本發(fā)明涉及一種電力系統(tǒng)不良數(shù)據(jù)辨識(shí)方法，屬于電力系統(tǒng)運(yùn)行與控制技術(shù)領(lǐng)域。

背景技術(shù)：

電力系統(tǒng)狀態(tài)估計(jì)是現(xiàn)代能量管理系統(tǒng)的重要組成部分，量測(cè)數(shù)據(jù)在信息的采集和傳輸過(guò)程中，除了受正常的噪聲影響外，還有可能含有不良數(shù)據(jù)，其不會(huì)導(dǎo)致狀態(tài)估計(jì)的結(jié)果收到影響。故進(jìn)行不良數(shù)據(jù)的檢測(cè)與辨識(shí)具有重要的實(shí)際價(jià)值，以剔除不良數(shù)據(jù)，提高狀態(tài)估計(jì)的精度和可靠性。

已有的不良數(shù)據(jù)辨識(shí)的方法主要有殘差搜索法、非二次準(zhǔn)則法、零殘差法和估計(jì)辨識(shí)法。這些方法主要是基于概率論思想，以加權(quán)殘差或標(biāo)準(zhǔn)殘差值作為特征值，并依據(jù)其分布特性，通過(guò)置信度水平設(shè)置門檻值，最終通過(guò)假設(shè)檢驗(yàn)確定可疑測(cè)量數(shù)據(jù)后，將其從測(cè)量數(shù)據(jù)中排除或減小其權(quán)值，得到新的狀態(tài)估計(jì)值。但這些方法可能會(huì)出現(xiàn)殘差污染和殘差淹沒現(xiàn)象，存在漏檢或誤檢不良數(shù)據(jù)，影響不良數(shù)據(jù)辨識(shí)的效果。同時(shí)該過(guò)程中多次求解非線性方程組，因此實(shí)時(shí)性差。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種電力系統(tǒng)不良數(shù)據(jù)辨識(shí)方法。

為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：

一種電力系統(tǒng)不良數(shù)據(jù)辨識(shí)方法，包括，

對(duì)系統(tǒng)進(jìn)行狀態(tài)估計(jì)，得到殘差向量和殘差靈敏度矩陣；

建立不良數(shù)據(jù)辨識(shí)的稀疏優(yōu)化模型；

采用優(yōu)化方法求解稀疏優(yōu)化模型，得到量測(cè)誤差向量；

將量測(cè)誤差估計(jì)向量中每一個(gè)元素與預(yù)設(shè)的閾值比較，大于閾值的元素即為不良數(shù)據(jù)。

采用最小二乘法對(duì)系統(tǒng)進(jìn)行狀態(tài)估計(jì)。

稀疏優(yōu)化模型為，

min||v||₁

s.t.W v＝r

其中，W為殘差靈敏度矩陣，v為測(cè)量誤差向量，r為殘差向量，|| ||₁表示v的一范數(shù)。

稀疏優(yōu)化模型為l₁范數(shù)優(yōu)化模型。

閾值ξ∈(0.001,0.01)。

量測(cè)誤差估計(jì)向量中不大于閾值的元素為正常數(shù)據(jù)。

本發(fā)明所達(dá)到的有益效果：本發(fā)明摒棄傳統(tǒng)的“假設(shè)檢驗(yàn)”的概率論思路，創(chuàng)造性的挖掘出了稀疏優(yōu)化模型，進(jìn)而將不良數(shù)據(jù)辨識(shí)問(wèn)題轉(zhuǎn)化成一個(gè)優(yōu)化問(wèn)題，大大提高了實(shí)用性和可靠性。

附圖說(shuō)明

圖1為本發(fā)明的流程圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說(shuō)明本發(fā)明的技術(shù)方案，而不能以此來(lái)限制本發(fā)明的保護(hù)范圍。

觀點(diǎn)分析：通過(guò)最小二乘法狀態(tài)估計(jì)可以估計(jì)出殘差向量其中，是狀態(tài)量估計(jì)值，Z是量測(cè)值，h()為線性化后的量測(cè)函數(shù)向量，不良數(shù)據(jù)辨識(shí)的目的是通過(guò)r了解測(cè)量誤差v＝Z-h(x)，其中，x是狀態(tài)量真值，根據(jù)狀態(tài)估計(jì)理論，r＝Wv，W為殘差靈敏度矩陣，但是W是一個(gè)非滿秩矩陣，也就是說(shuō)，已知r的情況下，v是具有無(wú)窮多組解的，所以傳統(tǒng)觀點(diǎn)認(rèn)為通過(guò)r求v是不對(duì)的，但是本申請(qǐng)認(rèn)為，通常情況下，不良數(shù)據(jù)的正常量測(cè)誤差是遠(yuǎn)小于正常數(shù)據(jù)測(cè)誤差，這意味著x中，相比較于不良數(shù)量測(cè)點(diǎn)處，大多數(shù)正常數(shù)量的量測(cè)誤差非常小，故x是一個(gè)高度稀疏的向量，于是可以將不良數(shù)據(jù)辨識(shí)變成一個(gè)l₁范數(shù)優(yōu)化問(wèn)題。具體方案如圖1所示，一種電力系統(tǒng)不良數(shù)據(jù)辨識(shí)方法，包括以下步驟：

步驟1，采用最小二乘法對(duì)系統(tǒng)進(jìn)行狀態(tài)估計(jì)，得到殘差向量和殘差靈敏度矩陣。

步驟2，建立不良數(shù)據(jù)辨識(shí)的稀疏優(yōu)化模型。

該稀疏優(yōu)化模型為l₁范數(shù)優(yōu)化模型，具體如下：

min||v||₁

s.t.W v＝r

其中，W為殘差靈敏度矩陣，v為測(cè)量誤差向量，r為殘差向量，|| ||₁表示v的一范數(shù)。

步驟3，采用優(yōu)化方法求解稀疏優(yōu)化模型，得到量測(cè)誤差向量。

步驟4，將量測(cè)誤差估計(jì)向量中每一個(gè)元素與預(yù)設(shè)的閾值ξ比較，ξ∈(0.001,0.01)，大于閾值ξ的元素即為不良數(shù)據(jù)，不大于閾值ξ的元素為正常數(shù)據(jù)。

上述方法摒棄傳統(tǒng)的“假設(shè)檢驗(yàn)”的概率論思路，創(chuàng)造性的挖掘出了稀疏優(yōu)化模型，進(jìn)而將不良數(shù)據(jù)辨識(shí)問(wèn)題轉(zhuǎn)化成一個(gè)優(yōu)化問(wèn)題，大大提高了實(shí)用性和可靠性。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變形，這些改進(jìn)和變形也應(yīng)視為本發(fā)明的保護(hù)范圍。