电气工程学报, 2017, 12(10): 31-36 doi: 10.11985/2017.10.005

工程技术

智能变电站状态估计的工程应用

杨洲1, 宫俊1, 车文彬2, 刘世嵩1, 张宏达3, 李希孟4

1. 国网天津滨海供电分公司 天津 300450

2. 国网天津城东供电分公司 天津 300250

3. 国网天津检修公司 天津 300250

4. 国网天津路灯管理处 天津 300151

Application of State Estimation in Intelligent Substations

Yang Zhou1, Gong Jun1, Che Wenbin2, Liu Shisong1, Zhang Hongda3, Li Ximeng4

1. State Grid Tianjin Binhai Electric Power Supply Company Tianjin 300450 China

2. State Grid Tianjin Chengdong Electric Power Supply Company Tianjin 300250 China

3. State Grid Tianjin Maintenance Company Tianjin 300250 China

4. State Grid Tianjin Street Lights Management Office Tianjin 300151 China

收稿日期: 2017-04-14   网络出版日期: 2017-10-25

Received: 2017-04-14   Online: 2017-10-25

作者简介 About authors

杨 洲 男 1985年生,工程师,主要从事配电系统分析、变电站规划运维方面的工作。

宫 俊 男 1982年生,工程师,主要从事配电系统分析、变电站规划运维方面的工作。

摘要

调度中心主站状态估计的计算速度和精度,已经成为制约智能配电系统高级配电应用体系实现的瓶颈,因而在厂站端进行变电站级状态估计有其必要性。智能变电站作为坚强智能电网的重要基础和节点支撑,其丰富及多维度的信息为实现变电站级状态估计提供了技术平台。通过变电站级状态估计并与调度中心主站状态估计协调配合,可以缓解调度中心的计算压力,有效地提高配电网基础数据的可靠性。本文详细阐述了基于二次常数准则法的智能变电站状态估计的总体架构设计和关键技术分析,并介绍了该方法在天津滨海和畅路智能变电站的实际应用情况。结果表明智能变电站状态估计取得了预期的效果,具有较大的推广应用价值。

关键词： 智能变电站 ; 状态估计 ; 不良数据辨识 ; 非二次准则

Abstract

The estimation speed and accuracy of state estimation in the power dispatching center has become the bottleneck that hinders the achievement of the whole advanced applications infrastructure. So it is significant to study the state estimation in substations. As the significant foundation and node support of the strong smart grid, the intelligent substation has abundant and multi-dimensional information, which provides technology platform for implementing substation-level state estimation. The calculation pressure can be relieved and the data relia-bility of distribution system can be guaranteed through coordination of state estimators in the distributed intelligent substations and the power dispatching center. The implementation scheme and key technology of intelligent substation state estimation is elaborated based on quadratic-constant in the paper, and its application is introduced in an intelligent substation in Binhai of Tianjin. The application results show good performance of the intelligent state estimation, which has great practical value.

Keywords： Intelligent substation ; state estimation ; bad data identification ; non-quadratic estimation

PDF (2076KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

杨洲, 宫俊, 车文彬, 刘世嵩, 张宏达, 李希孟. 智能变电站状态估计的工程应用. 电气工程学报[J], 2017, 12(10): 31-36 doi:10.11985/2017.10.005

Yang Zhou. Application of State Estimation in Intelligent Substations. Journal of Electrical Engineering[J], 2017, 12(10): 31-36 doi:10.11985/2017.10.005

1 引言

状态估计利用非全覆盖且存在不同程度误差的量测估计出完整可靠的电网数据。然而目前状态估计利用不足且存在不同程度的量测估计误差,制约着配电网状态估计的发展。传统输电网的状态估计已经非常成熟并在输电系统中得到了广泛和可靠的应用[1]。状态估计在配电网调度自动化系统中的应用还有待进一步完善,其在配电网的作用如图1所示,来自配电系统的大量不完整、不一致且不可靠的采集数据经状态估计处理后得到完整、一致且可靠的数据库,并由后续高级配电应用调用实现相应功能。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   状态估计在配电网能量管理系统中的作用

