[发明专利]一种电力系统不良数据的辨识方法及系统

说明书

一种电力系统不良数据的辨识方法及系统，包括：将获取的电力系统的网络模型信息和历史数据进行训练，得到神经网络模型；将获取的当前量测数据带入所述神经网络模型得到量测残差；对所述量测残差进行聚类分析，辨识电力系统不良数据的数量和位置信息。本发明避免了传统辨识方法的残差污染和残差淹没的问题，适用于各种类型不良数据的辨识，对存在不良数据的电力系统能准确辨识，提升了不良数据辨识的准确性和应用灵活性。

技术领域

本发明涉及电力系统自动化领域，具体涉及一种电力系统不良数据的辨识方法及系统。

背景技术

电力系统能量管理系统使用的数据是通过SCADA系统获取的，从各厂站设备采集的量测数据，受采集仪表精度、数据传输通道、传输模式、传输延时等因素影响，不可避免地存在量测误差，产生较大误差的数据称之为不良数据。电力系统中存在的不良数据会对潮流分析计算、状态估计和在线分析软件的功能产生影响，调度员决策受到不良数据的干扰也会影响电力系统的正常运行。因此，电力系统不良数据的辨识对电网安全稳定运行有着重要的意义。

传统状态估计不良数据辨识的实用化工作在实际工程中面临很多困难，需要运维人员具备扎实的专业知识和丰富的实战经验，并且传统不良数据的辨识方法利用状态估计计算得到的量测残差进行分析，面对多个具有强相关关系的不良数据的情况，往往会出现残差污染和残差淹没的现象，影响不良数据辨识的准确性。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供一种电力系统不良数据的辨识方法及系统。

本发明提供的技术方案是：一种电力系统不良数据的辨识方法，包括：

将获取的电力系统的网络模型信息和历史数据进行训练，得到神经网络模型；

将获取的当前量测数据带入所述神经网络模型得到量测残差；

对所述量测残差进行聚类分析，辨识电力系统不良数据的数量和位置信息。

优选的，所述对所述量测残差进行聚类分析，确定电力系统不良数据的数量和位置信息，包括：

将量测残差设定为多个聚类；

根据设定的聚类数量、聚类的间隙值和离散度获得最佳聚类个数；

基于所述最佳聚类个数对所述量测残差进行聚类，得到聚类结果；

在所述聚类结果中确定电力系统不良数据的数量和位置。

优选的，所述根据设定的聚类数量、聚类的间隙值获得最佳聚类个数，包括：

设定聚类数量为k；

当设定k＝1，此时如果满足下式时，所述最佳聚类个数为1；

gap(k)≥gap(k+1)-s_k+1

当设定k>1时，满足下式的最小k值为最佳聚类个数；

angel(k)＜angel(k+1)

式中：gap(k)：量测残差的k个聚类的间隙值；gap(k+1)：量测残差的k+1个聚类的间隙值；s_k+1：参考数据集的聚类离散度的标准差；angel(k)：ln W(k)～k曲线在k处的夹角；angel(k+1)：ln W(k)～k曲线在k+1处的夹角。

优选的，所述量测残差的k个聚类的间隙值gap(k)，按下式计算：

gap(k)＝E[ln W_r(k)]-ln W(k)

式中：W_r(k)：参考数据集聚类离散度；W(k)：量测残差的聚类离散度；E[ln W_r(k)]：参考数据集聚类离散度期望值。