一种电力系统时间同步数据的传输方法与流程

本发明涉及一种时间同步数据的传输方法，属于电力系统时间同步数据管理
技术领域：
。
背景技术：
：在保留数据变化特征的前提下对实时传输的电力系统节点时间同步相量数据进行在线有损压缩，可以降低数据传输对降低电力系统时间同步相量数据在网络传输过程中对网络带宽的要求，减少同步相量数据的系统存储压力，提高特征数据传输的实时性，为电力系统在线状态分析、故障分析提供高质量的数据支撑，具有广泛的实际应用价值。时间同步相量数据采集网络如图1所示，pmu为网络底层的数据采集装置，将电力系统节点的电气相量数据加注由卫星同步时钟标签后上传至就地相量数据集中器(localpdc)，localpdc接收来自一个或多个pmu上传的时间同步相量数据后，按照时钟标记顺序进行数据集中并上传至区域相量数据集中器(regionalpdc)，见图2，为区域电网管理实体(regionalapplicationentity)提供全系统的、同一时间截面的相量测量数据支撑。根据ieeestdc37.118.1-2011(ieeestandardforsynchrophasormeasurementforpowersystems)中对于pmu相量数据上报周期的要求，若要对50hz电力系统进行动态分析，同步相量数据上报率需至少达到10fps。若每则消息内容包含2个整型相量，其通信带宽(以udp/ip协议广播)需要6.72kbps；若达到50fps的高解析要求，相同消息内容下，其通信带宽(以udp/ip协议广播)需要33.6kbps。随着网络底层pmu接入数的增加，相量数据上报率的提高，采集网络将面临着巨大的实时数据传输与存储压力。电力系统时间同步数据的主要用途为故障识别、扰动识别与态势识别，其对数据质量要求如下表所示：表1不同功能对时间同步数据质量要求功能类型数据颗粒度区域范围出现频率优先级故障识别毫秒及以下小低高扰动识别20毫秒中中中态势识别秒级大高低因此时间同步数据的传输框架需满足上述功能对实时性要求的前提下，尽量减少通信网络的传输压力与数据存储压力。文献datacompressioninsmartdistributionsystemsviasingularvaluedecomposition中采用了奇异值分解(svd)的方法对时间同步相量数据在传递前进行压缩处理。奇异值分解是一种有损压缩方式，在系统处于稳态或存在单一的低频扰动时，不会因有损压缩而失去扰动特征。若系统发生多源震荡，那么有损压缩将按照事先设定的压缩率强制压缩，造成信息丢失无法全面捕捉系统特征。文献onlinedimensionreductionofsynchrophasordata、文献[3]powersystemreal-timeeventdetectionandassociateddataarchivalreductionbasedonsynchrophasors中也采用了主成分分析(pca)或svd方法进行有损压缩，pca与svd技术相仿，优缺点相似。文献losslesscompressionofsynchronizedphasormeasurements采用了松弛引用编码(slack-referencedencoding)技术与三种常用压缩技术deflate、bzip2、lzma相结合的方式对同步相量数据进行无损压缩，压缩率(cr)低,无法达到减轻系统传输与存储压力的目标。文献thehitchhiker'sguidetochoosingthecompressionalgorithmforoursmartmeterdata比较了包括adaptivetrimmedhuffmancoding、adaptivemarkovchainhuffmancoding、tinylempelzivmarkovchainalgorithm与lempelzivmarkovchainhuffmancoding在内的多种无损压缩技术对电表数据进行压缩处理的表现，从压缩率与处理时间上都无法达到减轻系统传输与存储压力的目标。