调度状态范文

调度状态范文（精选3篇）

调度状态 第1篇

结合设备健康状态的智能调度是发展智能电网的潜在要求。理想中的智能电网将具有自愈、资产设备高利用率、用户积极参与、防止网络攻击和抵御自然灾害、电能质量更好、协调分布式发电与储能选择、使电力市场进一步实现等特征。从基本特征分析来看, 电力系统的发展方向已经从传统的安全、可靠、经济的基本目标升级为安全、可靠、经济、优化的高级目标。

2 设备健康状态评估

图1概括了设备健康状态的获取流程以及在此基础上的调度优化。健康状态的计算主要依赖在线监测和状态检修结果, 而调度策略则根据设备健康状态和负载率制定。

状态检修指的是根据在线监测、巡检记录、诊断技术、可靠性评价等的结果安排检修计划, 实施主动检修。状态检修的主要意义是以监测代替大部分的检修工作可以提高设备的安全性与可靠性。状态检修结果可以用来评价设备状态并制定检修计划, 本文主要引入了健康指数 (HealthIndex, HI) 的概念来描述状态检修扣分值, 并通过HI计算设备的健康状态。虽然HI在一些文章中出现过, 但其定义与计算方法各异。本文采用在中国国内最新推行的标准进行该指标的计算。标准根据各地的具体操作情况, 对电网中的主要设备 (断路器、线路、变压器) 的状态检修方式以及打分细节已经做出了总结, 并且对主要设备的状态与得分关系有了明确的规定。相比于国内外的研究文献, 它给出了更详细的设备评判指标, 除了基本的传统指标外, 还包括更为细致的组成元件的健康状态情况, 所以评价结果更为准确。这里, 分值的计算与国外的分值计算不同, 标准中采用扣分制, 即每一项指标的扣分值从0到10不等, 权重从1到4不等。状态量扣分值由状态量劣化程度和权重共同决定, 即状态量应扣分值等于该状态量的基本扣分值乘以权重系数。最终的设备状态取决于最严重的部件状态。

设备扣分=部件扣分max×重要度 (1)

部件扣分max表示最严重的部件扣分值。变压器、断路器、输电线路的状态量分值的计算方法都是一致的。本文所提及的健康指数 (HI) 即为该扣分值。

健康程度与故障率是此消彼长的互补关系, 所以欲求得健康状态, 要先求得故障率。故障率与设备健康状态分值通常呈指数关系, 计算公式主要有如下两种。

利用式 (2) 和复杂的后期处理得到了很好的故障率计算结果, 但是其设备状态检修结果仅粗略地当做0, 0.5, 1来计算, 不能很好地利用状态检修结果。所以这里主要采用式 (3) 作为故障率计算公式。这里, λ为故障率, HI为健康指数, 取值范围一般为0到30。比例系数K与曲率系数C的求取可以应用同类设备历史数据得到, 由年故障设备台数与设备总台数的比值确定年故障的发生率。

式中:N为设备总台数, HIi为第i台设备扣分值。得到K、C值之后, 即可求得各台设备在各种状态下的故障率。根据数据进行某区变压器设备数据拟合, 得K=0.011, C=0.045。进一步计算设备健康状态如式 (5) 所示。

设备健康状态=1-设备故障率 (λ) (5)

这里将健康状态的值定义为取故障率的补值, 间接建立起与健康指数的关系, 是计算后文指标的基础。

3 调度策略

智能电网时代, 设备的利用效率已经不再是单纯以提高设备负载率为目标, 而是要同时考虑设备实时的健康状态。由此, 本文定义了一个新的能够反应新要求下设备使用效率的指标, 即健康负载指数。表达形式如下:

式中的H是设备的健康状态, 由式 (5) 求得, 当有多台同类设备时候, 需要进行归一化处理。L为设备负载率, 这里需要将其取值范围映射在健康状态取值范围之内。HLI取值大于等于1, 当且仅当H=L时取1。HLI与健康状态/负载率的关系如图2所示, 其中横坐标为健康状态与负载率的比值, 纵坐标为健康负载指数, 在H≈L时, HLI取最小值。

HLI反应了当健康程度高的设备具有更好的负载率时, 该指数小;当健康程度低的设备具有与其相符的较低负载率时, 该指数也小。也就是说, 当某设备的HLI越小的时候, 该设备健康状态与负载率的匹配越好, 这也就实现了本文的核心目标, 即设备按其健康程度的不同带有与其适合的负载率。

