基于故障录波数据的电力系统扰动发生时刻的辨识方法

摘要

本发明涉及一种基于故障录波数据的电力系统扰动发生时刻的辨识方法，属于电力系统调度自动化与电网仿真技术领域。首先使用CUSUM算法进行突变数据初步识别，得到有信号突变的区间，以及每个区间对应的报警时刻；然后根据实际情况或者经验，设定波形相似度检验阈值，对存在连续突变情况的波形区间进行相似度检验，若检验结果大于阈值，则认为两个信号区间存在不同程度的突变，需要加以识别，否则认为后一个突变报警是伪报警，予以删除；最后使用BG算法对出现数据突变的区间进行精细识别，取报警时刻之前，突变效果最显著的突变点作为扰动时间发生时刻。本发明方法实现简单、计算速度快，适合现场应用。

主权项

一种基于故障录波数据的电力系统扰动发生时刻的辨识方法，其特征在于该方法包括以下步骤：(1)使用累积和算法对电力系统电流波形进行突变初步辨识，具体过程为：(1‑1)从电力系统中获取电力系统故障录波数据{y_i}，设{y_i}是一个独立的同分布随机序列，电力系统扰动时刻前的电流波形上每点的概率密度函数为扰动时刻后的电流波形上每点的概率密度函数为假设其中的和服从正态分布，则$p_{\theta }\left(y_i\right)=\frac{1}{\sigma \sqrt{2\pi }}{e}^{-\frac{{(y_i-\mu )}^2}{2{\sigma }^2}},$其中，μ是故障录波数据{y_i}的均值，σ²是故障录波数据{y_i}的方差；(1‑2)设定对电力系统扰动检测的时间区间长度为N、扰动突变的阈值为h、分别计算上一时间区间故障录波数据{y_i}的方差和均值μ₀，以及本时间区间的故障录波数据{y_i}的方差和均值μ₁；(1‑3)根据上述计算结果，计算本时间区间内点y_i的电力系统扰动前后的对数似然比s(y_i)：$s\left(y_i\right)=\ln \frac{P_{{\theta }_1}\left(y_i\right)}{P_{{\theta }_0}\left(y_i\right)}=\frac{{\mu }_1-{\mu }_0}{{\sigma }^2}(y_i-\frac{{\mu }_0+{\mu }_1}{2}),$其中，σ＝(σ₀+σ₁)/2；(1‑4)计算电力系统扰动本时间区间对数似然比的累积和$S_j^k=\underset{i=j}{\overset{k}{\Sigma }}s\left(y_i\right),$(1‑5)建立一个基于故障录波数据{y_i}的均值μ的假设检验：H₀：μ＝μ₀，H₁：μ＝μ₁检验的判别标准为：若d＝0，则判定该时间区间内电力系统的电流波形未发生突变，记为H₀，若d＝1，则判定该时间区间内电力系统的电流波形发生突变，记为H₁，其中h为扰动突变的阈值；(1‑6)根据上述步骤(1‑5)的判定结果，当判定为H₁时，产生一个突变报警：t_a＝iN其中，i是已经检测的时间区间个数，N为电力系统扰动检测的时间区间长度；(1‑7)每次将检测时间区间向后平移时间区间长度N，重复步骤(1‑1)～步骤(1‑6)，进行多次检测；(2)对步骤(1)得到的突变初步辨识结果进行相似度检验，删除其中的误报警，具体过程如下：(2‑1)对步骤(1)中的突变报警进行检测，若检测到相邻的两个扰动检测时间区间均产生突变报警，则计算相邻两个扰动检测时间区间序列{y_k}和{y_k+1}之间的谱距离$D(Y_f^k,Y_f^{k+1})=\sqrt{\underset{f=1}{\overset{N/2}{\Sigma }}{\left(\right|Y_f^k|-|Y_f^{k+1}\left|\right)}^2},$其中，和是y_k和y_k+1的傅里叶变换系数，f为傅里叶系数的阶数，y_k＝{y_k,1,y_k,2,...,y_k,N}，y_k+1＝{y_k+1,1,y_k+1,2,...,y_k+1,N}；(2‑2)设定一个谱距离判断阈值ξ，ξ取值为0.10：若则判定相邻两个扰动检测时间区间中的后一个突变报警为误报警，予以删除，若则保留相邻两个扰动检测时间区间的突变报警；(2‑3)遍历步骤(1)的所有突变报警，重复步骤(2‑1)和步骤(2‑2)，删除所有突变报警中的误报警；(3)利用启发式计算方法，对电力系统电流波形进行突变最终辨识，具体过程包括以下步骤：(3‑1)分别计算含有突变报警的时间区间长度为N的时间区间{y_k}中，每一点i的左边子区间和右边子区间的故障录波数据均值μ_l(i)、μ_r(i)以及标准差s_l(i)、s_r(i)；(3‑2)计算点i的合并偏差s_D(i)：$s_D\left(i\right)={\left(\frac{(N_l-1)\times s_l^2\left(i\right)+(N_r-1)\times s_r^2\left(i\right)}{N_l+N_r-2}\right)}^{1/2}\times {(\frac{1}{N_l}+\frac{1}{N_r})}^{1/2},$其中：N_l、N_r分别为i点的左边子区间长度和右边子区间长度；(3‑3)计算点i左边子区间和右边子区间的电力系统电流波形的平均值差异的统计值T(i)：$T\left(i\right)=\left|\frac{{\mu }_l\left(i\right)-{\mu }_r\left(i\right)}{s_D\left(i\right)}\right|,$重复本步骤，依次计算与含有突变报警的时间区间{y_k}中每一点i相对应的平均值差异的统计值T(i)，取T(i)中的最大值，记为T_max，将与该最大值T_max相对应的点记为y_T；(3‑4)计算最大值T_max的统计显著性概率P(T_max)：$P\left(T_{\max }\right)\approx {\{1-I_{(v/v+T_{\max }^2)}(\mathrm{\delta v},\delta )\}}^{\eta },$其中，δ＝0.40，v＝N‑2，为不完全β函数，η＝4.19lnN‑11.54，N为时间区间{y_k}的长度；(3‑5)设定一个区间分割阈值P₀，对上述统计显著性概率P(T_max)进行判断，若P(T_max)≥P₀，则以与最大值T_max相对应的点y_T为分界，将时间区间{y_k}分割为左、右两个子区间；(3‑6)设定一个子区间长度阈值l₀，重复上述步骤(3‑1)‑步骤(3‑5)，对上述左、右两个子区间继续进行分割，直至左、右两个子区间的长度N_l和N_r中的任意一个小于或等于l₀；(3‑7)将每个含有突变报警的时间区间{y_k}中从左向右的第一个分割点，作为该时间区间{y_k}内的最终突变点，完成对电力系统电流波形的突变辨识。