[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

说明书

本发明公开了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，该方法在对灵敏度参数矩阵进行辨识的过程中，通过向数据中添加白噪声的方法，以降低数据中测量噪声的负面影响。噪声自助集成的回归方法计算复杂度和结果的平均值等价于含L2范数的局部加权最小二乘回归方法。相对于传统的局部加权最小二乘回归方法，该方法解决了电力系统采样的数据集中包含的测量噪声导致回归结果误差较大的问题，更适合于噪声较强且数据共线性较大的电力系统数据集。本发明提出的噪声自助集成回归方法有利于电力系统线性化模型的辨识。

技术领域

本发明涉及电力系统辨识和数据回归技术领域，具体涉及一种用于电力系统灵敏度参数矩阵在线辨识的噪声自助集成回归方法。

背景技术

参数灵敏度矩阵辨识广泛应用于电力系统的运行和控制，如电压灵敏度用于无功功率规划和电压稳定性控制、功率损耗灵敏度用于经济运行等。传统的电力系统灵敏度分析方法依赖离线系统模型。该模型通常由根据物理公式建立，其参数在实际测试中进行校验。随着大电网互连和新能源接入，现代电力系统的动态行为变得复杂且难以预测。离线物理模型很难与实时有功功率系统匹配，此时，基于模型的常规灵敏度分析并不完全适用，灵敏度在线辨识逐渐成为新的需求。

目前，随着广域测量系统和先进的计量设备的快速发展，电力系统操作员可以在短时间内收集大量的系统运行数据，这为灵敏度在线辨识提供了数据基础。同时，最新的数据处理算法为灵敏度在线辨识提供了解决方案，从而使其在实际电力系统中应用成为可能。但对于实际电力系统，需要解决数据共线性高、存在噪声等问题。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供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。

本发明的目的可以通过采取如下技术方案达到：

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，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d_i＝||x_1,k-x_1,i||²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；