(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 202211190870.0 (22)申请日 2022.09.28 (71)申请人 南京邮电大 学 地址 210046 江苏省南京市栖霞区文苑路9 号 (72)发明人 邓松　孙梦飞　袁玲玲　岳东　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 专利代理师 张雯 (51)Int.Cl. H02J 3/00(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种基于机理模型的电力系统异常数据检 测方法 (57)摘要 本发明公开了一种基于机理模型的电力系 统异常数据检测方法， 包括以下步骤： S1.构建电 网数学模型， 刻画交流环境下电力系统状态量和 量测量的关系， 根据电力系统相邻两次时间间隔 的采样数据， 计算节点的有功和无功的功率方程 增量， 推导出电力系统状态转移矩阵函数； S2.设 计扩展卡尔曼滤波器， 将步骤S1中的状态 转移矩 阵函数进行泰勒展开， 只保留一次项， 得到扩展 卡尔曼滤波； S3.执行异常检测， 先使用最小二乘 法处理数据， 再使用步骤S2中的扩展卡尔曼滤波 器处理数据， 最后比较数据， 若差值小于等于检 测阈值代表不存在异常， 否则代表存在异常。 本 方法可以有效应对电力系统的非线性特征， 有效 检测异常数据， 大大提高电力系统的安全性和稳 定性。 权利要求书2页 说明书5页 附图1页 CN 115441443 A 2022.12.06 CN 115441443 A 1.一种基于 机理模型的电力系统异常数据检测方法， 其特 征在于， 包括以下步骤： S1.构建电网数学模型， 刻画交流环境下电力系统的状态量和量测量之间的关系， 根据 电力系统相邻两次时间间隔的采样数据， 计算节点的有功和无功的功率方程的增量， 进而 推导出电力系统的状态转移 矩阵函数； S2.设计扩展卡尔曼滤波器， 将所述步骤S1中的状态转移矩阵函数进行泰勒展开， 只保 留一次项， 得到扩展卡尔曼 滤波； S3.执行异常检测， 具体步骤 包括S31、 S32和S3 3； S31.使用最小二乘法处 理电力系统数据； S32.使用所述 步骤S2中的扩展卡尔曼 滤波器处 理电力系统数据； S33.比较步骤S31和步骤S32中的两种数据， 若二者之差小于等于检测阈值则代表不存 在异常， 否则代 表存在异常， 表达式为 其中， 为扩展卡尔曼滤波器处理所得的估计状态， 为最小二乘法处理所得的 估计状态， τ 为检测阈值。 2.根据权利要求1所述的一种基于机理模型的电力系统异常数据检测方法， 其特征在 于： 所述步骤S1中， 所述刻画交流环境下电力系统的状态量和量测量之间的关系的表达式 为 其中， Pi为节点i的有功功率， Ri为节点i的无功功率， Pij是通过线路ij的有功功率， Rij 是通过线路ij的无功功 率， Vi、 Vj分别为节点i和j的电压， 为线路ij的电导， 为线路ij 的电纳， Mc为线路对地的电纳， Cij为导纳矩阵中元素ij的实部， Nij为导纳矩阵中元素ij的虚 部， θij为节点i和节点j的相交差 。 3.根据权利要求1所述的一种基于机理模型的电力系统异常数据检测方法， 其特征在 于： 所述步骤S1中， 计算节点的有功和无功的功率方程增量的表达式为 其中， ΔP为总的有功功率增量向量， ΔR为总的无功功率增量向量， ΔPg为发电机有功 变化向量， ΔPl为负荷有功变化 向量， ΔRg为发电机无功变化 向量， ΔRl为负荷无功变化 向 量， Δθ和ΔV分别为系统有功、 无功变化时引起的节 点相角和电压赋值的变化量向量， A、 B、 C、 D为雅可比矩阵的子矩阵， 其中的各个元素为 其权　利　要　求　书 1/2 页 2 CN 115441443 A 2中， θj为节点j的相角幅值， Vj为节点j的电压幅值， J为雅可比矩阵， Δx为状态变量的变化 量。 4.根据权利要求1所述的一种基于机理模型的电力系统异常数据检测方法， 其特征在 于： 所述步骤S1中， 所述电力系统的状态转移 矩阵函数为 将上式简化表示为xk＝Qk‑1xk‑1， 其中， 其中， xk为k时 刻系统的状态变量， xk‑1为k‑1时刻系统的状态变量， 为电力系统中节点有功、 无功的 功率因数， I 为单位矩阵。 5.根据权利要求1所述的一种基于机理模型的电力系统异常数据检测方法， 其特征在 于： 所述步骤S2中， 所述扩展卡尔曼 滤波的表达式为 xk＝f(xk‑1)+ωk； 其中， f为状态转移函数， ωk为系统误差； 扩展卡尔曼 滤波器的预测步 为 其中， 表示利用k ‑1时刻的状态转移矩阵得到的k时刻系统状态量的预测 值， Pk‑1 为协方差矩阵， 为k时刻状态预测误差协方差矩阵， Wk‑1为过程噪声； 扩展卡尔曼 滤波器的滤波步 为 其中， 为k时刻的状态估计值， Kk为卡尔曼增益矩阵， zk为攻击向量， h为量测方程， Pk 为测量噪声方差， Hk为量测方程的雅可比矩阵， Pk为k时刻滤波误差协方差矩阵。权　利　要　求　书 2/2 页 3 CN 115441443 A 3