电网负荷异常数据处理的分析_张璐骅.pdf

Application 创新应用254 电子技术 第 52 卷 第 5 期（总第 558 期）2023 年 5 月等系统都正常的情况下，由操作、故障、电网方式短时调整等特殊事件引起发生。在负荷数据的数值上就表现为基于正常的负荷数据，叠加上随机量值，形成负荷波动，从而导致负荷数据发生畸变。畸变数据中又可分为可还原数据及冲击负荷数据。（1）可还原数据主要是由于电网设备停电检修、大用户设备停电检修及电网方式变更导致的潮流转移，这些数据可根据。（2）冲击负荷数据主要是受台风、寒流、山火等自然因素或人们从事社会活动导致的突发事件造成，这些数据具有临时性、冲击性。如台风天气造成的负荷下降，设备故障继电保护、安全自动装置动作所引起的短时负荷跃变，多年一次的民俗活动引起的负荷突变等。2 识别异常数据异常数据识别方法的现状。对于异常数据的识别，目前主流的方法有通过预测或者量测进行对比，找出不良数据；也有通过从时间角度，结合气象、负荷等因素的时序关系并分析相关性；还有基于大数据，通过特征分析，将小波分析法、数据库知识发现（Knowledge Discovery in Databases）等新方法引入异常辨识，以提升数据辨识效率。基于统计分析的异常数据识别方法。在实际应用中，考虑异常数据处理的快捷性及实时性，需考虑更加简单易行的方法。观察每日负荷曲线具有相似性，也即是不同日同一时刻的负荷幅值近似，具0 引言电力系统的运行产生大量负荷数据，这些数据的准确性关系到电力系统运行的安全及可靠，一旦个别数据出现异常，不仅影响正常电网的监视，间接影响电力系统运行，甚至会让调度人员误判，导致决策失误，威胁到整个电网安全。因此，电网负荷数据的质量好坏，将直接影响到电力系统运行的效率及安全程度，而辨别及检测出这些负荷异常数据，对提升电力系统运行，开展电网状态评估都具有重要意义。所以，对错误遥信数据进行检测、辨识与修正是十分必要的。本文将主要讨论异常数据的类别及处理方法，通过对主流异常负荷数据方法进行总结，并对几种常用方法进行数据验证对比，提出更符合实际电网运行的处理方法。1 研究背景异常数据的出现具有不确定性，在系统测量、传输、存储中都会随机发生。这些异常数据在时间上可单独或连续出现，在空间上可在同个设备或相关联设备出现。对于这些负荷异常数据，可分为两大类，分别是错误数据、畸变数据1。（1）错误数据。错误数据通常是设备采集过程或存储过程中，出现的与实际不符或不合理的值，常常表现为在超出设备正常承载能力、长时间保持某一非“0”固定数值的“死数”或者空数据。（2）畸变数据。畸变数据一般是在量测、记录、转换、传输及存储作者简介：张璐骅，广东电网有限责任公司潮州供电局；研究方向：电力技术。收稿日期：2022-09-02；修回日期：2023-05-12。摘要：阐述异常数据的出现具有不确定性，基于统计分析的异常数据识别方法，探讨异常数据处理方法，包括经验值法、数据横向或纵向对比法、插值法、分段阈值设定法、曲线置换法、大数据人工智能预测。关键词：异常数据，数据识别，插值法，阈值设定。中图分类号：TP393.08文章编号：1000-0755(2023)05-0254-02文献引用格式：张璐骅.电网负荷异常数据处理的分析J.电子技术,2023,52(05):254-255.电网负荷异常数据处理的分析张璐骅（广东电网有限责任公司潮州供电局，广东 521021）Abstract This paper expounds that the appearance of abnormal data is uncertain.Based on statistical analysis,abnormal data identification methods are discussed,including empirical value method,data horizontal or vertical comparison method,interpolation method,segmented threshold setting method,curve replacement method,and big data artificial intelligence prediction.Index Terms abnormal data,data recognition,interpolation,threshold setting.Analysis of Abnormal Data Processing of Power Grid LoadZHANG Luhua(Chaozhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd.,Guangdong 521021,China.)Application 创新应用电子技术 第 52 卷 第 5 期（总第 558 期）2023 年 5 月 255有纵向分布规律。