基于局部离群因子的PMU连续坏数据检测方法

刘灏; 朱世佳; 毕天姝

doi:10.7500/AEPS20210630004

您当前的位置：

首页 >

文章列表页 >

基于局部离群因子的PMU连续坏数据检测方法

面向现代电力系统的数据驱动方法 | 更新时间：2025-06-16

- 基于局部离群因子的PMU连续坏数据检测方法
- Continuous Bad Data Detection Method for PMU Based on Local Outlier Factor
- 电力系统自动化 2022年46卷第1期页码：25-32
- 作者机构：
  
  新能源电力系统国家重点实验室（华北电力大学），北京市 102206
- 作者简介：
  
  刘灏(1985—)，男，博士，副教授，硕士生导师，主要研究方向：同步相量测量技术。E-mail：hliu@ncepu.edu.cn
  朱世佳(1998—)，女，硕士研究生，主要研究方向：同步相量测量数据识别和修正。E-mail：sjzhu@ncepu.edu.cn
  毕天姝(1973—)，女，通信作者，教授，博士生导师，主要研究方向：电力系统保护与控制、广域同步相量测量技术及其应用。E-mail：tsbi@ncepu.edu.cn
- 基金信息：
  
  国家电网有限公司科技项目“新能源电力系统协同控制保护系统及应用”
- DOI：10.7500/AEPS20210630004
  中图分类号：
- 收稿日期：2021-06-30，
  
  修回日期：2021-10-13，
  
  网络出版日期：2021-11-10，
  
  纸质出版日期：2022-01-10
- 稿件说明：
移动端阅览
刘灏,朱世佳,毕天姝.基于局部离群因子的PMU连续坏数据检测方法[J].电力系统自动化,2022,46(1):25-32.

LIU Hao,ZHU Shijia,BI Tianshu.Continuous Bad Data Detection Method for PMU Based on Local Outlier Factor[J].Automation of Electric Power Systems,2022,46(1):25-32.
刘灏,朱世佳,毕天姝.基于局部离群因子的PMU连续坏数据检测方法[J].电力系统自动化,2022,46(1):25-32. DOI： 10.7500/AEPS20210630004.

LIU Hao,ZHU Shijia,BI Tianshu.Continuous Bad Data Detection Method for PMU Based on Local Outlier Factor[J].Automation of Electric Power Systems,2022,46(1):25-32. DOI： 10.7500/AEPS20210630004.

摘要

同步相量测量单元(PMU)能为电力系统监测和控制提供实时数据。然而，PMU连续坏数据与扰动数据高度相似，可能会导致控制中心做出错误的决策。针对PMU连续坏数据难以与扰动数据区分的问题，提出了一种基于局部离群因子（LOF）的连续坏数据检测算法。通过大量现场数据分析得出连续坏数据空间相似性差、扰动数据空间相似性强的结论，依据此结论提出了基于动态时间规整（DTW）的空间相似性评估方法。通过评估不同PMU的空间相似性来计算每台PMU的LOF值，进一步，提出了基于箱线图的阈值确定方法。通过比较当前窗口每台PMU的LOF值是否超过阈值，在线识别连续坏数据。仿真和测试结果表明，所提方法能有效实现连续坏数据的辨识和检测，并区分扰动数据。

Abstract

Synchrophasor measurement units (PMUs) can provide real-time measurement data for power system monitoring and control. However

continuous bad data of PMU can be highly similar to the disturbance data

which may cause the control center to make wrong decisions. Aiming at the problem that continuous bad data of PMU is difficult to be distinguished from the disturbance data

a continuous bad data detection algorithm is proposed based on the local outlier factor (LOF). Through analysis of a large amount of measured data

it is concluded that the continuous bad data has poor spatial similarity

and the disturbance data has strong spatial similarity. According to this conclusion

a method for spatial similarity evaluation is proposed based on dynamic time warping (DTW). The LOF value of each PMU is calculated by evaluating the spatial similarity between different PMUs. Further

a method for determining the threshold value based on the box-plot is proposed. By checking whether the LOF value of each PMU in the current window exceeds the threshold

the continuous bad data can be detected online. Simulation and testing results illustrate that the proposed method can achieve the efficient continuous bad data identification and detection

and the disturbance data can be distinguished.

关键词

Keywords

references

RISTESKA STOJKOSKA B L ， TRIVODALIEV K V . A review of Internet of Things for smart home： challenges and solutions ［J］. Journal of Cleaner Production ， 2017 ， 140 ： 1454 - 1464 .

程云峰，张欣然，陆超 . 广域测量技术在电力系统中的应用研究进展［J］. 电力系统保护与控制， 2014 ， 42 （ 4 ）： 145 - 153 .

CHENG Yunfeng ， ZHANG Xinran ， LU Chao . Research progress of the application of wide area measurement technology in power system ［J］. Power System Protection and Control ， 2014 ， 42 （ 4 ）： 145 - 153 .

段刚，严亚勤，谢晓冬，等 . 广域相量测量技术发展现状与展望［J］. 电力系统自动化， 2015 ， 39 （ 1 ）： 73 - 80 .

DUAN Gang ， YAN Yaqin ， XIE Xiaodong ， et al . Development status quo and tendency of wide area phasor measuring technology ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 1 ）： 73 - 80 .

徐飞阳，薛安成，常乃超，等 . 电力系统同步相量异常数据检测与修复研究现状与展望［J/OL］. 中国电机工程学报： 1 - 18 ［ 2021-09-20 ］. https：//doi.org/10.13334/j.0258-8013.pcsee.202180 https://doi.org/10.13334/j.0258-8013.pcsee.202180 .

