正常的量测噪声(这些噪声可以通过状态估计滤波去除)以外，还可能含有误差较大的不良数据。然而，不良数据的存在，最直接的结果将可能导致状态估计结果受到污染，也可能会因调度人员无法准确的判断电网的实时状态而影响其决策，还可能会对整个电力系统的运行造成严重影响，最严重的后果将会导致整个电力系统崩溃。因此，不良数据检测与辨识对于保障整个电网的安全稳定运行有着重要的意义。传统的检测和辨识方法是建立在对静态状态估计器的残差进行分析的基础上，即完成状态滤波后进行不良数据的检测和辨识，部分研究对拓扑错误进行了分析，也有研究利用图论方法对状态估计的异常情况进行辨识。目前的不良数据辨识方法主要有残差搜索法、非二次准则法、零残差法、总体型估计辨识法等,这些方法可能出现“残差污染”和“残差淹没”现象，从而导致不良数据的漏检和误判。

电力系统不良数据检测与辨识在电力系统中可能处在不同的阶段时期，但大致可以将其总结为三种情况：状态估计计算前、状态估计计算中和状态估计计算后。目前，状态估计后和状态估计前这两类方法应用比较广。本专利采用理论比较完备的状态估计计算后的方法，该方法能够检测与辨识出系统中的不良数据，但存在一定的不足。随着基于gps的相量测量装置(phasormeasurementunit，缩写为pmu)逐步在电力系统中推广使用，使得状态估计精度和速度都得到了很大的提升，虽然现在基于pmu量测装置的广域测量系统(wams)还是作为一种独立于ems的系统存在，但由于pmu量测信息具有同步性好、测量精度较高、数据传输快等优点，如果将其应用于不良数据检测与辨识中，不但能够克服残差污染等现象，而且当scada系统中的关键量测量出现不良数据时，也具有很好的检测与辨识效果。

技术实现要素：

本发明一种基于wams信息的scada数据校准方法，其发明内容为：首先，wams系统相关数据展开自辨识，检验本身数据的正确性；其次，通过pmu线性估计出系统各个节点的状态值，将节点状态值带入scada量测方程中，求得与scada对应的计算结果，再求取scada量测值与pmu估计计算scada量测值的差值，同时计算标准化残差值，达到检测目的；最后，运用非线性模型将wams数据做量测变换转化为等效时刻的scada数据，雅克比矩阵随迭代更新，通过两个系统间的数据通讯替换scada不良数据，达到校正的目的。

技术方案：本发明一种基于wams信息的scada数据校准方法包括以下步骤：

步骤1：wams系统相关数据的自我辨识，检验本身数据的正确性，避免将错误信息引入scada系统数据；

步骤2：通过pmu线性估计出系统各个节点的状态值，将节点状态值带入scada量测方程中，求得与scada对应的计算结果，再求取scada量测值与pmu估计计算scada量测值的差值，同时计算标准化残差值，达到检测目的；

步骤3：运用非线性模型将wams数据做量测变换转化为等效时刻的scada数据，雅克比矩阵随迭代更新。通过两个系统间的数据通讯替换scada不良数据，达到校正的目的。

所述步骤1中包括以下步骤：

通过wams获得电力系统网络中全部节点的以及pkl、qkl后，需要首先通过各节点的全维特征方程进行全维信息的自辨识。自辨识过程主要是通过式(1)和式(2)校验以及pkl、qkl之间是否具备严格一一对应关系。

步骤1.1建立各节点的全维特征方程：

式(1)中，pkl为第l个节点流入其周围第k个支路此节点的有功功率值，qkl为第l个节点流入其周围第k个支路的无功功率值，rl为第l个节点周围所连接的支路总数，m为电力系统中的节点总数，

为第l个节点的电压取值，为第l个节点流入其周围第k个支路的电流值，re表示取复数的实部，im表示取复数的虚部，和可表示为

式(2)中，ul为第l个节点的电压幅值，δl为第l个节点的电压相角，ikl为第l个节点流入其周围第k个支路的电流的幅值，θkl为第l个节点流入其周围第k个支路的电流的相角。

所述步骤2中包括以下步骤：

步骤2.1基于pmu的线性量测方程的数学表达式为：

z＝bx+ε(3)

