基于时序数据相关性挖掘的WAMS/SCADA数据融合方法

被引：44

作者：

魏大千 ^{[1
]}

王波 ^{[1
]}

刘涤尘 ^{[1
]}

陈得治 ^{[2
]}

唐飞 ^{[1
]}

郭珂 ^{[1
]}

机构：

[1] 武汉大学电气工程学院

[2] 中国电力科学研究院

来源：

高电压技术 | 2016年 / 42卷 / 01期

关键词：

时序数据; 相关性挖掘; 曲线排齐; WAMS/SCADA系统; 数据融合; Pearson相关系数;

D O I：

暂无

中图分类号：

TM712 [电力系统稳定]; TP311.13 [];

学科分类号：

080802 [电力系统及其自动化];

摘要：

在电力系统多运行方式的背景下,研究WAMS/SCADA等量测数据融合是解决大电网在线稳定分析的关键点之一。为此,基于理论分析,从2者数据相关性角度研究了WAMS/SCADA相关性系数,提出了基于时序数据相关性挖掘的WAMS/SCADA数据融合方法。通过构建Pearson相关性系数,对WAMS/SCADA的相关性进行评估;运用广义EM算法对量测数据曲线时差问题进行函数模型求解;在考虑量测权值的情况下对量测有效性进行分析。结果表明:对3种不同数据进行状态估计后,经过数据融合后的曲线结果在系统稳定时段与出现扰动时段均保持平稳;基于时序数据相关性融合法所得到的状态估计曲线变化趋势与其他算法相同,混合量测状态估计结果误差<5%。IEEE 118节点母线系统算例的仿真结果验证了上述方法的有效性与稳定性。

引用

页码：315 / 320

页数：6

共 15 条

[1]

基于WAMS受扰电压轨迹簇特征的电力系统暂态稳定性预测 [J].