一种电网量测数据和电网模型纠错方法及装置

1.一种电网量测数据和电网模型纠错方法，其特征在于，所述方法包括：
从数据采集与监视控制系统获取电网量测数据和电网模型数据；
根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计；
将状态估计的结果与预设条件进行匹配，依据匹配情况定位电网量测数据和电网模型数据存在的错误；
根据预设规则对定位的错误进行纠正；
其中，所述预设条件包括状态估计结果出现超过预设阀值的环流，如果状态估计后的结果出现超过预设阀值的环流，则依据匹配情况定位的电网量测数据和电网模型数据存在的错误为电网中存在并列运行的设备；
所述预设条件包括状态估计结果与设备采样值存在差异，如果状态估计后的结果与设备采样值存在差异，则依据匹配情况定位的电网量测数据和电网模型数据存在的错误为电网模型数据错误。
2.根据权利要求1所述的方法，其特征在于，所述根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计具体包括：
根据电网量测数据和电网模型数据采用加权最小二乘法、正交变换法或基于分块Givens旋转的正变换法进行电网实际运行状态的状态估计；
所述基于分块Givens旋转的正变换法为：进行Givens正交变换处理，利用电力系统状态估计问题的分块特征对量测雅可比矩阵进行分块，根据信息矩阵的分块稀疏结构进行列编号的优化，采用变转轴逐列消元策略，基于最小度原则动态选择转轴元素，根据非零注入元素最少的原则选择旋转元素。
3.根据权利要求1所述的方法，其特征在于，在状态估计不收敛时，所述方法还包括对状态估计过程按照如下方式进行修正：将状态估计每一次迭代的误差最大偏差设备输出，如果误差最大偏差值不断变小，则不记录该误差最大偏差设备，如果误差最大偏差值不断扩大，则记录该误差最大偏差设备以便输出告警信息进行错误纠正。
4.根据权利要求1所述的方法，其特征在于，在状态估计不收敛时，所述方法还包括对状态估计过程按照如下方式进行修正：减小进行状态估计的电网的网络范围，所述根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计具体为根据电网量测数据和电网模型数据对减少电网的网络范围后的电网进行实际运行状态的状态估计。
5.根据权利要求4所述的方法，其特征在于，所述减小进行状态估计的电网的网络范围包括：
通过选择不同的电压等级减小网络范围；或，通过不检测非带电岛减小网络范围；或，通过开关的分合和设备的投入、退出减小网络范围。
6.一种电网量测数据和电网模型纠错装置，其特征在于，该装置包括：数据获取单元、状态估计单元、错误定位单元和错误纠正单元，其中：
所述数据获取单元，用于从数据采集与监视控制系统获取电网量测数据和电网模型数据；
所述状态估计单元，用于根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计；
所述错误定位单元，用于将状态估计的结果与预设条件进行匹配，依据匹配情况定位电网量测数据和电网模型数据存在的错误；
所述错误纠正单元，用于根据预设规则对定位的错误进行纠正；
其中，所述预设条件包括状态估计结果出现超过预设阀值的环流，如果状态估计后的结果出现超过预设阀值的环流，则依据匹配情况定位的电网量测数据和电网模型数据存在的错误为电网中存在并列运行的设备；
所述预设条件包括状态估计结果与设备采样值存在差异，如果状态估计后的结果与设备采样值存在差异，则依据匹配情况定位的电网量测数据和电网模型数据存在的错误为电网模型数据错误。
7.根据权利要求6所述的装置，其特征在于，在状态估计不收敛时，所述装置还包括第一状态修正单元，用于将状态估计每一次迭代的误差最大偏差设备输出，如果误差最大偏差值在不断变小，则不记录该误差最大偏差设备，如果误差最大偏差值不断扩大，则记录该误差最大偏差设备以便输出告警信息进行错误纠正。
8.根据权利要求7所述的装置，其特征在于，在状态估计不收敛时，所述装置还包括第二状态修正单元，用于减小进行状态估计的电网的网络范围，所述状态估计单元具体用于根据电网量测数据和电网模型数据对减小电网的网络范围后的电网进行实际运行状态的状态估计。

