基于改进动态时间弯曲的PMU频率异常检测及类型识别.pdfVIP

第46 卷 第24 期 2022 年12 月25 日 Vol.46No.24 Dec.25,2022 DOI：10.7500/AEPS20220301010 基于改进动态时间弯曲的PMU频率异常检测及类型识别 1 1 1 2 1 黄子蒙 ，余 娟 ，向明旭 ，张江南 ，李文沅 （1. 输配电装备及系统安全与新技术国家重点实验室（重庆大学），重庆市 400044； 2. 国网河南省电力公司电力科学研究院，河南省郑州市 450052） 摘要：高比例可再生能源电力系统中不确定性、复杂性和脆弱性问题日益凸显，亟须利用同步相量 测量单元（PMU）的高质量量测数据支撑系统动态安全监控。然而，PMU数据受到各类因素影响， 存在不同程度的质量问题，影响着数据的各类高级应用。对此，以频率量测数据为切入点，提出了 一种数据驱动的PMU频率数据异常检测及类型识别方法。首先，归纳了频率数据的典型异常类 型，并构造各类频率数据异常特征。进一步，提出了一种动态时间弯曲改进策略，通过动态调整弯 曲窗口来有效量化各类异常特征。最后，基于局部离群因子法实现频率数据的异常检测及类型识 别。以实际电网PMU频率数据为例，验证了所提方法的有效性。 关键词：相量测量单元；数据质量；异常检测；类型识别；动态时间弯曲；局部离群因子 0 引言 电力系统动态过程复杂多样，第2类方法存在适应 ［1］ 性不足、带标注数据获取困难等问题。第3类方法 随着中国“双碳”目标的提出 ，可再生能源在 根据系统各节点正常PMU量测数据在相同系统动 电力系统中的接入比例将逐年提高，电力系统不确 ［2］ 态下的趋势相似性来进行异常数据检测，可避免系 定性、复杂性和脆弱性问题也将日益凸显 ，为电网 统正常扰动数据的干扰［7，13-15］。其中，动态时间弯曲 安全稳定运行带来重大挑战。在此背景下，电网运 ［16］ （DTW） 因具有良好的序列形态度量效果，被用 行数据实时监测分析愈发重要。同步相量测量单元 ［15］ 于度量各PMU测点数据间的相似性 。然而，常 （PMU）具有高分辨率、高精度及时钟同步等优 ［17］ 规DTW存在以下不足 ：1）DTW的时间复杂度为 ［3-5］ 势 ，以此为基础的广域测量系统（WAMS）是实 两个时间序列长度的乘积，因而在面对大规模、高分 现电力系统动态安全监控的有效手段。 辨率的PMU数据时将付出高昂的计算代价；2）由 然而，由于数据通道受到传感器误差、WAMS 于DTW仅追求动态弯曲距离最小，因而易出现过 组件故障等因素影响，PMU量测数据存在不同程度 度弯曲现象，无法准确选择最优弯曲路径进行相似 ［6