-
题名基于时空多视图学习算法的PMU电压数据重构方法
- 1
-
-
作者
林俊杰
涂明权
朱利鹏
宋文超
陆超
-
机构
福州大学电气工程与自动化学院
湖南大学电气与信息工程学院
新型电力系统运行与控制全国重点实验室(清华大学电机工程与应用电子技术系)
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2024年第24期9533-9545,I0003,共14页
-
基金
福建省自然科学基金项目(2021J05134)
新型电力系统运行与控制全国重点实验室开放基金课题(SKLD23KZ06)。
-
文摘
同步相量测量装置(phasor measurement unit,PMU)具有同步性好、分辨率高、相角直接可测等优点,是实现电力系统在线实时状态感知的重要信息源。然而,由于受到设备故障、气候干扰、通信问题等因素影响,实际电网中的PMU数据容易出现数据缺失和异常等情况,这将干扰后续基于PMU数据的电网高级应用,进而影响电网状态感知和运行调度的可靠性。首先,通过分析现场实测的PMU数据,归纳出4种低质量数据情况,并且利用机理分析和相关性分析方法对系统运行状态进行辨识;然后,将多视图学习方法与电网运行机理相结合,提出基于时空信息特征融合的多视图数据初步重构算法,对PMU低质量和缺失数据进行重构;最后,结合系统不同运行状态特点,利用不同视图生成数据进行低质量数据的辨识,并提出一种基于历史数据的自适应加权的缺失数据重构方法。仿真和实测数据表明该方法能有效对PMU低质量数据进行辨识并实时重构生成,为PMU数据在电力系统中的应用提供有效保障。
-
关键词
同步相量量测数据
低质量数据
系统运行状态辨识
多视图学习法
数据重构
-
Keywords
phasor measurement unit data
low quality data
system running status identification
multi-view-based learning method
data reconstruction
-
分类号
TM734
[电气工程—电力系统及自动化]
-
