4. 参数校核的数学基础

参数校核不是“把仿真曲线调得好看”，而是一套以统计推断为核心的工程判断过程。电网模型中的发电机暂态电抗、变压器分接头、线路阻抗、负荷模型系数等参数，往往来自铭牌、设计值或经验估计，与实测响应之间存在偏差。校核的任务，是在量测噪声、模型结构误差和参数不确定性并存的条件下，判断“参数是否可信”“偏差是否显著”“哪个量测点最可疑”，并给出可量化的评价结论。

一、假设检验：把“是否合格”变成可判定的命题

假设检验为参数校核提供了第一层判据。通常设原假设 H₀：参数真值等于给定值（或偏差在允许范围内）；备择假设 H₁：参数真值不等于给定值。以线路正序电阻为例，若设计值 R₀=0.085 Ω，通过PMU实测反演得到 R̂=0.092 Ω，标准误 SE=0.003 Ω，则构造统计量：

t = (R̂ − R₀) / SE = (0.092 − 0.085) / 0.003 ≈ 2.33

取显著性水平 α=0.05，双侧检验临界值约为1.96。由于 |t|=2.33 > 1.96，拒绝 H₀，判定该电阻参数与设计值存在统计显著差异。这里必须强调：显著不等于严重，统计显著只说明“偏差不太可能由随机噪声单独造成”，是否影响电网安全还需结合灵敏度与工程裕度判断。

二、残差分析：看偏差的结构，而不只看大小

残差是量测值与模型预测值之差。校核中常用的残差指标包括残差均值、残差标准差、加权残差和残差自相关。若残差呈零均值、近似正态、无明显趋势的随机分布，说明模型结构基本合理；若残差在故障后某时段持续偏正或偏负，则往往指向参数系统性偏差或模型缺失环节。

例如对某220 kV线路有功功率进行校核，取10个采样点，模型预测值与实测值之差（单位MW）为：+1.2、+0.8、+1.5、+1.1、+0.9、+1.3、+1.0、+1.4、+1.2、+1.1。残差均值约+1.15 MW，标准差约0.22 MW，全部同号且无过零点，说明存在系统性正偏差，应优先怀疑线路电阻或负荷模型偏小，而不是随机噪声。

三、置信区间：给出参数的可信范围

置信区间把点估计扩展为区间估计。仍以上述电阻为例，95%置信区间为：

R̂ ± 1.96 × SE = 0.092 ± 1.96 × 0.003 = [0.0861, 0.0979] Ω

若设计值0.085 Ω落在区间之外，则与假设检验结论一致。置信区间宽度反映辨识精度：区间越窄，说明量测信息越充分、参数越可信；区间过宽时，即使点估计接近设计值，也不能轻易判定参数合格。

四、灵敏度分析与不良数据检测辨识

灵敏度描述参数变化对量测响应的影响程度。定义灵敏度 S = ∂z/∂θ，其中 z 为量测向量，θ 为参数向量。灵敏度高的参数，微小偏差就会引起明显响应变化，应优先校核；灵敏度低的参数，即使偏差较大也可能被噪声掩盖，需要更长的观测窗口或更强的激励。

不良数据检测与辨识通常采用“检测—辨识—修正”思路：先用加权残差范数或最大标准化残差检测是否存在不良数据，再通过残差灵敏度矩阵定位可疑量测，最后剔除或降权后重新估计。常用判据为：

r_i^N = |r_i| / sqrt(Ω_ii) > 3  →  判为可疑量测

其中 Ω 为残差协方差矩阵。若某PMU通道的标准化残差持续超过3，且该通道对应灵敏度较高，则应先检查量测通道，而不是直接修改电网参数。

五、校核指标与评价体系

单一指标容易误判，工程上通常建立多指标评价体系。常用指标包括：残差加权范数 J(θ̂)、参数置信区间半宽、灵敏度加权偏差、不良数据剔除率、以及校核合格率。评价时可按“合格 / 复校 / 不合格”三档处理：

实际执行时，建议先做不良数据检测，避免污染样本拉偏参数估计；再用加权最小二乘得到 θ̂ 与协方差；随后依次计算残差统计量、置信区间和灵敏度加权偏差；最后按上表综合定级。若某参数被判为“复校”，应优先增加激励强度或延长观测窗口，而不是直接修改模型参数。只有统计显著、灵敏度高且置信区间窄的偏差，才值得作为参数修正的依据。