CN109193645B - 一种数据驱动的环形电网电抗参数评估方法及评估*** - Google Patents
一种数据驱动的环形电网电抗参数评估方法及评估*** Download PDFInfo
- Publication number
- CN109193645B CN109193645B CN201811223256.3A CN201811223256A CN109193645B CN 109193645 B CN109193645 B CN 109193645B CN 201811223256 A CN201811223256 A CN 201811223256A CN 109193645 B CN109193645 B CN 109193645B
- Authority
- CN
- China
- Prior art keywords
- data
- section
- branch
- reactance
- local
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种数据驱动的环形电网电抗参数估计方法及评估***,其中,针对环形输电网络,本发明提出一种基于Lasso模型的电抗参数估计方法。该方法基于数据驱动,不需要基于模型的状态估计计算过程,易于实施。该方法有助于提高能量管理***中的数据准确性,提高状态估计准确性,间接增加在线安全分析与优化调度结果的可信度。
Description
技术领域
本发明属于电力***自动化领域,尤其涉及一种稳态参数的估计方法。
背景技术
高精度的设备参数、遥测与遥信等数据是在线分析应用准确计算的前提。当前参数偏差已经成为在线分析计算误差的主要来源因素之一。提高参数的准确性,尤其是在线辨识估计参数偏差,已成为电网调控***数据维护工作的迫切挑战。
已有大量的文献针对参数辨识问题进行了研究。线路参数辨识问题的解决思路有以下两类:1)进行状态估计计算,根据相关量测的残差计算参数可疑指标,进而通过残差灵敏度或增广状态估计对参数进行修正。这种方法依赖完整的电网模型和状态估计计算,计算量大,在实际电网应用时,会出现错误遥信、遥测与错误参数的交叉干扰,或者相关算法无法收敛等情况。2)基于线路两侧PMU数据的同时性,直接由PMU数据估算线路参数,这种方法需要线路两端配置PMU量测,但目前很多电网PMU的覆盖率并不高。同时,计算方法利用的量测冗余度较低,易受到***误差的影响。
综合以上说明,需要一种新的技术方案以解决上述问题。
发明内容
发明目的:本发明从有功潮流与电抗之间的关系出发,提出一种新的数据驱动的环形电网电抗参数评估方法及评估***,能够单独利用有功量测对线路电抗进行估计,有利于屏蔽其他类型量测不良数据的影响,在实际应用中得到较好的效果。
技术方案:为达到上述目的,本发明数据驱动的环形电网电抗参数评估方法可采用如下技术方案:
一种数据驱动的环形电网电抗参数评估方法,包括如下步骤,
S1)辨识出电网中存在的局部环网;
S2)针对每个局部环网收集有功潮流数据;
S3)进行不良数据辨识,过滤存在不良数据的断面;
S4)构造Lasso模型,构造方法为:
针对每个环路,有:
Tθb=0
式中:T为环路-支路关联矩阵,其中Tpq=1,表示支路q在环p上,方向相同;Tpq=-1,表示支路q在环p上,方向相反;Tpq=-0,表示支路q不在环p上;
令支路有功向量为p,构造对角阵:
Pb=diag(p)
得到:
P=TPb
令:xreal=x0-y,其中xreal是真实电抗参数,x0是已有的参数值,y为代求变量,也就是电抗修正量,即初始值与电抗估计值之差。
约束为:
而构成典型Lasso模型;通过调整合理的t值使计算结果具有稀疏性;计算过程分为两个阶段,第一个阶段为通过设置较低的t值,定位大误差线路,获得线路的粗略估计值;将粗略估计值作为第二个阶段的初始电抗,获得精细的调整结果。
步骤S1)中,辨识局部环网的方法为,
S1.1)通过图论算法获取树枝、连支;S1.2)针对每条连支,从连支两侧节点出发,搜索经过的路径;S1.3)去除未被第2步搜索到的树枝;S1.4)对剩余的图进行联通分析,每个独立的岛就是独立的局部环网。
不良数据辨识方法为:在量测配置充足的情况下,首先确保局部环网各个节点的不平衡功率小于限值、线路首末两侧的有功绝对值的差小于限值;如果上述条件全部满足,认为该局部环网的数据质量满足要求;
其次进行断面过滤:
定义同一个环路不同断面数据的夹角:
周期性取断面数据,如果某时刻断面与断面的夹角变化出现突变,后续的断面夹角又恢复正常,判断该断面存在不良数据,过滤该断面数。
本发明提供的数据驱动的环形电网电抗参数评估***可采用以下技术方案:
一种数据驱动的环形电网电抗参数评估***,包括
第一模块,用以辨识出电网中存在的局部环网;
第二模块,用以针对每个局部环网收集有功潮流数据;
第三模块,用以进行不良数据辨识,过滤存在不良数据的断面;
