基于狀態(tài)預(yù)測的電力系統(tǒng)狀態(tài)估計(jì)及不良數(shù)據(jù)檢測與辨識(shí).pdf

1、電力系統(tǒng)狀態(tài)估計(jì)是電力系統(tǒng)能量管理系統(tǒng)（Energy Management System，EMS）的重要組成部分，在電網(wǎng)調(diào)度的智能化分析和決策中發(fā)揮著重要的作用。在傳統(tǒng)狀態(tài)估計(jì)方法中，仍然面臨著一些困難，例如在由于量測缺失而導(dǎo)致冗余度不足時(shí)，系統(tǒng)狀態(tài)估計(jì)的效果不理想;或是當(dāng)關(guān)鍵量測為不良數(shù)據(jù)，系統(tǒng)因無法對其進(jìn)行檢測并修正而導(dǎo)致狀態(tài)估計(jì)準(zhǔn)確性大幅下降;甚至因量測設(shè)備或傳輸系統(tǒng)故障而無法獲得關(guān)鍵量測數(shù)據(jù)時(shí)導(dǎo)致系統(tǒng)不可觀測，狀態(tài)估計(jì)器不能工作

2、。而基于狀態(tài)預(yù)測的電力系統(tǒng)狀態(tài)估計(jì)可以在一定程度上對上述問題進(jìn)行解決。本文研究重點(diǎn)如下:
　　1、本文首先對最小二乘支持向量機(jī)回歸原理進(jìn)行深入研究。在最小二乘支持向量機(jī)回歸模型的基礎(chǔ)上，對模型參數(shù)提出優(yōu)化方案以提高模型的準(zhǔn)確性:本文采用目前比較成熟的粒子群優(yōu)化算法，以均方誤差最小化為目標(biāo)，對相關(guān)模型參數(shù)進(jìn)行尋優(yōu)，并通過采用系統(tǒng)歷史狀態(tài)數(shù)據(jù)對回歸模型進(jìn)行訓(xùn)練，從而建立起系統(tǒng)狀態(tài)預(yù)測模型。
　　2、以系統(tǒng)歷史狀態(tài)數(shù)據(jù)為基礎(chǔ)，利用

3、最小二乘支持向量機(jī)回歸預(yù)測模型對系統(tǒng)當(dāng)前時(shí)刻狀態(tài)量進(jìn)行預(yù)測，并計(jì)算獲取當(dāng)前時(shí)刻系統(tǒng)量測預(yù)測值。針對某些系統(tǒng)存在量測缺失導(dǎo)致冗余度不足以致狀態(tài)估計(jì)效果不理想，以及因關(guān)鍵量測無法獲得而導(dǎo)致系統(tǒng)不可觀測的問題，本文以量測預(yù)測值作為偽量測量加入實(shí)際量測中，對系統(tǒng)進(jìn)行了狀態(tài)估計(jì)。該方法可以恢復(fù)系統(tǒng)的量測冗余度，從而保證狀態(tài)估計(jì)工作正常進(jìn)行。最后進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證本文方法的有效性。
　　3、在基于最小二乘支持向量機(jī)預(yù)測模型獲取量測預(yù)測值的前提

4、下，本文采用標(biāo)準(zhǔn)化新息檢測法對不良數(shù)據(jù)進(jìn)行了檢測與辨識(shí)。該方法通過在狀態(tài)估計(jì)前對不良數(shù)據(jù)進(jìn)行檢測，有效避免殘差污染及殘差淹沒現(xiàn)象。同時(shí)，相較于傳統(tǒng)估計(jì)后殘差分析檢測方法，該方法可以對為不良數(shù)據(jù)的關(guān)鍵量測進(jìn)行有效檢測。本文還介紹并對比分析了兩種將標(biāo)準(zhǔn)化新息檢測法和標(biāo)準(zhǔn)化殘差檢測法相結(jié)合的系統(tǒng)運(yùn)行狀態(tài)突變檢測方法。最后，通過進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證了基于狀態(tài)預(yù)測不良數(shù)據(jù)檢測方法及兩種突變檢測方法的有效性。
　　本文在Matlab平臺(tái)上，分別