电力系统不良和错误数据的检测辨识与修正研究

摘要

日益复杂的电网包含着海量的实时数据，这些数据的正确与否决定着电力系统运行的安全与可靠性。本文对电力系统中的不良和错误数据的检测辨识与修正进行了深入研究。 首先，针对遥测量为海量数据时，间隙统计算法(GSA)计算量大，计算速度较慢的不足，对算法进行了改进，引入了gap统计量，并对统计量进行了线性化处理，给出了相应的证明。通过两个算例仿真验证了改进GSA算法能准确检测辨识不良数据，且计算量较小，计算速度得到了提高。 然后，针对不良数据的个数、类型及相关性的不同，提出了基于电压降落、基于节点功率平衡以及基于BP神经网络的三种修正方法，分别适用于不同的情况。通过仿真验证了三种方法在适用范围内实现了精度较高，计算简单快速的修正。 最后，针对遥信数据中产生的错误数据，提出了采用基于遥测量的逻辑运算法进行检测辨识与修正，重点解决了遥测量中产生多个不良数据的情况下，多个错误数据的检测辨识与修正的难题。对两个算例的不同情况进行了仿真验证，仿真结果表明该方法正确实现了错误数据的检测辨识与修正，方法简单，运行速度快，满足实用要求。

目录

文摘

英文文摘

论文说明：图表目录

声明

1绪论

1.1电力系统不良和错误数据的定义及来源

1.2电力系统不良和错误数据检测辨识与修正的意义

1.3电力系统不良数据检测辨识的研究现状

1.3.1基于状态估计的不良数据的检测辨识

1.3.2基于数据挖掘的不良数据的检测辨识

1.4电力系统不良数据修正的研究现状

1.5错误遥信数据检测辨识与修正的研究现状

1.6论文的主要工作

2数据挖掘理论

2.1 BP神经网络

2.1.1 BP网络的结构

2.1.2 BP算法的原理

2.1.3 BP算法的步骤

2.1.4 BP网络的设计

2.2聚类分析

2.2.1聚类的概念

2.2.2聚类方法分类

2.2.3 κ-平均聚类

2.3间隙统计算法(GSA)

2.3.1间隙统计算法的优点

2.3.2间隙统计算法的思想

2.3.3间隙统计算法的过程

2.4本章小结

3不良数据的检测辨识与修正

3.1引言

3.2不良数据的检测辨识

3.2.1 GSA改进算法的思想及证明

3.2.2 GSA改进算法的计算过程及流程图

3.2.3 GSA改进算法的优点

3.2.4不良数据检测辨识的仿真

3.3不良数据的修正

3.3.1不良数据修正的方法

3.3.2不良数据修正的仿真

3.4本章小结

4错误数据的检测辨识与修正

4.1引言

4.2错误数据的分类及建模分析

4.2.1错误数据的分类

4.2.2错误数据的建模分析

4.3错误数据检测辨识与修正的方法

4.3.1基于遥测量的逻辑运算法

4.3.2基于遥测量的逻辑运算法的流程图

4.4错误数据检测辨识与修正的仿真

4.4.1遥测量正常但遥信量发生错误时的仿真

4.4.2不良数据不是潮流数据时遥信量发生错误的仿真

4.4.3不良数据是潮流数据时遥信量发生错误的仿真

4.5本章小结

5算例仿真

5.1仿真数据及数据预处理

5.1.1仿真数据

5.1.2数据预处理

5.2不良数据检测辨识的仿真

5.2.1正常数据的仿真

5.2.2单个不良数据的检测辨识

5.2.3多个不相关不良数据的检测辨识

5.2.4多个相关不良数据的检测辨识

5.3不良数据修正的仿真

5.3.1单个电压不良数据的修正

5.3.2多个不相关潮流不良数据的修正

5.3.3多个相关不良数据的修正

5.4错误数据检测辨识与修正的仿真

5.4.1遥测量正常时遥信量发生错误的仿真

5.4.2不良数据不是潮流数据时遥信量发生错误的仿真

5.4.3不良数据是潮流数据时遥信量发生错误的仿真

5.5本章小结

6结论

致 谢

参考文献

附录 攻读硕士学位期间发表的论文和出版著作情况