基于在线核学习的电网不良数据检测与辨识方法

被引：26

作者：

王兴志 ^{[1
]}

严正 ^{[1
]}

沈沉 ^{[2
]}

李乃湖 ^{[3
]}

景雷 ^{[3
]}

李慧杰 ^{[3
]}

机构：

[1] 电力传输与功率变换控制教育部重点实验室(上海交通大学电气工程系)

[2] 电力系统国家重点实验室(清华大学电机系)

[3] 阿尔斯通电网中国技术中心

来源：

电力系统保护与控制 | 2012年 / 40卷 / 01期

关键词：

电力系统; 不良数据; 状态辨识; 卡尔曼滤波; 在线核学习; 广域测量系统;

D O I：

暂无

中图分类号：

TM76 [电力系统的自动化];

学科分类号：

080802 ;

摘要：

遥测数据和电网参数的准确性是智能电网技术支持系统各种电网分析计算的基础。考虑多时段RTU/PMU信息和电网复功率平衡方程,提出了基于在线核学习的不良数据检测与辨识方法。基于复功率和电压幅值信息来定义复功率平衡性评价指标;引入基于贝叶斯数据处理策略的扩展卡尔曼滤波算法进行不良数据动态检测;采用局部加权投影回归策略对电网参数进行在线辨识。不同规模电网的计算结果表明此算法可行,并具有较高的计算精度,为智能电网技术支持系统高级应用软件的研究提供了一种可行的方法。

引用

页码：50 / 55

页数：6

共 7 条

[1] 电力系统谐波状态估计研究综述 [J].