一种电网量测数据和电网模型纠错方法及装置\n技术领域\n[0001] 本申请涉及电网技术领域，特别涉及一种电网量测数据和CIM模型纠错方法及其对应的装置。\n背景技术\n[0002] 为适应电力技术的发展和满足新形势下的越来越高的用电需求，智能电网建设已在大范围内开展。智能电网的关键在于智能调度。所谓智能调度是指通过状态估计、最优潮流计算、无功优化、稳定分析及故障计算等手段实现对电网的主动、智能化监视、分析、预警、辅助决策和自愈控制。进行智能调度的基础是通过网络拓扑结构提供电网量测数据和电网模型，在此基础上通过网络拓扑分析实现。\n[0003] 目前，通常通过OPEN3000系统获取电网量测数据和电网模型，但是OPEN3000提供的量测数据和模型信息存在一些问题，这些问题将影响电网调度软件分析的准确性。为此，电网量测数据和模型信息的准确性至关重要。为提高准确性，需要借助CIM模型文件、SVG图形进行关联探查，工作量庞大、繁琐，而且需要有工作经验的管理人员才能胜任。这种方式给电网量测数据和电网模型数据的纠错制造了障碍。\n发明内容\n[0004] 为解决上述技术问题，本申请实施例提供了一种电网量测数据和电网模型纠错方法及其相应的装置，以快速定位到错误并实现纠错，提高电网量测数据和电网模型的准确性。\n[0005] 本申请实施例提供的电网量测数据和电网模型纠错方法包括：\n[0006] 从数据采集与监视控制系统获取电网量测数据和电网模型数据；\n[0007] 根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计；\n[0008] 将状态估计的结果与预设条件进行匹配，依据匹配情况定位电网量测数据和电网模型数据存在的错误；\n[0009] 根据预设规则对定位的错误进行纠正。\n[0010] 优选地，所述根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计具体包括：\n[0011] 根据电网量测数据和电网模型数据采用加权最小二乘法、正交变换法或基于分块Givens旋转的正变换法进行电网实际运行状态的状态估计；\n[0012] 所述基于分块Givens旋转的正变换法为：进行Givens正交变换处理，利用电力系统状态估计问题的分块特征对量测雅可比矩阵进行分块，根据信息矩阵的分块稀疏结构进行列编号的优化，采用变转轴逐列消元策略，基于最小度原则动态选择转轴元素，根据非零注入元素最少的原则选择旋转元素。\n[0013] 优选地，所述预设条件包括状态估计结果出现超过预设阀值的环流，如果状态估计后的结果出现超过预设阀值的环流，则依据匹配情况定位的电网量测数据和电网模型数据存在的错误为电网中存在并列运行的设备。\n[0014] 优选地，所述预设条件包括状态估计结果与设备采样值存在差异，如果状态估计后的结果与设备采样值存在差异，则依据匹配情况定位的电网量测数据和电网模型数据存在的错误为模型参数错误。\n[0015] 优选地，在状态估计不收敛时，所述方法还包括对状态估计过程按照如下方式进行修正：将状态估计每一次迭代的误差最大偏差设备输出，如果误差最大偏差值在不断变小，则记录该误差最大偏差设备，如果误差最大偏差值不断扩大，则记录该误差最大偏差设备以便输出告警信息进行错误纠正。\n[0016] 优选地，在状态估计不收敛时，所述方法还包括对状态估计过程按照如下方式进行修正：减小进行状态估计的电网的网络范围，所述根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计具体为根据电网量测数据和电网模型数据对减小电网的网络范围后的电网进行实际运行状态的状态估计。\n[0017] 进一步优选地：所述减小进行状态轨迹的电网的网络范围包括：\n[0018] 通过选择不同的电压等级减小网络范围；或，通过不检测非带电岛减小网络范围；\n或，通过开关的分合和设备的投入、退出减小网络范围。\n[0019] 本申请实施例还提供了一种电网量测数据和电网模型纠错装置。