MCM520 ← 资料站首页 电工杯 2021 A 范文三：等值建模与异常检测 打开交互阅读器 →

电工杯 2021 A 范文三：等值建模与异常检测

一、摘要

在范文一（数据预处理）、范文二（电能质量）之后，本文完成赛题的收口：牵引供电系统等值建模与异常检测。等值建模方面，将 27.5 kV 侧牵引网抽象为戴维南等效，由 (P,Q)–(U,I) 运行点散点最小二乘拟合得到等效电势 E0=28.38 kV、等效阻抗 Zeq=1.156+j3.480 Ω，拟合优度 R²=0.9618，与真值（E0=28.5 kV、Z=1.2+j3.5 Ω）高度吻合，验证了模型可信度。谐波阻抗模型拟合得 R=1.437 Ω、X=4.528 Ω，|Z_h| 随谐波阶次由基波 4.75 Ω 升至 11 次约 50 Ω。异常检测方面，以戴维南模型残差为统计量、3σ 为阈值，在 5 处真实异常中检出 5 处（召回率 1.00），并给出精确率 0.71、检出 7 处的实际表现，量化了检测器的查全/查准权衡。全文纯标准库、确定性，四路数字一致。

二、等值建模问题重述

牵引变电所及其馈出网络对下游是一个复杂的分布式参数系统，但直接用于短路计算、潮流分析与保护整定并不便利。工程上将其等效为戴维南（或诺顿）网络：一个等效电势 E0 串联等效阻抗 Zeq，即可用两端网络描述其外部特性。该等效既是短路电流计算的基础（Ik=E0/|Zeq+Zf|），也是谐波潮流与保护整定的前提。赛题要求基于运行数据建立该等效，并从谐波角度建立谐波阻抗模型。本文以合成练习数据演示从散点到参数的完整辨识流程，并给出拟合精度，所用方法可直接移植到现场 PMU/SCADA 量测。

三、模型假设与符号

  • H1（线性戴维南）：在 27.5 kV 母线看进去，牵引网等效为 E0 串联 Zeq 的两端口，满足 V = E0 − Zeq·I（相量）。
  • H2（最小二乘辨识）：由 N 个运行点 (U,I,P,Q) 构造复数方程 E0 = V + Zeq·I，实/虚部分解后对 4 个实参数（Er,Ei,Zr,Zi）做正规方程求解。
  • H3（残差异常）：异常使实测电压偏离模型预测，残差 r(t)=U_实测−|E0−Zeq·I(t)| 在异常处显著增大。
  • 符号：E0 等效电势；Zeq=Zr+jZi 等效阻抗；R² 拟合优度；r(t) 残差；σ_r 残差标准差；阈值 3σ_r。

四、戴维南等效拟合

分类性能指标

精确率（Precision）与召回率（Recall）是评估分类模型的核心指标：

Precision=TPTP+FP,Recall=TPTP+FN\text{Precision} = \frac{TP}{TP + FP}, \qquad \text{Recall} = \frac{TP}{TP + FN}

F1分数是两者的调和平均：

F1=2⋅Precision⋅RecallPrecision+RecallF_1 = \frac{2 \cdot \text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}

AUC（ROC曲线下面积）衡量模型在不同阈值下的整体区分能力，取值 [0.5,1][0.5, 1]，越接近1表示区分能力越强。

由清洗后的 (U,I) 与 (P,Q) 散点构造拟合输入：

图1

图1 为 (P,Q) 运行点云，覆盖轻载至重载全工况，是等效模型的样本基础。将 V = E0 − Zeq·I 改写为 E0 = V + Zeq·I，对每一运行点取实部与虚部得两个线性方程，全体点叠加形成 4×4 正规方程，高斯消元求解：

图2

图2 将 (U,I) 散点与按拟合参数计算的 U=|E0−Zeq·I| 曲线叠绘，曲线贯穿散点主体，说明线性戴维南在该负荷范围内成立。拟合预测电压与实测电压高度贴合：

图3

图3 中散点紧贴 y=x 参考线，得到等效电势 E0=28.38 kV（28.382+0.018j）、等效阻抗 Zeq=1.156+j3.480 Ω，拟合优度 R²=0.9618。残差时程显示平稳背景加少量尖峰：

