基于GLR-NT的显著误差检测与数据协调

提出了一种广义似然比法（GeneralizedLikelihoodRatio,GLR）与节点检测法(NodalTest,NT)组合的显著误差检测和稳态数据协调方法。该方法充分发挥了GLR法和NT法的优点，采用逐次侦破、补偿校正的策略，避免了传统显著误差侦破方法中系数矩阵降秩问题，并且融入了测量变量的上、下限约束，最终实现显著误差的侦破、识别、处理和测量数据的协调。仿真结果显示：该方法对多显著误差特别是误差幅度较小或出现节点大显著误差相互抵消的情况具有较好的性能，优于单独的GLR法和NT-MT法。一个实例验证了该算法的有效性。