[发明专利]一种基于变权秩和近似相等特性的同期线损异常数据辨识方法

说明书

本发明公开了电力系统线损数据治理领域的一种基于变权秩和近似相等特性的同期线损异常数据辨识方法。包括：求取与同期线损数据序列同时间尺度的理论线损功率数据序列，并进行功率‑电量转换；求取同期线损与理论线损差异平均值，并形成差异序列集合；采用离散编秩法对差异序列集合中的元素按照绝对值大小进行编秩；采用惩罚变权方法对差异元素相应秩进行赋权，并计算变权正、负秩和；求取异常数据秩和差异阈值，辨识是否存在异常数据。能够综合考虑异常数据幅度和异常数据数量的影响，不依赖指标选取进行辨识，辨识准确度高，适应性强，辨识速度较快。

本发明属于电力系统异常数据治理和修复领域，尤其涉及一种同期线损异常数据辨识方法。

背景技术

为了提高电网公司线损管理水平，国家电网公司大力推行一体化电量与线损管理系统(同期线损系统)建设。然而实际运行发现，海量的同期线损系统数据中存在较多的异常数据，严重影响线损指标考核达标率，束缚线损精益化管理水平。因此，同期线损系统异常数据辨识对于线损指标考核，优化电网经济运行等具有重要意义。

目前针对数据异常辨识已有一定研究，但多集中于电力系统运行状态数据或负荷数据的异常辨识。在电力系统状态异常数据辨识方面，主要包括低秩模型分解法、潮流追踪法、残差辨识法等；在负荷异常数据辨识方面，主要包括低秩矩阵分解法、改进FCM算法等；上述方法可显著提高电力系统数据的辨识精度和辨识效率。然而上述方法均是针对电力系统具体应用场景提出的异常数据辨识方法，将其直接运用至同期线损系统异常数据辨识时，辨识效果不佳，误判率和漏判率均较高。随着理论线损快速计算方法的发展，通过理论线损与同期线损对比分析进行异常数据辨识成为可能。通过研究发现，同期线损与理论线损差值序列具有秩和近似相等特性，利用该秩和近似特性进行异常数据辨识，误判率和漏判率均显著降低，辨识效果较好。

发明内容

本发明的目的在于，提供一种基于变权秩和近似相等特性的同期线损异常数据辨识方法，用于解决现有方法存在的上述问题。为实现上述目的，本发明提供的技术方案是，一种基于变权秩和近似相等特性的同期线损异常数据辨识方法，其特征是所述方法包括以下步骤：

S1：求取与同期线损数据序列同时间尺度的理论线损功率数据序列，并进行功率-电量转换；

S2：求取同期线损与理论线损差异平均值，并形成差异序列集合；

S3：采用离散编秩法对差异序列集合中的元素按照绝对值大小进行编秩；

S4：采用惩罚变权方法对差异元素相应秩进行赋权，并计算变权正、负秩和；

S5：根据正、负秩和的大小相对关系，分析正常无异常数据时正、负秩和近似相等特性及含异常数据时正、负秩和异常特征；

S6：基于此，求取异常数据秩和差异阈值，辨识是否存在异常数据，并重复上述步骤，确定异常数据位置。

2.所述S1包括以下步骤：

S101：计算与同期线损数据序列同时间尺度的理论线损功率数据序列；

按15min时间尺度计算理论线损，不同电压等级采用的理论线损计算方法不同。220kV以上电压等级采用潮流法计算，35kV以上及220kV以下电压等级采用前推后代法计算。

S102：对理论线损功率序列进行功率电量转换，形成与同期线损数据序列同时间尺度的理论线损电量数据序列；

3.所述S2包括以下步骤：

S201：计算同期线损与理论线损元素差异平均值；

S202：构造同期线损与理论线损差异电量序列ΔL；

4.所述S3包括以下步骤：