式 (6) 反应了单一设备的健康负载指数。对于整个系统而言, 希望同类设备具有近似的指数, 所以系统优化的目标函数设为:

这里字母S表示系统 (System) 。下标i表示第i类设备, 下标j表示负载率不为零的i类设备的第j台设备。式 (7) 是针对系统中某一类设备的HLI的目标函数, 而式 (8) 是针对多种类设备HLI的考虑结果。iw是第i类设备的权重值, 主要针对不同种类设备的一般的故障概率比重设定。故障概率高的设备赋予更大的权重, 具体操作时还可以根据预想结果与实际运行结果来对比修正。在实际运行中, 还要考虑传统的如网损 (NetworkLoss, NL) 等重要指标, 由于同取最小值, 所以可制定目标函数如下:

目标函数还可以扩展到更多。此外, 还可以考虑负荷的重要程度, 反应在负载率权重上, 这样可以使HLIS更合理。例如, 馈线上有三类负荷, 重要程度分别为a1, a2, a3, 那么某一设备负载率L的值将是负载率与重要度的积。不难发现, 重要程度高的负荷将使其所对应的设备的负载率比原来更高, 从而使得其健康状态 (H) 也要相对更高, 这就可以使重要负荷对应更高的设备健康状态。当考虑设备健康状态后所带来的提高供电可靠性的经济

效益和设备检修费用改善之和大于线损时, 那么采用考虑设备健康情况的智能调度就有价值。

网络拓扑约束gk∈G (10)

其中, gk为重构后的网络结构, 若要求为辐射状配电网, 则G为所有可行的辐射状网络结构的集合。

潮流约束

系统各项有功功率和无功功率在各时刻必须供需平衡。向量x表示系统的状态向量 (包括各节点的电压幅值和相角等) 。

运行约束

运行约束主要包括母线电压的幅值约束和线路允许最大电流约束以及设备的运行的容量约束。与传统约束略有不同的地方是向量中增加了设备健康状态元素, 并要求其值大于其对应的需要进行检修的最低数值。对于这样一个带有约束条件的多目标优化问题, 有许多方法可以解决, 例如多目标进化算法、多目标粒子群算法、人工神经网络优化等方法。

结语

调度策略改变了传统电网运行中针对设备的粗放型处理方式, 实现了根据设备实际健康状态进行负载率的合理分配, 不仅从传统的系统安全、经济层面考虑, 并且进一步优化了设备的使用效率。最后通过一个包含变压器设备健康状态的事例验证了健康负载指数对智能调度的有效性。考虑设备健康状态的智能调度符合智能电网的发展战略, 对于未来的智能调度

摘要：本文根据未来智能电网的发展方向, 分析了提高设备利用率的必要性与可行性, 提出了可以同时考虑设备健康状态和负载率的健康负载指数并将其应用到考虑设备健康使用效率的实时调度策略。

关键词：智能调度,设备健康状态,使用效率

参考文献

[1]俞汉生.电力设备远程调度管理系统, 2009.

调度状态 第2篇

关键词：状态估计,参数估计,准确率

0引言

随着新疆电网调度技术支持系统的升级改造, 新疆电网目前已建设了智能电网调度技术支持系统 (以下简称D5000) 。D5000系统实现了调度中心业务系统的横向集成, 在统一平台上, 集成了实时监控与预警类、调度计划类、安全校核类、调度管理类等四类应用, 实现了对电网安全的日前日内校核、电网运行态势的实时监视与预警, 从而提高了电网调度运行驾驭大电网的能力。作为各类在线计算功能所需数据的提供者及基础底层, 状态估计的作用更加突出[1,2,3]。

状态估计主要是从含有误差的遥测数据中获得系统当前状态的最佳估计, 提供电网实时状态, 以便其它应用软件用作分析的初始条件, 状态估计主要根据SCADA的信息, 包括节点注入功率、线路潮流、电压幅值和电流幅值。

影响状态估计结果的因素主要有:模型、参数、实时数据。目前, 新疆电网智能调度支持系统中电网模型中已有接近200个厂站, 如何在运行过程中保持状态估计的高合格率和收敛率, 可行实用的调试方法是关键, 也是调度自动化日常维护工作的一个难点问题。本文对电网调度技术支持系统D5000状态估计调试方法进行了研究。

