基于GSA算法與抗差估計(jì)的抽水蓄能電站電能數(shù)據(jù)校正方法

王玉成 王世海 周芟杉

摘要：針對(duì)混合式抽水蓄能電站電能計(jì)量校正問(wèn)題，本文提出了一種將抗差估計(jì)與間隙統(tǒng)計(jì)算法相結(jié)合的電能計(jì)量校正方法。該方法將抗差估計(jì)與加權(quán)最小二乘法相結(jié)合，形成了指數(shù)加權(quán)最小二乘抗差估計(jì)，削弱了在整體估計(jì)中壞數(shù)據(jù)產(chǎn)生的影響，得到估計(jì)值后將計(jì)算得到的相對(duì)估計(jì)誤差值輸入聚類(lèi)算法，最后通過(guò)GSA聚類(lèi)分析方法實(shí)現(xiàn)不良數(shù)據(jù)辨識(shí)，在保證校正準(zhǔn)確度的同時(shí)，又保持了對(duì)壞數(shù)據(jù)鑒別能力的速度和準(zhǔn)確度，有效解決了殘差污染、淹沒(méi)問(wèn)題。

關(guān)鍵詞：抽水蓄能電站;GSA算法;抗差估計(jì);數(shù)據(jù)校正

中圖分類(lèi)號(hào)：TM73 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）10-0124-02

0 引言

混合式水電站由于工況頻繁互換，主接線(xiàn)形式復(fù)雜，運(yùn)行方式靈活多變，電能計(jì)量經(jīng)常會(huì)出現(xiàn)較大誤差甚至錯(cuò)誤，影響著抽水蓄能電站相應(yīng)的運(yùn)行決策和經(jīng)濟(jì)效益。

文獻(xiàn)[1]對(duì)傳統(tǒng)狀態(tài)估計(jì)衍生出的檢測(cè)方法，如加權(quán)殘差、標(biāo)準(zhǔn)化殘差檢測(cè)法進(jìn)行了總結(jié)。在傳統(tǒng)狀態(tài)估計(jì)中，抗差估計(jì)由于其抵抗粗差的優(yōu)良特性得到了廣泛應(yīng)用;文獻(xiàn)[2-3]對(duì)抗差估計(jì)的迭代方法及步驟，并對(duì)在不同模型下的抗差估計(jì)的性能和計(jì)算速度進(jìn)行了比較分析;文獻(xiàn)[4-5]分別介紹了利用區(qū)域密度統(tǒng)計(jì)、最大最小距離法和k-means算法優(yōu)化后的GSA辨識(shí)算法;文獻(xiàn)[6]提出了利用距離比值判斷聚類(lèi)效果，提高準(zhǔn)確度的方法。但針對(duì)混合式水電站電能計(jì)量錯(cuò)誤校正的問(wèn)題，行業(yè)內(nèi)基本停留在對(duì)計(jì)量裝置的硬件優(yōu)化、規(guī)范標(biāo)準(zhǔn)等方面，并未進(jìn)行整體校正方法的研究。

本文使用加權(quán)抗差最小二乘估計(jì)法對(duì)計(jì)量值進(jìn)行校正，并通過(guò)GSA聚類(lèi)分析算法進(jìn)行辨識(shí)，建立出適用于抽水蓄能電站校正系統(tǒng)模型，簡(jiǎn)化校正計(jì)算過(guò)程。最后基于某抽水蓄能電站某一天的電能數(shù)據(jù)分析驗(yàn)證本文所提模型方法的有效性。

1 校正系統(tǒng)整體結(jié)構(gòu)

1.1 概述

抽水蓄能電站工況多變，電能計(jì)量裝置在使用過(guò)程中，會(huì)出現(xiàn)一些不可避免的誤差甚至是錯(cuò)誤。因此，建立一個(gè)可行的檢測(cè)校正系統(tǒng)更能從原理上解決抽蓄電站電能計(jì)量偏差較大的問(wèn)題。本文提出的校正系統(tǒng)能夠通過(guò)數(shù)據(jù)挖掘GSA算法的不良數(shù)據(jù)辨識(shí)和指數(shù)加權(quán)最小二乘抗差估計(jì)等手段實(shí)現(xiàn)對(duì)電能數(shù)據(jù)中誤差和錯(cuò)誤的修正。

