共查询到17条相似文献,搜索用时 93 毫秒
1.
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。 相似文献
2.
电力系统不良数据检测与辨识方法的现状与发展 总被引:5,自引:0,他引:5
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. 相似文献
3.
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。 相似文献
4.
RN检测与状态预估相结合的不良数据检测辨识法 总被引:5,自引:0,他引:5
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。 相似文献
5.
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。 相似文献
6.
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 总被引:7,自引:6,他引:7
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。 相似文献
7.
电力系统状态估计的混合不良数据检测方法 总被引:13,自引:3,他引:13
针对状态估计不良数据检测的实用化要求,结合现有两类基本检测方法的优点,并考虑相关量测量之间相相互校核的特点,提出了可根据网络结构和负荷变化正确选择适合于当时运行状态的检测方法的判别原则和算法。此方法避免了现有两类基本检测方法的缺点,提出了自动选择检测方法的基本判据,满足了系统实际运行中的要求,尽可能地降低了误检和漏检的概率。 相似文献
8.
9.
10.
基于量测量替换与标准化残差检测的不良数据辨识 总被引:5,自引:2,他引:5
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. 相似文献
11.
12.
13.
改进迭代自组织数据分析法的不良数据辨识 总被引:7,自引:1,他引:7
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。 相似文献
14.
电力系统中不良数据的存在会降低状态估计的收敛性能,甚至造成状态估计失败。如何可靠检测和修正不良数据成为状态估计应用的难题。针对这个问题,文章从状态估计实用化角度出发,首先提出越限系数H的概念来表征量测量的越限程度,然后利用电力系统量测量之间的约束关系和H值,提出一种基于网络节点分级的不良数据处理方法。该方法首先通过计算输入输出差额检测系统总的功率是否平衡,修正部分可疑量测量;接着对系统节点进行分级,根据节点分级结果运用基尔霍夫电流定律逐级逐点检测并修正可疑数据,最后通过状态估计得到最终结果。工程算例表明该算法简单、实用、速度快,能够过滤、智能修复和补充实时数据,有效地辨识和修正不良数据,提高了状态估计的收敛性能。 相似文献
15.
新息图状态估计中多相关不良数据辨识 总被引:4,自引:0,他引:4
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。 相似文献
16.
基于IGG法的电力系统状态估计 总被引:6,自引:1,他引:6
针对现有电力系统状态估计的不足,提出了一种基于IGG(Institute of Geodesy &Geophysics,Chinese Academy of Sciences)法的抗差估计方法。分析了抗差估计理论应用于状态估计时,初值和权函数选取的原则及一般方法,兼顾了估计结果的准确性和数值稳定性。将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计,结合网络参数估计辨识法,得出坏数据和可疑支路的正确状态,使抗差和状态估计在计算中一次完成。算例结果表明,该法抗差能力强,收敛速度快,而且具有较好的准确性和数值稳定性。 相似文献
17.
状态估计中不良数据的混合检测辨识法 总被引:6,自引:0,他引:6
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 相似文献