XU Feiyang ， XUE Ancheng ， CHANG Naichao ， et al . Research status and prospects of detection ， correction and recovery for abnormal synchrophasor data in power system［J/OL］. Proceedings of the CSEE ： 1 - 18 ［ 2021-09-20 ］. https：//doi.org/10.13334/j.0258-8013.pcsee.202180 https://doi.org/10.13334/j.0258-8013.pcsee.202180 .

宋墩文，温渤婴，杨学涛，等 . 广域量测信息大数据特征分析及应用策略［J］. 电网技术， 2017 ， 41 （ 1 ）： 157 - 163 .

SONG Dunwen ， WEN Boying ， YANG Xuetao ， et al . Big data feature analysis and application strategy of wide area measurement information ［J］. Power System Technology ， 2017 ， 41 （ 1 ）： 157 - 163 .

SILVERSTEIN A . Synchrophasors & the grid ， NASPI ， technical report PNNL-SA-128949 ［R］. Richland， USA ： Pacific Northwest National Laboratory ， 2017 .

SUNDARARAJAN A ， KHAN T ， MOGHADASI A ， et al . Survey on synchrophasor data quality and cybersecurity challenges， and evaluation of their interdependencies ［J］. Journal of Modern Power Systems and Clean Energy ， 2019 ， 7 （ 3 ）： 449 - 467 .

California ISO . Five year synchrophasor plan ［R］. 2011 .

JONES K D ， PAL A ， THORP J S . Methodology for performing synchrophasor data conditioning and validation ［J］. IEEE Transactions on Power Systems ， 2015 ， 30 （ 3 ）： 1121 - 1130 .

MANANDHAR K ， CAO X J ， HU F ， et al . Detection of faults and attacks including false data injection attack in smart grid using Kalman filter ［J］. IEEE Transactions on Control of Network Systems ， 2014 ， 1 （ 4 ）： 370 - 379 .

ZHAO J B ， ZHANG G X ， SCALA M L ， et al . Enhanced robustness of state estimator to bad data processing through multi-innovation analysis ［J］. IEEE Transactions on Industrial Informatics ， 2017 ， 13 （ 4 ）： 1610 - 1619 .

ZHANG T ， WANG Y ， NING J ， et al . Detection and identification of bad data based on neural network and K-means clustering ［C］// 2019 IEEE Innovative Smart Grid Technologies-Asia （ISGT Asia）， May 21-24 ， 2019 ， Chengdu， China ： 3634 - 3639 .

LIU K Y ， LIN W G ， BAI Y L ， et al . Application of improved GSA algorithm and time series method in bad data identification in power system ［C］// 2018 15th International Conference on Control， Automation， Robotics and Vision （ICARCV）， November 18-21 ， 2018 ， Singapore ： Singapore ， 1310 - 1315 .

ZHOU M Z ， WANG Y H ， SRIVASTAVA A K ， et al . Ensemble-based algorithm for synchrophasor data anomaly detection ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 3 ）： 2979 - 2988 .

杨智伟，刘灏，毕天姝，等 . 基于长短期记忆网络的PMU不良数据检测方法［J］. 电力系统保护与控制， 2020 ， 48 （ 7 ）： 1 - 9 .

YANG Zhiwei ， LIU Hao ， BI Tianshu ， et al . PMU bad data detection method based on long short-term memory network ［J］. Power System Protection and Control ， 2020 ， 48 （ 7 ）： 1 - 9 .

MAHAPATRA K ， CHAUDHURI N R ， KAVASSERI R . Online bad data outlier detection in PMU measurements using PCA feature-driven ANN classifier ［C］// 2017 IEEE Power & Energy Society General Meeting ， July 16-20 ， 2017 ， Chicago， USA ： 1 - 5 .

YANG Z W ， LIU H ， BI T S ， et al . Bad data detection algorithm for PMU based on spectral clustering ［J］. Journal of Modern Power Systems and Clean Energy ， 2020 ， 8 （ 3 ）： 473 - 483 .

WU M ， XIE L . Online detection of low-quality synchrophasor measurements： a data-driven approach ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 4 ）： 2817 - 2827 .

HAO Y S ， WANG M ， CHOW J H ， et al . Modelless data quality improvement of streaming synchrophasor measurements by exploiting the low-rank Hankel structure ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 6 ）： 6966 - 6977 .

WU M ， XIE L . Online identification of bad synchrophasor measurements via spatio-temporal correlations ［C］// 2016 Power Systems Computation Conference （PSCC）， June 20-24 ， 2016 ， Genoa， Italy ： 1 - 7 .

CAO D Y ， LIU J . Research on dynamic time warping multivariate time series similarity matching based on shape feature and inclination angle ［J］. Journal of Cloud Computing ， 2016 ， 5 （ 1 ）： 1 - 9 .

王业，陆于平，徐以超，等 . 基于动态时间弯曲的差动保护算法［J］. 中国电机工程学报， 2012 ， 32 （ 28 ）： 133 - 141 .

WANG Ye ， LU Yuping ， XU Yichao ， et al . A differential protection algorithm based on dynamic time warping ［J］. Proceedings of the CSEE ， 2012 ， 32 （ 28 ）： 133 - 141 .

ZHAN L W ， LIU Y ， CULLISS J ， et al . Dynamic single-phase synchronized phase and frequency estimation at the distribution level ［J］. IEEE Transactions on Smart Grid ， 2015 ， 6 （ 4 ）： 2013 - 2022 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进动态时间弯曲的PMU频率异常检测及类型识别