Fig.1   The role of state estimation in distribution management system


传统的调度中心主站状态估计的实现方法是由变电站采集和转发数据,再将数据统一在调度中心进行处理。随着分布式电源并网运行、主动配电网控制、调度计划安全校核和无功电压优化控制等高级应用的实际运用,对基础数据准确性的要求越来越高,对作为高级应用软件的状态估计的实时性要求也越来越高。传统的调度中心主站状态估计已经很难满足高级应用的实际应用要求。而且智能电网的发展,也增加了数据规模和计算量,有必要进行厂站端研究。变电站级状态估计可以分担调度中心的计算压力,并与调度中心主站状态估计进行联动,为智能配电网高级应用奠定基础。

智能电网的发展为变电站级状态估计提供了可能,智能变电站作为智能电网的重要基础,冗余信息处理的智能化和快速化为解决和实现变电站级状态估计提供了有力的技术平台。通过变电站级状态估计并与调控中心主站状态估计联动,可以缓解调控中心的计算压力,更好地解决配电系统基础数据的可靠性问题。因此,实现信息分布式处理的智能变电站状态估计可以有效提高自动化信息的准确性和可靠性,也是未来智能变电站发展的重要趋势之一[2]。

由于配电网庞大复杂,数据信息冗余性高,坏数据的检测与辨识一直是传统调度中心主站状态估计的重点与难点。常规的加权最小二乘估计（Weighted Least Square,WLS）是对服从高斯分布样本的最优估计,而实际的量测系统中存在误差很大的坏数据,这些坏数据不服从高斯分布而且直接影响状态估计的精度。关于坏数据辨识的方法主要包括量测量突变检测法、非二次准则法、残差搜索法、零残差法和估计辨识法等,除此之外还包括利用抗差估计固有的抗差性进行状态估计[3,4,5,6,7,8]。新的辨识理论和方法如图论、神经网络、聚类分析和信息图等[9,10]。以上方法各有特点和辨识效果,然而鲜有实际应用的报道。

针对上述智能变电站建设和状态估计研究现状,本文详细阐述了智能变电站状态估计的总体架构设计和关键技术分析,并结合智能变电站状态估计技术在天津滨海和畅路智能变电站的实际应用情况,分析了智能变电站状态估计在解决估计结果不准确问题上的效果。实际应用情况表明,智能变电站状态估计技术取得了预期的效果,具有良好的推广应用价值。

2 总体架构设计

传统的状态估计的设计思路都是将采集的数据统一到调度中心进行处理,又称集中式的调度中心状态估计,然而由于数据量庞大、计算时间长、计算准确度低的问题,无法满足智能电网的发展需求。通过利用变电站内实时信息冗余度高的优势,以变电站替换调度中心主站,将拓扑分析、数据预处理、错误数据辨识和系统建模都在变电站内进行处理,并将结果直接上传调度中心,再由调度中心拼接各个变电站的数据,进一步筛选变电站上传的数据,最后进行全网的状态估计。

智能变电站状态估计总体架构设计分为两层,第一层为传输层,第二层包括内外两层,外层为线程层、内层为区域层,如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   智能变电站状态估计总体架构

Fig.2   Framework of the intelligent substation state estimation


第一层为传输层,将变电站状态估计的结果基于 IEC104规约,通过变电站通信服务器及调度数据网上送至调度中心实时数据库;第二层的外层为线程层,使状态估计在线周期运行,图3和表1分别描述了线程层的运行及三种触发方式,分别为周期触发、人工触发和事件触发;内层为区域层,每个区域进行一次完整的状态估计计算,包括读取数据库、拓扑分析、模型转化、数据预处理、可观测性分析、迭代计算、不良数据辨识及结果回写等。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   智能变电站状态估计触发模式