文献performancecomparisonofvariouswaveletsincompressionofpmugenerateddatainsmartgrid采用了不同类型的小波及小波等级对相量数据进行压缩尝试，得到了高压缩率和低误差，但由于其选取的扰动波形不具代表性且需采用不同等级不同小波类型对不同的电气量进行压缩，是否具有泛化意义无从得知。已有的文献广泛关注于对时间同步相量数据压缩技术的技术创新，未从不同功能对于时间同步相量数据质量的角度及数据传递过程进行具体分析，因此深陷于还原后数据精确度与数据压缩率的反复折衷。技术实现要素：本发明的目的是：提高特征数据传输的实时性，降低海量时间同步相量数据在网络传输过程中的通讯阻塞风险。为了达到上述目的，本发明的技术方案是提供了一种电力系统时间同步数据的传输方法，在所述电力系统中，每台本地pdc下辖n台pmu，本地pdc与区域pdc建立通信，区域pdc与区域应用实体建立通信，其特征在于，所述传输方法包括以下步骤：步骤1、每台本地pdc对下辖的各pmu上传的数据根据时标顺序进行排序，并依据绝对等待时间进行数据集中，设n台pmu上传k帧数据，本地pdc将数据集中存储为bufferx，式中：为n台pmu上传的第k帧输入帧，，pmuik为第k帧输入帧中第i台pmu上传的pmu采集数据；步骤2、每台本地pdc依据异常状态辨识准则对当前输入帧进行状态辨识，若当前输入帧为状态正常帧，则进入步骤3，若当前输入帧为状态异常帧，则进入步骤4；步骤3、将下一帧输入帧更新为当前输入帧，并将n更新为n+1，返回步骤2，直至n＝k，进入步骤5；步骤4、将状态异常帧发送给区域pdc后，将下一帧输入帧更新为当前输入帧，返回步骤2；步骤5、采用卡洛变换将k帧集中后的所有的状态正常帧进行压缩，包括以下步骤：步骤501、将k帧集中后的pmu采集数据定义为一个行列数为n×k的矩阵x，则有：式中，xij为第j帧输入帧中来自第i台pmu的pmu采集数据；步骤502、计算矩阵x的协方差矩阵c，将协方差矩阵c正交对角化后得到：c＝edet式中，e是一个m×m的标准正交矩阵，其列为协方差矩阵c的特征相量；d是一个m×m的对角矩阵，对角线上的值为协方差矩阵c每一列的特征值，代表着协方差矩阵c每一列特征相量的方差；步骤503、将对角矩阵d上的特征值降序排列得到相量e，如下式：e＝[e1e2...em]步骤504、建立while循环寻找ρ≥0.95时的d值，ρ为信息熵的比值，包括以下步骤：步骤5041、将变量i初始化为1；步骤5042、判断信息熵的比值ρ是否小于0.95，若是，则进入步骤5043，否则进入步骤5045；步骤5043、更新信息熵的比值ρ：步骤5044、将变量i更新为i+1，返回步骤5042；步骤5045、计算d值，d＝i-1；步骤504、选取标准正交矩阵e的前d行作为转换矩阵p，将矩阵x降维为矩阵y，y＝p×x∈rd×k，则k帧集中后的pmu采集数据的大小从m×k下降至d×k；步骤6、将压缩后的状态正常帧发至区域pdc，数据包发出后n重置为1,继续重复步骤1至步骤5。优选地，步骤2中，所述异常状态辨识准则为：(1)电压异常当前时刻电压有效值vm大于或小于设定的电压阈值v上限或v下限，即：vm＞v上限或vm＜v下限；(2)电流异常当前时刻电流有效值im大于或小于设定的电压阈值i上限或i下限，即：im＞i上限或im＜i下限；(3)频率异常当前时刻频率f大于或小于设定的频率阈值f上限或f下限，即：f＞f上限或f＜f下限；(4)频率变化率异常当前时刻频率变化率δf大于或小于设定的频率阈值δf上限或δf下限，即：δf＞δf上限或δf＜δf下限；(5)相角变化率异常当前时刻相角变化率大于或小于设定的频率阈值或即：或优选地，步骤2中，若当前输入帧的任意pmu采集数据满足所述异常状态辨识准则，则当前输入帧为状态异常帧。本发明降低电力系统时间同步相量数据在网络传输过程中对网络带宽的要求，减少同步相量数据的系统存储压力，提高特征数据传输的实时性，降低海量时间同步相量数据在网络传输过程中的通讯阻塞风险，为电力系统在线状态分析、故障分析提供高质量的数据支撑。