1.2 電能計(jì)量數(shù)據(jù)的優(yōu)化校正方法

1.3.3 通過(guò)肘形判據(jù)判斷聚類(lèi)個(gè)數(shù)

在同一坐標(biāo)系分別畫(huà)出E[lnWr（k）]曲線(xiàn)和lnW（k）曲線(xiàn)，兩者間差值最大時(shí)，lnW（k）曲線(xiàn)會(huì)出現(xiàn)最小肘形角，根據(jù)肘形判據(jù)能確定聚類(lèi)個(gè)數(shù)k。

1.3.4 通過(guò)肘形判據(jù)檢測(cè)是否存在不良數(shù)據(jù)

根據(jù)GSA算法，當(dāng)?shù)玫降淖顑?yōu)聚類(lèi)個(gè)數(shù)k為1時(shí)，代表著系統(tǒng)所有的待檢測(cè)數(shù)據(jù)為正常數(shù)據(jù)。不為1時(shí)，表明存在著不良數(shù)據(jù)。最小平均值的聚類(lèi)為正常數(shù)據(jù)，其余均被認(rèn)定為不良數(shù)據(jù)。

2 算例分析

2.1 抽水蓄能電站電能數(shù)據(jù)

下面對(duì)吉林某混合式抽水蓄能電站的電能數(shù)據(jù)進(jìn)行仿真分析。仿真數(shù)據(jù)取自該抽水蓄能電站，由兩個(gè)常規(guī)水電機(jī)組、兩個(gè)抽水蓄能機(jī)組、兩處廠用負(fù)荷和兩處電網(wǎng)接口組成的局部實(shí)時(shí)運(yùn)行數(shù)據(jù)。系統(tǒng)安裝的計(jì)量表計(jì)中一共可以獲取32種量測(cè)數(shù)據(jù)，均取自2019年5月某日某時(shí)刻的抽水蓄能電站量測(cè)數(shù)據(jù)。在同一時(shí)刻共從該抽水蓄能電站現(xiàn)場(chǎng)采樣60組電能數(shù)據(jù)，選取電能數(shù)據(jù)中的50組作為訓(xùn)練樣本，余下的10組用于進(jìn)行狀態(tài)估計(jì)后，再輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試。

2.2 電能計(jì)量數(shù)據(jù)優(yōu)化校正方法的有效性驗(yàn)證

為驗(yàn)證本文所提電能數(shù)據(jù)優(yōu)化校正方法的有效性，下面對(duì)吉林某抽水蓄能電站進(jìn)行仿真分析。現(xiàn)場(chǎng)主接線(xiàn)形式為雙母線(xiàn)形式，受與機(jī)組直接相連的a母和b母兩條母線(xiàn)最大容量均為450MW的限制，實(shí)際運(yùn)行中，6、7號(hào)機(jī)組運(yùn)行于b號(hào)母線(xiàn)（與電網(wǎng)入口10號(hào)線(xiàn)相連），并為5號(hào)廠用負(fù)荷供電;1、2號(hào)機(jī)組運(yùn)行于a號(hào)母線(xiàn)（與電網(wǎng)入口9號(hào)線(xiàn)相連），并向4號(hào)廠用變壓器提供用電。在圖1中設(shè)置10號(hào)節(jié)點(diǎn)及b-8線(xiàn)路上存在不良數(shù)據(jù)。

表1為兩種估計(jì)方法的結(jié)果，與WLS估計(jì)相比，EFWLS的最優(yōu)估計(jì)值更接近真值，精度更高，受不良數(shù)據(jù)產(chǎn)生的影響更小。可以通過(guò)兩種估計(jì)結(jié)果來(lái)計(jì)算殘差值，可以發(fā)現(xiàn)兩次的殘差值都較小，很容易導(dǎo)致殘差小于檢測(cè)門(mén)檻值難以辨識(shí)。

