电力系统异常数据检测辨识方法综述

电力系统异常数据检测辨识方法综述

随着电力系统的大型化、综合化、高效化发展，电力系统发展的保安、稳定和可靠性

则给传统的可靠性分析和诊断技术提出了新的要求，因此，在系统安全和可靠经营的综合

分析中，异常数据检测与诊断获得了越来越多的关注和应用。

异常数据检测辨识是发现与系统可靠性相关的属性和参数，并利用已有数据和经验知

识，对传统安全维护方式进行动态变更，以确保系统安全、可靠地运行。在系统安全可靠

运行方面，异常检测诊断是一项重要复杂工作。

从系统诊断历史发展和电力系统相关理论知识的角度出发，可以将电力系统异常数据

检测辨识方法分为三大类：

    (1) 

基于传统经验的统计分析。

这种方法的基本思想是利用目前已有的历史数据和实验数据，从统计角度表征电力系

统运行状态及其随时间变化规律，并结合参数分析和多维诊断技术，分析出系统运行中的

异常状况，以及它们的发生规律。其核心思想是将已有的经验知识和实验数据综合运用，

构建系统可靠性诊断模型，从而进行异常检测。这种方法被广泛用于多类系统诊断任务，

取得了良好的效果。

    (2) 

基于建模的多源异常数据检测诊断技术。

这种方法首先利用物理系统建模与参数标定技术，形成双边数据集合：物理模型与实

际现象之间的相互关联，即输入输出集合。然后利用多维诊断技术，从多类数据信号宽度、

采样频率和采样长度等角度出发，提取出最可靠的异常数据检测度量参数，以此来判断系

统的运行状态是否存在安全隐患。

在大规模的、复杂的电力系统运行中，系统的参数数据更新变更时不允许出现任何延

误，而且受到复杂的物理现象的影响也较为严重，因此基于模糊规则的局部检测技术占据

了重要地位。该方法以局部数据及其时间关系为模糊语义集合，利用模糊数学技术，对特

定区域异常特征及其隐含关系进行局部参数分析，用模糊角度捕捉系统内部复杂的物理学

特征，从内部获取有效的求解参数，以确保安全的系统运行。该技术在复杂目标运动和控

制系统中得到广泛应用，获得良好的诊断效果。

上述三种方法既可作为单独的检测诊断技术，也可结合应用，对电力系统进行一体化

异常数据检测辨识，以满足不同的系统诊断需求。