该装置包括：数据获取单元、状态估计单元、错误定位单元和错误纠正单元，其中：\n[0020] 所述数据获取单元，用于从数据采集与监视控制系统获取电网量测数据和电网模型数据；\n[0021] 所述状态估计单元，用于根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计；\n[0022] 所述错误定位单元，用于将状态估计的结果与预设条件进行匹配，依据匹配情况定位电网量测数据和电网模型数据存在的错误；\n[0023] 所述错误纠正单元，用于根据预设规则对定位的错误进行纠正。\n[0024] 优选地，在状态估计不收敛时，所述装置还包括第一状态修正单元，用于将状态估计每一次迭代的误差最大偏差设备输出，如果误差最大偏差值在不断变小，则不记录该误差最大偏差设备，如果误差最大偏差值不断扩大，则记录该误差最大偏差设备以便输出告警信息进行错误纠正。\n[0025] 优选地，在状态估计不收敛时，所述装置还包括第二状态修正单元，用于减小进行状态估计的电网的网络范围，所述状态估计单元具体用于根据电网量测数据和电网模型数据对减小电网的网络范围后的电网进行实际运行状态的状态估计。\n[0026] 本申请实施例从数据采集与监视系统获取电网量测数据和电网模型，然后根据这两类数据进行电网实际运行状态的估计，再依据状态估计与预设条件的匹配结果来定位量测数据和模型数据中存在的错误，进而对其进行纠正。与现有技术相比，本申请实施例不需再进行关联探查，而仅需要进行状态估计即可定位到错误并纠正，减少了工作量，提高了电网量测数据和电网模型的准确性，从而为基于网络拓扑分析平台的高级软件的运行提高了保障。\n附图说明\n[0027] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。\n[0028] 图1为本申请电网量测数据和电网模型纠错方法的一个实施例的流程图；\n[0029] 图2为本申请电网量测数据和电网模型纠错装置的一个实施例组成框图；\n[0030] 图3(a)为电网量测数据和电网模型纠错装置设计时的硬件系统架构图；\n[0031] 图3(b)为电网量测数据和电网模型纠错装置设计时的软件系统层级图。\n具体实施方式\n[0032] 为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。\n[0033] 在详细介绍本申请的各种实施例之前，先对本申请涉及到的个别概念予以简要解释：\n[0034] 1、CIM模型：CIM模型(Common Information Model，公共信息模型)是一个与具体实现无关的、用于描述管理信息的概念性模型。CIM模型分为两部分：CIM规范(CIM Specification)和CIM模式(CIM Schema)。CIM规范提供了模型的正式定义，描述了语言、命名、元模式和到其他管理模型(如SNMP MIB)的映射技术；CIM模式则给出了实际模型的描述。CIM模型由核心模型、公共模型和扩展模型三层构成。核心模型是一系列类、连接和属性的集合，该对象组提供了所有管理域通用的基本信息模型；公共模型提供特定管理域的通用信息模型，这些特定的管理域，如系统、应用程序、网络和设备等；扩展模型代表通用模型的特定技术扩展。\n[0035] 通过CIM建模，能够得到管理域中实体的抽象和表示，包括它们的属性、操作和关系。这样的模型独立于任何具体的数据库、应用、协议以及平台。因此，CIM模型要求不同开发商所提供的基于不同平台的应用都采用一种标准的格式来描述管理数据，以使数据能够在多种应用间共享。CIM采用面向对象的方式构建了一种新的适用于管理系统、网络的结构和概念模型。CIM建模是一种通用方法。特定管理域的CIM建模是在核心模型和公共模型的基础上进行扩展。\n[0036] 总的来说公共信息模型(CIM)是一个标准，定义了一个前后一致的模型，依据这个模型，网络设备、系统和应用程序能显示有关它们自己的信息，并使这些信息能被管理工具利用CIM能描述诸如桌面软件和硬件配置、CPU封装块的序列号以及某个特殊路由器端口上的流量水平等信息。