一种电力仿真数据的异常检测方法技术

本发明专利技术公开了一种针对电力仿真数据的异常检测方法，包括以下步骤：步骤1：确定检测指标，获得对应检测指标的母线的时变数据；步骤2：将步骤1中所有时刻的时变数据的值减去故障前一时刻的值xnormal，获得所有时刻时变数据的差值X′＝[x′1，x′2，...，x′n]，其中x′i＝xi‑xnormal；步骤3：对于任一时刻值t，获得步骤2中X′的一个子序列；步骤4：计算步骤3所获得的子序列Wt的均值，得到均值序列；步骤5：计算步骤4求得的均值序列的标准差σ，经过比较得到时刻t为异常时刻；本发明专利技术有效检查电力系统的变量随时间变化的过程中数据出现的较大的漂移和异常点。

An anomaly detection method for power simulation data

The invention discloses a method for anomaly detection in power simulation data, which comprises the following steps: Step 1: determine the detection index, obtain the corresponding bus detection index of time-varying data; step 2: all the time in the 1 step the time-varying data value minus moment before fault value xnormal, get all the time when the variable difference data of X 'x' [x '= 1, 2,..., X' n], X 'I = Xi xnormal; step 3: for any time value T, obtaining a sub sequence of steps 2 X'; step 4: the mean sequence Wt obtained by the 3 calculation steps, the mean sequence; step 5: 4 calculation steps mean sequence obtained by standard deviation, after comparing the obtained time t abnormal time; data process of the invention effectively check the power system variables change with time in the large drift and abnormal point .

