状态估计中不良数据的混合检测辨识法

提出了状态预估与Rn 检测相结合的不良数据的检测辨识方法。该法既能克服残差污染、残差淹没现象 ,又能区分不良数据与突变量。在 18结点系统上进行了数字仿真实验 ,得到了良好的结果     

基于量测量替换与标准化残差检测的不良数据辨识

针对多不良数据辨识中存在的残差污染和残差淹没问题,提出一种多不良数据辨识方法,在应用P-Q分解法的基础上,首先选取部分量测进行状态估计,接着用剩余量测逐一替换参与估计计算的量测,并根据替换后各量测标准化残差的大小得到可疑数据,其间量测量的替换可以打破发生残差淹没的平衡,使得由于发生残差淹没而导致标准化残差合格的不良数据凸显出来,之后又通过状态估计对可疑数据进行校核,恢复受到残差污染的量测为正常量测,最终将不良数据辨识出来.此外,还给出替换和减少一维量测后计算标准化残差的简化方法,以提高计算速度.最后以某地区220 kV电网为背景进行算例分析,表明该方法的有效性和可行性.     

基于量测数据相关性的电力系统不良数据检测和辨识新方法

电力系统量测数据的质量是影响电力系统状态估计效率和结果的重要因素,而量测数据中客观地存在少量不良数据,检测和辨识这些不良数据是电力系统状态估计的重要组成部分。文章分析了量测数据协方差矩阵中的元素值在量测数据中含有白噪声、突变量和不良数据时的变化规律,提出了通过量测数据协方差矩阵中元素的变化规律检测和辨识不良数据的新方法,在IEEE14节点系统上的仿真试验验证了该方法的正确性。     

状态估计中不良数据的混合检测辨识程序设计

设计了状态估计中不良数据的混合检测辨识通用的程序框图,并对框图进行了逐项论述说明。参照框图,用FORTRAN77语言编写程序,对18节点系统进行了数字仿真试验,得到了在无不良数据、有不良数据、有突变量等情况下的辨识结果。验证了本文介绍的检测辨识方法及程序框图的有效性。     

状态估计中不良数据可检测及可辨识性的定量分析理论

本文提出了不良数据可检测性，可辨识性的定量分析理论，揭示了描述量测系统配置，网络结构与参数的残差灵敏度矩阵中的元素与不良数据的幅值在可检测，可辨识能力上的定量关系，为量测系统配置设计与评价提供了理论基础。     

递归量测误差估计辨识法及其应用

本文提出不良数据检测和辨识新算法——递归量测误差估计辨识法(RMEEI法)。该算法利用线性递推公式计算量测集变化后状态变量、残差及其方差的新值,避免了状态再估计和计算残差灵敏度矩阵,大大提高了计算速度。文中给出了算法公式,并给出评定算法辨识性能,计算速度等方面的计算结果,还给出了本算法在东北电网控制中心EMS中实时运行的情况。     

基于快速分解正交变换状态估计算法的坏数据检测与辨识

提出了在快速分解正交变换状态估计算法中检测与辨识坏数据的新方法。该方法成功地将假设检验辨识法(HTI)和量测补偿法的思想应用于基于快速分解状态估计算法的坏数据检测与辨识,用基于对增广的量测雅可比矩阵进行Givens行变换的方法计算和更新残差协方差矩阵,在建立可疑量测集时,考虑有功类量测误差对无功类量测残差的影响和无功类量测误差对有功类量测残差的影响。算例说明,该方法检测与辨识坏数据的能力较强。     

改进迭代自组织数据分析法的不良数据辨识

针对迭代自组织数据分析技术A(iterative selforgani zing data analysis technique A-ISODATlA)对初始聚类中心敏感问题,提出将基于遗传算法的改进ISODATA方法用于电力系统不良数据辨识。该方法采用量测值的标准残差rN 和相邻采样时刻量测值之差△z作为特征值,然后采用遗传算法形成初始分类矩阵,通过遗传操作进行迭代计算,实现量测数据的模糊聚类分析,最终根据隶属度的大小来辨识其是否属于不良数据。算例表明,该方法能最终获得全局最优解,从而进行准确的不良数据辨识,避免了初始聚类中心对分类结果的影响。     

抗差估计法应用于状态估计中不良数据的检测和辨识

电力系统状态估计是电能管理系统（EMS）的重要组成部分，然而在实际运行的电网自动化系统中，量测数据中不可避免含有不良数据，从而影响状态估计的结果。不良数据的检测是电力系统状态估计的重要功能之一，它能够排除量测采样数据中偶然出现的少数不良数据，提高状态估计的可靠性。文章采用突变检测和抗差估计相结合的方法，并在IEEE118节点网络上进行了验证，结果证明该方法检测辨识的有效性和可靠性。     