图4

图4 中绝大多时刻残差贴近零，仅少数时刻出现 ±3 kV 级突变——这些正是工况异常（电压暂降、电流冲击）留下的痕迹，自然引出异常检测模块。残差基线之低（约 0.05 kV）也反向证明了戴维南等效对正常负荷变化的解释力：只要运行点落在模型适用域内，电压几乎可被电流完全预测，未被解释的部分才对应真正的异常。

五、异常检测：残差阈值法

以残差 r(t) 为统计量，取阈值 3σ_r。由于正常负荷变化被戴维南模型吸收，背景残差仅来自测量噪声（约 0.05 kV 级），而注入异常制造了 3–4 kV 级残差，远超阈值：

图5

图5 在馈线电压时程上标出检出的异常点，全部位于电压凹谷处。辅助判据 dU/dt 进一步佐证：

图6

图6 中 dU/dt 在异常处突破 ±1 kV/步 阈值，与残差法相互印证。以 5 处真实异常为金标准：检出 7 处、真正例 5、假正例 2、假负例 0，精确率 0.71、召回率 1.00。假正例源于个别重负荷爬坡点的边缘残差，恰说明阈值存在查准/查全权衡——收紧阈值可降假正、但可能漏检，工程上按风险偏好选择。在牵引供电场景中，电压暂降往往关联弓网离线或短路先兆，漏检代价高于误报，故实践中宜优先保召回，再以二次判据剔除假正。

六、谐波阻抗模型

谐波在系统中传播受谐波阻抗 Z_h = R + j·h·X 制约。由谐波电压/电流对拟合得 R=1.437 Ω、X=4.528 Ω，其幅值随阶次：

图7

图7 显示 |Z_h| 由基波 4.75 Ω 单调升至 11 次约 50 Ω，频变特性与理论 R+jhX 高度一致。该模型可用于谐波潮流计算与谐振点预判：当某次谐波的 |Z_h| 与滤波支路发生并联谐振时，该次谐波将被显著放大，需在设计中规避。实际工程中，还应将牵引变压器漏抗、接触网分布电容一并纳入，得到随频率更精细的谐波阻抗曲线，但本文的集中参数 R+jhX 已能抓住主导频变趋势，足以支撑初步谐振风险评估。

七、方法流程总结

图8

图8 汇总"数据—清洗—特征—质量—等值—异常"六步方法链。该链条以单一真源 gen_dgcup2021a.py 驱动，正文、配图、附录与真源四路数字完全一致，可直接迁移至真实牵引变电所 PMU/SCADA 数据：用现场 (U,I,P,Q) 重拟合 E0、Zeq，以残差在线监测电压暂降与电流冲击。

八、与现场实践的对照

真实牵引变电所普遍配置同步相量测量（PMU），以毫秒级 (U,I) 序列做戴维南在线辨识，用于自适应保护与孤岛检测；残差法亦被广泛用于电压暂降源定位与扰动分类。本文合成数据下 R²=0.9618、召回率 1.00 的表现，与现场"线性等效在正常运行区高置信、残差对突变灵敏"的经验一致。值得注意的是，现场等效阻抗随导体温度、变压器分接与运行方式缓慢漂移，若以固定参数长期拟合，残差基线会缓慢抬升、误报率上升；因此工程上常采用滑动窗口递推最小二乘，仅用近窗数据更新 E0、Zeq。此外，牵引网在故障瞬间呈强非线性，戴维南线性等效仅在"正常运行区"成立，故障态需切换到故障分析模型。需要指出，真实系统等效阻抗随温度、运行方式缓慢漂移，应做滑动窗口递推辨识，这正是本方法从离线走向在线的下一步。

九、灵敏度分析

戴维南拟合对异常点比例敏感：若异常占比由 5/288 升至 15/288，R² 可由 0.96 降至约 0.90，说明拟合前清洗/异常隔离的重要性（范文一清洗与本节残差检测形成闭环）。谐波阻抗 X 对高次谐波幅值敏感度高于 R，现场标定时宜在 3、5、7 次谐波上多取样本以提升 X 精度。阈值 3σ 的选取：若取 2σ，精确率下降、召回率仍近 1；取 4σ 则反之，工程按故障后果严重性权衡。另一个灵敏维度是滑窗长度——窗过长会稀释近期漂移、窗过短则噪声放大，宜取覆盖 1–2 个典型列车运行周期的窗口，使拟合既跟踪慢变又不丢失突变。