式中:z为m×1维列量测向量；b为m×(2n-1)维量测系数矩阵；x为(2n-1)×1维的列向量矩阵；ε为m×1维的量测误差向量；n为电力系统的节点数。

步骤2.1.1由公式(3)可求得目标函数为：

步骤2.1.2由公式(4)可以得到状态变量的估计值为：

式中:g＝b^tp^-1b为増益矩阵；雅可比矩阵b、权值矩阵p和増益矩阵g是常数，无需迭代，可用直接法求解方程。

scada量测量的估计值为：

状态估计误差方差阵：s＝(b^tp^-1b)^-1。

量测估计误差方差阵：m＝blb^t。

步骤2.2将scada量测值与pmu估计scada量测值进行差值分析，通过pmu可观测线性状态估计算法，可以得到状态估计值和状态估计误差方差阵s^(pmu)＝[b^tp^-1b]^-1。

步骤2.3将状态估计值带入scada量测网络方程，求得pmu量测量估计scada量测值和量测估计误差方差阵公式如下：

式中：为时求得的scada量测量的雅克比矩阵；

步骤2.3.1状态估计误差方差阵为：

式中：为时求得的pmu量测量的雅克比矩阵；

步骤2.4接下来，计算scada量测量zconv(i)与pmu量测量估计scada量测值的差值，公式如下：

步骤2.4.1很显然，公式(8)中差值的处理类似于白噪声的处理方式，相应的协方差矩阵如下式：

式中：rconv为scada量测量误差协方差矩阵。

步骤2.4.2差值向量是标准化的，可按公式(10)进行检验：

式中：η为检测阈值。

当大于η时，此scada量测数据为不良数据。

由于量测量分别来源于scada系统和pmu量测装置，不会出现残差污染的现象，通过上述步骤可次性检测出系统中出现的单不良数据或多不良数据。

所述步骤3中包括以下步骤：

scada一般测量包括节点注入功率、支路功率和电压幅值，基于pmu的wams一般测量包括节点电压相量和支路电流相量。非线性估计是在常规的基于潮流方程估计模型基础上添加pmu量测(替换此时刻scada的不良数据)，由于pmu电流相量量测不能直接使用，所以需要做一定的变换方能使用，即需要将它转换为支路潮流或相关节点电压。

本步骤包括两种方法：

步骤3.1方法1：将电流相量量测转换为支路潮流。

已知在不良数据节点i处配置了pmu，则对于支路i-j可得：

式中：为i-j支路的等效有功功率量测；为i-j支路的等效无功功率量测；为节点i的电压相量；为i-j支路电流相量的共轭。

步骤3.2方法2：将电流相量量测转换为相关节点电压。

已知在不良数据节点i处配置了pmu，则对于未配置pmu的j处可得：

式中：为由i-j支路电流相量量测得到的等效节点j电压相量量测；为i-j支路导纳；为节点i对地导纳。

步骤3.3为了解决pmu相角量测参考节点和估计方程参考节点的协调问题，选择配置pmu的节点作为估计方程和pmu相角量测的参考节点。

用上述2种方式转换后得到的jacobian矩阵具有相同的形式，即：

式中：和分别为所有有功、无功、电压幅值和相角量测的向量。由此，将经过变换的此时刻的wams数据，通过两个系统间的数据通讯替换掉scada不良数据，达到校正的目的。

本发明的有益效果包括：

1、本方法能够辨识scada获得的电力系统运行信息中的数据误差，基于wams系统数据实现误差数据的校正，具有工程实际意义。

2、本方法将pmu量测信息应用于不良数据检测与辨识中，克服残差污染等现象，对scada系统中关键量测量出现不良数据的问题，也具有很好的检测与辨识效果。

3、本方法保障了scada系统数据的正确性，提高了电力系统运行的安全性、可靠性。

附图说明

图1一种基于wams信息的scada数据校准方法

具体实施方式

步骤1：wams系统相关数据的自我辨识，检验本身数据的正确性，避免将错误信息引入scada系统数据；

步骤2：通过pmu线性估计出系统各个节点的状态值，将节点状态值带入scada量测方程中，求得与scada对应的计算结果，再求取scada量测值与pmu估计计算scada量测值的差值，同时计算标准化残差值，达到检测目的；

步骤3：运用非线性模型将wams数据做量测变换转化为等效时刻的scada数据，雅克比矩阵随迭代更新。通过两个系统间的数据通讯替换scada不良数据，达到校正的目的。

