[发明专利]用于电力系统灵敏度在线辨识的噪声自助集成回归方法

权利要求书

1.一种用于电力系统灵敏度在线辨识的噪声自助集成回归方法，其特征在于，所述噪声自助集成回归方法包括数据预处理和循环过程，

首先，所述数据预处理包括以下步骤：

S1、进行数据采集：测量并采集机组或负荷母线注入/吸收功率，作为电力系统自变量样本集X；测量并采集其中一个母线电压，作为电力系统因变量数据集Y，并将电力系统自变量样本集X和电力系统因变量数据集Y存储在同一个数据文件中；所述电力系统自变量样本集X为矩阵，每一行为一个样本，每一列为样本的一个变量；所述电力系统因变量数据集Y为列向量，每一行为一个样本；

S2、对电力系统自变量样本集X和电力系统因变量数据集Y分别按行求其均值，记为再对电力系统自变量样本集X和电力系统因变量数据集分别按行求其方差，记为σ_X、σ_Y；对电力系统自变量样本集X和电力系统因变量数据集标准化得到X₁、Y₁；

S3、根据公式计算每个样本与给定的工作点之间的欧拉距离，其中x_1,k表示X₁中给定工作点k对应的样本，x_1,i表示X₁中的第i个样本，依据欧拉距离对样本按升序排序，并选出前n个最近的点作为训练集；

S4、根据上一步得到的欧拉距离，利用公式计算分配给训练集样本的权重w_i，其中表示对e取次方，τ是权重公式的可调参数；

然后，所述循环包括以下步骤：

S5、根据公式向X₁、Y₁添加白噪声，其中ξ₁、ζ₁分别表示自变量和因变量中的噪声分量，是第l次人为加入的白噪声分量，其长度分别与相同，分别是人为生成的第l次含白噪声数据集；

S6、根据局部加权最小二乘回归准则函数对数据集X₁、Y₁进行回归，其中是待求解的灵敏度参数矩阵，W＝diag{w_i}是根据步骤S4解得的权重矩阵；

S7、对步骤S6中准则函数J₁进行矩阵变换求解，得到局部加权最小二乘回归解求解得到灵敏度参数矩阵

S8、重复步骤S5-S7，且每次循环过程中使用不同的信噪比大小的白噪声序列；当循环次数N_l＝N时，认为集合样本足够，此时取所有平均值作为最终结果。

2.根据权利要求1所述的用于电力系统灵敏度在线辨识的噪声自助集成回归方法，其特征在于，所述n取值区间为【800,2000】。

3.根据权利要求1所述的用于电力系统灵敏度在线辨识的噪声自助集成回归方法，其特征在于，所述可调参数τ取值区间为【0.1,0.5】。

4.根据权利要求1所述的用于电力系统灵敏度在线辨识的噪声自助集成回归方法，其特征在于，所述N取值区间为【80,200】。

5.根据权利要求1所述的用于电力系统灵敏度在线辨识的噪声自助集成回归方法，其特征在于，所述白噪声的生成方法为使用MATLAB软件的AWGN函数对原数据序列直接生成信噪比为30dB的随机白噪声序列。