基于改进动态时间弯曲的PMU频率异常检测及类型识别

黄子蒙; 余娟; 向明旭; 张江南; 李文沅

doi:10.7500/AEPS20220301010

您当前的位置：

首页 >

文章列表页 >

基于改进动态时间弯曲的PMU频率异常检测及类型识别

研制与开发 | 更新时间：2025-06-16

- 基于改进动态时间弯曲的PMU频率异常检测及类型识别
- Frequency Anomaly Detection and Type Identification of PMU Based on Improved Dynamic Time Warping
- 电力系统自动化 2022年46卷第24期页码：104-112
- 作者机构：
  
  1.输配电装备及系统安全与新技术国家重点实验室(重庆大学),重庆市 400044
  2.国网河南省电力公司电力科学研究院,河南省郑州市 450052
- 作者简介：
  
  黄子蒙(1998—)，男，硕士研究生，主要研究方向：同步相量测量数据治理。E-mail：202011021088t@cqu.edu.cn
  余娟(1980—)，女，通信作者，博士，教授，主要研究方向：电力与能源经济优化运行、风险评估、深度学习。E-mail：yujuancqu@cqu.edu.cn
  向明旭(1994—)，男，博士，助理研究员，主要研究方向：电力系统运行优化与分析、电力市场。E-mail：xiangmx58@163.com
- 基金信息：
  
  国家自然科学基金资助项目(52077016);四川省科技计划资助项目(2021YFH0029);重庆市院士牵头科技创新引导专项(cstc2021yszx-jscxX0002)
- DOI：10.7500/AEPS20220301010
  中图分类号：
- 收稿：2022-03-01，
  
  修回：2022-06-13，
  
  网络出版：2022-11-14，
  
  纸质出版：2022-12-25
- 稿件说明：
移动端阅览
黄子蒙,余娟,向明旭等.基于改进动态时间弯曲的PMU频率异常检测及类型识别[J].电力系统自动化,2022,46(24):104-112.

HUANG Zimeng,YU Juan,XIANG Mingxu,et al.Frequency Anomaly Detection and Type Identification of PMU Based on Improved Dynamic Time Warping[J].Automation of Electric Power Systems,2022,46(24):104-112.
黄子蒙,余娟,向明旭等.基于改进动态时间弯曲的PMU频率异常检测及类型识别[J].电力系统自动化,2022,46(24):104-112. DOI： 10.7500/AEPS20220301010.

HUANG Zimeng,YU Juan,XIANG Mingxu,et al.Frequency Anomaly Detection and Type Identification of PMU Based on Improved Dynamic Time Warping[J].Automation of Electric Power Systems,2022,46(24):104-112. DOI： 10.7500/AEPS20220301010.

摘要

高比例可再生能源电力系统中不确定性、复杂性和脆弱性问题日益凸显，亟须利用同步相量测量单元（PMU）的高质量量测数据支撑系统动态安全监控。然而，PMU数据受到各类因素影响，存在不同程度的质量问题，影响着数据的各类高级应用。对此，以频率量测数据为切入点，提出了一种数据驱动的PMU频率数据异常检测及类型识别方法。首先，归纳了频率数据的典型异常类型，并构造各类频率数据异常特征。进一步，提出了一种动态时间弯曲改进策略，通过动态调整弯曲窗口来有效量化各类异常特征。最后，基于局部离群因子法实现频率数据的异常检测及类型识别。以实际电网PMU频率数据为例，验证了所提方法的有效性。

Abstract

The problems of uncertainty

complexity and vulnerability in power systems with high proportion of renewable energy are increasingly prominent. It is urgent to use high-quality measurement data of synchronous phasor measurement units (PMUs) to support dynamic security monitoring of the system. However

PMU data is affected by various factors

and there are quality problems of varying degrees

which affect various advanced applications of data. In this paper

a data-driven PMU frequency data anomaly detection and type identification method is proposed based on the frequency measurement data. First

the typical types of frequency data anomalies are summarized

and the characteristics of various types of frequency data anomalies are constructed. Furthermore

an improved dynamic time warping strategy is proposed

which can effectively quantify various abnormal characteristic by dynamically adjusting the warping window. Finally

anomaly detection and type identification of frequency data are realized based on the local outlier factor method. The effectiveness of the proposed method is verified by taking the PMU frequency data of an actual power grid as an example.

关键词

Keywords

references

习近平在第七十五届联合国大会一般性辩论上发表重要讲话［EB/OL］.（ 2020-09-22 ）［ 2022-02-01 ］. http：//www.gov.cn/xinwen/2020-09/22/content _5546168.htm http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm .

XI Jinping made an important statement during the general debate of the seventy-fifth United Nations General Assembly ［EB/OL］. （ 2020-09-22 ）［ 2022-02-01 ］. http：//www.gov.cn/xinwen/2020-09/22/content_5546168.htm http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm .

解读以新能源为主体的新型电力系统［EB/OL］.［ 2021-07-01 ］. https：//power.in-en.com/html/power-2391898.shtml https://power.in-en.com/html/power-2391898.shtml .

Interpretation of new energy-based power system ［EB/OL］. ［ 2021-07-01 ］. https：//power.in-en.com/html/power-2391898.shtml https://power.in-en.com/html/power-2391898.shtml .

