RN检测与状态预估相结合的不良数据检测辨识法

本文将RN检测法与状态预估检测辨识法相结合,提出了一种新的不良数据的检测辨识方法,该法先用RN检测法来判断是否有不良数据的检测辨识方法,该法先用RN检测法来判断是否有不良数据测点存在,若有,再用状态预估辨识哪些测点存在不良数据,将不良数据测点的量测值换成其状态预估值再进行一次状态估计,该法既克服了RN检测法存在的残差污染,残差淹没现象,又解决了状态预估检测辨识法不能区分不良数据与突变量的问题,用FORTRAN77语言编写程序,对18节点系统进行了数字仿真实验,得到了在无不良数据,有不良数据,有突变量等情况下的检测辨识结果,验证了本文介绍的检测辨识方法的有效性。     

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。     

电力系统不良数据监测和辨识方法

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。分析了不良数据的检测方法及识别方法,采用IEEE-4、IEEE-14、IEEE-30节点系统对等效电流量测变换算法进行算例分析验证此方法的优越性。     

一种不良数据辨识系统的研究与实现

采用VC＋＋与Fortran 6.5语言混合编程,开发了一种基于模糊聚类分析的电力系统不良数据辨识系统。在理论研究的基础上,将基于模糊等价关系和基于模糊等价划分两种模糊聚类方法进行有效综合。通过编程,分别实现了基于等价关系法、基于模糊ISODATA法和基于聚类综合法的不良数据辨识系统,并对比分析了三种模糊聚类方法的特点。算例分析表明,该系统能够快速、准确地辨识出不良数据,并能有效克服残差污染及残差淹没现象,同时具有辨识方法选取灵活、软件界面友好、计算速度快等特点,有良好的应用前景。     

电力系统不良数据检测与辨识方法的现状与发展

电力系统不良数据的存在会降低电力系统状态估计的收敛性能, 甚至造成电力系统状态估计的失败.回顾了国内外对电力系统不良数据检测与辨识方法的历史现状与发展,从对检测和辨识不良数据的各种方法研究的时间顺序以及类别上出发,将其分成基于传统方法和基于新理论方法这两大类并对其分别进行了详细阐述,分析了各个算法的自身特点以及存在的问题,并对该领域值得进一步研究的问题和方向进行了展望.     

电力系统不良数据检测与辨识方法的现状与发展

电力系统不良数据的存在会降低电力系统状态估计的收敛性能, 甚至造成电力系统状态估计的失败。回顾了国内外对电力系统不良数据检测与辨识方法的历史现状与发展,从对检测和辨识不良数据的各种方法研究的时间顺序以及类别上出发,将其分成基于传统方法和基于新理论方法这两大类并对其分别进行了详细阐述,分析了各个算法的自身特点以及存在的问题,并对该领域值得进一步研究的问题和方向进行了展望。     

基于支持向量机的电力系统不良数据在线检测辨识与修正

SVM是数据挖掘中一种具有优良模式识别性能的新方法,该方法具有学习速度快、全局最优和泛化能力强等优点。首先利用支持向量机回归(SVR)构建辨识遥测不良数据的模型,在状态估计前通过比较预测值与实测值之间的差值来一次性辨识遥测不良数据。接着将状态估计后得到的标准残差作为支持向量机分类(SVC)的输入,依靠拓扑错误的残差特性来分类辨识出拓扑错误。通过对IEEE-30母线的仿真分析证明了该方法的有效性,现行状态估计器的效率及合格率可以得到很好的提高。     

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。     

基于改进GSA算法的电网不良数据检测与辨识

基于改进间隙统计算法(GSA),对电力系统的数据进行挖掘,完成电力系统不良数据检测、辨识。以实际电网的实时数据为基础数据和测试数据,采用Matlab编写算法程序,并考虑多种含不良数据的情况进行仿真分析,验证了算法的正确性和有效性。     

模糊数学在状态估计不良数据检测辨识中的应用

根据模糊数学理论提出了一种新的检测不良数据的方法，有效地克服了残差污染和残差淹没现象，并用实例验证了本方法的有效性。     

基于灵敏度分析的数据最优筛选与不良数据辨识

以多时间断面的量测信息为基础,将图论和蚁群优化算法(ant colony optimization,ACO)结合起来,对数据进行筛选,对不良数据进行检测与辨识。首先将量测支路化,把全网数据等效为一张无向图,再利用ACO结合图论中最小支撑树的搜索方法对全部数据进行筛选,并在迭代过程中使用灵敏度分析法得到电网状态和量测的标准化残差,在迭代中实现数据标准化残差和系统状态的对比,以寻优形式找到系统最优量测组合及计算出当时系统状态,最后依据灵敏度分析法进行不良数据检测与辨识。整体算法在保持计算精度的同时,还避免了辨识中重复估计带来的时间损耗,提高了计算速度。最后,以IEEE14节点系统对所提算法进行了仿真验证。     

基于模糊负荷聚类的不良负荷数据辨识与修正

为辨识和修正不良负荷数据,在利用模拟退火遗传算法优化的模糊C均值（Fuzzy C-Means,FCM）算法进行负荷曲线聚类的基础上,提出将待测曲线与相应特征曲线进行比较计算差量系数的方法.差量系数大于电力公司确定的阈值的负荷点即为不良负荷数据.通过算例验证表明,该方法克服了统计历史数据中不良数据的影响,提高了不良数据辨识的可操作性和实用性.同时提出了考虑不良数据测量点外所有其他测量点负荷信息的不良数据修正方法,与仅考虑不良数据测量点前后2个测量点负荷信息的修正方法相比,提高了不良数据修正的精确性和有效性.     

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     

基于广域测量系统的新息图辨识不良数据方法

相量测量单元(PMU)子站能够测量电压、电流的幅值和相角,提供全面的系统信息。文中利用PMU采集的电压、电流相量,基于交流潮流建模的新息图法提出了使用基尔霍夫电压定律(KVL)辨识不良数据的方法。首先推导了新息网络中存在共用树支支路的2个回路的回路电压降之间的关联关系,然后利用关联关系辨识出回路中包含的不良数据,具有计算量小、计算速度快、适用于广域测量系统(WAMS)的优点。该方法与新息差向量配合使用,可以辨识新息差向量不能辨识的不良数据,提高了新息图法辨识不良数据的能力。通过IEEE30节点系统验证了该方法的有效性,从算例可以看出该方法辨识强相关不良数据效果较好。     

新息图法电力系统不良数据检测与辨识

不良数据检测和辨识是电力系统状态估计的重要组成部分;所采用的新息图方法,结合动态和静态两方面理论,将具有具体物理意义的数据（新息向量）,转化为虚拟假设条件下的等价表示,并利用基本的电路理论,达到检测和辨识坏数据以及拓扑错误的目的。该方法具有模型简单、快速准确等优点。以IEEE-14节点系统算例,初步验证^了所提方法的有效性。     

新息图状态估计中多相关不良数据辨识

新息图状态估计处理坏数据较传统状态估计方法有优越性。文中研究了新息图状态估计中多相关不良数据的辨识问题,分析了多相关不良数据条件下新息差向量的表现特征,为新息图法准确排除测量系统中的多相关不良数据提供了理论依据,使得新息图能准确辨识状态估计中与拓扑变化（包括拓扑错误）相关的多相关不良数据,提高了新息图法识别不良数据的能力。IEEE30节点系统中不同类型的多相关坏数据识别结果表明了算法的有效性。