不良數(shù)據(jù)檢測(cè)辨識(shí)及提高狀態(tài)估計(jì)合格率的方法研究.pdf

1、隨著電力系統(tǒng)自動(dòng)化程度的不斷提高，系統(tǒng)對(duì)實(shí)時(shí)量測(cè)數(shù)據(jù)的準(zhǔn)確性要求也越來(lái)越高。但是由于量測(cè)裝置故障、數(shù)據(jù)傳送通道不暢等原因，常常會(huì)產(chǎn)生一些不良數(shù)據(jù)，威脅到系統(tǒng)的安全穩(wěn)定運(yùn)行。不良數(shù)據(jù)檢測(cè)辨識(shí)作為狀態(tài)估計(jì)的重要功能之一，可排除偶然出現(xiàn)的錯(cuò)誤信息，提高實(shí)時(shí)數(shù)據(jù)的可靠性。本文從理論和實(shí)踐兩方面著手，對(duì)不良數(shù)據(jù)檢測(cè)辨識(shí)方法以及提高狀態(tài)估計(jì)合格率的方法進(jìn)行了深入研究。
　　首先，介紹了不良數(shù)據(jù)檢測(cè)辨識(shí)的研究現(xiàn)狀和基本概念，闡述了幾種常用不良數(shù)

2、據(jù)檢測(cè)與辨識(shí)方法，并對(duì)各種方法的基本原理和優(yōu)缺點(diǎn)進(jìn)行了簡(jiǎn)單的分析。
　　其次，引入聚類分析的概念，針對(duì)已有算法中存在的不足，提出了一種基于COPS（clusters optimization on preprocessing stage）法的不良數(shù)據(jù)辨識(shí)法。該方法以標(biāo)準(zhǔn)殘差rN和量測(cè)突變量ΔZ作為特征值，自底向上地生成不同層次的數(shù)據(jù)劃分，同時(shí)利用有效性指標(biāo)Q(Ck)構(gòu)建出與之相應(yīng)的聚類質(zhì)量曲線，保存具有最優(yōu)質(zhì)量的劃分作為聚類結(jié)果。

3、MATLAB仿真實(shí)驗(yàn)表明，該方法可快速準(zhǔn)確地辨識(shí)不良數(shù)據(jù)，有效避免殘差污染和殘差淹沒現(xiàn)象，適用于實(shí)際電網(wǎng)的需要。
　　最后，結(jié)合河北省調(diào)度通信中心狀態(tài)估計(jì)維護(hù)工作中遇到的各類問(wèn)題，對(duì)提高狀態(tài)估計(jì)合格率的方法進(jìn)行了研究。以 D5000智能電網(wǎng)調(diào)度技術(shù)支持系統(tǒng)中的狀態(tài)估計(jì)模塊為依托，對(duì)影響狀態(tài)估計(jì)合格率的主要因素進(jìn)行了分析。針對(duì)各類問(wèn)題給出了相應(yīng)的改進(jìn)措施，并完善了狀態(tài)估計(jì)調(diào)試方法。實(shí)踐表明，本文方法可有效指導(dǎo)自動(dòng)化維護(hù)人員的工作，提