邢晓东，石访，张恒旭，等 . 基于同步相量的有源配电网自适应故障区段定位方法［J］. 电工技术学报， 2020 ， 35 （ 23 ）： 4920 - 4930 .

XING Xiaodong ， SHI Fang ， ZHANG Hengxu ， et al . Adaptive section location method for active distribution network based on synchronized phasor measurement ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 23 ）： 4920 - 4930 .

童晓阳，张生鹏，张广骁 . 基于区域PMU和节点故障注入电流的广域后备保护算法［J］. 电力系统自动化， 2021 ， 45 （ 15 ）： 158 - 165 .

TONG Xiaoyang ， ZHANG Shengpeng ， ZHANG Guangxiao . Wide-area backup protection algorithm based on regional phasor measurement unit and nodal fault-injection current ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 15 ）： 158 - 165 .

杨睿，高红均，刘俊勇 . 基于有限PMU配置的配电网故障定位［J］. 电力自动化设备， 2022 ， 42 （ 4 ）： 138 - 145 .

YANG Rui ， GAO Hongjun ， LIU Junyong . Distribution network fault location based on limited PMU configuration ［J］. Electric Power Automation Equipment ， 2022 ， 42 （ 4 ）： 138 - 145 .

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 .

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 .

罗深增，李银红，石东源 . 广域测量系统可观性概率评估及其在PMU优化配置中的应用［J］. 电工技术学报， 2018 ， 33 （ 8 ）： 1844 - 1853 .

LUO Shenzeng ， LI Yinhong ， SHI Dongyuan . Wide area monitoring system observability probabilistic evaluation and it's application in optimal PMU placement ［J］. Transactions of China Electrotechnical Society ， 2018 ， 33 （ 8 ）： 1844 - 1853 .

ZHANG Q F ， VENKATASUBRAMANIAN V M . Synchrophasor time skew： formulation， detection and correction ［C］// 2014 IEEE North American Power Symposium （NAPS）， September 7-9 ， 2014 ， Pullman， USA ： 1 - 6 .

MARTIN K . Synchrophasor data diagnostics： detection & resolution of data problems for operations and analysis ［R］. Pasadena， USA ： Electric Power Group ， 2014 .

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 .

DENG X ， BIAN D ， WANG W ， et al . Deep learning model to detect various synchrophasor data anomalies ［J］. IET Generation ， Transmission & Distribution， 2020 ， 14 （ 24 ）： 5739 - 5745 .

ZHU L ， HILL D J . Cost-effective bad synchrophasor data detection based on unsupervised time-series data analytic ［J］. IEEE Internet of Things Journal ， 2020 ， 8 （ 3 ）： 2027 - 2039 .

MAHAPATRA K ， CHAUDHURI N R . Online robust PCA for malicious attack-resilience in wide-area mode metering application ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 4 ）： 2598 - 2610 .

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 .

BERNDT D J ， CLIFFORD J . Using dynamic time warping to find patterns in time series ［C］// Proceedings of the 3rd International Conference on Knowledge Discovery and Data Mining ， April 26 ， 1994， Menlo Park ， USA ： 359 - 370 .

李海林，梁叶，王少春 . 时间序列数据挖掘中的动态时间弯曲研究综述［J］. 控制与决策， 2018 ， 33 （ 8 ）： 1345 - 1353 .

LI Hailin ， LIANG Ye ， WANG Shaochun . Review on dynamic time warping in time series data mining ［J］. Control and Decision ， 2018 ， 33 （ 8 ）： 1345 - 1353 .

BREUNIG M M ， KRIEGEL H P ， NG R T ， et al . LOF： identifying density-based local outliers ［C］// ACM SIGMOD International Conference on Management of Data ， May 16-18 ， 2000 ， Dallas， USA ： 93 - 104 .

张怡，张恒旭，李常刚，等 . 电力系统频率响应模式及其量化描述［J］. 中国电机工程学报， 2021 ， 41 （ 17 ）： 5877 - 5887 .

ZHANG Yi ， ZHANG Hengxu ， LI Changgang ， et al . Power system frequency responses pattern and its quantitative analysis ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 17 ）： 5877 - 5887 .

郭剑波院士：新型电力系统特征与发展挑战［EB/OL］.［ 2021-09-24 ］. https：//weibo.com/ttarticle/p/show？id=2309404684 914959188183 https://weibo.com/ttarticle/p/show?id=2309404684914959188183 .

Academician Guo Jianbo： Characteristics and development challenges of new power systems ［EB/OL］. ［ 2021-09-24 ］. https：//weibo.com /ttarticle/p/show？id=2309404684914959 188183 https://weibo.com/ttarticle/p/show?id=2309404684914959188183 .

SAKOE H ， CHIBA S . Dynamic programming algorithm optimization for spoken word recognition ［J］. IEEE Transactions on Acoustics， Speech， and Signal Processing ， 1978 ， 26 （ 1 ）： 43 - 49 .

HAN J ， PEI J ， KAMBER M . Data mining： concepts and techniques ［M］. Amsterdam， Netherlands ： Elsevier ， 2011 .

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

基于深度学习的电力工控流量应用层报文异常检测

基于电压曲线形态特征聚类的低压台区相位辨识

基于负荷尖峰特征LSTM自编码器的窃电识别方法

考虑运行状态相似性的风电机组数据异常检测方法