第四模块,用以构造Lasso模型。
Lasso模型构造方法为:
针对每个环路,有:
Tθb=0
式中:T为环路-支路关联矩阵,其中Tpq=1,表示支路q在环p上,方向相同;Tpq=-1,表示支路q在环p上,方向相反;Tpq=-0,表示支路q不在环p上;
令支路有功向量为p,构造对角阵:
Pb=diag(p)
得到:
P=TPb
令:xreal=x0-y,其中xreal是真实电抗参数,x0是已有的参数值,y为代求变量,也就是电抗修正量,即初始值与电抗估计值之差。
约束为:
而构成典型Lasso模型。
第一模块中,辨识局部环网的方法为,
S1.1)通过图论算法获取树枝、连支;S1.2)针对每条连支,从连支两侧节点出发,搜索经过的路径;S1.3)去除未被第2步搜索到的树枝;S1.4)对剩余的图进行联通分析,每个独立的岛就是独立的局部环网。
第三模块中,不良数据辨识方法为:在量测配置充足的情况下,首先确保局部环网各个节点的不平衡功率小于限值、线路首末两侧的有功绝对值的差小于限值;如果上述条件全部满足,认为该局部环网的数据质量满足要求;
其次进行断面过滤:
定义同一个环路不同断面数据的夹角:
周期性取断面数据,如果某时刻断面与断面的夹角变化出现突变,后续的断面夹角又恢复正常,判断该断面存在不良数据,过滤该断面数。
有益效果:本发明能够保障调控中心参数的准确维护,提高了电网分析计算结果的可信度。还可以减少实际电网中对于模型参数进行实测的投入,节省了实测时需要的停电成本。在算法实施层面,本发明基于数据驱动,不需要进行完整的状态估计计算,相对于传统方法,计算效率大幅度提高。特别是针对复杂环网的电抗参数估计问题,具有更好的解决效果。
附图说明
图1是本发明中评估方法的流程图。
图2是一个简单的电网,用来说明局部环网的拓扑。
图3是IEEE-14节点标准算例***。
具体实施方式
实施例一
请结合图1所示,本发明提供一种数据驱动的环形电网电抗参数评估方法,包括如下步骤,
S1)辨识出电网中存在的局部环网;
S2)针对每个局部环网收集有功潮流数据;
S3)进行不良数据辨识,过滤存在不良数据的断面;
S4)构造Lasso模型,构造方法为:
针对每个环路,有:
Tθb=0
式中:T为环路-支路关联矩阵,其中Tpq=1,表示支路q在环p上,方向相同;Tpq=-1,表示支路q在环p上,方向相反;Tpq=-0,表示支路q不在环p上;
令支路有功向量为p,构造对角阵:
Pb=diag(p)
得到:
P=TPb
令:xreal=x0-y,其中xreal是真实电抗参数,x0是已有的参数值,y为代求变量,也就是电抗修正量,即初始值与电抗估计值之差。
约束为:
而构成典型Lasso模型;通过调整合理的t值使计算结果具有稀疏性;计算过程分为两个阶段,第一个阶段为通过设置较低的t值,定位大误差线路,获得线路的粗略估计值;将粗略估计值作为第二个阶段的初始电抗,获得精细的调整结果。
步骤S1)中,辨识局部环网的方法为,
S1.1)通过图论算法获取树枝、连支;S1.2)针对每条连支,从连支两侧节点出发,搜索经过的路径;S1.3)去除未被第2步搜索到的树枝;S1.4)对剩余的图进行联通分析,每个独立的岛就是独立的局部环网。
不良数据辨识方法为:在量测配置充足的情况下,首先确保局部环网各个节点的不平衡功率小于限值、线路首末两侧的有功绝对值的差小于限值;如果上述条件全部满足,认为该局部环网的数据质量满足要求;
其次进行断面过滤:
定义同一个环路不同断面数据的夹角:
周期性取断面数据,如果某时刻断面与断面的夹角变化出现突变,后续的断面夹角又恢复正常,判断该断面存在不良数据,过滤该断面数。
本发明从有功潮流与电抗之间的关系出发,提出一种新的思路。对于高压输电网,由于线路电抗大于电阻,由此建立的直流潮流模型可以很好的近似有功、电抗、电压角度之间的关系。对于现场实际的能量管理***,往往有功量测的配置和精度得到有效保证,因此,单独利用有功量测对线路电抗进行估计,有利于屏蔽其他类型量测不良数据的影响,在实际应用中得到较好的效果。
本发明的方法需要识别出局部环网,收集该局部环网的多断面有功量测数据。通过以下的假设:参数偏差在实际电网中是少数,具有稀疏性,构建Lasso求解模型。求解Lasso后,即可求出参数的修正值。求解所依赖的数据只有局部环网内部的多断面支路有功量测和原始电抗数据,不需要建立整个电网的模型,不需要依赖状态估计算法,因此是一种数据驱动的方法。该方法没有数值稳定性问题,具有适用范围广、易于实施的优点。
以下以一个具体的评估过程来说明本发明的效果。
请参阅图2,经过通过图论算法获取树枝、连支,连支为1与5的连线、2与6的连线、4与7的连线,其余为树枝。从每条连支两侧节点出发搜索路径,可以发现支路2-3未被搜索到。去除支路2-3,进行联通分析,可得到左右两个独立的电气岛,每个岛都是局部环网。