【技术实现步骤摘要】
一种电力仿真数据的异常检测方法
本专利技术涉及电力系统稳定性分析
，特别涉及一种电力仿真数据的异常检测方法。
技术介绍
因电力系统的不稳定造成的严重停电问题可导致巨大的经济损失，研究电力系统的稳定性是电力行业的一个根本问题。基于CIGRE研究委员会和IEEE电力系统动态性能委员会提出的定义，电力系统的稳定性可以根据功角稳定性、频率稳定性和电压稳定性进行大致分类。电网作为电力系统的典型形式，是一种通过组织良好的分配系统将电力从发电机传输给用户的网络。近年，可视化技术针对电网数据分析社区演示和操作的需求，提供了一系列实用工具。GreenGrid和Grid-IE是两个最流行的工具，使用户可以直观地分析电网及其操作。它们主要通过使用传统的数据可视化来满足稳态和静态仿真的基本需求方法。一些可视化技术充分利用了传统的动画，轮廓，数据聚合和虚拟环境等方法，用来支持功率流和传输分析；也有一些技术采用GPS同步频率测量来监视广域和实时频率状态。但是由于目前电力行业主要靠手工进行异常分析，很大程度上依赖领域知识，迫切需要更方便和准确方法。
技术实现思路
本专利技术提供了一种针对电力仿真数据的异常检测方法，可以检测到随时间变化的过程中出现的较大的漂移和异常点。一种针对电力仿真数据的异常检测方法，包括以下步骤：步骤1：确定检测指标，获取电力仿真数据，解析数据集中刻画母线的检测指标的时序变化的文件，获得对应检测指标的母线的时变数据，并定义为X＝[x1,x2,…,xi,…,xn]，其中xi表示母线在i时刻的检测指标的时变数据的值；步骤2：将步骤1中所有时刻的时变数据的值减去故障前一时刻的值xnormal，获得所有时刻时变数据的差值X′＝[x′1,x′2,…,x′i,…,x′n]，其中x′i＝xi-xnormal表示母线在i时刻的检测指标的时变数据与正常时刻该时变数据的差值；步骤3：对于任一时刻值t，获得步骤2中X′的一个如下的子序列：其中w代表可由用户调节的区间段的长度，满足w＝2n+1,n∈Ν；步骤4：计算步骤3所获得的子序列Wt的均值，计算公式如下：得到均值序列M＝[m1,m2,…,mn]；步骤5：计算步骤4求得的均值序列M＝[m1,m2,…,mn]的均值μ和标准差σ，当mt＞μ+k1*σ或mt＜μ-k1*σ时，其中k1为可供用户调节的常数，标记时刻t1为异常时刻。本专利技术提出了一种与传统的手工进行异常分析不同的异常检测方法，用以检查电力系统在随时间变化的过程中数据出现的较大的漂移和异常点。根据概率论知识，当k1＝3时均值序列M中仅有0.27％的数值会属于(-∞,μ-k1*σ)或(μ+k1*σ,+∞)。这意味着用户可以更多地将精力聚焦在通过本专利技术所标注出的异常时刻，参考该时刻的各检测指标，进一步判定该时刻的全网状态。优选的，在统计质量控制领域中通常取k1＝2.5～3.5，进一步优选的，k1＝2.5～3；k1＝3～3.5。为了提高检测的准确性，优选的，还包括：步骤6：计算步骤3所获得的子序列Wt的极差，计算公式如下：rt＝max(Wt)-min(Wt)得到极差序列R＝[r1,r2,…,rn]；步骤7：对于步骤5求得的极差序列R＝[r1,r2,…,rn],当rt>时，其中为极差序列R的均值，k2是在[0,1]区间内可供用户调节的常数，标记时刻t为异常时刻。在确定异常时刻或异常区间后，用户一方面可以对异常进行归因，另一方面可以基于本次全网检测情况所暴露出来的问题进行电网改造，具体的改造方案有更换电路元件或修改电气设备运行参数等。为了支持高效的视觉分析，优选的，还包括步骤8：通过同一圆形的颜色和半径中的一个参数代表步骤4求得的参数指标，另一个参数代表步骤6求得的参数指标。有研究表明，用户进行视觉分析时的工作效率与距离的平方成反比，将两个变量编码进一个图形中可以提高用户的工作效率。为了支持高效的视觉分析，优选的，还包括步骤8：通过同一正方形的颜色和边长中的一个参数代表步骤4求得的参数指标，另一个参数代表步骤6求得的参数指标。有研究表明，用户进行视觉分析时的工作效率与距离的平方成反比，将两个变量编码进一个图形中可以提高用户的工作效率。优选的，所述检测指标包括电压、频率、相对功角的均值的时序变化或相对功角的方差的时序变化。上述检测指标能够充分体现电力系统的稳定性，通过对电压的时序变化进行监测，本专利技术可以检测到在某些线路上发生的三相接地短路故障；通过对频率的时序变化进行检测，本专利技术可以发现由于冲击的扩散和发电机转子变化所引发的电网失稳现象；通过监测对发电机的相对功角的均值或方差的时序变化，本专利技术可以用于发电机分群，具有相似均值和方差变化形态的发电机属于一个机群。发电机分群，是指在一次振荡过程中，自身功角曲线相类似的发电机可以分为一群，它对于研究电网稳定机理具有重要意义。为了进一步提高检测效果，增加检测指标，优选的，所述检测指标包括电压和频率，分别经过步骤(1)～(7)得到电压的均值序列、电压的极差序列、频率的均值序列和频率的极差序列。相比相对功角的均值与方差的均值序列与极差序列，电压、频率的均值、极差序列更容易被用户所理解。以电压的均值序列为例，其中的每一个值都反应了在一个时间窗口内的平均电压水平，电压的骤降可能揭示了线路上发生的母线三相短路故障。由于物理性质的不同，频率的变化模式与电压大不相同，可以反映不同种类型的系统故障，如线路断路故障和发电机退出故障等。为了支持高效的视觉分析，优选的，还包括步骤8：通过椭圆形图标的竖半轴、横半轴、倾角和背景色分别代表电压的均值序列、频率的均值序列、电压的极差序列和频率的极差序列并形成随时间变化的椭圆形图标的变化图。对应关系可以根据需要进行选择，上述过程采用了新颖、通俗易懂的可视编码来刻画统计质量控制中的参数指标。本专利技术的有益效果：本专利技术的电力仿真数据的异常检测方法用以检查电力系统的变量随时间变化的过程中数据出现的较大的漂移和异常点，具有在检测时间序列中特征的异常变化模式，有效检测电力系统的稳定性和检测全网状态的显著变化方面有出色的表现。附图说明图1是本专利技术方法中用椭圆形图标编码电压的均值电压的极差频率的均值以及电压的极差的示意图。图2为如图1的椭圆形图标随时间变化的示意图。具体实施方式本实施例的电力仿真数据的异常检测方法，包括以下步骤：(1)用Python代码解析数据集中刻画母线的电压(Voltage)、频率(Frequency)及相对功角(Rotorangle)的时序变化的文件，获得各个母线的时变数据。以母线i为例，我们定义其在全时刻(时刻1至时刻n)的时变数据为：电压的时序变化：V＝[v1,v2,…,vn],其中vt表示母线在时刻t时的电压水平；频率的时序变化：F＝[f1,f2,…,fn],其中ft表示母线在时刻t时的频率；相对功角的时序变化：其中表示母线i与另一条母线j(i≠j)在时刻t所形成的相对功角。对于时刻t的相对功角样本可以求得样本均值mrat和样本方差vrat，对于RA中每个时刻对应的样本，都进行这样的统计，可获得两个新的时变数据：相对功角的均值的时序变化MRA＝[mra1,mra2,…,mran]；相对功角的方差的时序变化VRA＝[vra1,vra2,…,vran]；(2本文档来自技高网...