十、模型优缺点

优点：① 最小二乘辨识理论严密、可解析求解，无需迭代优化，速度快（<1 s）；② 残差异常检测与等值模型共享同一拟合，资源复用；③ 谐波阻抗频变模型为谐振分析提供接口。局限：① 戴维南线性等效在极端非线性（如深度再生制动）下近似误差增大；② 残差法对"渐变型"异常（缓慢漂移）不如对"突变型"灵敏，需配合趋势项检测；③ 合成数据未含现场量测误差结构，现场部署前应以真实 PMU 数据校准噪声先验。局限可通过滑动窗口递推与多模型融合缓解，亦可在残差中引入一阶趋势项以捕捉缓变异常。

十一、结论

本文收口了牵引供电分析：戴维南等效 E0=28.38 kV、Zeq=1.156+j3.480 Ω（R²=0.9618），谐波阻抗 R=1.437 Ω、X=4.528 Ω 且频变明确；异常检测以 3σ 残差实现召回率 1.00、精确率 0.71。方法链"数据→清洗→特征→质量→等值→异常"已由确定性真源贯通，四路数字一致，可直接工程化部署。结合范文一、二，完整回答了赛题"运行数据分析及等值建模"的全部子问题。需要强调的是，本文所有数值均由 gen_dgcup2021a.py 确定性生成，正文、配图、附录与真源严格一致，这意味着任一环节的数字都可在干净环境中被独立复现与核验，符合数学建模竞赛对可解释、可复现的根本要求。

十二、工程部署与在线化建议

为把本文方法推向实用，提出三点部署建议。其一，建立"清洗—拟合—监测"的在线流水线：每滚动一个时间窗即用最新 (U,I,P,Q) 重拟合 E0、Zeq，并将残差均值与标准差作为健康度指标，一旦残差基线漂移超界即告警。其二，异常检测应采用分级阈值：3σ 用于强告警（高召回），2σ 仅作预警（降误报），结合 dU/dt 与负荷上下文做联合判决，平衡查全与查准（本文化身即给出精确率 0.71、召回率 1.00 的权衡实例）。其三，谐波阻抗模型应纳入滤波支路参数，定期以现场谐波量测复拟合 R、X，提前识别并联谐振风险点。三者结合，可使牵引供电从"事后分析"升级为"事前预警"，也是范文一—二—三方法链的工程归宿。

十三、参考文献

[1] 中国电机工程学会. 第十三届电工数学建模竞赛 A 题[R]. 2021.
[2] 李群湛. 牵引供电系统分析[M]. 西南交通大学出版社.
[3] 肖湘宁. 电能质量分析与控制[M]. 中国电力出版社.
[4] 同步相量测量及应用相关标准与导则.

参考文献

[1] Smith J, Johnson K. Title of paper[J]. Journal of Mathematical Modeling, 2020, 15(3): 123-145.
[2] Williams R. Advanced Optimization Methods[M]. New York: Springer, 2019.
[3] Competition Official Documentation.
[4] Brown L, Davis M. Numerical Methods for Engineers[M]. Boston: MIT Press, 2018.
[5] Taylor A. Sensitivity Analysis in Optimization[J]. SIAM Journal on Optimization, 2021, 31(2): 890-912.

附录：核心 Python 实现（可独立运行复现上述数字）

import gen_dgcup2021a as G
D = G.gen_dgcup2021a()
print("戴维南等效: E0=(%.3f%+ .3fj) kV, Zeq=(%.3f%+ .3fj) Ω, R2=%.4f"
      % (D["E0_fit_kV"][0], D["E0_fit_kV"][1],
         D["Zeq_fit_Ohm"][0], D["Zeq_fit_Ohm"][1], D["R2"]))
print("谐波阻抗: R=%.3f X=%.3f" % (D["Zh_R"], D["Zh_X"]))
print("异常检测: 真实 %d 检出 %d TP=%d FP=%d FN=%d 精确率=%.2f 召回率=%.2f"
      % (D["n_true_anom"], D["n_detected"], D["tp"], D["fp"], D["fn"],
         D["precision"], D["recall"]))