以左侧的局部环网为例详细说明,该局部环网包括1、2、5、6四个节点。构成两个环路,因此在某断面下采集数据后,则这两个环路形成P矩阵的两行,可表示为(假定潮流量测的正方向为从节点小到节点大,而环网的正方向是顺时针):
参阅图3,以IEEE-14节点为例,进行仿真验证。首先进行大量的潮流计算作为模拟量测的生成器。潮流计算时各个发电机有功出力、负荷的有功,都加上了随机数,模拟电网运行状态的变化。由潮流计算的线路有功结果基础上增加均值为0、标准差为0.1MW高斯噪声,作为量测的模拟。
以红圈所划定的局部环网作为研究对象。仿真总共产生100个断面,由于局部环网有三个环路,7条支路,所以P矩阵的行数为300行,7列。
通过每次人工设置一条线路具有错误的电抗值,观察本文的算法的估计结果,下表是一些算例:
表2单条支路参数错误的辨识结果
由表2可以看到,本文算法的估计结果非常接近于正确的参数。
如果多于1条的线路同时出现错误参数,这在现场中仍然较常见。假定出错线路比例小于50%,且误差向量的1范数不大的情况下,依据本文算法依然可以得到合理的参数估计结果。
表3为两条线路同时出现参数错误的测试案例。
表3两条支路参数错误的辨识结果
支路编号 | 设定电抗 | 估计电抗 | 真实电抗 |
节点1-节点2 | 0.0590 | 0.0455 | 0.0590 |
节点1-节点5 | 0.1115 | 0.1943 | 0.2230 |
节点2-节点3 | 0.1980 | 0.1980 | 0.1980 |
节点2-节点4 | 0.1760 | 0.1760 | 0.1760 |
节点2-节点5 | 0.3132 | 0.1676 | 0.1740 |
节点3-节点4 | 0.1710 | 0.1710 | 0.1710 |
节点4-节点5 | 0.0420 | 0.0420 | 0.0420 |
由这些表格可以看出,本发明的方法是有效的。
实施例二
请结合实施例一及图1所示,
本发明数据驱动的环形电网电抗参数评估***的实施例,包括
第一模块,用以辨识出电网中存在的局部环网;
第二模块,用以针对每个局部环网收集有功潮流数据;
第三模块,用以进行不良数据辨识,过滤存在不良数据的断面;
第四模块,用以构造Lasso模型。
Lasso模型构造方法为:
针对每个环路,有:
Tθb=0
式中:T为环路-支路关联矩阵,其中Tpq=1,表示支路q在环p上,方向相同;Tpq=-1,表示支路q在环p上,方向相反;Tpq=-0,表示支路q不在环p上;
令支路有功向量为p,构造对角阵:
Pb=diag(p)
得到:
P=TPb
令:xreal=x0-y,其中xreal是真实电抗参数,x0是已有的参数值,y为代求变量,也就是电抗修正量,即初始值与电抗估计值之差。
约束为:
而构成典型Lasso模型。
第一模块中,辨识局部环网的方法为,
S1.1)通过图论算法获取树枝、连支;S1.2)针对每条连支,从连支两侧节点出发,搜索经过的路径;S1.3)去除未被第2步搜索到的树枝;S1.4)对剩余的图进行联通分析,每个独立的岛就是独立的局部环网。
第三模块中,不良数据辨识方法为:在量测配置充足的情况下,首先确保局部环网各个节点的不平衡功率小于限值、线路首末两侧的有功绝对值的差小于限值;如果上述条件全部满足,认为该局部环网的数据质量满足要求;
其次进行断面过滤:
定义同一个环路不同断面数据的夹角:
周期性取断面数据,如果某时刻断面与断面的夹角变化出现突变,后续的断面夹角又恢复正常,判断该断面存在不良数据,过滤该断面数。
另外,本发明的具体实现方法和途径很多,以上所述仅是本发明的优选实施方式。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (6)
1.一种数据驱动的环形电网电抗参数评估方法,其特征在于,包括如下步骤,
S1)辨识出电网中存在的局部环网;
S2)针对每个局部环网收集有功潮流数据;
S3)进行不良数据辨识,过滤存在不良数据的断面;
S4)构造Lasso模型,构造方法为:
针对每个环路,有:
Tθb=0
式中:T为环路-支路关联矩阵,其中Tpq=1,表示支路q在环p上,方向相同;Tpq=-1,表示支路q在环p上,方向相反;Tpq=-0,表示支路q不在环p上;
令支路有功向量为p,构造对角阵:
Pb=diag(p)
得到:
P=TPb
令:xreal=x0-y,其中xreal是真实电抗参数,x0是已有的参数值,y为代求变量,也就是电抗修正量,即初始值与电抗估计值之差;
约束为:
而构成典型Lasso模型;通过调整合理的t值使计算结果具有稀疏性;计算过程分为两个阶段,第一个阶段为通过设置较低的t值,定位大误差线路,获得线路的粗略估计值;将粗略估计值作为第二个阶段的初始电抗,获得精细的调整结果。
2.根据权利要求1所述的数据驱动的环形电网电抗参数评估方法,其特征在于,步骤S1)中,辨识局部环网的方法为,
