[发明专利]一种有源配电网下不良数据的识别方法及装置

说明书

本发明公开了一种有源配电网下不良数据的识别方法及装置，方法包括：从采集的有源配电网数据中提取特征值；对特征值所对应数据的连续属性进行离散化，得到离散化数据序列；进行多尺度的离散二进小波变换,得到各尺度下的小波变换序列，及计算各尺度离散小波变换值并相乘后归一化处理，得到一个尺度下的小波变换系数，将其与离散小波变换值比较，判断该系数属于有效或无效系数类；重构小波变换系数，逆变换得到降噪后数字信号；采用模糊ISODATA算法进行聚类，并利用KNN分类算法进行分类，获得最终分类结果；进行投票筛选，识别此数据属于不良数据或良数据，并标识出不良数据。本发明进行不良数据的有效识别，提高了电力系统安全运行的稳定性。

技术领域

本发明涉及一种有源配电网下不良数据的识别方法及装置，属于数据处理的技术领域。

背景技术

随着城镇化建设和电力系统的快速发展、用电需求不断的增长，配电网在不停地改造和扩建，其规模也在不断扩大。配电网处于电力系统的末端，具有电网规模大、地域分布广、设备种类多、运行方式多变、网络连接多样等鲜明特点。含有包括光伏发电、风电、燃气轮机等分布式电源的配电网即有源配电网。在现代电力系统应用中，有源配电网下不良数据的识别成为另一种去除粗大误差和提高数据质量的方法，不良数据的识别问题通常归到状态估计的研究范畴。传统的有效识别方法有残差搜索辨识法、非二次准则辨识法、零残差辨识法和估计辨识法。由于自动化、电力信息采集等应用的分布推广应用，配电网将产生大规模异构，多态数据的指数增长，数据收集的规模可以达到当今信息行业关注的大数据水平。这就对数据计算的快速性以及分析算法的运行效率提出了更高的要求。

有源配电网中不良数据的识别是指在发现某次量测采样中存在不良数据后，确定哪些量测是不良数据。鉴于分布式电源可以看作是分布式馈线对非线性负载的谐波负载，而分布式电源开关也可能引起电压波动，分布式电源接入无疑会在一定程度上增加对电能质量的扰动。在数据的量测、传输过程中，都可能引起故障而导致数据缺失或异常。相对传统的一些不良数据识别方法，目前有一些新理论和新方法。基于数据挖掘的模糊数学法、神经网络法、聚类分析法、间隙统计法等。由于配电网工况种类的多样性和运行环境的复杂性,多种复杂因素都会影响配电网线路最大负载电流,很难通过单一算法对不良数据进行有效识别和处理。不良数据的存在可能会影响调度员做出错误的决策，进而影响电力系统的正常运行，甚至可能威胁整个电力系统的安全。因此，为了确保电力系统的稳定安全运行，对不良数据的处理有着非常重要的意义。

基于有源配电网下不良数据的有效识别方法主要需考虑两个方面的问题：(1)如何从大量数据中提取数据之间的相关性，并能快速识别相似度和相异度。通过算法从有源配电网下的海量数据中识别出异常的信息点。(2)如何保证在识别完有源配电网下不良数据的同时，最大化保证原有数据的特征性和完整性。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足，提供一种有源配电网下不良数据的识别方法及装置，解决有源配电网下不良数据的识别中提取数据之间的相关性并能快速识别相似度和相异度，同时保证原有数据的特征性和完整性的问题。通过使用本方法可以使得有源配电网中的不良数据得到快速有效的识别，保证有源配电网的安全稳定运行

本发明具体采用以下技术方案解决上述技术问题：

一种有源配电网下不良数据的识别方法，包括以下步骤：

对采集的有源配电网数据提取特征值；对提取的特征值所对应数据的连续属性进行离散化，利用快速查找的方法得到离散化数据序列；

对所得到的离散化数据序列进行多尺度的离散二进小波变换,得到各尺度下的小波变换序列，及计算得到各尺度的离散小波变换值；

将各尺度的离散小波变换值进行相乘后归一化处理，得到其中一个尺度下的小波变换系数，并将其与所得该尺度的离散小波变换值比较，判断该系数属于有效系数类或无效系数类；