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。     

新息图法拓扑错误辨识

提出一种确定和辨识拓扑错误的方法。提出了基于新息向量的新息图,在其上可以根据支路扩展新息向量和估计潮流确定拓扑错误,而且还可以根据不良回路和差别向量对出现在拓扑错误支路上或其他支路上的坏数据进行辨识。文中给出了ＩＥＥＥ－３０和ＩＥＥＥ－１８节点系统的计算实例。     

新息图法辨识母线拓扑错误

提出了用新息图法辨识母线拓扑错误的方法.先在网络计算模型上,根据支路新息找出可疑母线,然后对可疑母线采用物理模型表示,引入零阻抗支路模型,用新息图法辨识断路器的状态,确定发生母线拓扑错误的位置.文中用IEEE-5节点系统描述了此方法,给出了IEEE-30节点的实例.     

新息图法辨识母线拓扑错误

提出了用新息图法辨识母线拓扑错误的方法。先在网络计算模型上 ,根据支路新息找出可疑母线 ,然后对可疑母线采用物理模型表示 ,引入零阻抗支路模型 ,用新息图法辨识断路器的状态 ,确定发生母线拓扑错误的位置。文中用IEEE - 5节点系统描述了此方法 ,给出了IEEE - 30节点的实例     

改进新息图法在地区电网AVC系统中的应用

新息图法对于坏数据、拓扑变化的辨识有着显著效果.文中针对地区电网的辐射特性,提出了新息图法的分层辨识,建立了厂站层和联络线层新息图模型.当连支出现坏数据时,采用伪量测对其进行修正,避免了传统方法更换连支后需重新生成树的不足;支路预估值的准确程度将影响新息值的准确性,对此利用自动电压控制(AVC)系统潮流验证模块k时刻的在线潮流计算值与测量值的差值△P,按系数a对k+1时刻支路预估值进行趋近补偿,补偿后的潮流推算曲线更接近真值,提高了拓扑变化辨识的准确性.将以上改进的新息图法应用于四川省多个地区电网AVC系统,运行效果良好,能准确辨识坏数据和拓扑变化.     

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...     

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。     

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。     

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。     

小波分析在电力系统不良数据辨识中的应用

历史负荷受各种因素的共同作用可能造成数据失真,为了能够给EMS或DMS的高级应用软件提供良好的数据基础,首先必须对历史负荷数据进行处理,去除其中的错误数据.实际上,不良数据可以看成是负荷曲线中的奇异点及不规则的突变部分,而离散二进小波变换系数的模极大值的位置和幅度同信号的局部奇异性密切相关.在此基础上提出了一种基于小波奇异性检测和小波除噪的电力系统不良数据辨识方法.通过对大量实际的负荷数据分析,证明了所提出方法的正确性和有效性.     

小波分析在电力系统不良数据辨识中的应用

历史负荷受各种因素的共同作用可能造成数据失真,为了能够给EMS或DMS的高级应用软件提供良好的数据基础,首先必须对历史负荷数据进行处理,去除其中的错误数据。实际上,不良数据可以看成是负荷曲线中的奇异点及不规则的突变部分,而离散二进小波变换系数的模极大值的位置和幅度同信号的局部奇异性密切相关。在此基础上提出了一种基于小波奇异性检测和小波除噪的电力系统不良数据辨识方法。通过对大量实际的负荷数据分析,证明了所提出方法的正确性和有效性。     

新息图拓扑可观测性及不良数据可辨识性分析

新息图状态估计在拓扑结构获取和不良数据辨识方面与一般状态估计差异较大。文中研究了新息图状态估计拓扑结构可观测性、量测数据的相关性、不良数据的可检测性和可辨识性问题。由获得连支推算新息的必要条件确定拓扑结构可观测性;利用新息差向量的表现特征分析不良数据可检测性和可辨识性,最后给出了较优的辨识连支不良数据的顺序。对该算法的分析及IEEE30节点系统算例表明,新息图状态估计中不良数据可辨识性可进行定性分析,其辨识不正常事件的能力强,量测冗余度要求较低。     

稳定图法在极化等效电路参数辨识中的应用

交联聚乙烯(XLPE)电力电缆绝缘等效电路模型的参数辨识是评估其绝缘老化状态的关键。针对现有等效电路参数辨识方法的局限性,该文提出了一种基于稳定图和状态空间模型(SSM)算法的扩展Debye等效电路模型参数计算方法。首先,利用去极化电流数据通过SSM算法生成稳定图;然后,由稳定图中稳定轴的数量确定弛豫支路数;最后,利用SSM准确地计算出等效电路的唯一参数。仿真结果表明,该方法抗噪声能力强、精度高,克服了传统方法存在的问题。实例验证了该方法的可行性和有效性。     

利用图论方法进行多不良数据检测与辨识

本文研究了不良数据检测判据及可信量测判据，用图论的方法推导了对于给定量测系统中量测量之间的线性相关表达式（即回路矩阵），并充分利用了量测量问的相互核核作用，提出了一种新的多不良数据检测与辨识的方法，使检测相关多不良数据的可靠程度大大提高。     

一种实用的不良数据检测与辨识方法

电力系统运行数据规模的不断增长,对电力系统不良数据检测与辨识的准确性和效率提出了更高的要求,为此,探讨一种基于电路分析法的不良数据检测与辨识方法。该方法基于电路基础理论,在电力系统模型参数已知的情况下,将各种接线方式简化为节点模型和支路模型,根据断面量测数据之间存在的电气联系,找出适用于任何节点和支路的不良数据检测与辨识算法。仿真算例表明,该算法简单、实用、计算速度快,能够有效检测并辨识不良数据。     

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.     

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。     

基于改进模糊聚类分析的电力系统不良数据辨识

针对当前电力系统不良数据检测辨识方法的缺点,提出一种基于增强型万有引力搜索-模糊C均值算法(EGSA-FCM)的电力系统不良数据辨识新方法。通过提出的增强型万有引力搜索算法(EGSA)对SCADA系统上传的量测数据进行搜索,获得较好的初始解,再运用FCM算法获得良性数据和不良数据的分类,最后通过COS聚类有效性判定指标判断最优聚类数目,得到最佳聚类结果和不良数据。将方法应用于IEEE14节点电力系统和大庆某区域电网中,结果表明能有效避免误检和漏检的发生,检测结果更加准确。