因此可利用统计学上的分析对比法对异常数据进行甄选。从统计规律上看，同一时段多天的负荷近似正态分布，连续多天的负荷变化率也近似正态分布。以多天同期负荷数据为样本进行概率统计分析，对上述两种正态分布模型计算期望值和方差。然后以此设置置信度，完成这段时间上的负荷置信区间计算。检查待检测的负载数据是否在置信区间内，从而判断负载是正常数据还是异常数据。对于异常数据，增加置信范围，再进行双边假设检验，进一步区分是错误数据还是畸形数据。这种基于统计分析的识别方法，流程逻辑简单，计算步骤少，用来处理长期负荷评估、用户用电负荷特性等时间特性的数据分析时，具有较好是适用性。3 异常数据的处理异常数据处理的前提。对负荷进行修正处理，需要满足几个条件：（1）负荷数据拥有规律性及随机性的特点。负荷的规律性说明了负荷是可参考可修正，随机性说明负荷修正值在概率统计意义下的置信度和置信区间；（2）电力负荷在相邻时段之间是具有连续性，也即是前后相邻时段的负荷不会发生突变；（3）各相似日之间都有接近的负荷模式。常用异常数据处理方法。对于待处理的异常负荷数据，常用到的处理方法有经验值法、分段阈值设定法等7种，主要可分为以下几个类别：（1）经验值法。发现异常数据后，有负荷数据管理人员根据以往经验进行研判，根据负荷特性对数据进行处理。（2）数据横向对比法。横向对比原本是指的是不同事物在固定时间上的对比。此方法是利用前后相邻时刻的负荷具有规律性，因此它们的差值基本在稳定的范围内，如果偏差大于常规负荷变化的阈值，则认为是该负荷存在异常，则取相邻时刻的负荷平均值代替。（3）数据纵向对比法。纵向对比指的是同一事物在时间维度上的变化。此方法是利用各相似日之间都有接近的负荷模式，将某一时刻的负荷值，与相似日的同一时刻的负荷值对比，如果差值大于常规负荷变化的阈值，则取多个相似日的平均值代替。（4）插值法。插值法就是利用已知的负荷数据建立合适的插值函数，构造插值函数目前主要有牛顿插值法和拉格朗日插值法，可以对缺失负荷数据缺失值进行填补。（5）分段阈值设定法。对不同时段区间内的负荷，参照其波动范围分别设定最大、最小阈值，然后对区间的各负荷数据进行筛选。该法可以将多数坏数据筛选出来。（6）曲线置换法。对大事故日负荷或明显负荷曲线异常的日负荷进行剔除或用正常曲线置换。（7）大数据人工智能预测。近年来，以人工神经网络、聚类等算法为代表的数据挖掘方法也开始应用到负荷异常处理的计算中，并且其预测精度通常较高。数据挖掘方法往往能考虑到影响用户用电负荷的多个因素，如历史负荷、天气、节假日、日期类型等等，因此精度往往会高于上述的几种方法。虽然异常数据处理的方法多，但仍存在种种问题，例如方法（1）、方法(2)、方法（3）需要人工介入处理并决策数据的挑选；方法（4）方法（6）对于异常数据处于节假日、周末的特殊日期，数据处理的准确率将大幅下降；方法7计算过程复杂，需针对不同电网开展不同的机器学习、设置参数及调整参数，处理效果视算法调整程度而定，无法广泛应用。历史典型日负荷平均值法。历史典型日负荷平均值法应用于电力市场的需求侧响应中的计算基线负荷，评估用户参与响应时的负荷增减量。由于该方法的易用性、透明性而受到广泛采用，美国PJM电力运营商、加州电力市场独立系统运营商、纽约独立系统运营商、新英格兰独立系统运营商等都采用该方法对用户基本用电负荷进行计算。利用历史典型日负荷平均值法，可先制定每天的基线负荷，基线负荷制定分工作日、周六、周日、法定节假日和调休节假日五种类型。工作日选取最近5个经拟合后的不参与响应、有序用电以及未因主配网输变电设备检修导致停电的工作日负荷作为负荷样本，剔除日电量低于5个样本日均电量25%或高于5个样本日均电量 200%的样本后，剩余样本求取小时平均值得到基线负荷。因调休导致的周末上班日视为工作日。周六、周日、法定节假日、调休节假日的基线负荷制定参照工作日，将选取样本数调整为3个，其中调休节假日的样本选取参考周日基线负荷制定，但不纳入正常周日基线负荷计算样本库。计算出基线负荷后，可与异常数据日的负荷进行比对，替换异常数据。4 结语电网负荷作为一种基于时间序列，受多种因素影响，具有长期规律性和短期随机性的数据，在实际生产运行中起着关键作用。但一方面由于数据系统并非绝对可靠，另一方面对负荷数据分析结果的高要求，让处理电网负荷异常数据成为数据分析工作的首要任务。而负荷异常数据又具有出现随机、分布复杂、数值无规律等特性，也就产生各种负荷数据识别及处理方式。灵活对比异常数据处理方法，同时兼顾广泛性使用、可操作性强、程序实现简单，最终采用历史典型日负荷平均值法，可以有效减少数据误差，实现异常负荷数据处理的目的。参考文献1 陈亚红,穆钢,段方丽.短期电力负荷预报中几种异常数据的处理J.东北电力学院学报,2002(02):1-5.