申请/专利权人:福州大学
申请日:2023-12-07
公开(公告)日:2024-03-08
公开(公告)号:CN117668301A
主分类号:G06F16/90
分类号:G06F16/90;G06Q50/06;G01R23/16
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.26#实质审查的生效;2024.03.08#公开
摘要:本发明提供了一种用于区间谐波状态估计的非同步监测数据筛选方法,选取一定的时间序列长度,构建谐波监测数据最大值和最小值的量测时间序列,通过分析谐波监测数据最大值和最小值的自方差变化规律,筛选出谐波监测数据最大值和最小值中的可疑不良数据;计算谐波监测数据最大值和最小值在当前采样时段和上一采样时段的相关系数矩阵,通过相关系数矩阵找出可疑不良数据在两个时段的强相关数据集并对比两个数据集的变化情况,从而筛选出可疑不良数据中的不良数据;剔除谐波监测数据中的不良数据并构建区间谐波状态估计模型,基于泰勒展开公式将区间谐波状态估计模型转化为线性优化模型,采用线性规划算法进行求解,得到谐波状态量的解区间。
主权项:1.一种用于区间谐波状态估计的非同步监测数据筛选方法,其特征在于包括以下步骤:S1:构建谐波监测数据最大值和最小值的量测时间序列,分别计算谐波监测数据最大值和最小值的协方差矩阵;S2:分别计算谐波监测数据最大值和最小值的标准化误差;S3:设置标准化误差的阈值,将谐波监测数据最大值和最小值中标准化误差大于阈值的数据标记为可疑不良数据,并记录其量测号;S4:计算谐波监测数据最大值和最小值在当前采样时段和上一采样时段的相关系数矩阵;S5:找出可疑不良数据在当前采样时段和上一采样时段的强相关性数据集;对比可疑不良数据在两个采样时段内的强相关性数据集的变化情况,如果两个数据集不变或者变化很小,则认为该可疑不良数据为正常数据;如果两个数据集变化很大,则认为该可疑不良数据为不良数据;S6:剔除谐波监测数据中的不良数据,将谐波监测数据的最大值和最小值转换为区间数的型式,由此构建区间谐波量测数据集;S7:取谐波电压幅值和谐波电压相角为状态量,构建区间谐波状态估计模型;S8:-将区间谐波状态估计模型转换为线性优化模型,采用线性规划算法进行求解,得到新的迭代解区间;S9:设置收敛条件,判断是否满足收敛条件,如果满足收敛条件,则结束计算,输出区间谐波状态估计结果;如果不满足收敛条件,则设置k=k+1并将最新的迭代解区间代替初始解区间重新执行步骤S8-S9。
全文数据:
权利要求:
百度查询: 福州大学 一种用于区间谐波状态估计的非同步监测数据筛选方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。