一种求解环网无功问题的状态估计方法

输电网存在大量环形结构,无功测量精度较低且时常出现不良测量数据,加权最小二乘状态估计方法易受残差污染影响,难以满足状态估计合格率考核的要求。基于正常测点的概念,建立考虑测量设备自身不确定度的测点评价函数,用来评价测点正常与否。并以异常测点数量最小为优化目标,考虑系统实际约束和潮流约束,建立新的状态估计模型,对比残差分析的不良数据辨识方法在求解速度和精度上具有显著优势。基于某市实际输电网模型和遥测遥信数据进行算例分析。计算结果表明方法提高了状态估计测点合格率指标,证明了方法的有效性。     

基于新息图法的电力系统负荷突变辨识

负荷突变会引起系统运行状态的突然变化,在有预报功能的状态估计中会对不良数据的识别产生不良影响.结合工程实际应用,对新息图法状态估计识别负荷突变的方法进行了深入研究,提出了突变路径和突变子网的概念以及识别负荷突变的方法.在确定节点注入新息偏大的可疑节点后,通过寻找这些可疑节点之间是否存在突变路径,确定能否形成突变子网,以...     

基于证据融合理论的多不良数据辨识

为更好地克服残差污染和残差淹没,实现多不良数据的辨识,引入电气距离、节点相关系数和灵敏度作为证据,运用证据融合理论确定测量关联度,测量关联度可反映测量数据出现残差污染和残差淹没的可能性。对于残差较大且测量关联度较小的数据,发生残差污染的可能性较小,可直接辨识为不良数据;对于残差较大且测量关联度较大的数据,采用模糊聚类方法,隔离不良数据,对系统进行分区,并逐步修正不良数据,选择可靠测量数据重新进行状态估计。算例结果验证了该方法的有效性。     

基于等效电流量测变换的状态估计及不良数据检测与辨识方法

针对输电系统和配电系统量测类型多样性及传统快速解耦状态估计算法的不足，作者讨论并发展了一种基于等效电流量测变换的状态估计及不良数据检测与辨识方法。该方法是通过对量测系统的实际量测进行等效电流量测变换，并根据误差传播理论改变相应的量测权值而推导出来的。它不仅保留了传统状态估计算法的快速解耦特性，并在无任何假设的情况下实现了雅可比矩阵的完全常数化，算例分析表明，该方法快速有效，对r/x的比值不敏感，并能有效地处理不良数据，能较好地应用于输系统和配电系统的状态估计计算。     

基于增广状态估计的混合不良数据诊断与参数辨识

电网同时存在遥测坏数据和参数错误时,由于坏数据会影响参数辨识结果,全网参数辨识和估计方法很难保证结果的准确性。文中提出一种基于增广状态估计的混合不良数据诊断与参数辨识方法,先通过残差平衡度判断不良数据是遥测坏数据还是错误参数,将遥测坏数据直接剔除;然后,通过分区方法将多个潜在的不良参数尽可能分开在不同的局部区域,以减弱不良数据之间的相互影响;最后,采用分区增广状态估计方法修正不良参数。算例结果表明,该方法能有效区分坏数据和错误参数,且分区参数辨识能避免不良数据之间相互影响,从而提高了可疑参数辨识的精度。     

配电自动化不良数据辨识和配电网结线分析

提出将柱上开关看成节点,将相邻2个节点间的馈线和配电变压器综合看成边的配电网简化模型。在此基础上提出例行辨识、突变量启动辨识与通信中断辨识3种配电网不良数据辨识和结线分析的方法。该方法能够在个别数据受到干扰时,得出正确的配电网拓扑结构。文中给出了4个典型实例。     

基于量测量突变检测的新方法

在量测量突变检测的基础上，利用模糊数学中的ISODATA方法和隶属度概念来判定不良数据，说明该量测以多大程度属于或不属于不良数据；对ISODATA方法进行了改进，采用加权形式的ISODATA方法，对量测值进行了模糊聚类分析，并提出了一种不良数据检测的新方法，得到了较好的检测效果。     

A reduced model for bad data processing in state estimation

A reduced model theory for bad data processing is proposed which utilizes the concept of error residual spread areas. Based on the reduced model theory, statistical indices can be defined for each error residual spread area, and therefore existing detection and identification techniques can be applied separately for each error residual spread area. In this way, errors can be isolated in smaller regions of the system, making it possible to avoid the search for bad data in the global system. Results from several test cases on power systems show the effectiveness and robustness of the method     

基于数字孪生的柔性直流线路保护中不良数据自纠错方法

直流线路保护是柔直电网发展的关键,需要在3ms内完成故障判别。现有学者提出基于数字孪生的柔性直流线路保护方法,具有速度快、灵敏性高等优点,但其可靠性易受互感器测量异常影响,可能导致保护误动作。现有不良数据检测方法的准确性和快速性难以满足直流控制保护设备的需求,因此为提高该保护方法的可靠性,本文提出了一种基于移动平均法的不良数据自纠错方法。根据测量数据平稳变化的时序特性,利用移动平均法得到测量数据的预测值,通过比较预测误差与实际误差进行不良数据的检测与纠错,无需迭代计算和预先训练模型。利用四端柔直电网进行仿真检验,结果表明相较于已有方法,所提方法具有更好的准确性与快速性,纠错性能较好,能适配保护方法并提升抗干扰能力,有效提高保护的可靠性。