基于GSA算法与抗差估计的抽水蓄能电站电能数据校正方法

王玉成 王世海 周芟杉

摘要：针对混合式抽水蓄能电站电能计量校正问题，本文提出了一种将抗差估计与间隙统计算法相结合的电能计量校正方法。该方法将抗差估计与加权最小二乘法相结合，形成了指数加权最小二乘抗差估计，削弱了在整体估计中坏数据产生的影响，得到估计值后将计算得到的相对估计误差值输入聚类算法，最后通过GSA聚类分析方法实现不良数据辨识，在保证校正准确度的同时，又保持了对坏数据鉴别能力的速度和准确度，有效解决了残差污染、淹没问题。

关键词：抽水蓄能电站;GSA算法;抗差估计;数据校正

中图分类号：TM73 文献标识码：A 文章编号：1007-9416（2019）10-0124-02

0 引言

混合式水电站由于工况频繁互换，主接线形式复杂，运行方式灵活多变，电能计量经常会出现较大误差甚至错误，影响着抽水蓄能电站相应的运行决策和经济效益。

文献[1]对传统状态估计衍生出的检测方法，如加权残差、标准化残差检测法进行了总结。在传统状态估计中，抗差估计由于其抵抗粗差的优良特性得到了广泛应用;文献[2-3]对抗差估计的迭代方法及步骤，并对在不同模型下的抗差估计的性能和计算速度进行了比较分析;文献[4-5]分别介绍了利用区域密度统计、最大最小距离法和k-means算法优化后的GSA辨识算法;文献[6]提出了利用距离比值判断聚类效果，提高准确度的方法。但针对混合式水电站电能计量错误校正的问题，行业内基本停留在对计量装置的硬件优化、规范标准等方面，并未进行整体校正方法的研究。

本文使用加权抗差最小二乘估计法对计量值进行校正，并通过GSA聚类分析算法进行辨识，建立出适用于抽水蓄能电站校正系统模型，简化校正计算过程。最后基于某抽水蓄能电站某一天的电能数据分析验证本文所提模型方法的有效性。

1 校正系统整体结构

1.1 概述

抽水蓄能电站工况多变，电能计量装置在使用过程中，会出现一些不可避免的误差甚至是错误。因此，建立一个可行的检测校正系统更能从原理上解决抽蓄电站电能计量偏差较大的问题。本文提出的校正系统能够通过数据挖掘GSA算法的不良数据辨识和指数加权最小二乘抗差估计等手段实现对电能数据中误差和错误的修正。

1.2 电能计量数据的优化校正方法

1.3.3 通过肘形判据判断聚类个数

在同一坐标系分别画出E[lnWr（k）]曲线和lnW（k）曲线，两者间差值最大时，lnW（k）曲线会出现最小肘形角，根据肘形判据能确定聚类个数k。

1.3.4 通过肘形判据检测是否存在不良数据

根据GSA算法，当得到的最优聚类个数k为1时，代表着系统所有的待检测数据为正常数据。不为1时，表明存在着不良数据。最小平均值的聚类为正常数据，其余均被认定为不良数据。

2 算例分析

2.1 抽水蓄能电站电能数据

下面对吉林某混合式抽水蓄能电站的电能数据进行仿真分析。仿真数据取自该抽水蓄能电站，由两个常规水电机组、两个抽水蓄能机组、两处厂用负荷和两处电网接口组成的局部实时运行数据。系统安装的计量表计中一共可以获取32种量测数据，均取自2019年5月某日某时刻的抽水蓄能电站量测数据。在同一时刻共从该抽水蓄能电站现场采样60组电能数据，选取电能数据中的50组作为训练样本，余下的10组用于进行状态估计后，再输入神经网络进行测试。

2.2 电能计量数据优化校正方法的有效性验证

为验证本文所提电能数据优化校正方法的有效性，下面对吉林某抽水蓄能电站进行仿真分析。现场主接线形式为双母线形式，受与机组直接相连的a母和b母两条母线最大容量均为450MW的限制，实际运行中，6、7号机组运行于b号母线（与电网入口10号线相连），并为5号厂用负荷供电;1、2号机组运行于a号母线（与电网入口9号线相连），并向4号厂用变压器提供用电。在图1中设置10号节点及b-8线路上存在不良数据。

表1为两种估计方法的结果，与WLS估计相比，EFWLS的最优估计值更接近真值，精度更高，受不良数据产生的影响更小。可以通过两种估计结果来计算残差值，可以发现两次的残差值都较小，很容易导致残差小于检测门槛值难以辨识。

2.3 电能计量数据检测的有效性验证

本文提出的对电能计量数据的检测方法是通过对EFWLS估计后的相对估计误差数据采用k均值聚类分析方法进行辨识。聚类计算及分析的过程如表2、图2所示。由图2可知，聚类个数2对应的间隙值大于聚类个数1对应的间隙值，说明存在不良数据。再根据肘形判据进行分析，由式（5）得到最佳聚类个数为3。对3个聚类内元素平均值进行计算，得到较大平均值聚类内的元素为P10、Q10、Pb-8、Qb-8，最终计算结果与算例分析中设置的不良数据点完全符合，证明了该校正方法的准确性。

3 结语

本文针对抽水蓄能电站的电能量测中不良数据多、误差较大的情况，结合指数加权最小二乘抗差估计在数据校正、GSA聚类分析方法在不良数据检测的优点，形成了一套优化电能数据校正方法。利用指数加权抗差估计来抑制不良数据影响，通过肘形判据根据折角度数寻找最佳聚类个数实现不良数据辨识，提高了计算效率和聚类稳定性。最后算例结果表明，本文所提出的校正系统与传统的状态估计方法相比，在复杂非线性系统下，计算准确度更高，能很好地避免残差污染、淹没现象。

参考文献

[1] 于尔铿.电力系统状态估计[M].水利电力出版社，1985.

[2] 肖明，陈长坤，苏迪，等.抗差估计选权迭代分析与比较[J].现代测绘，2019，42（03）：40-42.

[3] 付艳兰，陈艳波，姚锐，等.基于最大指数绝对值目标函数的抗差状态估计方法[J].电网技术，2013，37（11）：3166-3171.

[4] 犹峰，王渊.优化GSA算法在电力调度系统不良数据检测中的应用[J].自动化技术与应用，2019，38（07）：33-36.

[5] 吴军基，杨伟，葛成，等.基于GSA的肘形判据用于电力系统不良数据辨识[J].中国电机工程学报，2006（22）：23-28.

[6] 辛壮，万良，李均涛.改进的聚类算法在网络异常行为检测中的应用[J].计算机技术与发展，2019，29（03）：111-116.

[7] 颜伟，段磊，杨焕燕，等.基于智能电表量测的三相四线制配網抗差估计[J].中国电机工程学报，2015，35（01）：60-67.

[8] 段磊.三相四线制配电网抗差状态估计与不良数据辨识方法研究[D].重庆大学，2015.