测点正常率的测量不确定度研究.docxVIP

测点正常率的测量不确定度研究 0 基于残差概念基础上的不良数据检测、辨识和误差 状态估算是能源分析和控制的基础。主要任务是根据数据采集和监控系统（scada）提供的实时信息，并对各主要线的电压（振幅和相角）和功率进行估计，并具有识别和识别不良数据的功能。 自1970年由Schweppe等人提出状态估计模型和算法以来, 已有众多学者对状态估计模型和算法进行了研究。根据求解状态变量所采用的目标函数的不同, 状态估计有不同的估计准则, 常用的估计准则包括最小二乘 (LS) 准则、加权最小二乘 (WLS) 准则、非二次 (non-quadratic) 准则、加权最小绝对值 (WLAV) 准则、最小中位数平方 (least median of squares, LMS) 准则和最小截平方 (least trimmed squares, LTS) 准则等。这些方法都建立在残差概念基础上。如LS估计或WLS估计以各测点残差加权平方和 (2-范数) 最小为目标函数;非二次准则, 如QL (quadratic-linear) 和QC (quadratic-constant) 准则, 残差较小时也以各测点残差平方和最小为目标函数, 残差较大时特殊处理;WLAV估计则以各测点残差加权绝对值和 (1-范数) 最小为目标函数。 不良数据检测是判断某次量测量中是否存在不良数据, 而辨识则用来确定哪些量测量为不良数据。目前, 不良数据检测和辨识的主要方法有残差搜索法、以非二次准则估计为基础的方法, 以及量测量突变检测法。除量测量突变检测外, 其余方法都建立在残差概念基础上, 而量测量突变检测法有效的前提是相邻采样时刻的电力网络结构不变, 且前一采样时刻的量测数据中的不良数据已经被其他某种不良数据辨识方法 (建立在残差概念基础上) 检测出来并得到修正。 由上可见, 以往研究方法, 包括状态估计方法和不良数据检测、辨识方法, 大都建立在残差概念基础上。但是, 对某一测点而言, 其残差最小只能说明该测点估计值与量测值较为接近, 而不能说明该测点估计值与真值较为接近。而且, 由于量测误差的客观存在, 片面追求估计值与量测值最为接近反而有可能使估计值远离真值。因而, 以测点残差加权平方和 (或其他形式的和) 最小作为状态估计准则, 或基于残差分布某些规律来对不良数据进行辨识, 未必是最恰当的。 引起上述困难的主要原因是测点残差局限性, 即由测点残差不能推得测点真值的任何信息, 不能对测量结果的可靠程度进行定量描述。因此, 国际计量学界经过多年的研究指出, 表征测量结果的可靠程度应采用测量不确定度, 它是一个“与测量结果相关联的参数, 表征合理赋予的被测量之值的分散性”。 测量不确定度与常用的测量误差的概念差别较大。从定义上讲, 误差是测量结果偏离被测量真值的量, 是一个差值, 以被测量真值或约定真值为中心。由于被测量真值是未知的, 因此, 误差是一个理想的概念, 一般不能准确知道, 难以定量和操作。而测量不确定度反映了人们对测量认识不足的程度, 表示被测量之值的分散性, 它以被测量估计值为中心, 是一个区间, 经过分析和评定得到, 可定量确定, 便于具体操作。 本文是系列文章 (共3篇) 首篇, 介绍了测量不确定度概念, 并基于该理论, 提出了在真值未知情况下状态估计结果的评价指标, 这是以往研究中的空白点, 但也是进行状态估计研究首先而且必须要面对的问题。这一问题不解决, 状态估计研究就很难进一步深入。 1 测量的不确定度 1.1 测量不确定度分类 1993年由国际标准化组织 (ISO) 等7个国际组织发布的《测量不确定度表示指南》给出的测量不确定度定义为:与测量结果相关联的参数, 表征合理赋予的被测量之值的分散性。测量不确定度反映了可能的误差分布范围, 可以近似地理解为一定置信概率下的误差限值。测量不确定度分为2类: 标准不确定度和扩展不确定度。 标准不确定度是用标准偏差表示测量结果的不确定度。它分为用A类计算方法得到的标准不确定度和用B 类计算方法得到的标准不确定度, 以及根据其他一些量值求出的合成标准不确定度。由合成标准不确定度定义可知, 对某一测点i, 合成标准不确定度为uc, 对应不确定度分布为正态分布时, 真值ˉΖi落在量值区间 (Zi-uc,Zi+uc) 之内的可能性为68.3%, 即 Ρ(|ˉΖi-Ζi|≤uc)=68.3％(1) 扩展不确定度是定义测量结果区间的量, 用于表示测量结果的置信范围, 它由合成标准不确定度uc乘上覆盖因子k而得到: U=kuck=2,3(2) k=3且对应的不确定度分布为正态分布时, 置信概率P为99.7%。 值得指出的是, 扩展不确定度概念与具体分布无关, 本文方法并不假设也不要求其分布为正态分布。 1.2 测量不