\n[0037] 2、SVG：SVG可缩放矢量图形(Scalable Vector Graphics)是基于可扩展标记语言(XML)，用于描述二维矢量图形的一种图形格式。SVG是W3C(World Wide Web ConSor-tium国际互联网标准组织)在2000年8月制定的一种新的二维矢量图形格式，也是规范中的网络矢量图形标准。SVG严格遵从XML语法，并用文本格式的描述性语言来描述图像内容，因此是一种和图像分辨率无关的矢量图形格式。\n[0038] 3、SCADA：SCADA(Supervisory Control And Data Acquisition)系统，即数据采集与监视控制系统。SCADA系统的应用领域很广，它可以应用于电力系统、给水系统、石油、化工等领域的数据采集与监视控制以及过程控制等诸多领域。在电力系统以及电气化铁道上又称远动系统。SCADA系统是以计算机为基础的生产过程控制与调度自动化系统。它可以对现场的运行设备进行监视和控制，以实现数据采集、设备控制、测量、参数调节以及各类信号报警等各项功能。由于各个应用领域对SCADA的要求不同，所以不同应用领域的SCADA系统发展也不完全相同。\n[0039] 参见图1，该图示出了本申请的电网量测数据和电网模型纠错方法的一个实施例的流程。该实施例包括：\n[0040] 步骤S101：从数据采集与监视控制系统获取电网量测数据和电网模型；\n[0041] 步骤S102：根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计；\n[0042] 状态估计是电力系统分析的基础应用，其目的是根据电网的量测信息估计电网的实际运行状态。为了使状态估计的结果更准确，可以对从SCADA库中提取的数据进行不良数据的辨识操作。辨识的具体方法可以采用残差搜索法，也可以采用基于逐次型估计辨识法，后者是对前者的一次回归，但它在排除一个可疑数据时不再进行总体迭代修正，而是利用残差灵敏度和雅可比矩阵直接修正残差和状态，使计算技术由总体矩阵操作水平提高到只对少数相关元素操作的水平，使残差搜索法的辨识时间缩短了几个数量级，使其严密的搜索逻辑得以实用。采用逐次型估计辨识法进行不良数据辨识，不良数据的辨识过程既可靠又快速。\n[0043] 此外，为了使状态估计的结果更准确，还可以对电网数据和模型数据进行数据去毛刺处理。该功能主要在实时运行下使用，同时当实时退出时，可以通过读历史数据来补纠错。其原理为：(1)内存中永远保存10个连续断面(5分钟一个断面)；(2)做10个断面的纵向遥测、遥信判断，如果出现异常波动，则记录该状态与所在断面(遥信：跳变，遥测：非零值的巨大变化)；(3)对于每个断面做状态估计和遥信错误辨识，如果状态估计不收敛，则将该断面的毛刺描述为警告；(4)如果状态估计收敛，而且判断出该遥测、遥信为坏数据，则将该断面的毛刺描述为错误；(5)如果状态估计收敛，并且判断出该遥测、遥信为合格数据，则将该断面的毛刺描述为提示。\n[0044] 对于状态估计的具体方法，可以采用加权最小二乘法，这种方法的优点是不需要随机变量的统计特性，而以量测值的残差平方和最小为目标准则。该方法假定量测量按照理想的正态分布，对理想正态分布的量测量，估计具有最优一致且无偏等优良传统特性。但当正态分布的数据中含有坏数据时，WLS的估计结果会偏离真值较远。而且，在实际情况下，量测数据并不完全严格服从正态分布，导致坏数据很难完成检测与辨识。加权最小二乘法的具体步骤包括：\n[0045] 建立如下目标函数：\n[0046]\n[0047] 采用迭代法求其状态量，迭代修正公式为：\n[0048]\n[0049]\n[0050] 除上述的加权最小二乘法进行状态估计外，还可以采用正交变换法，该方法基于加权最小二乘法状态估计的修正方程可以改为法方程形式：\n[0051] HTR-1HΔx＝HTR-1r\n[0052] 式中：r为量测残差，r＝z-h(x)。\n[0053] 正交变换法的计算过程是先计算增益矩阵(HTR~1H)(即信息矩阵)再进行因子分解，这时增益矩阵的条件数是雅可比矩阵H的条件数的平方，所以按法方程形式求解大大增加了原问题的病态性质。