[发明专利]一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法

说明书

本发明提出一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法，包括：求取节点导纳矩阵；获取SCADA仪表量测量与PMU装置量测量，构建基于混合状态估计的状态量集合；组成历史状态量数据库；利用多维状态矩阵滑动匹配方法对智能电网节点未来状态进行预测，得到预测结果；采用改进功率平衡方程检测法检测当前系统中是否存在异常数据，若存在异常，采用残差分布偏离度检测方法判断该异常是否由量测量突变造成，若是，则进行修正，剔除了不良数据，为今后的状态预测提供可靠的数据支撑。本发明具有更好的预测鲁棒性，能够有效利用历史数据库中的信息，提高了智能电网的安全可靠性及抵御恶性数据和不良数据的能力。

技术领域

本发明属于电力系统安全技术，具体涉及一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法。

背景技术

随着智能化设备推广与电力系统自动化水平不断攀升，传统电力系统逐渐向智能电网进行过渡。智能电网作为电网新一代关键基础设施，其突出特点在于将网络化虚拟资源与物理界实体设备深层结合，借助集成运算、通信网络与控制技术，在电网一次系统与二次系统间建立海量信息通信架构与信息集成渠道，为实现信息系统与物理系统的高度融合提供有效途径。

现有智能电网离不开监视控制与数据采集(SCADA)系统与相量测量单元(PMU)的数据和命令传输功能以及调控中心能量管理系统(EMS)的信息处理、分析与决策的辅助。为保证上述功能的安全可靠，需要预防不良数据或网络数据攻击的产生，因此调控中心通过状态预测的方式获取预报数据，从而对全系统进行准确而全面的监测。

然而现有状态预测及不良数据检测方法存在些许不足：1)对于较大差异度的不良数据具有不错的检测效果，而对于差异度小的不良数据漏检率高；2)缺乏对隐蔽性强的恶性数据注入攻击检测的机制；3)量测量突变情况的出现会使预测失准，预测鲁棒性差。

发明内容

基于以上技术不足，本发明基于现有智能电网中SCADA和PMU混合量测场景，提出了一种基于多维状态矩阵滑动匹配的智能电网鲁棒状态预测方法，该方法的提出为检测恶性数据注入攻击、较小差异度的不良数据及提高状态预测鲁棒性提供了一种新的解决思路。

一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法，具体步骤如下：

步骤1、获取SCADA仪表与PMU装置的具体位置，确定当前智能电网网络参数及拓扑结构，通过自导纳和互导纳的定义或支路和节点关联矩阵求取节点导纳矩阵；

所述智能电网网络参数包括：路电阻、支路电抗、变压器变比；

步骤2、基于SCADA和PMU不同的采样频率，获取SCADA仪表量测量与PMU装置量测量，采用电网滑动时间窗口构建基于混合状态估计的状态量集合；

其中，SCADA仪表量测量包含节点电压幅值量测、节点注入有功量测、节点注入无功量测、支路潮流有功量测和支路潮流无功量测；PMU装置量测量包含节点电压幅值量测、节点电压相角量测、支路电流幅值量测和支路电流相角量测；

步骤2.1、在k时刻，PMU与SCADA仪表均进行采样，通过PMU和SCADA混合状态估计方法得到k时刻下节点状态量；

步骤2.2、对k时刻下节点状态量x求取对应的量测量h(x)，作为k+Δk时刻下系统中的量测量，其中Δk为静态状态估计周期；

步骤2.3、获取k+Δk时刻下PMU量测量，将步骤2.2获得的量测量作为k+Δk时刻SCADA仪表量测量，与k+Δk时刻PMU量测量进行静态状态估计，使用混合状态估计方法得到k+Δk时刻下节点状态量x_k+Δk。

步骤2.4、求取k+Δk*2时刻下系统中的量测量，方法同步骤2.2，最终在SCADA仪表采样间隔内，得到一系列节点状态，即其中，是任意连续两个SCADA仪表采样时间内(如k和k+1时刻)PMU作静态状态估计的最大次数；