【技术保护点】
一种针对电力仿真数据的异常检测方法，其特征在于，包括以下步骤：步骤1：确定检测指标，获取电力仿真数据，解析数据集中刻画母线的检测指标的时序变化的文件，获得对应检测指标的母线的时变数据，并定义为X＝[x1,x2,…,xi,…,xn]，其中xi表示母线在i时刻的检测指标的时变数据的值；步骤2：将步骤1中所有时刻的时变数据的值减去故障前一时刻的值xnormal，获得所有时刻时变数据的差值X′＝[x′1,x′2,…,x′i,…,x′n]，其中x′i＝xi‑xnormal表示母线在i时刻的检测指标的时变数据与正常时刻该时变数据的差值；步骤3：对于任一时刻值t，获得步骤2中X′的一个如下的子序列：

【技术特征摘要】
1.一种针对电力仿真数据的异常检测方法，其特征在于，包括以下步骤：步骤1：确定检测指标，获取电力仿真数据，解析数据集中刻画母线的检测指标的时序变化的文件，获得对应检测指标的母线的时变数据，并定义为X＝[x1,x2,…,xi,…,xn]，其中xi表示母线在i时刻的检测指标的时变数据的值；步骤2：将步骤1中所有时刻的时变数据的值减去故障前一时刻的值xnormal，获得所有时刻时变数据的差值X′＝[x′1,x′2,…,x′i,…,x′n]，其中x′i＝xi-xnormal表示母线在i时刻的检测指标的时变数据与正常时刻该时变数据的差值；步骤3：对于任一时刻值t，获得步骤2中X′的一个如下的子序列：其中w代表可由用户调节的区间段的长度，满足w＝2n+1,n∈Ν；步骤4：计算步骤3所获得的子序列Wt的均值，计算公式如下：得到均值序列M＝[m1,m2,…,mn]；步骤5：计算步骤4求得的均值序列M＝[m1,m2,…,mn]的均值μ和标准差σ，当mt＞μ+k1*σ或mt＜μ-k1*σ时，其中k1为可供用户调节的常数，标记时刻t1为异常时刻。2.如权利要求1所述的针对电力仿真数据的异常检测方法，其特征在于，还包括：步骤6：计算步骤3所获得的子序列Wt的极差，计算公式如下：rt＝max(Wt)-min(Wt)得到极差序列...

【专利技术属性】
技术研发人员：陈为，王琦，林立文，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33