基于时序数据相关性挖掘的WAMS/SCADA数据融合方法

发布时间：2025-05-07 04:41

　　 在电力系统多运行方式的背景下,研究WAMS/SCADA等量测数据融合是解决大电网在线稳定分析的关键点之一。为此,基于理论分析,从2者数据相关性角度研究了WAMS/SCADA相关性系数,提出了基于时序数据相关性挖掘的WAMS/SCADA数据融合方法。通过构建Pearson相关性系数,对WAMS/SCADA的相关性进行评估;运用广义EM算法对量测数据曲线时差问题进行函数模型求解;在考虑量测权值的情况下对量测有效性进行分析。结果表明:对3种不同数据进行状态估计后,经过数据融合后的曲线结果在系统稳定时段与出现扰动时段均保持平稳;基于时序数据相关性融合法所得到的状态估计曲线变化趋势与其他算法相同,混合量测状态估计结果误差<5%。IEEE 118节点母线系统算例的仿真结果验证了上述方法的有效性与稳定性。

【文章页数】：6 页

【部分图文】：

图1数据融合仿真结果

真中设置以下3个算例作为对比，3个算例均度过系统稳定时段、系统出现扰动时段以及系统回归稳定时段。算例1：只使用SCADA数据进行状态估计。算例2：在未对2者时序数据融合的条件下进行状态估计。算例3：对WAMS/SCADA数据进行相关性融合后的状态估计。在通过对3种不同数据进行状态....

图2多算法对比仿真结果

MS与SCADA量测时差增大时，估计精度呈下降趋势，而算例3的估计精度则基本保持不变，且数据变化平稳，具有较好的稳定性。这说明基于时序数据相关性数据融合后，混合量测状态估计结果几乎不受到2者量测时间同步性的影响，保持其误差<5%。4.3多算法对比仿真该仿真算例选取了目前研究中的2....

图1数据融合仿真结果

真中设置以下3个算例作为对比，3个算例均度过系统稳定时段、系统出现扰动时段以及系统回归稳定时段。算例1：只使用SCADA数据进行状态估计。算例2：在未对2者时序数据融合的条件下进行状态估计。算例3：对WAMS/SCADA数据进行相关性融合后的状态估计。在通过对3种不同数据进行状态....

图2多算法对比仿真结果

MS与SCADA量测时差增大时，估计精度呈下降趋势，而算例3的估计精度则基本保持不变，且数据变化平稳，具有较好的稳定性。这说明基于时序数据相关性数据融合后，混合量测状态估计结果几乎不受到2者量测时间同步性的影响，保持其误差<5%。4.3多算法对比仿真该仿真算例选取了目前研究中的2....

本文编号：4043622