【學術】智能配電網大數據應用需求和場景分析研究
中國電力科學研究院的研究人員劉科研、盛萬興等，在2015年第2期《中國電機工程學報》上撰文，智能配電網中存在大量異構多源的數據，其中的數據規模和特點符合大數據的各項特征。首先總結配電網大數據的來源和特征
3 配電網多源數據融合中的不良數據辨識
3.1 不良數據檢測與辨識方法
不良數據檢測是指判斷某次量測采樣中是否存在不良數據。不良數據辨識是指在發現某次量測采樣中存在不良數據后，確定哪個(或哪些)量測是不良數據。不良數據的處理已經成為一個熱門課題，目前國內外已經提出多種不良數據檢測與辨識的方法，大致分為以下2 類：
1)傳統的不良數據檢測方法包括目標函數極值檢測法、加權殘差法、檢測法或標準化殘差檢測法、量測量突變檢測法等。傳統的不良數據辨識方法主要有殘差搜索法、非二次準則法、零殘差法、估計辨識法等;
2)相對傳統的一些新理論和新方法主要有基于數據挖掘的模糊數學法、神經網絡法、聚類分析法、間隙統計法等。這些方法大多針對傳統配電網比較簡單的小規模結構化數據。隨著智能配電網規模的不斷擴大、分布式電源的接入以及網絡技術在配電系統中的廣泛應用，對于配電網中達到大數據級別的不良數據的檢測與辨識，傳統方法很難達到處理需求。
3.2 基于多源數據的不良數據辨識方法
根據配電網大數據多源、多渠道的特點，可基于不同來源的數據進行互校核，實現不良數據的檢測與辨識，包括電度量和量測量的互校核、不同數據系統間的互校核方法、不同結構數據的互校核等，如圖3所示。
圖3 基于多源數據融合的不良數據辨識方法
1)基于電度量與量測量互校核的不良數據檢測方法。(略)
2)基于不同系統間數據互校核的不良數據檢測方法。
配電網多源數據按獲得來源分，可分為來自不同系統的數據，來自不同系統間的數據可以進行互校核。如可結合配電網管理信息系統、生產管理系統的信息以及低壓臺區互聯信息，確定配變用電類型，按照不同行業需量系數和典型日負荷曲線可擬合出該配變負荷曲線。
免責聲明：本文僅代表作者個人觀點，與本站無關。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關內容。
我要收藏
個贊