2.3 電能計(jì)量數(shù)據(jù)檢測(cè)的有效性驗(yàn)證

本文提出的對(duì)電能計(jì)量數(shù)據(jù)的檢測(cè)方法是通過(guò)對(duì)EFWLS估計(jì)后的相對(duì)估計(jì)誤差數(shù)據(jù)采用k均值聚類(lèi)分析方法進(jìn)行辨識(shí)。聚類(lèi)計(jì)算及分析的過(guò)程如表2、圖2所示。由圖2可知，聚類(lèi)個(gè)數(shù)2對(duì)應(yīng)的間隙值大于聚類(lèi)個(gè)數(shù)1對(duì)應(yīng)的間隙值，說(shuō)明存在不良數(shù)據(jù)。再根據(jù)肘形判據(jù)進(jìn)行分析，由式（5）得到最佳聚類(lèi)個(gè)數(shù)為3。對(duì)3個(gè)聚類(lèi)內(nèi)元素平均值進(jìn)行計(jì)算，得到較大平均值聚類(lèi)內(nèi)的元素為P10、Q10、Pb-8、Qb-8，最終計(jì)算結(jié)果與算例分析中設(shè)置的不良數(shù)據(jù)點(diǎn)完全符合，證明了該校正方法的準(zhǔn)確性。

3 結(jié)語(yǔ)

本文針對(duì)抽水蓄能電站的電能量測(cè)中不良數(shù)據(jù)多、誤差較大的情況，結(jié)合指數(shù)加權(quán)最小二乘抗差估計(jì)在數(shù)據(jù)校正、GSA聚類(lèi)分析方法在不良數(shù)據(jù)檢測(cè)的優(yōu)點(diǎn)，形成了一套優(yōu)化電能數(shù)據(jù)校正方法。利用指數(shù)加權(quán)抗差估計(jì)來(lái)抑制不良數(shù)據(jù)影響，通過(guò)肘形判據(jù)根據(jù)折角度數(shù)尋找最佳聚類(lèi)個(gè)數(shù)實(shí)現(xiàn)不良數(shù)據(jù)辨識(shí)，提高了計(jì)算效率和聚類(lèi)穩(wěn)定性。最后算例結(jié)果表明，本文所提出的校正系統(tǒng)與傳統(tǒng)的狀態(tài)估計(jì)方法相比，在復(fù)雜非線(xiàn)性系統(tǒng)下，計(jì)算準(zhǔn)確度更高，能很好地避免殘差污染、淹沒(méi)現(xiàn)象。

參考文獻(xiàn)

[1] 于爾鏗.電力系統(tǒng)狀態(tài)估計(jì)[M].水利電力出版社，1985.

[2] 肖明，陳長(zhǎng)坤，蘇迪，等.抗差估計(jì)選權(quán)迭代分析與比較[J].現(xiàn)代測(cè)繪，2019，42（03）：40-42.

[3] 付艷蘭，陳艷波，姚銳，等.基于最大指數(shù)絕對(duì)值目標(biāo)函數(shù)的抗差狀態(tài)估計(jì)方法[J].電網(wǎng)技術(shù)，2013，37（11）：3166-3171.

[4] 猶峰，王淵.優(yōu)化GSA算法在電力調(diào)度系統(tǒng)不良數(shù)據(jù)檢測(cè)中的應(yīng)用[J].自動(dòng)化技術(shù)與應(yīng)用，2019，38（07）：33-36.

[5] 吳軍基，楊偉，葛成，等.基于GSA的肘形判據(jù)用于電力系統(tǒng)不良數(shù)據(jù)辨識(shí)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2006（22）：23-28.

[6] 辛壯，萬(wàn)良，李均濤.改進(jìn)的聚類(lèi)算法在網(wǎng)絡(luò)異常行為檢測(cè)中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019，29（03）：111-116.

[7] 顏偉，段磊，楊煥燕，等.基于智能電表量測(cè)的三相四線(xiàn)制配網(wǎng)抗差估計(jì)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35（01）：60-67.

[8] 段磊.三相四線(xiàn)制配電網(wǎng)抗差狀態(tài)估計(jì)與不良數(shù)據(jù)辨識(shí)方法研究[D].重慶大學(xué)，2015.