【技术实现步骤摘要】
基于时序矩阵分解的同步量测缺失数据修复方法及装置
本专利技术属于配电网状态感知领域，具体是基于时序矩阵分解的同步量测缺失数据修复方法及装置。
技术介绍
分布式电源和电动汽车等新兴负荷的大量接入，使配电网运行方式和动态行为愈加复杂。微型相量测量单元(micro-PhasorMeasurementUnit，μPMU)是实现配电网运行状态感知的重要手段，μPMU的采样率较高且量测带有精确时标，可实现电网扰动过程的直接观察，对电网状态估计、继电保护、稳定控制以及扰动识别等领域具有重要作用。然而，μPMU量测采样频率高、数据量巨大，对通信网络带来较大负担，导致量测数据异常、丢包等情况时有发生，量测时延问题突出，严重阻碍了后续高级应用的应用效果。对于同步相量量测数据异常检测问题，部分文献采用子空间追踪方法检测与修复异常数据，然而未考虑数据缺失情况。对于同步相量量测数据缺失修复问题，多数文献采用矩阵分解与补全方法进行缺失数据修复，然而每次迭代需要进行矩阵奇异值分解，计算量较大，且未考虑未缺失数据中也存在异常数据的情况。
【技术保护点】
1.基于时序矩阵分解的同步量测缺失数据修复方法，其特征在于：包括如下步骤：/n获取历史配电网同步相量量测数据；/n基于矩阵分解理论建立多通道同步相量量测缺失数据修复模型；/n在建立的多通道同步相量量测缺失数据修复模型内嵌入向量自回归模型，构建多通道同步相量量测缺失数据修复的时序矩阵分解模型，以提取各通道量测数据的时序特征；/n采用交替最小二乘法对构建的时序矩阵分解模型进行求解，从而获得同步相量量测缺失数据。/n
【技术特征摘要】
1.基于时序矩阵分解的同步量测缺失数据修复方法，其特征在于：包括如下步骤：
获取历史配电网同步相量量测数据；
基于矩阵分解理论建立多通道同步相量量测缺失数据修复模型；
在建立的多通道同步相量量测缺失数据修复模型内嵌入向量自回归模型，构建多通道同步相量量测缺失数据修复的时序矩阵分解模型，以提取各通道量测数据的时序特征；
采用交替最小二乘法对构建的时序矩阵分解模型进行求解，从而获得同步相量量测缺失数据。
2.根据权要求1所述的基于时序矩阵分解的同步量测缺失数据修复方法，其特征在于，基于矩阵分解理论建立多通道同步相量量测缺失数据修复模型包括如下步骤:
对于n个长度为T的观测时间序列，可将其排列为矩阵形式Y∈Rn×T，其每行对应一个一维时间序列，每列对应一个测量时刻；
根据矩阵分解理论，将Y分解为两个低维矩阵：Y＝FX，其中，维度特性矩阵F∈Rn×k和时间特性矩阵X∈Rk×T；Y的每个元素yit为F第i个行向量fiT和X第t个列向量的内积，即yit＝fiTxt，其中fi∈Rk是第i个时间序列的k维隐式嵌入，xt∈Rk第t个时刻的k维隐式时间嵌入；
构建的多通道同步相量量测缺失数据修复模型如下：
其中：Ω为Y所有元素的集合；Rf(F)、Rx(X)分别为与F、X对应的正则项，用于防止过拟合和构造各个低维嵌入之间特定的时间结构；λf、λx分别为与F、X对应的正则化参数；为矩阵X的F范数。
3.根据权要求2所述的基于时序矩阵分解的同步量测缺失数据修复方法，其特征在于，在建立的多通道同步相量量测缺失数据修复模型内嵌入向量自回归模型，构建多通道同步相量量测缺失数据修复的时序矩阵分解模型的具体方法如下:
选择自回归模型描述不同时间嵌入xt之间的相关性，即将xt表示为多个之前时刻的时间嵌入向量的线性组合：
其中：W(l)∈Rk×k为转移矩阵；εt为高斯噪声向量，εt:N(0,σ2Ik)；L为滞后时刻集合，表示与t时刻向量相关联的多个时刻。
4.根据权要求3所述的基于时序矩阵分解的同步量测缺失数据修复方法，其特征在于，引入与W相对应的正则项，则多通道同步相量量测缺失数据修复模型变为：
其中：TAR(X|L,W,η)、Rw(W)分别为与向量自回归模型、W对应的正则项，λw为与W对应的正则化参数；m等于L内时刻数加一；η＞0。
5.根据权要求4所述的基于时序...
【专利技术属性】
技术研发人员：王守相，赵倩宇，柴林杰，容春艳，高立坡，林荣，李军阔，康伟，任志刚，郭佳，王中亮，申永鹏，郝军愧，
申请(专利权)人：天津大学，国网河北省电力有限公司经济技术研究院，国家电网有限公司，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。