【技术实现步骤摘要】
本专利技术涉及电网调度，具体为一种电网调度控制系统异常数据辨识和校正的方法及系统。
技术介绍
1、随着能源转型的不断深入，以广泛互联、智能互动、灵活柔性、安全可控为特征的新型电力系统正在形成，其结构形态和系统特性发生重大变化，相应运行控制和管理模式将产生根本性变革。新的发展战略的推进对大电网一体化控制的支撑能力提出了更高要求：随着大规模新能源接入，电网稳定形态愈加复杂；频发的极端恶劣天气和自然灾害等对电网的影响加大。亟需加强一体化电网调度控制系统的全局分析决策能力。
2、电网调度控制系统实时信息量成爆炸式增长，其模型和实时数据作为支撑在线分析决策的基石，其数据质量将直接影响在线分析决策结果的准确性，海量模型数据支撑一体化分析结果更加精准，但也给模型数据质量管控带来了巨大挑战：一、调控数据流经“采集-转换-存储-应用”等多个环节，数据质量问题主要依靠人工排查分析，缺乏自动化的数据质量分析工具；二是调度控制系统数据信息形式多种多样、质量问题突出，阈值参数方法在宏观上无规律可循，常规的数据校验规则以及并不能完全适用，数据质量分析难度增大。
3、针对上述问题，提出一种电网调度控制系统数据异常辨识和校正方法及系统，解决多因素综合影响下调控数据质量排查的难题，提高电网调控系统运行数据和管理数据品质，降低不良数据率，减小不良数据对调度安全性可靠性的影响。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：研究异常数
3、为解决上述技术问题，本专利技术提供如下技术方案：一种电网调度控制系统异常数据辨识和校正的方法，包括：对采集到的电网调度控制系统中的电力运行数据进行预处理，得到有效的调控数据样本；研究电网运行数据的时序特征，基于ewma对系统采集到的电网运行数据进行建模；构建自适应的电网运行数据阈值选择算法，自适应地调整区间以适配不同电力设备的异常数据辨识。
4、作为本专利技术所述的电网调度控制系统异常数据辨识和校正的方法的一种优选方案，其中：所述预处理包括辨识和修正调控数据样本中的缺失数据，通过lagrange插值算法对缺失的量测数据进行修补，获取电网调度控制系统完整数据样本集。
5、作为本专利技术所述的电网调度控制系统异常数据辨识和校正的方法的一种优选方案，其中：所述对系统采集到的电网运行数据进行建模包括基于ewma算法对电网调度控制系统各测点的实时数据、历史采样数据及相关计算数据，建立时间序列模型，并结合衡量预测精度的指标建立误差模型，构建基于调控系统主站基础数据的观测时序数据模型和预测时序数据模型，进一步提取典型特征前后数据帧属性，建立正常数据与异常数据的特征描述，作为辨识正常数据、异常数据及异常类型的依据。
6、作为本专利技术所述的电网调度控制系统异常数据辨识和校正的方法的一种优选方案，其中：所述观测时序数据模型包括电网调度控制系统中按照时间先后顺序依次采集的电力运行数据均具有时间序列的特征，根据固定时间间隔interval对其进行采样并提取出其中的时序数据{yi}，n＝|yi|为观测序列大小，其中i是采样数据点的逻辑索引；若|time(i+1)-time(i)|>interval，则进行线性插值，在点i和(i+1)之间插入序列得到完整的观测序列
7、作为本专利技术所述的电网调度控制系统异常数据辨识和校正的方法的一种优选方案，其中：所述预测时序数据模型包括建立时序数据{yi}的预测时序模型序列{ei}，表示为，
8、
9、其中，系数α表示权重降低的程度，et表示在t时刻，根据实际的观测值求取到的估计值，mt表示t时刻的测量值，n表示总观测时间。
10、作为本专利技术所述的电网调度控制系统异常数据辨识和校正的方法的一种优选方案，其中：所述误差模型包括根据lagrange插值补全数据得到完整的调控数据观测时序模型和预测时序模型{ei}，建立误差模型{eri}。
11、作为本专利技术所述的电网调度控制系统异常数据辨识和校正的方法的一种优选方案，其中：所述构建自适应的电网运行数据阈值选择算法包括基于电网调度控制系统数据属性构建kd树，改进dbscan聚类算法，从给定的数据集d中随机选取某个对象点x，查询x的eps邻域半径内的所有密度可达点是否大于minpts，若大于则创建一个以x为核心点的聚类簇，之后迭代聚集核心点密度可达的所有对象，将核心点密度可达的簇进行合并，当一个簇聚类完成后会开始选取下一个点进行聚类，直到没有任何新的点添加到任何簇中时，聚类结束。
12、本专利技术的另外一个目的是提供一种电网调度控制系统异常数据辨识和校正的系统，其能通过对电网调度控制系统中的数据进行有效预处理和时序模型分析，解决了电力系统中的异常数据辨识和校正难题。
13、为解决上述技术问题，本专利技术提供如下技术方案：一种电网调度控制系统异常数据辨识和校正的系统，包括：数据预处理模块、时序模型构建模块以及异常数据辨识模块；所述数据预处理模块用于对采集到的电网调度控制系统中的电力运行数据进行预处理，得到有效的调控数据样本；所述时序模型构建模块用于研究电网运行数据的时序特征，基于ewma对系统采集到的电网运行数据进行建模；所述异常数据辨识模块用于构建自适应的电网运行数据阈值选择算法，自适应地调整区间以适配不同电力设备的异常数据辨识。
14、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述电网调度控制系统异常数据辨识和校正的方法的步骤。
15、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述电网调度控制系统异常数据辨识和校正的方法的步骤。
