（云南电网有限责任公司信息中心 650011）
摘要：结合电力系统状态不良数据表现，本文结合量测量数据，对系统不良数据检测方法和辨识方法展开了分析，并对方法应用效果进行了验证，从而为关注这一话题的人们提供参考。
关键词：电力系统状态不良数据；量测量数据；可疑数据集合
引言
在电力系统运行的过程中，系统状态可能受到量测量及其通道误差的干扰，导致不良数据产生，从而给系统运行管理带来不良影响。因此，还应加强对电力系统状态不良数据检测与辨识方法的研究，从而更好的解决系统状态预估问题。
1电力系统状态不良数据表现分析
在电力系统中，配电网需完成大量数据的采集，运行方式复杂、多变，需频繁进行负荷转供，所以容易产生带有自身状态特点的不良数据。从表现上来看，这些数据大多缺少某些量测量信息，会出现遗漏值或零值。其次则表现为遥测量与遥信量不匹配，如遥信量显示开关开启状态，但遥测量却为非零值。此外，可能出现线路对端数据相差过大或量测量超过限值的情况。结合这些不良数据表现，可采取合理的检测和辨识方法。
2电力系统状态不良数据检测与辨识方法的分析与应用
2.1不良数据检测
电力系统状态不良数据检测，通常需要从实时数据中完成可疑数据集的筛选。就目前来看，可以采用的检测方法包含量测量残差法和量测量突变检测法。采用前一种方法需利用系统冗余量测信息完成系统状态估计，可以通过矩阵变换完成残差协方差矩阵计算，通过快速解耦状态估计实现不良数据检测。但是采用该方法，容易出现残差淹没和污染等问题。为解决这些问题，量测量突变检测法得以被提出。采用该方法，需假设系统在相邻时间间隔内无网络结构变化，且前一采样信息准确[1]。通过比较本时刻和前一时刻量测量信息，可发现突变的数据，并将其纳入到可疑数据集合。在实际检测时，通常利用实时测量量与前一时刻量测量预测值进行比较，如果二者差值超限可确定数据为可疑数据。在系统稳定条件下，各点量测量值与平均值之差不会超出门槛值，否则可判定数据发生大的突变。如式（1），在N为1的情况下，σt2为量测点i的自方差，其能对i点在t时刻量测值偏离平均值的幅度进行反映，xi，t为测点i在t时刻的量测值，μt则为t时刻量测值的期望。通过设置门槛值εi，t，可通过比较确认是否将数据纳入可疑数据集合。
（1）
2.2不良数据辨识
采用不良数据检测方法，可以获得电力系统状态可疑数据集合，但是无法确认可疑数据是否一定为不良数据，因此还要完成不良数据辨识。在不良数据辨识方面，常用的方法有较多。比如采用残差搜索辨识法，可完成单个不良数据和弱相关不良数据的辨识。但采用该方法，无法实现强相关不良数据辨识，所以需要重复完成状态估计。采用非二次准则状态估计法，需对估计残差权值进行改变，以便使不良数据得到突显。但是如果存在过多不良数据，采用该方法容易导致估计迭代收敛性下降。在电力系统中，包含有电压、功率等各种量测物理量，彼此间遵循基尔霍夫电压定律等规律及相关规律，所以系统量测量具有相关性，可以通过相关系数表现[2]。采用量测量进行不良数据辨识估计，可以根据量测量相关性获得可疑数据集合，然后通过各量测量相关系数可完成不良数据的判断。如式（2）所示，D（zi）和D（zj）为zi和zj两个量测量的方差，其量测如果在k+1时刻出现异常，之间的关系qij（k）就会变为相关系数ρij（k）。
（2）
在电力系统运行过程中，系统状态变化及不良数据的产生，都会使量测数据异常。但是如果为系统状态变化引起的异常，zi的变化与zj变化相关，相关系数ρij（k）→±1；如果为不良数据引发的异常，zi的变化与zj变化不相关，相关系数ρij（k）并不接近±1。因此根据相关系数，可以从可疑数据集合中完成不良数据的辨识。
2.3方法应用分析
为实现方法应用分析，可以选取某电网SCADA系统某时刻采集的原始数据进行检测。在实际应用过程中，为检验方法的有效性，可以潮流结果为基准，进行随机误差的加入，以用作算例量测量。而采用量测量突变法进行检测，可以确认量测点突变的范围，范围值为系统支路比值，可得到表1的可疑数据集合，与随机加入的数据相吻合，因此采用量测量突变法能够准确筛选出可疑数据集合。
表1 可疑数据集合
采用基于量测量相关性的辨识估计方法进行不良数据辨识，为确认不良数据辨识效果，可以对40节点系统不良数据进行估计辨识。如表2所示，辨识前量测值来自节点实测结果，辨识后量测值为利用不良数据辨识算法处理后的结果。分析结果可以发现，采用该种不良数据辨识方法，能够完成不良数据的较好辨识，得到的辨识量测值与系统正常状态下的数据相差不大，并且要比辨识前的量测值小。
表2 40节点不良数据估计辨识结果
结论：通过研究可以发现，在电力系统状态不良数据检测和辨识方面，结合不良数据的量测量相关性，可以采用相对应的量测量突变检测方法得到可疑数据集合，然后利用基于量测量相关性的辨识估计方法完成不良数据辨识。从方法应用情况来看，采用基于量测量的不良数据检测和辨识方法，能够有效完成不良数据辨识，从而为电力系统维护提供可靠数据支持。
参考文献：
[1]朱杰，张葛祥，王涛等.电力系统状态估计欺诈性数据攻击及防御综述[J].电网技术，2016，40（08）：2406-2415.
[2]许勇.基于PMU/SCADA混合量测状态估计及不良数据检测方法[J].四川电力技术，2015，38（04）：51-55.
作者简介：
张志生（出生年月1981.11）性别 男、民族 汉族、籍贯 江苏徐州、学历 硕士、职称 中级、、研究方向 信息技术
段琳（出生年月1990.11）性别 女、民族 白族、籍贯 云南大理、学历 硕士、职称 中级、、研究方向 软件工程
潘媛（出生年月1990.10）性别 女、民族 汉族、籍贯云南昆明、学历 本科、职称 助理工程师、、研究方向 项目管理
论文作者:张志生,段琳,潘媛
论文发表刊物:《电力设备》2017年第34期
论文发表时间:2018/4/28
标签：数据论文; 不良论文; 测量论文; 状态论文; 可疑论文; 方法论文; 电力系统论文; 《电力设备》2017年第34期论文;