所述步骤1中包括以下步骤：

通过wams获得电力系统网络中全部节点的以及pkl、qkl后，需要首先通过各节点的全维特征方程进行全维信息的自辨识。自辨识过程主要是通过式(1)和式(2)校验以及pkl、qkl之间是否具备严格一一对应关系。

步骤1.1建立各节点的全维特征方程：

式(1)中，pkl为第l个节点流入其周围第k个支路此节点的有功功率值，qkl为第l个节点流入其周围第k个支路的无功功率值，rl为第l个节点周围所连接的支路总数，m为电力系统中的节点总数，

为第l个节点的电压取值，为第l个节点流入其周围第k个支路的电流值，re表示取复数的实部，im表示取复数的虚部，和可表示为

式(2)中，ul为第l个节点的电压幅值，δl为第l个节点的电压相角，ikl为第l个节点流入其周围第k个支路的电流的幅值，θkl为第l个节点流入其周围第k个支路的电流的相角。

所述步骤2中包括以下步骤：

步骤2.1基于pmu的线性量测方程的数学表达式为：

z＝bx+ε(3)

式中:z为m×1维列量测向量；b为m×(2n-1)维量测系数矩阵；x为(2n-1)×1维的列向量矩阵；ε为m×1维的量测误差向量；n为电力系统的节点数。

步骤2.1.1由公式(3)可求得目标函数为：

步骤2.1.2由公式(4)可以得到状态变量的估计值为：

式中:g＝b^tp^-1b为増益矩阵；雅可比矩阵b、权值矩阵p和増益矩阵g是常数，无需迭代，可用直接法求解方程。

scada量测量的估计值为：

状态估计误差方差阵：s＝(b^tp^-1b)^-1。

量测估计误差方差阵：m＝blb^t。

步骤2.2将scada量测值与pmu估计scada量测值进行差值分析，通过pmu可观测线性状态估计算法，可以得到状态估计值和状态估计误差方差阵s^(pmu)＝[b^tp^-1b]^-1。

步骤2.3将状态估计值带入scada量测网络方程，求得pmu量测量估计scada量测值和量测估计误差方差阵公式如下：

式中：为时求得的scada量测量的雅克比矩阵；

步骤2.3.1状态估计误差方差阵为：

式中：为时求得的pmu量测量的雅克比矩阵；

步骤2.4接下来，计算scada量测量zconv(i)与pmu量测量估计scada量测值的差值，公式如下：

步骤2.4.1很显然，公式(8)中差值的处理类似于白噪声的处理方式，相应的协方差矩阵如下式：

式中：rconv为scada量测量误差协方差矩阵。

步骤2.4.2差值向量是标准化的，可按公式(10)进行检验：

式中：η为检测阈值。

当大于η时，此scada量测数据为不良数据。

由于量测量分别来源于scada系统和pmu量测装置，不会出现残差污染的现象，通过上述步骤可次性检测出系统中出现的单不良数据或多不良数据。

所述步骤3中包括以下步骤：

scada一般测量包括节点注入功率、支路功率和电压幅值，基于pmu的wams一般测量包括节点电压相量和支路电流相量。非线性估计是在常规的基于潮流方程估计模型基础上添加pmu量测(替换此时刻scada的不良数据)，由于pmu电流相量量测不能直接使用，所以需要做一定的变换方能使用，即需要将它转换为支路潮流或相关节点电压。

本步骤包括两种方法：

步骤3.1方法1：将电流相量量测转换为支路潮流。

已知在不良数据节点i处配置了pmu，则对于支路i-j可得：

式中：为i-j支路的等效有功功率量测；为i-j支路的等效无功功率量测；为节点i的电压相量；为i-j支路电流相量的共轭。

步骤3.2方法2：将电流相量量测转换为相关节点电压。

已知在不良数据节点i处配置了pmu，则对于未配置pmu的j处可得：

式中：为由i-j支路电流相量量测得到的等效节点j电压相量量测；为i-j支路导纳；为节点i对地导纳。

步骤3.3为了解决pmu相角量测参考节点和估计方程参考节点的协调问题，选择配置pmu的节点作为估计方程和pmu相角量测的参考节点。

用上述2种方式转换后得到的jacobian矩阵具有相同的形式，即：

式中：和分别为所有有功、无功、电压幅值和相角量测的向量。由此，将经过变换的此时刻的wams数据，通过两个系统间的数据通讯替换掉scada不良数据，达到校正的目的。