Fig.3   Trigger mode of the intelligent substation state estimation


表1   智能变电站状态估计触发模式

Tab.1  Trigger mode of the intelligent substation state estimation

触发模式码0123
说明人工停止周期触发人工触发事件触发

新窗口打开| 下载CSV


3 关键技术分析

基于智能变电站状态估计理论研究,结合滨海智能变电站的具体情况,在实际应用中重点对第二层中区域层的量测数据、拓扑分析和智能变电站状态估计算法等方面进行了具体分析。

3.1 量测数据

智能变电站站内的量测信息主要来自于多种多样的智能数字设备,通过这些设备变电站可以采集现场测控、保护等设备实时信息。不同于传统的仅仅依靠于远程测控装置（Remote Terminal Unit,RTU）、大量的保护和控制设备,更多的是依靠局域网络系统和先进的多功能保护和控制的智能电子设备（Intelligent Electronic Device,IED）。IED之间,以及信息传送和信息加密的通信协议依旧采用IEC 61850方式,变电站通信方式如图4所示。除此之外,智能变电站内的开关具有非常丰富的三相量测的信息与数据,量测信息的冗余度程度较高,并且信息与数据的搜集速度快。因此,在此种状态下,智能变电站状态估计的效果就显得非常精确,可靠性也非常高。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   变电站通信方式

Fig.4   Data connections in the smart substation


3.2 拓扑分析

配电系统元件数量庞大、接线复杂,因此必须从复杂的网络中提取所需信息,形成可用的计算模型。而变电站内的电力网络系统规模比较小,数据的运算速度相对来说就非常迅速,而且实时性也非常高。通过量测现场设备状态,将联络线、变压器、母线、断路器、手车开关、隔离开关、电容器组、电压互感器、电流互感器和避雷器等一次设备的状态信息以及节点编号写入数据库,同时录入厂站名称、线路编号和开关编号等数据信息。再将设备连接状态绘制成可视化模型,其中电气设备可视化模型见表2,最后将设备可视化模型进行组合拼接形成厂站的主接线图,形成图模文件,包括图形文件（SVG）和模型文件（SCD）,并通过104通道上传给调度中心,经过调度中心组合拼接形成全网的系统图。

Tab.2   Model of state of devices

新窗口打开| 下载CSV


3.3 智能变电站状态估计算法浅析

针对配电系统中三相不平衡的特点,为了对三相分别进行建模分析,同时保证系统的运行效率,采用基本的加权最小二乘法。加权最小二乘估计算法寻求系统状态变量,使得量测量更贴近实际量,并建立了基于量测量和状态量的目标函数,而目标函数为二次型目标函数,所以称这种估计遵循最小二乘准则,或加权残差平方和准则。

针对不良数据的辨识,采用基于二次–常数准则（Quadratic Constant,QC）的非二次准则法。此种方法,从迭代一开始,其对应的加权残差会超过某一门槛值。通过设置残差函数,并建立起一个基于残差矢量的目标函数,减小残差,使目标函数最小,辨识不良数据的准确度。此时目标函数不再遵循加权残差平方和准则,而是遵循了非二次准则。系统状态求解时,应用链式规则,得到最优化条件,进而采用迭代方式求解。求解过程中残差函数及其导数的构造形式主要有二次准则、二次–切线准则、二次–多段准则、二次–平方根准则、二次–常数准则等,其中QC准则辨识法辨识性能最好,且能得到系统状态的最优估计。

针对拓扑错误的辨识,主要依靠于采用遥测与遥信互校验的方式,为工程人员提供遥信错误信息。

4 应用情况

本文所设计的智能变电站状态估计已经于天津滨海和畅路智能变电站在线运行,能及时为主站系统提供较为准确的电网状态信息,其运行时间、数值稳定性均满足实际应用的要求。

该智能站的监控与数据采集（SCADA）系统采集站内所有IED装置量测“生数据”并写入本地实时数据库中,根据在厂站端维护的电网模型静态数据库,包括站内设备的拓扑连接、电气参数及其他电气逻辑关系,对站内遥信进行变电站拓扑分析,形成如图5所示的和畅路变电站实时变电站的电气主接线状态情况。图中红色设备表示110kV电压等级设备,蓝色设备表示10kV电压等级设备,没有出线名称的线路表示备用出线,其他设备见表2。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   智能变电站主接线