提高状态估计数值稳定性的途径是采用正交变换算法。因为对某一矩阵进行正交变换后其范数不变，方程两边的系数矩阵同时进行正交变换其条件数不变，故不影响方程解的稳定性。\n[0054] 对于电力系统状态估计问题，量测的精度决定了其在状态估计目标函数中权因子的大小，精度越高，所赋予的权因子越大。实用中各种量测的权重可能相差102～104倍，状态估计问题的病态性相当严重。正交变换法状态估计的计算速度相对较慢，但具有极好的数值稳定性，是电力系统状态估计中应用最为广泛的算法。针对电力系统状态估计问题中状态量及量测雅可比矩阵的绝大多数非零元素均成对出现的实际状况，本实施例优选采用基于分块Givens旋转的电力系统状态估计算法。该算法属于Givens正交变换法，但在Givens正交变换的处理上，利用电力系统状态估计问题的分块特征对量测雅可比矩阵进行分块，根据信息矩阵的分块稀疏结构进行列编号的优化，采用变转轴逐列消元策略，基于最小度原则动态选择转轴元素，根据非零注入元素最少的原则选择旋转元素，既减少了所需的内存空间，又明显提高了执行效率。从运行经验表明，与传统的Givens正交变换法相比，该算法在执行效率上具有明显的优势(节省约30％的CPU时间)。\n[0055] 步骤S103：将状态估计的结果与预设条件进行匹配，依据匹配情况定位电网量测数据和模型数据存在的错误；\n[0056] 状态估计结果能够反映电网量测数据和电网模型存在的错误，不同的错误状态估计的结果存在差异，进而可以依据这些结果来判断电网量测数据和模型数据中存在的错误。比如，当电网中存在并列运行设备时，量测数据可能不准确，这在状态估计中可以反映为状态估计的结果会出现较大的环流，因此，通过对环流的辨别，即可起到识别、定位量测数据和模型数据中相应错误。还比如，在环网情况下(环网包括同一电压等级的电环和跨电压等级通过变压器形成的电磁环。电环的估计结果与相应线路的电阻、电抗及电容值有关；\n电磁环的估计结果还与变压器的电阻、电抗和分接头位置有关)，如果环网估计中状态估计的结果与采样值存在较大的差异，则模型参数可能出现问题，因此，可以通过检测环网估计中状态估计结果与采样值之间的差异程度，进而依据该差异程度识别、定位电网量测数据和模型数据存在的相应错误。\n[0057] 步骤S104：根据预设规则对定位的错误进行纠正。\n[0058] 本实施例从数据采集与监视系统获取电网量测数据和电网模型，然后根据这两类数据进行电网实际运行状态的估计，再依据状态估计与预设条件的匹配结果来定位量测数据和模型数据中存在的错误，进而对其进行纠正。与现有技术相比，本实施例不需再进行关联探查，而仅需要进行状态估计即可定位到错误并纠正，减少了工作量，提高了电网量测数据和电网模型的准确性，从而为基于网络拓扑分析平台的高级软件的运行提高了保障。\n[0059] 在上述实施例中，可能出现的情况是状态估计结果存在不收敛，这种情况下，需要对状态估计过程进行修正，以使状态估计的结果能更真实地反映电网量测数据和模型数据中可能存在的错误。比如，如果状态估计不收敛是由模型数据不对造成的情形下，由于模型参数不对将使误差堆积在模型对应的设备附近，因此，通过寻找误差最大设备即可改变状态估计不收敛，其实现方法为：将状态估计每一次迭代的误差最大偏差设备输出，如果该结果值在不断缩小，则不存库，如果不断扩大到不收敛，则存库，并输出告警以便及时进行纠正。还比如，如果状态估计出现不收敛，则可以减少网络范围，减少网络范围的方式包括：通过选择不同的电压等级减小网络范围；或，通过不检测非带电岛减小网络范围；或，通过开关的分合和设备的投入、退出以减小网络范围。\n[0060] 除上述内容提及的通过状态估计定位、纠正电网数据和模型数据外，还可以通过网络拓扑分析对悬空设备、不同电压等级设备混接、模型参数、遥信等方面出现的错误进行检查纠正，下面分别叙述：\n[0061] 对于纠错悬空设备：在网络建模的过程中，有时候会产生设备定义了，但是没有连接的问题，这些问题很难在图形上发现，只能通过网络拓扑来发现，在悬空设备中，有三类，一类是一个端点连接了，但是另外一个端点悬空的设备，这往往出现在线路上，还有一种是两端都悬空的设备，还有一类是两端都连上了，但是连接点悬空。