S1.1)通过图论算法获取树枝、连支;S1.2)针对每条连支,从连支两侧节点出发,搜索经过的路径;S1.3)去除未被S1.2)搜索到的树枝;S1.4)对剩余的图进行联通分析,每个独立的岛就是独立的局部环网。
4.一种数据驱动的环形电网电抗参数评估***,其特征在于,包括
第一模块,用以辨识出电网中存在的局部环网;
第二模块,用以针对每个局部环网收集有功潮流数据;
第三模块,用以进行不良数据辨识,过滤存在不良数据的断面;
第四模块,用以构造Lasso模型;
Lasso模型构造方法为:
针对每个环路,有:
Tθb=0
式中:T为环路-支路关联矩阵,其中Tpq=1,表示支路q在环p上,方向相同;Tpq=-1,表示支路q在环p上,方向相反;Tpq=-0,表示支路q不在环p上;
令支路有功向量为p,构造对角阵:
Pb=diag(p)
得到:
P=TPb
令:xreal=x0-y,其中xreal是真实电抗参数,x0是已有的参数值,y为代求变量,也就是电抗修正量,即初始值与电抗估计值之差;
约束为:
而构成典型Lasso模型。
5.根据权利要求4所述的评估***,其特征在于,第一模块中,辨识局部环网的方法为,
S1.1)通过图论算法获取树枝、连支;S1.2)针对每条连支,从连支两侧节点出发,搜索经过的路径;S1.3)去除未被S1.2)搜索到的树枝;S1.4)对剩余的图进行联通分析,每个独立的岛就是独立的局部环网。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811223256.3A CN109193645B (zh) | 2018-10-19 | 2018-10-19 | 一种数据驱动的环形电网电抗参数评估方法及评估*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811223256.3A CN109193645B (zh) | 2018-10-19 | 2018-10-19 | 一种数据驱动的环形电网电抗参数评估方法及评估*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109193645A CN109193645A (zh) | 2019-01-11 |
CN109193645B true CN109193645B (zh) | 2021-10-22 |
Family
ID=64946331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811223256.3A Active CN109193645B (zh) | 2018-10-19 | 2018-10-19 | 一种数据驱动的环形电网电抗参数评估方法及评估*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109193645B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929403B (zh) * | 2019-11-22 | 2022-10-28 | 燕山大学 | 一种基于环路的微电网拓扑规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505059A (zh) * | 2009-03-06 | 2009-08-12 | 南京南瑞继保电气有限公司 | 调度能量管理***中输电网电抗参数估计方法 |
CN101593977A (zh) * | 2009-04-17 | 2009-12-02 | 哈尔滨工业大学 | 电力网络支路参数估计方法 |
CN104992010A (zh) * | 2015-06-25 | 2015-10-21 | 国电南瑞科技股份有限公司 | 一种基于拓扑分区的多断面联合参数估计方法 |
CN105656207A (zh) * | 2016-03-10 | 2016-06-08 | 南京国电南自电网自动化有限公司 | 电力***在线实时稳定控制***及控制方法 |
CN108491404A (zh) * | 2018-01-22 | 2018-09-04 | 国电南瑞科技股份有限公司 | 一种基于bp神经网络的状态估计不良数据辨识方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170293856A1 (en) * | 2016-04-07 | 2017-10-12 | Xerox Corporation | Clustering high dimensional data using gaussian mixture copula model with lasso based regularization |
-
2018
