一種基于時(shí)間序列分析的電力系統(tǒng)異常數(shù)據(jù)辨識(shí)與修正方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電力系統(tǒng)異常數(shù)據(jù)辨識(shí)與修正技術(shù)領(lǐng)域，尤其涉及一種基于時(shí)間序列 分析的異常數(shù)據(jù)辨識(shí)與修正方法。
【背景技術(shù)】
[0002] 隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和科學(xué)技術(shù)水平的不斷提高，現(xiàn)代電力系統(tǒng)發(fā)展的越來(lái) 越快，社會(huì)對(duì)電網(wǎng)智能化的要求也越來(lái)越提高。由于電網(wǎng)規(guī)模的不斷擴(kuò)大、電力系統(tǒng)結(jié)構(gòu)和 運(yùn)行模式的日益復(fù)雜，電力系統(tǒng)中大量的實(shí)時(shí)數(shù)據(jù)對(duì)系統(tǒng)的安全性、穩(wěn)定性和可靠性的影 響越來(lái)越大。
[0003] 所謂異常數(shù)據(jù)，是指在實(shí)際的電力系統(tǒng)運(yùn)行中測(cè)量誤差很大的量測(cè)量。電力系統(tǒng) 運(yùn)行過(guò)程中由于通道錯(cuò)誤、遠(yuǎn)程終端單元故障以及外在條件變化等原因，都可能造成數(shù)據(jù) 的產(chǎn)生較大的誤差，產(chǎn)生異常數(shù)據(jù)。異常數(shù)據(jù)的存在可能會(huì)影響電力系統(tǒng)的正常運(yùn)行，甚至 威脅整個(gè)電力系統(tǒng)的安全，因此電力系統(tǒng)中異常數(shù)據(jù)的辨識(shí)對(duì)于促進(jìn)電網(wǎng)安全優(yōu)質(zhì)運(yùn)行具 有重要價(jià)值。
[0004] 目前對(duì)電力系統(tǒng)中異常數(shù)據(jù)的辨識(shí)的研宄越來(lái)越多，主要分為基于狀態(tài)估計(jì)法、 基于新息圖法和基于數(shù)據(jù)挖掘法的異常數(shù)據(jù)辨識(shí)方法，其中基于數(shù)據(jù)挖掘的異常數(shù)據(jù)的辨 識(shí)方法主要有模糊數(shù)學(xué)法、神經(jīng)網(wǎng)絡(luò)法、聚類(lèi)分析法和間隙統(tǒng)計(jì)法。由于電力系統(tǒng)中的數(shù)據(jù) 可以看成是既包含規(guī)律性又具有隨機(jī)性的時(shí)間序列，因此可以采用時(shí)間序列分析法實(shí)現(xiàn)對(duì) 電力系統(tǒng)中異常數(shù)據(jù)的辨識(shí)；又由于神經(jīng)網(wǎng)絡(luò)法能夠以任意精度逼近任何非線性映射，因 此適合描述具有復(fù)雜非線性特點(diǎn)的電力系統(tǒng)數(shù)據(jù)的預(yù)測(cè)模型。所以采用一種基于時(shí)間序列 分析和神經(jīng)網(wǎng)絡(luò)的方法，有效地實(shí)現(xiàn)了對(duì)電力系統(tǒng)異常數(shù)據(jù)的辨識(shí)與修正。

【發(fā)明內(nèi)容】

[0005] 為了辨識(shí)與修正電力系統(tǒng)的異常數(shù)據(jù)，提高網(wǎng)絡(luò)的運(yùn)行控制能力，保證電力系統(tǒng) 安全、穩(wěn)定和經(jīng)濟(jì)運(yùn)行，本發(fā)明提供一種基于時(shí)間序列分析的異常數(shù)據(jù)辨識(shí)與修正方法，可 以有效辨識(shí)與修正異常數(shù)據(jù)。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：
[0007] -種基于時(shí)間序列分析的異常數(shù)據(jù)辨識(shí)與修正方法，包括數(shù)據(jù)預(yù)處理，時(shí)間序列 建模，異常數(shù)據(jù)辨識(shí)和異常數(shù)據(jù)修正四個(gè)部分。數(shù)據(jù)預(yù)處理包括辨識(shí)和修正待檢測(cè)數(shù)據(jù)中 的缺失數(shù)據(jù)以及突變?yōu)榱阒档臄?shù)據(jù)。時(shí)間序列建模根據(jù)建立時(shí)間序列模型的步驟，對(duì)待檢 測(cè)數(shù)據(jù)建立時(shí)間序列模型。異常數(shù)據(jù)辨識(shí)通過(guò)對(duì)建立的時(shí)間序列模型的擬合殘差序列進(jìn)行 分析，辨識(shí)異常數(shù)據(jù)。異常數(shù)據(jù)修正采用神經(jīng)網(wǎng)絡(luò)法實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的修正。
