研究与开发
|
计及坏数据辨识与修正的配电网状态估计
张铄, 吴丽珍
兰州理工大学电气工程与信息工程学院,兰州 730050
Distribution network state estimation considering bad data identification and correction
ZHANG Shuo, WU Lizhen
College of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050
摘要 配电网中多种量测设备所采集的异构异源数据共同构成了用于状态估计的数据源,对量测数据的深度辨识是提升状态估计精度的首要任务。本文提出一种针对量测数据中坏数据的辨识修正方法,首先运用新息序列和基于密度的含噪声空间应用聚类(DBSCAN)算法进行初级辨识,然后根据量测数据的时间惯性进行二次辨识,最后采用改进长短期记忆神经网络(LSTM)算法对异常数据进行修正,并搭建仿真平台分析了所提方法的有效性。
关键词 :
配电网 ,
多级辨识 ,
坏数据 ,
状态估计
Abstract :Heterogeneous data collected by a variety of measurement devices in the distribution network constitute the data source for state estimation. Depth identification of measurement data is the primary task to improve the accuracy of state estimation. In this paper, an identification and correction method for bad data in measured data is proposed. The method firstly uses primary identification based on new information sequence and density-based spatial clustering of applications with noise (DBSCAN) method, and then performs secondary identification according to the time inertia of measured data. Finally, the modified long-short term memory (LSTM) algorithm is used to correct the abnormal data. A simulation platform is built to verify the effectiveness of the proposed method.
Key words :
distribution network
multistage identification
bad data
state estimation
收稿日期: 2022-07-11
基金资助: 国家自然科学基金项目(62063016); 甘肃省科技计划(20JR10RA177)
作者简介 : 张 铄(1999—),男,硕士研究生,研究方向为配电网状态估计。
引用本文:
张铄, 吴丽珍. 计及坏数据辨识与修正的配电网状态估计[J]. 电气技术, 2022, 23(11): 1-5.
ZHANG Shuo, WU Lizhen. Distribution network state estimation considering bad data identification and correction. Electrical Engineering, 2022, 23(11): 1-5.
链接本文:
http://dqjs.cesmedia.cn/CN/Y2022/V23/I11/1
[1] 游家训, 黄斌, 郭创新, 等. 混合量测用于电力系统状态估计[J]. 高电压技术, 2009, 35(7): 1765-1769. [2] 吴星, 刘天琪, 李兴源, 等. 基于WAMS/SCADA数据兼容和改进FCM聚类算法的PMU最优配置[J]. 电网技术, 2014, 38(3): 756-761. [3] 薛辉, 贾清泉, 王宁, 等. 基于PMU量测数据和SCADA数据融合的电力系统状态估计方法[J]. 电网技术, 2008, 32(14): 44-49. [4] 刘科研, 张剑, 陶顺, 等. 基于多源多时空信息的配电网SCADA系统电压数据质量检测与评估方法[J]. 电网技术, 2015, 39(11): 3169-3175. [5] 高正男, 杨帆, 胡姝博, 等. 面向新能源电力系统状态估计的伪波动数据清洗[J]. 高电压技术, 2022, 48(6): 2366-2377. [6] 刘莉, 翟登辉, 姜新丽. 电力系统不良数据检测与辨识方法的现状与发展[J]. 电力系统保护与控制, 2010, 38(5): 143-147, 152. [7] 蔡文斌, 程晓磊, 王鹏, 等. 基于DBSCAN二次聚类的配电网负荷缺失数据修补[J]. 电气技术, 2021, 22(12): 27-33. [8] 胡金磊, 赖俊驹, 黎阳羊, 等. 基于自适应DBSCAN算法的开关柜绝缘状态评价方法[J]. 电工技术学报, 2021, 36(增刊1): 344-352. [9] 涂彦昭, 高伟, 杨耿杰. 一种基于卷积神经网络和长短期记忆网络的光伏系统故障辨识方法[J]. 电气技术, 2022, 23(2): 48-54. [10] 李冬辉, 尹海燕, 郑博文, 等. 改进的LSTM方法在冷水机组传感器故障检测中的应用[J]. 电工技术学报, 2019, 34(11): 2324-2332.
[1]
张君则. 基于出力特性的分布式电源优化配置与运行 [J]. 电气技术, 2022, 23(8): 36-40.
[2]
兰威, 陈飞雄. 计及阻塞管理的虚拟电厂与配电网协同运行策略 [J]. 电气技术, 2022, 23(6): 30-41.
[3]
王立娜, 谭丽平, 徐志强, 罗磊鑫, 李云丰. 电池储能抑制直流配电网振荡的控制策略研究 [J]. 电气技术, 2022, 23(6): 42-48.
[4]
李辉, 吴海, 胡国, 鲍柏舟. 基于GOOSE通信技术的直流配电网分布式区域保护方法 [J]. 电气技术, 2022, 23(4): 70-75.
[5]
陶宇航, 张熹, 宫祥龙. 10kV电缆故障测距及定位典型案例分析 [J]. 电气技术, 2022, 23(2): 88-93.
[6]
黄伟达, 李天友, 黄超艺. 计及分布式光伏的农村配电台区断零故障分析 [J]. 电气技术, 2022, 23(2): 31-35.
[7]
王康, 高伟, 杨耿杰. 基于高频分量的配电网高阻接地故障识别 [J]. 电气技术, 2022, 23(2): 61-66.
[8]
郭自刚, 徐天乐, 陈玉林, 王光, 陈俊. 配电网电缆故障在线监测及定位系统 [J]. 电气技术, 2022, 23(11): 74-79.
[9]
温春雪, 赵天赐, 于赓, 王鹏, 李建林. 基于改进粒子群算法的储能优化配置 [J]. 电气技术, 2022, 23(10): 1-9.
[10]
高彬, 赵佳琪, 王越. 考虑中性点电阻接地的交直流配电网极地故障稳态机理建模 [J]. 电气技术, 2022, 23(10): 18-26.
[11]
郭沛. 考虑平抑电压波动的交直流配电网储能优化配置 [J]. 电气技术, 2021, 22(9): 90-94.
[12]
李振生, 孙佳龙, 杜剑行, 王丹, 王继飞. 高压配电网剩余供电能力计算及应用 [J]. 电气技术, 2021, 22(7): 78-82.
[13]
张华, 苏学能, 马林森, 万承宽. 基于退役电池的直挂母线式储能系统研究 [J]. 电气技术, 2021, 22(6): 54-59.
[14]
肖启明, 郭谋发. 基于变分模态分解与图信号指标的配电网高阻接地故障识别算法 [J]. 电气技术, 2021, 22(5): 50-55.
[15]
郭树林, 王稹筠, 李都红, 历莉. 一种基于权重系数反馈校正的机场配电行安全评价方法 [J]. 电气技术, 2021, 22(3): 32-37.