基于无监督时间序列数据分析的高性价比不良同步相量数据检测
系统与控制
2020-08-12 v2 系统与控制
信号处理
摘要
在部署了各类先进传感器（如相量测量单元（PMU））的现代智能电网中，不良（异常）量测在实践中总是不可避免的。考虑到滤除潜在不良数据的迫切需求，本文通过充分挖掘时空相关性，为区域相量数据集中器（PDC）提出了一种新颖的在线不良PMU数据检测（BPDD）方法。该方法无需昂贵的数据标注或迭代学习，从时空最近邻（STNN）发现的新型数据驱动视角，在电网中实现无模型、无标签、非迭代的BPDD。具体而言，首先将由PMU获取的时空相关区域量测聚合成时空时间序列（TS）剖面；随后，通过刻画异常STNN来识别受不良PMU数据污染的TS子序列。为使整体方法胜任在线流式PMU数据处理，精心设计了加速STNN发现的高效策略。不同于现有需要昂贵离线数据集准备/训练或计算密集型在线优化的数据驱动BPDD方案，该方法可以高性价比方式实现，从而在实际场景中更具适用性与可扩展性。基于北欧测试系统与现实的中国南方电网的数值测试结果，证明了所提方法在实际在线监测中的可靠性、高效性与可扩展性。
引用
@article{arxiv.2005.01060,
title = {Cost-Effective Bad Synchrophasor Data Detection Based on Unsupervised Time Series Data Analytics},
author = {Lipeng Zhu and David J. Hill},
journal= {arXiv preprint arXiv:2005.01060},
year = {2020}
}