[发明专利]基于Pearson相关系数的WAMS/SCADA系统对时排序方法

说明书

本发明公开了一种基于Pearson相关系数的WAMS/SCADA系统对时排序方法，属于电力调度领域。该方法充分利用Pearson相关系数能够适用于量纲不同的两个物理量相关性评估的特点，利用不完全布点的WAMS数据与完全布点的SCADA数据进行相关性评估，实现对SCADA数据的对时排序修正。该方法使用简单，充分考虑了WAMS数据和SCADA数据的自身特点。并将其与Pearson相关系数评估特点相结合，具有较强的使用效益。

技术领域

本发明涉及一种基于Pearson相关系数的WAMS/SCADA系统对时排序方法，属于电力调度领域。

背景技术

广域量测系统(WAMS)凭借其在电力系统暂态稳定分析等方面的独特优势，得到了越来越广泛的研究和应用。然而由于当前数据采集与监视控制系统(SCADA)已经实现了在电力系统中的全面覆盖，能够满足当前电网稳态运行监视与控制的需求。从运行经济性角度出发，大部分电网都仅在关键厂站配置WAMS数据的向量测量单元(PMU)。因此，WAMS/SCADA系统成为电网运行监视与控制系统的普遍形态。

从监测数据来看，WAMS系统与SCADA系统具有如下差别：

WAMS采集数据为带GPS时标的节点电压和支路电流相量，数据精度高，更新周期短，传输延时小，受限于当前PMU装置布点较少，WAMS数据覆盖率较低。

SCADA采集数据为不带时标的节点电压幅值、支路功率和节点注入功率，数据精度相对较低，更新周期长，当前SCADA已基本实现全面覆盖，数据较为全面。

因此，在WAMS/SCADA系统中如何利用不完全布点的WAMS数据修正SCADA数据，提升电力系统整体数据可靠性，成为电力系统中数据分析的重要内容。而在WAMS/SCADA系统数据修正中最重要的修正内容就是SCADA数据的对时排序。

由于SCADA数据为不带时标的节点电压幅值、支路功率和节点注入功率数据，由于采集装置自身精度差异、传输距离差异、传输效率差异等因素影响，不同节点的采集数据可能存在一定的时差。传统的SCADA系统中为降低时差等数据质量因素对电力系统计算分析的影响，一般首先采用状态估计方法，对不同节点的采集数据进行修正，以提升数据质量。

而在WAMS/SCADA系统中，由于部分装设了PMU装置的节点采集量为带时标的节点电压和支路电流相量，因此WAMS数据具备无时差特性。这一特点也是利用其对SCADA数据对时排序，提升数据质量的根本原因。

而利用WAMS数据对SCADA数据对时排序中存在两方面亟待解决的问题：

1)WAMS数据受限于PMU装置布点，是不完全布点的，则对于没有WAMS数据的节点，如何提升其数据质量需要考虑；

2)WAMS数据与SCADA数据内容不一致的问题，WAMS量测对象为节点电压和支路电流相量，而SCADA量测对象为节点电压幅值、支路功率和节点注入功率。

由于上述两方面差别，传统的对时排序算法往往需要首先对SCADA数据进行状态估计，将其转化为节点电压和支路电流相量，之后在通过对比WAMS数据和SCADA数据之间的相互关系，修正对应PMU布点的节点数据。

上述流程存在如下两方面问题：

1)没有PMU布点的节点数据没有得到修正，上述修正是不全面的；

2)首先利用SCADA数据进行状态估计，计算出的节点电压和支路电流相量实际上已经有所失真，且计算效率较低。

为解决上述两方面问题，本专利中引入Pearson相关系数，充分利用该系数能够用于解决量纲不同的物理量的时序相关性特点，对有PMU布点的节点数据直接进行修正；然后基于已修正的节点SCADA数据进行状态估计，通过调整不同类型节点的收敛判定条件权重，使得其他节点的SCADA数据也能得到一定程度的修正。