16、本专利技术的有益效果：本专利技术提供的电网调度控制系统异常数据辨识和校正的方法实现调控系统数据异常告警阈值的自适应设定，可在误差模型中快速发现噪点数据序列，实现异常数据的自动识别；在此基础上，可进一步结合电气约束的误差分析方法，以及调控系统主站数据流转环节，形成异常成因辨识规则与异常定位与溯源分析方法，进而指导排查系统内存在数据质量相关的问题点。
17、基于时序数据特征改进的dbscan异常阈值选择算法，可实现调控系统稳态运行异常数据快速、准确的识别，解决调控系统主由于人工设定阈值的不合理或者漏设的问题，大大提高了调控系统数据质量管控能力。
本文档来自技高网...【技术保护点】
1.一种电网调度控制系统异常数据辨识和校正的方法，其特征在于，包括：
2.如权利要求1所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述预处理包括辨识和修正调控数据样本中的缺失数据，通过Lagrange插值算法对缺失的量测数据进行修补，获取电网调度控制系统完整数据样本集。
3.如权利要求2所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述对系统采集到的电网运行数据进行建模包括基于EWMA算法对电网调度控制系统各测点的实时数据、历史采样数据及相关计算数据，建立时间序列模型，并结合衡量预测精度的指标建立误差模型，构建基于调控系统主站基础数据的观测时序数据模型和预测时序数据模型，进一步提取典型特征前后数据帧属性，建立正常数据与异常数据的特征描述，作为辨识正常数据、异常数据及异常类型的依据。
4.如权利要求3所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述观测时序数据模型包括电网调度控制系统中按照时间先后顺序依次采集的电力运行数据均具有时间序列的特征，根据固定时间间隔interval对其进行采样并提取出其中的
5.如权利要求4所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述预测时序数据模型包括建立时序数据{Yi}的预测时序模型序列{Ei}，表示为，
6.如权利要求5所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述误差模型包括根据Lagrange插值补全数据得到完整的调控数据观测时序模型和预测时序模型{Ei}，建立误差模型{ERi}。
7.如权利要求6所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述构建自适应的电网运行数据阈值选择算法包括基于电网调度控制系统数据属性构建KD树，改进DBSCAN聚类算法，从给定的数据集D中随机选取某个对象点X，查询X的Eps邻域半径内的所有密度可达点是否大于MinPts，若大于则创建一个以X为核心点的聚类簇，之后迭代聚集核心点密度可达的所有对象，将核心点密度可达的簇进行合并，当一个簇聚类完成后会开始选取下一个点进行聚类，直到没有任何新的点添加到任何簇中时，聚类结束。
8.一种采用如权利要求1～7任一所述的电网调度控制系统异常数据辨识和校正的方法的系统，其特征在于，包括：数据预处理模块、时序模型构建模块以及异常数据辨识模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的电网调度控制系统异常数据辨识和校正的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的电网调度控制系统异常数据辨识和校正的方法的步骤。
...【技术特征摘要】
1.一种电网调度控制系统异常数据辨识和校正的方法，其特征在于，包括：
2.如权利要求1所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述预处理包括辨识和修正调控数据样本中的缺失数据，通过lagrange插值算法对缺失的量测数据进行修补，获取电网调度控制系统完整数据样本集。
3.如权利要求2所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述对系统采集到的电网运行数据进行建模包括基于ewma算法对电网调度控制系统各测点的实时数据、历史采样数据及相关计算数据，建立时间序列模型，并结合衡量预测精度的指标建立误差模型，构建基于调控系统主站基础数据的观测时序数据模型和预测时序数据模型，进一步提取典型特征前后数据帧属性，建立正常数据与异常数据的特征描述，作为辨识正常数据、异常数据及异常类型的依据。
4.如权利要求3所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述观测时序数据模型包括电网调度控制系统中按照时间先后顺序依次采集的电力运行数据均具有时间序列的特征，根据固定时间间隔interval对其进行采样并提取出其中的时序数据{yi}，n＝|yi|为观测序列大小，其中i是采样数据点的逻辑索引；
5.如权利要求4所述的电网调度控制系统异常数据辨识和校正的方法，其特征在于：所述预测时序数据模型包括建立时序数据{yi}的预测时序模型序列{ei}，表示为，
6.如...
【专利技术属性】
技术研发人员：马明明，钱涵佳，闪鑫，万雄，孙世明，吴海伟，盛振明，岑红星，刘家国，王兴志，唐元合，刘超，张伟，焦坤，张首魁，王明远，花硕，
申请(专利权)人：国电南瑞南京控制系统有限公司，
类型：发明
国别省市：
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。