基于量测数据相关性的电力系统不良数据检测和辨识新方法

电力系统量测数据的质量是影响电力系统状态估计效率和结果的重要因素,而量测数据中客观地存在少量不良数据,检测和辨识这些不良数据是电力系统状态估计的重要组成部分。文章分析了量测数据协方差矩阵中的元素值在量测数据中含有白噪声、突变量和不良数据时的变化规律,提出了通过量测数据协方差矩阵中元素的变化规律检测和辨识不良数据的新方法,在IEEE14节点系统上的仿真试验验证了该方法的正确性。

基于输入向量识别与异常监视的电力系统探究

近年来,发生过多起通过网络攻击恶意影响电力系统正常运行的事件。新型网络攻击层出不穷,其中虚假数据攻击(FDIA)能够绕过传统的不良数据检测系统,通过恶意改变电力系统的状态估计的结果损害信息系统的防火墙。所以研究如何检测注入到电力系统中的虚假数据具有极高的理论价值和现实意义。本文构建了攻击矢量进行了虚假数据的注入攻击仿真,并与原本正常的系统进行对比,虚假数据攻击会极大地影响状态估计的结果。并用基于残差方程的加权残差法进行了虚假数据的检测,证明此算法无法有效检测出虚假数据攻击。结果表明:所提出的算法是有效并且可靠的。