基于因子分析的母線負荷異常數據辨識方法

文 旭，王 浩，黃 剛，顏 偉，張愛楓，趙國富，劉高群，曾星星

(1．國家電網公司西南分部，成都 610041；2．重慶大學 輸配電裝備及系統安全與新技術國家重點實驗室，重慶 400044；3．重慶電力交易中心有限公司, 重慶 400013)

高質量的監測數據對電網數字化發展具有重要現實意義[1]，然而量測系統中母線負荷數據存在的各類異常影響了電力系統狀態估計[2]、負荷預測[3]等高級數字化應用。如何有效地辨識出母線負荷異常數據，提高數據質量一直是工程界和學術界關注的焦點[4]。

現有母線負荷異常數據辨識方法主要有3類：基于時間序列、基于聚類和基于時頻域變換的方法。基于時間序列的方法以負荷數據時序變化規律為基礎，通過B樣條函數[5]、多項式[6]等基函數將樣本中的部分節點擬合成一條光滑曲線；然后在該光滑曲線上下劃定時序負荷數據的正常波動范圍，將超出該范圍的負荷數據辨識為異常數據。該類方法過分依賴序列的平滑特征，只對毛刺類異常較為有效。基于聚類的方法以負荷曲線簇為樣本，首先應用k-均值聚類算法[7-8]、模糊C均值聚類算法[9-11]等聚類方法將負荷曲線歸為幾類；然后各自提取其典型負荷曲線；最后將待辨識的負荷曲線與各典型負荷曲線對比，根據二者差異的大小判斷負荷曲線中是否含有異常數據。該類方法以歐氏距離或隸屬度作為負荷曲線類別劃分依據，忽略了負荷曲線的形狀信息，可能導致曲線錯誤分類，進而影響異常數據辨識準確率。……