[0008] 具體的，基于時(shí)間序列分析的異常數(shù)據(jù)辨識(shí)與修正方法的詳細(xì)步驟包括：對(duì)待檢 測(cè)數(shù)據(jù)中的缺失數(shù)據(jù)和突變?yōu)榱阒档臄?shù)據(jù)進(jìn)行辨識(shí)，采用拉格朗日插值算法對(duì)辨識(shí)出的數(shù) 據(jù)進(jìn)行填補(bǔ)和修正；對(duì)預(yù)處理后的待檢測(cè)數(shù)據(jù)進(jìn)行時(shí)間序列分析，根據(jù)Box-Jenkins建模 的思想，采用數(shù)據(jù)的平穩(wěn)化處理、模型識(shí)別、參數(shù)估計(jì)和模型檢驗(yàn)的時(shí)間序列建立模型的步 驟，對(duì)預(yù)處理后的數(shù)據(jù)建立差分自回歸移動(dòng)平均模型；對(duì)建立的差分自回歸移動(dòng)平均模型 的數(shù)據(jù)，實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的辨識(shí)；對(duì)于辨識(shí)出的異常數(shù)據(jù)，采用RBF神經(jīng)網(wǎng)絡(luò)實(shí)擬合殘差序 列進(jìn)行分析，設(shè)定誤差置信區(qū)間，在置信區(qū)間外的數(shù)據(jù)則為異?，F(xiàn)對(duì)異常數(shù)據(jù)修正，即建立 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，利用非異常數(shù)據(jù)形成的樣本集對(duì)所述預(yù)測(cè)模型進(jìn)行訓(xùn)練，根據(jù)訓(xùn)練 好的預(yù)測(cè)模型實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的逐點(diǎn)修正。
[0009] 相對(duì)于現(xiàn)有技術(shù)，本發(fā)明具有如下有益效果：本發(fā)明提供的基于時(shí)間序列分析的 異常數(shù)據(jù)辨識(shí)與修正方法，該方法采用時(shí)間序列分析法對(duì)待檢測(cè)數(shù)據(jù)建立相應(yīng)的時(shí)間序列 模型，實(shí)現(xiàn)對(duì)數(shù)據(jù)統(tǒng)計(jì)規(guī)律性的描述；對(duì)建立好的模型中的殘差序列進(jìn)行分析，建立誤差置 信區(qū)間，實(shí)現(xiàn)待檢測(cè)數(shù)據(jù)中異常數(shù)據(jù)的辨識(shí)；采用RBF神經(jīng)網(wǎng)絡(luò)法，實(shí)現(xiàn)對(duì)電力系統(tǒng)中異常 數(shù)據(jù)的逐點(diǎn)修正。本發(fā)明根據(jù)電力系統(tǒng)數(shù)據(jù)的時(shí)序特性，有效地實(shí)現(xiàn)了對(duì)電力系統(tǒng)異常數(shù) 據(jù)的辨識(shí)，采用神經(jīng)網(wǎng)絡(luò)和縱向均值法分別對(duì)不連續(xù)的異常數(shù)據(jù)和連續(xù)的異常數(shù)據(jù)進(jìn)行修 正，提高了修正的精度，促進(jìn)電網(wǎng)安全優(yōu)質(zhì)運(yùn)行。
【附圖說(shuō)明】
[0010] 圖1為本發(fā)明基于時(shí)間序列分析的異常數(shù)據(jù)辨識(shí)與修正方法的流程圖。
【具體實(shí)施方式】
[0011] 下面結(jié)合附圖對(duì)本發(fā)明作更進(jìn)一步的說(shuō)明。
[0012] 如圖1所示，本發(fā)明的方法具體包括以下步驟：
[0013] 1)對(duì)待檢測(cè)據(jù)數(shù)據(jù)進(jìn)行預(yù)處理，辨識(shí)待檢測(cè)據(jù)數(shù)據(jù)中的缺失數(shù)據(jù)和突變?yōu)榱阒档?數(shù)據(jù)，采用拉格朗日（Lagrange)插值方法對(duì)辨識(shí)出的缺失以及突變?yōu)榱愕臄?shù)據(jù)進(jìn)行填補(bǔ) 和修正。
[0014] Lagrange插值的方法是對(duì)給定的η個(gè)插值節(jié)點(diǎn)X1, X2，…Xn，以及對(duì)應(yīng)的函數(shù)值 yi，y；E，…yn，利用η次Lagrange插值多項(xiàng)式，則對(duì)插值區(qū)間任意的X的函數(shù)值y可以通過(guò) Ln(X)來(lái)求解，Ln(X)的表達(dá)式為：
【主權(quán)項(xiàng)】
1. 一種基于時(shí)間序列分析的電力系統(tǒng)異常數(shù)據(jù)辨識(shí)與修正方法，其特征在于：包括數(shù) 據(jù)預(yù)處理，時(shí)間序列建模，異常數(shù)據(jù)辨識(shí)和異常數(shù)據(jù)修正四個(gè)部分； 數(shù)據(jù)預(yù)處理，包括辨識(shí)和修正待檢測(cè)數(shù)據(jù)中的缺失數(shù)據(jù)以及突變?yōu)榱阒档臄?shù)據(jù)； 時(shí)間序列建模，根據(jù)建立時(shí)間序列模型的步驟，對(duì)待檢測(cè)數(shù)據(jù)建立時(shí)間序列模型； 異常數(shù)據(jù)辨識(shí)，通過(guò)對(duì)建立的時(shí)間序列模型的擬合殘差序列進(jìn)行分析，辨識(shí)異常數(shù) 據(jù)； 異常數(shù)據(jù)修正，采用神經(jīng)網(wǎng)絡(luò)法實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的修正。
