基于电力大数据的分布式电网异常负荷动态检测方法

摘要：

电网负荷数据基数大、分布范围广,且其异常状态检测复杂度高.提出一种基于电力大数据分布的电网异常负荷动态检测方法.采用非线性回归方程,估计中心负荷权重,并分割动态检测区域.采用状态估计法结合参数平滑对异常的负荷数据进行状态估计,并利用自回归滤波(extended Kalman filter,EKF)剔除噪声数据.计算负荷数据的近相似系数,划分异常数据域,设定分布概率较高的数据为异常负荷数据.通过观测负荷数据与异常域中心之间的关联性,判断负荷是否存在异常问题.仿真实验结果表明:高信噪比环境下,该方法检测异常负荷数据的最大特征量为160条;低信噪比环境下,异常负荷数据的最大特征量为158条,且峰值出现在节点51—节点120的位置.检测出的负荷数量均超过电网最大阈值,说明所提方法能够精确检测出异常负荷,且能够完全包含真实阈值,检测的全面性可高达100％.

关键词：电网负荷数据、动态检测、中心权重、暂态矩阵、异常判定局域

所属期刊栏目：39

分类号：TP318(计算技术、计算机技术)

资助基金：广东电网有限责任公司科技项目C4761620K005

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：17-22,32