基于近邻传播算法的负荷不良数据辨识

李 山，杨 冬，蒋 哲，周 宁，房 俏，李常刚

（1.国网山东省电力公司电力科学研究院，山东 济南 250003；2.山东大学电气工程学院，山东 济南 250061）

0 引言

状态估计是电力调度系统中的一项重要的基础功能，其通过数据采集和监测系统（Supervisory Control and Data Acquisition，SCADA）和广域量测系统（Wide Area Measurement System，WAMS）所收集到的电气量量测数据估计电网的运行状态［1］。由于电力系统规模庞大，所采集到的数据复杂多样，在数据的采集、传输、处理等各个环节中，数据均可能出现偏差或错误，造成状态估计的结果不准确。有较大偏差或错误的量测数据称为不良数据，为提高状态估计的准确度，需要对不良数据进行辨识，进一步采取相关措施对其处理。

不良数据的辨识方法主要分为两大类，传统的不良数据检测辨识方法和基于数据挖掘的不良数据检测辨识方法。传统的不良数据检测法包括有标准残差检测法、量测量突变检测法、混合检测法、量测量相关性检测法等［2］；传统的不良数据辨识法主要包括有残差搜索辨识法、零残差辨识法等［3］。传统不良数据检测与辨识方法大部分是基于残差计算进行的，通常以标准残差或者加权残差作为特征值，通过概率论的假设检验，对量测结果进行逻辑判断，进而对不良数据进行辨识。传统以残差为基础的方法容易出现残差污染和残差淹没现象，造成漏检或误检，降低了不良数据的辨识准确度。许多学者为了克服传统辨识方法的缺点，采取了多种手段或方法对传统基于残差的辨识方法进行了改进，如估计辨识法、量测系统误差方差估计辨识法［4］、假设检验辨识法、基于新息差向量辨识不良数据的方法、基于模糊动态的不良数据辨识法等［5］。……