Fig.5   Main wiring of the smart substation


在某一实时量测施加大量测误差,如3号变压器的畅41出线开关断开的量测误差,分别采用WLS估计和QC估计对智能变电站状态估计的性能进行测试,不良数据辨识结果对比如图6所示,估计精度对比见表3。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   WLS与QC估计的不良数据辨识结果对比

Fig.6   Bad data identification results comparison of the WLS and QC estimation method


表3   WLS与QC估计精度对比

Tab.3  Estimate accuracy comparison of the WLS and QC estimation method

方案平均绝对误差/百分比
负荷伪量测
/kW或kvar(%)		支路功率量测
/kW或kvar(%)		电流幅值量测
/A(%)
WLS估计16.715/15.1210.079/1.111.411/1.07
QC估计16.670/15.043.470/0.370.427/0.31

新窗口打开| 下载CSV


由图6及表3可见,较之WLS估计,QC估计具有更高的估计精度,对不良数据存在的情况有较强的鲁棒性。

同样针对3号变压器的畅41出线开关断开量测信息,本文提出的智能变电站状态估计相较于传统的调度中心全系统状态估计,在运行时间上有了较明显的提高,而且本算例和畅路变电站为110kV系统站,规模不大,时间对比见表4。

表4   运行时间对比

Tab.4  Comparison of time consumption

方案时间/s
图模上传
时间		状态估计
时间		可视化建模
时间		总时间
本文方法1.30.0080.0131.321
传统方法06893161

新窗口打开| 下载CSV


经过表4中数据对比,可以发现,针对一个开关量的变化,本文的方法具有很鲜明的计算速度优势,因为传统的方法是调度中心对全网进行状态估计,滨海电网目前拥有220kV系统站28座,110kV系统站38座,35kV系统站50座,所以状态估计方程的维数高,状态估计速度慢,建模时间长,即使只有一个开关量的变化也需要对全网进行状态估计,耗时长。但本文方法是将状态估计计算分配给各个站完成,每个站只需要将维护好的图模上传给调度中心即可,所以图模上传制约了本文方法的使用,尤其在实际应用中,当所有系统站都要进行状态变化时,这106座变电站预计会在150s以内完成整个电网的更新。然而实际应用中,这种整个电网更新的次数较少,所以本方法具有很高的实际应用价值,也实现了变电站的“即插即用”。

长期运行情况表明,智能变电站状态估计的各层系统之间实现数据交换,状态估计的数据库实时更新迅速,形成基于IEC 61850协议的IED信息采集及传输,为数据的精确性提供保障。智能变电站状态估计取得了预期的效果,有效地提高了不良数据辨识的速度,运行时间缩短到分钟级。为主站各种功能快速提供一致、完整且可靠的数据,保证主站系统各种高级配电应用体系功能的实现。

5 结束语

本文详细阐述了智能变电站状态估计的总体架构设计和关键技术分析,并结合天津滨海和畅路智能变电站的实际应用情况,验证了智能变电站状态估计技术在解决估计结果不准确问题上的效果。实际应用情况表明,与传统的调度中心主站状态估计相比,智能变电站状态估计技术具有如下三方面优势和不同。

（1）在智能变电站侧进行状态估计,状态估计方程维数小,求解快,量测信息冗余,状态估计结果准确性高,尤其针对少量开关动作时,不用针对全网进行状态估计,减少了计算时间。