- 2018-10-19 CN CN201811223256.3A patent/CN109193645B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505059A (zh) * | 2009-03-06 | 2009-08-12 | 南京南瑞继保电气有限公司 | 调度能量管理***中输电网电抗参数估计方法 |
CN101593977A (zh) * | 2009-04-17 | 2009-12-02 | 哈尔滨工业大学 | 电力网络支路参数估计方法 |
CN104992010A (zh) * | 2015-06-25 | 2015-10-21 | 国电南瑞科技股份有限公司 | 一种基于拓扑分区的多断面联合参数估计方法 |
CN105656207A (zh) * | 2016-03-10 | 2016-06-08 | 南京国电南自电网自动化有限公司 | 电力***在线实时稳定控制***及控制方法 |
CN108491404A (zh) * | 2018-01-22 | 2018-09-04 | 国电南瑞科技股份有限公司 | 一种基于bp神经网络的状态估计不良数据辨识方法 |
Non-Patent Citations (1)
Title |
---|
基于PQ解耦的支路参数估计;邹德虎 等;《2013年中国电机工程学会年会论文集》;20131231;第1943-1946页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109193645A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108173263B (zh) | 一种基于ami量测信息的配电网拓扑错误辨识算法 | |
CN106655159B (zh) | 一种新能源电站一次调频能力测试***及其测试方法 | |
CN109063408B (zh) | 一种基于直算法的电磁机电暂态仿真方法 | |
CN103944165B (zh) | 一种大电网参数辨识估计方法 | |
WO2019056753A1 (zh) | 一种分布式光伏电站集群的动态等值建模方法 | |
CN106384302B (zh) | 配电网可靠性评估方法和*** | |
CN105938578A (zh) | 一种基于聚类分析的大规模光伏电站等值建模方法 | |
CN110289613A (zh) | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 | |
CN110208647A (zh) | 一种基于随机矩阵的配电网单相接地故障区段定位方法 | |
CN107871202A (zh) | 一种计及多电压等级的电网可靠性评估方法 | |
CN105469316B (zh) | 配电网任意两点间理论线损计算方法及*** | |
CN111490551B (zh) | 基于分布式牛顿法的配电网光伏发电集群电压控制方法 | |
CN109193645B (zh) | 一种数据驱动的环形电网电抗参数评估方法及评估*** | |
CN106443253A (zh) | 一种基于pmu数据的输电线路参数辨识方法 | |
CN111553080A (zh) | 一种配电台区负荷动态等值非机理模型参数闭环辨识方法 | |
Wei et al. | Online distribution system topology monitoring with limited smart meter communication | |
CN106410791B (zh) | 一种不良数据的前推回代追踪方法 | |
CN109635430B (zh) | 电网输电线路暂态信号监测方法和*** | |
CN109193665A (zh) | 一种基于scada量测的电网支路静态参数辨识方法 | |
CN110190617B (zh) | 多馈入直流电力***的评估方法、***、设备及存储介质 | |
CN112036010A (zh) | 一种基于数据驱动的光伏***动态过程混合等效建模方法 | |
CN109615189B (zh) | 一种配电网可靠性评估方法 | |
CN116660679A (zh) | 一种基于网络拓扑的配电网故障分析方法 | |
Liu et al. | Distribution network topology error identification method based on D-PMU and branch state function | |
Silva et al. | Hierarchical state estimation based on state & topology coestimation at substation level |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |