本發(fā)明涉及一種電力異常數(shù)據(jù)辨識方法，具體涉及一種基于三參數(shù)威爾分布的電力異常數(shù)據(jù)辨識方法。
背景技術：
：為掌握電網(wǎng)負荷狀況，分析電力設備運行狀態(tài)并做出合理決策，電力系統(tǒng)采集了大量的電力數(shù)據(jù)，如電力負荷數(shù)據(jù)、電能質(zhì)量數(shù)據(jù)和風電功率數(shù)據(jù)等；在電力數(shù)據(jù)采集過程中，由于設備故障、儀器采集錯誤和外界信號干擾等因素，采集的數(shù)據(jù)會出現(xiàn)不正常的現(xiàn)象，即產(chǎn)生異常數(shù)據(jù)；電力異常數(shù)據(jù)會影響對電網(wǎng)或設備運行狀態(tài)的判斷，影響輔助決策的合理性；同時電力監(jiān)測系統(tǒng)也需要辨識和記錄監(jiān)測數(shù)據(jù)的異常變化，以分析監(jiān)測設備工作狀態(tài)，保障電力系統(tǒng)安全；因此，根據(jù)一定的準則，辨識電力數(shù)據(jù)中的異常數(shù)據(jù)是電力系統(tǒng)的一個重要工程問題；近年來，一些方法被引入到異常數(shù)據(jù)辨識中，如采用模糊聚類與隸屬度來分析電力數(shù)據(jù)在多大程度上屬于異常數(shù)據(jù)；采用在線學習法辨識異常數(shù)據(jù)等；這些方法計算量大、過程繁瑣，離實際應用尚有一定的距離；工程中對數(shù)據(jù)進行異常辨識，多采用概率統(tǒng)計中離群數(shù)據(jù)辨識的思路；在正常情況下，各類電力數(shù)據(jù)存在一定的波動范圍，絕大部分數(shù)據(jù)分布在一定區(qū)間內(nèi)，當數(shù)據(jù)出現(xiàn)在概率極低的區(qū)間時，認為這些監(jiān)測數(shù)據(jù)是一場數(shù)據(jù)，在狀態(tài)估計中需要減輕權重，在輔助決策中需引起重視或做出預警等處理；基于正態(tài)分布的正態(tài)樣本法是目前常用的方法，在確定異常臨界值時，假設電力數(shù)據(jù)滿足正態(tài)分布，將偏離樣本主體的數(shù)據(jù)視為異常值，采用三倍標準差原則設定異常臨界值，這種方法計算簡便；但正態(tài)分布是一種理想的分布，電力異常數(shù)據(jù)表現(xiàn)復雜，可能具有隨機性、沖擊性和非對稱性等復雜的特性，當數(shù)據(jù)偏離正態(tài)分布時，該類方法確定的異常臨界值就不再適用。技術實現(xiàn)要素：本發(fā)明提供一種能夠準確、有效辨識電力異常數(shù)據(jù)的方法。本發(fā)明采用的技術方案是：一種基于三參數(shù)威爾分布的電力異常數(shù)據(jù)辨識方法，包括以下步驟：采集電力數(shù)據(jù)，并對電力數(shù)據(jù)根據(jù)幅值大小進行排序，得到電力數(shù)據(jù)序列；對電力數(shù)據(jù)序列采用三參數(shù)威爾分布模型進行擬合，得到威爾分布三個參數(shù)的估計值；根據(jù)威爾分布三個參數(shù)的估計值，確定電力異常數(shù)據(jù)臨界值；電力數(shù)據(jù)在臨界值范圍內(nèi)為正常數(shù)據(jù)，如果超過臨界值范圍則判定為異常數(shù)據(jù)。進一步的，對電力數(shù)據(jù)序列根據(jù)中位秩公式進行預處理。進一步的，所述電力數(shù)據(jù)包括負荷預測數(shù)據(jù)、電能質(zhì)量數(shù)據(jù)和風電功率等數(shù)據(jù)。一種基于三參數(shù)威爾分布的電力異常數(shù)據(jù)辨識方法，包括以下步驟：A、采集電力數(shù)據(jù)ti(1≤i≤n)，根據(jù)電力數(shù)據(jù)的幅值大小進行排序，得到幅值從小到大排列的電力數(shù)據(jù)序列di(1≤i≤n)；其中n為采樣點數(shù)；B、對電力數(shù)據(jù)序列di(1≤i≤n)，根據(jù)中位秩公式計算得到數(shù)據(jù)集(di,Fi)i＝1,2,...,n；C、對電力數(shù)據(jù)序列采用三參數(shù)威爾分布擬合，其中待估計的三個威爾分布參數(shù)為形狀參數(shù)a、尺度參數(shù)b和位置參數(shù)c；三個威爾分布參數(shù)的估計值分別為和C1、初始化位置參數(shù)c，c0＝0，初始化迭代精度λ；C2、根據(jù)Yi＝lnln(1/(1-Fi)),Xi＝ln(di-c0)計算一次方程變量Xi，Yi；兩者滿足Yi＝BXi+A，其中，B＝a；A＝alnb；C3、對數(shù)據(jù)集(di,Fi)i＝1,2,...,n和一次方程變量組成的向量X＝[X1,X2,...,Xn]和Y＝[Y1,Y2,...,Yn]，估計威爾分布的三個參數(shù)和a^=cov(X,Y)D(X)]]>b^=exp(X‾-Y‾/a^)]]>c^=1nΣi=1n{di-b^[-ln(1-Fi)](1/a^)}]]>X‾=1n(Σi=1nXi)]]>Y‾=1n(Σi=1nYi)]]>其中，cov(X,Y)為向量X和Y的協(xié)方差，D(X)為向量X的方差；C4、當時，得到三個參數(shù)的最終估計結果，否則更新位置參數(shù)c，令重復步驟C2-C3，直到迭代至滿足收斂條件D、根據(jù)威爾分布三個參數(shù)的估計值，確定電力異常數(shù)據(jù)臨界值；其上側異常數(shù)據(jù)臨界值t+為：其下側異常數(shù)據(jù)臨界值t-為：其中θ為異常數(shù)據(jù)概率；E、當電力數(shù)據(jù)tj滿足t-<tj<t+時，判定電力數(shù)據(jù)tj為正常數(shù)據(jù)，當滿足tj<t-或tj>t+時，判定電力數(shù)據(jù)tj為異常數(shù)據(jù)。本發(fā)明的有益效果是：本發(fā)明采用三參數(shù)威爾分布模型對電力數(shù)據(jù)進行擬合，對電力數(shù)據(jù)分布形態(tài)具有更廣泛的適用性，尤其適用于非正態(tài)分布時的電力數(shù)據(jù)處理；保證了電力數(shù)據(jù)異常辨識的準確性和有效性。附圖說明圖1為威爾分布三參數(shù)估計計算流程圖。圖2為電力諧波電流異常數(shù)據(jù)上側辨識結果。圖3為電力諧波電流異常數(shù)據(jù)下側辨識結果。具體實施方式下面結合附圖和具體實施例對本發(fā)明作進一步說明。一種基于三參數(shù)威爾分布的電力異常數(shù)據(jù)辨識方法，包括以下步驟：采集電力數(shù)據(jù)，并對電力數(shù)據(jù)根據(jù)幅值大小進行排序，得到電力數(shù)據(jù)序列；對電力數(shù)據(jù)序列采用三參數(shù)威爾分布模型進行擬合，得到威爾分布三個參數(shù)的估計值；根據(jù)威爾分布三個參數(shù)的估計值，確定電力異常數(shù)據(jù)臨界值；電力數(shù)據(jù)在臨界值范圍內(nèi)為正常數(shù)據(jù)，如果超過臨界值范圍則判定為異常數(shù)據(jù)。進一步的，對電力數(shù)據(jù)序列根據(jù)中位秩公式進行預處理。進一步的，所述電力數(shù)據(jù)包括負荷預測數(shù)據(jù)、電能質(zhì)量數(shù)據(jù)和風電功率等數(shù)據(jù)。一種基于三參數(shù)威爾分布的電力異常數(shù)據(jù)辨識方法，包括以下步驟：A、采集電力數(shù)據(jù)ti(1≤i≤n)，根據(jù)電力數(shù)據(jù)的幅值大小進行排序，得到幅值從小到大排列的電力數(shù)據(jù)序列di(1≤i≤n)；其中n為采樣點數(shù)；B、對電力數(shù)據(jù)序列di(1≤i≤n)，根據(jù)中位秩公式計算得到數(shù)據(jù)集(di,Fi)i＝1,2,...,n；C、對電力數(shù)據(jù)序列采用三參數(shù)威爾分布擬合，其中待估計的三個威爾分布參數(shù)為形狀參數(shù)a、尺度參數(shù)b和位置參數(shù)c；三個威爾分布參數(shù)的估計值分別為和C1、初始化位置參數(shù)c，c0＝0，初始化迭代精度λ；C2、根據(jù)Yi＝lnln(1/(1-Fi)),Xi＝ln(di-c0)計算一次方程變量Xi，Yi；兩者滿足Yi＝BXi+A，其中，B＝a；A＝alnb；C3、對數(shù)據(jù)集(di,Fi)i＝1,2,...,n和一次方程變量組成的向量X＝[X1,X2,...,Xn]和Y＝[Y1,Y2,...,Yn]，估計威爾分布的三個參數(shù)和a^=cov(X,Y)D(X)]]>b^=exp(X‾-Y‾/a^)]]>c^=1nΣi=1n{di-b^[-ln(1-Fi)](1/a^)}]]>X‾=1n(Σi=1nXi)]]>Y‾=1n(Σi=1nYi)]]>其中，cov(X,Y)為向量X和Y的協(xié)方差，D(X)為向量X的方差；C4、當時，得到三個參數(shù)的最終估計結果，否則更新位置參數(shù)c，令重復步驟C2-C3，直到迭代至滿足收斂條件D、根據(jù)威爾分布三個參數(shù)的估計值，確定電力異常數(shù)據(jù)臨界值；其上側異常數(shù)據(jù)臨界值t+為：其下側異常數(shù)據(jù)臨界值t-為：其中θ為異常數(shù)據(jù)概率；此處設定在電力數(shù)據(jù)三參數(shù)威爾分布中，上下兩側的異常數(shù)據(jù)出現(xiàn)概率相等，上側和下側異常數(shù)據(jù)分布概率均為θ/2，根據(jù)等概率原則確定上側和下側異常數(shù)據(jù)臨界值；E、當電力數(shù)據(jù)tj滿足t-＜tj＜t+時，判定電力數(shù)據(jù)tj為正常數(shù)據(jù)，當滿足tj＜t-或tj＞t+時，判定電力數(shù)據(jù)tj為異常數(shù)據(jù)。為證明本發(fā)明的有效性和準確性，以某機場的電力諧波電流監(jiān)測數(shù)據(jù)為例，進行異常數(shù)據(jù)辨識的仿真分析，該電力諧波電流數(shù)據(jù)采樣間隔為1s，采用前30分鐘的電力諧波電流監(jiān)測數(shù)據(jù)進行參數(shù)估計，后10分鐘的數(shù)據(jù)作為待辨識數(shù)據(jù)。取迭代精度λ＝0.003，異常概率θ＝0.3％；采用本方法估計得到的形狀參數(shù)尺度參數(shù)位置參數(shù)和下側異常數(shù)據(jù)臨界值t、上側異常數(shù)據(jù)臨界值t+，如表1所示；采用正態(tài)樣本法得到均值μ、方差σ和下側異常臨界值t、上側異常數(shù)據(jù)臨界值t+，如表2所示；根據(jù)確定的上側異常數(shù)據(jù)臨界值t+和下側異常臨界值t，保留區(qū)間內(nèi)正常數(shù)據(jù)，剔除異常數(shù)據(jù)；分布采用兩種方法剔除異常數(shù)據(jù)后，計算器分布標準差，與原始電力數(shù)據(jù)估計標準差的對比結果如表3所示。表1本發(fā)明方法參數(shù)估計結果與異常數(shù)據(jù)臨界值表2正態(tài)樣本法參數(shù)估計結果與異常數(shù)據(jù)臨界值變量μσt-t+估計結果0.27700.06380.08560.4684表3標準差結果比較數(shù)據(jù)原始電力數(shù)據(jù)正態(tài)樣本法本發(fā)明方法估計標準差0.01320.00410.0031由表3計算結果可以看出，本發(fā)明的方法確定的異常數(shù)據(jù)臨界值能夠保證電力異常數(shù)據(jù)辨識的準確性，且本方法在電力數(shù)據(jù)部服從正態(tài)分布的情況下仍具有很好的辨識效果，較正態(tài)樣本法具有更廣泛的適應性。當前第1頁1 2 3