第二章电力系统状态估计new解剖.pptVIP

不良数据的辨识法 七．不良数据的检测与辨识 残差搜索辨识法 估计辨识法 加权残差搜索法 标准化残差搜索法 二 不良数据的残差搜索辨识法 对不良数据辨识的基本思路是：检测出不良数据后，设法找出这个不良数据并在测量向量中将其排除，然后重新进行状态估计。 假设在检测中发现有不良数据。最简单的辨识方法是在 个测量量中去掉第一个测量量，再用不良数据检测法检查余下的 个中是否存在不良数据。如果 个测量的 值与 个时的 值差不多，则表示第一个测量量是正常量，应予以恢复。 七．不良数据的检测与辨识 然后试第二个测量量，直到找出不良数据为止。如果存在两个不良数据，则应试探每次去掉两个测量量的各种组合。这种方法试探的次数非常多,而且每次试探都要进行状态估计，因此问题的关键在于如何减少试探的次数。 残差搜索辨识法，即用残差绝对值由大到小排队来逐维作试探，通常分为 与 。 七．不良数据的检测与辨识 ㈠加权残差搜索法 加权残差搜索法是按 大小排队，逐维试探。加权残差可以写成 (2-136) 式中： 为有不良数据 时 维加权残差向量； 为没有不良数据时的 维加权残差向量； 为 矩阵的第 个列向量；为出现在第 点上的不良数据值。 七．不良数据的检测与辨识 略去正常残差，式(2-136)可以写成 (2-137) 由于需研究的是 的大小与其排队次序问题。由式(2-137)可见，与 的值是影响因素之一，此外 因此，排队顺序可用上列系数值分别除以 、 来确定。 七．不良数据的检测与辨识 当 比 小，则 法排队次序的提前较 法更明显。对于注入功率较小，而穿越功率较大的节点，由于 与 分别与注入功率与穿越功率成线性关系，所以用法排队效果较好。 七．不良数据的检测与辨识 ㈡标准化残差搜索法 标准化残差搜索法是按 排队，逐维试探。标准化残差可以写成 (2-139) 式中：为有一个不良数据 时的 维标准化残差向量， 为正常测量时的 维标准化残差向量； 的含义见式(2-129)；为 阵的第 个列向量。 略去正常残差 ，式(2-139)可写成 (2-140) 七．不良数据的检测与辨识 由式(2-132)和式(2-133)得 (2-141) 这表示随机变量 的自相关系数为1。根据概率论，在式(2-132)中，、 之间的互相关系数的绝对值恒小于或等于1。 (2-142) 与式(2-133)比较，可得 (2-143) 七．不良数据的检测与辨识 可见，在单个不良数据时，按 大小排队，不良数据点的标准化残差绝对值总是排在前面。计及正常残差 的影响后也排在前面，亦即按 法只需搜索1～2次即可辨识成功。 残差搜索法只适用于单个不良数据的辨识，或弱相关的多个不良数据的辨识。对于强相关的多个不良数据，则由于需搜索次数过多而难以奏效。 七．不良数据的检测与辨识 残差搜索法在确定一个残差大的可疑数据并将它暂时排除后，需重作状态估计以确定排除的是否真为不良数据。因此，需进行多次状态估计，在大系统中会耗时过多，但这种方法程序简单，占用内存少，对状态估计程序的适应性好。 与 辨识法可以用相同的程序流程框图，如图2-14所示。图中程序说明如下。 七．不良数据的检测与辨识 框1 进行一次采样，形成测点集合 ，在 中可疑数据集合为 ，不良数据集合为 。 框2 用 进行状态估计。计算出 或 和 。 框3 进行 检测，若 无不良数据，输出状态估计的各项数据，程序转到出口。若 ，进入框4 。 框4 将现有 的保留在 中。 框5 将 中各测点按 或 的大小排队。 框6 将 中排在前面的测点号 送到 ，并将 从 清除。 七．不良数据的检测与辨识 框7 在总的测点集合 中扣除 的测量，形成新的 集合。 框8 用新的测点集合 作状态估计，计算 或 及 。 框9 进行 检测，若已无不良数据，则程序转出口，否则到框10 。 框10 比较 与 ，若有 显著减小，则表示 点是不良数据，转框4，再对 集合用框8