[发明专利]主导负荷参数类噪声辨识的量测数据预处理方法和装置

说明书

本发明实施例提供一种主导负荷参数类噪声辨识的量测数据预处理方法和装置，该方法包括：采集连续N个单位时间的用于主导负荷参数类噪声辨识的K组PMU量测数据，若确定第i组PMU量测数据中任一时序序列通过严重错误排查和严重异常排查，则采用经验模态分解对所述第i组PMU量测数据中注入有功功率时序序列和注入无功功率时序序列分别去除低频波动趋势，得到任一时序序列对应的去趋势平稳信号，1≤i≤K；将任一时序序列对应的去趋势平稳信号分别进行基于小波阈值去噪的高频噪声滤除，得到任一时序序列对应的去噪后的估计信号。本发明实施例提供的方法和装置，实现了获得更加精准可靠的主导负荷参数，提升待辨识数据的辨识可用率。

技术领域

本发明涉及主导负荷参数类噪声辨识技术领域，尤其涉及一种主导负荷参数类噪声辨识的量测数据预处理方法和装置。

背景技术

同步相量测量技术(PMU)在区域电网的广泛应用为电力系统负荷建模研究提供了丰富、准确的数据来源。利用各站点正常运行状态下变压器高压侧时刻采集的类噪声电压、功率类噪声量测数据，就可以通过基于类噪声的负荷模型参数辨识方法在线得到以Z+M模型表征的负荷主导参数。然而，由于类噪声信号自身的扰动幅值较小，PMU量测数据中的高频噪声和异常值对于模型参数辨识的影响变得尤为突出，这将直接导致模型参数优化拟合效果变差或收敛至不可靠的局部最优解，最终造成实测PMU数据的辨识可用率较低、难以满足在线辨识的实际需求。

因此，如何避免实测PMU数据的辨识可用率较低、难以满足在线辨识的实际需求，实现提升待辨识数据的辨识可用率和总体拟合效果，获得更加精准可靠的主导负荷参数，仍然是本领域技术人员亟待解决的问题。

发明内容

本发明实施例提供一种基于区块链的电信服务合约一致性保障方法，用以解决现有的基于区块链的电信服务合约无法保证线下营业厅的验证激活能力，且不能保障电信服务合约线上线下一致性的问题。

第一方面，本发明实施例提供一种主导负荷参数类噪声辨识的量测数据预处理方法，包括：

采集连续N个单位时间的用于主导负荷参数类噪声辨识的K组PMU量测数据，其中，任一组PMU量测数据包括变电站主变高压侧的电压幅值时点总数为N/K的时间序列、注入有功功率时点总数为N/K的时间序列和注入无功功率时点总数为N/K的时间序列，N和K均为正整数；

若确定第i组PMU量测数据中任一时序序列通过严重错误排查和严重异常排查，则采用经验模态分解对所述第i组PMU量测数据中注入有功功率时序序列和注入无功功率时序序列分别去除低频波动趋势，得到所述任一时序序列对应的去趋势平稳信号，其中，1≤i≤K；

将所述任一时序序列对应的去趋势平稳信号分别进行基于小波阈值去噪的高频噪声滤除，得到所述任一时序序列对应的去噪后的估计信号。

优选地，该方法中，还包括：

若确定第i组PMU量测数据中存在时序序列未通过严重错误排查或严重异常排查，则将第i组PMU量测数据剔除。

优选地，该方法中，所述对第i组PMU量测数据中任一时序序列进行严重错误排查，具体包括：

第i组PMU量测数据中检测出电压幅值时间序列的平均电压偏离预设范围、电压幅值时间序列的电压值波动小于第一阈值、注入有功功率时间序列中功率值出现负值、注入无功功率时间序列中功率值出现负值、注入有功功率时间序列中功率值波动小于第二阈值、注入无功功率时间序列中功率值波动小于第三阈值任一条件或任意条件的组合，则判定第i组PMU量测数据中任一时序序列通过严重错误排查，否则，第i组PMU量测数据中存在时序序列未通过严重错误排查。

优选地，该方法中，所述对第i组PMU量测数据中任一时序序列进行异常错误排查，具体包括：