（2）为调度中心提供了分级管理的概念,各自变电站只需要维护自己站内的信息并进行可视化模型的建模,减少了调度中心的管理负担。特别是针对同一个站内的开关动作时的情况,不用更新全网的模型,只需更改本站的模型,并将模型上传调度中心,减少了管理的负担。

（3）本文方法需要将变电站状态估计结果上传调度中心,再由调度中心负责拼接,形成全网的可视化模型。传统的调度中心状态估计只需要量测现场数据,统一在调度中心进行状态估计和建模,但是由于上传的图模文件比较大,上传通道存在延时甚至掉线的情况,使得调度中心存在盲控变电站的风险。如何做好相应的应急方案和加强信息通道管理需要进一步研究。

经过实际应用,本文方法取得了预期的效果,具有良好的应用价值。目前,在实际应用过程中,状态估计的算法还存在不收敛的情况,有待进一步研究,以提高智能变电站状态估计的准确性。

参考文献

于尔铿 , 电力系统状态估计[M]. 北京: 水利电力出版社, 1985.

[本文引用: 1]

田江, 钱科军, 梁锋 .

分布式状态估计技术在智能变电站的应用

[J]. 电网与清洁能源, 2013,29(9):27-31.

[本文引用: 1]

Tian Jiang, Qian Kejun, Liang Feng .

Application of distributed state estimation in smart substation

[J]. Power System and Clean Energy, 2013,29(9):27-31.

[本文引用: 1]

亓俊健, 何光宇, 梅生伟 , 等.

电力系统抗差状态估计研究综述

[J]. 电工电能新技术, 2011,30(3):59-64.

[本文引用: 1]

Qi Junjian, He Guangyu, Mei Shengwei , et al.

A review of power system robust state estimation

[J]. Advanced Technology of Electrical Engineering and Energy, 2011,30(3):59-64.

[本文引用: 1]

李碧君, 薛禹胜, 顾锦汶 .

抗差估计理论及其在电力系统中的应用

[J]. 电力系统自动化, 1999,23(1):57-60.

[本文引用: 1]

Li Bijun, Xue Yusheng, Gu Jinwen , et al.

Robust estimation theory and its application in power system

[J]. Automation of Electric Power Systems, 1999,23(1):57-60.

[本文引用: 1]

吴文传, 郭烨, 张伯明 .

指数型目标函数电力系统抗差状态估计

[J]. 中国电机工程学报, 2011,31(4):67-71.

URL     [本文引用: 1]

电力系统状态估计是能量管理系统的核心基础模块，然而当量测系统中存在不良杠杆量测或多个强相关的不良数据时，传统的含不良数据辨识程序的最小二乘估计不能很好地排除不良数据对状态估计的影响。提出一种指数型目标函数电力系统抗差状态估计模型，该估计模型能够在状态估计过程中自动排除不良数据影响，无需不良数据辨识环节。可证明该模型等价于最小化Renyi二次熵定义下的信息损失。介绍该估计模型的理论基础，分析其数学特性。并结合一个简单的电力系统状态估计问题，研究该估计模型的局部最优点问题及其解决方法。

Wu Wenchuan, Guo Ye, Zhang Boming .

A robust state estimation method with exponential objective function

[J]. Proceedings of the CSEE, 2011,31(4):67-71.

URL     [本文引用: 1]

电力系统状态估计是能量管理系统的核心基础模块，然而当量测系统中存在不良杠杆量测或多个强相关的不良数据时，传统的含不良数据辨识程序的最小二乘估计不能很好地排除不良数据对状态估计的影响。提出一种指数型目标函数电力系统抗差状态估计模型，该估计模型能够在状态估计过程中自动排除不良数据影响，无需不良数据辨识环节。可证明该模型等价于最小化Renyi二次熵定义下的信息损失。介绍该估计模型的理论基础，分析其数学特性。并结合一个简单的电力系统状态估计问题，研究该估计模型的局部最优点问题及其解决方法。

郭烨, 张伯明, 吴文传 .

