买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广西电网有限责任公司电力科学研究院;广西电网有限责任公司河池供电局申请的专利基于MES和数据融合的电力系统鲁棒状态估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114840973B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210286804.7，技术领域涉及：G06F30/20；该发明授权基于MES和数据融合的电力系统鲁棒状态估计方法是由余通;达凯;王志文;黎新;宾冬梅;凌颖;杨春燕;韩松明设计研发完成，并于2022-03-22向国家知识产权局提交的专利申请。

本基于MES和数据融合的电力系统鲁棒状态估计方法在说明书摘要公布了：本发明公开了一种基于MES和数据融合的电力系统鲁棒状态估计方法，首先利用鲁棒马氏距离检测系统异常值并分配适当的权重给所选择的PMU缓冲量测量，然后，基于MES估计器利用这些权重以滤除非Gauss的PMU测量噪声，产生一组状态估计结果，同时，再基于MES估计器处理接收到的含未知测量噪声的SCADA测量，以产生另一组状态估计结果，针对两组估计结果，基于数据融合理论将来自两个独立的MES估计器的估计结果进行融合，以获得最终的最优估计结果,本发明优点是：在MES估计模型中嵌入零注入表达式，从而使得等式约束不必显性表达，削除等式约束，无需再使用Lagrange乘子法处理，从而提高算法效率。

本发明授权基于MES和数据融合的电力系统鲁棒状态估计方法在权利要求书中公布了：1.基于MES和数据融合的电力系统鲁棒状态估计方法，其特征在于：首先利用鲁棒马氏距离检测系统异常值并分配适当的权重给所选择的PMU缓冲量测量，然后，基于MES估计器利用这些权重以滤除非Gauss的PMU测量噪声，产生一组状态估计结果，同时，再基于MES估计器处理接收到的含未知测量噪声的SCADA测量，以产生另一组状态估计结果，针对两组估计结果，基于数据融合理论将来自两个独立的MES估计器的估计结果进行融合，以获得最终的最优估计结果，1量测方程 由维纳逼近定理，非Gauss分布px都可由已知的Gauss分布很好地近似，因此可以用以下模型来模拟非Gauss分布误差： 式中：ai表示权重，且NA表示Gauss元素的个数；和∑i表示均值和方差， 基于已知测量误差是否服从Gauss分布，上式可进一步表示为： Ge＝1-εΦe+εKe2 式中：Φe是测量噪声的多数分布，通常被建模表征为Gauss分布；Ke是未知分布，其被认为是重尾密度，如具有大方差的拉普拉斯密度或Gauss密度；0≤ε≤0.5，污染系数，用于调节非Gauss分量的贡献，如对于小的ε，该模型表示大部分的误差遵循Gauss分布，同时保持小部分的非Gauss误差， 非Gauss噪声下的测量方程，可表示如下： z＝hx+Ge3 式中：z表示量测；hx表示非线性测量函数；Ge表示测量误差； 2PMU最佳缓冲长度计算 基于马氏距离，确定多PMU测点的最佳缓冲长度，对所有PMU测点，将其作为一个整体， 设PMU每秒采样nr＝30样本s，SCADA采样间隔Nt＝5s，在1个间隔内，PMU采样数N＝Nt*nr＝150样本，用Z表示采样矩阵，并分为nsubset＝Nt＝5个子集：Z＝[Y1,Y2,Y3,Y4,Y5]，基于以下步骤计算： 1计算Z矩阵中值： Y'＝medianZ＝[y'1,y'2,y'3,y'4,y'5]4 2对Y5执行变点检测，若存在变点，则使用最后一个PMU数据；否则Y5将包含在PMU缓冲集内； 3基于马氏距离Pi，对η1＝[y'5,y'4]，η2＝[y'4,y'3]，…，η4＝[y'2,y'1]检测系统变化： 若η1内的Pi均小于 则包含Y4，否则算法停止；并继续校验η2＝[y'4,y'3]，…，η4＝[y'2,y'1]，直至结束， 4计算PMU缓冲集内量测均值和方差 式中：α表示Z'的列数，wi为Z'的第i列的权重， 基于以上步骤，即可得到多PMU测点的最佳缓冲长度，计算均值和方差后，即可与SCADA数据在同一断面下实现匹配； 3基于MES与数据融合的鲁棒SE方法 3.1基于MES的SCADA鲁棒SE 基于MES估计方法，利用SCADA量测建立MES估计模型，其表达式如下： 式中：x表示状态量；hix表示第i个SCADA的测量函数；wi表示第i个测量权重；zi表示第i个测量；σ表示Parzen窗宽；cx＝0表示零注入节点约束， 极坐标下零注入约束可表示为： 式中：Ψ表示xB与xN的变换关系；B表示零注入功率节点；N表示非零注入节点， Γ为： Φ为： Φ-1为： 将该约束代入MES估计模型，得： 令： 利用Newton法求解，得修正方程： 式中：H为m×n维Jacobian矩阵；F和Q分别为： 状态量修正为： MES估计器求解计算流程如下： ⑴初始化参数，k＝0，置xk,N初值； ⑵由xk,N按式20计算xk,B； ⑶计算矩阵H、F和Q，求解式16，得并更新计算 ⑷若max|Δxk|＜ε，则状态估计收敛，计算结束，否则转步骤⑶； 迭代收敛后，基于SCADA的MES估计的状态误差方差阵为： 上述在MES估计模型中嵌入零注入表达式，从而使得等式约束不必显性表达，削除等式约束，无需再使用Lagrange乘子法处理，从而提高算法效率； 3.2基于MES的PMU鲁棒SE 类似于SCADA鲁棒SE，单独使用PMU测量，基于MES模型进行鲁棒估计，但PMU测量为电压与电流相量，其测量函数为线性函数： 式中：为PMU缓冲区内量测均值，以之作为伪量测，通过式7计算；A为PMU与状态量的关系矩阵，为常系数矩阵，即PMU测量与状态量的Jacobian矩阵；ε为PMU量测误差，其方差为通过式6计算， 基于MES模型，可得： 同样利用Newton法求解，得修正方程： 状态量修正同式19-21， 迭代收敛后，基于PMU的MES估计的状态误差方差阵为： 3.3基于数据融合理论的状态融合 借鉴数据融合理论，将SCADA和PMU测量视为不同的数据源，其量测分别采用zS和zP表示，基于SCADA和基于PMU的SE器分别称为SSE和PSE，经分别对zS和zP处理可产生两组独立的SE结果和相应的误差方差阵由∑s和∑p表示， 基于和∑s和∑p，通过数据融合获得最佳状态融合结果： 从上式中可以看出，xs与xp的SE的权重的分母相同，分子分别为∑p和∑s，意味着权重的大小与估计结果的方差成反比，即精度更高的估计结果其权重也相应更大，精度更低的估计结果其权重也相应更小，以上的估计方法称为数据融合SE方法，将数据融合与MES估计模型结合，获得最终的最优估计结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广西电网有限责任公司电力科学研究院;广西电网有限责任公司河池供电局，其通讯地址为：广西壮族自治区南宁市宁兴宁区民主路6-2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。