这里面所涉及的CIM类：\nTerminal、ConnectivityNode，其原理为设备与其类型所对应的类型应该拥有的Terminal相符设备的某一个Terminal没有和任何ConnectivityNode关联。从ConnectivityNode类出发，发现其只与某一个Terminal相连。在这里面我们需要过滤掉一些SCADA设备，如名字上带备用、PT、压变、所变、接地、中性点、启备变、备变、通道、切换、所用变、避雷器、厂用变的设备。因为这些设备并不是导电设备，不和任何电网络相连。\n[0062] 对于纠错不同电压等级设备混接：在网络建模时，有时候会将变压器的三侧连错了电压等级，这个在图上虽然也可以通过动态着色来发现，但是还会有一些不容易发现，不同电 压等级混接会使得状态估计的结果混乱。其中所涉及的CIM类为\nVoltageLevel.BaseVoltage，ConductingEquipment.Base Voltage。其原理为：(1)使用ConductingEquipment.BaseVoltage及ConductingEquipment的所有Terminal所关联的ConnectivityNode的EquipmentContainer.BaseVoltage是否一致，其前提是在该CIM文件中，所有的ConnectivityNode其容器是VoltageLevel。(2)如果ConnectivityNode其容器是Substation，那么只能先使用站内的网架分析，查询出每个变电站中的所有电压等级，然后将所有的连在一起的设备(包含线圈和线路)进行遍历，看他们所有的电压等级是否一致。\n[0063] 对于纠错设备参数：在网络建模中，经常会出现开始时没有拿到参数，因此参数并没有录入的问题，因此需要找出这些参数并进行告警。所涉及的CIM类：所有的ConductingEquipment。在本系统中，实现的逻辑为：(1)所有的线路中R、X有一个为0的线路；(2)所有的双绕组变压器中各线圈X均为0的变压器；(3)所有的双绕组变压器中各线圈X有一个小于0的变压器；(4)所有的三绕组变压器中各线圈X有一个为0的变压器；(5)所有的三绕组变压器中高低压线圈X不为正，中压线圈X不为负的变压器；(6)所有的线路中R大于3倍X的线路；(7)所有的线路和主变中X不等于0，但是小于0.01或大于100的设备(有名值)，或者大于1的设备(标幺值)。\n[0064] 对于纠错遥信：在旧站改造的过程中，有可能使用的量测量出错，把旧站的量测应用到新站，那么就会造成在界面上看到的是好的量测，但是实际上的拓扑却过不了的问题，因此需要将这种由于YX错误，导致整个站失电的问题给找出来。其所涉及的CIM类：\nMeasurement、MeasurementValue。其原理为根据拓扑后的结果，列出死岛列表，并能够列出死岛中所有的设备，将所有死岛中含不为零的模拟量的死岛用不同颜色标出。列出节点数小于10的活岛，并能够列出活岛中所有的设备，并自动给出该活岛的平衡度，对于不平衡的活岛用不同颜色标出。\n[0065] 对于检查平衡度和方向：该功能主要在状态估计不收敛时使用，该功能需要在拓扑下进行。其主要包括：母线平衡度检查：以母线为节点，检查母线所连的所有元件的流入和流出。变电站平衡度检查：检查该变电站的线路流入和主变的流出(注意不能使用低压侧负荷母线，因为负荷母线上的量测并不一定准确，使用主变的低压侧是比较准确的量测)；\n线路平衡度检查：检查线路两端的流入和流出；主变平衡度检查：检查主变各测的流入和流出；反方向检查：如果平衡度的值接近于两个值的相加，则有一个量测为反方向。对于两个以上的量测，取其中一个量测，如果平衡度的值接近于该值的两倍，则该量测应该为反方向。\n[0066] 对于关联检查遥信、遥测：该功能主要用来检查死数据和遥信遥测不匹配的情况，主要是来查YX的值的问题，可以和检查历史量测配合起来用。其原理为：(1)将所有量测挂到开关上；(2)列出所有开关位置为分，但有遥测的和所有开关位置为合，但量测为零的开关。