1状态估计发散的调试

状态估计结果出现发散, 主要分为有功迭代引起的发散和无功迭代引起的发散。

1.1状态估计有功发散

若状态估计发散是由于有功功率偏差不断增大, 或者迭代次数超过极限引起, 主要从以下几个方面来进行检查调试:

(1) 检查模型是否完整, 是否有关键厂站或者关键设备未纳入到PAS应用。由于新设备在进行建模时, 有可能由于参数不全而暂时不纳入P A S模型, 在投运时又未重新纳入PAS而导致新设备投运后状态估计发散, 因此以检查新投运设备为主。

(2) 检查网络拓扑分析信息。在正常情况下, 应只有一个电气岛。若电气岛超过一个, 则对电气岛信息进行核对, 确定电气岛是由于正常检修引起还是由于遥信异常引起。

(3) 检查线路、主变绕组参数, 是否存在电抗值 (有名值) 非常小的情况。

(4) 检查线路、主变绕组电阻与电抗比值 (R/X) 接近于1的线路。PQ解耦法的一个基本条件是 (R<< X) 。当R/X≈1时, R的作用已不能忽略。

(5) 外网等值是否合理, 用来代替外网模型的等值机是否正确连接至母线, 是否存在孤岛。

(6) 检查母线、线路、主变功率平衡数值是否存在较大的不平衡量。

根据状态估计迭代信息, 可以将状态估计发散的厂站、电压等级定位。先检查造成发散的厂站周边设备的模型、设备、参数。也可通过厂站排除的方法进一步缩小排查范围。

1.2状态估计无功发散

由于状态估计到达迭代极限, 偏差值仍大于门槛值, 状态估计会仍然不收敛。因此, 在状态估计出现无功发散时, 可先按照有功发散的步骤进行问题排查, 还可按照以下几个方面进行排查:

(1) 检查线路的充电电容是否正确;检查线路高压电抗器的额定电压和额定容量是否正确;尤其是高电压等级的线路及线路高抗、母线高抗;线路高压电抗器无功数值是否正确。

(2) 检查低压并联电容、电抗器的容量及额定电压是否正确;低压并联电容、电抗器的出线刀位置是否正确。

(3) 检查变压器的类型、绕组额定电压、额定容量、分接头类型、分接头位置是否正确;检查变压器相应开关刀闸位置是否正确。通过迭代信息, 可以查看到无功发散的厂站和电压等级, 然后去查找附近厂站及设备的状态、实时数据、设备参数是否正确。

2提高状态估计合格率的调试方法

状态估计计算收敛后, 需要提供满足一定合格率的计算结果, 才能为后续的应用提供适合计算的熟数据。

2.1提高有功状态估计合格率的调试方法

1) 检查线路、变压器、负荷量测数据是否不刷新、潮流极性错误、量测是否偏离正常值。

2) 检查线路、母线、变压器设备的有功不平衡量;母线、变压器的功率不平衡量数值无法反映整厂站数据不刷新的情况, 线路两端功率不平衡量可以反映出此类情况。

3) 并列运行的线路是否存在电阻、电抗值相差较大的情况;开关刀闸位置是否与实际不符;短线路 (线路长度小于100 m) 的参数是否存在参数不适应的情况。

4) 母联断路器的位置是否与实际不符, 导致网络拓扑异常, 从而导致计算时潮流分布错误。

5) 遥测量的合理上限、合理下限是否设置合理, 若设置不合理, 状态估计程序根据实时遥测值误判部分设备的运行状态, 从而自动对设备所属遥信值进行置位, 使网络拓扑异常。

6) 发电厂机组厂用电率是否设置合理。厂用电率设置过大或过小, 会使状态估计中的主变高压侧功率或者发电机功率偏差值较大。

7) 线路、变压器、负荷的连接点号是否正确, 若设备连接点号不正确, 则设备无法正确纳入模型之中。

2.2提高状态估计无功合格率的调试方法

在对状态估计有功合格率进行了上述的检查和核对以后, 基本上排除了电网模型、实时数据的异常情况。提高无功的估计合格率, 还需要考虑以下几个方面:

(1) 检查变压器各绕组的潮流数据是否正确, 并列运行的变压器的挡位及分接头类型是否正确。

(2) 线路较长的线路, 若无功估计偏差较大, 需核实线路的电阻、电抗、电纳参数。

(3) 检查线路高压电抗器或母线电抗器无功估计值与实际值的偏差量, 若偏差较大, 则有可能是额定容量或额定电压填写有误。

(4) 检查线路充电电容是否正确。220 k V及以上电压等级的线路, 线路上的充电无功较大, 若线路充电电容不正确, 则影响计算中的无功分布。

(5) 针对双母母线分列运行的厂站, 检查是否存在母联开关及刀闸位置错误, 从而在拓扑分析中使母线电压差较大的两条母线等值为一个逻辑节点, 估计为同一电压值。

3环网及多回联络线路的参数估计方法

在状态估计的实际调试工作中, 辐射状网络的状态估计合格率易于提升, 对于环网线路, 由于同时受到的约束条件较多, 较难进行调试, 特别是环网线路参数有问题的时候更为困难。对于某种运行方式和潮流数据适应的环网线路参数, 在运行方式和线路潮流发生变化的情况下, 会出现不适应的情况。本文推导状态估计计算的过程, 并利用数学计算工具MATLAB程序对环网线路电抗进行参数估计, 为环网线路状态估计提供调试工具[4,5]。

3.1参数估计公式推导

令A为m×n矩阵, X、Y为n×1列向量, X、Y之间满足如公式 (1) :

在公式 (1) 中, 假设Y是已知量, X为未知量, 若m =n且r (A) =m则:

X可通过公式 (2) 直接得到。一般情况下, A是一个长方阵 (m>n) , 也就是说公式 (1) 是一个超定方程, 因此需要构造一个最小二乘问题:

通过求解公式 (3) , 可得到最小二乘最优估计解:

将公式 (4) 推广到电力系统。设线路上的有功潮流为Pij, 电抗为xij, 则有公式 (5) 所示:

利用直流潮流的推导, 如公式 (6) 所示:

对于环网线路, 有, 即:

设为n×1维的电抗真实值列向量, x0为n×1维的电抗初始值列向量, Pk×n为多个时间断面的线路有功量测, 设, 则可由公式 (7) 建立公式 (8) :

根据公式 (8) 推导可得:

针对环网线路的电抗参数进行分析时, 可由公式 (9) 得到线路电抗的估计值。

3.2吐鲁番地区电网算例分析

吐鲁番地区小草湖变存在环网且线路状态估计值偏差较大, 选取顺唐变—小草湖变—交河变—托克逊工业园环变作为研究对象, 四厂站之间的连接关系如图1所示。

选取基准功率100 MW, 基准电压230 k V, 各时间断面潮流如表1所示。

编辑Matlab的m文件如下:

通过Matlab执行此m文件, 可得到X =[1.094 6 ; 1.808 6;3.578 1;2.865 6], 利用X-x0得到偏差最大的分量, 即需要对相应的线路电抗进行调整。在本算例中, 第四项电抗估计值与所用电抗偏差最大, 即顺园线电抗需要调整成2.865 6。

故本文所用的方法在新疆电网状态估计调试工作中取得了较好的应用效果。

4超短线路的参数估计方法

常规情况下, 导线型号和长度相同的平行线路, 母线阻抗相对于线路阻抗较小, 可忽略, 其传输功率分布基本相同, 差异较小。而对与电网中的超短线路, 其阻抗与母线阻抗相近时, 母线排列顺序对平行线路潮流分布影响较大, 受母线及线路的阻抗, 特别是母线阻抗共同影响, 实际运行的平行三回线传输功率不均分, 相差较大。进而对状态估计结果影响较大。需认真考虑此种问题, 不能误判断线路阻抗参数存在问题。状态估计结果与实际运行不符需调整参数的做法需认真分析, 值得商榷。研究处理方案, 电网示意图如图2所示。新疆电网中存在局部线路非常短情况, 如220 k V车兹一、二、三线线路为LGJ-2×400, 长度60 m, 此种情况下, 实际运行时线路的阻抗与变电站母线的阻抗相对差较小, 受母线及线路的阻抗, 特别是母线阻抗共同影响, 实际运行的平行三回线传输功率不均分, 相差较大。而在状态估计中母线阻抗忽略为0, 则状态估计与实际运行不匹配, 对状态估计结果影响较大。实际运行图如图3所示。

考虑此种情况, 目前程序未开发处理, 通过分析, 考虑在模型中增加一个节点, 虚拟一段线路, 通过调整阻抗, 使其模拟计及母线阻抗的影响, 使潮流分布与实际量测结果接近, 从而提高了状态估计的准确性[6,7,8]。