附图说明图1为时间同步相量数据采集网络；图2为时间同步相量数据集中过程；图3为电力系统时间同步数据的传输流程图。具体实施方式下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。本发明提供的一种电力系统时间同步数据的传输方法可以应用在如图1所示的时间同步相量数据采集网络上，该网络包括本地pdc，本地pdc下辖n台pmu，本地pdc与区域pdc建立通信，区域pdc与区域应用实体建立通信，基于上述时间同步相量数据采集网络，本发明包括以下步骤：步骤1、每台本地pdc对下辖的各pmu上传的数据根据时标顺序进行排序，并依据绝对等待时间进行数据集中，设n台pmu上传k帧数据，本地pdc将数据集中存储为bufferx，式中：为n台pmu上传的第k帧输入帧，pmuik为第k帧输入帧中第i台pmu上传的pmu采集数据；步骤2、每台本地pdc依据异常状态辨识准则对当前输入帧进行状态辨识，若当前输入帧为状态正常帧，则进入步骤3，若当前输入帧为状态异常帧，则进入步骤4；在本步骤中，状态识别的主要目的是为了区分当前下辖各pmu处于正常状态还是异常状态。当pmu处于正常状态时，时间同步相量数据的精度和传输延时在一定范围内是可以接受的；当pmu处于异常状态时，时间同步相量数据必须保证高精度采集与实时传输。因此，系统处于不同状态对时间同步相量数据的保真度与传输实时性的要求也是不相同。异常状态辨识准则为：(1)电压异常当前时刻电压有效值vm大于或小于设定的电压阈值v上限或v下限，即：vm＞v上限或vm＜v下限；(2)电流异常当前时刻电流有效值im大于或小于设定的电压阈值i上限或i下限，即：im＞i上限或im＜i下限；(3)频率异常当前时刻频率f大于或小于设定的频率阈值f上限或f下限，即：f＞f上限或f＜f下限；(4)频率变化率异常当前时刻频率变化率δf大于或小于设定的频率阈值δf上限或δf下限，即：δf＜δf上限或δf＜δf下限；(5)相角变化率异常当前时刻相角变化率大于或小于设定的频率阈值或即：或依据上述异常状态辨识准则，若当前输入帧的任意pmu采集数据满足所述异常状态辨识准则，则当前输入帧为状态异常帧。步骤3、将下一帧输入帧更新为当前输入帧，并将n更新为n+1，返回步骤2，直至n＝k，进入步骤5；步骤4、将状态异常帧发送给区域pdc后，将下一帧输入帧更新为当前输入帧，返回步骤2；步骤5、采用卡洛变换将k帧集中后的所有的状态正常帧进行压缩，卡洛变换通过保留大方差的特征相量来达到矩阵降维、数据压缩的效果具体包括以下步骤：步骤501、将k帧集中后的pmu采集数据定义为一个行列数为n×k的矩阵x，则有：式中，xij为第j帧输入帧中来自第i台pmu的pmu采集数据；步骤502、计算矩阵x的协方差矩阵c，c＝xxt∈rm×m，将协方差矩阵c正交对角化后得到：c＝edet式中，e是一个m×m的标准正交矩阵，其列为协方差矩阵c的特征相量；d是一个m×m的对角矩阵，对角线上的值为协方差矩阵c每一列的特征值，代表着协方差矩阵c每一列特征相量的方差；步骤503、将对角矩阵d上的特征值降序排列得到相量e，如下式：e＝[e1e2…em]步骤504、建立while循环寻找ρ≥0.95时的d值，ρ为信息熵的比值，包括以下步骤：步骤5041、将变量i初始化为1；步骤5042、判断信息熵的比值ρ是否小于0.95，若是，则进入步骤5043，否则进入步骤5045；步骤5043、更新信息熵的比值ρ：步骤5044、将变量i更新为i+1，返回步骤5042；步骤5045、计算d值，d＝i-1；步骤504、选取标准正交矩阵e的前d行作为转换矩阵p，将矩阵x降维为矩阵y，y＝p×x∈rd×k，则k帧集中后的pmu采集数据的大小从m×k下降至d×k；步骤6、将压缩后的状态正常帧发至区域pdc，数据包发出后n重置为1,继续重复步骤1至步骤5。当前第1页12