\n[0067] 上述内容详细叙述了本申请的电网量测数据和电网模型纠错方法的实施例，相应地，本申请还提供了一种电网量测数据和电网模型纠错装置实施例。参见图2，该图示出了本申请的电网量测数据和电网模型纠错装置实施例的结构框图。该装置包括：数据获取单元201、状态估计单元202、错误定位单元203和错误纠正单元204，其中：\n[0068] 数据获取单元201，用于从数据采集与监视控制系统获取电网量测数据和电网模型数据；\n[0069] 状态估计单元202，用于根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计；\n[0070] 错误定位单元203，用于将状态估计的结果与预设条件进行匹配，依据匹配情况定位电网量测数据和电网模型数据存在的错误；\n[0071] 错误纠正单元204，用于根据预设规则对定位的错误进行纠正。\n[0072] 本装置实施例的工作过程是：数据获取单元201从数据采集与监视控制系统获取电网量测数据和电网模型数据，然后状态估计单元202根据电网量测数据和电网模型数据进行电网实际运行状态的状态估计，再由错误定位单元203将状态估计的结果与预设条件进行匹配，依据匹配情况定位电网量测数据和模型数据存在的错误，最后由错误纠正单元\n204根据预设规则对定位的错误进行纠正。\n[0073] 上述装置实施例中在状态估计不收敛时，上述装置还包括第一状态修正单元205，用于将状态估计每一次迭代的误差最大偏差设备输出，如果该误差最大偏差值在不断变小，则舍弃，如果不断扩大到不收敛，则记录该误差最大偏差设备以便输出告警信息进行错误纠正。此外，在状态估计不收敛时，上述装置才可以采用增加如下的功能单元来实现状态估计的修正。即上述装置实施例还可以包括第二状态修正单元，用于减小进行状态估计的电网的网络范围，所述状态估计单元具体用于根据电网量测数据和电网模型进行减小电网的网络范围后的电网实际运行状态的状态估计。\n[0074] 为了更清楚本申请装置实施例的技术方案，本申请还给出了如图3所示的电网量测数据和电网模型纠错装置在具体设计时的系统架构和框架，其中图3(a)为上述装置实施例实现的硬件系统结构图；图3(b)为上述装置实施例实现的软件系统的层级图。上述装置实施例的硬件系统位于安全三区，与PI总线相连获取模型、图形和实时数据，PI总线位于安全三区。整个软件系统的层次包括五个层次：第一层为系统硬件层。各服务器和工作站采用基于RISC/CISC芯片的各种硬件构架工作站、服务器和微机，如COMPAQ、ALPHA、SUN、IBM、HP及各类PC；第二层为操作系统层。操作系统采用成熟的符合国际工业标准的实时、多用户、多任务纯WINDOWSNT4.0/2000/XP，POSIX/UNIX或LINUX操作系统；第三层为通用平台层。通用平台可以看作上层应用系统和底层不同硬件体系、不同操作系统之间的一个中间件软件包，该软件包有效地将上层应用和底层系统隔离开，为上层应用的设计和运行提供一种开发环境和运行平台；第四层是参数管理层。将各个部门的参数进行融合，关联上量测数据和图形，为系统的运行打下坚实的基础；第五层是功能模块层。该层是本系统的主体，利用数据支持层提供的标准化数据访问接口，采用C/S模式获取所需的信息，进行相应的分析功能。\n[0075] 需要说明的是：为了叙述的简便，本说明书的上述实施例以及实施例的各种变形实现方式重点说明的都是与其他实施例或变形方式的不同之处，各个情形之间相同相似的部分互相参见即可。尤其，对于装置实施例的几个改进方式而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例的各单元可以是或者也可以不是物理上分开的，既可以位于一个地方，或者也可以分布到多个网络环境下。在实际应用过程中，可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的，本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。\n[0076] 以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。