5结语

状态估计在智能电网调度技术支持系统的基础应用和高级应用中, 其作为基础应用十分关键, 作用较大。其对实时数据起着“去粗取精、去伪存真”的作用, 为调度员潮流、在线预警、调度计划和安全校核等在线应用起着至关重要的作用, 本文针对智能电网调度技术支持系统状态估计调试和维护进行了总体性的研究。对提高状态估计准确率的调试方法改进进行了分析, 提出相应的实用化的调试方法, 特别是针对环网线路、多回联络线路、超短线路提出了一种估计参数的方法, 进一步提高了状态估计的准确性, 推动了智能电网调度自动化系统D5000在线分析模块应用实用化的发展。随着智能电网调度技术支持系统实用化工作的推进, 各类在线分析和离线分析的计算越来越依赖于状态估计, 在保持状态估计高合格率的同时, 研究如何深化和优化智能电网调度技术支持系统中电网分析和控制模块, 对于新疆电网的安全稳定经济运行有重要的现实意义。

参考文献

[1]郭伟, 单渊达.M估计方法及其在电力系统状态估计中的应用[J].中国电机工程学报, 2000, 20 (9) :26-31.

[2]张超树, 李强, 周京阳, 等.电力系统状态估计实用中若干问题的处理[J].广东电力, 2007, 20 (4) :18-22.

[3]薛山.MATLAB基础教程[M].北京:清华大学出版社, 2011.

[4]刘辉乐, 刘天琪, 黄志华, 等.电力系统动态状态估计的研究现状[J].华东电力, 2007, 20 (4) :18-22.

[5]赵红嘎, 薛禹胜, 高翔, 等.量测量的时延差对状态估计的影响及其对策[J].电力系统自动化, 2004, 28 (21) :12-16.

[6]贾东梨, 孟晓丽, 宋晓辉.基于超短期负荷预测的智能配电网状态估计[J].电力建设, 2013, 34 (1) :31-35.

[7]付艳兰, 陈艳波, 姚锐, 等.基于最大指数绝对值目标函数的抗差状态估计方法[J].电网技术, 2013, 34 (11) :56-62.

调度状态 第3篇

1 监测数据采集整体规划

黑龙江省调状态监测与监控预警在省调D5000平台上集成, 部署在智能电网调度控制系统安全II区, 主站配置前置、应用等服务器, 实现信息的采集、存储、分析与应用。

系统向Ι区D5000监控系统以E文本格式推送状态监测实时告警信息, 实现监控告警窗内以同一界面滚动平行监盘展示。

系统向Ⅲ区OMS系统以E文本格式推送状态监测历史告警信息统计, 在OMS中设计统计月报, 形成缺陷记录, 并入缺陷处理流程。调度主站的第一数据源目前来自省电科院在线监测采集平台。

智能变电站变电设备状态监测信息作为第二数据源, 通过无线网接入安全接入区, 通过横向安全隔离装置传到安全II区在线监测服务器, 通过II区通信网关机接入变电站调度数据网, 并上传至调度主站[1]。

2 监测数据处理模块的实现方式

黑龙江省调度状态监测数据采集整体规划如图1所示。

从图1可以看出, 目前黑龙江省调的第一监测数据来源于省电科院输变电在线监测平台。将来, 在智能变电站的综合数据平台建设完成后, 还存在第二数据源的选择问题。根据输变电在线监测多年的运行经验来看, 远程采集的监测数据由于装置本身、传输通道、数据传输的标准化等等原因, 会使主站采集的原始数据不可用。因此黑龙江省调在此系统建设过程中, 把对原始数据的辨识和梳理, 作为整个系统建设的重要前提。

重要模块的数据处理模块, 主要有以下两点作用:

1) 将原始监测信息数据做自动或是人工的加工和处理, 形成规范的数据模型, 以保证后续模块能够使用可靠的基础数据[2]。

2) 衍生出一些二次数据, 供后续模块分析使用[3]。

数据处理模块主要包括数据合理性自动校验、数据合理性人工校验、数据告警判断、数据告警优化、数据告警抑制、监测装置工作状态 (自检、故障、异常、退出运行等) 判断[4]。单次数据处理模块流程如图2所示。

2.1 监测装置工作状态判断

监测装置工作状态判断主要是根据装置上传数据的最新时间与当前时间的差值, 结合间隔阈值来判断装置是处于正常工作、休眠或是故障状态。

监测数据是按照类型依据MDAI (n) -List[i]以及TSI[MDAI (n) ]计算监测数据状态标识F (n, k) 存储, 其计算方法是:

1) 获取某个监测装置的所有未处理数据列表。

2) 获取某个监测装置的阀值设置信息。

3) 初始化该装置的监测数据状态标识。

4) 当数据出现异常时采用对应数据补救策略。

在应用中需要按照类型分别对监测装置工作状态加以判断[5]。针对单个类型监测装置工作状态的具体判断流程如图3所示。

2.2 数据合理性自动校验

数据合理性自动校验主要是依据系统预先设置好的判定规则对各数据源在线监测数据进行校验。由于监测数据是按照类型存储的, 因此需要按照类型分别对监测数据进行校验。经过数据合理性自动校验, 将生成三种数据类型, 分别为实测数据、自动置数数据和可疑数据[6]。针对单个类型监测数据的具体校验流程如图4所示。

2.3 数据合理性人工校验

数据合理性人工校验主要是对自动校验后生成的实测数据、自动置数数据, 以及可疑数据进行人工审核、修改或确认。经过人工校验后的数据状态将变为人工置数数据。

2.4 数据告警判断、优化与抑制

数据告警判断主要是依据系统预先设置好的告警判定规则对各数据源在线监测数据进行告警判断。数据告警的优化与抑制功能可以根据告警过滤原则减少重复报警, 增强用户体验[7]。由于监测数据是按照类型存储的, 因此需要按照类型分别对监测数据进行告警判断。经过告警判断以后, 将生成预警数据和报警数据。针对单个类型监测数据的具体判断流程如图5所示。

2.5 数据状态转换图

监测数据经过数据处理时数据状态的转换过程, 如图6所示。

3 结论

黑龙江省调在此监测系统建设过程中, 针对数据采集过程中的环节进行了充分论证, 力求将数据传输和采集的干扰降到最低。同时, 研究和开发了数据处理模块, 设计的流程体系清晰完整, 充分结合程序高性能判断及人工及时干预, 避免了任一环节的遗漏。目前, 这套数据处理模块经过2个多月的调试, 已经上线运行。通过一段时间对该模块处理前的数据和处理后的数据的对比, 可以看到经过辨识的数据的准确性和合理性由65%提高到了97%, 提升明显。

摘要：为解决黑龙江省调在线状态监测与监控预警系统接收上来的状态监测及预警数据质量不齐、有效性难以验证, 以及缺乏统一处理标准等问题, 介绍了黑龙江状态监测系统数据采集的整体规划, 阐述了如何建立一套标准、实用的数据处理流程及详细步骤, 并以图文结合的方式说明黑龙江省调在实现监测数据的有效性、唯一性、合理性方面所采取的具体措施, 为系统后期的各项功能应用提供了良好的基础数据。

关键词：黑龙江省,调度状态,监测与预警系统,数据采集与处理,优化与抑制

参考文献

[1]杨雄平.电力系统网络拓扑结构分析及运行方式组合研究[D].武汉:华中科技大学, 2007.YANG Xiongping.Research on the structure of network topology and the combination of operation mode for power system[D].Wuhan:Huazhong University of Science and Technology, 2007.

[2]曾天.浅析智能电网数据质量控制研究[J].城市建设理论研究, 2012 (14) :17-9.ZENG Tian.Analysis on the quality control of smart grid data[J].Urban Construction Magazine Press, 2012 (14) :17-9.

[3]王曰芬, 章成志, 张蓓蓓, 等.数据清洗研究综述[J].情报分析与研究, 2007 (12) :51-53.WANG Yuefen, ZHANG Chengzhi, ZHANG Peipei, et al.A survey of data cleaning[J].Intelligence Analysis and Research, 2007 (12) :51-53.

[4]张亮.电力调度数据中心数据质量问题研究[J].华东电力, 2009 (3) :77-79.ZHANG Liang.Research on data quality for electric power dispatch data center[J].East China Electric Power, 2009 (3) :77-79.

[5]李虎, 邹建明.在线监测技术在电网中的应用[J].华中电力, 2007 (6) :43-46.LI Hu, ZOU Jianming.The application of online technology in power grid[J].Central China Electric Power, 2007 (6) :43-46.

[6]朱六璋.调度信息系统的数据清洗应用[J].电力信息化, 2007 (4) :61-65.ZHU Liuzhang.Application of data cleaning for dispatching information system[J].Electric Power Information Technology, 2007 (4) :61-65.