基于GSA算法與抗差估計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：針對混合式抽水蓄能電站電能計量校正問題，本文提出了一種將抗差估計與間隙統(tǒng)計算法相結(jié)合的電能計量校正方法。該方法將抗差估計與加權(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，削弱了在整體估計中壞數(shù)據(jù)產(chǎn)生的影響，得到估計值后將計算得到的相對估計誤差值輸入聚類算法，最后通過GSA聚類分析方法實現(xiàn)不良數(shù)據(jù)辨識，在保證校正準確度的同時，又保持了對壞數(shù)據(jù)鑒別能力的速度和準確度，有效解決了殘差污染、淹沒問題。

關鍵詞：抽水蓄能電站;GSA算法;抗差估計;數(shù)據(jù)校正

中圖分類號：TM73 文獻標識碼：A 文章編號：1007-9416（2019）10-0124-02

0 引言

混合式水電站由于工況頻繁互換，主接線形式復雜，運行方式靈活多變，電能計量經(jīng)常會出現(xiàn)較大誤差甚至錯誤，影響著抽水蓄能電站相應的運行決策和經(jīng)濟效益。

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

本文使用加權(quán)抗差最小二乘估計法對計量值進行校正，并通過GSA聚類分析算法進行辨識，建立出適用于抽水蓄能電站校正系統(tǒng)模型，簡化校正計算過程。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，電能計量裝置在使用過程中，會出現(xiàn)一些不可避免的誤差甚至是錯誤。因此，建立一個可行的檢測校正系統(tǒng)更能從原理上解決抽蓄電站電能計量偏差較大的問題。本文提出的校正系統(tǒng)能夠通過數(shù)據(jù)挖掘GSA算法的不良數(shù)據(jù)辨識和指數(shù)加權(quán)最小二乘抗差估計等手段實現(xiàn)對電能數(shù)據(jù)中誤差和錯誤的修正。

1.2 電能計量數(shù)據(jù)的優(yōu)化校正方法

1.3.3 通過肘形判據(jù)判斷聚類個數(shù)

在同一坐標系分別畫出E[lnWr（k）]曲線和lnW（k）曲線，兩者間差值最大時，lnW（k）曲線會出現(xiàn)最小肘形角，根據(jù)肘形判據(jù)能確定聚類個數(shù)k。

1.3.4 通過肘形判據(jù)檢測是否存在不良數(shù)據(jù)

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

2 算例分析

2.1 抽水蓄能電站電能數(shù)據(jù)

下面對吉林某混合式抽水蓄能電站的電能數(shù)據(jù)進行仿真分析。仿真數(shù)據(jù)取自該抽水蓄能電站，由兩個常規(guī)水電機組、兩個抽水蓄能機組、兩處廠用負荷和兩處電網(wǎng)接口組成的局部實時運行數(shù)據(jù)。系統(tǒng)安裝的計量表計中一共可以獲取32種量測數(shù)據(jù)，均取自2019年5月某日某時刻的抽水蓄能電站量測數(shù)據(jù)。在同一時刻共從該抽水蓄能電站現(xiàn)場采樣60組電能數(shù)據(jù)，選取電能數(shù)據(jù)中的50組作為訓練樣本，余下的10組用于進行狀態(tài)估計后，再輸入神經(jīng)網(wǎng)絡進行測試。

2.2 電能計量數(shù)據(jù)優(yōu)化校正方法的有效性驗證

為驗證本文所提電能數(shù)據(jù)優(yōu)化校正方法的有效性，下面對吉林某抽水蓄能電站進行仿真分析。現(xiàn)場主接線形式為雙母線形式，受與機組直接相連的a母和b母兩條母線最大容量均為450MW的限制，實際運行中，6、7號機組運行于b號母線（與電網(wǎng)入口10號線相連），并為5號廠用負荷供電;1、2號機組運行于a號母線（與電網(wǎng)入口9號線相連），并向4號廠用變壓器提供用電。在圖1中設置10號節(jié)點及b-8線路上存在不良數(shù)據(jù)。

表1為兩種估計方法的結(jié)果，與WLS估計相比，EFWLS的最優(yōu)估計值更接近真值，精度更高，受不良數(shù)據(jù)產(chǎn)生的影響更小。可以通過兩種估計結(jié)果來計算殘差值，可以發(fā)現(xiàn)兩次的殘差值都較小，很容易導致殘差小于檢測門檻值難以辨識。

2.3 電能計量數(shù)據(jù)檢測的有效性驗證

本文提出的對電能計量數(shù)據(jù)的檢測方法是通過對EFWLS估計后的相對估計誤差數(shù)據(jù)采用k均值聚類分析方法進行辨識。聚類計算及分析的過程如表2、圖2所示。由圖2可知，聚類個數(shù)2對應的間隙值大于聚類個數(shù)1對應的間隙值，說明存在不良數(shù)據(jù)。再根據(jù)肘形判據(jù)進行分析，由式（5）得到最佳聚類個數(shù)為3。對3個聚類內(nèi)元素平均值進行計算，得到較大平均值聚類內(nèi)的元素為P10、Q10、Pb-8、Qb-8，最終計算結(jié)果與算例分析中設置的不良數(shù)據(jù)點完全符合，證明了該校正方法的準確性。

3 結(jié)語

本文針對抽水蓄能電站的電能量測中不良數(shù)據(jù)多、誤差較大的情況，結(jié)合指數(shù)加權(quán)最小二乘抗差估計在數(shù)據(jù)校正、GSA聚類分析方法在不良數(shù)據(jù)檢測的優(yōu)點，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)抗差估計來抑制不良數(shù)據(jù)影響，通過肘形判據(jù)根據(jù)折角度數(shù)尋找最佳聚類個數(shù)實現(xiàn)不良數(shù)據(jù)辨識，提高了計算效率和聚類穩(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)估計方法相比，在復雜非線性系統(tǒng)下，計算準確度更高，能很好地避免殘差污染、淹沒現(xiàn)象。

參考文獻

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

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

[3] 付艷蘭，陳艷波，姚銳，等.基于最大指數(shù)絕對值目標函數(shù)的抗差狀態(tài)估計方法[J].電網(wǎng)技術，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)檢測中的應用[J].自動化技術與應用，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[J].中國電機工程學報，2006（22）：23-28.

[6] 辛壯，萬良，李均濤.改進的聚類算法在網(wǎng)絡異常行為檢測中的應用[J].計算機技術與發(fā)展，2019，29（03）：111-116.

[7] 顏偉，段磊，楊煥燕，等.基于智能電表量測的三相四線制配網(wǎng)抗差估計[J].中國電機工程學報，2015，35（01）：60-67.

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