(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210689018.1 (22)申请日 2022.06.16 (71)申请人 国网湖北省电力有限公司荆门供电 公司 地址 448001 湖北省荆门市东宝区雨霖路2 号 申请人 海南浙江大学研究院 (72)发明人 王飞　文福拴　杜翔　 (51)Int.Cl. G06F 30/20(2020.01) G06F 111/10(2020.01) (54)发明名称 基于MES和数据融合的电力系统鲁棒状态估 计方法 (57)摘要 本发明公开了一种基于MES和数据融合的电 力系统鲁棒状态估计方法， 首先， 利用鲁棒马氏 距离检测系统异常值， 并将适当的权重分配给每 个选择的PMU缓冲量测量； 然后， 基于MES估计器， 进一步利用这些权重， 以滤出 非Gauss的PMU噪声 并有助于抑制异常值， 同时， MES 估计器还用于处 理接收到的含未知测量噪声的SCADA测量， 从而 产生另一组SE； 基于两组状态估计结果， 通过使 用数据融合技术， 将来自两个独立的MES估计器 的估计结果进行融合， 以获得最终的最优估计结 果， 本发明优点是： 提高算法效率； 可滤除非 Gauss测量噪声和异常值； 通过使用数据融合理 论将来自两个独立的MES 估计器的估计结果进行 融合， 以获得最终的最优SE 。 权利要求书4页 说明书9页 附图9页 CN 115169082 A 2022.10.11 CN 115169082 A 1.基于MES和数据融合的电力系统鲁棒状态估计方法， 其特征在于步聚如下： 首先， 利 用鲁棒马氏距离检测系统异常值， 并将适当的权重分配给每个选择的PMU缓冲量测量； 然 后， 基于MES估计器， 进一步利用这些权重， 以滤出非Gauss的P MU噪声并有助于抑制异常值， 同时， MES估计器还用于处理接收到的含 未知测量噪声的SCADA测量， 从而产生另一组S E； 基 于两组状态估计结果， 通过使用数据融合技术， 将来自两个独立的MES估计器的估计结果进 行融合， 以获得最终的最优 估计结果。 2.根据权利要求1所述的基于MES和数据融合的电力系统鲁棒状态估计方法， 其特征在 于： PMU最佳缓冲长度计算 基于马氏距离， 确定多PMU测点的最佳缓冲长度， 对所有PMU测点， 将其作为 一个整体， 设PMU每秒采样nr＝30样本/s， SCADA采样间隔Nt＝5s， 在1个间隔 内， PMU采样数N＝Nt*nr ＝150样本， 用Z表示采样矩阵， 并分为nsubset＝Nt＝5个子集： Z＝[Y1,Y2,Y3,Y4,Y5]， 基于以下 步骤计算： (1)计算Z矩阵中值： Y'＝median(Z)＝[y ′1,y′2,y′3,y′4,y′5]    (4) (2)对Y5执行变点检测， 若存在变点， 则使用最后一个PMU数据； 否则Y5将包含在PMU缓冲 集内； (3)基于马氏距离Pi， 对η1＝[y′5,y′4]， η2＝[y′4,y′3]， ...， η4＝[y'2,y'1]检测系统变 化： 若η1内的Pi均小于 则包含Y4， 否则算法停止； 并继续校验η2＝[y'4,y '3]， ...， η4＝[y'2,y'1]， 直至结束； (4)计算PMU缓冲集内量测均值 和方差 式中： α 表示Z'的列数， wi为Z'的第i列的权 重， 基于以上步骤， 即可得到多PMU测点的最佳缓冲长度， 计算均值 和方差 后， 即可与 SCADA数据在同一断面下实现匹配。 3.根据权利要求1所述的基于MES和数据融合的电力系统鲁棒状态估计方法， 其特征在权　利　要　求　书 1/4 页 2 CN 115169082 A 2于： 基于最大指数平方法(Maximum  Exponential Square， M ES)与数据融合的鲁棒SE方法 1)基于MES的SCADA鲁棒SE 基于MES估计方法， 利用SCADA量测建立M ES估计模型， 其表达式如下： 式中： x表示状态量； hi(x)表示第i个SCADA的测量函数； wi表示第i个测量权重； zi表示 第i个测量； σ 表示Parzen窗宽； c(x)＝0表示 零注入节点约束， 极坐标下零注入约束可表示 为： 式中： Ψ表示xB与xN的变换关系； B表示 零注入功率节点； N表示非零注入节点， Γ为： Φ为： Φ‑1为： 将该约束代入M ES估计模型， 得： 令：权　利　要　求　书 2/4 页 3 CN 115169082 A 3