2. 根據(jù)權(quán)利要求1所述的基于時(shí)間序列分析的異常數(shù)據(jù)辨識(shí)與修正方法，其特征在 于：對(duì)待檢測(cè)數(shù)據(jù)中的缺失數(shù)據(jù)和突變?yōu)榱阒档臄?shù)據(jù)進(jìn)行辨識(shí)，采用拉格朗日插值算法對(duì) 辨識(shí)出的數(shù)據(jù)進(jìn)行填補(bǔ)和修正。
3. 根據(jù)權(quán)利要求1所述的基于時(shí)間序列分析的異常數(shù)據(jù)辨識(shí)與修正方法，其特征在 于：對(duì)預(yù)處理后的待檢測(cè)數(shù)據(jù)進(jìn)行時(shí)間序列分析，根據(jù)Box-Jenkins建模的思想，采用數(shù)據(jù) 的平穩(wěn)化處理、模型識(shí)別、參數(shù)估計(jì)和模型檢驗(yàn)的時(shí)間序列建立模型的步驟，對(duì)預(yù)處理后的 數(shù)據(jù)建立差分自回歸移動(dòng)平均模型。
4. 根據(jù)權(quán)利要求1所述的基于時(shí)間序列分析的異常數(shù)據(jù)辨識(shí)與修正方法，其特征在 于：對(duì)建立的差分自回歸移動(dòng)平均模型的擬合殘差序列進(jìn)行分析，設(shè)定誤差置信區(qū)間，在置 信區(qū)間外的數(shù)據(jù)則為異常數(shù)據(jù)，實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的辨識(shí)。
5. 根據(jù)權(quán)利要求1所述的基于時(shí)間序列分析的異常數(shù)據(jù)辨識(shí)與修正方法，其特征在 于：對(duì)于辨識(shí)出的異常數(shù)據(jù)，采用RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)異常數(shù)據(jù)修正，即建立RBF神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè)模型，利用非異常數(shù)據(jù)形成的樣本集對(duì)所述預(yù)測(cè)模型進(jìn)行訓(xùn)練，根據(jù)訓(xùn)練好的預(yù)測(cè)模 型實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的逐點(diǎn)修正。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于時(shí)間序列分析的電力系統(tǒng)異常數(shù)據(jù)辨識(shí)與修正方法，包括數(shù)據(jù)預(yù)處理，時(shí)間序列建模，異常數(shù)據(jù)辨識(shí)和異常數(shù)據(jù)修正四個(gè)部分。數(shù)據(jù)預(yù)處理包括辨識(shí)和修正待檢測(cè)數(shù)據(jù)中的缺失數(shù)據(jù)以及突變?yōu)榱阒档臄?shù)據(jù)。時(shí)間序列建模包括對(duì)預(yù)處理后的待檢測(cè)的數(shù)據(jù)進(jìn)行時(shí)間序列分析，根據(jù)時(shí)間序列建立模型的步驟，采用差分自回歸移動(dòng)平均模型對(duì)待檢測(cè)的數(shù)據(jù)進(jìn)行建模。異常數(shù)據(jù)辨識(shí)通過(guò)對(duì)建立的差分自回歸移動(dòng)平均模型的擬合殘差序列的分析，設(shè)定誤差置信區(qū)間，辨識(shí)異常數(shù)據(jù)。異常數(shù)據(jù)修正采用神經(jīng)網(wǎng)絡(luò)法建立對(duì)異常數(shù)據(jù)修正的預(yù)測(cè)模型，通過(guò)對(duì)異常數(shù)據(jù)所在時(shí)刻的數(shù)據(jù)值進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的修正。本發(fā)明方法簡(jiǎn)單易行，準(zhǔn)確度高。
【IPC分類(lèi)】G06Q10-06, G06Q50-06
【公開(kāi)號(hào)】CN104766175
【申請(qǐng)?zhí)枴緾N201510182225
【發(fā)明人】蔣浩, 王珂, 蘇大威, 徐春雷, 余璟, 楊志強(qiáng), 袁丁
【申請(qǐng)人】東南大學(xué), 國(guó)家電網(wǎng)公司, 江蘇省電力公司, 江蘇省電力公司徐州供電公司
【公開(kāi)日】2015年7月8日
【申請(qǐng)日】2015年4月16日