指数型目标函数电力系统抗差状态估计的解法与性能分析

[J]. 中国电机工程学报, 2011,31(7):89-95.

URL     [本文引用: 1]

针对一个指数型目标函数电力系统抗差状态估计模型，给出一种有效的求解方法。由于指数型目标函数电力系统抗差状态估计模型的目标函数连续可微，因此可通过与加权最小二乘估计类似的牛顿法方便地进行求解，与现有状态估计程序之间具有很好的兼容性。理论分析表明新的抗差估计模型具有很强的排除不良杠杆量测的性能，并通过与加权最小二乘估计和广义M估计的数值算例比较，进行了验证。基于IEEE标准系统和2个实际省级电网的计算分析，将本文方法与现场广泛应用的含不良数据辨识环节的加权最小二乘估计程序进行比较，结果表明所提方法的抗差能力具有明显的优势。

Guo Ye, Zhang Boming, Wu Wenchuan .

Solution and performance analysis to a robust state estimation method with exponential objective function

[J]. Proceedings of the CSEE, 2011,31(7):89-95.

URL     [本文引用: 1]

针对一个指数型目标函数电力系统抗差状态估计模型，给出一种有效的求解方法。由于指数型目标函数电力系统抗差状态估计模型的目标函数连续可微，因此可通过与加权最小二乘估计类似的牛顿法方便地进行求解，与现有状态估计程序之间具有很好的兼容性。理论分析表明新的抗差估计模型具有很强的排除不良杠杆量测的性能，并通过与加权最小二乘估计和广义M估计的数值算例比较，进行了验证。基于IEEE标准系统和2个实际省级电网的计算分析，将本文方法与现场广泛应用的含不良数据辨识环节的加权最小二乘估计程序进行比较，结果表明所提方法的抗差能力具有明显的优势。

汪杨凯, 周良松, 李艳 .

基于Fair 函数的电力系统抗差估计

[J]. 电力系统及其自动化学报, 2006,18(3):86-88.

[本文引用: 1]

Wang Yangkai, Zhou Liangsong, Li Yan .

Robust state estimation of power system based on function of fair

[J]. Proceedings of the CSU-EPSA, 2006,18(3):86-88.

[本文引用: 1]

李慧, 杨明皓 .

一种处理杠杆量测的配电网抗差估计算法

[J]. 电力系统自动化, 2005,29(3):31-35.

[本文引用: 1]

Li Hui, Yang Minghao .

Robust estimation algorithm for distribution system leverage measurements

[J]. Automation of Electric Power Systems, 2005,29(3):31-35.

[本文引用: 1]

张兴民, 毛玉华, 朱剑峰 , 等.

利用图论方法进行多不良数据检测与辨识

[J]. 中国电机工程学报, 1997,17(1):69-72.

[本文引用: 1]

Zhang Xingmin. Mao Yuhua, Zhu Jianfeng , et al.

Detection and identification of multi-bad data using graph theory

[J]. Proceedings of the CSEE, 1997,17(1):69-72.

[本文引用: 1]

Huang S J, Lin J M .

Enhancement of power system data debugging using GSA-based data-mining technique

[J]. IEEE Transactions on Power Systems, 2002,17(4):1022-1029.

DOI:10.1109/TPWRS.2002.804992      URL     [本文引用: 1]

Huang S J, Lin J M .

Enhancement of anomalous data mining in power system predicting-aided state estimation

[J]. IEEE Transactions on Power Systems, 2004,19(1):610-619.

DOI:10.1109/TPWRS.2003.818726      URL    

吴军基, 杨伟, 葛成, 等.

基于GSA 的肘形判据用于电力系统不良数据辨识

[J]. 中国电机工程学报, 2006,26(22):23-28.

