由于电力系统的动态特性,由广域测量系统(wide area measurement system,WAMS)/数据采集与监视控制(supervisory control and data acquisition,SCADA)系统收集来的量测信息不可避免地存在粗量测误差、系统状态突变等各种异常情况。针...由于电力系统的动态特性,由广域测量系统(wide area measurement system,WAMS)/数据采集与监视控制(supervisory control and data acquisition,SCADA)系统收集来的量测信息不可避免地存在粗量测误差、系统状态突变等各种异常情况。针对这一问题,提出一种采用自适应动态状态估计器的并能有效检测、辨识和排除WAMS/SCADA系统中异常情况的信息校正算法。该算法依据动态状态估计器预测系统状态的能力,利用标准化新息以及加权新息与标准化新息的最大比值来检测和辨识多个坏数据、负荷突变、网络拓扑结构错误以及这3种异常同时发生的情况,并利用标准化新息和残差来验证异常处理的效果。数值结果表明所提算法能够快速、准确、有效地检测、辨识和排除动态状态估计过程中的各种异常情况。展开更多
文摘由于电力系统的动态特性,由广域测量系统(wide area measurement system,WAMS)/数据采集与监视控制(supervisory control and data acquisition,SCADA)系统收集来的量测信息不可避免地存在粗量测误差、系统状态突变等各种异常情况。针对这一问题,提出一种采用自适应动态状态估计器的并能有效检测、辨识和排除WAMS/SCADA系统中异常情况的信息校正算法。该算法依据动态状态估计器预测系统状态的能力,利用标准化新息以及加权新息与标准化新息的最大比值来检测和辨识多个坏数据、负荷突变、网络拓扑结构错误以及这3种异常同时发生的情况,并利用标准化新息和残差来验证异常处理的效果。数值结果表明所提算法能够快速、准确、有效地检测、辨识和排除动态状态估计过程中的各种异常情况。
