朱赵桓，王安雨，徐 天

（南京工程学院，江苏 南京 210000）

0 引 言

随着电力企业的不断发展，电力网络逐渐受到电力行业工作人员的重视。在电力网络的日常运行中，量测量和量测通道的使用状态以及外界信号的干扰会产生大量的量测误差[1]。含坏数据的检测与辨识作为电网状态估计的重要工作内容之一，主要结合获得的状态估计值和电网中预留的冗余信息发现并排除量测采样数据中的含坏数据，从而提高电网状态估计的真实性。分析使用效果可知，传统的电网含坏数据检测与辨识效果较差且适用性不强[2-3]。因此，设计基于快速分解正交变换状态估计的电网含坏数据检测与辨识方法，采用算例测试的形式对比其与传统方法的使用差异。

1 基于快速分解正交变换状态估计的电网含坏数据检测与辨识方法设计

1.1 电网状态估计

在正常运行的电网中，有功功率Y、电压增幅Z、无功功率X以及电压相角α之间存在微弱的关联。通过使用雅可比矩阵，可知：

在状态估计中，采用式（1）实现对XY解耦，估计快速分解正交变换算法引用的电网状态后，量测方程设定如下：

式（2）中，AU为量测产生的电压数据，AR为量测产生的功率数据，gu(k)、gr(k)为某支路上的电压数据和功率数据，zu、zr为节点的电压数据和功率数据。根据式（2）完成量测过程，使用雅可比矩阵和快速分解法潮流算法进行求值，并将求得的值设定为权重对角阵分解矩阵[4-5]。修正矩阵得出电网的状态值并展开迭代计算，计算后得到的状态值为电网的最佳状态估计值。依据此状态估计值，可实现电网含坏数据检测与辨识。

1.2 电网含坏数据检测方法设计

此次研究中采用量测量突变检测法检测电网中的含坏数据。量测量突变检测法是将采样时间的量测量与采样之前的预测量进行对比。如果出现数据量激增的问题，则对此可疑数据展开检测。此方法可提升检测的精准度。

使用此方法前，应设定相应的约束条件。例如，相邻采样点之间的电网状态不发生变化，检测数据中存在含坏数据时，需及时修正数据。对约束条件设定的突变门限值如下：

式（3）中，gi,j为ti时间第i个实际测量值，gi/i-j为ti-1时对gi,j的预测值，∂i为突变门限值，Δgi,j为激增量。使用式（3）检测电网数据中的含坏数据，并将其应用于原有的方法，从而实现对电网不良数据的检测与辨识。

1.3 实现含坏数据检测与辨识

为实现设定的技术及程序，则设定方法中使用PMU量测和SCADA量测。将两种量测设备相结合，可有效提升量测结果的可靠性。方法使用的过程中涉及到数据运算的部分较多，因而采用SQL数据库存储采样数据，并在数据库中展开运算过程，以确保数据计算的可控性。

整合上述设计部分，形成整体性的方法。至此，完成基于快速分解正交变换状态估计的电网含坏数据检测与辨识方法设计。

2 算例测试

2.1 测试环境设定

测试中，采用MATPOWER仿真软件对电网的数据结果展开仿真处理。处理内容包括计算信息向量、基于网络支路的信息向量以及差别向量等。通过对比文中设计方法与原有的电网含坏数据检测与辨识方法，完成测试过程。

设定此次测试中的含错数据存在于网络枝干。在电网的正常运行状态下，如果前面部分支路突然断开，后面部分支路的有效数据就会大幅度激增。通过产生的设定模拟含错数据，展开文中设计方法与原有方法对此测试环境的含坏数据检测与辨识，结合电网主路与支路上两种对比方法对含错数据的精准度进行检测与辨识。

2.2 测试结果

通过上述设定设计测试环境，并将其作为此次测试的基础完成测试过程。此次测试展开两次检测与辨识工作，结合电网主路的各个节点和支路的重要连接节点数据。为了加强数据管理，通过测试点Z1～Z10对本文方法及原有方法进行测试。根据设定工作环境将含错数据分别放在电网主路上和支路上分别进行检测及辨识。测试环境进行两次检测与辨识，以测定两种方法的检测精准性如表1和表2所示。

表1 含错数据在电网主路上的检测精准度测试结果

表2 含错数据在电网支路上的检测精准度测试结果

通过实验数据可知，含错数据的位置影响检测与辨识方法的使用效果。经分析可知，原有方法含错数据在电网主路时的检测精度高于在电网支流的检测精度。通过数据对比可知，文中设计方法在两种测试环境的使用效果均优于原有方法。文中设计方法的检测精准度取值范围约达99%，原有方法的精准度取值最高值仅为96%左右。

3 结 论

电网状态估计是电网控制中的重要组成部分，含坏数据的检测与辨识是电网状态估计中的重点研究对象。当今，智能电网的应用普及，对电网调度方式安排智能化的要求越来越高，因此电网量测数据的要求随之提升。在此环境背景下，针对传统方法的不足，引用快速分解正交变换算法对其展开优化，并根据电网的实际情况设定含错数据检测方法。通过算例测试可知，文中设计方法的使用效果更佳。在日后的电网使用与控制中广泛应用此方法，可提升电网调度的科学性。