URL    

在分析GSA (gap statistic algorithm)数据挖掘技术应用于电力系统不良数据辨识的基础上，提出一种判断最佳聚类个数的肘形判据，该判据通过分析数据集的聚类离散度与聚类个数k的关系，按照各个k点的聚类离散度计算k处的肘形折角，并以最小肘形折角判断最佳聚类个数。将该判据与GSA相结合用于电力系统不良数据辨识。仿真结果表明：该方法不仅可以避免状态估计方法辨识的残差污染和残差淹没现象，而且可以克服单纯GSA辨识法在计算速度和辨识准确性方面的缺陷。对于大系统、数据量巨大的情况，该方法是一种快速高效的算法，具有很好的应用前景。

Wu Junji, Yang Wei, Ge Cheng , et al.

Application of GSA-based elbow judgment on bad-data detection of power system

[J]. Proceedings of the CSEE, 2006,26(22):23-28.

URL    

在分析GSA (gap statistic algorithm)数据挖掘技术应用于电力系统不良数据辨识的基础上，提出一种判断最佳聚类个数的肘形判据，该判据通过分析数据集的聚类离散度与聚类个数k的关系，按照各个k点的聚类离散度计算k处的肘形折角，并以最小肘形折角判断最佳聚类个数。将该判据与GSA相结合用于电力系统不良数据辨识。仿真结果表明：该方法不仅可以避免状态估计方法辨识的残差污染和残差淹没现象，而且可以克服单纯GSA辨识法在计算速度和辨识准确性方面的缺陷。对于大系统、数据量巨大的情况，该方法是一种快速高效的算法，具有很好的应用前景。

孙国强, 卫志农, 周封伟 .

改进迭代自组织数据分析法的不良数据辨识

[J]. 中国电机工程学报, 2006,26(11):162-166.

URL    

Sun Guoqiang, Wei Zhinong, Zhou Fengwei .

Application of ISODATA to bad data detection and identification based on genetic algorithms

[J]. Proceedings of the CSEE, 2006,26(11):162-166.

URL    

周苏荃, 张艳军 .

新息图状态估计中多相关不良数据辨识

[J]. 电力系统及其自动化学报, 2008,20(4):1-6.

Zhou Suquan, Zhang Yanjun .

Multiple interacting bad data identification for innovation graph technique

[J]. Proceedings of the CSU-EPSA, 2008,20(4):1-6.

张艳军, 刘海珊, 周苏荃 .

新息图拓扑可观测性及不良数据可辨识性分析

[J]. 电力系统自动化, 2008,32(6):55-59.

URL    

In terms of state estimation， there are great differences between the innovation graph technique and the conventional methods on obtaining the topology configuration and identifying bad data. This paper is concerned with the observability of topology configuration， the correlation of measurement data， the detectability and identifiability of the bad data in the innovation graph technique. In the technique， the observability is determined by the requirement of obtaining the reckoned innovation vector. The detectability and identifiability can be analyzed by the feature of the innovation difference vector. An optimized sequence for identifying the related bad data is proposed. An analysis on this technique and the test on IEEE 30-bus system show that the bad data identifiability can be analyzed qualitatively. The innovation graph technique is robust in identifying anomalies owing to its low requirement on measurement redundancy.

Zhang Yanjun, Liu Haishan, Zhou Suquan .

Topology observability and bad data identifiability analysis of the innovation graph technique

[J]. Automation of Electric Power Systems, 2008,32(6):55-59.

URL    

In terms of state estimation， there are great differences between the innovation graph technique and the conventional methods on obtaining the topology configuration and identifying bad data. This paper is concerned with the observability of topology configuration， the correlation of measurement data， the detectability and identifiability of the bad data in the innovation graph technique. In the technique， the observability is determined by the requirement of obtaining the reckoned innovation vector. The detectability and identifiability can be analyzed by the feature of the innovation difference vector. An optimized sequence for identifying the related bad data is proposed. An analysis on this technique and the test on IEEE 30-bus system show that the bad data identifiability can be analyzed qualitatively. The innovation graph technique is robust in identifying anomalies owing to its low requirement on measurement redundancy.

/

〈 〉